[发明专利]基于激光数据的变电站异物识别方法

说明书

基于激光数据的变电站异物识别方法。目前进行异物识别，易受环境影响，建模复杂算法耗时。本发明步骤如下：首先利用激光雷达对多个区域采集激光数据，通过分析整理建成一个模型点云集合，再利用激光雷达对某一个需测定区域采集激光数据组成测试点云，通过计算将点云分布信息进行孤立点去除滤波，再统计点云数据在xyz轴三个方向上的分布直方图，经均匀采样滤波提取关键点并计算特征向量，建立kdtree匹配对索引，经过SVD进行转换矩阵求解，并转换测试点云坐标与模型点云进行ICP迭代配准，再通过kdtree计算点对配对距离筛选超距点，最后计算超距点集合的疏密性，判别是否是异物。本发明用于变电站异物识别。

技术领域：

本发明涉及一种基于激光数据的变电站异物识别方法。

背景技术：

目前在本领域中主要通过CCD摄像机采集和双目相机的方法来进行异物识别，但是CCD摄像机采集的目标数据，在异物颜色和周边环境颜色相近时，识别结果急剧下降，极易受到周边环境的影响，识别结果不稳定，而双目相机虽然可以得到三维信息，但是建模复杂，算法比较耗时实际用途的评价不理想。

发明内容：

本发明的目的是提供一种基于激光数据的变电站异物识别方法。测试点云中是否存在异物，引入异物的空间深度信息，识别效果会更加准确。

上述的目的通过以下的技术方案实现：

一种基于激光数据的变电站异物识别方法，识别的方法步骤如下：首先利用激光雷达对多个区域采集激光数据，通过分析整理建成一个模型点云集合，其次再利用激光雷达对某一个需测定区域采集激光数据组成测试点云，通过计算将点云分布信息进行孤立点去除滤波，再统计点云数据在xyz轴三个方向上的分布直方图，经均匀采样滤波提取关键点并计算特征向量，建立kdtree匹配对索引，经过SVD进行转换矩阵求解，并转换测试点云坐标与模型点云进行ICP迭代配准，再通过kdtree计算点对配对距离筛选超距点，最后计算超距点集合的疏密性，判别是否是异物。

所述的基于激光数据的变电站异物识别方法，所述的点云分布信息进行孤立点去除滤波的方法步骤如下：对于每个点P，以R为搜索半径会得到K个近邻点，计算所有K个近邻点到P的距离Di，将所有距离求和得到D，

和平均距离M，

计算K个近邻点的距离平方和S，

计算协方差Var，

以及均方差，

以上计算得出后可以计算滤波阈值T：

将阈值T带回与之前计算的K个近邻点距离Di相比较，小于阈值设置保留标志，遍历一次所有的点，对所有点计算得到的近邻点统计其标志情况，至少两次以上的保留标志才能保留该点，其余的为孤立点和离群点舍弃。

所述的基于激光数据的变电站异物识别方法，所述的分布直方图的方法步骤如下：得到三个直方图分布Fx，Fy，Fz，分别计算三个直方图中的超过75%已上的测试点云分布范围，得到将该范围均分为10等分所需的尺寸L1，L2，L3，计算L1、L2、L3的均值Lm后可得到整个测试点云数据均匀采样的尺度Lm，计算公式如下：

所述的基于激光数据的变电站异物识别方法，所述的均匀采样滤波的方法步骤如下：以Lm为尺度进行均匀采样，保留框架，去掉冗余点，根据实验结果测试点云数据从滤波前的20000+个点减少到了8000+个点。