[发明专利]基于改进KNN-DPC算法的激光点云分裂导线提取方法

说明书

本发明公开了基于改进KNN‑DPC算法的激光点云分裂导线提取方法，本发明首先通过基于欧氏距离的K‑MEANS聚类方法提取每根电力线点云；然后对每根电力线点云进行抛物线方程拟合，并计算每根电力线点云的空间点相对坐标；再采用改进的KNN‑DPC算法实现分裂导线的识别和各分裂子导线点云的分类。本发明通过对KNN‑DPC算法加以改进，实现了分裂导线的自动识别和提取，提高了分裂导线识别的准确率，并在高噪声背景下表现出较强的抗噪性。

技术领域

本发明涉及应用于高压输电线路的三维模型重建领域，具体为一种基于改进KNN-DPC算法的激光点云分裂导线提取方法。

背景技术

随着我国输电线路规模不断扩大，输电线路的安全可靠性被要求不断提高，因此需要不断优化输电线路验收方式，以提高输电线路的验收效率。目前，传统的人工验收方式由于验收过程繁琐，工作条件艰苦，存在人员安全隐患等诸多问题逐渐被三维激光扫描验收方式取代。三维激光扫描技术因其可以快速获取周围环境的三维模型在电力行业得到广泛应用，其中，电力线的提取是重点研究方向之一，在特高压及超高压输电线路中，为了抑制电晕放电和减少线路电抗，常采取分裂导线作为高压线路架设方式。由于各分裂子导线间距较小，且各分裂子导线点云间极易产生噪声点，使得基于激光点云的分裂导线自动提取难度大大增加。近年来，国内外在输电线路三维激光扫描技术上的研究主要集中在输电线路中电力线的提取和输电线路的点云分类两个方面。但关于分裂导线点云的提取研究较少，现有分裂导线提取办法大多采用基于欧氏距离的K-MEANS算法提取分裂导线，该方法需要人机交互输入分裂导线数K，且对距离因素较为敏感，当噪声点过多时容易产生误判。

发明内容

为解决现有技术中存在的问题，本发明目的是提供一种基于改进KNN-DPC算法的激光点云分裂导线提取方法，本发明能够有效提取电力线点云中的分裂导线，具有较强的抗噪性和良好的鲁棒性。

为达到上述目的，本发明采用如下技术方案：

基于改进KNN-DPC算法的激光点云分裂导线提取方法，包括如下步骤：

(1)利用电力线的点云数据，采用空间聚类的方法得到单根电力线点云，然后分别计算各单根电力线点云的拟合抛物线方程，进而计算各电力线点云相对于拟合抛物线的空间点相对坐标，得到空间点相对坐标点集；

(2)在获取的空间点相对坐标点集上，采用改进的KNN-DPC算法识别分裂导线；

(3)采用两种分配策略分配除类簇中心和噪声点外的样本点。

所述步骤(1)的具体步骤包括：

1-1)利用电力线的点云数据，采用基于欧氏距离的K-MEANS聚类方法得到单根电力线点云；

1-2)随机均匀选取各单根电力线点云的N个样本点构成样本集C，样本集C中点P_i的坐标为(x_i,y_i,z_i)，其中i＝1，2，3…N；

1-3)将三维空间中的样本点转化为曲线所在二维平面中的样本点，则二维样本点坐标为(w_i,z_i)，其中并采用最小二乘法拟合N个二维样本点(w_i,z_i)，拟合抛物线方程Z为：Z＝Aw²+Bw+C；

1-4)迭代选取样本集C中的各样本点P_j，取过点P_j的平面x＝x_j，当平面x＝x_j与拟合抛物线相交于点S_j时，则以S_j为原点，计算P_j对于S_j的相对坐标；

1-5)将相对坐标点集中于同一二维平面中，构成相对坐标点集D。