[发明专利]一种基于卷积自编码网络的杆塔点云数据自动分类方法

说明书

本发明公开了一种基于卷积自编码网络的杆塔点云数据自动分类方法，包括输电线路杆塔点云数据的获取，通过在x、y平面内的投影计算出点云数据的偏转方向，然后对点云数据进行旋转校正和侧面投影生成杆塔点云的图像；使用杆塔点云的投影图像对卷积自编码网络(CAE)进行训练，分离出自编码部分用于对杆塔点云图像进行特征提取；最后利用均值最大化分类算法(EM)对杆塔点云图像特征实现自动分类。解决了目前通过人工手段进行输电线路杆塔点云数据分类中存在的耗时、费力缺点；在自动杆塔点云数据分类的过程中，采用了无监督学习方法‑‑‑卷积自编码网络实现对杆塔点云数据的自动特征提取，的方法不需要大量的人工标注数据，有效的减少了算法对人工的依赖大大的提高杆塔分类过程的自动化程度。

技术领域

本发明涉及一种基于卷积自编码网络的杆塔点云数据自动分类方法，属于电力调度自动化技术领域。

背景技术

目前由于电力资源分布和经济发展的不平衡性，需要使用输电线路系统实现对电能资源的远距离输送；输电线路上的部件大多数都暴露自然环境下，这样导致输电线路上的部件非常容易发生各式各样的缺陷，为了保证电网系统的安全稳定运行，就必须对电网系统进行高密度的巡检。杆塔是输电线路上重要部分起着支撑性的作用，杆塔上面存在许多细小的部件，每一个部件都有着其特定的作用，在自动化巡检过程中可以通过杆塔来定位这些细小的部件。目前输电线路巡检方法主要以人工巡检为主直升机巡检为辅，通过人工的方式寻找和分类输电线路中的杆塔点云数据存在工作效率低下，操作方法复杂费力。本发明专利提出了基于卷积自编码网络的杆塔点云数据自动分类方法，该方法实现了对杆塔点云数据进行方向校正、侧面投影获取杆塔点云图像；通过无监督的机器学习方法实现对杆塔点云图像的特征提取；最后使用均值最大化算法实现对杆塔点云图像特征进行自动分类。

发明内容

一种基于卷积自编码网络的杆塔点云数据自动分类方法的发明内容包括以下三个方面：

4)杆塔点云图像的获取；

5)图像特征自动提取；

6)图像特征自动分类。

进一步地，本发明包括：

1)杆塔点云图像的获取

杆塔点云数据由世界坐标系到图像坐标系的投影公式如下所示：

其中x,y,v分别代表的时图像坐标系中的宽、高和像素值，X,Y,Z分别代表点云数据在世界坐标系中的坐标。

2)图像特征自动提取

使用收集的大量杆塔投影图像对CAE网络进行训练，然后使用自编码网络部分对输入的投影图像进行降维得到分类特征向量。

3)图像特征自动分类

假设每一个杆塔投影图像的编码向量v服从某一高斯分布，通过输入的向量v与已有的杆塔投影图像向量高斯分布进行欧式距离匹配，寻找匹配距离小于杆塔的实际边长和距离最小的分布作为匹配结果，如果没有满足匹配条件的杆塔分布存在那么就以当前输入的向量作为均值，产生一个新的分布即找到一个新的杆塔类别。

本发明的有益效果

在本发明专利中采用直升机搭载的激光雷达获取输电线路杆塔点云数据，对其进行侧面投影获取到杆塔点云图像；利用杆塔点云图像对卷积自编码网络(CAE)进行训练并分离出编码器部分；通过编码器部分对杆塔点云图像实现特征提取最后使用均值最大化算法(EM)实现对杆塔点云图像特征进行自动化分类。本发明实现一种通过无监督机器学习技术进行自动化杆塔点云数据分类的方法，有效的减少了自动分类算法对人工标注数据的依赖，大大的提高了杆塔点云数据的分类精度和效率；同时也降低了巡检人员后期数据处理的劳动强度，提高了目前输电线路巡检的效率。

附图说明