基于改进点对特征匹配算法的变电站设备识别方法及系统与流程

本发明涉及变电站设备识别，尤其涉及一种基于改进点对特征匹配算法的变电站设备识别方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、在电气领域，基于点云数据的三维物体识别技术目前已在电气设备识别中得到了广泛应用，由于点云中的点是不规则、无序的，所以为实现三维场景中目标物体的检测及定位，需要运用点云匹配技术对点云进行分析处理。

3、目前三维物体识别方法主要分为基于全局特征和基于局部特征两类方法，两类方法分别需要对物体的全部和局部特征进行提取比对，分别有着计算量大和精度较低的缺陷，且两类方法在变电站等有遮挡和混叠的复杂场景中匹配效果均不理想。现也有基于点对特征的点云匹配方法，可有效减小遮挡和混叠场景对设备识别的影响，但由于点对选取较为随机，会出现较多无效或冗余点，计算效率低，导致计算速度较慢。

技术实现思路

1、为了解决上述问题，本发明提出了一种基于改进点对特征匹配算法的变电站设备识别方法及系统，能够减少计算规模，提高计算速度，并保证较高的计算精度，且能在复杂的变电站场景中得到较好的设备识别效果。

2、在一些实施方式中，采用如下技术方案：

3、一种基于改进点对特征匹配算法的变电站设备识别方法，包括：

4、获取变电站内设备原始点云数据，采用网格下采样的方法对网格中的点云进行均值处理，得到新的点云数据；其中，所述网格的大小根据原始点云数据的数量自动调整；

5、对于新的点云数据进行关键点筛选，从提取的关键点中随机选择一个参考点，所述参考点与场景中的其他点分别组成点对特征；

6、将所述点对特征与哈希表中预存的设备模型点对特征进行匹配，得到匹配的点对特征，基于匹配的点对特征进行变电站设备识别。

7、作为进一步地方案，所述网格的大小根据原始点云数据的数量自动调整，具体为：

8、假定划分的网格为边长为d的立方体，则d的值根据各点云与其距离最近的点云之间距离的平均值，与网格边长的自适应比例因子的乘积计算得到。

9、其中，网格边长的自适应比例因子具体为：

10、

11、其中，m为原始点云数据的数量。

12、作为进一步地方案，对于新的点云数据进行关键点筛选，具体过程如下；

13、对于新的点云数据，计算每个点云的曲率，进行第一次关键点筛选；

14、对于第一次筛选后的点云数据，根据各点法向量与其周边点法向量的夹角进行角度判断，进行第二次关键点筛选；

15、对第二次筛选后的点云数据进行点对特征提取。

16、其中，计算每个点云的曲率，进行第一次关键点筛选，具体为：

17、计算每个点云的曲率，对所有点云的曲率求取平均值kavg，保留所有曲率大于等于p1*kavg的点云，去除其余点云；其中，0.5≤p1≤1。

18、根据各点法向量与其周边点法向量的夹角进行角度判断，进行第二次关键点筛选，具体为：

19、对任意点云si，设其法向量为ni，该点邻域内的点为sij，法向量为nij，求出该点法向量与其邻域内所有点的法向量之间的夹角均值为a(si)；

20、对所有点对应的夹角均值求取平均值aavg(si)，保留所有夹角均值a(si)大于等于p2*aavg(si)的点云，去除其余点云；其中，0.5≤p2≤1。

21、作为进一步地方案，将所述点对特征与哈希表中预存的设备模型点对特征进行匹配，具体为：

22、将任一点对特征作为哈希表的钥匙对预存设备模型点对特征的哈希表进行检索，返回具有相似特征向量的模型点对特征；根据返回的模型点对的数量，确定该点对特征的票数；选取票数大于设定值的点对特征，作为匹配的点对特征；其中，具有相似特征向量的模型点对特征指的是点对特征的特征向量与哈希表中点对特征的特征向量的偏差满足设定要求。

23、作为进一步地方案，基于匹配的点对特征进行变电站设备识别，具体为：

24、选取票数最高的点对特征，计算该点对特征中的任一点的法线矢量与哈希表中对应点的法线矢量之间的旋转角；

25、将哈希表中设备模型点对特征按照所述旋转角进行整体旋转，得到变电站设备的粗匹配结果；

26、通过迭代最近点算法对旋转后的设备模型点对特征和匹配得到的点对特征进行位姿优化，以实现变电站设备的精确匹配。

27、在另一些实施方式中，采用如下技术方案：

28、一种基于改进点对特征匹配算法的变电站设备识别系统，包括：

29、点云数据获取模块，用于获取变电站内设备原始点云数据，采用网格下采样的方法对网格中的点云进行均值处理，得到新的点云数据；其中，所述网格的大小根据原始点云数据的数量自动调整；

30、关键点筛选模块，用于对于新的点云数据进行关键点筛选，从提取的关键点中随机选择一个参考点，所述参考点与场景中的其他点分别组成点对特征；

31、设备识别模块，用于将所述点对特征与哈希表中预存的设备模型点对特征进行匹配，得到匹配的点对特征，基于匹配的点对特征进行变电站设备识别。

32、在另一些实施方式中，采用如下技术方案：

33、一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，所述指令适于由处理器加载并执行上述的基于改进点对特征匹配算法的变电站设备识别方法。

34、与现有技术相比，本发明的有益效果是：

35、(1)本发明基于点云数量对网格大小进行自适应调整，即能保证计算准确度，避免因为网格过大而导致计算误差大；也能提高计算速度，避免因为网格过小而导致计算量增加。

36、(2)本发明通过对关键点的优化筛选，减少了无效点与冗余点，以此来提高计算速度以及匹配精度；最终能够加快变电站设备识别速度。

37、本发明的其他特征和附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本方面的实践了解到。

技术特征：

1.一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，包括：

2.如权利要求1所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，所述网格的大小根据原始点云数据的数量自动调整，具体为：

3.如权利要求2所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，所述网格边长的自适应比例因子具体为：

4.如权利要求1所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，对于新的点云数据进行关键点筛选，具体过程如下；

5.如权利要求4所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，计算每个点云的曲率，进行第一次关键点筛选，具体为：

6.如权利要求4所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，根据各点法向量与其周边点法向量的夹角进行角度判断，进行第二次关键点筛选，具体为：

7.如权利要求1所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，将所述点对特征与哈希表中预存的设备模型点对特征进行匹配，具体为：

8.如权利要求7所述的一种基于改进点对特征匹配算法的变电站设备识别方法，其特征在于，基于匹配的点对特征进行变电站设备识别，具体为：

9.一种基于改进点对特征匹配算法的变电站设备识别系统，其特征在于，包括：

10.一种终端设备，其包括处理器和存储器，处理器用于实现指令；存储器用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-8任一项所述的基于改进点对特征匹配算法的变电站设备识别方法。

技术总结
本发明公开了一种基于改进点对特征匹配算法的变电站设备识别方法及系统，包括：获取变电站内设备原始点云数据，采用网格下采样的方法对网格中的点云进行均值处理，得到新的点云数据；其中，网格的大小根据原始点云数据的数量自动调整；对于新的点云数据进行关键点筛选，从提取的关键点中随机选择一个参考点，参考点与场景中的其他点分别组成点对特征；将点对特征与哈希表中预存的设备模型点对特征进行匹配，得到匹配的点对特征，基于匹配的点对特征进行变电站设备识别。本发明通过对关键点的优化筛选，减少了无效点与冗余点，以此来提高计算速度以及匹配精度；最终能够加快变电站设备识别速度。

技术研发人员：杨祎,郑文杰,张峰达,李壮壮,孙艺玮,刘萌,林颖,秦佳峰,李程启,崔其会,吕俊涛,李勇,邢海文,乔木,李龙龙,任敬国,朱文兵,顾朝亮,朱庆东,师伟,汪鹏,万磊,王健,伊峰,高志新
受保护的技术使用者：国网山东省电力公司电力科学研究院
技术研发日：
技术公布日：2024/1/13