基于激光数据的变电站异物识别方法

    公开(公告)号:CN108107444A

    公开(公告)日:2018-06-01

    申请号:CN201711459790.X

    申请日:2017-12-28

    CPC classification number: G01S17/88 G06K9/6212 G06T7/33 G06T2207/10028

    Abstract: 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。

    基于激光数据的变电站异物识别方法

    公开(公告)号:CN108107444B

    公开(公告)日:2021-12-14

    申请号:CN201711459790.X

    申请日:2017-12-28

    Abstract: 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。

Patent Agency Ranking