【技术实现步骤摘要】
本专利技术涉及超高压检修，尤其涉及一种超高压检修安全距离评估方法、装置、设备及存储介质。
技术介绍
1、架空超高压输电线路是电力工业中电力输送的重要途径，输电线路安全和稳定的运行直接影响到电力系统高可靠性和稳定性电能的提供，故对输电线路进行定期有效的巡检和维护已成为电力工业的重要任务。目前对于架空超高压输电线路的巡检主要依靠的是人工作业和机械作业。输电线路巡检必须保证输电导线和线路走廊中的各种距离符合安全距离规程要求，尤其是人工作业的检修人员安全问题。
2、传统的安全距离评估方式需要基于图像识别、分析、运算的技术获得评估结果，涉及地面滤波、dem构建、地物分类、导线拟合等复杂计算，存在数据出现偏差的可能，不够精确，会影响判断结果的准确度。
技术实现思路
1、本专利技术的主要目的在于提供一种超高压检修安全距离评估方法、装置、设备及存储介质，旨在解决现有架空超高压输电线路检修过程中存在安全隐患，且现有安全评估方式精度不高存在误判等技术问题。
2、为实现上述目的，本专利技术提供了一种超高压检修安全距离评估方法，包括：
3、获取超高压输电通道的点云数据集，基于预设抽稀算法和预设配准算法对所述点云数据集进行预处理，以获得目标点云数据集；
4、基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型；
5、将待分类点云数据输入所述点云分类模型，以输出点云分类结果；
6、基于深度学习模型对所述点云分类结果进行
7、根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离；
8、根据所述目标距离和预设安全阈值的对比结果判断作业人员是否安全。
9、在一些实施例中，所述基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型，包括：
10、从所述目标点云数据集的激光点云中提取杆塔点云；
11、对所述杆塔点云的坐标点进行归一化并进行标记，得到杆塔点云数据集；其中，所述杆塔点云数据集包括杆塔数据、电力线与电线数据以及绝缘子数据；
12、基于所述杆塔点云数据集对预设点云特征提取网络进行训练，以获得训练后的点云分类模型。
13、在一些实施例中，所述基于深度学习模型对所述点云分类结果进行判断，以确定杆塔类型为直线塔的直线塔点云，包括：
14、从所述点云分类结果中提取绝缘子点云；
15、构建第一深度学习模型，并将所述绝缘子点云输入所述第一深度学习模型，以输出绝缘子状态标签；
16、构建第二深度学习模型，将所述绝缘子状态和点云特征输入所述第二深度学习模型，以确定杆塔类型为直线塔的直线塔点云。
17、在一些实施例中，所述根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离，包括：
18、基于深度学习算法从所述直线塔点云中提取横担点云，并根据所述横担点云确定软梯的悬挂点；
19、确定所述悬挂点和目标导线的最小距离；
20、基于所述最小距离通过圆柱体模拟作业人员与所述目标导线和杆塔的目标距离；
21、根据所述目标距离和预设安全阈值的对比结果判断作业人员是否安全。
22、在一些实施例中，所述基于所述最小距离通过圆柱体模拟作业人员与所述目标导线和杆塔的目标距离，包括：
23、将所述最小距离作为软梯长度；
24、在确定所述软梯长度后，通过圆柱体模拟作业人员与所述目标导线的第一最短距离；
25、通过圆柱体模拟作业人员与杆塔的第二最短距离；
26、将所述第一最短距离和所述第二最短距离之和作为作业人员与所述目标导线和杆塔的目标距离。
27、在一些实施例中，所述获取超高压输电通道的点云数据集，基于预设抽稀算法和预设配准算法对所述点云数据集进行预处理，以获得目标点云数据集，包括：
28、获取超高压输电通道的点云数据集，基于预设空间距离抽稀算法对所述点云数据集进行重采样，以获得所述点云数据集的子集；
29、根据icp算法对所述点云数据集的子集进行点云配准，以获得目标点云数据集。
30、在一些实施例中，所述获取超高压输电通道的点云数据集，基于预设空间距离抽稀算法对所述点云数据集进行重采样，以获得所述点云数据集的子集，包括：
31、获取无人机对超高压输电通道倾斜摄影的点云数据集；其中，所述点云数据集的点密度为50m-2las格式；
32、根据预设空间距离抽稀算法基于所述点云数据集的数据构建八叉树结构；
33、基于最临近搜索算法对所述八叉树结构中数据脚点进行重采样，以获得所述点云数据集的子集。
34、此外，为实现上述目的，本专利技术还提出一种超高压检修安全距离评估装置，包括：
35、点云处理模块，用于获取超高压输电通道的点云数据集，基于预设抽稀算法和预设配准算法对所述点云数据集进行预处理，以获得目标点云数据集；
36、模型训练模块，用于基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型；
37、点云分类模块，用于将待分类点云数据输入所述点云分类模型，以输出点云分类结果；
38、杆塔判断模块，用于基于深度学习模型对所述点云分类结果进行判断，以确定杆塔类型为直线塔的直线塔点云；
39、距离计算模块，用于根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离；
40、安全判断模块，用于根据所述目标距离和预设安全阈值的对比结果判断作业人员是否安全。
41、此外，为实现上述目的，本专利技术还提出一种超高压检修安全距离评估设备，所述超高压检修安全距离评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的超高压检修安全距离评估程序，所述超高压检修安全距离评估程序配置为实现如上文所述的超高压检修安全距离评估方法。
42、此外，为实现上述目的，本专利技术还提出一种存储介质，所述存储介质存储有超高压检修安全距离评估程序，所述超高压检修安全距离评估程序用于使处理器执行时实现如上文所述的超高压检修安全距离评估方法。
43、本专利技术通过获取超高压输电通道的点云数据集，基于预设抽稀算法和预设配准算法对所述点云数据集进行预处理，以获得目标点云数据集；基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型；将待分类点云数据输入所述点云分类模型，以输出点云分类结果；基于深度学习模型对所述点云分类结果进行判断，以确定杆塔类型为直线塔的直线塔点云；根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离；根据所述目标距离和预设安全阈值的对比结果判断作业人员是否安全。本专利技术中，通过预设抽稀算法和配准算法可在海量的点云数据中快速定位某个或某些点，方便本文档来自技高网...
【技术保护点】
1.一种超高压检修安全距离评估方法，其特征在于，所述超高压检修安全距离评估方法，包括：
2.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型，包括：
3.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述基于深度学习模型对所述点云分类结果进行判断，以确定杆塔类型为直线塔的直线塔点云，包括：
4.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离，包括：
5.如权利要求4所述的超高压检修安全距离评估方法，其特征在于，所述基于所述最小距离通过圆柱体模拟作业人员与所述目标导线和杆塔的目标距离，包括：
6.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述获取超高压输电通道的点云数据集，基于预设抽稀算法和预设配准算法对所述点云数据集进行预处理，以获得目标点云数据集，包括：
7.如权利要求6所述的超高压检修安全距离评估方法，其特征在
8.一种超高压检修安全距离评估装置，其特征在于，所述超高压检修安全距离评估装置，包括：
9.一种超高压检修安全距离评估设备，其特征在于，所述超高压检修安全距离评估设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的超高压检修安全距离评估程序，所述超高压检修安全距离评估程序配置为实现如权利要求1至7中任一项所述的超高压检修安全距离评估方法。
10.一种存储介质，其特征在于，所述存储介质存储有超高压检修安全距离评估程序，所述超高压检修安全距离评估程序用于使处理器执行时实现如权利要求1至7中任一项所述的超高压检修安全距离评估方法。
...【技术特征摘要】
1.一种超高压检修安全距离评估方法，其特征在于，所述超高压检修安全距离评估方法，包括：
2.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述基于所述目标点云数据集对预设点云特征提取网络进行训练，以获得点云分类模型，包括：
3.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述基于深度学习模型对所述点云分类结果进行判断，以确定杆塔类型为直线塔的直线塔点云，包括：
4.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述根据所述直线塔点云和圆柱体模拟软梯作业人员与目标导线和杆塔的目标距离，包括：
5.如权利要求4所述的超高压检修安全距离评估方法，其特征在于，所述基于所述最小距离通过圆柱体模拟作业人员与所述目标导线和杆塔的目标距离，包括：
6.如权利要求1所述的超高压检修安全距离评估方法，其特征在于，所述获取超高压输电通道的点云数据集，基于预设抽稀算法...
【专利技术属性】
技术研发人员：胡洪炜，李明，尹洪，吴启进，吴嘉琪，杨展，涂思宇，付子峰，李识，李龙云，闫宇，孔威，杨培丰，夏志鹏，石晗弘，
申请(专利权)人：国网湖北省电力有限公司超高压公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。