【技术实现步骤摘要】
本专利技术涉及激光点云，尤其涉及一种电力走廊激光点云配准方法、系统、存储介质及设备。
技术介绍
1、激光点云，是指由三维激光雷达设备扫描得到的空间点的数据集。搭载激光雷达的无人机通过对地面进行扫描，将线路铁塔、导地线、线路通道及其周边环境的影像数据经空间三维解算形成三维点云数据，使巡检线路变成可任意测量分析的精准立体模型，输电运检人员借此模型能及时精准发现输电线路的异常和隐患，为人们的生产生活提供更加稳定可靠的电力保障。点云配准即是通过寻找不同视角下不同点云之间的映射关系，利用一定的算法将同一目标场景的不同点云转换到同一个坐标系下，形成更完整的点云的过程，点云配准流程一般是分为粗配准和精配准两步。3d点云配准是是激光点云处理技术的一个重要组成部分
2、现有点云配准技术方案可以分类为两类，一类为传统点云配准算法，一类为基于深度学习的点云配准算法。基于传统方法的点云配准算法往往不能兼顾精度和效率，而对于基于深度学习的点云配准算法，基于特征描述符学习的点云配准中，基于点的方法忽略了点云局部几何信息，基于体素的方法难以平衡分辨率和精细特征之间的问题，而基于图的方法在大场景点云下效率较低；基于对应关系解算的点云配准方法在密度分布不均匀、重叠区域变化较大、遮挡或噪声严重等情况下表现较差；基于姿态回归的点云配准方法大多聚焦于完全重叠的小目标点云配准，且采用迭代的方式来达到较高的精度；基于场景流估计的方法大忽略了每个目标内部间的运动一致性问题，且对遮挡和噪声敏感。此外，基于深度学习的点云配准算法往往忽略了点云的非重叠区域对于配准精度
技术实现思路
1、基于此，有必要针对上述问题，提出了一种电力走廊激光点云配准方法、系统、存储介质及设备。
2、一种电力走廊激光点云配准方法，所述方法包括：
3、获取电力走廊场景的点云数据。
4、通过格网对所述点云数据以体素形式划分，获取不同体素的点云集合。
5、根据当前体素的点云集合内点云的旋转矩阵和点云数量获取点云局部邻域的密度特征。
6、所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码。
7、确定所述点云数据中所述源点云和目标点云的区域掩码为预设掩码值，则该点云即为重叠区域点云。
8、根据所述重叠区域点云中源点云和目标点云的协方差矩阵，确定两组点云的主轴，基于所述主轴对所述源点云进行初始配准。
9、根据所述重叠区域点云中源点云与初始配准中目标点云的对应关系，获取源点云和目标点云的变化矩阵，基于所述变换矩阵对所述源点云进行二次配准，获取最优源点云位置。
10、其中，所述通过格网对所述点云数据以体素形式划分，获取不同体素的点云集合，具体包括：
11、对所述点云数据进行预处理，滤除所述点云数据中的离群点和噪声点。
12、获取初始化后的所述点云数据内每个点云坐标的最大值和最小值。
13、根据所述点云坐标的最大值和最小值确定格网大小。
14、根据所述点云数据内每个点云坐标确定其所属的体素坐标。
15、利用所述体素坐标将每个点云坐标分配到对应的体素中，统计并保存每个体素内的点云数量。
16、根据三维坐标系中每个方向的体素数量和所述每个体素内的点云数量确定不同体素的点云集合。
17、其中，所述根据当前体素的点云集合内点云的旋转矩阵和点云数量获取点云局部邻域的密度特征，具体包括：
18、将所述当前体素的点云集合内点云的点云特征向量与特征向量矩阵相乘进行点云数据的归一化。
19、提取归一化后的所述点云数据的高维特征向量。
20、获取所述高维特征向量对应的旋转矩阵，通过所述旋转矩阵与所述当前体素的点云集合内点云的点云特征向量相乘进行所述高维特征向量的对齐。
21、对齐后的所述高维特征向量通过最大池化操作进行聚合，获取当前所述点云集合的全局特征，将所述全局特征进行压缩后输出当前体素的点云集合内的点云局部信息。
22、根据所述当前体素的点云集合所处格网的位置，获取当前体素的点云集合的点云数量，以及相邻方向的所有体素的点云集合的点云数量。
23、将当前体素的点云数量与其相邻体素的点云数量按照空间顺序进行拼接，获取体素格网间的特征向量。
24、将压缩后的所述点云局部信息与所述体素格网间的特征向量进行拼接，获取点云局部邻域的密度特征。
25、其中，所述根据所述当前体素的点云集合所处格网的位置，获取当前体素的点云集合的点云数量，以及相邻方向的所有体素的点云集合的点云数量，具体包括：
26、确定当前体素的点云集合处于边缘格网，则对于缺失的相邻方向，将点云集合的点云数量通过预设标记值进行标记，获取未缺失的相邻方向的所有体素的点云集合的点云数量。
27、确定当前体素的点云集合不处于边缘格网，则获取当前体素的点云集合的点云数量，以及相邻方向的所有体素的点云集合的点云数量。
28、其中，所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码，具体包括：
29、分别提取预处理后的所述点云数据中源点云和目标点云的逐点特征。
30、对所述逐点特征进行平均池化和最大池化操作获取全局特征，并从所述全局特征提取共享全局特征。
31、将所述源点云的点云局部邻域的密度特征和所述逐点特征与所述目标点云的共享全局特征进行拼接获取源点云的区域掩码。
32、将所述目标点云的点云局部邻域的密度特征和所述逐点特征与所述源点云的共享全局特征进行拼接获取目标点云的区域掩码。
33、其中，所述所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码之后，还具体包括：
34、根据所述源点云的真实掩码和区域掩码定义源点云损失函数。
35、根据所述目标点云的真实掩码和区域掩码定义目标点云损失函数。
36、通过所述源点云损失函数和目标点云损失函数确定总损失函数。
37、根据总损失函数优化所述区域掩码。
38、其中，所述根据所述重叠区域点云中源点云和目标点云的协方差矩阵，确定两组点云的主轴，基于所述主轴对所述源点云进行初始配准，具体包括：
39、确定重叠区域点云中源点云和目标点云的协方差矩阵。
40、通过奇异值分解获取所述协方差矩阵的特征值与特征向量，确定两组点云的主轴。
41、根据所述两组点云的主轴确定初始刚体变换矩阵，将所述源点云通过旋转变换得到与所述主轴对齐的点云。
42、分别确定所述源点云和目标点云的中心。
43、根据所述源点云的点云质心和所述目标点云的点云质心，结合本文档来自技高网...
【技术保护点】
1.一种电力走廊激光点云配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种电力走廊激光点云配准方法，其特征在于，所述通过格网对所述点云数据以体素形式划分，获取不同体素的点云集合，具体包括：
3.根据权利要求2所述的一种电力走廊激光点云配准方法，其特征在于，所述根据当前体素的点云集合内点云的旋转矩阵和点云数量获取点云局部邻域的密度特征，具体包括：
4.根据权利要求3所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述当前体素的点云集合所处格网的位置，获取当前体素的点云集合的点云数量，以及相邻方向的所有体素的点云集合的点云数量，具体包括：
5.根据权利要求4所述的一种电力走廊激光点云配准方法，其特征在于，所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码，具体包括：
6.根据权利要求1-5任一项所述的基于多子带生成策略的语音合成方法，其特征在于，所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码之后，还具体
7.根据权利要求6所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述重叠区域点云中源点云和目标点云的协方差矩阵，确定两组点云的主轴，基于所述主轴对所述源点云进行初始配准，具体包括：
8.根据权利要求7所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述两组点云的主轴确定初始刚体变换矩阵，将所述源点云通过旋转变换得到与所述主轴对齐的点云，具体包括：
9.根据权利要求7所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述重叠区域点云中源点云与初始配准中目标点云的对应关系，获取源点云和目标点云的变化矩阵，基于所述变换矩阵对所述源点云进行二次配准，获取最优源点云位置，具体包括：
10.根据权利要求9所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述变换后的点云子集获取新的源点云位置，直到所述配准误差达到收敛条件或预设迭代次数，则迭代终止，获取源点云的最优位置，具体包括：
11.一种电力走廊激光点云配准系统，其特征在于，所述系统包括：
12.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至10中任一项所述方法的步骤。
13.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至10中任一项所述方法的步骤。
...【技术特征摘要】
1.一种电力走廊激光点云配准方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种电力走廊激光点云配准方法，其特征在于，所述通过格网对所述点云数据以体素形式划分，获取不同体素的点云集合，具体包括：
3.根据权利要求2所述的一种电力走廊激光点云配准方法，其特征在于，所述根据当前体素的点云集合内点云的旋转矩阵和点云数量获取点云局部邻域的密度特征，具体包括：
4.根据权利要求3所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述当前体素的点云集合所处格网的位置，获取当前体素的点云集合的点云数量，以及相邻方向的所有体素的点云集合的点云数量，具体包括：
5.根据权利要求4所述的一种电力走廊激光点云配准方法，其特征在于，所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码，具体包括：
6.根据权利要求1-5任一项所述的基于多子带生成策略的语音合成方法，其特征在于，所述点云局部邻域的密度特征与所述点云数据的逐点特征进行拼接获取点云数据中源点云和目标点云的区域掩码之后，还具体包括：
7.根据权利要求6所述的一种电力走廊激光点云配准方法，其特征在于，所述根据所述重叠区域点云中源点云和目标点云的协方差矩...
【专利技术属性】
技术研发人员：王国芳，马仪，彭晶，王一帆，李孟阳，代泽林，尹春林，马御棠，李彦锋，耿浩，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
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。