【技术实现步骤摘要】
本公开涉及电力数据处理领域，尤其涉及一种基于点云自动分类的噪点后处理方法及装置、设备、介质。
技术介绍
1、在处理电力场景中的点云数据时，尽管已经提出了许多噪点提取的算法，但由于电力场景的复杂性、多样性以及其他干扰，导致难以用单一的规则或纯深度学习的方式来达到良好的噪点分类效果。
2、现有的噪点分类方案均存在一些局限性和缺陷。例如：基于聚类的噪点分类方法，其具体是通过人工设定的聚类半径和每簇最小点数，进行聚类来筛选离群点，并分类为噪点。这种方法存在较大的性能问题，当点云数量较多时，聚类算法需要耗费大量内存，在并行处理时对计算机设备硬件要求较高，且处理相当耗时；另外，该方法需要大量人工经验和调参，难以适用于复杂多变的实际场景，规则难以覆盖所有可能的情况，容易出现漏检和误检的问题。再例如：基于机器学习或深度学习的分类方法，其是直接从原始点云数据中学习特征并建模，进行噪点自动分类。这种方法对训练数据的依赖程度较高，需要大量标注良好的训练数据，且对噪声点云的鲁棒性较差。
技术实现思路
1、本公开至少提供了一种基于点云自动分类的噪点后处理方法及装置、设备、介质，以解决上述至少一种技术缺陷。
2、根据本公开的一方面，提供了一种基于点云自动分类的噪点后处理方法，包括：
3、获取三维激光雷达对目标电力线路区域进行扫描得到的原始点云数据，对所述原始点云数据进行分类处理，并分别提取各类别的点云数据；所述类别包括导线类别、噪点类别；
4、根据所述导线类别对
5、从所述各类别的点云数据中提取每两个相邻杆塔之间的点云数据，得到多个塔杆间点云数组；
6、针对每个塔杆间点云数组分别执行以下操作：
7、建立该塔杆间点云数组的kd树；
8、遍历该塔杆间点云数组中的每个点，针对每个点，利用所述kd树搜索与该点最临近的n个点，计算所述n个点与该点的平均距离；其中，n为正整数；
9、计算该塔杆间点云数组中所有点对应的平均距离的均值，得到目标距离均值；并根据所有点对应的平均距离，计算距离标准差；
10、根据所述目标距离均值、所述距离标准差以及各类别对应的预设标准差乘数，确定对应于各类别的距离阈值；
11、遍历该塔杆间点云数组中的每个点，针对每个点，若该点对应的平均距离大于所述该点对应的类别的距离阈值，则将该点作为潜在噪点；
12、遍历所有的潜在噪点，若该潜在噪点的高度值小于所述导线最低高度值，则利用所述kd树搜索与该潜在噪点的距离小于预设距离的点，若搜索得到的点的数量为零，则确定该潜在噪点为目标噪点；若该潜在噪点的高度值大于所述导线最低高度值，则获取到与该潜在噪点最临近的n个点，并在所述n个点的类别均为噪点类别的情况下，确定该潜在噪点为目标噪点。
13、在一种可能的实施方式中，所述类别还包括以下至少一种：
14、地线类别；上下交跨线类别；杆塔类别；绝缘子引流线类别；植被类别；地面类别。
15、在一种可能的实施方式中，所述杆塔类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数；所述导线类别、地线类别、上下交跨线类别、绝缘子引流线类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数。
16、在一种可能的实施方式中，所述根据所述目标距离均值、所述距离标准差以及各类别对应的预设标准差乘数，确定对应于各类别的距离阈值，包括：
17、针对每种类别，将该类别对应的预设标准差乘数与所述距离标准差相乘，并将相乘得到的值与所述目标距离均值相加，得到该类别对应的距离阈值。
18、在一种可能的实施方式中，所述根据导线类别对应的点云数据，确定导线最低高度值，包括：
19、按照高程值从低到高的顺序，将导线类别对应的点云数据中的点进行排序，得到目标点云序列；
20、按照预设高程值，将所述目标点云序列进行切段，得到多个高程段对应的目标点云数组；
21、计算前m个最低高程段对应的目标点云数组中所有点的高程值的均值，得到所述导线最低高度值；其中，m为正整数。
22、在一种可能的实施方式中，所述对所述原始点云数据进行分类处理，包括：
23、将每两个相邻杆塔之间的原始点云数据进行分割，得到多组原始点云数组；
24、利用深度学习的方式，分别对各组原始点云数组进行分类处理。
25、在一种可能的实施方式中，所述获取到与该潜在噪点最临近的n个点，包括：
26、所述kd树搜索与该潜在噪点最临近的n个点。
27、根据本公开的另一方面，提供了一种基于点云自动分类的噪点后处理装置，包括：
28、点云获取处理模块，用于获取三维激光雷达对目标电力线路区域进行扫描得到的原始点云数据，对所述原始点云数据进行分类处理，并分别提取各类别的点云数据；所述类别包括导线类别、噪点类别；
29、导电最低高度确定模块，用于根据所述导线类别对应的点云数据，确定导线最低高度值；
30、点云分割模块，用于从所述各类别的点云数据中提取每两个相邻杆塔之间的点云数据，得到多个塔杆间点云数组；
31、噪点后处理模块，用于针对每个塔杆间点云数组分别执行以下操作：
32、建立该塔杆间点云数组的kd树；
33、遍历该塔杆间点云数组中的每个点，针对每个点，利用所述kd树搜索与该点最临近的n个点，计算所述n个点与该点的平均距离；其中，n为正整数；
34、计算该塔杆间点云数组中所有点对应的平均距离的均值，得到目标距离均值；并根据所有点对应的平均距离，计算距离标准差；
35、根据所述目标距离均值、所述距离标准差以及各类别对应的预设标准差乘数，确定对应于各类别的距离阈值；
36、遍历该塔杆间点云数组中的每个点，针对每个点，若该点对应的平均距离大于所述该点对应的类别的距离阈值，则将该点作为潜在噪点；
37、遍历所有的潜在噪点，若该潜在噪点的高度值小于所述导线最低高度值，则利用所述kd树搜索与该潜在噪点的距离小于预设距离的点，若搜索得到的点的数量为零，则确定该潜在噪点为目标噪点；若该潜在噪点的高度值大于所述导线最低高度值，则获取到与该潜在噪点最临近的n个点，并在所述n个点的类别均为噪点类别的情况下，确定该潜在噪点为目标噪点。
38、根据本公开的另一方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，所述处理器在执行所述计算机程序时实现上述任一项所述的方法。
39、根据本公开的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法。
40、本公开的基于点云自动分类的噪点后处理方法，首先对输入的点云数据进行分类，之后对相邻杆塔本文档来自技高网...
【技术保护点】
1.一种基于点云自动分类的噪点后处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述类别还包括以下至少一种：
3.根据权利要求2所述的方法，其特征在于，所述杆塔类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数；所述导线类别、地线类别、上下交跨线类别、绝缘子引流线类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标距离均值、所述距离标准差以及各类别对应的预设标准差乘数，确定对应于各类别的距离阈值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据导线类别对应的点云数据，确定导线最低高度值，包括：
6.根据权利要求1所述的方法，其特征在于，所述对所述原始点云数据进行分类处理，包括：
7.根据权利要求1所述的方法，其特征在于，所述获取到与该潜在噪点最临近的N个点，包括：
8.一种基于点云自动分类的噪点后处理装置，其特征在于，包括：
9.一种电子设备，包括存储器、处
10.一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于点云自动分类的噪点后处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述类别还包括以下至少一种：
3.根据权利要求2所述的方法，其特征在于，所述杆塔类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数；所述导线类别、地线类别、上下交跨线类别、绝缘子引流线类别对应的预设标准差乘数大于植被类别以及地面类别对应的预设标准差乘数。
4.根据权利要求1所述的方法，其特征在于，所述根据所述目标距离均值、所述距离标准差以及各类别对应的预设标准差乘数，确定对应于各类别的距离阈值，包括：
5.根据权利要求1所述的方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：熊嘉梁，王跃，张龙，张磊，李微微，郭彦明，
申请(专利权)人：北京数字绿土科技股份有限公司，
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。