[发明专利]基于点云的带电主电线检测方法及装置

说明书

本发明公开一种基于点云的带电主电线检测方法及装置，抗干扰能力强、识别精度高。本发明的带电主电线检测方法，包括以下步骤：(10)点云前处理：对从主线线缆区域范围内获取的三维点云进行直通滤波、离群点去除和体素滤波前处理，提取作业范围内不含噪声的目标点云；(20)点云霍夫变换滤：使用霍夫变换，对前处理后的点云进一步滤波，提取有主线线缆特征的有效点云；(30)有效点云后处理：对所述有效点云分段，对每段点云进行DBASCAN聚类，对每类点云进行直线拟合，对拟合直线进行拟合投票，根据拟合投票结果，统计出相关联的点云并拟合出主线。

技术领域

本发明属于高压线缆在线检测技术领域，特别是一种基于点云的带电主电线检测方法及装置。

背景技术

带电作业机器人是一种在高空中代替人工完成高压线缆搭接和拆卸等一系列高危作业的特种机器人，与传统的人工作业相比，其大大提高了作业安全和效率。带电作业机器人在作业过程中需要获得作业主线线缆的精确方向和位置，这依赖配备的面阵激光。但是面阵激光在照射主线线缆时，会受到阳光的干扰，采集的点云数据会包含有大量的点云噪声，影响了对主线线缆的准确检测。

而现有的激光点云主线线缆检测算法主要包括:基于区域增长算法的主线线缆检测方法、基于点云直线拟合算法的直线线缆检测方法和基于深度学习的点云主线检测方法。

基于区域增长算法的主线线缆检测方法，通过一个种子点云不断的扩散增长，找到一块连通区域内的点云，对该段内的点云使用样条曲线去拟合。但当主线附近出现大块的连接点云时，这种方法仍会认为干扰点云块是主线的一部分。

基于点云直线拟合算法的直线线缆检测方法，主要是使用最小二乘法或RANSC算法,将直线拟合出来。这种方法对噪声点云较少的情况能够较好的拟合，但出现噪声数据过多，在使用最小二乘法或者RANSC算法去拟合直线时，会使得拟合的直线偏向噪声的位置。

基于深度学习的点云主线检测方法，这种方法使用深度学习来训练一个点云分割模型完成主线的提取。但是训练深度学习点云分割模型需要采集大量的训练数据以及需要大量的时间去训练一个效果较好的模型。另外，在模型推理过程中非常消耗计算资源，导致检测时间过于慢。

总之，现有技术存在的问题是：带电作业机器人使用面阵激光识别高压线缆主线时，由于太阳光的干扰，主线附近出现噪声点云，使得对主线线缆的识别精度低。

发明内容

本发明的目的在于提供一种基于点云的带电主电线检测方法，抗干扰能力强、识别精度高。

本发明的另一目的在于提供一种抗干扰能力强、识别精度高的基于点云的带电主电线检测装置。

实现本发明目的的技术解决方案为：

一种基于点云的带电主电线检测方法，包括以下步骤：

(10)点云前处理：对从主线线缆区域范围内获取的三维点云进行直通滤波、离群点去除和体素滤波前处理，提取作业范围内不含噪声的目标点云；

(20)点云霍夫变换滤：使用霍夫变换，对前处理后的点云进一步滤波，提取有主线线缆特征的有效点云；

(30)有效点云后处理：对所述有效点云分段，对每段点云进行DBASCAN聚类，对每类点云进行直线拟合，对拟合直线进行拟合投票，根据拟合投票结果，统计出相关联的点云并拟合出主线。

实现本发明另一目的的技术解决方案为：

一种基于点云的带电主电线检测装置，包括：

点云前处理模块，用于对从主线线缆区域范围内获取的三维点云进行直通滤波、离群点去除和体素滤波前处理，提取作业范围内不含噪声的目标点云；

点云霍夫变换滤模块，用于使用霍夫变换，对前处理后的点云进一步滤波，提取有主线线缆特征的有效点云；