本發(fā)明涉及點云配準或其他相關(guān)領(lǐng)域，具體而言，涉及一種融合法向量聚類的電力桿塔點云配準方法及裝置。

背景技術(shù)：

1、隨著無人機、激光雷達和三維重建的發(fā)展，點云數(shù)據(jù)在電力行業(yè)的應(yīng)用日益廣泛。點云數(shù)據(jù)通過捕捉物體的三維幾何信息，為電力塔桿的檢測和維護提供了豐富的數(shù)據(jù)信息，在電力系統(tǒng)的規(guī)劃和維護中發(fā)揮了巨大的作用。點云數(shù)據(jù)通常以點的形式存在，每個點包含其在三維空間中的坐標信息。在電力行業(yè)中，對這些點云數(shù)據(jù)進行有效的配準是至關(guān)重要的，通過配準可以確保不同的點云數(shù)據(jù)保持一致性和準確性，為電力桿塔的分析與研究提供可靠的基礎(chǔ)。

2、相關(guān)技術(shù)中，點云配準方法包括迭代最近點算法，迭代最近點算法通過尋找兩組點云數(shù)據(jù)之間的最小距離來實現(xiàn)配準，這種算法通常假設(shè)輸入的兩組點云數(shù)據(jù)具有相同的密度和分辨率。然而，在實際應(yīng)用中，由于傳感器性能的限制和環(huán)境因素的影響，以及掃描角度和距離的不同，采集到的點云數(shù)據(jù)往往具有不同的密度和分辨率，即存在稀疏點云和密集點云之分。稀疏點云通常指的是數(shù)據(jù)點較少、無法完全覆蓋物體表面信息的點云數(shù)據(jù)，密集點云指的是包含更多數(shù)據(jù)點、能夠詳細描述物體表面特征的點云數(shù)據(jù)。在處理密度和分辨率差異較大的點云數(shù)據(jù)時，迭代最近點算法的配準精度會降低，甚至無法收斂到正確的配準結(jié)果。

3、針對上述的問題，目前尚未提出有效的解決方案。

技術(shù)實現(xiàn)思路

1、本發(fā)明實施例提供了一種融合法向量聚類的電力桿塔點云配準方法及裝置，以至少解決相關(guān)技術(shù)中點云配準精度低且算法收斂性差的技術(shù)問題。

2、根據(jù)本發(fā)明實施例的一個方面，提供了一種融合法向量聚類的電力桿塔點云配準方法，包括：對電力桿塔進行掃描得到點云數(shù)據(jù)，將點云數(shù)據(jù)劃分至不同體素中，其中，體素為空間立方體，每個體素包含一個或多個點云數(shù)據(jù)；采用主成分分析算法計算每個體素中所有點云數(shù)據(jù)的法線向量，采用聚類算法將每個體素中所有點云數(shù)據(jù)劃分為不同的簇，確定每個簇的代表點云；從代表點云中選擇目標點云和源點云，采用二叉樹搜索算法在目標點云中確定每個源點云的匹配點云，得到多個匹配對；采用迭代最近點算法計算匹配對的變換參數(shù)，基于匹配對和變換參數(shù)計算配準誤差，在配準誤差達到預(yù)設(shè)收斂誤差范圍的情況下，合并源點云和目標點云。

3、可選地，對電力桿塔進行掃描得到點云數(shù)據(jù)，將點云數(shù)據(jù)劃分至不同體素中的步驟，包括：采用激光掃描儀從不同的視角對電力桿塔進行掃描，得到點云數(shù)據(jù)；采用地理信息系統(tǒng)對點云數(shù)據(jù)進行預(yù)處理，預(yù)處理包括去除點云數(shù)據(jù)的噪聲數(shù)據(jù)和無關(guān)數(shù)據(jù)，其中，無關(guān)數(shù)據(jù)包括樹木點云、障礙物點云；基于點云數(shù)據(jù)的分布密度和預(yù)設(shè)體素尺寸，將點云空間劃分為多個大小相等的體素，其中，點云空間為所有點云數(shù)據(jù)所覆蓋的空間范圍；基于點云數(shù)據(jù)在點云空間中的坐標，將點云數(shù)據(jù)劃分至不同的體素中。

4、可選地，采用主成分分析算法計算每個點云數(shù)據(jù)的法線向量的步驟，包括：計算每個點云數(shù)據(jù)的協(xié)方差矩陣；對協(xié)方差矩陣進行特征分解，得到多個特征值及其對應(yīng)的特征向量；將最小特征值對應(yīng)的特征向量確定為點云數(shù)據(jù)的法線向量。

5、可選地，采用聚類算法將點云數(shù)據(jù)劃分為不同的簇，確定每個簇的代表點云的步驟，包括：對于不同的聚類數(shù)，計算所有法線向量到與其最近的聚類中心的距離的平方和；基于距離的平方和，確定目標聚類數(shù)，基于目標聚類數(shù)將點云數(shù)據(jù)劃分為不同的簇；基于每個簇，將最接近簇中心的點云數(shù)據(jù)確定為簇的代表點云；對所有代表點云進行排序，并為每個代表點云添加索引。

6、可選地，采用二叉樹搜索算法在目標點云中確定每個源點云的匹配點云，得到多個匹配對的步驟，包括：從源點云和目標點云中選擇點的子集，作為新的源點云和目標點云；計算源點云與目標點云之間的距離，為目標點云建立二叉樹；基于二叉樹，在目標點云中確定每個源點云的匹配點云，得到多個匹配對；去除匹配對中源點云到目標點云的距離超出預(yù)設(shè)閾值的匹配對；基于匹配對中源點云和目標點云之間的距離，為每對匹配對分配權(quán)重。

7、可選地，變換參數(shù)包括旋轉(zhuǎn)矩陣和平移向量，采用迭代最近點算法計算匹配對的變換參數(shù)的步驟，包括：計算源點云和目標點云的質(zhì)心，其中，質(zhì)心為源點云和目標點云的中心位置；基于質(zhì)心，計算匹配對中源點云和目標點云之間的協(xié)方差矩陣；對協(xié)方差矩陣進行奇異值分解，得到旋轉(zhuǎn)矩陣；基于旋轉(zhuǎn)矩陣，計算得到平移向量。

8、可選地，采用迭代最近點算法計算匹配對的變換參數(shù)的步驟，還包括：定義誤差函數(shù)，誤差函數(shù)用于評估配準質(zhì)量；將匹配對及其對應(yīng)的變換參數(shù)輸入誤差函數(shù)，得到配準誤差；對誤差函數(shù)進行泰勒展開處理，得到誤差線性系統(tǒng)；求解誤差線性系統(tǒng)，得到新的變換參數(shù)，迭代更新匹配對中源點云和目標點云的坐標。

9、根據(jù)本發(fā)明實施例的另一方面，還提供了一種融合法向量聚類的電力桿塔點云配準裝置，包括：掃描單元，用于對電力桿塔進行掃描得到點云數(shù)據(jù)，將點云數(shù)據(jù)劃分至不同體素中，其中，體素為空間立方體，每個體素包含一個或多個點云數(shù)據(jù)；聚類單元，用于采用主成分分析算法計算每個體素中所有點云數(shù)據(jù)的法線向量，采用聚類算法將每個體素中所有點云數(shù)據(jù)劃分為不同的簇，確定每個簇的代表點云；匹配單元，用于從代表點云中選擇目標點云和源點云，采用二叉樹搜索算法在目標點云中確定每個源點云的匹配點云，得到多個匹配對；迭代單元，用于采用迭代最近點算法計算匹配對的變換參數(shù)，基于匹配對和變換參數(shù)計算配準誤差，在配準誤差達到預(yù)設(shè)收斂誤差范圍的情況下，合并源點云和目標點云。

10、可選地，掃描單元包括：獲取模塊，用于采用激光掃描儀從不同的視角對電力桿塔進行掃描，得到點云數(shù)據(jù)；預(yù)處理模塊，用于采用地理信息系統(tǒng)對點云數(shù)據(jù)進行預(yù)處理，預(yù)處理包括去除點云數(shù)據(jù)的噪聲數(shù)據(jù)和無關(guān)數(shù)據(jù)，其中，無關(guān)數(shù)據(jù)包括樹木點云、障礙物點云；第一劃分模塊，基于點云數(shù)據(jù)的分布密度和預(yù)設(shè)體素尺寸，將點云空間劃分為多個大小相等的體素，其中，點云空間為所有點云數(shù)據(jù)所覆蓋的空間范圍；第二劃分模塊，基于點云數(shù)據(jù)在點云空間中的坐標，將點云數(shù)據(jù)劃分至不同的體素中。

11、可選地，聚類單元包括：第一計算模塊，用于計算每個點云數(shù)據(jù)的協(xié)方差矩陣；第一分解模塊，用于對協(xié)方差矩陣進行特征分解，得到多個特征值及其對應(yīng)的特征向量；第一確定模塊，用于將最小特征值對應(yīng)的特征向量確定為點云數(shù)據(jù)的法線向量。

12、可選地，聚類單元包括：第二計算模塊，用于對于不同的聚類數(shù)，計算所有法線向量到與其最近的聚類中心的距離的平方和；第二確定模塊，基于距離的平方和，確定目標聚類數(shù)，基于目標聚類數(shù)將點云數(shù)據(jù)劃分為不同的簇；第三確定模塊，基于每個簇，將最接近簇中心的點云數(shù)據(jù)確定為簇的代表點云；排序模塊，用于對所有代表點云進行排序，并為每個代表點云添加索引。

13、可選地，匹配單元包括：選擇模塊，用于從源點云和目標點云中選擇點的子集，作為新的源點云和目標點云；第三計算模塊，用于計算源點云與目標點云之間的距離，為目標點云建立二叉樹；第四確定模塊，基于二叉樹，在目標點云中確定每個源點云的匹配點云，得到多個匹配對；去除模塊，用于去除匹配對中源點云到目標點云的距離超出預(yù)設(shè)閾值的匹配對；分配模塊，基于匹配對中源點云和目標點云之間的距離，為每對匹配對分配權(quán)重。

14、可選地，迭代單元包括：第四計算模塊，用于計算源點云和目標點云的質(zhì)心，其中，質(zhì)心為源點云和目標點云的中心位置；第五計算模塊，基于質(zhì)心，計算匹配對中源點云和目標點云之間的協(xié)方差矩陣；第二分解模塊，用于對協(xié)方差矩陣進行奇異值分解，得到旋轉(zhuǎn)矩陣；第六計算模塊，基于旋轉(zhuǎn)矩陣，計算得到平移向量。

15、可選地，迭代單元還包括：定義模塊，用于定義誤差函數(shù)，誤差函數(shù)用于評估配準質(zhì)量；輸入模塊，用于將匹配對及其對應(yīng)的變換參數(shù)輸入誤差函數(shù)，得到配準誤差；展開模塊，用于對誤差函數(shù)進行泰勒展開處理，得到誤差線性系統(tǒng)；更新模塊，用于求解誤差線性系統(tǒng)，得到新的變換參數(shù)，迭代更新匹配對中源點云和目標點云的坐標。

16、根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機可讀存儲介質(zhì)，所述計算機可讀存儲介質(zhì)包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質(zhì)所在設(shè)備執(zhí)行上述任意一項的融合法向量聚類的電力桿塔點云配準方法。

17、根據(jù)本發(fā)明實施例的另一方面，還提供了一種電子設(shè)備，包括一個或多個處理器和存儲器，所述存儲器用于存儲一個或多個程序，其中，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述一個或多個處理器實現(xiàn)上述任意一項的融合法向量聚類的電力桿塔點云配準方法。

18、根據(jù)本發(fā)明實施例的另一方面，還提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述任意一項所述的融合法向量聚類的電力桿塔點云配準方法的步驟。

19、在本公開中，通過對電力桿塔進行掃描得到點云數(shù)據(jù)，將點云數(shù)據(jù)劃分至不同體素中，采用主成分分析算法計算每個體素中所有點云數(shù)據(jù)的法線向量，采用聚類算法將每個體素中所有點云數(shù)據(jù)劃分為不同的簇，確定每個簇的代表點云，再從代表點云中選擇目標點云和源點云，采用二叉樹搜索算法在目標點云中確定每個源點云的匹配點云，得到多個匹配對，最后采用迭代最近點算法計算匹配對的變換參數(shù)，基于匹配對和變換參數(shù)計算配準誤差，在配準誤差達到預(yù)設(shè)收斂誤差范圍的情況下，合并源點云和目標點云，實現(xiàn)電力桿塔點云數(shù)據(jù)的精確配準。本公開通過法線向量的計算和聚類算法的應(yīng)用，能夠有效識別電力桿塔的結(jié)構(gòu)，在配準過程中保持電力桿塔的幾何特征，提高配準精度，通過體素化處理，能夠有效區(qū)分不同密度和分辨率的點云數(shù)據(jù)，克服了在處理密度和分辨率差異較大的點云數(shù)據(jù)時配準精度降低的缺陷，通過二叉樹搜索算法進行匹配點云的搜索，結(jié)合誤差計算和參數(shù)更新，顯著提高了配準的收斂速度，進而解決了相關(guān)技術(shù)中點云配準精度低且算法收斂性差的技術(shù)問題。