CN117115390B 一种变电站中变电设备的三维模型布局方法 （国网江苏电力设计咨询有限公司）

一种变电站中变电设备的三维模型布局方法本发明公开了一种变电站中变电设备的三2基于八叉树连通格栅标记法，对预处理后的全景点云进行相然后，计算预处理后的全景点云中各点云数据点所在栅格坐标最后，利用构建好的线性八叉树，根据变电设备单体之间的间理后的全景点云中的单体设备点云的聚类分割；在预设的设备模型库中分别获取与每个单体设备点云相匹配的变电获取与每个单体设备点云相匹配的三维模型对应的模型点云，完在预处理后的全景点云中，将每个单体设备点云和与之对应匹处理包括去除全景点云中的地面点云和电力线预设的设备模型库中分别获取与每个单体设备点云相匹配的变电设备的三维模型的具体对于每个单体设备点云，将其局部不变描述子与预设的设备模型库分别对预设的设备模型库中每个三维模型进行离散化分别将各单体设备点云和各模型点云输入至所述深度神经网络中得到各单体设备点3云经深度神经网络提取的特征向量f(Pi,θ)，以及各模型点云经深度神经网络提取的特征分别计算各单体设备点云经深度神经网络提取的特征向量f(Pi,θ)与各模型点云经深对三维模型采用基于Poisson_Disk分布的两阶段网格采样方法进行离散化处单体设备点云和与之对应匹配的模型点云的姿态对所述模型点云与所述单体设备点云采用Teaser++算法进行模型配准利用所述姿态变换矩阵将所述模型点云姿态对齐4[0003]传统变电站建模技术主要通过使用专业的软件，利用人工标记创建物体表面形[0011]在预设的设备模型库中分别获取与每个单体设备点云相匹配的变电设备的三维[0012]获取与每个单体设备点云相匹配的三维模型对应的模型点云，完成单体设备点5预处理后的全景点云中的单体设备点云的聚类库中各三维模型对应的局部不变描述子进行相似度比较的具[0027]分别将各单体设备点云和各模型点云输入至所述深度神经网络中得到各单体设备点云经深度神经网络提取的特征向量f(Pi,θ)，以及各模型点云经深度神经网络提取的[0028]分别计算各单体设备点云经深度神经网络提取的特征向量f(Pi,θ)与各模型点云[0032]对三维模型采用基于Poisson_Disk分布的两阶段网格采6[0035]利用所述姿态变换矩阵将所述模型点云姿态对齐至所述单体设备点云所在坐标[0043]本发明的三维模型布局方法采用的Teaser++配准算法能适应模型和点云局部形7[0060]通过RANSAC算法找到全景点云的地面点，并对找到的地[0062]使用直线拟合的方法获取到全景点云的候选点，采用PCA主成分分析法筛选出候[0063]将全景点云按相同垂直高度间隔h2等分为若干水平切片，得到厚度为h2的若干应的特征向量v1近似垂直于Z轴。即候选点的PCA特征值以及对应的特征向量满足下述公8v1为第一PCA特征值λ1预处理后的全景点云中的单体设备点云的聚类度最高的三维模型作为与单体设备点云相匹配的[0083]本实施例在实施例三的基础上进一步设计在于，本例中局部不变描述子(Local9对应的局部不变描述子进行相似度比较的具体步[0087]分别将各单体设备点云和各模型点云输入至所述深度神经网络中得到各单体设备点云经深度神经网络提取的特征向量f(Pi,θ)，以及各模型点云经深度神经网络提取的[0088]分别计算各单体设备点云经深度神经网络提取的特征向量f(Pi,θ)与各模型点云[0093]对三维模型采用基于Poisson_Disk分布的两阶段网格采之对应匹配的模型点云的姿态对齐的具体步[0097]利用所述姿态变换矩阵将所述模型点云姿态对齐至所述单体设备点云所在坐标[0099]本实施例对某变电站实施本发明的三维模型布局方法，该变电站中设有主变压[0102]在预设的设备模型库中分别获取与每个单体设备点云相匹配的变电设备的三维[0103]获取与每个单体设备点云相匹配的三