CN117788902B 超高压检修作业人员安全评估方法、装置、设备及介质 （国网湖北省电力有限公司超高压公司）

超高压检修作业人员安全评估方法、装置、存储介质。该方法基于改进的k近邻搜索算法对超高压输电通道的点云数据集进行离群噪声去2获取超高压输电通道的点云数据集，基于改进的k近邻搜索算法对所述点云数据集进基于抽稀算法和点云配准算法对所述初始点云数据集进行预处基于渐进形态学滤波和欧式距离聚类对所述目标根据所述目标距离和预设安全阈值的对比结果判断作业其中，基于所述目标点云点模拟圆柱体作业人员与目标导计算模拟圆柱体到导线、地线和杆塔三类点云的距离，;;);4）找到最小距离点：在步骤3）计算最短距离中计算压输电通道的点云数据集，基于改进的k近邻搜索算法对所述点云数据集进行离群噪声去3基于LiDAR技术采集超高压输电通道的点云将所述点云数据集的散乱点云数据投影到二维平面进行网格划分，并基于改进的k近将所述处理后的点云数据通过图像中值滤波法进行二次处理，以将散云数据集的散乱点云数据投影到二维平面进行网格划分，并基于改进的k近邻搜索算法判基于改进的k近邻搜索算法和所述方格寻找所述当前测点根据所述平均值与预设阈值进行比较，根据比较结果判断所述当前测点是否为噪声基于抽稀算法根据所述采样间距和所述开始数据点遍历所述初始点云数据集中的数通过卷积神经网络提取输入的所述深度图像的特征，将特征差分根据渐进形态学地面滤波对单档点云数据进行处理，以分离地面根据欧式距离聚类对所述非地面点云数据提取电力设施点云并进行处47.一种超高压检修作业人员安全评估装置，其点云处理模块，用于基于抽稀算法和点云配准算法对所述初始点云数据集进行预处点云分类模块，用于基于渐进形态学滤波和欧式距距离计算模块，用于基于所述目标点云点模拟圆柱体作安全判断模块，用于根据所述目标距离和预设安全阈值的对其中，基于所述目标点云点模拟圆柱体作业人员与目标导计算模拟圆柱体到导线、地线和杆塔三类点云的距离，;;);4）找到最小距离点：在步骤3）计算最短距离中计算58.一种超高压检修作业人员安全评估设备，其特征要求1至6中任一项所述的超高压检修作业人9.一种存储介质，其特征在于，所述存储介质6[0006]获取超高压输电通道的点云数据集，基于改进的k近邻搜索算法对所述点云数据7[0028]基于抽稀算法根据所述采样间距和所述开始数据点遍历所述初始点云数据集中[0034]通过所述配准参数对所述更新点云数据集进行点云配准，以获得目标点云数据8估程序配置为实现如上文所述的超高压检修作业人员安[0054]本发明通过获取超高压输电通道的点云数据集，基于改进的k近邻搜索算法对所[0055]图1为本发明实施例方案涉及的硬件运行环境的超高压检修作业人员安全评估设9[0058]图4为本发明实施例涉及超高压检修作业人员安全评估方法的网格内点的数量示[0059]图5为本发明实施例涉及超高压检修作业人员安全评估方法的离群噪声去除流程[0060]图6为本发明实施例涉及超高压检修作业人员安全评估方法的基于CNN的点云配[0061]图7为本发明实施例涉及超高压检修作业人员安全评估方法的点云配准模型采用[0062]图8为本发明实施例涉及超高压检修作业人员安全评估方法的基于CNN的迭代点[0063]图9为本发明实施例涉及超高压检修作业人员安全评估方法的输电线路点云数据[0064]图10为本发明实施例涉及超高压检修作业人员安全评估方法的悬空性分析示意[0065]图11为本发明实施例涉及超高压检修作业人员安全评估方法的杆塔中心位置计[0066]图12为本发明实施例涉及超高压检修作业人员安全评估方法的电力线截面示意AccessMemory，RAM存储器)，也可以是稳定的非易失性存储器(Non_VolatileMemory，[0074]本领域技术人员可以理解，图1中示出的结构并不构成对超高压检修作业人员安[0075]如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模[0076]在图1所示的超高压检修作业人员安全评估设备中，网络接口1004主要用于与网发明一种超高压检修作业人员安全评估方法[0085]步骤S600：根据所述目标距离和预设安全阈值的对比结果判断作业人员是否安[0086]需要说明的是，本实施例中的执行主体可为超高压检修[0088]可以理解的是，本实施例提出超高压检修作业人员安全评估方法的核心步骤包后获得处理后的点云数据；将所述处理后的点云数据通过图像中值滤波法进行二次处理，以将散乱点云中的离群噪声点全部去除获得初始点云数[0091]在一示例中，将所述点云数据集的散乱点云数据投影到[0099]在一实施例中，基于抽稀算法和点云配准算法对所述初始点云数据集进行预处据点构成的新的数据点集就是基于系统的抽稀算法所z[0115]其中，i为梯度更新的次数，μ是梯度的动量，ηi是第i次梯度更新时的学习率，是基于反向传播算法计算得到的目标函数对i时刻网络参数的偏导数。学习率按照z于x轴。塔点云以计算杆塔的中心坐标，此过程基于电力线及杆塔的空间分布特征：①在z轴方向d[0123]具体地，切片法计算杆塔中心。利用悬空性分析可得到下采样之后的杆塔点云线路点云进行旋转使其走向平行于x轴；②根据杆塔中心坐标对为下采样的电力设施点云cloud_power进行杆塔与电力线的粗分离。由于杆塔上端可能会有缺失或杆塔底部有相连c力线投影到o_xz平面，对式z＝Ax2+Bx+C抛物线模型通过最小二乘拟合求取曲线参数(k*、*对粗分离杆塔点云cloud_pylon_rough进行模型生长，判断每个点与符合电力线模型的距离，若小于预定阈值则归为电力线点，否则为杆塔点，对每一条电力线进行此操作，从cloud_pylon_rough精细分离出电力方。本实施例根据这两个差别提出一种基于高程特征及与空间参数模型残差的标记方式计算点Pj与电力线模型的残差vj；[0150]本实施例通过获取超高压输电通道的点云数据集，基于改进的k近邻搜索算法对[0152]参照图13，图13为本发明超高压检修作业人员安全评估装置一实施例的结构框[0161]另外，未在本超高压检修作业人员安全评估装置实施例可参见本发明任意实施例所提供的应用于如上文所述的超高压检修作业人员安全评估方出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质