1.本发明涉及数据处理技术领域，尤其涉及一种点云数据的处理方法、装置及电子设备。
背景技术：2.随着电网的信息化的改革，持续推进的“人巡+机巡”的运维巡检模式，导致数据处理的工作量越来越大，积累的相关线路走廊重建点云模型也是多种多样，如何将质量参差不齐的点云模型重复利用起来成为现在越来越严重的问题，同时点云模型的精度也不一样，对此采用高质量点云与非高质量点云进行匹配。
3.目前绝大多是都是采用迭代最近点算法匹配，特征点提取匹配、深度学习匹配等方案。传统方案如icp匹配、特征点提起匹配对环境复杂的线路走廊效果不太显著，深度学习的匹配方案针对复杂的线路走廊存在迭代模型慢，需要的数据量大等问题。
技术实现要素：4.本发明提供了一种点云数据的处理方法、装置及电子设备，以实现将低精度的点云数据转换为高精度的点云数据。
5.根据本发明的一方面，提供了一种点云数据的处理方法，所述方法包括：
6.获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；
7.根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据；
8.根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据。
9.根据本发明的另一方面，提供了一种点云数据的处理装置，所述装置包括：
10.点云获取模块，用于点云数据获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；
11.待校正点云确定模块，用于根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据；
12.目标点云确定模块，用于根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据。
13.根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
14.至少一个处理器；
15.以及与所述至少一个处理器通信连接的存储器；
16.其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的点云数据的处理方法。
17.根据本发明的另一方面，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存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的点云数据的处理方法。
18.本发明实施例的技术方案，通过获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；根据第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于平移矩阵和旋转矩阵对各低精度点云数据处理，以得到待校正点云数据；根据待校正点云数据与高精度点云数据的匹配结果确定出旋转平移矩阵，并基于旋转平移矩阵对待校正点云数据处理，得到目标点云数据。解决了现有技术中，将低精度点云转为高精度点云的算法复杂、数据量大的问题，实现了通过简单的方式将低精度点云转为高精度点云。
19.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
20.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
21.图1为本发明实施例一提供了一种点云数据的处理方法的流程图；
22.图2为本发明实施例二提供的一种点云数据的处理装置的结构示意图；
23.图3示出了可以用来实施本发明的实施例的电子设备的结构示意图。
具体实施方式
24.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
25.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
26.实施例一
27.图1为本发明实施例一提供了一种点云数据的处理方法的流程图，本实施例可适用于任意需要将低精度的点云数据转换为高精度点云数据的况，该方法可以由点云数据的处理装置来执行，该点云数据的处理装置可以采用硬件和/或软件的形式实现，该点云装置可配置于移动终端或者pc端中。如图1所示，该方法包括：
28.s110、获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据。
29.其中，低精度点云数据可以理解为精度较低的线路走廊点云数据集，第一绝缘子点云数据可以理解为绝缘子对应的低精度点云数据，第一杆塔点云数据可以理解为杆塔对应的低精度点云数据；高精度点云数据可以理解为精度较高的线路走廊点云数据集，第二绝缘子点云数据可以理解为绝缘子对应的高精度点云数据，第二杆塔点云数据可以理解为杆塔对应的高精度点云数据。
30.可以理解，线路走廊中包含了杆塔和绝缘字，低精度点云数据和高精度点云数据都是与线路走廊相对应的点云数据，相应的，在低精度点云数据中有与绝缘字和杆塔所对应的低精度点云数据，在高精度点云数据中有与绝缘子和杆塔所对应的高精度点云数据。
31.具体的，可以通过点云提取算法从低精度点云数据中提取出低精度的第一绝缘子点云数据和第一杆塔点云数据，以及从高精度的点云数据中提取出第二绝缘子点云数据以及第二杆塔点云数据。可选的，可以是预先训练相应的深度学习语义分析模型，进行点云的分割和提取，从低精度点云数据和高精度点云数据中提取出第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据。
32.在上述技术方案的基础上，在所述获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据之前，还包括：基于倾斜摄影技术获取低精度点云数据以及预先获取与低精度点云数据相对应的高精度点云数据。
33.其中，倾斜摄影技术可以理解为用于获取点云数据的技术。
34.具体的，可以将无人机的采集线路走廊的影像数据，并影像数据通过倾斜摄影技术重建为低精度三维点云数据；获取预先存储的线路走廊的高精度点云数据，该点云数据是相关人员在之前通过设置有实时差分定位(real time kinematic，rtk)的相机拍摄后所得到的线路走廊点云数据。
35.s120、根据第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于平移矩阵和旋转矩阵对各低精度点云数据处理，以得到待校正点云数据。
36.其中，待校正点云数据可以理解为需要校正精准度的点云数据。
37.具体的，可以基于第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据通过相应的算法，确定出旋转矩阵和平移矩阵，并基于旋转矩阵以及平移矩阵对各个低精度点云数据进行转换，将转换后的低精度点云数据作为待校正点云数据。
38.在上述技术方案的基础上，所述根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，包括：基于所
述第一杆塔点云数据和所述第二杆塔点云数据确定出所述旋转矩阵；基于所述第一绝缘子点云数据、所述第二绝缘子点云数据以及所述旋转矩阵确定出所述平移矩阵。
39.其中，旋转矩阵可以理解为是数学矩阵，平移矩阵也可以理解为是数学矩阵。
40.具体的，基于第一杆塔点云数据和第二杆塔点云数据可以确定两个点云数据的旋转矩阵，即在旋转方向上精度较低的第一杆塔点云数据与精度较高的第二杆塔点云数据之间差别。进一步，基于第一绝缘子点云数据、第二绝缘子点云数据、以及上述求得的旋转矩阵，通过相应的算法，确定出平移矩阵。
41.在上述技术方案的基础上，所述基于所述第一杆塔点云数据和所述第二杆塔点云数据确定出所述旋转矩阵，包括：根据所述第一杆塔点云数据在第一预设平面上的投影，得到第一杆塔图像；根据所述第二杆塔点云数据在第一预设平面上的投影，得到第二杆塔图像；基于所述第一杆塔图像与所述第二杆塔图像进行特征匹配，确定所述旋转矩阵。
42.需要说明的是，本发明实施例中的点云数据是包含红(r)、绿(g)、蓝(b)三个颜色的颜色值。
43.其中，所述第一预设平面为空间直角坐标系中的xoy平面，第一杆塔图像可以理解为与第一杆塔点云数据相对应的图像，第二杆塔图像可以理解为与第二杆塔点云数据相对应的图像。
44.具体的，可以将带有颜色值信息的第一杆塔点云数据投影在空间直角坐标系中的xoy平面，得到一副图像，即第一杆塔图像；将带有颜色信息的第二杆塔数据投影在空间直角坐标系中的xoy平面，得到另一幅图像，即第二杆塔图像。将第一杆塔图像与第二杆塔图像进行特征点查找提取，进行相似度分析，确定出第一杆塔图像与第二杆塔图像中相对应的多个特征点，并基于多个特征点的坐标以及向量信息，确定出旋转矩阵。
45.在上述技术方案的基础上，所述基于所述第一绝缘子点云数据、所述第二绝缘子点云数据以及所述旋转矩阵确定出所述平移矩阵，包括：基于所述第一绝缘子点云数据与所述旋转矩阵的积，得到待使用第一绝缘子点云数据；基于待使用第一绝缘子点云数据在第二预设平面的投影图像以及所述第二绝缘子点云数据在所述第二预设平面的投影图像确定出所述平移矩阵。
46.其中，所述第一预设平面为空间直角坐标系中的xoz平面，待使用第一绝缘子点云数据可以理解为是第一绝缘子点云数据乘以旋转矩阵后得到的点云数据。
47.具体的，基于上述确定出的旋转矩阵，将低精度的第一绝缘子点云数据乘以所述旋转矩阵，可以得到新的点云数据，将其作为待使用第一绝缘子点云数据。进一步，分别将待使用第一绝缘子点云数据和第二绝缘子点云数据投影在空间直角坐标系中的xoz平面，得到两幅图像，即与待使用第一绝缘子点云数据对应的一幅图像，以及与第二绝缘子点云数据相对应的另一幅图像，通过将两幅进行特征点查找提取，进行相似度分析，确定出两幅图像中相对应的多个特征点，并基于多个特征点的坐标以及向量信息，确定出平移矩阵。
48.在上述技术方案的基础上，所述基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据，包括：将所述低精度点云数据乘以所述平移矩阵和所述旋转矩阵，得到所述待校正点云数据。
49.具体的，可以是将所述低精度点云数据乘以平移矩阵后再乘以旋转矩阵，即实现对低精度点云数据的转换，得到新的点云数据，作为待校正点云数据。
50.s130、根据待校正点云数据与高精度点云数据的匹配结果确定出旋转平移矩阵，并基于旋转平移矩阵对待校正点云数据处理，得到目标点云数据。
51.其中，旋转平移矩阵可以理解为经过点云匹配算法得到的数学矩阵，目标点云数据可以理解为最终获得的与低精度点云数据相对应的高精度点云数据。
52.具体的，可以是通过点云匹配算法，将待校正点云数据与高精度点云数据进行匹配，确定两者之间的旋转平移矩阵。进一步，将待校正点云数据与旋转平移矩阵相乘得到新的点云数据，即目标点云数据。这样的好处在于，可以将低精度的点云数据转换为高精度的点云数据。
53.在上述技术方案的基础上，所述根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据，包括：基于迭代最近点算法，对所述待校正点云数据与所述高精度点云数据进行匹配，确定出所述旋转平移矩阵；对所述旋转平移矩阵进行分解，以得到所述旋转矩阵的旋转角度以及平移量，若所述旋转角度或所述平移量与相应的预设阈值一致，则将所述旋转矩阵确定为目标旋转平移矩阵；将所述待校正点云数据与所述目标旋转矩阵相乘得到所述目标点云数据。
54.其中，迭代最近点算法(iterative closest point,icp)是一种点云匹配算法，预设阈值可以包括预先设置的角度阈值和平移量阈值，目标旋转平移矩阵可以理解为用于将待校正点云数据转换为高精度点云数据的矩阵。
55.具体的，可以通过icp算法进行待校正点云数据与高精度点云数据之间的匹配，可以得到旋转平移矩阵。将旋转平移矩阵转换为对应的向量，并分解出其在x轴、y轴、z轴上的旋转角度，同时分析出其在x、y、z方向上的平移量。如果在x轴、y轴、z轴上的旋转角度都小于预设的角度阈值，并且在x、y、z方向上的平移量都小于预设的平移阈值，则说明同构该矩阵可以将所述待校正点云数据转换为高精度点云数据，可将该矩阵作为目标矩阵。在此基础上，将待校正点云数据乘以目标旋转平移矩阵可以得到目标点云数据。
56.示例性的，预设阈值包括预先设置的角度阈值以及平移量阈值，角度阈值为1
°
，平移量阈值为0.1。待校准点云数据iort与高精度点云数据in使用icp匹配方法匹配获取到16位的旋转平移矩阵mtr。从旋转平移矩阵mtr中分解出相应在x轴、y轴、z轴上模型旋转的角度θ
x
、θy、θz值，同时分析出在x、y、z方向上的平移量δ
x
、δy、δz。若δ
x
、δy、δz值小于0.1，θ
x
、θy、θz的值小于1
°
，则该旋转平移矩阵mtr即为目标旋转平移矩阵。进一步，将待校准点云数据iort乘以矩阵mtr，可以得到新的点云数据，即目标点云数据。
57.在上述技术方案的基础上，若所述旋转角度或所述平移量与相应的预设阈值不一致，则获取所述旋转平移矩阵的确定频次，基于所述确定频次确定目标点云数据。
58.其中，确定频次可以理解为旋转平移矩阵的确定频次。
59.具体的，如果所述旋转角度或所述平移量与相应的预设阈值不一致，即旋转角度大于预设的角度或者平移量大于预设的平移量，说明得到的旋转平移矩阵是不符合要求的，需要重新确定新的旋转平移矩阵，即重新进行icp匹配。基于该频次，判断是否需要继续进行icp匹配或者是进行其他操作，以得到的目标点云数据。
60.在上述技术方案的基础上，若所述旋转平移矩阵的确定频次小于预设数值，则重新对所述待校正点云数据与所述高精度点云进行匹配，以得到所述目标点云数据；若所述
旋转平移矩阵的确定频次大于预设数，则对所述低精度点云数据和高精度点云数据进行降采样或者降噪处理，并基于处理后的待使用低精度点云数据和待使用高精度点云数据得到所述目标点云数据。
61.其中，待使用低精度点云数据可以理解为对待校正点云数据进行降采样或者降噪处理后得到点云数据，待使用高精度点云数据可以理解为对高精度点云数据进行降采样或者降噪处理后得到点云数据。预设次数可以是预先设置的次数，例如可以是3次或者10次。
62.具体的，当旋转平移矩阵经过分解后与预设阈值不一致，则重复执行待校正点云数据与高精度点云数据的匹配，如果匹配次数达到预设数值，仍没有确定出合适的目标旋转平移矩阵，则说明低精度点云数据和高精度点云数据有问题，需要对其进行降噪或者将采样处理，以去除离散点和减少数据量。将处理后的低精度点云数据作为待使用低精度点云数据，将处理后的高精度点云数据作为待使用高精度点云数据。进一步，继续将待使用低精度点云数据和待使用低精度点云数据按照上述低精度点云数和高精度点云数据的处理方式，确定上述旋转矩阵、平移矩阵、旋转平移矩阵，最后得到目标点云数据，具体的实施方式不再赘述，与上述低精度点云数和高精度点云数据的处理方式相同。
63.本发明实施例的技术方案，通过获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；根据第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于平移矩阵和旋转矩阵对各低精度点云数据处理，以得到待校正点云数据；根据待校正点云数据与高精度点云数据的匹配结果确定出旋转平移矩阵，并基于旋转平移矩阵对待校正点云数据处理，得到目标点云数据。解决了现有技术中，将低精度点云转为高精度点云的算法复杂、数据量大的问题，实现了通过简单的方式将低精度点云转为高精度点云。
64.实施例二
65.图2为本发明实施例二提供的一种点云数据的处理装置的结构示意图。如图2所示，该装置包括：
66.点云获取模块210，用于点云数据获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；
67.待校正点云确定模块220，用于根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据；
68.目标点云确定模块230，用于根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据。
69.可选的，所述点云数据的处理装置还包括：
70.倾斜摄影模块，用于基于倾斜摄影技术获取低精度点云数据以及预先获取与低精度点云数据相对应的高精度点云数据。
71.可选的，所述待校正点云确定模块220包括：
72.旋转矩阵确定模块，用于基于所述第一杆塔点云数据和所述第二杆塔点云数据确定出所述旋转矩阵；
73.平移矩阵确定模块，用于基于所述第一绝缘子点云数据、所述第二绝缘子点云数据以及所述旋转矩阵确定出所述平移矩阵。
74.可选的，所述旋转矩阵确定模块包括：
75.第一杆塔图像获取单元，用于据所述第一杆塔点云数据在第一预设平面上的投影，得到第一杆塔图像；其中，所述第一预设平面为空间直角坐标系中的xoy平面；
76.第二杆塔图像获取单元，用于根据所述第二杆塔点云数据在第一预设平面上的投影，得到第二杆塔图像；
77.旋转矩阵确定单元，用于基于所述第一杆塔图像与所述第二杆塔图像进行特征匹配，确定所述旋转矩阵。
78.可选的，所述平移矩阵确定模块，包括：
79.待使用第一绝缘子点云数据确定单元，用于基于所述第一绝缘子点云数据与所述旋转矩阵的积，得到待使用第一绝缘子点云数据；
80.平移矩阵确定单元，用于基于待使用第一绝缘子点云数据在第二预设平面的投影图像以及所述第二绝缘子点云数据在所述第二预设平面的投影图像确定出所述平移矩阵；其中，所述第一预设平面为空间直角坐标系中的xoz平面。
81.可选的，所述待校正点云确定模块220还包括：
82.待校正点云数据确定单元，用于将所述低精度点云数据乘以所述平移矩阵和所述旋转矩阵，得到所述待校正点云数据。
83.可选的，所述目标点云确定模块230，包括：
84.旋转平移矩阵确定模块，用于基于迭代最近点算法，对所述待校正点云数据与所述高精度点云数据进行匹配，确定出所述旋转平移矩阵；
85.目标旋转平移矩确定模块，用于对所述旋转平移矩阵进行分解，以得到所述旋转矩阵的旋转角度以及平移量，若所述旋转角度或所述平移量与相应的预设阈值一致，则将所述旋转矩阵确定为目标旋转平移矩阵；
86.目标点云数据确定模块，用于将所述待校正点云数据与所述目标旋转矩阵相乘得到所述目标点云数据。
87.可选的，所述目标点云确定模块230还包括：
88.频次获取模块，用于若所述旋转角度或所述平移量与相应的预设阈值不一致，则获取所述旋转平移矩阵的确定频次，基于所述确定频次确定目标点云数据。
89.可选的，所述频次获取模块包括：
90.频次比对单元，用于若所述旋转平移矩阵的确定频次小于预设数值，则重新对所述待校正点云数据与所述高精度点云进行匹配，以得到所述目标点云数据；
91.处理单元，用于若所述旋转平移矩阵的确定频次大于预设数，则对所述低精度点云数据和高精度点云数据进行降采样或者降噪处理，并基于处理后的待使用低精度点云数据和待使用高精度点云数据得到所述目标点云数据。
92.本发明实施例的技术方案，通过获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；根据第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于平移矩阵和旋转矩阵对各低精度点云数据处理，以得
到待校正点云数据；根据待校正点云数据与高精度点云数据的匹配结果确定出旋转平移矩阵，并基于旋转平移矩阵对待校正点云数据处理，得到目标点云数据。解决了现有技术中，将低精度点云转为高精度点云的算法复杂、数据量大的问题，实现了通过简单的方式将低精度点云转为高精度点云。
93.本发明实施例所提供的点云数据的处理装置可执行本发明任意实施例所提供的点云数据的处理方法，具备执行方法相应的功能模块和有益效果。
94.实施例三
95.图3示出了可以用来实施本发明的实施例的电子设备30的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
96.如图3所示，电子设备30包括至少一个处理器31，以及与至少一个处理器31通信连接的存储器，如只读存储器(rom)32、随机访问存储器(ram)33等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器31可以根据存储在只读存储器(rom)32中的计算机程序或者从存储单元38加载到随机访问存储器(ram)33中的计算机程序，来执行各种适当的动作和处理。在ram 33中，还可存储电子设备30操作所需的各种程序和数据。处理器31、rom 32以及ram 33通过总线34彼此相连。输入/输出(i/o)接口35也连接至总线34。
97.电子设备30中的多个部件连接至i/o接口35，包括：输入单元36，例如键盘、鼠标等；输出单元37，例如各种类型的显示器、扬声器等；存储单元38，例如磁盘、光盘等；以及通信单元39，例如网卡、调制解调器、无线通信收发机等。通信单元39允许电子设备30通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
98.处理器31可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器31的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。处理器31执行上文所描述的各个方法和处理，例如点云数据的处理方法。
99.在一些实施例中，点云数据的处理方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元38。在一些实施例中，计算机程序的部分或者全部可以经由rom 32和/或通信单元39而被载入和/或安装到电子设备30上。当计算机程序加载到ram 33并由处理器31执行时，可以执行上文描述的点云数据的处理方法的一个或多个步骤。备选地，在其他实施例中，处理器31可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法点云数据的处理方法。
100.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器
可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
101.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
102.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
103.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
104.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
105.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
106.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
107.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明
的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
技术特征：1.一种点云数据的处理方法，其特征在于，包括：获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据；根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据。2.根据权利要求1所述的方法，其特征在于，在所述获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据之前，还包括：基于倾斜摄影技术获取低精度点云数据以及预先获取与低精度点云数据相对应的高精度点云数据。3.根据权利要求1所述的方法，其特征在于，所述根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，包括：基于所述第一杆塔点云数据和所述第二杆塔点云数据确定出所述旋转矩阵；基于所述第一绝缘子点云数据、所述第二绝缘子点云数据以及所述旋转矩阵确定出所述平移矩阵。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一杆塔点云数据和所述第二杆塔点云数据确定出所述旋转矩阵，包括：根据所述第一杆塔点云数据在第一预设平面上的投影，得到第一杆塔图像；其中，所述第一预设平面为空间直角坐标系中的xoy平面；根据所述第二杆塔点云数据在第一预设平面上的投影，得到第二杆塔图像；基于所述第一杆塔图像与所述第二杆塔图像进行特征匹配，确定所述旋转矩阵。5.根据权利要求3所述的方法，其特征在于，所述基于所述第一绝缘子点云数据、所述第二绝缘子点云数据以及所述旋转矩阵确定出所述平移矩阵，包括：基于所述第一绝缘子点云数据与所述旋转矩阵的积，得到待使用第一绝缘子点云数据；基于待使用第一绝缘子点云数据在第二预设平面的投影图像以及所述第二绝缘子点云数据在所述第二预设平面的投影图像确定出所述平移矩阵；其中，所述第一预设平面为空间直角坐标系中的xoz平面。6.根据权利要求1所述的方法，其特征在于，所述基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据，包括：将所述低精度点云数据乘以所述平移矩阵和所述旋转矩阵，得到所述待校正点云数据。7.根据权利要求1所述的方法，其特征在于，所述根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据，包括：
基于迭代最近点算法，对所述待校正点云数据与所述高精度点云数据进行匹配，确定出所述旋转平移矩阵；对所述旋转平移矩阵进行分解，以得到所述旋转矩阵的旋转角度以及平移量，若所述旋转角度或所述平移量与相应的预设阈值一致，则将所述旋转矩阵确定为目标旋转平移矩阵；将所述待校正点云数据与所述目标旋转矩阵相乘得到所述目标点云数据。8.根据权利要求7所述的方法，其特征在于，包括：若所述旋转角度或所述平移量与相应的预设阈值不一致，则获取所述旋转平移矩阵的确定频次，基于所述确定频次确定目标点云数据。9.根据权利要求8所述的方法，其特征在于，所述基于所述确定频次确定目标点云数据，包括：若所述旋转平移矩阵的确定频次小于预设数值，则重新对所述待校正点云数据与所述高精度点云进行匹配，以得到所述目标点云数据；若所述旋转平移矩阵的确定频次大于预设数，则对所述低精度点云数据和高精度点云数据进行降采样或者降噪处理，并基于处理后的待使用低精度点云数据和待使用高精度点云数据得到所述目标点云数据。10.一种点云数据的处理装置，其特征在于，包括：点云获取模块，用于点云数据获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；待校正点云确定模块，用于根据所述第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于所述平移矩阵和所述旋转矩阵对所述各低精度点云数据处理，以得到待校正点云数据；目标点云确定模块，用于根据所述待校正点云数据与所述高精度点云数据的匹配结果确定出旋转平移矩阵，并基于所述旋转平移矩阵对所述待校正点云数据处理，得到目标点云数据。
技术总结本发明公开了一种点云数据的处理方法、装置及电子设备。该方法包括：获取低精度点云数据中的第一绝缘子点云数据和第一杆塔点云数据以及高精度点云数据中的第二绝缘子点云数据和第二杆塔点云数据；根据第一绝缘子点云数据、第一杆塔点云数据、第二绝缘子点云数据以及第二杆塔点云数据确定出旋转矩阵和平移矩阵，并基于平移矩阵和旋转矩阵对各低精度点云数据处理，以得到待校正点云数据；根据待校正点云数据与高精度点云数据的匹配结果确定出旋转平移矩阵，并基于旋转平移矩阵对待校正点云数据处理，得到目标点云数据。解决了现有技术中，将低精度点云转为高精度点云的算法复杂、数据量大的问题，实现了通过简单的方式将低精度点云转为高精度点云。低精度点云转为高精度点云。低精度点云转为高精度点云。
技术研发人员：杨帆 乔嘉赓 彭子平 易淑智 贾恒杰 蓝海文 吴兰 陈婧 林江龙 刘霖波 向东伟 杨成城
受保护的技术使用者：广东电网有限责任公司韶关供电局
技术研发日：2022.07.26
技术公布日：2022/11/1
