本发明涉及电力设备安全检测，尤其涉及一种基于非线性相机模型的测距方法、装置及存储介质。
背景技术：
1、外力破坏，树障是野外输电线路系统安全稳定运行的重大隐患之一，是影响电网系统供电质量和可靠性的关键因素，同时有是电力系统日常运维巡检工作的重点任务，外力破坏和树障预警的关键技术是测量电力设备到外部隐患电之间的距离。
2、目前在电网日常运维巡检中进行测距的方法有：1、通过直升机搭载的激光雷达设备对电力系统设备部件进行扫描，获取到输电线路各部件及通道附近的三维点云数据。根据人为或自动的方法分类出点云中的设备区域和障碍物区域，再搜索设备类点云到障碍物点之间的最近距离进而给出隐患预警；2、通过双目图像立体视觉算法，利用左右视图视差重建出输电线路和导线点云，根据图像识别技术分类出导线点云和树木点云，搜索导线类点云到树木点之间的最近距离进而给出隐患预警。在使用激光点云数据进行隐患预警的方法中，需要通过无人机等设备搭载激光雷达对输电线路通道进行扫描然后进行点云分类，点云分类过程需要人为干预，较难实现点云自动精确分类，激光点云数据无法多次复用，在双目图像立体视觉树障预警方法中，需要通过双目图像进行全局密集匹配生成视差图，在双目相机基线距离过长或者测距范围太大后，左右视图图像特征点所受干扰因素较多，很难完成特征点对匹配，无法完成视差图生成。导致测距效率和准确率低。
技术实现思路
1、本发明提供了一种基于非线性相机模型的测距方法、装置及存储介质，以解决现有测距方法测距效率低且准确率低的问题。
2、根据本发明的一方面，提供了一种基于非线性相机模型的测距方法，该方法包括：
3、获取与目标场景对应的可见光图像和三维点云数据，其中，所述三维点云数据中包括世界坐标系下的多个点云坐标点；
4、通过预先训练好的非线性相机模型对所述点云坐标点进行线性变换处理和非线性变换处理，以获得与所述点云坐标点对应的图像像素坐标系下的像素坐标点；
5、将所述像素坐标点投影至所述可见光图像中，以得到所述点云坐标点与其对应的像素坐标点之间的坐标点对应关系，基于所述坐标点对应关系和至少两个待测距对象对应的像素坐标点确定至少两个所述待测距对象之间的距离数据。
6、根据本发明的另一方面，提供了基于非线性相机模型的测距装置，该装置包括：
7、数据获取模块，用于获取与目标场景对应的可见光图像和三维点云数据，其中，所述三维点云数据中包括世界坐标系下的多个点云坐标点；
8、坐标转换模块，用于通过预先训练好的非线性相机模型对所述点云坐标点进行线性变换处理和非线性变换处理，以获得与所述点云坐标点对应的图像像素坐标系下的像素坐标点；
9、测距模块，用于将所述像素坐标点投影至所述可见光图像中，以得到所述点云坐标点与其对应的像素坐标点之间的坐标点对应关系，基于所述坐标点对应关系和至少两个待测距对象对应的像素坐标点确定至少两个所述待测距对象之间的距离数据。
10、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：
11、至少一个处理器；以及
12、与所述至少一个处理器通信连接的存储器；其中，
13、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基于非线性相机模型的测距方法。
14、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基于非线性相机模型的测距方法。
15、本发明实施例的技术方案，通过获取与目标场景对应的可见光图像和三维点云数据，其中，所述三维点云数据中包括世界坐标系下的多个点云坐标点；可建立同一场景的可见光图像和三维点云数据的对应关系；然后，通过预先训练好的非线性相机模型对所述点云坐标点进行线性变换处理和非线性变换处理，以获得与所述点云坐标点对应的图像像素坐标系下的像素坐标点；以准确确定点云坐标点在图像像素坐标系下的像素坐标点；最后，将所述像素坐标点投影至所述可见光图像中，以得到所述点云坐标点与其对应的像素坐标点之间的坐标点对应关系，基于所述坐标点对应关系和至少两个待测距对象对应的像素坐标点确定至少两个所述待测距对象之间的距离数据，解决了解决现有测距方法测距效率低且准确率低的问题，实现了通过单目图像实现对场景中至少两个待测距对象测距，取到了提高了测距效率及准确率有益效果。
16、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。
1.一种基于非线性相机模型的测距方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述非线性相机模型包括相机模型和畸变模型；所述通过所述非线性相机模型对所述点云坐标点进行线性变换处理和非线性变换处理，以获得与所述点云坐标点对应的图像像素坐标系下的像素坐标点，包括：
3.根据权利要求2所述的方法，其特征在于，所述通过所述相机模型对所述点云坐标点进行线性变换，将所述点云坐标点转换成图像坐标点，包括：
4.根据权利要求2所述的方法，其特征在于，所述通过所述畸变模型对所述图像坐标点进行非线性变换处理，以将所述图像坐标点转换为图像像素坐标系下的像素坐标点，包括：
5.根据权利要求4所述的方法，其特征在于，所述畸变模型包括两层线性层和激活函数层；所述畸变模型通过如下公式对所述图像坐标点进行缩放处理和平移处理，将所述图像坐标点转换为图像像素坐标系下的初始像素坐标点：
6.根据权利要求1所述的方法，其特征在于，在所述通过预先训练好的非线性相机模型对所述点云坐标点进行线性变换处理和非线性变换处理之前，还包括：
7.根据权利要求1所述的方法，其特征在于，所述基于所述坐标点对应关系和至少两个待测距对象对应的像素坐标点确定至少两个所述待测距对象之间的距离数据，包括：
8.根据权利要求1所述的方法，其特征在于，所述获取与目标场景对应的可见光图像和三维点云数据，包括：
9.一种基于非线性相机模型的测距装置，其特征在于，包括：
10.一种计算机可读存储介质，其特征在于，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权利要求1-8中任一项所述的基于非线性相机模型的测距方法。
