本发明属于电力巡检，具体涉及一种电力设备巡检盲区的识别方法及装置。
背景技术：
1、电力设备，如变电站和输电线路，通常位于广阔且复杂的环境中。这些设备的有效监控对于确保电力系统的稳定运行至关重要。目前的监控方法主要依赖于固定云台摄像头、地面机器人以及无人机，开展设备定期巡检作业，以监控设备的运行状态。
2、然而，由于固定云台摄像头物理安装位置和视场角的限制、地面机器人高度和巡检路径限制，常常无法覆盖电力设备所有关键部件的巡检，这些巡检视觉盲区可能导致关键故障或损坏监测不到，从而影响电力系统的安全运行。
3、同时，虽然无人机位置灵活、视角广泛，能够提供多角度的视觉检查，有效补充高处和难以接近区域的监控空白，但在实际操作中仍面临挑战。尤其是在无法精确提供盲区位置信息的情况下，无人机需要采用全覆盖点位的拍照规划，这不仅降低了飞行效率，还使得站内立体协同巡检难以实现，存在重复拍摄和巡检盲区问题。
4、现有的对电力设备巡检盲区的识别与评估已经从早期的手工绘图和模拟演进到复杂的计算机建模与仿真，以及先进的计算机视觉技术，使用计算机建模软件构建变电站的详细三维模型，并通过可视线分析和巡视路径模拟来识别和优化视觉盲区，显著提高了盲区管理的精确度。
5、如专利cn112487916a给出一种电力设备双目三维立体识别系统，包括：图像采集融合模块、识别定位模型训练模块和目标定位修正模块；图像采集融合模块、识别定位模型训练模块和目标定位修正模块依次相连，最终输出电力设备类型及电力设备边界框，完成电力设备的识别。该方案具有识别准确率高、抗遮挡能力强、训练样本利用率高等优点。
6、另外，现有技术中还包括通过对激光扫描和点云技术的应用，特别是利用lidar设备快速获取变电站的三维数据，加速变电站模型构建速度，还为盲区识别、评估提供了更高精度的空间分析能力。
7、然而，以上的识别、评估方法通常对计算资源的需求较高，成本较大，且在处理大量数据时效率较低。另外，在复杂环境下的准确性仍然面临挑战，尤其是在光线不足或天气恶劣条件下，误差率可能增加。此外，尽管现有技术已在巡检盲区识别方面取得了进展，但在提供巡检盲区的定量分析方面仍显示出一定的局限性，这限制了巡检盲区管理的科学性和系统性。
8、因此，如何对电力设备巡检盲区进行识别，以实现巡检盲区识别的自动、高效、精准、全面，并能实现巡检盲区的定量分析是本领域技术人员亟待解决的问题。
技术实现思路
1、针对上述现有技术中存在的缺陷，本发明提供了一种电力设备巡检盲区的识别方法及装置，识别方法具体包括如下步骤：获取电力设备的点云数据，形成单体电力设备的点云网格模型，并建立全局坐标系；给出进行电力设备巡检的巡检视觉坐标系，并建立巡检视觉坐标系与全局坐标系的映射关系；通过全局坐标系，基于对巡检投射光线与点云网格模型的交互分析，给出电力设备的巡检盲区。本发明通过融合三维点云、视觉巡检以及坐标变换，实现自动、高效、精准、全面的电力设备巡检盲区的识别，进而针对电力设备巡检盲区进行定量评估，以优化巡检路线，提高巡检效率、巡检点位覆盖率，降低电力设备运营风险。
2、第一方面，本发明提供一种电力设备巡检盲区的识别方法，具体包括如下步骤：
3、获取电力设备的点云数据，形成单体电力设备的点云网格模型，并建立全局坐标系；
4、给出进行电力设备巡检的巡检视觉坐标系，并建立巡检视觉坐标系与全局坐标系的映射关系；
5、通过全局坐标系，基于对巡检投射光线与点云网格模型的交互分析，给出电力设备的巡检盲区。
6、进一步的，形成单体电力设备的点云网格模型，具体包括如下步骤：
7、获取电力设备的初始三维点云数据；
8、基于高斯模型，对初始三维点云数据进行预处理，得到电力设备的点云数据；
9、通过聚类处理，对点云数据进行分类，构建各个单体电力设备的点云数据；
10、对各个单体电力设备的点云数据进行简化处理，并转化为体素数据；
11、采用等值面提取算法，从体素数据中提取点云网格模型的表面；
12、结合体素数据的占据状态及点云网格模型的表面，形成单体电力设备的点云网格模型。
13、进一步的，建立全局坐标系，具体包括：
14、以点云网格模型的垂直方向为z轴，点云网格模型的坐标系表示为(xr，yr，zr)，以点云网格模型的坐标系定义为全局坐标系。
15、进一步的，给出进行电力设备巡检的巡检视觉坐标系，并建立巡检视觉坐标系与全局坐标系的映射关系，具体包括如下步骤：
16、确定电力设备巡检装置的巡检视觉坐标系；
17、获取平移向量与旋转矩阵，构建仿射变换矩阵；
18、通过仿射变换矩阵，建立巡检视觉坐标系与全局坐标系的映射关系。
19、进一步的，获取平移向量与旋转矩阵，构建仿射变换矩阵，具体包括如下步骤：
20、获取从巡检视觉坐标系原点到全局坐标系原点的向量，给出平移向量；
21、通过分析巡检视觉坐标系各个坐标轴与全局坐标系对应坐标轴之间的夹角，给出旋转矩阵；
22、结合平移向量与旋转矩阵，构建得到仿射变换矩阵。
23、进一步的，建立巡检视觉坐标系与全局坐标系的映射关系，具体表示为：
24、
25、其中，(xa，ya，za)为巡检视觉坐标系中的点坐标，q(xc,yc,zc)为对应巡检坐标系中点坐标的全局坐标系中的点及点坐标，r为旋转矩阵，t为平移向量。
26、进一步的，通过全局坐标系，基于对巡检投射光线与点云网格模型的交互分析，给出电力设备的巡检盲区，具体包括如下步骤：
27、定义巡检投射光线，获取对应的目标点云网格模型；
28、分析投射光线与目标点云网格模型的交点；
29、基于交点与目标点云网格模型的形状位置关系，标记视觉盲区。
30、进一步的，分析投射光线与目标点云网格模型的交点，具体表示为：
31、p(xp,yp,zp)＝(x0+tdx,y0+tdy,z0+tdz)
32、其中，(x0,y0,z0)为投射光线的初始点坐标，t为方向向量参数，(dx,dy,dz)为投射光线在目标点云网格模型法向量上的分量，p为交点。
33、进一步的，基于交点与目标点云网格模型的形状位置关系，标记视觉盲区，具体包括如下步骤：
34、基于巡检投射光线的方向，确定目标点云网格模型的平面图形；
35、给出平面图形在全局坐标系下重心的坐标；
36、结合对交点及平面图形中每个顶点的连接向量分析，给出向量叉积组，具体表示为：
37、ci＝(xi+1-xi)·(yp-yi)-(yi+1-yi)·(xp-xi)
38、其中，ci为向量叉积组中对应第i个顶点的向量叉积，(xi,yi)为平面图形中第i个顶点的坐标，(xi+1,yi+1)为平面图形中第i+1个顶点的坐标，(xp,yp)为交点p的坐标；
39、基于各个叉积的符号，以及交点与重心的欧几里得距离的比较，给出位于目标点云网格模型的平面图形中的交点，具体表示为：
40、
41、其中，n为向量叉积组中向量叉积的总数，d()为点到点的欧几里得距离，(xg,yg)为目标点云网格模型的平面图形的重心g的坐标；
42、基于位于目标点云网格模型的平面图形中的交点，对多个巡检投射光线与网格模型的交点进行可见标记的判别，给出视觉盲区。
43、第二方面，本发明还提供一种电力设备巡检盲区的识别装置，采用如上述电力设备巡检盲区的识别方法，具体包括：
44、采集单元，用于获取电力设备的点云数据；
45、构建单元，用于形成单体电力设备的点云网格模型，并建立全局坐标系，给出进行电力设备巡检的巡检视觉坐标系；
46、分析单元，用于将巡检视觉坐标系映射到全局坐标系，通过全局坐标系，基于对巡检投射光线与点云网格模型的交互分析，给出电力设备的巡检盲区。
47、本发明提供的一种电力设备巡检盲区的识别方法及装置，至少包括如下有益效果：
48、(1)本发明通过融合三维点云、视觉巡检以及坐标变换，实现自动、高效、精准、全面的电力设备巡检盲区的识别，进而针对电力设备巡检盲区进行定量评估，以优化巡检路线，提高巡检效率、巡检点位覆盖率，降低电力设备运营风险。
49、(2)本发明通过由平移向量和旋转矩阵构成的仿射变换矩阵，确保巡检视觉坐标系到全局坐标系的精准无缝转换，巡检装置的视觉可以有效的映射到点云网格模型中，以便使得巡检装置的视觉数据用于进一步的在点云网格模型的处理、盲区分析与评估。
1.一种电力设备巡检盲区的识别方法，其特征在于，具体包括如下步骤：
2.如权利要求1所述电力设备巡检盲区的识别方法，其特征在于，形成单体电力设备的点云网格模型，具体包括如下步骤：
3.如权利要求2所述电力设备巡检盲区的识别方法，其特征在于，建立全局坐标系，具体包括：
4.如权利要求1所述电力设备巡检盲区的识别方法，其特征在于，给出进行电力设备巡检的巡检视觉坐标系，并建立巡检视觉坐标系与全局坐标系的映射关系，具体包括如下步骤：
5.如权利要求4所述电力设备巡检盲区的识别方法，其特征在于，获取平移向量与旋转矩阵，构建仿射变换矩阵，具体包括如下步骤：
6.如权利要求4所述电力设备巡检盲区的识别方法，其特征在于，建立巡检视觉坐标系与全局坐标系的映射关系，具体表示为：
7.如权利要求1所述电力设备巡检盲区的识别方法，其特征在于，通过全局坐标系，基于对巡检投射光线与点云网格模型的交互分析，给出电力设备的巡检盲区，具体包括如下步骤：
8.如权利要求7所述电力设备巡检盲区的识别方法，其特征在于，分析投射光线与目标点云网格模型的交点，具体表示为：
9.如权利要求7所述电力设备巡检盲区的识别方法，其特征在于，基于交点与目标点云网格模型的形状位置关系，标记视觉盲区，具体包括如下步骤：
10.一种电力设备巡检盲区的识别装置，其特征在于，采用如权利要求1-9任一所述电力设备巡检盲区的识别方法，具体包括：
