基于PSO-KNN的变电站设备三维点云识别方法研究

• 作者: 李科
• 来源期刊: 电力系统保护与控制
• 关键词: 变电站设备 粒子群算法 k-近邻分类算法 三维点云识别 三维重建
• 年，卷（期）: 2021,（18）
• 所属期刊栏目: 工程应用|Engineering Application
• 页码范围: 182-187
• 页数: 6页
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.201461

摘要

针对传统的三维重建方法因数据缺失而造成的精度差、效率低等问题,在三维激光扫描点云的基础上,提出了一种将粒子群优化算法和k-近邻分类算法相结合的变电站设备三维点云识别方法.通过粒子群优化算法对各子空间特征的系数权重进行优化,k-近邻分类算法完成分类.通过实验分析点云子空间的大小和丢失率对识别效果的影响,并与改进的迭代最近点算法进行比较,验证该方法的优越性和准确性.实验结果表明,该方法具有较好的识别准确率和效率,识别准确率达到95％以上,平均识别时间为0.19 s,具有一定的应用价值.