本发明涉及图像识别，尤其为一种基于激光雷达的无人机电网植被入侵识别方法。
背景技术：
1、现代社会严重依赖电力，因此，敦促电力当局扩大和实施有效的机制，以监测和维护现有的基础设施。运行的输电网最常老化，通常穿越大森林和山区，经常暴露于不利的天气条件。影响是巨大的经济和社会和环境，数以百计的结构被摧毁，一个城镇几乎消失。同时，释放的烟雾危害数百万人的健康。因此，必须采取先发制人的措施来预防这类灾难。为此目的，大量人工手段应用于监测过程。他们步行或乘坐直升机穿越基础设施，以监测植被，并确定高风险地点。虽然这种方法已经使用了几十年，但它伴随着增加的工作量和较长的检查周期，而准确性在很大程度上取决于检查员的观察技能。
2、在这种情况下，光探测和测距机载扫描技术是创建精确的电力线三维模型的理想选择，是首选的移动和地面激光扫描方法，后者不能应用于茂密的森林和陡峭的山区景观。此外，在过去的几年里，无人机已经广泛使用，提出了一种低成本和灵活的解决方案的电力基础设施检查应用，涵盖整个功率组件、电力线、电线杆检测，，以及自主系统的发展，以可重复的方式快速获取高质量的数据，使用多个传感器，如rgb、热、多光谱。
3、现有技术中直接检测初始点云中的电线的方法，这可能会增加时间的复杂度，使用三维线拟合和建模方法也会造成效率下降。
技术实现思路
1、本发明的主要目的在于提供一种基于激光雷达的无人机电网植被入侵识别方法，以解决相关技术中提出的增加时间的复杂度和效率下降的问题。
2、为了实现上述目的，根据本发明的一个方面，提供了一种基于激光雷达的无人机电网植被入侵识别方法，包括如下步骤：
3、s1：无人机根据提供的位置，导航至电线杆并对其进行检测并输出检测结果；
4、s2：将检测结果与无人机的飞行控制器进行集成，使无人机更精确地对准电线杆的上方，获取原始电力基础设施的rgb图像；
5、s3：结合原始激光雷达数据对rgb图像进行预处理，将预处理后的彩色3d图像设置为识别植被入侵的输入；
6、s4：对预处理后的图像进行分类，区分电力线与其它点，并评估分类的性能。
7、进一步地，s1的具体步骤如下：
8、s11：无人机接收预先设定的目标位置；
9、s12：利用内置的导航系统飞往该位置，即电线杆所在的地点；
10、s13：到达目标地点后，无人机启动rgb摄像机和yolov4对电线杆进行详细的检测；
11、s14：检测完成后，无人机将收集到的数据和分析结果输出，形成一份检测报告。
12、进一步地，在s13中，对电线杆进行详细的检测包括电线杆的结构完整性、存在的缺陷损伤以及附着物。
13、进一步地，s2中，检测结果能够优化无人机的飞行控制器，无人机飞行控制器根据检测的数据，调整无人机的飞行路径和姿态，使其精确地对准电线杆的上方。
14、进一步地，s3中预处理的具体过程如下：
15、s11：基于扫描角度进行过滤，去除无人机路径两侧的非目标云点；
16、s12：采用基于体素的方法，减少点的数量，将每个单元内的点替换为最靠近单元中心的点；
17、s13：采用简单形态滤波算法对地形进行分类，分离出地面点与非地面点；
18、s14：通过统计离群值去除方法去除稀疏离群值。
19、进一步地，s13的具体步骤如下：
20、s131：对图像进行膨胀操作；
21、s132：对膨胀后的图像进行腐蚀操作；
22、s133：将膨胀后的图像减去腐蚀后的图像。
23、进一步地，s13的表达式如下：
24、
25、
26、
27、其中，a为原始图像；b为结构元素；为膨胀操作；为腐蚀操作；c为分离后的图像。
28、进一步地，s14的计算如下：
29、给定一个查询点q＝[xq，yq，zq]t和点云中的其它点pi＝[xq，yq，zq]t
30、
31、其中，d(q，pi)为查询点与其它点云之间的欧氏距离；
32、选择距离最近的k个点作为其k个最近邻点；
33、
34、
35、其中，μq为查询点的平均值；σq为查询点的标准偏差；di为第i个最近邻点到查询点的距离；k为最近邻点的总个数；
36、某个查询点对应的μq值在区间[μq-σ·σq，μq+σ·σq]之外，则这个点为离群值。
37、进一步地，s4中，分类的具体步骤如下：
38、s41：从预处理后的图像中提取特征；
39、s42：利用二值分类方法识别图像中的电线和其它点；
40、s43：对分类结果进行细化；
41、s44：采用5倍交叉验证的方法评估分类的性能。
42、进一步地，s134的表达式如下：
43、
44、
45、
46、
47、
48、其中，accuracy为准确度；precision为精确度；recall为召回率；specificity为特异度；f1为f1分数；tp为被正确地预测为电线的样本数，即真阳性；fp为被错误地预测为电线的样本数，即假阳性；tn为被正确地预测为其它点的样本数，即真阴性；fn为被错误地预测为其它点的样本数，即假阴性。
49、与现有技术相比，本发明具有以下有益效果：
50、本发明基于三维几何特征的减法方法，将问题简化为一个二元分类问题，即电线与其他点，通过逐步丢弃无关点来识别电力线，避免直接检测初始点云中的电线造成增加时间复杂度的问题，有助于快速准确地识别植被入侵，进而采取相应的措施，大大提高的检测性能。
1.一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s1的具体步骤如下：
3.根据权利要求1所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，在s13中，对电线杆进行详细的检测包括电线杆的结构完整性、存在的缺陷损伤以及附着物。
4.根据权利要求1所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s2中，检测结果能够优化无人机的飞行控制器，无人机飞行控制器根据检测的数据，调整无人机的飞行路径和姿态，使其精确地对准电线杆的上方。
5.根据权利要求1所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s3中预处理的具体过程如下：
6.根据权利要求5所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s13的具体步骤如下：
7.根据权利要求6所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s13的表达式如下：
8.根据权利要求5所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s14的计算如下：
9.根据权利要求1所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s4中，分类的具体步骤如下：
10.根据权利要求7所述的一种基于激光雷达的无人机电网植被入侵识别方法，其特征在于，s134的表达式如下：
