基于降维数据边界点曲率的变电站设备识别

摘要

为了对变电站三维仿真模型进行快速重建,针对变电站设备三维数据量过大,不能快速识别的问题,通过对设备的三维数据做降维处理,减少数据处理量,研究利用降维后的数据对设备进行快速精确识别的方法.通过分析降维数据点集的特征,笔者提出一种利用降维数据边界点曲率进行识别的方法,其中边界点提取采用基于Alpha Shapes原理的滚圆法,边界点的曲率通过点到弦的距离累积来计算,最后利用边界点的曲率来识别不同的设备.仿真实验表明,该识别方法简洁高效,大大降低了计算量,并且能够有效地识别不同设备.