一种基于植物生长模型的树障隐患预测方法

摘要

本发明公开一种基于植物生长模型的树障隐患预测方法，其中，所述基于植物生长模型的树障隐患预测方法包括步骤：获取当前输电线路的激光点云，并从激光点云中提取电力线点云和植被点云；对植被点云进行分档，并基于理查德植物生长方程生成分档后的植被点云的植被隐患点云；构造所述电力线点云对应的电力线矢量，并计算植被隐患点云的三维凸包；若三维凸包中的树木凸包点与电力线矢量之间的物理距离小于安全阈值，则确定树木凸包点为植被隐患点，由于植被隐患点云为输电线路周围当前植被生长后对应的点云，所以本发明可以预测未来植被的生长是否影响输电线路的正常运行。

说明书

技术领域

本发明涉及电线巡检领域，尤其涉及一种基于植物生长模型的树障隐患预测方法、装置、设备及计算机可读存储介质。

背景技术

输电线走廊内成长的树木对输电线路能够造成很大的影响和危害，例如短路、线路跳闸、线路停电，甚至产生变电所全所失压，树木已经成为影响输电线路安全运行的重大障碍，即树障。目前能够做到对现有的树障进行排查，但是随着树木的生长，会形成新的树障，现有技术还无法探知潜在的树障，也就是无法预测树障隐患。

发明内容

本发明的主要目的在于提出一种基于植物生长模型的树障隐患预测方法、装置、设备及计算机可读存储介质，旨在实现树障隐患的预测。基于植物生长模型的树障隐患预测方法包括以下步骤：

获取当前输电线路的激光点云，并从所述激光点云中提取电力线点云和植被点云；

对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云；

构造所述电力线点云对应的电力线矢量，并计算所述植被隐患点云的三维凸包；

若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述树木凸包点为植被隐患点。

可选地，所述从所述激光点云中提取电力线点云和植被点云的步骤包括：

利用布料滤波算法过滤所述激光点云中的地面点，得到第一待处理点云；

从所述第一待处理点云中提取电力线点云和植被点云。

可选地，所述从所述第一待处理点云中提取电力线点云和植被点云的步骤包括：

基于点云间倾斜角度平均值的滤波算法提取所述第一待处理点云中的电力线点云，并得到第二待处理点云；

依据输电线路中杆塔的实际位置坐标，搜索所述第二待处理点云中的杆塔点，并提取所述杆塔点，得到第三待处理点云；

去除所述第三待处理点云的噪声点，得到植被点云。

可选地，所述对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云的步骤包括：

根据所述电力线点云的端点对所述植被点云进行分档，搜索分档后的所述植被点云中的目标点位置，基于所述目标点位置筛选出所述植被点云中与所述目标点位置对应的完整树木点云；

通过理查德植物生长方程预测所述完整树木点云所对应植被的生长情况，确定所述完整树木点云中构成树障的植被隐患点云。

可选地，所述通过理查德植物生长方程预测所述完整树木点云所对应植被的生长情况，确定所述树木点云中构成树障的植被隐患点云的步骤包括：

联立理查德植物生长方程与所述植被的高度高程散点图对应的回归方程，计算所述理查德植物生长方程中的参数；

根据所述参数计算所述植被的未来生长高度，将所述未来生长高度添加到所述完整树木点云的高程上，得到构成树障的植被隐患点云。

可选地，所述构造所述电力线点云对应的电力线矢量，并计算所述植被隐患点云的三维凸包的步骤包括：

根据所述杆塔点对所述电力线点云进行分档，并对分档后的所述电力线点云进行分条，得到单条电力线点云；

利用直线拟合和曲线拟合构造所述单条电力线点云对应的电力线矢量；

将所述杆塔点之间的植被隐患点云作为块状整体，对所述块状整体进行分段；

利用增量法计算每段所述块状整体的三维凸包。

可选地，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，

所述若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述植被点为植被隐患点的步骤包括：

若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述树木凸包点为植被隐患点。

此外，为实现上述目的，本发明还提供一种基于植物生长模型的树障隐患预测装置，所述基于植物生长模型的树障隐患预测装置包括：

获取模块，用于获取获取当前输电线路的激光点云；

提取模块，用于从所述激光点云中提取电力线点云和植被点云；

分档生成模块，用于对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云；

构造模块，用于构造所述电力线点云对应的电力线矢量；

计算模块，用于计算所述植被隐患点云的三维凸包；

确定模块，用于若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述树木凸包点为植被隐患点。

此外，为实现上述目的，本发明还提供一种基于植物生长模型的树障隐患预测设备，所述基于植物生长模型的树障隐患预测设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于植物生长模型的树障隐患预测程序，所述基于植物生长模型的树障隐患预测程序被所述处理器执行时实现如上所述的基于植物生长模型的树障隐患预测方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有所述基于植物生长模型的树障隐患预测程序，所述基于植物生长模型的树障隐患预测程序被处理器执行时实现如上所述的基于植物生长模型的树障隐患预测方法的步骤。

附图说明

图1为实现本发明各个实施例一种设备的硬件结构示意图；

图2为本发明基于植物生长模型的树障隐患预测方法第一实施例的流程示意图；

图3为本发明布料格网示意图；

图4为本发明电力线点云中两点与距离关系的三维坐标示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供了一种基于植物生长模型的树障隐患预测设备，参照图1，图1是本发明实施例方案涉及的硬件运行环境的结构示意图。

需要说明的是，图1即可为基于植物生长模型的树障隐患预测设备的硬件运行环境的结构示意图。本发明实施例基于植物生长模型的树障隐患预测设备可以是PC(Personal Computer，个人电脑)，便携计算机，服务器等设备。

如图1所示，该基于植物生长模型的树障隐患预测设备可以包括：处理器1001，例如CPU，存储器1005，用户接口1003，网络接口1004，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，基于植物生长模型的树障隐患预测设备还可以包括RF(RadioFrequency，射频)电路，传感器、WiFi模块等等。

本领域技术人员可以理解，图1中示出的基于植物生长模型的树障隐患预测设备结构并不构成基于植物生长模型的树障隐患预测设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机存储可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于植物生长模型的树障隐患预测程序。其中，操作系统是管理和控制基于植物生长模型的树障隐患预测设备硬件和软件资源的程序，支持基于植物生长模型的树障隐患预测程序以及其它软件或程序的运行。

图1所示的基于植物生长模型的树障隐患预测设备，可用于实现输电线路的树障隐患的预测，用户接口1003主要用于侦测或者输出各种信息，如输入搜索指令和输出树障隐患信息等；网络接口1004主要用于与后台服务器交互，进行通信；处理器1001可以用于调用存储器1005中存储的基于植物生长模型的树障隐患预测程序，并执行以下操作：

获取当前输电线路的激光点云，并从所述激光点云中提取电力线点云和植被点云；

对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云；

构造所述电力线点云对应的电力线矢量，并计算所述植被隐患点云的三维凸包；

若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述树木凸包点为植被隐患点。

进一步地，所述从所述激光点云中提取电力线点云和植被点云的步骤包括：

利用布料滤波算法过滤所述激光点云中的地面点，得到第一待处理点云；

从所述第一待处理点云中提取电力线点云和植被点云。

进一步地，所述从所述第一待处理点云中提取电力线点云和植被点云的步骤包括：

基于点云间倾斜角度平均值的滤波算法提取所述第一待处理点云中的电力线点云，并得到第二待处理点云；

依据输电线路中杆塔的实际位置坐标，搜索所述第二待处理点云中的杆塔点，并提取所述杆塔点，得到第三待处理点云；

去除所述第三待处理点云的噪声点，得到植被点云。

进一步地，所述对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云的步骤包括：

根据所述电力线点云的端点对所述植被点云进行分档，搜索分档后的所述植被点云中的目标点位置，基于所述目标点位置筛选出所述植被点云中与所述目标点位置对应的完整树木点云；

通过理查德植物生长方程预测所述完整树木点云所对应植被的生长情况，确定所述完整树木点云中构成树障的植被隐患点云。

进一步地，所述通过理查德植物生长方程预测所述完整树木点云所对应植被的生长情况，确定所述树木点云中构成树障的植被隐患点云的步骤包括：

联立理查德植物生长方程与所述植被的高度高程散点图对应的回归方程，计算所述理查德植物生长方程中的参数；

根据所述参数计算所述植被的未来生长高度，将所述未来生长高度添加到所述完整树木点云的高程上，得到构成树障的植被隐患点云。

进一步地，所述构造所述电力线点云对应的电力线矢量，并计算所述植被隐患点云的三维凸包的步骤包括：

根据所述杆塔点对所述电力线点云进行分档，并对分档后的所述电力线点云进行分条，得到单条电力线点云；

利用直线拟合和曲线拟合构造所述单条电力线点云对应的电力线矢量；

将所述杆塔点之间的植被隐患点云作为块状整体，对所述块状整体进行分段；

利用增量法计算每段所述块状整体的三维凸包。

进一步地，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，

所述若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述植被点为植被隐患点的步骤包括：

若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述树木凸包点为植被隐患点。

本发明通过获取当前输电线路的激光点云，从激光点云中提取电力线点云和植被点云，对植被点云进行分档，并基于理查德植物生长方程生成分档后的植被点云的植被隐患点云，构造电力线点云的电力线矢量，计算植被隐患点云的三维凸包，当三维凸包中的树木凸包点与电力线矢量之间的物理距离小于安全阈值时，确定该树木凸包点为植被隐患点，由于植被隐患点云为输电线路周围当前植被生长后对应的点云，所以本实施例可以预测未来植被的生长是否影响输电线路的正常运行。

本发明移动终端具体实施方式与下述基于植物生长模型的树障隐患预测方法各实施例基本相同，在此不再赘述。

基于上述结构，提出本发明基于植物生长模型的树障隐患预测方法的各个实施例。

本发明提供一种基于植物生长模型的树障隐患预测方法。

参照图2，图2为本发明基于植物生长模型的树障隐患预测方法第一实施例的流程示意图。

在本实施例中，提供了基于植物生长模型的树障隐患预测方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

在本实施例中，基于植物生长模型的树障隐患预测方法包括：

步骤S10，获取当前输电线路的激光点云，并从所述激光点云中提取电力线点云和植被点云；

随着国民生活生产用电需求日益增大，输电线路规模日益庞大，为经济发展、社会进步和国家建设做出了重要贡献，最容易引发输电线路安全隐患的因素为植被中的各种树木的生长，对树障的预测可以有效的避免输电线路的安全受到树木的影响。

激光点云可以反映输电线路及输电线路周围的情况，当前输电线路的激光点云通过无人机飞行器技术获得，无人机飞行器为无人机多传感器电力巡检系统，可搭载可见光倾斜摄像机、可见光相机、紫外扫描仪、红外热像仪及三维激光扫描仪等多种仪器，能够获取输电线路走廊附近地形地物的高精度高密度三维空间信息，具有巡检效率和数据质量高、数据采集成本低、巡检风险小等十分显著的优点。可以理解，激光点云携带有拍摄地的电力线信息、植被信息，地面信息，杆塔信息等，电力线信息、植被信息、地面信息和杆塔信息以激光点云中的电力线点云、植被点云、地面点云和杆塔点云表示。

对输电线路树障的预测主要体现在植被的生长是否阻碍电力线的正常运行，因此需要提取激光点云中的电力线点云和植被点云，对电力线点云和植被点云的处理可以实现预测树障隐患。

步骤S20，对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云；

植被点云为输电线路周围实际的植被对应的点云，植被隐患点云是根据植被点云预测植被的未来生长情况生成的点云，也就是说植被隐患点云表示的是未来植被对应的点云。根据每档电力线点云的端点对植被点云进行分档，再基于理查德植物生长方程获得每档植被点云的植被隐患点云。

步骤S30，构造所述电力线点云对应的电力线矢量，并计算所述植被隐患点云的三维凸包；

具体的，所述构造所述电力线点云对应的电力线矢量，包括：

步骤a，根据所述杆塔点对所述电力线点云进行分档，并对分档后的所述电力线点云进行分条，得到单条电力线点云；

步骤b，利用直线拟合和曲线拟合构造所述单条电力线点云对应的电力线矢量；

以杆塔点为一档对电力线点云进行分档，根据相邻两杆塔点之间的电力线点云在水平面上的投影呈直线，且彼此平行的特征对各档电力线点云进行分条提取，具体的，以电力线点云的水平投影直线间的最短距离的2/5为直线拟合的距离阈值，通过RANSAC直线拟合方法得到电力线电云的投影直线并将该直线上的点还原为三维坐标，得到呈现条状的电力线点云，即单条电力线点云，循环拟合直到该档内所有单条电力线点云提取完成。

本实施例采用直线模型结合抛物线模型对单条电力线点云进行三维重建，得到电力线矢量，具体的重建过程为：直线拟合时先将各单条电力线点云投影到XY平面上，求出单条电力线点云x坐标的最小值x

具体的，所述检测所述植被点云的植被凸包，包括：

步骤c，将所述杆塔点之间的植被隐患点云作为块状整体，对所述块状整体进行分段；

步骤d，利用增量法计算每段所述块状整体的三维凸包。

对植被隐患点云进行分块，具体地将杆塔点之间的植被隐患点云作为一个块状整体，再对每个块状整体进行分段，得到段状的植被隐患点云，利用增量法计算每段植被隐患点云的三维凸包。

由于对相邻杆塔点之间均具有一档电力线点云和一个块状的植被隐患点云(可以理解，块状整体即为块状的植被隐患点云)，所以每档电力线点云均对应一个块状的植被隐患点云，一个块状的植被隐患点云被分割成多段，得到多段的植被隐患点云，计算每段植被隐患点云的三维凸包，所以每档电力线点云可对应多个三维凸包。

步骤S40，若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述树木凸包点为植被隐患点。

进一步地，所述物理距离包括水平距离，垂直距离和净空距离，所述安全阈值包括第一安全阈值，第二安全阈值和第三安全阈值，所述步骤S40包括：

步骤e，若所述水平距离小于所述第一安全阈值，所述垂直距离小于所述第二安全阈值，且所述净空距离小于所述第三安全阈值，则确定所述树木凸包点为植被隐患点。

第一安全阈值、第二安全阈值以及第三安全阈值根据输电线路等级和国家规定的安全距离设定。树木凸包点为三维凸包中每当电力线所在剖面上的植被点，计算植被凸包点与电力线矢量的水平距离、垂直距离和净空距离，当植被凸包点与电力线矢量之间的水平距离小于第一安全阈值，垂直距离小于第二安全距离，并且净空距离小于第三安距离，将该植被点确定为植被隐患点，并做上标记。

本实施例通过获取当前输电线路的激光点云，从激光点云中提取电力线点云和植被点云，对植被点云进行分档，并基于理查德植物生长方程生成分档后的植被点云的植被隐患点云，构造电力线点云的电力线矢量，计算植被隐患点云的三维凸包，当三维凸包中的树木凸包点与电力线矢量之间的物理距离小于安全阈值时，确定该树木凸包点为植被隐患点，由于植被隐患点云为输电线路周围当前植被生长后对应的点云，所以本实施例可以预测未来植被的生长是否影响输电线路的正常运行。

进一步地，提出本发明基于植物生长模型的树障隐患预测方法的第二实施例。基于植物生长模型的树障隐患预测方法的第二实施例与基于植物生长模型的树障隐患预测的第一实施例的区别在于，所述从所述激光点云中提取电力线点云和植被点云的步骤包括：

步骤f，利用布料滤波算法过滤所述激光点云中的地面点，得到第一待处理点云；

步骤g，从所述第一待处理点云中提取电力线点云和植被点云。

地面点云反映的是地面的信息，与树障隐患的预测无关，所以为了减少处理激光点云中点的数量，首先滤除激光点云中的地面点云。

根据现有的布料滤波算法过滤输电线路激光点云中的地面点，即将激光点云中地面点云滤除，得到第一待处理点云，再从第一待处理点云中提取电力线点云和植被电云。布料滤波算法是一种模拟布料的计算机图形算法，该算法首先将输电线路激光点云的数据倒置，然后假设一块虚拟的刚性布料在自身重力作用下覆盖在倒置的激光点云数据表面，确定布料节点的位置以生成近似的地表形状，最后通过比较未倒置的激光点云与布料曲面之间的距离，从激光点云中提取地面点。布料格网由大量相互联系的节点构成，当布料格网足够精细时，布料的节点可以近似表达输电线路的数字地形模型。布料滤波算法可以适用于平坦地区、丘陵和山地多种场景下的地形模拟，该算法中可调参数有：布料格网分辨率、迭代次数和距离阈值，其中布料格网分辨率一般设置为3～5倍地面点的间距，避免布料格网太粗导致地面点过滤不完整，图3为布料格网示意图。迭代次数用于终止算法迭代过程，一般默认设置为500。最后根据布料格网分辨率和输电线路实际地形设置倒置点云数据与布料格网的距离阈值，将离布料格网距离小于距离阈值的点判定为地面点，滤除该地面点，即可滤除地面点云，未滤除的点云为第一待处理点云。

进一步地，步骤g还包括：

步骤g1，基于点云间倾斜角度平均值的滤波算法提取所述第一待处理点云中的电力线点云，并得到第二待处理点云；

步骤g2，依据输电线路中杆塔的实际位置坐标，搜索所述第二待处理点云中的杆塔点，并提取所述杆塔点，得到第三待处理点云；

步骤g3，去除所述第三待处理点云的噪声点，得到植被点云。

电力线点在小范围内高程变化具有小于植被点和杆塔点的特征，因此对第一待处理点云中的非电力点(植被点和杆塔点)，可采用基于点云间倾斜角度平均值的滤波算法进行过滤，该算法原理如下：遍历第一待处理点云，将第一待处理点云中的每个点视为搜索点，每个搜索点给定搜索半径r进行KdTree搜索，计算搜索半径区域内其他点到搜索点的倾斜角度的平均值，倾斜角度平均值小于阈值β的搜索点视为电力线点，否则视为非电力线点，提取电力线点，即可得到电力线点云。两点间的倾斜角度和距离关系如图4所示，点P

根据已知的输电线路中杆塔的实际位置坐标，通过基于KdTree的范围搜索方法从第二待处理点云中提取杆塔点，得到第三待处理点云，可以理解第三待处理点云中的杆塔点也被明确的标记出。以已知的杆塔的实际位置坐标为搜索中心从第二待处理点云中搜索杆塔点，搜索半径为该输电线路中杆塔的最大半径。

去除第三待处理电云中的噪声点，去除方法为研究人员输入去噪指令，获取去噪指令中的噪声点位置，去除第三待处理点云中噪声点位置对应的点，得到植被点云。

本实例从滤除地面点的激光电云中分步提取电力线点云、杆塔点和植被点云，相当于对激光点云进行分类，将激光点云分成地面点云、电力线点云、杆塔点、植被点云和噪声点，滤除地面点云和噪声点，分别标记电力线点云、杆塔点和植被点云，减少了计算量，提高了后续树障隐患预测的效率。

本发明基于植物生长模型的树障隐患预测方法的第三实施例。基于植物生长模型的树障隐患预测方法的第三实施例与基于植物生长模型的树障隐患预测方法的第一实施例、第二实施例的区别在于，所述步骤S20包括：

步骤h，根据所述电力线点云的端点对所述植被点云进行分档，搜索分档后的所述植被点云中的目标点位置，基于所述目标点位置筛选出所述植被点云中与所述目标点位置对应的完整树木点云；

步骤i，通过理查德植物生长方程预测所述完整树木点云所对应植被的生长情况，确定所述完整树木点云中构成树障的植被隐患点云。

根据每档电力线点云的端点对植被点云进行分档，基于电力线矢量，以国家规定的输电线路等级对应的安全距离加上5至10米为搜索半径，在分档后的植被点云中进行搜索，将搜索范围内的点视为目标点，确定目标点位置，可以理解的是，搜索到的目标点仅为一个树木的上半部分点，若要筛选出整颗树木的完整点云，即完整树木点云，还需研究人员判断与目标点属于同一颗树木的点，并输入筛选指令，根据筛选指令中点的位置信息，筛选出完整树木点云。

为了科学合理地预测一定时间内输电线路的树障隐患情况，提高树障检测效率和防患于未然，因此需要建立预测树木生长的数学模型，进而筛选出一定期限后可能形成树障的树木，给出树障隐患预测信息。本专利中采用理查德植物生长方程为数学模型预测树木生长情况，确定完整树木电云中在未来一定时间内构成树障的植被隐患点云，

进一步地，步骤i还包括：

步骤i1，联立理查德植物生长方程与所述植被的高度高程散点图对应的回归方程，计算所述理查德植物生长方程中的参数；

步骤i2，根据所述参数计算所述植被的未来生长高度，将所述未来生长高度添加到所述完整树木点云的高程上，得到构成树障的植被隐患点云。

理查德植物生长方程为y＝a(1-e

1)对完整树木点云对应的植被(桉树、松树、竹子等)按照树龄分若干组进行测量。

2)用树龄和观测到的树木高度画出高度高程散点图，根据高度高程散点图画出趋势线。

3)通过趋势线获取回归方程，联立回归方程与理查德植物生长方程即可获得理查德植物生长方程中的各项参数值。

根据计算得到的参数值预测各类植被在一定时间的生长高度，即未来生长高度，将未来生长高度添加到完整树木点云的高程上，生成完整树木点云中构成树障的潜在的植被隐患点云。

由于完整树木点云对应的植被离输电线路较近，所以存在构成树障的可能，仅从完整树木点云中获取植被隐患点云相较于从植被点云中获取大大减少了计算量，通过理查德植物生长方程建立树木生长预测模型，获取未来一定时间内构成树障的植被隐患点云，提高了树障预测的精确度。

此外，本发明实施例还提出一种基于植物生长模型的树障隐患预测装置，所述基于植物生长模型的树障隐患预测装置包括：

获取模块，用于获取获取当前输电线路的激光点云；

提取模块，用于从所述激光点云中提取电力线点云和植被点云；

分档生成模块，用于对所述植被点云进行分档，并基于理查德植物生长方程生成分档后的所述植被点云的植被隐患点云；

构造模块，用于构造所述电力线点云对应的电力线矢量；

计算模块，用于计算所述植被隐患点云的三维凸包；

确定模块，用于若所述三维凸包中的树木凸包点与所述电力线矢量之间的物理距离小于安全阈值，则确定所述树木凸包点为植被隐患点。

本发明所述基于植物生长模型的树障隐患预测装置实施方式与上述基于植物生长模型的树障隐患预测各实施例基本相同，在此不再赘述。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有基于植物生长模型的树障隐患预测程序，所述基于植物生长模型的树障隐患预测程序被处理器执行时实现如上所述的基于植物生长模型的树障隐患预测方法的各个步骤。

需要说明的是，计算机可读存储介质可设置在基于植物生长模型的树障隐患预测设备中。

本发明计算机可读存储介质具体实施方式与上述基于植物生长模型的树障隐患预测方法各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者设备中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。