(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110460476.3 (22)申请日 2021.04.27 (65)同一申请的已公布的文献号 申请公布号 CN 113139730 A (43)申请公布日 2021.07.20 (73)专利权人 浙江悦芯科技有限公司 地址 310012 浙江省杭州市古 荡街道文三 西路118号杭州电子商务大厦10 06室 (72)发明人 俞满祥　廖忠山　 (74)专利代理 机构 杭州信义达专利代理事务所 (普通合伙) 33305 代理人 陈继算 (51)Int.Cl. G06Q 10/06(2012.01) G06F 30/27(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06T 17/00(2006.01)G06T 5/50(2006.01) (56)对比文件 CN 1072040 37 A,2017.09.26 CN 112381929 A,2021.02.19 CN 10954 4675 A,2019.0 3.29 CN 111798402 A,2020.10.20 CN 10749 2147 A,2017.12.19 CN 112258491 A,2021.01.2 2 CN 108051837 A,2018.0 5.18 GB 07043 68 D0,20 07.04.11 Jia Chen等.3D shape model ing using a self-devel oped hand- held 3D laser scan ner and an ef ficient HT-ICP po int cloud registrati on algorithm. 《Optics & Laser Technology》 .2013, 高仁强等.融合无 人机LiDAR和高分辨 率光 学影像的点云 分类方法. 《南京信息 工程大学学 报(自然科 学版)》 .2018,(第01期), 审查员 陈敏 (54)发明名称 一种基于数字孪生模型的电力设备状态评 估方法及系统 (57)摘要 本发明属于数据融合领域， 具体涉及一种基 于数字孪生模型的电力设备状态评估方法及系 统， 包括： 获取待建模电力设备的点云影像、 光学 影像以及 多光普影像； 特征提取得到若干第一特 征点、 若干第二特征点、 若干第三特征点； 得到点 云影像、 光学影像、 多光普影像融合后的空间位 置模型； 将内部参数化模型及全息状态数据导入 空间位置模 型， 得到待建模电力设备的数字孪生 模型； 基于数字孪生模型对电力设备的状态进行 评估。 本发明将点云影像、 光学影像、 多光普影像 融合得到空间位置模型， 相比于点云影像与光学 影像融合得到空间位置模型， 记载的信息更多， 因此精准度更高。 权利要求书2页 说明书6页 附图2页 CN 113139730 B 2022.03.11 CN 113139730 B 1.一种基于数字 孪生模型的电力设备状态评估方法， 其特 征在于， 包括： 获取待建模电力设备的点云影 像、 光学影 像以及多光普影 像； 对点云影像进行特征提取得到若干第 一关键特征点； 对光学影像进行特征提取得到若 干第一关键特 征点； 对多光普影 像进行特征提取得到若干第一关键特 征点； 获取第一关键特征点与第 二关键特征点之间的匹配关系， 建立点云影像和光学影像之 间的映射关系， 根据映射关系对光学影像进 行重采样， 获得同点云影像相匹配的影像， 获取 第一关键特征点与第三关键特征点之 间的匹配关系， 建立点云影像和多光普影像之 间的映 射关系， 根据映射关系对多光普影像进 行重采样， 获得同点云影像相匹配的影像， 得到点云 影像、 光学影 像、 多光普影 像融合后的空间位置模型； 获取待建模电力设备的内部参数化模型及全息状态数据； 将内部参数化模型及全息状态数据导入空间位置模型， 得到待建模电力设备的数字孪 生模型； 基于数字 孪生模型对电力设备的状态进行评估。 2.根据权利要求1所述的一种基于数字孪生模型的电力设备状态评估方法， 其特征在 于， 利用Harris算子对点云影像进行特征提取得到若干第一关键特征点； 利用Harris算子 对光学影像进 行特征提取得到若干第一关键特征点； 利用Harr is算子对多光普影像进 行特 征提取得到若干第一关键特 征点。 3.根据权利要求1所述的一种基于数字孪生模型的电力设备状态评估方法， 其特征在 于， 所述获取第一关键特征点与第二关键特征点之间的匹配关系， 建立点云影像和 光学影 像之间的映射关系包括： 通过相关系数法对所述若干第 一关键特征点与若干第 一关键特征点进行匹配， 得到最 佳匹配点对及最佳匹配点对之间的对应关系； 根据最佳匹配点对之间的对应关系， 利用线性变换求解得到点云影像和光学影像之间 的映射关系。 4.根据权利要求1所述的一种基于数字孪生模型的电力设备状态评估方法， 其特征在 于， 所述获取第一关键特征点与第三关键特征点之间的匹配关系， 建立点云影像和多光普 影像之间的映射关系包括： 通过相关系数法对所述若干第 一关键特征点与若干第 一关键特征点进行匹配， 得到最 佳匹配点对及最佳匹配点对之间的对应关系； 根据最佳匹配点对之间的对应关系， 利用线性变换求解得到点云影像和多光普影像之 间的映射关系。 5.根据权利要求1所述的一种基于数字孪生模型的电力设备状态评估方法， 其特征在 于， 所述基于数字 孪生模型对电力设备的状态进行评估 包括： 基于电力设备的历史全息状态数据利用人工BP神经网络训练得到电力设备状态评估 模型； 从数字孪生模型实时获取电力设备的全息状态数据， 并导入电力设备状态评估模型， 输出电力设备状态评估结果。 6.一种基于数字 孪生模型的电力设备状态评估系统， 其特 征在于， 包括： 影像获取模块， 用于获取待建模电力设备的点云影 像、 光学影 像以及多光普影 像；权　利　要　求　书 1/2 页 2 CN 113139730 B 2特征提取模块， 用于对点云影像进行特征提取得到若干第一关键特征点； 对光学影像 进行特征提取得到若干第一关键特征点； 对多光普影像进 行特征提取得到若干第一关键特 征点； 空间位置模型建立模块， 用于获取第一关键特征点与第二关键特征点之间的匹配关 系， 建立点云影像和光学影像之 间的映射关系， 根据映射关系对光学影像进行重采样， 获得 同点云影像相匹配的影像， 获取第一关键特征点与第三关键特征点之间的匹配关系， 建立 点云影像和多光普影像之间的映射关系， 根据映射关系对多光普影像进行重采样， 获得同 点云影像相匹配的影 像， 得到点云影 像、 光学影 像、 多光普影 像融合后的空间位置模型； 数据获取模块， 用于获取待建模电力设备的内部参数化模型及全息状态数据； 数字孪生模型建立模块， 用于将内部参数化模型及全息状态数据导入空间位置模型， 得到待建模电力设备的数字 孪生模型； 状态评估 模块， 用于基于数字 孪生模型对电力设备的状态进行评估。 7.根据权利要求6所述的一种基于数字孪生模型的电力设备状态评估系统， 其特征在 于， 所述特征提取模块利用Harris算子对点云影像进行特征提取得到若干第一关键特征 点； 利用Harris算子对光学影像进行特征提取得到若干第一关键特征点； 利用Harris算子 对多光普影 像进行特征提取得到若干第一关键特 征点。 8.根据权利要求6所述的一种基于数字孪生模型的电力设备状态评估系统， 其特征在 于， 所述获取第一关键特征点与第二关键特征点之间的匹配关系， 建立点云影像和 光学影 像之间的映射关系包括： 通过相关系数法对所述若干第 一关键特征点与若干第 一关键特征点进行匹配， 得到最 佳匹配点对及最佳匹配点对之间的对应关系； 根据最佳匹配点对之间的对应关系， 利用线性变换求解得到点云影像和光学影像之间 的映射关系。 9.根据权利要求6所述的一种基于数字孪生模型的电力设备状态评估系统， 其特征在 于， 所述获取第一关键特征点与第三关键特征点之间的匹配关系， 建立点云影像和多光普 影像之间的映射关系包括： 通过相关系数法对所述若干第 一关键特征点与若干第 一关键特征点进行匹配， 得到最 佳匹配点对及最佳匹配点对之间的对应关系； 根据最佳匹配点对之间的对应关系， 利用线性变换求解得到点云影像和多光普影像之 间的映射关系。 10.根据权利要求6所述的一种基于数字孪生模型的电力设备状态评估系统， 其特征在 于， 所述状态评估 模块具体用于： 基于电力设备的历史全息状态数据利用人工BP神经网络训练得到电力设备状态评估 模型； 从数字孪生模型实时获取电力设备的全息状态数据， 并导入电力设备状态评估模型， 输出电力设备状态评估结果。权　利　要　求　书 2/2 页 3 CN 113139730 B 3