This article proposes an automatic high-precision detection method for structure parameters of catenary cantilever devices (SPCCDs) using 3-D point cloud data. The steps of the proposed detection method are: 1) segmenting and recognizing the components of the catenary cantilever devices, 2) extracting the detection plane and backbone component axis of catenary cantilever devices, and 3) detecting the SPCCD. The effective segmentation of components is critical for structure parameter detection. A point cloud segmentation and recognition method based on three-dimensional convolutional neural networks (3-D CNNs) is introduced to determine the different components of the catenary cantilever devices. Compared with traditional unsupervised clustering procedures for point cloud segmentation, the proposed method can improve the segmentation accuracy, does not require complex tuning procedures of parameters, and improves robustness and stability. Additionally, the segmentation method defines a recognition function, facilitating the analysis of the structural relationship between objects. Furthermore, we proposed an improved projection random sample consensus (RANSAC) method, which can effectively divide the detection plane of catenary cantilever devices to solve the multicantilever device occlusion problem. With RANSAC, it is also possible to precisely extract the backbone component axis and enhance parameter detection accuracy. The experimental results show that the structure angle and steady arm slope’s error accuracy can achieve 0.1029° and 1.19%, respectively, which indicates the proposed approach can precisely detect the SPCCD.

中文翻译：

---

基于3D点云数据的悬链线悬臂装置结构参数高精度检测方法

本文提出了一种利用3-D点云数据自动高精度检测悬链线悬臂装置（SPCCDs）结构参数的方法。所提出的检测方法的步骤是：1）对悬链线悬臂装置的组件进行分割和识别，2）提取悬链线悬臂装置的检测平面和主干组件轴，以及3）检测SPCCD。组件的有效分割对于结构参数检测至关重要。介绍了一种基于三维卷积神经网络（3-D CNNs）的点云分割和识别方法来确定悬链线悬臂装置的不同组件。与用于点云分割的传统无监督聚类程序相比，所提出的方法可以提高分割精度，不需要复杂的参数调整程序，提高了鲁棒性和稳定性。此外，分割方法定义了识别函数，便于分析对象之间的结构关系。此外，我们提出了一种改进的投影随机样本一致性（RANSAC）方法，该方法可以有效地划分悬链线悬臂装置的检测平面，以解决多悬臂装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。并提高鲁棒性和稳定性。此外，分割方法定义了识别函数，便于分析对象之间的结构关系。此外，我们提出了一种改进的投影随机样本一致性（RANSAC）方法，该方法可以有效地划分悬链线悬臂装置的检测平面，以解决多悬臂装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。并提高鲁棒性和稳定性。此外，分割方法定义了识别函数，便于分析对象之间的结构关系。此外，我们提出了一种改进的投影随机样本一致性（RANSAC）方法，该方法可以有效地划分悬链线悬臂装置的检测平面，以解决多悬臂装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。便于分析对象之间的结构关系。此外，我们提出了一种改进的投影随机样本一致性（RANSAC）方法，该方法可以有效地划分悬链线悬臂装置的检测平面，以解决多悬臂装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。便于分析对象之间的结构关系。此外，我们提出了一种改进的投影随机样本一致性（RANSAC）方法，该方法可以有效地划分悬链线悬臂装置的检测平面，以解决多悬臂装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。可有效划分悬臂梁装置检测平面，解决多悬臂梁装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。可有效划分悬臂梁装置检测平面，解决多悬臂梁装置遮挡问题。使用RANSAC，还可以精确提取主干成分轴，提高参数检测精度。实验结果表明，结构角和稳定臂斜率的误差精度分别达到0.1029°和1.19%，表明该方法可以精确检测SPCCD。