机载激光雷达点云数据输电线路弧垂模拟

弧垂是架空输电线路安全运行监测的重点。针对现有弧垂模拟精度不高等问题,提出了一种基于机载激光雷达点云数据的架空输电线弧垂模拟新方法,实现了静态点云数据到动态环境下导线空间形态模拟。首先利用静态点云数据重建输电线三维空间模型,然后结合状态方程提取弧垂模拟关键参数,最后根据弧垂模型方程,实现了不同气象条件下输电线弧垂三维空间形态模拟。通过设置4种典型气象条件组合开展弧垂模拟精度验证,结果表明:该方法模拟精度高,且不受档距、电力线材质等条件影响,可为复杂地理区域或特殊气象条件下的电力线运行安全评估与监测提供参考依据。     

基于激光点云的架空线路工况模拟研究与应用

通过激光雷达设备获取的输电线路通道高精度三维激光点云,可获取输电通道内地物的实时状态,对于通道环境的实时监测意义重大;但目前利用激光点云数据进行不同气象条件下导线弧垂状态模拟的研究仍较少.基于此,结合架空导线的力学分析、几何分析,详细阐述了利用激光点云数据进行工况模拟的原理与方法;选取某植被茂密区500 kV输电线路进...     

一种高压输电走廊机载激光点云分类方法

针对输电线路现有点云分类方法存在的分类效率较低及精度不高等问题,该文从高压输电走廊的地物分布特点出发,提出一种基于JointBoost的高压输电走廊点云分类方法。该方法将三维点云转换为二维影像并基于Hough变换在影像上检测输电走廊候选区域;对候选区域每个点定义并计算多尺度局部特征向量,包括高程特征、连通特征、张量特征和平面特征;根据多尺度局部特征用JointBoost分类器将待分类点云分为地面、植被、电力线和电力塔4类。实验数据表明,该方法能有效地减少高压输电走廊的点云处理数量,提高分类效率,且选取的多尺度特征能有效地表达输电走廊内地物的分布特点,具有较高的分类精度。     

激光雷达在输电线路巡检中的关键技术及应用

介绍了激光雷达在输电线路巡检中的关键技术,总结了点云精细分类和三维重建的方法并探讨了未来研究方向,归纳了激光雷达在线路巡检中的具体应用,可为相关行业提供参考.     

电力巡线中机载激光点云数据处理的关键技术

介绍了机载激光雷达技术在电力巡线中的具体应用,探讨了巡线应用中点云数据处理的关键技术以及输电线路走廊点云分类和本体三维重建技术的研究进展。构建基于电力巡线需求的机载点云处理流程,能提高点云处理算法和三维建模的自动化程度,是机载激光雷达技术在电力巡线应用中发挥其重要作用的保证。     

采用集成策略的电力线路机载LiDAR点云滤波

针对单一机载激光雷达点云滤波方法局限性较多的问题,该文在分析了多种常用LiDAR点云滤波算法的基础上,提出了适合复杂电力线路场景的点云滤波方法.该方法将布料模拟方法的地面种子点识别、与渐进加密三角网滤波方法的迭代的地面点判别重新进行了组合.并且,在布料模拟方法的地面种子点识别阶段,进行了两个改进:增加了多尺度、多方向的...     

利用机载激光点云数据生产DEM的关键技术分析

着重分析了利用机载激光点云数据提取DEM的关键技术：预处理、点云滤波与分类、高精度DEM制作与质量评价技术;建立了基于机载激光点云的DEM生产技术流程,并将其应用于宁波市地理国情普查市情专项——高精度地表模型制作项目中;构建了宁波市建成区规则格网1：2000比例尺的高精度DEM模型,为宁波市地理国情普查提供了数据基础。     

机载激光点云中电力线的自动提取与重建

针对传统电力线点云自动提取方法在抗差性、准确性上的不足,文中从输电线路走廊中不同地物点云的空间特征差异出发,提出一种新的基于激光点云的电力线自动提取与重建方法.此算法利用栅格化处理和拟合残差判别提取电力线候选点云,通过双重K-means算法实现电力线重建.利用4组实际输电线路点云进行可行性试验.试验结果表明,方法对电力...     

机载LiDAR测深点云滤波与分类方法研究EI北大核心CSCD

机载LiDAR测深(airborne LiDAR bathymetry,ALB)技术在海岸带、海岛礁等复杂浅水海域的水下地形测量中具有效率高、精度高、机动性强等优势,但受复杂海面、水体环境等多种因素的综合影响,ALB点云中存在大量噪点,直接影响ALB数据成果质量及其应用。为此,论文针对海面异常点导致的海底虚假地形、海底点云过度滤波导致的真实地形细节损失以及如何深度挖掘ALB信息进行高效底质分类问题,分别从海面异常点检测、海底点云滤波和海底点云分类3个方面进行了详细研究。     

无人机输电线路测量点云自动分类与快速巡检

本文基于无人机激光点云数据进行输电线路特征对象的分类提取与快速巡检,首先对多无人机平台通过空中测量的手段获取得到的数据进行了对比分析,然后针对固定翼无人机激光点云数据进行杆塔、导线、植被和地面的自动分类与提取,并进行导线修复,最后得到当前工况安全距离检测报告.结果 表明,固定翼无人机激光雷达系统一方面可以进行输电线路快...     

无人机机载三维激光点云数据在电力线路规划设计中的应用

首先介绍了利用无人机搭载三维激光雷达获取三维激光点云数据的软硬件设备,详细阐述了利用无人机获取三维激光点云数据的外业具体流程、激光点云数据内业处理关键技术和流程,随后结合具体的线路工程,利用无人机搭载三维激光雷达获取了整条线路的点云数据并进行了内业点云解算,通过GPS和全站仪实测特征点的三维坐标并与点云中对应点的三维坐标比较,统计了三维激光点云数据的平面精度和高程精度。事实证明,三维激光点云数据的精度可满足输电线路规划设计的要求,因此,无人机机载三维激光点云数据在电力规划设计中的应用具有可行性。     

架空输电线路机载激光雷达点云电力线三维重建

电力线三维重建是机载激光雷达(LiDAR)电力巡线的一项重要任务之一。本文提出了一种基于架空输电线走廊机载LiDAR点云的电力线三维重建方法。首先,基于电塔LiDAR点和初始线路轨迹数据提取精确的电塔位置、电塔数量、线路轨迹、总档数等信息;然后,将线路分档,并确定每一档的二维空间范围和相应的电力线LiDAR点云;接着,分别对每一档的电力线LiDAR点云进行中心化投影,并利用k-means聚类将每一个电力线LiDAR点划分到相应的根;最后,利用直线和抛物线相结合的模型进行单档单根电力导线三维重建。两景试验表明,本文方法可以实现自动、高精度、正确的重建长距离架空输电线走廊电力线三维模型,重建过程中具有对电力线数目、空间配置结构、类型、粗差点、档距长度、点云不规则断裂等因素不敏感的优势。     

机载激光点云与影像数据融合方法的研究

影像信息可以反映综合地表纹理、光谱信息及空间属性信息。结合高分辨率的影像信息,机载激光点云数据即可成为获取DEM及地形特征的良好数据源。讨论了数据融合的两种方式,结果表明,基于多元数据拥有丰富的物方信息,其融合数据在DEM过滤及特征提取方面有优势。     

利用PCA-BP算法进行激光点云分类方法研究北大核心CSCD

在阐述现有激光点云分类技术的基础上,为满足高精度、高速度、高可靠性、自动化的数据处理要求,着重研究了基于主成分分析(PCA)和BP神经网络的激光点云分类方法,并通过真实激光扫描数据进行试验,将建筑物和树叶有效分类,达到了预期效果。     

点云场景认知模式——泛化点云EI北大核心CSCD

随着传感器技术和观测平台的迅速发展,点云大数据作为新型遥感的主要数据形式,已经逐渐成为场景感知的重要信息载体,并在地质灾害态势感知、自然资源定量调查和道路交通安全服务等国家重大战略需求中发挥了越来越显著的作用。与此同时,点云观测装备和国家重大战略需求的双重驱动促使空间场景从感知迈向了认知,也对认知处理的算法和算力提出了新的要求。为此,本文以点云场景认知的基本框架为线索,分析了多源点云耦合观测的研究现状,总结了点云场景认知处理的关键进展及其在国家重大战略需求中的典型应用,并凝练了点云场景认知当前面临的主要问题。在此基础上,本文聚焦点云场景认知的前沿挑战,避开传统欧氏空间而转到高维张量流形空间进行点云数据处理,提出了“泛化点云”的科学概念和技术框架,为突破点云场景认知处理的算法和算力提供研究思路。     

基于Superpoint Graphs模型的输电线路点云自动分割方法

构建了大范围的复杂室外场景点云的处理数据集,以SuperpointGraphs模型为基础对室外大场景下的激光点云进行处理,以输电线路为主体,对三维点云数据实现了分类分割。     

机载激光点云中高压电塔自动识别方法

提出了一种基于格网特征的机载激光点云高压电塔自动识别方法。首先对机载激光点云数据进行滤波去噪处理;然后对点云数据进行规则格网化特征分析获得高压电塔粗识别区域;最后对粗识别区域进行外接邻域网格线性特征悬空点集检测以确定电塔识别结果,并以分层切片法分析获取电塔平面中心坐标。采用大型无人机实际线路巡检获取的机载点云数据对本文算法进行验证,试验结果表明本算法可实现高压电塔的快速自动识别,对无人机电力巡检智能诊断具有一定的促进作用。     

机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度＞30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。     

机载LiDAR点云密度与DEM产品精度关系研究

对点云密度与数字高程模型(digital elevation mo-del,DEM)产品质量之间的对应关系进行研究,以获得具有指导意义的参数.首先依据香农采样定理,对生产不同比例尺DEM产品所需要的点云密度进行理论推导和论证,然后以1:2000、1:1000、1:500比例尺DEM数据为例,用平地、丘陵、山区3种地形数...     

基于点的多尺度形态学重建滤波方法EI北大核心CSCD

针对现有机载激光雷达(LiDAR)点云滤波算法难以准确分离复杂地形中地面点与地物点问题,提出了一种基于点的多尺度形态学重建滤波方法 PMMF (Point-based Multi-scale Morphological reconstruction Filter)。在初始尺度层次下,PMMF通过构建一种基于点的形态学重建对原始点云滤波,即先在掩膜点云约束下借助k邻域结构元素和高程缓冲区反复膨胀标记点云,获取潜在地面点;然后通过自适应坡度方法剔除潜在地面点中的非地面点,其中,坡度阈值随地形复杂度自适应变化。在上层滤波结果基础上,PMMF通过提升种子点选择的网格尺度重复上层滤波过程,直至结果收敛。以国际摄影测量与遥感学会(ISPRS)发布的15组基准数据为研究对象,将PMMF滤波结果与近5年(2016年—2020年)提出的15种滤波算法比较表明,PMMF有8组数据滤波效果占优,15组数据平均总误差和Kappa系数分别为2.71%和91.08%。使用4种不同地形特征的高密度机载LiDAR点云数据进一步验证PMMF的滤波效果,并将计算结果与简单形态学滤波(SMRF)、布料模拟滤波(CSF)、渐进加密三角网滤波(PTD)和多分辨率层次滤波(MHF)比较。结果表明,PMMF滤波性能最优,平均总误差为3.24%,较其他4种滤波方法分别减小了12.0%、59.1%、70.1%和53.2%。