LiDAR点云数据的电力线3维重建

利用LiDAR数据进行电力设施提取与建模可以克服传统工程测量电力巡线工作量大,危险性高,效率低下等缺点,但现有的电力线提取研究主要集中在电力线的分离与提取,并且拟合的精度不高。针对此问题本文提出了一种精度较高的电力线拟合方法。首先,根据电力线两端悬挂、中间自然下垂的特点,求解电力线拟合的最佳几何模型;然后,通过电力线的走向和端点,建立电力线拟合的最佳平面坐标系;最后,采用基于二次多项式限制的最小二乘法拟合电力线,解算出最优参数,生成最终电力线模型。对真实数据的处理和精度评价表明,本文方法不仅能够实现电力线的快速3维重建,而且能够达到较高的拟合精度。     

分层随机抽样的单档电力线LiDAR点云聚类方法

针对基于直升机激光雷达(LiDAR)测量技术的电力巡线对全自动电力线三维重建的迫切需求,该文提出了一种基于分层随机抽样和电力线三维重建数学模型约束的单档电力线LiDAR点云聚类方法。其中,利用了直线段和悬链线段相结合的电力线三维数学模型描述了现实三维场景中的电力线形态,并以此约束点云分层随机抽样的结果。聚类过程中,首先进行数据预处理和分段组织;接着进行标号。实验表明,该文的聚类方法具有对电力线根数、电力线类型、电力线空间构型、长度、两端电塔高差、点云不规则断裂、粗差等因素不敏感的优势。     

基于LSD算法的无人机影像电力线提取方法

根据无人机影像电力线的特征,利用LSD算法实现了电力线的自动提取。首先使用各向同性的Sobel算子对特征区域进行图像增强,再使用LSD算法进行线段提取,然后通过线段合并和线段拟合过滤线段集合,最后使用K均值算法进行聚类,筛选得到最终电力线结果。采用多种地物背景下的电力线影像进行实验,结果表明,该方法能提取完整的电力线,稳健性强,对电力巡线具有较大的实际意义。     

机载激光点云数据中电力线自动提取方法

提出了一种从机载激光点云数据中自动提取电力线的方法。首先利用顾及地形起伏特征的机载激光点云自动滤波方法移除地面点,利用维数特征以及方向特征自非地面点中分割获得电力线激光点云;然后对获取的电力线点采用二维霍夫变换和最小二乘拟合的方法求取每条电力线的中心线方程,根据中心线方程求取每条电力线上的激光点完成单电力线目标提取,并考虑了电力线在水平投影面内重叠时的情况;最后根据分块质心解算方法生成每条电力线上的三维节点,输出电力线矢量。采用实际线路巡检实验采集的机载激光点云数据进行实验,实验结果表明,该方法能从机载激光点云数据中提取出完整的电力线,并具有较好的鲁棒性,对电力巡线具有一定的实际意义。     

针对不同作业模式分析LiDAR点云密度对电力巡线的影响

LiDAR技术在电力巡线中逐步发挥着重要作用,设定怎样的点云密度、确定怎样的作业模式是电力巡线前期工作的重要环节。本文利用同一区域相同环境下获取不同飞行速度的LiDAR点云数据,对比分析不同点云密度作业模式下电力巡线的差异,探索机载LiDAR在电力巡线中科学高效的作业模式。研究表明:杆塔点云密度值在一定范围内时,不仅能提取电力巡线及电力线和杆塔信息,还能够有效提高数据采集效率,降低数据处理及存储成本。     

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。     

利用E4纠正仪摄影获取手腕关节标本立体像对

本文针对人手腕关节面形态测量，提出了利用Ｅ４纠正仪摄影以获取人手腕关节标本立体像对的方法。在简述摄影技术方案的同时，对最佳摄影基线、摄影系数、摄影景深以及摄影测量精度等问题进行了探讨     

基于立体相机的电力线测距技术研究

提出了基于立体相机的电力线测距方案,进行了模拟试验,实现了电力线与下方交跨物距离的测量。     

关于地面立体摄影测量确定基线和竖距的讨论

一、问题的提出在工程测量中,对一些特殊地区,尤其是陡峻的山区,利用地面立体摄影测量测绘大比例尺地形图,有一定的实用价值。本文的目的,就是对地面立体摄影测量测绘地形图方面如何合理地确定摄影基线长度,及其与所摄地物豎距的相互关系,作一扼要的分析讨论。不当之处,请不吝指正。     

多尺度特征和马尔可夫随机场模型的电力线场景点云分类法

及时、准确地监测电力线安全可以预防危险情况的发生。本文以机载点云为研究对象,提出了一种基于随机森林后验概率的马尔可夫随机场模型,用于电力线场景的点云分类。首先结合空间金字塔理论构建多尺度视觉分类特征以此描述空间点及其邻域的几何形状信息;接着利用随机森林分类器描述观测数据的概率分布,基于马尔可夫随机场模型建立顾及上下文信息的先验概率,从而构建一个多标记能量函数;最后利用多标记图割技术最小化能量函数完成分类标签优化。利用直升机巡线系统和小型无人机巡线系统获取的LiDAR点云数据来验证本文提出的模型。试验结果表明,该模型能够有效地分类场景中的电塔、电力线和植被且总分类正确率得到98%以上。与其他分类方法相比,本文提出的模型总体精度更高,尤其是电塔的分类优势明显。