机载LiDAR点云数据中电力线的提取方法研究

提出了一种基于机载LiDAR点云数据的电力线提取方法。首先在进行LiDAR数据滤波的基础上,分离地面点与非地面点;然后针对非地面点采取一种基于角度的滤波方法,分离非地面点中的植被点与电力线点,对电力线点,采用二维Hough变换进一步分离各条电力线点;最后使用双曲余弦函数模型,对单条电力线进行曲线拟合。实验结果表明,该方法能够从LiDAR点云数据中较完整地提取出电力线点,电力线点提取正确率达96.2%,并能够对电力线走廊进行三维重建。     

基于机载LiDAR点云的电力线提取与三维重建

为了解决地形复杂、点云密度不均匀的输电线机载激光雷达(LiDAR)点云电力线提取精度低的问题，本文根据电力线点的空间分布特征设计与实现了一套电力线提取与三维重建方法。首先，使用改进曲面拟合滤波算法与形态学开运算实现地面点、低矮植被点等的滤除；其次，以滤波处理得到点云数据为数据源，利用电力线点维度特征实现电力线点粗提取并利用密度聚类算法进行单根电力线精提取；最后，基于单根电力线提取结果进行电力线三维重建。为了对本文提出电力线提取与重建方法进行检验，使用宁波市某高压交流输变电工程中部分实测机载LiDAR点云数据进行实验，结果表明，本文方法提取28根电力线结果误差率均在0.04%以内，验证了本文方法的可靠性与实用性。     

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。     

利用机载LiDAR点云数据提取电力线的研究

提出并实现一种从LiDAR点云数据中自动提取多根电力线的方法。首先利用OpenGL三维图形开发包重现激光点云的空间分布特征,采用交互方式初步确定电力线点云数据;然后利用单根电力线点云之间紧密相连的特性,自动确定每根电力线上的数据点;最后采用抛物线模型在三维空间中重构每根电力线。试验结果表明,该方法能精确有效地自动提取多根电力线数据,具有一定的工程应用价值。     

激光点云输电线精细提取的残差聚类法

针对输电线点云数据中存在缺失、噪声等复杂环境,提出了一种基于模型残差聚类的激光点云电力线精细提取方法。首先根据归一化高程阈值分割去除近地面点,在此基础上,采用自适应维度特征和方向特征粗提取电力线点;然后以抛物线模型为约束条件,采用改进的建模方法,确定模型残差并对其进行密度聚类,根据聚类结果实现单根电力线精细提取;最后讨论了关键参数的选择对提取结果的影响。两景实测数据试验表明:该方法能快速实现点云部分缺失、噪声干扰等复杂环境下的电力线精细提取,无须电力线数目、点云密度等先验知识,对不同类型分裂导线提取均具有很好的适用性。单根电力线提取准确率达99.17%以上,模型误差最大值为0.167 m,中误差最大值为0.079 m。     

机载激光雷达数据中电力线的快速提取

针对当前机载LiDAR技术在电力巡线应用中对电力线数字模型高精度和快速重建的需求,该文提出一种高效的电力线点云分类方法。首先基于局部范围点的高程统计直方图,实现电力线点的快速粗提取;然后运用随机抽样一致性算法剔除残留的电塔点,结合点云高程统计进一步剔除绝缘子点,实现电力线点的精提取;最后利用同一垂直面内电力线点的高程分布特性,实现单根电力线点的快速提取。基于实际输电线路机载LiDAR数据的实验结果表明,该方法可实现电力线点的快速、高精度提取:粗分类后的电力线点中仅含约10%的非电力线点;精分类后约有2%的电力线点被误分为绝缘子点,最终各条电力线点的提取比率平均为98%以上。     

电力线点云精细提取与重建的模型残差实现

针对分裂导线提取方法抗噪性差、建模精度低等问题,该文提出一种利用模型残差聚类的机载激光雷达单根电力线点云精确提取并建模方法。首先利用最小二乘原理最佳拟合二维直线和抛物线;然后通过改进后的K-均值聚类算法对拟合残差进行聚类并剔除噪声点,得到高精度的单根电力线点;最后采用抛物线方程实现三维模型精细重建。利用典型代表性的两组实验数据进行验证,结果表明:该方法能很好地顾及电力线类型、档距、高差、噪声和缺失等因素,单根电力线点提取精度99.75%以上,模型拟合最大误差为0.017 m。     

车载LiDAR数据电力线与塔杆提取方法

为了实现车载LiDAR数据中电力线和塔杆的正确提取,在分析电力线分布特点的基础之上,提出了电力线和塔杆提取的新方法。该方法首先采用高程分布直方图统计方法去除大量的地面点;然后利用kmeans聚类方法,分离得到电力线和塔杆点云,并借助塔杆点云密度特性进行塔杆定位;最后,依据电力线走向及同一电力线上点间高差较小的特点进行单根电力线的提取,并采用多项式模型对分离得到的电力线进行建模。实验结果表明,该方法能够较好地实现复杂地区的电力要素提取。     

多尺度邻域特征下的机载LiDAR点云电力线分类

利用机载激光雷达技术三维测量精度高且获取快速的优点进行电力线自动分类提取已成为点云数据处理与电力应用的重要领域。针对电力线分类模型的自动化和高精度需求,本文提出了基于三维多尺度邻域特征的机载LiDAR点云电力线分类提取模型框架,主要包括4个步骤：电力线候选点滤波、多尺度邻域类型选取、形状结构特征提取和支持向量机分类。通过对2个复杂城市区域的试验数据集和8种不同邻域类型的详细结果对比分析,发现基于多尺度圆球邻域形状结构特征的分类模型结果准确率、召回率和质量分别达到97%、94%和93%,同时整体处理时间在2个试验数据中分别从366、256 s减少到274、160 s。试验结果表明,该方法在多种复杂城市场景中能够实现机载LiDAR数据的电力线较高精度分类提取。     

机载LiDAR数据中电力线的自动提取与重建

为实现电力线走廊更加有效地巡检,本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先,利用改进的渐进形态学滤波剔除地面点,通过高差阈值与高程离散度分割,实现电力线点粗提取;然后,借助RANSAC直线检测,得到电力线直线模型,依靠密度检测,实现单根电力线点云精确聚类;此外,利用k-means算法完成分裂导线束间归类;最后,进行二次多项式限制的最小二乘拟合,生成电力线曲线模型。试验结果表明,使用该方法电力线点云提取的正确率达98%以上,非电力线点云误判率低至1%左右,电力线直线模型拟合误差在5 cm以下,曲线模型拟合误差在3 cm以下,完全满足实际工程需求。