基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取、安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。     

机载LiDAR快速定位高压电塔方法研究

机载LiDAR已经成为数字电网建设和高压线路安全巡检的重要手段,其中从输电走廊原始海量点云自动、快速、准确地定位电塔是一项基础而又重要的内容。基于线路走廊点云的空间分布特性粗提取电塔点云,然后采用区域增长算法分离每个电塔,并采用最小二乘空间直线拟合法精确定位电塔的空间位置,进而实现电塔点云的自动识别和高精度定位。实验结果表明:该方法在数据处理效率、提取精度和适用性方面都具有一定的稳健性,提取的电塔点云数据的完整度达91.1%;电塔中心位置定位的中误差为13.5cm;点云密度对电塔提取精度的敏感性分析表明即使对原始点云数据进行一定比例的抽稀,算法的提取结果也可满足实际应用要求。     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

高压输电线路单相接地故障自动定位技术研究

为提升高压输电线路故障定位效果,研究了一种高压输电线路单相接地故障自动定位技术。利用暂态行波分量得到线路分布参数模型,通过单、双端线路波速与阻抗获取故障行波特征,计算零序电流补偿系数与故障位置相对电压量,确定故障点电气量与电压,测量单、双端线路行波距离,利用暂态电流功率比确定比例因子并定位故障区间。实验结果表明:设计技术应用后定位故障区间的平均精准度为89.41%,具有一定的应用价值。     

激光点云中输电线拟合与杆塔定位方法研究

通过竖直直方投影和均匀网格离散将激光雷达扫描得到的输电线路三维点云降维成二维灰度图像,提取其中直方响应最大的地方作为杆塔的水平位置,分离杆塔,输电线在走向上以杆塔为界分段;再沿其悬垂面的法线方向对各段输电线作正投影,对投影的散点进行迭代的鲁棒二次曲线拟合,实现在竖直方向上的各层输电线的分离。杆塔的提取和输电线的拟合是实现电力系统净空排查分析、输电线点云实体化和场景漫游的重要环节。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂，机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则，实际应用中“所见即所得”的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究，分析样本加权对不同密度点云数据分类精度的影响，利用两组实验数据验证算法的精度和效率，并与随机森林分类算法进行比较。结果表明：基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强，平均F1值87.14%，且分类精度和效率均优于随机森林方法。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性,基于布料模拟滤波算法,提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法,对剔除粗差后的点云建立格网索引;其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值,通过计算真实高程与拟合高程差值实现高程归一化;然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态,进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试,结果表明:改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%;I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%,且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上,对不同地形具有较强的自适应性,且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

输电线路杆塔纵向不平衡载荷动态预测模型研究

为了提高输电线路杆塔纵向不平衡载荷控制性能和抗波动冲击能力,提出一种基于耦合波动抑制和机构运动力学分析的输电线路杆塔纵向不平衡载荷预测模型,构建输电线路杆塔的耦合波动载荷测量模型,采用传感器进行输电线路杆塔的力学参数采集,构建输电线路杆塔纵向不平衡耦合动力学模型,运用封闭矢量法建立输电线路杆塔的纵向波动力学控制模型,采用二自由度离散控制方法进行输电线路杆塔的欠驱动机构模型设计,采用双连杆柔性空间力学分配方法,实现输电线路杆塔纵向不平衡载荷动态预测和未知载荷的质量参数辨识,结合相关性耦合波动控制方法,获得载荷的质量参数,实现输电线路杆塔的运动力学分析和动态载荷预测。仿真结果表明,采用该方法进行输电线路杆塔纵向不平衡载荷动态预测的准确性较高,可靠性较好,动态收敛性较强。     

激光雷达的多源数据融合点云分类算法研究

根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法。首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线-抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割。选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为99.19%、99.25%、99.10%。较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(RANSAC)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测。     

Study on Power Tower Extraction and Fast Positioning from Airborne LiDAR Data

Airborne LiDAR has become an important technique for transmission line digitalization,reconstruction and safety inspection.Moreover,accurately and efficiently extracting the position of each tower from massive point clouds is basic and important task for the applications in power industry.In this study,a method was proposed to efficiently extract the point clouds and fast determine the position of power towers using airborne LiDAR data.Firstly,the point clouds of power towers were automatically separated from raw data based on the spatial distribution characteristics of airborne LiDAR data.Secondly,each power tower was efficiently detected using a region\|growing algorithm.Finally,a least square linear fitting method was used to determine the accurate position of each power tower.The new proposed method was applied to several LiDAR data sets in areas with high voltage transmission lines.Results indicated that the integrity of the power towers’ points is up to 91.1%,and the accuracy of center positions is high enough with the medium error of 13.5 cm.Additionally,our study also concluded that the proposed method is robust and applicable even the point density is relatively low.     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

可变半径Alpha Shapes提取机载LiDAR点云建筑物轮廓

目的 机载激光雷达（light detection and ranging,LiDAR）能够快速获取建筑物表面的3维点云,为提取建筑物轮廓提供重要的数据支撑,但由于激光脚点的随机性和点云自身的离散性,常规固定半径Alpha Shapes（A-Shapes）算法难以兼顾轮廓提取的精细度和完整度,且在点数量较大情况下计算效率较低。因此,提出一种基于网格的可变半径Alpha Shapes方法用于提取机载LiDAR点云建筑物轮廓。方法 对3维点云进行投影降维,对投影后2维离散点的范围构建规则格网,接着根据网格内点云填充情况筛选出边界网格,计算边界网格的平滑度并加权不同的滚动圆半径,再以边界网格为中心生成3×3邻域网格检测窗口,利用滚动圆原理提取窗口内点集的边界点,迭代检测直到所有边界网格遍历完成,最后获取点云的完整轮廓。结果 在精度评价实验中,与固定半径A-Shapes方法和可变半径Alpha Shapes（variable radius Alpha Shapes,VA-Shapes）方法相比,若建筑物以直线特征为主且边缘点云参差不齐,则本文方法的提取效果不理想;若建筑物含有较多拐角特征,则本文方法的提取效果较好。在效率评价实验中,与A-Shapes方法、VA-Shapse方法以及包裹圆方法相比,若点云数据量较小,则4种方法的耗时差距不大;若数据量较大,则本文方法和包裹圆方法的耗时远小于固定半径A-Shapes方法。实验结果表明,本文提出的轮廓提取方法适用于多种形状的建筑物点云。从轮廓完整性、几何精度以及计算效率等几方面综合考虑,本文方法提取建筑物点云轮廓效果较好。结论 本文提出的基于网格的可变半径Alpha Shapes建筑物点云轮廓提取方法结合了网格划分和滚动圆检测的优点,能够有效提取机载LiDAR建筑物点云顶部轮廓,具有较高的提取效率和良好的鲁棒性,提取的轮廓精度较高。     

基于最小二乘曲线拟合法的点云滤波算法研究

作为机载激光雷达数据处理的关键环节,激光雷达点云滤波一直是数据应用的重要前提和研究热点.本文充分考虑激光雷达通过线扫描获取数据的特点,并结合最小二乘曲线拟合法得到的拟合值具有跟随地形变化的特点,提出了一种最小二乘曲线拟合法用于点云滤波的算法.试验结果表明,该算法能获得准确的地形点,对地物复杂的城区及斜坡地区都有良好的滤...     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas，an effective method for road extraction from airborne LiDAR data is proposed in this research.First，the morphological filtering method is applied to remove above\|ground points cloud (such as buildings，transmission lines and vegetation etc.).Second，a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally，the road boundaries are located and tracked by using Freeman chain code method.Moreover，the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas，and the completeness，accuracy and quality are 93.87%，93.84％，88.43％，respectively.     

基于特征提取的点云自动配准优化研究

针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于判断点云邻域法向量夹角的自动配准算法。该算法首先计算点云中每个点的法向量与邻域点集的法向量夹角的余弦值,然后把邻域各点的余弦值作为该点的属性特征向量,进行特征分类提取特征点,根据几何特征的相似性初步搜索匹配点对,并采用欧式距离约束条件剔除匹配错误的点对;运用最小二乘法计算初始配准参数,再通过改进的迭代最近点（Iterative Closest Point,ICP）算法进行精匹配。实验证明,该算法相对于经典的ICP算法无论收敛速度还是匹配精度上都有提升。     

基于机载LiDAR点云的电力线自动提取

基于机载激光雷达数据提出了一种在林区中电力线自动提取方法,该方法是基于统计分析和二值化图像处理技术设计。首先采用高度阈值,分离出电力线候选数据集,并采用一组标准(例如,高度标准,密度标准和直方图阈值)来对候选集进行统计分析,选择电力线的候选点。然后将候选点转化为二值化图像,并进行形态学优化,采用基于图像的处理技术,利用渐进概率霍夫线性变换对图像进行直线分割。最后将分割出来的电力线二值化图像转换成三维点云,并利用区域增长精细化提取电力线点云。使用不同林区环境下的4组机载激光雷达数据进行实验,实验结果表明,算法在林区环境下能够完整地提取出电力线,且电力线分类精度较高,对于电力巡线具有较高的利用价值。