一种基于机载LiDAR点云电力线自动提取方法

针对电力巡线需求,提出一种基于机载LiDAR点云数据的电力线自动提取方法。首先采用高程滤波方法去除地面点及低矮地物点,采用顾及邻域尺度的自适应半径主成分分析法确定各点维度特性,利用维度特性从滤波后的点云中粗提取电力线点;然后根据电力线点空间分布特征,引入密度聚类算法实现单根电力线点精确提取;最后采用抛物线模型在三维空间中重构每根电力线。选取两组典型代表性的实测数据进行实验,结果表明:该方法能够从电力线走廊机载激光点云中快速提取出完整的单根电力线点,具有抗噪性强和提取精度高的特点,单根电力线提取误差率在0.06%以下,电力线提取结果能够直接应用于三维模型重建中。     

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。     

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。     

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。     

基于线性体素分割的机载LiDAR点云数据电力线提取

提出了一种基于线性体素分割的机载LiDAR点云电力线自动提取方法.该方法首先基于八叉树结构对海量三维点云数据进行体素化处理,再对体素点云进行线性检测,并结合马尔可夫随机场(MRF)对线性体素进行分割.然后在分割得到的线性段中,通过杆塔和电力线之间上下文关系的先验知识对杆塔进行精度定位,获取杆塔连接线边集.最后,通过设定的圆柱形搜索框,对边集周围的线性段进行识别,提取出电力线点云.为了验证本文方法的有效性,对江苏省电力设计院提供的在山区复杂场景中采集得到的3块机载LiDAR数据进行试验.结果表明,本文方法能够从LiDAR点云数据中提取出较为完整的电力线,提取的平均质量达到了92.6％,对电力线的风险管理具有较高的应用价值.     

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。     

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。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

机载LiDAR点云数据降维与分类的随机森林方法

探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂,并且缺乏对分类特征参数的重要性评估和选择等问题,本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上,提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征6大类特征参数,并构建多尺度特征参数,运用随机森林的特征选择算法对分类特征集进行优化,然后进行点云分类。试验结果表明,基于随机森林的特征选择方法可以有效地降低特征维度,并且使得总体分类精度达到94.3%（Kappa系数为0.922）,相比于使用全部特征分类和SVM分类方法而言,该方法的总体分类精度均有一定程度的提高;特征的重要性度量结果表明,归一化高度特征在点云分类中所起的作用最大。     

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LiDAR点云强度的十字剖分线法道路提取

由于道路与地面在空间上表现相近,因此,仅用空间坐标无法从LiDAR数据中直接提取道路。机载激光扫描系统在获取对象三维信息的同时,也记录了激光经由反射的强度信息,因此能从空间坐标和辐射两个方面表现地物的特性。结合这两种相对独立的信息在激光扫描数据中进行道路提取,提高了提取结果的稳定性。首先利用激光扫描数据的高程滤波去除非地面点;再通过强度信息进行阈值分割得到包含干扰的初始道路区域;然后,利用两组十字剖分线检测初始区域在4个方向的狭长性与宽度一致性,使得狭长状、区域宽度较一致的道路区域同干扰区域具有不同的权值,从而提取真正的道路区域;最终通过对道路区域的细化和平滑,得到道路中心线。实验表明,该方法能够较好地在LiDAR数据中提取出道路并得到道路中心线。     

激光雷达点云电力线自动提取算法

针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法。首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检测算法,实现单根电力线的快速、高精度提取。提取结果和拟合试验表明,该方法能在复杂地形下实现电力线的自动提取,极大提高了电力线的提取效率和精度。     

复杂场景下的电力线自动提取

实现复杂场景下航拍图像的端到端电力线提取是电力线无人机检测的关键。本文通过分析基于深度学习的电力线实例分割实现存在的问题,提出了一种基于改进Mask R-CNN的电力线自动提取算法。首先,根据电力线的线性特征,提出一种线性IoU计算方法,改进Mask R-CNN原有的IoU计算,提高电力线提取性能;然后,将改进后的网络在电力线数据集上进行训练,得到电力线粗提取结果;最后,通过线段编组拟合算法,对粗提取结果进行聚类拟合,以解决电力线断裂和误检的问题。试验结果表明,所提方法能从环境复杂的无人机航拍图像中较为准确地提取完整的电力线。     

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。     

一种综合机载LiDAR与高分辨率航空影像的铁路轨道提取方法

高分辨率航空遥感数据中铁路轨道线性特征明显,可以直接用于铁路轨道的精细提取。首先根据铁路路基光谱、局域地形等特征,基于机载LiDAR数据建立一种面向对象的铁路区域提取算法;进一步通过数学形态学处理消除干扰因素的影响,选取适当的影像波段进行掩模提取图像中的铁路区域,采用基于高斯平滑和微分几何的线性地物提取算法初步提取铁路轨道线。在噪声消除、线段连接的基础上建立轨道平行线算法模型,从而实现轨道信息的准确提取。实验结果证明上述方法的有效性,轨道提取精度达到94.6%以上。     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

利用地形开度算子自动提取激光雷达点云断裂线

基于机载激光雷达（LiDAR）点云生产高质量的数字高程模型（DEM）,需要地形特征线的约束。本文针对现有断裂线提取算法仅仅考虑了地表的局部变化,错提取率高的现状,从人工解译的角度出发,引入地形开度（topographic openness）作为一种定量描述地表整体变化的地形特征,提出了基于地形开度的断裂线自动提取算法。首先将原始地面点按高程采样成距离图像,然后通过地形开度算子获取地表的主体结构变化,最后结合形态学算子和边缘提取算子提取断裂线种子点并跟踪断裂线矢量。试验结果表明,该算法无需人工干预,能够快速提取较完整的断裂线。     

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。