一种地下电缆点云自动提取分割算法

为了解决目前地下电缆隧道点云中电缆支架与电缆分离困难、电缆点需要人工提取的问题,提出一种基于区域圆柱面拟合与抗差自适应Kalman滤波的地下电缆点云自动提取分割算法。首先基于电缆局部呈圆柱的形状特征,将区域点云进行圆柱面拟合以确定电缆初始区域的中心轴线与半径;再将初始区域电缆的轴线作为区域电缆走向,结合抗差自适应Kalman滤波算法对电缆中轴线进行延长估计,得到单条完整电缆中心轴线,最终实现电缆点云单条分割。结果表明,电缆初始区域单位权中误差在0.015 m以内,能够有效区分电缆点与其它类别点;电缆中轴线延长在地下电缆点云存在缺点、噪点情况仍保持稳健估计,具有较好的鲁棒性。该方法有效提升了地下电缆提取的准确性和可靠性。     

基于版面的拍照文档图像倾斜校正

文档图像版面十分复杂,建立一个较为通用的文档图像倾斜校正算法是很困难的。因此提出了基于版面的文档图像倾斜自动校正算法,并且对经典的霍夫变换检测直线的方法进行了改进,最后采用最小距离法对这些直线进行拟合,避免了因利用传统的最小二乘法拟合直线所带来的缺点。针对不同的文档版面采用相应的倾斜校正策略,实验表明该方法具有适应性强、倾斜校正速度快和精度高的特点。     

电力管廊顶管施工杆塔中心桩位移自动化计算方法

在不同的杆塔结构中，同一种算法的位移值存在较大差距，为提高位移计算精度，在不同的杆塔中心桩偏移条件下设计电力管廊顶管施工杆塔中心桩位移自动化计算方法。基于连通域提取杆塔点云坐标，论述KD树分割原理，计算其时间复杂度，在不同的阈值中确定点云坐标，得到归一化的点云数据；计算不同条件下位移值，将等长横担杆塔的中心桩与长短横担杆塔中心桩作为主要的杆塔结构，创新性地分别计算其中相挂点位于中心点处以及中相挂点偏移情况下的位移值，设计中心桩位移自动检测与计算算法，对应点云数据，获得中心桩位移。实验结果表明，该计算方法所得到的位移值与实际测量值最接近，位移计算精度更高。为保证电力管廊顶管施工杆塔的稳定性，提供了理论与实际参考价值。     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题, 提出了一种高效的电力线自动提取和重建方法。首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取; 采用基于点云间倾斜角度平均值的滤波算法精提取电力线; 使用统计滤波算法完成电力线整体点云提取; 通过基于随机采样一致性算法的电力线分条提取算法分离电力线, 最后采用直线和抛物线结合的模型完成电力线重建。结果表明, 该方法电力线总的提取精度为99.342%, 单条电力线重建精度最低为0.042m, 对地形、线路走向和点云密度等因素具有较好的鲁棒性。该研究为复杂场景下大规模输电线路的电力线提取和3维重建提供了参考。     

利用车载激光点云的分车带识别及单木分割方法

提出了一种基于车载激光点云数据的城区分车带识别及单木点云分割方法,首先通过布料模拟算法进行点云滤波去除地面点,然后利用基于八叉树连通性分析对非地面点进行聚类并构建聚类单元的最小包围矩形,基于先验知识和高差约束进行分车带识别,最后根据单木的空间几何特征,引入基于局部最高点的区域生长算法实现分车带内点云单木分割。选取北京市某道路的车载激光点云数据进行实验,结果表明:该方法能够从车载激光点云中快速识别出分车带点云并完成单木分割,能达到较好的识别和分割效果,具有抗噪性强和提取精度高的特点。     

一种基于激光三维成像雷达距离像的目标检测方法

为了提高激光三维成像雷达地面目标的检测效率,提出一种基于激光三维成像雷达距离像的目标检测方法。该方法首先采用基于邻域像素内检测距离反常算法对距离像进行噪声抑制预处理,然后采用基于形态学的地面估计和高程分割算法实现了距离像的地物分割,最后根据感兴趣目标的尺寸特征,采用最小外接矩形估计算法实现了感兴趣目标的快速检测。本文提出的方法充分利用了距离像的高程信息和目标已知的先验知识,不受二维图像中光照灰度变化对目标检测效果的影响以及处理三维海量点云数据对计算速率的影响。实验结果证明,本文提出的方法适用于复杂多变的战场环境下对地面目标进行快速检测,且满足了实时性要求。     

机载LiDAR点云中电力线的提取和重建研究

为了实现输电线走廊的有效监管，采用了一种基于机载激光雷达(LiDAR)点云的电力线提取和重建的方法。首先利用点云的回波信息滤除大部分地物点，保留电力线的全部信息, 然后基于格网高差和高程阈值剔除大部分非电力线点云，实现电力线的初提取。针对初步提取出的电力线点云，通过Hough变换分离出单根输电线点。为提高电力线点的提取精度，对Hough变换提取的结果进行了改进，利用局部极值点检测的方法确定杆塔的位置，最后通过带有限制条件的多项式模型对每档电力线进行分段拟合，实现电力线模型的3维重建。结果表明，利用该算法提取出了424个电力线点，总的提取精度达到87.603%，拟合出的电力线模型效果较好。该算法可以自动、精确地实现LiDAR点云数据中电力线的提取和重建，对输电线走廊巡检具有很好的实用价值。     

基于激光点云实现杆塔提取的轻量级网络

为了解决传统的杆塔点云提取算法对地面起伏较为敏感, 以及提取出的杆塔点云难以剔除地面点的问题, 提出了一种直接以原始点云数据为输入来实现杆塔提取的轻量级网络。将原始点云数据划分为若干大小相等的体素格, 利用特征学习网络及卷积网络提取体素格内的空间、结构特征; 并结合传统方法中的相对高度差以及点密度的特征, 从而判别该体素格为杆塔点云或非杆塔点云; 最后采用聚类算法剔除孤立的体素格以提高杆塔点云提取的准确率, 得到杆塔的激光点云数据。结果表明, 所提出的方法对于不同地形以及不同干扰因素情况下的杆塔, 提取精度能达到95%左右。该算法能有效地提取杆塔点云, 相对于格网法, 其稳定性及精确度有一定提升, 且对于高大树木、垂直遮挡等其它因素也有较好的抗干扰效果。     

基于光学低相干的焊缝外观特征检测

针对目前焊缝外观检测实时性差、精度低等问题,提出一种基于光学低相干的焊缝外观特征检测方法。利用光学低相干测量原理获取焊缝外观的三维坐标信息,并利用滤波算法提取出焊缝三维轮廓;基于焊缝轮廓线的特征,提出采用DBGBCA算法对点集进行分类,以确定拟合区间;利用RANSAC算法进行直线拟合后,精确调整多项式拟合区间和拟合阶数进行曲线拟合;基于直线拟合和曲线拟合确定特征点,得到焊缝外观参数。试验结果表明,所提方法可使检测结果精确到0.004 mm,满足工业生产要求。     

基于快速成型技术的轮廓线快速生成算法

散乱点云数据由于其海量及无拓扑关系等特点,难以直接提取特征线。采用基于快速成型技术提取点云轮廓线算法,首先对点云进行分层,将分层切片内的点云投影到切片平面上,转化为网格图像,采用直线段结构判断连通性,从而生成轮廓线。直线段判断建立连通链表,可快速生成轮廓线,有效解决多连通域问题;网格内点云压缩解决了数据冗余、分布不均匀等问题。实验表明该算法能快速有效生成轮廓线。     

基于激光点云的电力线悬挂点定位方法

为了解决目前电力线悬挂点定位方法鲁棒性低、定位不精确的问题，采用基于激光点云的结合局部3维重建与迭代搜索的方法对电力线悬挂点定位进行了研究。首先，对电力线点云空间特征进行分析进而推导电力线空间约束条件，以此作为生长准则进行基于空间约束的区域生长，实现跨越多档的单根电力线分割; 然后，对杆塔点云聚类提取杆塔中心点，以杆塔中心点连线的角平分线为基准划定每档电力线的空间分割平面; 之后，对各分割平面附近电力线点云进行空间多项式局部3维重建; 最后，结合分割平面迭代搜索计算重建电力线的交点，实现电力线悬挂点空间位置定位。结果表明，对于3种电压等级线路点云及2种数据质量点云，电力线悬挂点定位平均偏差均在0.09m以内，最小偏差为0.03m。该方法鲁棒性高，可以精确地实现各电压等级及各质量点云数据中的电力线悬挂点定位，为后续基于悬挂点的电力线模拟工况安全分析提供了基础。     

基于机载激光点云的电网绝缘子识别方法

为了解决无人机机载激光雷达采集到的点云数据存在密度高但分布不均匀的现象, 以及绝缘子表面纹理信息不全等问题, 提出了一种基于机载激光点云的电网绝缘子识别方法。首先分析杆塔中不同部位的强度值直方图, 用强度值滤波剔除大部分的杆身点云; 然后采用主成分分析法计算局部点云特征值, 根据特征值构建的局部熵函数和空间分布特性删除冗余的平坦区域点云, 并通过栅格修补的方法避免出现点云空洞; 最后针对传统采样一致性初始配准(SAC-IA)算法精度低和速度慢的问题, 通过增加采样点对的距离约束关系和自适应调整参数改进SAC-IA算法完成绝缘子的位姿估计。结果表明, 该方法能正确高效地识别杆塔中的绝缘子, 运行时间大幅减少, 提取正确率达到95.16%。该研究在无人机自主巡检航线规划中具有良好的应用价值。     

基于最近迭代点的毫米波雷达点云数据处理方法

毫米波雷达具有小型化、低成本等特点,可全天候、全天时工作,在高级辅助驾驶系统中发挥着重要作用。基于多芯片级联方案的多发多收（multiple-input multiple-out, MIMO）技术可有效提高毫米波雷达的角度分辨率,使得毫米波雷达点云成像成为可能。针对毫米波雷达图像点云稀疏、噪点多等问题,本文提出了一种基于最近迭代点的毫米波雷达多帧融合和自适应邻域半径的DBSCAN算法。首先,利用MIMO毫米波雷达技术获得多帧观测场景目标点云图像。其次,利用辅助信息得到点云匹配的初值,通过最近迭代点算法估计平移旋转矩阵进行精确匹配,实现多帧数据融合以改善图像点云稀疏问题。然后,设计自适应阈值的DBSCAN算法去除噪声,获得目标的点簇信息,再对聚类后的点簇目标求取最小外接矩形,结合目标散射强度,实现对车辆和围栏等不同类型目标区分。最后,利用外场（典型停车场场景）测试数据,对本文所提算法的有效性进行了验证。     

机载激光雷达电力线提取的布料模拟法

为了实现长距离直线型机载激光雷达电力线提取,提出了一种基于布料模拟的长距离机载激光雷达电力线提取方法,在数据预处理的基础上,通过模拟布料下落过程,分析布料与对应机载雷达点云之间的作用,确定布料由重力下降后所停留的位置作为相近高度的电力线点云,然后在xOy平面内拟合直线,利用点到拟合直线的距离对电力线条数进行奇偶判断,通过点在直线两侧判断,实现单根电力线的提取。结果表明,所提出的方法对长距离电力线的提取精度达到98.9%,具有较高的自动化程度,且对局部点云缺失不敏感。该研究在电力线智能巡检及输电廊道空间结构自动分析领域具有良好的工程应用价值。     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

基于无人机机载LiDAR的电力线点云提取与重建

为了提高基于无人机机载激光雷达点云电力线提取与重建的精度和效率,采用了一种综合电力线点云分步提取、分段k均值聚类采样及结合直线和抛物线拟合的电力线点云提取与重建方法。在对电力线走廊点云进行预处理和改进滤波的基础上,先对其进行分段并根据电力线点云在高程方向的分布特征进行粗提取,再将粗提取得的电力线点投影到水平面上用Hough变换对其进行精提取,然后通过对精提取的电力线点进行分段k均值聚类采样, 从而完成电力线的单根分离,最后使用直线和抛物线结合的模型对电力线进行拟合重建。选取实测数据进行试验,通过电力线提取的完整率以及重建的精度和效率对本文中算法进行了评价。结果表明,利用该算法提取电力线点的综合完整率达到96%以上。这一结果对高效地提取和重建单档单根电力线具有一定帮助。