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。     

电力线激光点云的分割及安全检测研究

为了进行高压输电线路安全检测分析，基于机载激光雷达（LiDAR）电力走廊数据，提出了一种基于密度的空间聚类方法（DBSCAN）的电力线激光点云单条分割提取算法。通过该方法可以实现输电走廊中单条电力线的快速分割提取。首先对电力线点云在x-O-y平面上投影，对投影后的激光点采用最小二乘法进行直线拟合；其次通过计算输电走廊长度，采用经验参量进行电力线点云分段；再次对分段点云在投影平面内进行DBSCAN聚类；最后将分段聚类结果类别归一化，得到单条电力线激光点云数据。结果表明，采用该方法能够在只需经验参量分段宽度的情况下，快速准确地对电力线激光点云进行分割提取，并根据分割结果进行电力线与电力走廊地物距离计算，判断危险点类型及距离。所提出的方法具有较高的提取与测量精度，能够有效地应用于电力线安全检测分析。     

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。     

基于点云数据特征的电力线快速提取和重建

为了解决电力线点云可能存在交跨线点云较难处理、绝缘子点云较难分割、现有算法模型研究不完整问题, 采用了基于点云数据特征的电力线快速提取和重建方法, 首先通过输电线路体素栅格高程特征进行点云快速粗分类, 然后运用随机一致性算法进行点云快速精化, 采用顾及交跨线的滤波算法高效准确提取电力线点云, 针对电力线局部线性模型分割出绝缘子, 最后采用局部加权质心的方式提取电力线关键点, 实现电力线的快速重建, 并进行了理论分析和实验验证, 取得了较好的实验结果。结果表明, 电力线提取与重建综合准确率95.3%, 总体耗时2.5s以内, 验证了算法的快速性、准确性和鲁棒性。这一结果对电力线点云提取和重建有一定帮助。     

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。     

融合强阈值三角网与总体最小二乘曲面拟合滤波

机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤。在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种由粗到精的处理思想用于LiDAR点云数据滤波。该方法通过强阈值三角网算法进行II类误差优先的粗分类,获取可靠性较高的初始地面点,以粗分类结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型。使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值。     

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。     

基于稀疏重建和激光实境复制的电力工程建模方法

由于机载激光雷达生成的原始点云数据存在质量较差且离散点多的问题,故难以直接应用于模型重建与电力工程的管理中。因此,文中基于稀疏-稠密算法和点云数据提出了一种电力工程模型重建算法。利用无人机机载激光雷达来获取多帧输电线路点云数据,并使用索引树近邻搜索法对原始点云数据进行坐标转换及离散数据过滤,进而得到重建的点云数据。通过稀疏重建算法对重建后数据中的框架特征加以提取,同时引入稠密算法进行框架填充,完成输电线路内容的重建。经实验测试表明,所提算法的点云提取误差仅为8.42 cm,在对比算法中性能最优。且重建后的模型可应用于电力工程验收、巡检等实际场景中,具有良好的工程意义。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

一种基于机载LiDAR数据的山区道路提取方法

为了解决基于机载激光雷达(LiDAR)点云提取道路时多重特征阈值设定难、普适性低的问题, 采用了随机森林分类模型提取道路点云进而获得道路中心线的方法。首先使用渐进加密三角网滤波获取地面点云, 根据山区道路特性, 计算地面点云各点在邻域范围的坡度、粗糙度、高差方差、点密度及反射强度, 组成点的分类特征; 随后手动采集正负样本训练点云随机森林分类模型, 将地面点云通过模型分类得到初始道路点云; 再通过基于密度的噪声应用空间聚类算法去除噪声点精化道路点云; 最后矢量化道路点云获取道路中心线。结果表明, 以Entiat River地区山区LiDAR点云数据进行实验验证, 道路点云提取的正确率达到95.29%, 完整率达到92.96%, 提取质量达到88.88%。该方法能解决多重阈值难以确定的问题, 能较高精度地提取到山区道路点云, 进而获取有效道路中心线, 对山区道路信息的研究有一定的参考价值。     

顾及地物邻域特征的LiDAR点云布料模拟滤波优化

布料模拟滤波算法在LiDAR点云的地物分离中起到重要作用。但是,此方法得到的地面点云中往往含有残留的非地面点云,导致滤波分类结果不彻底、不准确。本文提出一种顾及地物邻域特征的布料模拟LiDAR点云滤波自动优化算法,可以快速精准地解决这一问题。首先,对LiDAR点云进行布料模拟滤波处理,在其分类结果的基础上对非地面点云进行组件分割,得到具有缓冲区域的一系列点云子集;其次,拟合子集所在地面点云得到主平面,对地面点云进行高程归一化处理;最后,利用第三势差算法对每块地面点云进行滤波优化处理。选取三组有代表性的实验数据进行测试,结果表明：相较于布料模拟滤波算法,本文方法整体精度得到提升,尤其是在布料模拟滤波算法的Ⅱ类误差上有着明显优化效果,Ⅱ类精度平均提升12.3%,可有效解决布料模拟滤波算法分类结果中存在残留的问题。     

基于空间聚类种子生长算法的阵列干涉SAR点云滤波

阵列干涉合成孔径雷达(Synthetic Aperture Radar, SAR)通过在交轨向布置多个天线,结合方位向的合成孔径和斜距向的大带宽信号,具备了3维分辨能力,且多个阵元保证了其在高程向的空间采样,能够解决干涉SAR(Interferometric SAR, InSAR)测绘中的叠掩问题,实现观测场景的3维成像。但是获得场景区域的3维点云分布中存在较多杂点,高程向误差较大,所以传统的激光雷达(Light Detection And Ranging, LiDAR)点云滤波方法不适用于阵列干涉SAR点云的滤波处理。针对该问题,该文提出基于空间聚类种子生长算法的阵列干涉SAR点云滤波算法,应用密度和高程双重阈值生成密度-高程图像,通过图像处理手段去除小型杂点,利用空间聚类种子生长算法将植被等从点云数据中去除,完成点云滤波处理。利用国内首次机载阵列干涉SAR实验数据,通过与传统LiDAR滤波方法进行比较,验证了该文算法的有效性,为后续建筑物提取和精细化处理提供保障。      

基于机载激光点云的输电线路树障隐患快速检测方法

针对当前输电线路无人机巡检中树障隐患检测计算量大、效率较低的问题,设计了基于激光点云数据的电力线重建和树障隐患快速检测分析的方法。该方法首先根据高程分布特征、点云密度特征和倾斜角度特征提取电力线点云,分离各条电力线并将其矢量化,然后提取植被点云生成三维凸包,最后通过计算植被凸包点与电力线矢量的距离提高了树障检测效率,快速检测出该线路内的树障隐患信息。结果表明：电力线提取结果完整准确,电力线三维重建精度和树障隐患检测效率较高。该方法对输电线路地形、线路走向和点云密度等因素鲁棒性较好,大幅提高了输电线路树障隐患检测的质量和效率,为大规模复杂环境下的输电线路树障隐患检测应用提供了参考。     

机载LIDAR数据中架空输电线路的提取

通过无人机搭载激光雷达(LIDAR)对架空输电线路及杆塔进行通道扫描,可以快速获取杆塔三维点云模型,对输电线路弧垂测量、树障分析具有重要作用。架空输电线路户外环境复杂,在高密复杂点云中提取有效杆塔及线路信息,具有重要研究意义。针对上述需求,本文提出一种高效的架空输电线路提取方法。该方法首先采用布料模拟的点云滤波算法(CSF)剔除地面点,然后在非地面点构建KD树结构,以非地面点中的杆塔最高点作为搜索点进行连通域分析,从而将残余植被分离,提取架空输电线路的信息。实验结果表明该方法能正确高效的提取出电力线杆塔,提取正确率达到了99%以上,具有良好的应用价值。     

自适应精简点云改进预处理优化三维重建算法

针对初始点云离群点噪声大、冗余性高导致三维重建效率低、重建曲面表面粗糙等问题，提出一种自适应精简点云改进预处理算法。首先使用统计滤波消除离群点噪声，并在基于体素重心邻近特征点下采样中引入双曲正切函数，在保持点云特征不变的情况下精简点云数据；然后建立移动最小二乘法拟合函数，确定其二次基函数和高斯权函数，完成点云数据平滑优化；最后使用投影三角化算法完成点云曲面重建。实验结果表明，所提算法在有效去除离群点的同时，还能精简点云数据、提升曲面重建效率，且重建后的模型表面光滑、孔洞减少。     

倾斜影像辅助的无人机载LiDAR高陡边坡形变监测

针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题,优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集,以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集,改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法,将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合,实现了LiDAR点云数据缺失补偿,进而构建出完整、高精度的DEM,并与往期倾斜影像生成的DEM进行差分,对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区,利用实测的GNSS地面控制点进行实验验证,得出结论：融合后的LiDAR点云精度为0.063 m,比融合前提高了0.018 m;重建的三个典型滑坡体的DEM高程精度为0.08 m,提升了边坡DEM重建的完整性和精度;对三个典型滑坡体2018、2021年两期高程形变分析,表明：滑坡群中多个边坡发生不同程度的土体滑动,高程方向的形变高达50多米,滑坡群形变...     

基于迭代多尺度形态学开重建的城区LiDAR 滤波方法

针对形态学运算在机载LiDAR 滤波中最大窗口尺寸的选择问题,提出了一种基于形态学开重建的迭代多尺度点云滤波算法。通过循环迭代多尺度开重建运算,克服开重建对矮小地物的误判问题,自动获取开重建运算的最大窗口尺寸,解决了对城市区域滤波的窗口适宜尺寸选择问题,提高了地物与地面点分类的正确性。使用ISPRS 提供的城区样本测试数据开展实验,结果表明:其Ⅰ类、Ⅱ类及总误差均值分别达到3.10%、6.05%和4.11%,在Ⅱ类误差不显著增加的情况下,Ⅰ类误差和总误差均值同比均为最小,整体分类与自动识别性能优于常规滤波算法。     

机载LiDAR点云分块插值滤波

现有机载激光雷达（LiDAR）点云滤波算法在简单地形下取得了较好的滤波效果,但普遍对陡坡地形适应性较差。为提高在不同地形下的滤波性能,提出了基于分块的多尺度表面插值滤波算法。该算法首先通过改进的区域增长分块算法将原始点云分为点云块集和散点集,然后通过构建的多尺度表面插值算法同时对点云块和散点进行分类。利用国际摄影测量与遥感学会(ISPRS)提供的基准数据验证表明,该方法在15个样本中有11个样本滤波效果优于现有滤波方法,对各类地形均有较强适应性,且该方法平均总误差最小。对三种不同地形特征的高密度数据滤波实验,也验证了该方法的良好性能。     

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。