基于无人机载LiDAR的输电线路树障单木识别

树障是高压输电线路在复杂山区植被茂密区域运行所面临的主要安全威胁之一,不同树种生长周期不同,一定时间内的树障风险也不同。为了大范围准确识别林区的树木种类,文中提出了一种基于机载雷达测量技术的树木种类快速识别方法。首先利用机载雷达对输电线路地区地面进行快速点云数据获取,并且预处理数据得到单棵树木的冠层点云;随后建立冠层的空间属性点云特征量,包括树冠高度、树冠体积、树冠点云密度、冠层激光反射强度以及树冠形貌特征;最后根据树木的空间点云特征建立树木的种类K均值聚类识别模型。结果表明：对于该地区生长的树木,5种空间点云特征具有良好的识别效果,最终建立的树木种类K均值聚类识别模型对于验证数据的准确率达到了85.9%,Kappa系数0.812。输电线路下方植被种类的快速识别对于树障风险评估和预警具有重要意义。     

机载LIDAR测量原理与数据滤波分类处理

本文阐述了机载激光雷达测量原理与组成:建立了激光雷达数据处理的流程图,详述了数据处理的方法:利用EarthData公司提供的试验数据,对激光点云进行自动+人工的滤波处理,将DSM点云分类为不同的地物属性层,从地面点层中提取DEM,并对滤波前后的高程模型和等高线图进行了比较,显示了试验数据处理的成果,为理论和技术研究打下良好的基础.     

融合机载高分辨率InSAR数据的DEM生成方法

机载高分辨率干涉合成孔径雷达(InSAR)获取的高程数据是数字表面模型(DSM),需要进行编辑才能生成数字高程模型(DEM)。在分析机载高分辨率InSAR原始DSM数据特点的基础上,融合相干系数和SAR幅度图,对基于曲面拟合生成DEM的方法进行改进。通过实验表明,融合InSAR数据生成的DEM更加贴近实际地形。     

基于无人机影像深度学习算法的植被识别与DEM生成方法研究

无人机搭载光学相机进行地形图生产已广泛应用于电力工程的勘察阶段。然而,采用此方式生成的DSM包含植被高度信息,难以直接进行地形图生产,需要大量的内业修图工作以去除植被影响。利用无人机搭载光学相机生成DOM和DSM,引入U-Net语义分割算法,通过算法改进,实现植被的快速识别。进而,利用识别得到的植被区域对DSM进行掩膜,生成带空洞的DEM,采用局部构建不规则三角网的方法进行DEM生成,最终得到去除植被影响的DEM产品。经验证,植被识别精度达到95.96%,交并比达到91.55%。该方法不改变非植被区的高程,植被区高程数据填补仅依赖于周边高程值,减少内业修图工作量,提高地形图生产效率。     

基于机载LiDAR的架空输电线路通道速生植被提取

在实际工作中巡检周期的存在,使得架空输电线路树障判定不仅需考虑现时点上树木是否满足安全距离要求,还需考虑下一个巡检周期内因树木生长而导致安全距离不足的情况。针对点云数据缺乏细致纹理,无法对树木种类进行判别,从而不能对下一个采样周期内树障变化情况进行预测的问题,提出一种基于多时序网格高度对比的速生植被提取方法。该方法将生长速度大于2 m/半年的植被视为速生植被,并基于网格化思想将输电线路通道划分为多个小网格,通过对比多期点云网格内植被点的最高高度确定网格内树木生长速度,进而实现速生植被提取。实验证明,该方法能有效区分输电线路通道中的速生植被点,对后续的树障隐患判定具有重要意义。     

建立电力线路通道清理工作新机制

随着自然环境的改善,电力线路通道内树木越来越多,也越来越茂盛。供电公司员工在清理过程中,常常碰上老百姓漫天要价,甚至阻挠清理树木的情况。地方政府出面协调收效甚微,有时还会增加额外工作量。因此,单纯性地从保障电力线路安全运行出发来清理通道,阻力较大,长此以往必然会造成电力线路树障跳闸。通过以＂森林防火＂为切入点,建立＂森林防火＂联合工作机制,将电力线路通道作为森林防火隔离带，既保护了森林资源，也保障了电力线路的安全运行，从根本上解决了电力线路通道清理难的问题，对电力线路安全运行具有非常重要的意义。     

输电线路通道树木隐患点预警平台的研发

为了提高输电线路通道树木隐患维护工作的效率,提升信息化管理水平,研发了输电线路通道树木隐患点预警平台.预警平台采用基于统计学自主开发的数学模型获取树木生长高度,采用数据库的逻辑计算模式进行隐患等级自动识别划分,并自动发送预警信息,预警信息可显示树障的种类、安全距离、隐患等级等关键数据.实际应用证明,预警平台提供了便利的树障信息获取途径,能够有效指导输电线路运维人员开展线路通道树障清理工作,保障了输电线路安全稳定运行.     

电力三维电子沙盘的研究与应用

电力三维电子沙盘是依托于数字高程模型DEM（Digital Elevation Matrix）、数字正射影像DOM（Digital Orthophoto Map）、电子地图数据DLG（Digital Line Graphic）组成三维基础地理影像平台,采用GPS卫星定位技术,将电网设施精细建模后精确分布于三维地理影像平台,并集成相关电网信息,形成模拟现实和高信息化的数字电网。     

基于球面投影的激光点云目标检测

基于深度学习的激光点云目标检测已成为了一个重要的研究领域。本文采用球面投影和2D图像的SOTA深度学习网络,实现3D激光点云目标快速检测。首先,将KITTI数据集单帧3D点云经球面投影转换成一帧2D的RGB三通道图像,像平面的像素位置取决于点云的三维坐标,其R、G、B 3个通道灰度值取决于点云归一化后的反射强度、距离、高度。其次,分析了不同分辨率下球面投影的重叠分布情况和对图像质量的技术影响。最后,采用语义分割模型DeepLab-V3+网络,仿真结果表明：该方法在分割精确度和速度方面都具有良好的性能,应用价值较高。     

电力线路通道清理迎来“发展的春天”——看靖安通道清理如何嬗变确保安全供电“最后一公里”

靖安县是全国重点林业县,森林覆盖率高达84.1%,自林权制度改革后,林权所有者因利益关系不愿清理电力线路通道内的树木,给电力线路安全稳定运行造成很大的障碍,因线路通道不畅、外力破坏等原因引发的电力设备损坏、故障停电等事件时有发生。