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。     

一种用于道路障碍物识别的激光点云聚类算法

提出一种适用于道路障碍物识别检测的聚类算法,该算法用来处理各向异性分布的激光点云数据。算法的基本思想是:针对点云空间分布的实时变化,提出在线学习合并阈值的层次聚类算法,以确定聚类数搜索范围上界和初始聚类中心的待选点集;然后提出距离乘积最大化方法,对待选点集进行初始化排序,既结合点云的空间密度分布改善了聚类结果,又克服了传统K-means算法初始聚类中心难确定的问题;最后选取Silhouette和距离评价函数为聚类有效性指标分析算法的聚类效果,确定最佳聚类数。用以上自适应、在线学习的算法对2.5D激光雷达采集的点云数据进行聚类,并与其他两种聚类算法进行实际试验比较发现,本算法可以正确分割大多数空间分布各异且相互连接的障碍物。     

基于AP密度聚类方法的雷达辐射源信号识别

未知雷达辐射源信号识别一直是雷达对抗情报分析中的难题。针对基于密度的聚类算法在处理不均匀样本时识别率较低的缺陷,将该算法与亲和传递（AP）聚类算法结合,提出一种基于AP密度聚类的识别方法。该方法先利用AP聚类方法对数据样本进行初步聚类,再设定相关参数,运用基于密度的带有噪声的空间聚类（DBSCAN）算法进行二次聚类。相对于原样本,初始聚类结果分布具有一定的代表性,容易找到适合DBSCAN方法的参数值。测试表明该方法具有较高的识别率。     

密度聚类方法研究

密度聚类分析方法是经典聚类的一个重要分类,能够发现具有相同密度结构的数据,而不拘泥于数据的凹凸类型和集群形状.基于此,研究了密度聚类方法的发展现状:首先介绍了几种重要的经典密度聚类算法,并对其核心思想、算法流程、算法特性等进行了分析;其次总结归纳了各个经典密度聚类算法的优缺点、适用场景,介绍了密度聚类算法的实用案例;最...     

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Hou...     

机载激光雷达数据中道路中线的多尺度提取方法

机载激光雷达(LIDAR)技术的出现为道路特征的获取提供了新的途径.在分析现有道路提取现状的基础上,针对激光雷达数据的特点以及单一尺度下道路中线提取方法的不足,提出一种基于多尺度追踪的道路中线提取方法.该方法首先采用逐步约束的方法进行道路激光点的提取,包括高程约束、强度约束以及区域点密度和区域面积的约束等;然后基于道路点云生成的不同尺度距离影像的形态学细化结果,采用多尺度追踪的方法实现道路中线的提取,其中多尺度追踪方法由大尺度道路中线的迭代追踪以及小尺度道路中线的启发式追踪两部分组成.最后采用实地数据进行验证,结果表明:该方法能有效地从LIDAR点云中提取道路中线信息,并具有较好的精度.     

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。     

机载激光扫描数据粗差剔除新方法

机载激光扫描数据的粗差剔除直接影响后期数据处理的质量,是激光扫描数据处理过程中必要的基础工作.本文在分析现有粗差剔除方法的局限性的基础上提出一种新的粗差剔除方法,利用体素实现原始激光脚点从全局到局域的转换,消除地形起伏对粗差剔除的影响,基于粗差特性分离粗差和目标激光脚点.通过实测数据实验,表明该粗差剔除方法对于任意分布...     

基于结构特征的机载LiDAR数据与航空影像自动配准

针对现有机载LiDAR数据与航空影像配准方法对匹配特征具有较强的依赖性,易受数据等影响的问题,提出了一种基于结构特征的自动配准方法。该方法首先提取LiDAR距离图像与对应影像的结构特征,利用初始姿态参数将LiDAR结构特征投影至影像坐标系下,根据结构特征的几何约束条件获取初始匹配点集,完成粗匹配;接着利用粗匹配结果计算直接变换模型（DLT）参数,并以此为初值引入双点几何约束,采用循环迭代的匹配策略,不断剔除错误匹配,获得一组新的匹配点集,完成精匹配;最后根据精匹配结果,采用基于单位四元数的空间后方交会方法解算航空影像的姿态参数,实现机载LiDAR数据与航空影像的自动配准。实验证明,该方法受噪声影响小,能实现机载LiDAR数据与航空影像的自动配准。     

基于图论的单线激光雷达数据匹配方法

针对传统的基于单线激光雷达的匹配方法在多障碍物环境下匹配精度低的问题,提出了一种基于图论的匹配方法。该方法从数据点集中提取出具有凹凸性质的特征点,提取对应的线段并构建属性图模型,将点集配准问题转化为属性图匹配问题。与传统的基于线段的匹配算法相比,所提方法基于图模型引入了更多的线段之间的几何关系,使算法可以适用于多障碍物环境以及动态多障碍物环境;与传统的基于点的匹配方法相比,该方法依据特征点组成的线段进行几何意义上的匹配,通过属性图模型快速找到局部观测数据与全局数据的最佳匹配,提升了运算效率,同时也避免了传统方法易陷入局部最优解的缺点。     

基于平面延展方法的LiDAR数据滤波

在对目前机载LiDAR 数据后处理典型算法分析比较的基础上，针对机载LiDAR 技术实际应用中对数据处理稳定性、智能性与适应性的更高需求，提出了一种快速稳健滤波方法，即平面延展方法。它利用单元平面的生长形成整个地表，相对常规方法增加了栅格化数据、填充空白数据及剔除错误冗余数据等操作，利用可靠的判定条件选择了基础点。采用平面延展方法对不同地形区域的LiDAR 数据进行了滤波，将滤波前后的数据图像进行对比，采用三种客观误差指标评价处理质量。结果表明，平面延展方法稳健、可靠、效率高，能够在保证精度的情况下有效分离出非地面信息，在应用中有一定的优越性。     

A kind of denoising method for airborne waveform sampling LiDAR

This paper describes a full waveform sampling LiDAR system applying stripe principle. A kind of denoising method based on edge detection of original stripe signal is proposed. This method is compared with other denoising methods, such as Wiener filtering, mean filtering and median filtering. It is found that the proposed denoising method is much more effective for dealing with the waveform signals.     

全局收敛LM 的激光雷达波形数据分解方法

全波形激光雷达是遥感领域的新兴技术,相比传统激光雷达,它对后向散射回波进行全数字化的记录,通过分解返回波形能够得到更加丰富的地物属性信息,因此波形分解是激光雷达全波形数据处理的核心内容。针对传统LM算法容易陷入局部最优解的问题,提出一种全局收敛LM的激光雷达全波形数据分解方法。该方法引入全局收敛LM算法对波形进行拟合,获得波形分量参数的最优解,利用迭代的波峰检测策略实现复杂重叠波形分量的逐步分解。通过对GLAS、LVIS与Lite Mapper-5600的波形数据分解实验证明:该方法相比传统LM算法能够得到更具鲁棒性的波形分解结果,并且适用于星载波形数据、机载大光斑以及机载小光斑波形数据,具备较高实用价值。     

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iHDODC-LinkNet网络的遥感图像道路提取方法

遥感图像的道路提取在推动城乡发展规划及建设方面具有重要意义。然而,目前传统方法对于遥感图像道路提取存在工程量大、效率低下的问题,基于深度学习的方法又存在复杂场景下提取精度不高和连通性差等问题。针对上述存在的问题,为提高不同地貌区域的道路提取精度,本文提出一种基于iHDODC-LinkNet网络的高分辨率遥感图像道路提取方法。该方法在语义分割模型 D-LinkNet的基础上进行改进:一方面使用ResNeSt50重建D-LinkNet网络并添加预训练模型,提出一种混联深度过参数化扩张卷积(hybrid depthwise over-parameterized dilated convolution,HDODC) 模块;另一方面采用迭代注意力特征融合(iterative attentional feature fusion, iAFF) 机制替换原始的相加融合,从而使模型关注于道路的全局信息。最后,在马萨诸塞州道路数据集和某省高速公路场景数据集上进行训练并通过测试集的提取效果证明模型改进方法的有效性。根据实验模型分割效果表明,改进后的方法在测试集上F1达到71.66%,相比原始模型提升了10%,能够得到效果更好的分割结果。     

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...