基于机载激光点云数据的输电线路自动分类方法研究

针对传统输电线路分类方法分类效率低的问题,提出了一种基于机载激光点云数据的输电线路自动分类方法。首先根据输电线路分类需求,运用机载激光雷达和无人机获取输电线路点云数据,然后对数据进行抽稀处理,剔除一些冗余数据,最后利用聚类分析算法对处理后的数据进行分类,以此实现基于机载激光点云数据的输电线路自动分类。经实验证明,基于机载激光点云数据的输电线路自动分类方法具有较高的分类效率。     

基于线路点云空间分布特征的导线提取算法研究

目前,无人机机载激光广泛应用于输电线路运维的边坡隐患分析、线路施工验收和树障隐患分析等方面,而输电线路导线点云提取是这些应用的基础工作和先决条件。现提出一种针对交叉跨越情况的导线点云提取算法:第一步,对一个架次的原始点云数据进行按档分割;第二步,对单档点云数据进行粗分类;第三步,导线点云精化,获取目标导线点云。根据多架次点云实验,算法准确率为91.2%,验证了其准确性和适用性。     

基于图像和激光点云融合的智能采面煤岩识别

为了提高采煤工作面的智能化水平,提出了基于图像和激光点云融合的煤岩识别方法。首先,利用三维重建构建了蕴含煤岩颜色信息及截割纹理特征的图像点云;其次,提出了基于改进迭代最近点（iterative closest point,简称ICP）算法的煤岩点云配准方法,提高了点对间的搜索速度和配准精度;然后,设计了基于改进区域生长算法的煤岩识别方法,通过仿真分析验证了改进措施的有效性;最后,搭建了采煤机煤岩截割实验系统,并对相关改进算法进行了实验对比分析。结果表明,所提方法的点云数据分割效果最好,煤岩识别准确率达92.95%。在煤矿井下采煤工作面进行了现场测试,进一步证明了所提煤岩识别方法的可行性和实用性。     

基于激光点云与图像信息融合的交通环境车辆检测

随着无人驾驶汽车的快速发展,仅依靠单一传感器的环境感知已经无法满足车辆在复杂交通场景下的目标检测需求。融合多种传感器数据已成为无人驾驶汽车的主流感知方案。提出一种基于激光点云与图像信息融合的交通环境车辆检测方法。首先,利用深度学习方法对激光雷达和摄像头传感器所采集的数据分别进行目标检测;其次,利用匈牙利算法对两种目标检测结果进行实时目标跟踪,进而对两种传感器检测及跟踪结果的特征进行最优匹配;最后,将已匹配及未匹配的目标进行择优输出,作为最终感知结果。利用公开数据集KITTI的部分交通环境跟踪序列及实际道路测试来验证所提方法,结果表明,所提融合方法实时车辆检测精度提升12%以上、误检数减少50%以上。     

新型高压带电显示检测装置

本文介绍一种新型的带PC通信的高压带电显示检测装置。本装置具有检测准确，工作可靠，数显调试，方便、直观，可实现远程监控等特点。     

针对点云缺失情况下的导线分割算法研究

提出了一种导线模型(XY面投影重合、XY面投影不重合,简称"模型一"和"模型二")识别方法和基于该模型的导线分割算法,解决了点云缺失情况下导线分割困难、分割精度低的问题。经实验验证,模型一和模型二分割准确度为92.5%、90.9%。     

非接触式激光测量点云数据预处理

作为逆向工程中形状表面数字化应用最广泛的方式,非接触式激光测量具有接触式测量无可比拟的优势。然而激光测量所得的数据点云存在明显缺陷无法直接应用于三维模型重建。本文重点讨论了激光测量所得点云数据的特点,并针对其缺陷提出一些处理方法,使之可以应用于三维模型的重建。     

激光扫描表面特征的点云数据处理方法

为了提高激光测量系统对工件表面特征的测量精度,减少数据处理中由于特征点云拟合选择对测量精度的影响,针对比较常见的两种表面特征提出了正确的拟合方式。从工件表面的实测数据出发,经过多次实验,结合表面测量特征的拟合原理,分析不同点云处理方法之间的差异,并给出了最适合该特征的拟合方式及其原因。实验表明,不同的点云拟合方式对特征测量的影响比较大,选择正确的拟合方式才能保证测量的准确性。     

插接件簧片激光检测装置设计

提出了一种用于插接件簧片在线检测的激光检测装置，该装置采用了一些有别于常规设计的结构，从而保证了其加工的良好工艺性和工作的可靠性。     

面向逆向工程的点云数据精简方法

近年来，激光扫描技术有了重大的进展，3D激光扫描设备的精度越来越高，数据的捕获速度急剧增加，其每秒产生成千上万个数据点，这一巨大的数据量成为数据计算和存储的负担。因而，一个相当重要的问题就是，将这些巨大的数据进行精简，同时维持数据原有的精度。详细介绍了目前国内外在点云数据精简方面研究的一系列方法，并对它们的特点和使用场合进行详细的比较。     

基于云平台的智能实验室远程监控系统

针对实验室管理中存在的安全问题,提出并设计了一种基于云平台的智能实验室远程监控系统.利用FRID技术对进出人员信息进行记录.在实验室内安装温度传感器和湿度传感器,把实验室内的环境数据上传至云平台,当温度传感器和湿度传感器检测到实验室环境参数异常时,云平台将实验室的数据信息及时反馈到当时正在值班的管理员的移动电话端上,提...     

基于激光点云与图像融合的3D目标检测研究

目前基于激光雷达与摄像头融合的目标检测技术受到了广泛的关注,然而大部分融合算法难以精确检测行人、骑行人等较小目标物体,因此提出一种基于自注意力机制的点云特征融合网络。首先,改进Faster-RCNN目标检测网络以形成候选框,然后根据激光雷达和相机的投影关系提取出图像目标框中的视锥点云,减小点云的计算规模与空间搜索范围;其次,提出一种基于自注意力机制的Self-Attention PointNet网络结构,在视锥范围内对原始点云数据进行实例分割;然后,利用边界框回归PointNet网络和轻量级T-Net网络来预测目标点云的3D边界框参数,同时在损失函数中添加正则化项以提高检测精度;最后,在KITTI数据集上进行验证。结果表明,所提方法明显优于广泛应用的F-PointNet,在简单、中等和困难任务下,汽车、行人和骑行人的检测精度均得到较大的提升,其中骑行人的检测精度提升最为明显。同时,与许多主流的三维目标检测网络相比具有更高的准确率,有效地提高了3D目标检测的精度。     

基于X射线图像和激光点云的煤矸识别方法

煤矸高效分选是实现煤炭资源绿色开采的重要手段,其核心技术是煤和矸石的快速精准识别。因此,本文提出了基于X射线图像和激光点云融合的煤矸识别方法。首先,设计了基于局部熵和全局均差加权的改进Otsu分割算法,以此提高X射线图像的分割精度和分割效率;同时,利用直通滤波和体素栅格降采样简化了煤矸激光点云数据,进而提取了X射线图像和激光点云的煤矸组合特征。然后,针对传统麻雀搜索算法(SSA)易陷入局部最优和种群多样性差等问题,提出了多策略改进的SSA算法(ISSA),并用于轻量梯度提升机(LightGBM)参数的寻优,进而设计了基于ISSA-LightGBM的煤矸快速识别模型。最后,搭建了煤矸识别实验平台,开展了相应的实验对比分析,结果表明：ISSA-LightGBM模型的煤矸识别准确达99.00%,综合性能优于其它模型,满足了煤矸高效识别的需求。     

基于深度学习的三维点云分析方法研究进展

点云是目前自动驾驶、机器人、遥感、增强现实(AR)、虚拟现实(VR)、电力、建筑等领域最常用的三维数据处理形式,深 度学习方法能够处理大型数据,且可自主提取特征,因此点云深度学习方法已逐渐成为研究热点。 本文综述了近十年来基于深 度学习的三维点云分析方法的研究进展。 首先给出了三维点云深度学习的相关概念;然后针对点云目标检测与跟踪、分类分 割、配准和匹配以及拼接这 4 种任务,分别阐述了相应的深度学习方法的原理,分析并比较了各自的优缺点;随后整理了 18 种 点云数据集和 4 种点云分析任务的性能评价指标,并给出了性能对比结果;最后总结了点云分析方法目前存在的问题,对进一 步的研究工作进行了展望。     

新型摄像装置在远程遥控隔离开关中的应用

目前变电站隔离开关的操作模式逐步由现场操作转为调度远程遥控操作,这对智能化变电站提出了新的可视化要求。现首先分析了调度远程遥控隔离开关的优缺点,然后提出了消除远程遥控隔离开关缺点的方法,最后介绍了创新项目设计的可旋转防尘防雨摄像装置在远程监控隔离开关位置时的应用。