结合深度学习和密度聚类的机载LiDAR点云电力线分类

电力工程是能源体系中的重要组成部分,电力工程应用无人机机载激光雷达技术对电力设施实施智能化巡检和维护,其中对电力线精细提取是热门研究方向和焦点问题。本研究综合深度学习模型的优点和密度聚类算法特点,提出了一种对不同电力线点云高精度分类的方法。首先,预训练深度学习模型对目标点云进行粗分类获得分类参数;其次,密度聚类算法应用关键参数实现对电力线点云聚类;最后,以ArcGIS软件分类电力线结果为标准评价本文方法的电力线分类结果,电力线提取的正确率达到99%以上,质量达到98%以上。本文方法解决了密度聚类算法的参数敏感性,实现了对电力线点云高精度分类,满足了电力工程的实际需求。     

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...     

基于3D点云的输电通道空间隐患检测方法

针对目前点云处理算法在输电通道巡检中空间隐患检测效率低、精度差且针对性弱的问题,本文提出一种基于3D点云的输电通道空间隐患检测方法,该方法能够有效提高输电通道内空间隐患的检测精度与效率。首先,设计自适应密度下采样算法实现点云数据稀疏化和密度均一化,并结合高程格网算法分离空中点云与地物点云;其次,改进传统的RANSAC算法,通过引入曲率因子优化种子点选取方式与内点判定函数,实现电力线点云提取;最后,构建KD-Tree结构确定空间隐患区域并利用夹角方差法对隐患进行分类。通过实地采集数据进行试验,结果表明该方法能有效检测输电通道空间隐患,提取电力线点云的精确度、召回率可达96.8%、97.1%,空间隐患检测的准确率可达96%以上。相比传统方法,该方法在输电通道空间隐患检测精度、效率方面均有明显优势,在输电通道智能巡检上有良好的实用价值。     

基于LiDAR点云的高压电塔自动提取算法

为提取机载LiDAR点云中的高压电塔,提出一种电塔自动提取算法.首先,对点云进行预处理,利用布料滤波算法得到地面点和非地面点;对非地面点点云进行空间规则化网格处理,根据高压电塔的高程特征进行粗提取,得到存在电塔的感兴趣区域(ROI)网格;最后,利用改进的基于密度的噪声空间聚类算法剔除ROI网格中的噪声点,进行电塔点云的...     

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。     

基于改进欧式聚类的三维激光雷达点云目标分割方法

随着科学技术的发展,智能驾驶系统逐渐成为许多学者研究的目标.在这一研究领域中,激光雷达技术已经得到了广泛的应用,其中目标分割在智能车辆对周围环境的识别过程中起着重要作用.由于在对点云进行聚类分割时对相邻目标容易出现欠分割问题,针对这一问题本文提出了一种基于欧式聚类算法的改进方法.首先对点云数据进行预处理,包括下采样和地...     

基于改进PointNet++的中压电力线点云分类方法

针对中压电力线点云分类中存在的噪声干扰、分类精度低和鲁棒性不足的问题,提出一种基于改进PointNet++的中压电力线点云分类方法。首先,通过多种手段提取点云空间信息、几何特征以及局部几何特征等多维度特征,为点云单点构造40维特征向量;然后对PointNet++进行改进,引入了点注意力模块（point attention module, PAM）和组注意力模块（group attention module, GAM）,同时与层归一化（layer norm）和残差连接结构组合使用,用以增强其特征的细节捕捉能力,降低复杂环境对分类效果影响;最后采用某地机载采集的10 kV中压电力线走廊数据构建数据集,进行了方法验证。实验结果表明,所提方法在Precision、Recall和F₁-score上均优于传统机器学习方法和基于PointNet、PointNet++的深度学习方法。相较于PointNet++（XYZ+Features）,所提方法在Precision、Recall和F₁-score上分别高出1.6个百分点、5.3个百分点和4.6个百分点,且通过可视化结果进一步验证了PAM和GAM的有效性。验证了所提方法在中压电力线点云的提取上更为精确,其结构特征更加清晰,且与周围环境的区分度更高。     

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。     

基于激光雷达与深度相机融合的行人检测方法

针对二维激光雷达在检测行人位置时,因缺少高度信息导致对行人特征识别不准确,易产生误判的问题,提出一种基于二维激光雷达与深度相机联合检测的行人识别方法。使用支持向量机(SVM)筛选出激光雷达点云数据中属于行人腿部曲线的点云段并以此确定行人位置;视觉图像中引入人体识别算法框选行人,利用人体外边框中心点处图像坐标和深度值解算行人位置。将雷达与相机获得的行人位置信息加权融合得出行人实际位置。实验结果表明,所提方法在继承激光雷达测量精度的同时,极大地减小了误判率,证明该方法的有效性。     

基于改进欧式聚类算法的双目主动视觉点云目标检测研究

双目视觉立体匹配时,在同色调表面因为缺乏纹理信息,不仅计算量大且匹配度低, 而且生成的 场景中的点云又具有非结构化、近密远疏的性质, 因此,提高双目视觉匹配的精度与速度, 以及准确分割点 云目标, 一直是点云获取及目标检测中的难点问题。 针对以上问题, 本文首先提出了一种融合主动激光 的 3D 点云目标采集方法, 快速准确地获得原始点云数据; 其次提出了一种基于欧式聚类的改进算法, 使用距离阈值和角度阈值作为阈值分割判断条件进行分段聚类, 得到边界明确的 3D 点云目标检测框。 实验结果表明:所设计的 3D 点云成像系统能够有效获取前方物体的 3D 点云信息,且具有比激光雷达成 本低、易实现、信息丰富等优势;改进后的欧式聚类算法能有效改善传统算法对阈值较为敏感导致的物 体易出现欠分割或过分割的问题, 提高了目标检测的准确率, 在室内场景下具有良好的检测效果。     

方向自适应的星载光子计数激光测高植被冠层高度估算

星载光子计数激光测高系统具有较高的沿轨距离分辨率,能够探测得到植被冠层和地表的连续高程信息。然而星载植被点云的低点云密度和低信噪比,对植被相对冠层高度的估算方法提出了新的要求。本文提出了一种方向自适应的星载光子计数激光测高植被点云冠高估算方法。首先通过寻找点云高程统计直方图中代表冠层和地面位置的极值进行粗去噪,大致得到信号高程所在的范围,并估算出冠层,地面和噪声点云的平均密度以及地表坡度。随后对粗去噪后的点云进行方向自适应的密度聚类精去噪,其邻域的方向为地表坡度,与密度有关的阈值均根据估算出的点云密度自适应的做出调整。在滤波后,结合点云的密度和高程百分比分别找出地面与树冠顶端的初始点,并通过三角网方法(TIN)扩展初始点以进行分类,最终确定地表与树冠顶端的高程。采用ATLAS星载激光测高仪的植被点云对算法进行了验证,结果表明算法能够正确估算植被冠高,十分适用于坡度较大和叶面积指数较低的地区,其中冠顶与地面的高程和机载LIDAR数据高程的决定系数R~2分别为0.99与0.77,均方根误差RMSE为0.28 m与2.6 m。     

基于主成分分析与曲面拟合的激光点云滤波去噪

为了消除激光点云采集时点云中的噪声点,避免噪声尤其是一些孤立离群点对点云数据质量的影响,将散乱的、含有噪声点云变成规则的、高精度的点云,采用了基于主成分分析与曲面拟合进行点云去噪的方法,首先提出了点云区域的主成分分析计算方法,在主成分分析的法向量进行粗去噪,而后去噪后的点云进行曲面拟合,最后根据点到曲面的距离进行了点云的滤波,得到滤波后的点云。结果表明,该方法去噪效果精度高,尤其针对散乱点云,去噪效果明显,最佳滤波性能误差仅为0.018mm。该研究为散乱激光点云的去噪滤波提供了参考。     

Mars-LiDAR系统误差分析及安置角误差飞行检校

机载激光雷达系统是集激光扫描仪、全球定位系统和惯性导航系统等于一体的多传感器集成系统。机载激光雷达的检校和标定是保证激光点云定位精度的关键环节,其中扫描系统安置角误差是影响定位精度的主要因素之一。首先介绍了国产中远程机载激光雷达Mars-LiDAR系统,然后基于误差传播定律对系统误差进行了分析。研究了系统安置角误差的飞行检校方法,采用外场定标的方法将安置角进行动态分离,并通过飞行试验完成了系统安置角误差的动态检校,对Mars-LiDAR系统在3000 m、4000 m飞行高度获取的点云进行了定位精度分析和校正,验证了Mars-LiDAR系统安置角误差检校方法的实用性。     

地面3维激光扫描技术建筑物特征线提取

为了提取出地面建筑物的特征点与特征线,采用平面拟合算法提取特征点的方法,对算法进行了理论分析和实验验证,得到了建筑物的特征点与特征线,并构建出该建筑物的边界线框图。结果表明,利用地面3维激光扫描技术,扫描得到建筑物的点云数据,并对点云数据进行处理,最终能够提取出建筑物的边界线。这对数字城市建设具有重大的意义。     

基于三维激光雷达技术的输电线路廊道障碍物检测研究

传统的输电线路人工巡检方式存在效率低、代价高等问题,文中基于三维激光雷达技术,利用无人机设计并开发了一套具有较高自动化程度的输电线路廊道障碍物检测方案。该方案能够借助点云数据的预处理、分类提取和测量距离的阈值比较,检测与判断输电线路及周边障碍物的安全距离。测试和分析结果表明,该方案能够较为准确地测量和判断障碍物与输电线路的距离,并能够减少传统人工巡检的损耗,为输电线路廊道障碍物的检测提供帮助。     

条纹原理激光雷达成像仿真及实验

基于条纹原理的阵列探测体制激光成像雷达由于其独特的技术优势在激光测绘中具有潜在的应用。介绍了扫帚扫描结合条纹原理阵列探测体制激光雷达的仿真及飞行实验研究结果。首先介绍新体制激光雷达仿真平台的建立及典型的仿真结果。利用该仿真平台可指导新体制激光雷达的设计,并对机载飞行实验参数的设定进行成像效果仿真,仿真的距离测量精度为0.5 m。最后开展了新体制激光雷达机载飞行实验,给出了典型地区的原始条纹图像及经过数据处理后的点云图。新体制激光雷达外场实验结果的测距精度优于1 m,机载飞行实验测距精度结果与仿真分析结果一致,验证了该仿真系统的正确性。通过与实际被动光学相机成像图像进行比较,验证了新体制激光雷达在航空测绘等方面的技术可行性。     

适用于激光点云配准的重叠区域提取方法

多视角激光点云的配准是目标三维重建的基础,而点云之间重叠区域的提取对提高配准效率具有重要意义。提出了一种基于区域分割的重叠区域提取方法,首先使用谱聚类按照几何结构特征对各视角点云区域分割,然后对各个区域建立ESF多维形状描述符。对提取的描述符计算两两之间的欧式距离,描述符之间欧式距离最近的区域即为点云之间的重叠区域。实验证明：算法对激光点云噪声及初始位姿等因素表现稳定,在点云采集视角差异较大的情况下仍能完成重叠区域的提取。在仿真的四组点云测试中,点云的重叠率平均提高了14.3%,在实际采集的多视角点云测试中,点云的重叠率平均提高了13.3%。