基于多传感器融合的无人机电力线巡检

电力线与下方物体的距离是输电线路安全运行的重要指标,需要对其巡检以保证其距离满足安全距离条件.提出一种测距方案,使用无人机基于三维场景重建测量电力线与下面的地物间的距离.通过将激光点云数据、影像数据和位置信息在时空维度配准,实时生成电力线路附近区域彩色图像与激光雷达的融合信息,利用深度学习算法多模态神经网络的RGB-Depth语义分割提取输电线路特征,基于体素、大规模语义场景重建以及导线建模,通过拟合线模型铅垂线方法对下方地物安全距离进行实时检测,实现了判断电力线下方地物距离是否符合安全生产条件.实验结果证明该测距方案具有实用性和准确性,有助于提高输电线路运维水平.     

无人机倾斜摄影技术在电力巡线树障检测中的实践应用研究

为解决目前贵州电网电力巡线工作中人工巡检存在精度低、效率慢、智能化水平低等问题,本文结合无人机倾斜摄影技术的工作原理,对输电线路杆塔、通道及周边环境进行无人机航飞、建模,形成电力线通道三维点云,利用自动匹配的导线精确计算出树障距离和位置。即将无人机倾斜摄影技术用于电力线巡检,可在恢复输电线路通道三维点云的基础上实现树障的定量化检测,探索出一种无人机智能电力巡线新方法。本文将从无人机航空摄影方法、地表三维点云重建方法、导线三维重建方法和树线距离量测方法四个方面,重点分析无人机倾斜摄影技术在电力巡线树障巡检作业中的工作原理和流程,并结合一线巡检班组的实验数据,阐述其在实践中的具体应用。     

机载LiDAR高压线塔点云自动化提取

高压线塔三维数字模型是输电线路数字化管理的重要部分,也是线路安全预警模型的重要支撑.针对当前研究中从机载LiDAR数据提取线塔点云时主干点云提取精度不高、塔脚植被点和塔头电力线点干扰严重等难题,首先,基于点云空间几何特征,利用Kd树距离分割法、欧式聚类、移动曲面拟合算法与空间格网区域向下生长算法进行线塔点云粗提取;然后...     

基于点云凸包算法的输电线路树障面积与高度计算实现方法

输电线路走廊大部分都有植被,植被的树木生长会威胁到输电线路的安全运行,所以树障清障是输电线路一项重要的日常工作。为保证输电线路树障清障的工程有计划准确的统筹和执行。现有的科技进步已发展到能通过航测手段生成点云进行输电线路导线与树障之间的安全距离分析,解决了发现树障隐患的问题。但现有的方式只是分析出树障点和安全距离,后期还要花费大量人力到现场勘察树障高度和面积确认工程量。本文提出了一种利用Graham扫描算法计算树障高度与面积的方法方式,将工作量大的现场勘察转移到在计算机进行点云算法估算。     

点云数据下的矿山巷道三维建模

基于三维激光扫描技术获取数据点云,对煤矿巷道进行精细三维建模。研究了狭长型海量巷道点云数据精细建模问题,使用Delaunay生长算法引入边、角等约束条件,设置不同三角网边长阈值对点云数据分析处理,在保证模型细节前提下选取合适的边长阈值完成巷道整体构网,实现了巷道实体对象的全景建模并对模型精度进行了分析。借助某煤矿点云数据验证了三维激光技术在巷道建模的可行性,为数字化矿山建设提供准确精细的数字化模型。     

无人机激光雷达智能识别输电线路缺陷

针对我国高压输电线路巡检周期长、作业强度大、无法保证巡检结果客观性与完整性的问题,提出了一套无人机三维激光雷达智能识别输电线路缺陷的研究方法。该方法首先使用自动化分类方法将走廊三维点云进行金字塔式数据重采样及分档式处理;其次将分档数据自动划分为地面、植被、杆塔、导线4个类别,结合人工判读识别低等电力线、公路等其他类别;最终,根据国网相关安全局规程提取当前工况下导线与周围地物存在的安全缺陷。实验数据表明,所提出的方法可有效识别导线-植被、导线-建筑物、导线-交跨等多类重要缺陷,可大幅提升现有高压输电线路巡检流程的质量与效率。     

基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取、安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。     

基于四目立体视觉的三维全自动建模

为保护并传承敦煌莫高窟世界文化遗产,研究基于四目立体视觉系统的三维全自动建模技术。由于提取的点云数量较大,导致自动建模过程中,点云的三角构网步骤无法顺利进行,因此着重研究点云的精简算法。将包围盒算法与点云的曲率特征相结合,提出一种点云精简算法,即改进的包围盒法。实验结果表明,该方法对点云的采样精度高于原始包围盒法,点云精简率可达93.6%,点云数据精简后三维建模效率大大提高,生成的三维模型精度较高。     

超高压输电线路分裂导线表面电场计算及其特性分析

采用偶极子法,计算超高压输电线路分裂导线表面电场强度,进而分析导线对地平均高度、导线布置方式、分裂间距、相间距、分裂数、子导线截面、相序等因素对分裂导线表面最大电场强度影响的规律和特点.     

一个输电线系统净空排查算法的优化过程

针对激光雷达扫描得到的输电线路三维点云数据,在对象分类的基础上,设计一个全自动的净空排查算法,以确定输电线路与周围地物是否有过于接近的情况。由于净空排查的基本算法相当耗时,故采用了包围盒、循环调整、降维、多分辨率、并行运算等措施,对基本算法作了7级优化,使算法速度提高超过20 000倍,最终达到亚秒级的耗时。     

Road Extraction Using Airborne LiDAR Data in Mountainous Areas

Based on the spatial distribution and characteristics of LiDAR points cloud of roads in mountainous areas，an effective method for road extraction from airborne LiDAR data is proposed in this research.First，the morphological filtering method is applied to remove above\|ground points cloud (such as buildings，transmission lines and vegetation etc.).Second，a region growing algorithm with multiple rules is used to extract and optimize the road points cloud.Finally，the road boundaries are located and tracked by using Freeman chain code method.Moreover，the mathematical morphology refining processing is used to extract the central line of mountainous road.The experimental results show that the proposed method is effective to extract road information in mountainous areas，and the completeness，accuracy and quality are 93.87%，93.84％，88.43％，respectively.     

机载LiDAR输电线路杆塔快速定位方法研究

杆塔位置是机载激光雷达电力巡检应用中进行输电线路点云分段、杆塔提取、变化检测的基础.为了提高其自动定位的精度和效率,提出了 一种适用于复杂地形的高压输电线路杆塔自动定位方法.首先在分析了输电线路点云相对高度、垂直和水平分布特征基础上,采用格网预处理剔除低位点格网、聚类分析确定候选类簇,然后利用格网垂直连续分布系数、高程...     

Study on Power Tower Extraction and Fast Positioning from Airborne LiDAR Data

Airborne LiDAR has become an important technique for transmission line digitalization,reconstruction and safety inspection.Moreover,accurately and efficiently extracting the position of each tower from massive point clouds is basic and important task for the applications in power industry.In this study,a method was proposed to efficiently extract the point clouds and fast determine the position of power towers using airborne LiDAR data.Firstly,the point clouds of power towers were automatically separated from raw data based on the spatial distribution characteristics of airborne LiDAR data.Secondly,each power tower was efficiently detected using a region\|growing algorithm.Finally,a least square linear fitting method was used to determine the accurate position of each power tower.The new proposed method was applied to several LiDAR data sets in areas with high voltage transmission lines.Results indicated that the integrity of the power towers’ points is up to 91.1%,and the accuracy of center positions is high enough with the medium error of 13.5 cm.Additionally,our study also concluded that the proposed method is robust and applicable even the point density is relatively low.     

一种融合IMU的手持旋轴激光雷达定位建图方法

同步定位与建图(Simultaneous Localization and Mapping,SLAM)是移动机器人与智能车辆实现环境感知、实时定位的关键技术。随着科技的不断发展,具有便携、扫描范围广等优势的手持旋轴激光雷达应用愈加广泛。为了解决手持旋轴激光雷达在运行过程中由于旋转引起的特征点稀疏导致定位建图质量差的问题,提出一种改进的SLAM算法。在LIO-SAM算法的基础上计算了一种表征点云强度信息的特征点,在提取几何特征边缘点与平面点时,将周围强度值变化较大的点作为一种新的特征点引入点云匹配。同时,通过实时判断系统是否存在退化风险,从而动态调整滤波数值设置,保证了系统运行的稳定性。实验结果表明,在手持旋轴激光雷达采集的户外场景数据下,经过改进的SLAM算法相比LIO-SAM算法有更好的定位与建图效果。     

基于机载LiDAR点云的电力线自动提取

基于机载激光雷达数据提出了一种在林区中电力线自动提取方法,该方法是基于统计分析和二值化图像处理技术设计。首先采用高度阈值,分离出电力线候选数据集,并采用一组标准(例如,高度标准,密度标准和直方图阈值)来对候选集进行统计分析,选择电力线的候选点。然后将候选点转化为二值化图像,并进行形态学优化,采用基于图像的处理技术,利用渐进概率霍夫线性变换对图像进行直线分割。最后将分割出来的电力线二值化图像转换成三维点云,并利用区域增长精细化提取电力线点云。使用不同林区环境下的4组机载激光雷达数据进行实验,实验结果表明,算法在林区环境下能够完整地提取出电力线,且电力线分类精度较高,对于电力巡线具有较高的利用价值。     

伪点云修正增强激光雷达数据

目的 激光雷达在自动驾驶中具有重要意义,但其价格昂贵,且产生的激光线束数量仍然较少,造成采集的点云密度较稀疏。为了更好地感知周围环境,本文提出一种激光雷达数据增强算法,由双目图像生成伪点云并对伪点云进行坐标修正,进而实现激光雷达点云的稠密化处理,提高3D目标检测精度。此算法不针对特定的3D目标检测网络结构,是一种通用的点云稠密化方法。方法 首先利用双目RGB图像生成深度图像,根据先验的相机参数和深度信息计算出每个像素点在雷达坐标系下的粗略3维坐标,即伪点云。为了更好地分割地面,本文提出了循环RANSAC （random sample consensus）算法,引入了一个分离平面型非地面点云的暂存器,改进复杂场景下的地面分割效果。然后将原始点云进行地面分割后插入KDTree （k-dimensional tree）,以伪点云中的每个点为中心在KDTree中搜索若干近邻点,基于这些近邻点进行曲面重建。根据曲面重建结果,设计一种计算几何方法导出伪点云修正后的精确坐标。最后,将修正后的伪点云与原始激光雷达点云融合得到稠密化点云。结果 实验结果表明,稠密化的点云在视觉上具有较好的质量,物体具有更加完整的形状和轮廓,并且在KITTI （Karlsruhe Institute of Technology and Toyota Technological Institute）数据集上提升了3D目标检测精度。在使用该数据增强方法后,KITTI数据集下AVOD （aggregate view object detection）检测方法的AP_3D-Easy （average precision of 3D object detection on easy setting）提升了8.25%,AVOD-FPN （aggregate view object detection with feature pyramid network）检测方法的AP_BEV-Hard （average precision of bird’s eye view on hard setting）提升了7.14%。结论 本文提出的激光雷达数据增强算法,实现了点云的稠密化处理,并使3D目标检测结果更加精确。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中"所见即所得"的应用需求对点云的高效自动化分类带来挑战.将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究,分析样本加权对不同密度点云数据分类精度的影响,利用两组实验数据验证算法的精度和效率...     

基于空三解算技术的树障测量技术研究

电线与树冠之间的准确而有效的测量可以有效地防止与植被有关的故障,并确保电力系统的安全稳定运行。针对电力走廊树木障碍的测量难度,提出了一种基于空三解算技术进行测量的方法。通过拍摄电力线走廊区域的正面照,并使用图像的重叠特征点,可以算出每张照片的方向元素。根据空中三角剖分的原理,采用像素匹配算法计??算测量区域的密集点云数据,可以对树障测量进行统计,然后计算出树障的值。实验结果表明,空三解算方法可以实现对传输线势垒值的测量,测量误差可以满足测量树木与输电线路之间距离的需要。     

基于双多线激光雷达的非结构化环境负障碍感知技术

负障碍感知是非结构化环境下的难点问题,本文针对该问题提出一种新的基于双多线激光雷达（Light detection and ranging,LiDAR）的感知方法.采用分布嵌入式架构对双激光雷达数据进行同步采集与实时处理,将雷达点云映射到多尺度栅格,统计栅格的点云密度与相对高度等特征并标记,从点云数据提取负障碍几何特征,通过将栅格的统计特征与负障碍的几何特征做多特征关联找到关键特征点对,将特征点对聚类并过滤,识别出负障碍.方法不受地面平整度影响,已成功应用在无人驾驶车上.使用表明该方法具有较高的实时性和可靠性,在非结构化环境下具有良好的感知效果.