激光点云中输电杆塔坐标的快速提取方法

为实现利用无人机进行输电杆塔精细化巡检,需从冗杂的激光点云数据中提取输电杆塔坐标。首先,通过降采样和高程滤波对点云数据预处理;其次,根据杆塔、导线和地面点云的空间特征将每个杆塔初步分离提取;最后,基于杆塔的直立特性和对称特性进一步精提取出独立杆塔。以某市2条220 kV输电线路的激光点云数据为例,本文算法可快速完整地提取出全部输电杆塔坐标,单个杆塔建模效果较好,平均每基杆塔可在2 min内完成提取,有助于后续无人机杆塔精细化巡检的航迹规划。     

基于激光点云精确定位的输电线路无人机自主巡检系统研究

为了实现输电线路无人机全自主巡检,减少手动飞行控制操作,本研究实现了一种基于激光点云精确定位的无人机自主巡检系统,通过高精度三维激光点云数据实现航线自主规划、自主生成,从而实现无人机全过程无人化巡检作业飞行。试验结果表明,基于激光点云精确定位的无人机在自主巡检飞行过程中,具备空间碰撞检测与自动壁障能力,有效保证无人机飞行安全,降低电网潜在风险,提高输电线路巡检效率和运行可靠性,为后续输电线路巡检探索提供新的发展方向。     

固定翼激光雷达网格化输电线路巡检方式应用

随着电网输电线路范围不断扩大,输电线路从高压发展到超高压、特高压等级,传统模式的人工巡检不能满足当前输电线路发展的需求.随着无人机技术的发展,当前输电线路大多采用无人机搭载相关辅助设备的巡检模式,鉴于已开发部分无人机存在续航时间短、需要多次飞行才能完成一次输电线路巡检任务的问题,采用成都纵横CW-30固定翼无人机搭载激光雷达系统,以某地区220 kV输电线路使用网格化巡视巡检为例,对所采集的数据进行处理,生成高精度的线路点云数据,结果表明,采用固定翼无人机搭载激光雷达系统网格化巡检输电线路具有续航时间长、精度高、效率高的特点.     

无人机载多载荷输电线路巡检方法研究

为提高线路巡检效率、提高隐患目标识别准确度,针对目前无人机及有人机挂载激光雷达进行巡检的作业方式,本文提出激光雷达和可见光相机一体化应用的方法来提高巡检自动化程度、提高巡检精细度、作业效率及可靠性。首先,利用一次飞行同步采集巡检区域的激光点云数据和可见光影像数据,分别进行相应的预处理;然后,将点云数据和影像数据融合处理分析,实现输电线路隐患目标自动识别和精准定位。采用旋翼无人机实际巡检获取的输电线路激光点云数据和影像数据对该过程进行了验证,试验结果表明,基于无人机载多载荷的输电线路巡检具有较高的自动化程度和准确性,缺陷检测的水平距离误差为0.146 7 m,垂直距离误差为0.102 5 m,净空距离误差为0.1 57 5 m,精度优于当前输电线路巡检要求。     

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、空中三角测量、建模,形成电力线通道三维点云,利用自动匹配算法生成的导线精确计算出树障距离和位置,并生成输电线通道障碍物报告。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入手,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。     

大型无人机电力巡检LiDAR点云安全距离诊断方法

输电线路走廊中地物安全距离检测是电力运维部门日常线路巡检作业中的重要一环。结合此项运维实际需求,提出一种无人机电力巡检LiDAR点云数据的自动安全距离诊断方法:首先依据已知的线路位置与走向对无人机巡检系统采集的LiDAR点云进行裁剪,获得线路走廊区域点云;其次,采用自适应分区滤波的方法滤除地面点,获得非地面点云;在此基础上,在非地面点数据中,依据点云维数特征以及空间几何分布特性从非地面点中分离出导线点、杆塔点、及林木植被、建筑物等安全距离诊断所关注的线路走廊其他地物;继而提出一种迭代最小二乘电力线悬链线模型解算方法,自无序电力线激光点云数据拟合悬链线方程,用于后续安全距离计算;最后使用分段剖面安全距离计算方法计算线路与线路走廊下方地面/地物距离,并与标准安全距离做比较,对于距离小于安全距离的区域进行危险预警。采用大型无人机电力线路巡检系统采集的多组LiDAR点云数据对文中算法进行实验验证,并对检测结果与人工点云量测值与实地巡检值进行了定性与定量的对比分析。实验结果表明提出的安全距离诊断方法能准确探测树障等安全距离超限地物。     

大型无人直升机电力线路全自动巡检技术及应用

大型无人直升机电力线路巡检存在环境适应性差、智能化程度低、多学科交叉难度大等问题,现阶段无人直升机巡检主要依赖于人工地面操作,为了提高巡检效率和安全性,研究大型无人机全自动巡检技术具有重大意义。提出了大型无人机全自动巡检概念,分析了无人机全自动巡检的必要性,论述了实现复杂环境下大型无人机超低空、超视距安全巡检涉及的关键技术,包括实时差分定位、无人机中继通信、自主避障、高精度位姿测量、吊舱自动追踪、飞行计划和航迹规划、任务规划和任务控制等,并将大型无人直升机全自动巡检技术首次应用于我国电网输电线路巡检,巡检结果验证了大型无人机全自动巡检技术的有效性和先进性。大型无人机全自动巡检建立了一种高效、智能、全新的电力巡检模式,该项技术的发展进步对提高我国电网输电线路智能化巡检水平具有显著促进作用。     

输电线路无人机巡检图像自动命名关键技术研究

针对海量的输电线路无人机巡检图像，传统的人工命名耗费了大量的人力，且存在命名错误等一些问题，严重影响无人机发挥巡检效能，因此提出输电线路自动命名技术。该技术基于输电线路高精度激光点云，提取零部件关键位置坐标，基于无人机RTK定位技术，提取巡检图像坐标，运用以上两种坐标，完成了基于空间距离的图像自动命名方法研究，并基于python研发了自动命名软件，在没有人员干预的条件下，快速、准确、自动地完成输电线路无人机巡检图像命名。在佛山地区应用实践中，该软件每年完成22万张输电线路无人机巡检图像的自动命名，节约了大量的人力，提高了无人机巡检时效性。     

激光雷达输电线路点云数据智能分类方法研究

为解决传统分类方法处理大规模输电线路可视化巡检的激光雷达点云数据时效率低、精度差的问题,提出了一套自动分离输电线廊道中电力线、杆塔、地面和植被的智能化方案。首先依据曲率及邻域特征精准提取出电力线点;然后利用布料滤波法分离地面点和非地面点;最后基于圆柱模型从非地面点里识别出杆塔点和植被点。此研究选用了三段不同密度的输电线走廊点云数据进行实验,结果显示该方法对三种数据集的电力线、杆塔、地面和植被识别均有良好表现,整体分类精度大于90%,电力线的用户精度和制图精度随着云点密度的增加而逐渐增高。实验证明,此方法适用于多种类型的激光雷达点云数据,其理论方法对解决输电线走廊可视化巡检的自动分类问题具有借鉴价值,为充分提高输电线路无人机巡检的效率和精度提供了科学依据。     

基于YOLOv3的电力杆塔检测算法研究

电力杆塔是支撑和架空输电线的塔架结构,杆塔检测和无人机智能巡检电网线路相结合已逐渐成为发展趋势。为提升电力设备巡检效率,提出了一种基于YOLOv3改进的目标检测模型,用于无人机巡检输电线路中对于杆塔的实时检测。通过水平镜像、旋转变换、图像错切和颜色变换等方法完成数据扩增,扩大杆塔训练样本。利用K-means聚类算法获取最适合的先验锚框,使其更符合杆塔的形状和比例。改进损失函数,采用GIoU计算边界框回归损失,提升了目标定位的准确性。实验结果表明,相对于其他算法,改进后的YOLOv3模型准确率较高,检测速度达到了每帧65 ms, mAP(多类别平均精度)达到90.8%,可以有效检测到航拍图像的电力杆塔,对无人机巡检输电线路有一定的工程应用价值。     

基于深度学习的输电线路杆塔点云分类方法

随着激光点云在电力场景中的运用深入,为进一步发挥杆塔点云作用,针对传统方法对杆塔点云精细分类自动化能力不足问题,本文结合无人机激光扫描点云,运用深度学习技术中新兴的针对3D点云处理技术PointNet,利用PointNet技术来对电力杆塔激光点云精细分类,精细分出电力杆塔点云中电力杆塔、输电线路、绝缘子、跳线等部分,共7个种类。试验取得了较好效果,总精度达到0.91。并测试了点云抽稀缺陷情况下电力杆塔点云的分类效果,为电力场景中点云分类提供了可行的解决方案。     

基于机器视觉的输电线路无人机激光清障方法研究

针对传统输电线路无人机清障方法对故障点定位不准确的问题,研究基于机器视觉的输电线路无人机激光 清障方法.利用AI技术对输电线路图像提取特征值,无人机在巡检过程中运用机器视觉技术搜寻对应坐标点;近邻 图像像素取平均值构成模板,对故障线路特征图像进行滤波、降噪处理;通过蚂蚁运算得到无人机巡检的起始点和终 止点,规划无人机激光清障工作路径.测试结果表明该方法的搜寻故障点与实际故障点的误差值为零,精准定位故障 点,实现输电线路无人机对故障物的有效清除.     

基于双目图像测距的输电线路净距计算与安全告警方法

对于无人机、直升机采集图像巡检方式,为了实现对输电线路净距的快速测量、障碍物自动辨识和安全告警,研究基于特征提取和双目图像测距的输电线路巡检图像处理方法.首先,采用极线纠正、半全局匹配(semi global matching,SGM)算法实现图像像素点的畸变纠正及同名点匹配;然后,采用Sobel边缘检测算子、特征点匹...     

基于LightGBM的输电线路点云分类方法

提出基于LightGBM的输电线路点云分类方法。该方法定义了输电线路点云的高程类和特征值类特征,并根据点云中各点的特征值,采用LightGBM算法将输电线路点云分为了地物点、杆塔点和电力线点3类。实验结果表明：该方法能高效准确地实现输电线路点云分类,应用效果优于随机森林和BDT算法;根据点云特征重要性分析表明,高程类特征在输电线路点云分类中贡献最大;特征值类特征起到了细化分类结果的作用。     

输电线路上方无人机巡检避障策略

<正>无人机巡检技术由于其优越性已经成为各大公司巡检优先考虑的技术手段,无人机巡检能否有效开展很重要的一部分就是安全问题,为了便于输电线路和杆塔上故障分析诊断,无人机巡检时要求拍摄高清晰度的线路和杆塔照片,为此,巡检时要求无人机要尽可能的靠近输电线路或杆塔,但是和输电线路或杆塔越近,必然存在另一方面的安全隐患,如果不对速度和飞行方向加以控制,就有可能撞上输电线路或杆塔,所以研究巡检无人机的避障策略具有现实工程应用     

噪声背景下基于激光雷达点云数据的分裂导线自动提取与三维重建

提出了基于改进DPC算法的具有强抗噪性的分裂导线自动提取与三维重建方法。以噪声背景下的输电线路点云数据为分析对象，首先根据特征分析法滤除输电线路点云中的地物点和杆塔点，并采用K-MEANS聚类方法提取每根电力线点云；然后提出改进DPC算法实现分裂子导线点云的聚类和提取；最后采用最小二乘法实现各分裂子导线三维模型重建。并与K-MEANS算法的聚类结果进行了对比，证明了改进DPC算法的强抗噪性和鲁棒性。     

无人机在电力巡检中的安全风险评估

正无人机巡检在电力行业中得到越来越广泛的使用。通过无人机,电力技术人员可以清楚判断重要部件是否受到损坏,保证输电线路的安全,除正常巡检和特殊巡检,还可将无人机应用在电网灾后故障巡检。当灾害导致道路受阻、人员无法巡检时,无人机可以发挥替代作用,开展输电线路巡查,准确定位杆塔、线路故障,且视角更广,能避免"盲点"。然而,无人机电力巡检的广泛运用必然也存在着作业过程中的风险隐患及突发事件的发生。     

输电线路巡检可视化管理系统及其应用

为了满足现代智能电网安全高效巡检运维的需要,探讨了无人直升机巡检技术在输电线路巡检中的作用,并设计了一套输电线路巡检可视化管理系统。介绍了输电线路可视化管理系统的功能和结构,并对系统的关键技术进行阐述,同时将该系统应用于广东电网输电线路无人机巡检。实际无人机巡检数据验证了该输电线路可视化管理系统的可行性和有效性,证明其能够有效提高输电线路巡检的工作效率。     

输电线路移动式不间断自主智能巡检技术研究

为解决传统巡检作业模式中的难度大、标准杂、效率低、盲点多等集中突出的问题,提出了一种基于多机协同作业的不间断自主杆塔巡检方法,建立了A、B车交替不间断巡检的作业方式,使得无人机可以不间断地对电力杆塔进行巡检.所建立标准的作业线路模型,可根据不同杆塔类型的巡检目标自动生成不同的安全线路,对无人机实现自动巡检的线路规划提供科学依据.构建了输电线路移动式不间断自动精益化智能巡检系统,应用计算机视觉技术,在高精度RTK定位的基础上辅助定位,更加精准地完成自动巡检与降落,通过建立任务、线路为导向的操作方式,直观展现了作业成果,提高了管理决策质量及作业效率.     

输电线路走廊三维可视化技术和系统设计

结合输电线路巡视需求,利用携带激光扫描仪的无人直升机进行巡线,获得输电线路走廊的海量激光扫描数据,根据激光扫描数据对电力线走廊进行三维建模,开发了输电线路走廊三维可视化系统,实现输电线路走廊三维可视化。该系统以无人直升机的高精度三维激光点为基础获取云数据源,对云数据进行分析和处理并生成相关地形模型、铁塔/输电线模型后集成开发,能够准确有效地模拟和再现输电线路走廊内的地形、地貌、地物,并可进行三维操作,同时还能够实现无人直升机飞行过程三维实时可视化。通过无人机巡线的实际数据验证了输电线路走廊三维可视化系统的可行性和有效性。