排序方式： 共有5条查询结果，搜索用时 8 毫秒
1
1.
针对电力巡线机载激光雷达（LiDAR）激光点云电塔自动提取问题，提出了一种电塔自动定位和点云提取算法。首先，基于点云进行二维空间网格划分，利用网格点云高程偏差和方差特征提取潜在电塔网格；其次，基于电塔点云的高程连续特性完成电塔自动定位和点云粗提取；然后，利用点云分层密度信息和图像开运算，实现电塔精细提取；最后，利用轻小型无人机载激光雷达数据验证本文算法的有效性。试验结果表明，本文所提出的自动提取算法，能够有效解决LiDAR数据中电塔自动定位和点云提取问题，在LiDAR数据质量较差时仍能够取得良好效果，算法对于噪点数据具有较强的稳健性。本文所提出的电塔自动提取算法在LiDAR电力巡检数据处理中具有一定的应用价值。 相似文献
2.
针对基于直升机激光雷达(LiDAR)测量技术的电力巡线对全自动电力线三维重建的迫切需求,该文提出了一种基于分层随机抽样和电力线三维重建数学模型约束的单档电力线LiDAR点云聚类方法。其中,利用了直线段和悬链线段相结合的电力线三维数学模型描述了现实三维场景中的电力线形态,并以此约束点云分层随机抽样的结果。聚类过程中,首先进行数据预处理和分段组织;接着进行标号。实验表明,该文的聚类方法具有对电力线根数、电力线类型、电力线空间构型、长度、两端电塔高差、点云不规则断裂、粗差等因素不敏感的优势。 相似文献
3.
为实现电力线走廊更加有效地巡检，本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先，利用改进的渐进形态学滤波剔除地面点，通过高差阈值与高程离散度分割，实现电力线点粗提取；然后，借助RANSAC直线检测，得到电力线直线模型，依靠密度检测，实现单根电力线点云精确聚类；此外，利用k-means算法完成分裂导线束间归类；最后，进行二次多项式限制的最小二乘拟合，生成电力线曲线模型。试验结果表明，使用该方法电力线点云提取的正确率达98%以上，非电力线点云误判率低至1%左右，电力线直线模型拟合误差在5 cm以下，曲线模型拟合误差在3 cm以下，完全满足实际工程需求。 相似文献
4.
针对现有电力线激光雷达点云分割方法中存在的问题,该文提出了一种采用特征空间K-means聚类的单档电力线激光雷达点云分割方法:利用电力线LiDAR点云的水平坐标信息进行直线拟合,并对LiDAR点沿直线方向进行分段;将每一段LiDAR点云投影到相应的电力线切平面(该平面垂直于拟合直线);最后使用K-means聚类方法进行投影点的聚类,且相邻的段和段之间通过投影中心点进行类别的传递和规则化。实验表明,该方法可以较好地进行单档电力线LiDAR点云分割,且对电力线根数、电力线类型、电力线空间配置结构、档距长度、点云不规则断裂等因素不敏感。 相似文献
5.
机载激光雷达数据中电力线的快速提取 总被引：1，自引：0，他引：1
针对当前机载LiDAR技术在电力巡线应用中对电力线数字模型高精度和快速重建的需求,该文提出一种高效的电力线点云分类方法。首先基于局部范围点的高程统计直方图,实现电力线点的快速粗提取;然后运用随机抽样一致性算法剔除残留的电塔点,结合点云高程统计进一步剔除绝缘子点,实现电力线点的精提取;最后利用同一垂直面内电力线点的高程分布特性,实现单根电力线点的快速提取。基于实际输电线路机载LiDAR数据的实验结果表明,该方法可实现电力线点的快速、高精度提取:粗分类后的电力线点中仅含约10%的非电力线点;精分类后约有2%的电力线点被误分为绝缘子点,最终各条电力线点的提取比率平均为98%以上。 相似文献
1