CN104020475A - 一种基于机载LiDAR数据的电力线提取及建模方法 - Google Patents

一种基于机载LiDAR数据的电力线提取及建模方法 Download PDF

Info

Publication number
CN104020475A
CN104020475A CN201410279696.6A CN201410279696A CN104020475A CN 104020475 A CN104020475 A CN 104020475A CN 201410279696 A CN201410279696 A CN 201410279696A CN 104020475 A CN104020475 A CN 104020475A
Authority
CN
China
Prior art keywords
line
electric force
point
modeling
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410279696.6A
Other languages
English (en)
Other versions
CN104020475B (zh
Inventor
刘敏
宋袁龙
包瑞飞
王慧芳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Coal Survey & Remote Sensing Group Co Ltd
Original Assignee
Sian Coal and Aeronautics Information Industry Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sian Coal and Aeronautics Information Industry Co Ltd filed Critical Sian Coal and Aeronautics Information Industry Co Ltd
Priority to CN201410279696.6A priority Critical patent/CN104020475B/zh
Publication of CN104020475A publication Critical patent/CN104020475A/zh
Application granted granted Critical
Publication of CN104020475B publication Critical patent/CN104020475B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Length Measuring Devices With Unspecified Measuring Means (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于机载LiDAR数据的电力线提取及建模方法，包括步骤：一、LiDAR点云数据获取：采用机载LiDAR测量系统获取点云数据；二、电力线提取及建模：201、电力线提取：利用Hough变换直线检测并获得多个直线点集，对各直线点集进行单根电力线检测，直至检测出所有电力线；单根电力线检测过程包括最小二乘法直线拟合和单根电力线点云数据识别；202、电力线建模：以抛物线为建模模型，采用最小二乘法进行曲线拟合，获得电力线模型。本发明方法步骤简单、实现方便且使用效果好，电力线的提取精度高，所建电力线模型准确，能有效解决现有电力线提取及建模方法存在的电力线识别不准确、对数据质量要求高等问题。

Description

一种基于机载LiDAR数据的电力线提取及建模方法
技术领域
本发明涉及一种电力线提取及建模方法，尤其是涉及一种基于机载LiDAR数据的电力线提取及建模方法。
背景技术
机载激光雷达(LiDAR)是一种从20世纪90年代前后发展起来的新型测量技术，该技术采用主动探测方式，可以快速获取高精度、高密度的地球表面及地物三维坐标信息。基于点云数据中所包含的高精度的三维空间坐标信息，能够精细地表现出扫描对象的表面空间特征，在地理空间信息研究、城市规划、国土管理等方面也具有重要的意义。
随着LiDAR技术的不断成熟，其在电力巡线方面的应用也逐渐成为业内关注的热点。LiDAR可以很好地解决空间定位和三维测量精度的问题，作业周期短，能够快速获取电力线走廊的电力设施、植被分布、沿线建筑等空间信息。在LiDAR数据中自动识别并提取单根电力线点云是该技术应用的难点问题之一，目前，已有学者对此进行了研究，并且取得了一定成果。2012年07月18日公开的公开号CN102590823A的发明专利申请《一种机载LIDAR数据电力线快速提取及重构方法》中公开了一种基于直方图统计分析法对电力线点云进行分层，然后对单根电力线进行分离从而建立悬链线方程模型的电力线快速提取及重构方法，但该方法对悬垂较大的电力线数据处理效果不佳，同时对数据点缺失的电力线也不能适用。
2013年01月16日公开的公开号CN102879788A的发明专利申请《一种基于机载LiDAR数据的输电线路的电力线提取方法》中公开了一种采用对横截面采样并聚类的方法提取电力线束的方法，该方法对单条电力线在横断面上的分布有一定的要求，具有一定的实施局限性。梁静等人在“基于KD树聚类的机载LiDAR数据输电线提取方法”一文中提出了一种基于KD树聚类的电力线识别方法，该方法仅适用于连续且紧密相连的电力线数据，无法处理电力线点云不连续的数据。余洁等人在“机载LiDAR点云数据中电力线的提取方法研究”一文中提出一种采用霍夫变换分离单根电力线的方法，但是不能避免传统霍夫变换带来的检测误差以及杂乱数据点干扰从而影响检测的准确度。Y.Jwa等人在“AUTOMATIC3D POWERLINERECONSTRUCTION USING AIRBORNE LiDAR DATA”一文中提出一种基于空间格网识别单根电力线的方法，但是仅适用于点云密度较高的数据。ThomasMelzer等人在“Extraction and Modeling of Power Lines From ALS PointClouds”一文中提出了应用迭代霍夫变换提取单根电力线，该方法在一定程度上解决了传统霍夫变换带来的提取精度不高的问题，但是依然存在检测直线不准确的问题，导致电力线点云分类错误。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于机载LiDAR数据的电力线提取及建模方法，其方法步骤简单、实现方便且使用效果好，电力线的提取精度高，所建电力线模型准确，能有效解决现有电力线提取及建模方法存在的电力线识别不准确、对数据质量要求高等问题。
为解决上述技术问题，本发明采用的技术方案是：一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于该方法包括以下步骤：
步骤一、LiDAR点云数据获取：采用机载LiDAR测量系统获取输电线路的点云数据，并将所获取点云数据传送至数据处理设备，所述点云数据中包含所述输电线路中相邻两个电塔之间多个测点的三维坐标，且输电线路中相邻两个电塔之间的多个测点在X-Y平面上的二维坐标组成二维数据集；其中，X-Y平面为X-Y轴平面直角坐标系所在的水平面；
所述输电线路包括架设于相邻两根所述电塔之间的M根电力线，其中M为正整数且M≥2；
步骤二、电力线提取及建模：采用所述数据处理设备对步骤一中所述输电线路的点云数据和二维数据集进行处理，并完成M根电力线的提取及建模，过程如下：
步骤201、电力线提取：利用Hough变换进行直线检测，从步骤一中所述二维数据集中检测出多个直线点集，并对通过Hough变换检测出的各直线点集分别进行单根电力线检测，直至检测出M根电力线；
每个所述直线点集中均包括位于同一直线上的多个测点的二维坐标；
其中，对任一个直线点集进行单根电力线检测时，过程如下：
步骤Ⅰ、最小二乘法直线拟合：利用最小二乘法对当前所处理直线点集进行直线拟合，获得该直线点集所处直线l的直线方程，记作ax+by+c＝0；
步骤Ⅱ、单根电力线点云数据识别：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成当前所检测电力线的电力线点集，所述电力线点集中包括当前所检测电力线上的多个测点的二维坐标；
其中，c0为预先设定的阈值且c0≤D，D为M根电力线中最粗电力线的直径；
步骤202、电力线建模：对步骤201中提取出的M根电力线分别进行建模，且M根电力线的建模方法均相同；
对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤201中进行电力线提取时，过程如下：
步骤2011、利用Hough变换进行直线检测：对当前状态下的所述二维数据集进行Hough变换，并找出参数空间上的Hough变换累加器中累加值最大的点，再在X-Y平面上找出与该累加值最大的点对应的直线点集；
步骤2012、单根电力线检测：按照步骤Ⅰ至步骤Ⅱ所述的方法，对步骤2011中所找出的直线点集进行单根电力线检测，获得当前所检测电力线的电力线点集，完成当前所检测电力线的检测过程；
步骤2013、对当前状态下已完成检测的电力线数量进行判断，当判断得出当前状态下已完成检测的电力线数量≥M时，完成电力线提取过程，并进入步骤202；否则，进入步骤2014；
步骤2014、二维数据集更新：将当前状态下所述二维数据集中的步骤2012中所述电力线点集上多个测点的二维坐标均删除，获得更新后的二维数据集；之后，返回步骤2011。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线；
步骤202中对任一根电力线进行建模时，过程如下：
步骤2021、X轴坐标转换：根据公式对当前进行建模的电力线的电力线点集中各测点的X轴坐标进行坐标转换，式中x为坐标转换前的X轴坐标值，m为坐标转换后的M轴坐标值，k为当前进行建模的电力线在X-Y平面上的投影所在直线的斜率；
步骤2022、建模：步骤2021中X轴坐标转换完成后，结合当前进行建模的电力线的电力线点集中各测点的Z轴坐标z，便获得该电力线的电力线点集中各测点在M-Z平面上的二维坐标(m，z)；之后，根据公式Am2+Bz+C＝0，计算得出该电力线在M-Z平面上的抛物线方程；
其中，当前进行建模的电力线位于M-Z平面上，M-Z平面为M-Z轴平面直角坐标系所在的竖直面。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤二中进行电力线提取及建模之前，先对c值进行设定；其中，
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线；
步骤Ⅱ中进行单根电力线点云数据识别时，过程如下：
步骤Ⅱ-1、测点查找：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成电力线测点集；
步骤Ⅱ-2、测点空间排序：结合步骤Ⅱ-1中所找出所有测点的Z轴坐标，且需沿直线l的延伸方向，由前至后对步骤Ⅱ-1中所述电力线测点集中的所有测点进行空间排序；
步骤Ⅱ-3、投影相同的电力线数量判断：根据步骤Ⅱ-2中的空间排序结果，对在X-Y平面上的投影均位于直线l上的电力线数量N进行判断，其中N为正整数且N≥1；
步骤Ⅱ-4、单根电力线点集获取：当步骤Ⅱ-3中N＝1时，步骤Ⅱ-1中所述电力线测点集为当前所检测电力线的单根电力线点集；当步骤Ⅱ-3中N＞1时，需根据步骤Ⅱ-2中的空间排序结果，从步骤Ⅱ-1中所述电力线测点集中分出N个单根电力线点集，N个所述单根电力线点集分别为N根电力线的单根电力线点集，且每根电力线的单根电力线点集中均包括位于该根电力线上的多个测点的二维坐标；
步骤202中对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的单根电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤Ⅱ-3中进行投影相同的电力线数量判断时，根据步骤Ⅱ-2中的空间排序结果，将处于同一曲线上且呈连续分布的多个测点组成的集合作为一根电力线的单根电力线测点集合，之后根据步骤Ⅱ-2中的排序结果，确定步骤Ⅱ-1中所述电力线测点集中所包含单根电力线测点集合的数量，且所确定的所述单根电力线测点集合的数量为N；步骤Ⅱ-4中进行单根电力线点集获取时，每根电力线的所述单根电力线测点集合中所有测点的二维坐标组成该电力线的单根电力线点集。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤Ⅰ中获得直线l的直线方程ax+by+c＝0后，还需换算得出直线l的点斜式方程y＝k’x+b’，k’为直线l的斜率且b’为常数且
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤一中将所获取点云数据传送至数据处理设备后，先通过设置高程阈值对所述点云数据进行滤波，去除所述点云数据中M根电力线之外的其它地物的点云数据。
上述一种基于机载LiDAR数据的电力线提取及建模方法，其特征是：步骤二中进行电力线提取及建模之前，所述数据处理设备需对M根电力线进行编号；步骤Ⅱ-4中获取所述单根电力线点集后，所述数据处理设备还需调用电力线编号标注模块，对所述单根电力线点集中各测点的电力线编号分别进行标记。
本发明与现有技术相比具有以下优点：
1、方法步骤简单、设计合理且实现方便，首先对所获取点云数据进行预处理(具体滤波)，然后应用霍夫变换检测呈线性分布的点云，并采用最小二乘法对检测到的点云进行直线拟合，最后通过计算数据集中测点距离直线的距离实现单根电力线提取，待所有电力线提取完毕后，利用抛物线模型对每根电力线点云进行建模。
2、与现有电力线提取及建模方法相比，本发明所采用的方法识别电力线点云的精度更高，鲁棒性更强，对数据具有更强的适应性，对稀疏、断裂数据能够更好地处理。
3、对所获取点云数据的数据质量要求较低，能对电力线点云不连续的数据进行有效处理。
4、使用效果好且实用价值高，电力线提取过程简便、提取效果好且所建电力模型准确，具体是以机载激光雷达的点云数据作为处理对象，通过应用直线识别以及精确计算，对所获取点云数据中各根电力线的点云数据进行精确识别和建模。因而，本发明实现了机载激光雷达点云数据中电力线的自动识别和建模，能够更加准确、快速地提取电力线点云，可用于电力部门快捷、方便的进行输电线路安全检测，及时排除输电线路存在的安全隐患。同时，本发明电力线提取精度更高，对断裂的电力线数据、存在干扰点的电力线数据都有较好的适应性。另外，所采用的电力线提取及建模方法，更为可靠、实用性更强，可用于电力部门进行输电线路安全巡检，及时排除植被生长对电力线造成的安全隐患以及排除电力线断裂等故障。
综上所述，本发明方法步骤简单、实现方便且使用效果好，电力线的提取精度高，所建电力线模型准确，能有效解决现有电力线提取及建模方法存在的电力线识别不准确、对数据质量要求高等问题。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明的方法流程框图。
图2为本发明所获取点云数据经滤波后的输电线路示意图。
图3为本发明经电力线提取后获得的输电线路中部分电力线的结构示意图。
图4为本发明经电力线建模后获得的图3中部分电力线的结构示意图。
具体实施方式
如图1所示的一种基于机载LiDAR数据的电力线提取及建模方法，包括以下步骤：
步骤一、LiDAR点云数据获取：采用机载LiDAR测量系统获取输电线路的点云数据，并将所获取点云数据传送至数据处理设备，所述点云数据中包含所述输电线路中相邻两个电塔之间多个测点的三维坐标，且输电线路中相邻两个电塔之间的多个测点在X-Y平面上的二维坐标组成二维数据集；其中，X-Y平面为X-Y轴平面直角坐标系所在的水平面。
所述输电线路包括架设于相邻两根所述电塔之间的M根电力线，其中M为正整数且M≥2。
本实施例中，所述输电线路中相邻两个电塔之间多个测点的三维坐标为X-Y-Z三维直角坐标系上的三维坐标数据。
本实施例中，将所获取点云数据传送至数据处理设备后，还需通过与所述数据处理设备相连接的参数输入单元输入M的取值。
步骤二、电力线提取及建模：采用所述数据处理设备对步骤一中所述输电线路的点云数据和二维数据集进行处理，并完成M根电力线的提取及建模，过程如下：
步骤201、电力线提取：利用Hough变换进行直线检测，从步骤一中所述二维数据集中检测出多个直线点集，并对通过Hough变换检测出的各直线点集分别进行单根电力线检测，直至检测出M根电力线。所述直线点集为由多个呈线性分布的测点组成的集合。
每个所述直线点集中均包括位于同一直线上的多个测点的二维坐标。
其中，对任一个直线点集进行单根电力线检测时，过程如下：
步骤Ⅰ、最小二乘法直线拟合：利用最小二乘法对当前所处理直线点集进行直线拟合，获得该直线点集所处直线l的直线方程，记作ax+by+c＝0；
步骤Ⅱ、单根电力线点云数据识别：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成当前所检测电力线的电力线点集，所述电力线点集中包括当前所检测电力线上的多个测点的二维坐标。
其中，c0为预先设定的阈值且c0≤D，D为M根电力线中最粗电力线的直径。实际使用时，
步骤202、电力线建模：对步骤201中提取出的M根电力线分别进行建模，且M根电力线的建模方法均相同。
本实施例中，步骤一中采用机载LiDAR测量系统获取输电线路的点云数据中，包含多个电塔之间输电线路的点云数据。步骤二中进行电力线提取与建模时，均是以相邻两个电塔之间输电线路的点云数据为处理对象。也就是说，步骤二中的电力线提取及建模为相邻两个电塔之间的电力线提取及建模。
对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
本实施例中，步骤201中进行电力线提取时，过程如下：
步骤2011、利用Hough变换进行直线检测：对当前状态下的所述二维数据集进行Hough变换，并找出参数空间上的Hough变换累加器中累加值最大的点，再在X-Y平面上找出与该累加值最大的点对应的直线点集。
步骤2012、单根电力线检测：按照步骤Ⅰ至步骤Ⅱ所述的方法，对步骤2011中所找出的直线点集进行单根电力线检测，获得当前所检测电力线的电力线点集，完成当前所检测电力线的检测过程。
步骤2013、对当前状态下已完成检测的电力线数量进行判断，当判断得出当前状态下已完成检测的电力线数量≥M时，完成电力线提取过程，并进入步骤202；否则，进入步骤2014。
步骤2014、二维数据集更新：将当前状态下所述二维数据集中的步骤2012中所述电力线点集上多个测点的二维坐标均删除，获得更新后的二维数据集；之后，返回步骤2011。
本实施例中，步骤一中将所获取点云数据传送至数据处理设备后，先通过设置高程阈值对所述点云数据进行滤波，去除所述点云数据中M根电力线之外的其它地物的点云数据，详见图2。步骤二中进行电力线提取与建模时，对滤波后的点云数据进行处理。其中，电力线提取后获得的输电线路中部分电力线的结构，详见图3；而电力线建模后获得的图3中部分电力线的结构，详见图4。
由于采用机载LiDAR测量系统所获得的点云数据中包含了大量与电力线无关的地物信息，如地面、植被、建筑等等，因而在步骤二中进行电力线提取与建模之前，需去除上述地物的点云数据。实际对所述点云数据中M根电力线之外的其它地物的点云数据进行去除时，通过设置高程阈值对所获取点云数据进行滤波，以去除地面的点云数据以及距离地面高差小于设定阈值的点云数据，主要因为电力线的高度一般高于建筑物、植被等地物。
本发明所采用的技术方案中，利用Hough变换进行直线检测时，只需检测出多个直线点集即可，之后再利用最小二乘法进行直线拟合，也就是说，只需检测出呈线性排列的点云，无需像传统霍夫变换中直接获取参数空间的直线参数方程。步骤Ⅱ中进行单根电力线点云数据识别的过程，实际上对根据测点与直线l之间的距离d对二维数据集中的测点进行分类的过程，将与直线l之间的距离d小于c0的所有测点找出并组成当前所检测电力线的电力线点集。
传统的霍夫变换(即Hough变换)是将直角坐标系中的点转化为参数坐标系中的曲线，通过统计曲线交点直接得到数据集中所有直线的参数方程，精度不易控制，并且计算量大。而本发明所采用的技术方案中，应用了霍夫变换原理，对所获取的点云数据在二维空间进行霍夫变换(即对二维数据集进行霍夫变换)，但本发明采用的霍夫变换与传统霍夫变换不同的是：每次直线检测时，仅提取在参数空间交点数目最大的直线点集，然后再利用最小二乘法对直线点集进行拟合，得到直线方程，这样能有效避免直接由霍夫变换求取直线方程带来的精度误差。
本实施例中，c0＝30mm。实际使用时，可以根据具体需要，对c0的取值进行相应调整。
本实施例中，步骤Ⅰ中获得直线l的直线方程ax+by+c＝0后，还需换算得出直线l的点斜式方程y＝k’x+b’，k’为直线l的斜率且b’为常数且其中，ax+by+c＝0为直线l的一般式方程，a、b和c均为常数，且a和b不全为零。
由于步骤2014中将当前状态下所述二维数据集中的步骤2012中所述电力线点集上多个测点的二维坐标均删除后，获得更新后的二维数据集。因而已经检测出的测点数据无需再次进行Hough变换，因而大幅度减小了计算量。
本实施例中，步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线；
步骤Ⅱ中进行单根电力线点云数据识别时，过程如下：
步骤Ⅱ-1、测点查找：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成电力线测点集。
步骤Ⅱ-2、测点空间排序：结合步骤Ⅱ-1中所找出所有测点的Z轴坐标(即高程值)，且需沿直线l的延伸方向，由前至后对步骤Ⅱ-1中所述电力线测点集中的所有测点进行空间排序。
步骤Ⅱ-3、投影相同的电力线数量判断：根据步骤Ⅱ-2中的空间排序结果，对在X-Y平面上的投影均位于直线l上的电力线数量N进行判断，其中N为正整数且N≥1。
步骤Ⅱ-4、单根电力线点集获取：当步骤Ⅱ-3中N＝1时，步骤Ⅱ-1中所述电力线测点集为当前所检测电力线的单根电力线点集；当步骤Ⅱ-3中N＞1时，需根据步骤Ⅱ-2中的空间排序结果，从步骤Ⅱ-1中所述电力线测点集中分出N个单根电力线点集，N个所述单根电力线点集分别为N根电力线的单根电力线点集，且每根电力线的单根电力线点集中均包括位于该根电力线上的多个测点的二维坐标。
步骤202中对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的单根电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
本实施例中，步骤二中进行电力线提取及建模之前，所述数据处理设备需对M根电力线进行编号。步骤Ⅱ-4中获取所述单根电力线点集后，所述数据处理设备还需调用电力线编号标注模块，对所述单根电力线点集中各测点的电力线编号分别进行标记。
也就是说，待获取单根电力线点集后，所述数据处理设备将单根电力线点集内的所有测点均标记为同一根电力线上的测点。
本实施例中，步骤Ⅱ-3中进行投影相同的电力线数量判断时，根据步骤Ⅱ-2中的空间排序结果，将处于同一曲线上且呈连续分布的多个测点组成的集合作为一根电力线的单根电力线测点集合，之后根据步骤Ⅱ-2中的排序结果，确定步骤Ⅱ-1中所述电力线测点集中所包含单根电力线测点集合的数量，且所确定的所述单根电力线测点集合的数量为N；步骤Ⅱ-4中进行单根电力线点集获取时，每根电力线的所述单根电力线测点集合中所有测点的二维坐标组成该电力线的单根电力线点集。
本实施例中，步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线。
步骤202中对任一根电力线进行建模时，过程如下：
步骤2021、X轴坐标转换：根据公式对当前进行建模的电力线的电力线点集中各测点的X轴坐标进行坐标转换，式中x为坐标转换前的X轴坐标值，m为坐标转换后的M轴坐标值，k为当前进行建模的电力线在X-Y平面上的投影所在直线的斜率。
步骤2022、建模：步骤2021中X轴坐标转换完成后，结合当前进行建模的电力线的电力线点集中各测点的Z轴坐标z，便获得该电力线的电力线点集中各测点在M-Z平面上的二维坐标(m，z)；之后，根据公式Am2+Bz+C＝0，计算得出该电力线在M-Z平面上的抛物线方程。
其中，当前进行建模的电力线位于M-Z平面上，M-Z平面为M-Z轴平面直角坐标系所在的竖直面。
公式Am2+Bz+C＝0为抛物线的一般式，A、B和C均为常数且A≠0。
由于电力线在两个电塔之间呈抛物线形态，因而本发明采用抛物线方程作为电力线的数学模型，应用最小二乘拟合即可对单根电力线进行抛物线拟合，实现方便，并且所建模型准确。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (9)

1.一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于该方法包括以下步骤：
步骤一、LiDAR点云数据获取：采用机载LiDAR测量系统获取输电线路的点云数据，并将所获取点云数据传送至数据处理设备，所述点云数据中包含所述输电线路中相邻两个电塔之间多个测点的三维坐标，且输电线路中相邻两个电塔之间的多个测点在X-Y平面上的二维坐标组成二维数据集；其中，X-Y平面为X-Y轴平面直角坐标系所在的水平面；
所述输电线路包括架设于相邻两根所述电塔之间的M根电力线，其中M为正整数且M≥2；
步骤二、电力线提取及建模：采用所述数据处理设备对步骤一中所述输电线路的点云数据和二维数据集进行处理，并完成M根电力线的提取及建模，过程如下：
步骤201、电力线提取：利用Hough变换进行直线检测，从步骤一中所述二维数据集中检测出多个直线点集，并对通过Hough变换检测出的各直线点集分别进行单根电力线检测，直至检测出M根电力线；
每个所述直线点集中均包括位于同一直线上的多个测点的二维坐标；
其中，对任一个直线点集进行单根电力线检测时，过程如下：
步骤Ⅰ、最小二乘法直线拟合：利用最小二乘法对当前所处理直线点集进行直线拟合，获得该直线点集所处直线l的直线方程，记作ax+by+c＝0；
步骤Ⅱ、单根电力线点云数据识别：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成当前所检测电力线的电力线点集，所述电力线点集中包括当前所检测电力线上的多个测点的二维坐标；
其中，c0为预先设定的阈值且c0≤D，D为M根电力线中最粗电力线的直径；
步骤202、电力线建模：对步骤201中提取出的M根电力线分别进行建模，且M根电力线的建模方法均相同；
对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
2.按照权利要求1所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤201中进行电力线提取时，过程如下：
步骤2011、利用Hough变换进行直线检测：对当前状态下的所述二维数据集进行Hough变换，并找出参数空间上的Hough变换累加器中累加值最大的点，再在X-Y平面上找出与该累加值最大的点对应的直线点集；
步骤2012、单根电力线检测：按照步骤Ⅰ至步骤Ⅱ所述的方法，对步骤2011中所找出的直线点集进行单根电力线检测，获得当前所检测电力线的电力线点集，完成当前所检测电力线的检测过程；
步骤2013、对当前状态下已完成检测的电力线数量进行判断，当判断得出当前状态下已完成检测的电力线数量≥M时，完成电力线提取过程，并进入步骤202；否则，进入步骤2014；
步骤2014、二维数据集更新：将当前状态下所述二维数据集中的步骤2012中所述电力线点集上多个测点的二维坐标均删除，获得更新后的二维数据集；之后，返回步骤2011。
3.按照权利要求1或2所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线；
步骤202中对任一根电力线进行建模时，过程如下：
步骤2021、X轴坐标转换：根据公式对当前进行建模的电力线的电力线点集中各测点的X轴坐标进行坐标转换，式中x为坐标转换前的X轴坐标值，m为坐标转换后的M轴坐标值，k为当前进行建模的电力线在X-Y平面上的投影所在直线的斜率；
步骤2022、建模：步骤2021中X轴坐标转换完成后，结合当前进行建模的电力线的电力线点集中各测点的Z轴坐标z，便获得该电力线的电力线点集中各测点在M-Z平面上的二维坐标(m，z)；之后，根据公式Am2+Bz+C＝0，计算得出该电力线在M-Z平面上的抛物线方程；
其中，当前进行建模的电力线位于M-Z平面上，M-Z平面为M-Z轴平面直角坐标系所在的竖直面。
4.按照权利要求1或2所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤二中进行电力线提取及建模之前，先对c值进行设定；其中，
5.按照权利要求1或2所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤Ⅰ中所述的直线l为当前所检测电力线在X-Y平面上的投影所在直线；
步骤Ⅱ中进行单根电力线点云数据识别时，过程如下：
步骤Ⅱ-1、测点查找：从所述二维数据集中找出与直线l之间的距离d小于c0的所有测点，所找出的所有测点组成电力线测点集；
步骤Ⅱ-2、测点空间排序：结合步骤Ⅱ-1中所找出所有测点的Z轴坐标，且需沿直线l的延伸方向，由前至后对步骤Ⅱ-1中所述电力线测点集中的所有测点进行空间排序；
步骤Ⅱ-3、投影相同的电力线数量判断：根据步骤Ⅱ-2中的空间排序结果，对在X-Y平面上的投影均位于直线l上的电力线数量N进行判断，其中N为正整数且N≥1；
步骤Ⅱ-4、单根电力线点集获取：当步骤Ⅱ-3中N＝1时，步骤Ⅱ-1中所述电力线测点集为当前所检测电力线的单根电力线点集；当步骤Ⅱ-3中N＞1时，需根据步骤Ⅱ-2中的空间排序结果，从步骤Ⅱ-1中所述电力线测点集中分出N个单根电力线点集，N个所述单根电力线点集分别为N根电力线的单根电力线点集，且每根电力线的单根电力线点集中均包括位于该根电力线上的多个测点的二维坐标；
步骤202中对任一根电力线进行建模时，先根据步骤一中所述点云数据，获取该电力线的单根电力线点集中多个测点的三维坐标；之后，以抛物线为建模用数学模型，并采用最小二乘法进行曲线拟合，获得该电力线的数学模型。
6.按照权利要求5所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤Ⅱ-3中进行投影相同的电力线数量判断时，根据步骤Ⅱ-2中的空间排序结果，将处于同一曲线上且呈连续分布的多个测点组成的集合作为一根电力线的单根电力线测点集合，之后根据步骤Ⅱ-2中的排序结果，确定步骤Ⅱ-1中所述电力线测点集中所包含单根电力线测点集合的数量，且所确定的所述单根电力线测点集合的数量为N；步骤Ⅱ-4中进行单根电力线点集获取时，每根电力线的所述单根电力线测点集合中所有测点的二维坐标组成该电力线的单根电力线点集。
7.按照权利要求1或2所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤Ⅰ中获得直线l的直线方程ax+by+c＝0后，还需换算得出直线l的点斜式方程y＝k’x+b’，k’为直线l的斜率且 k , = - a b , b’为常数且 b , = - c b .
8.按照权利要求1或2所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤一中将所获取点云数据传送至数据处理设备后，先通过设置高程阈值对所述点云数据进行滤波，去除所述点云数据中M根电力线之外的其它地物的点云数据。
9.按照权利要求5所述的一种基于机载LiDAR数据的电力线提取及建模方法，其特征在于：步骤二中进行电力线提取及建模之前，所述数据处理设备需对M根电力线进行编号；步骤Ⅱ-4中获取所述单根电力线点集后，所述数据处理设备还需调用电力线编号标注模块，对所述单根电力线点集中各测点的电力线编号分别进行标记。
CN201410279696.6A 2014-06-20 2014-06-20 一种基于机载LiDAR数据的电力线提取及建模方法 Expired - Fee Related CN104020475B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410279696.6A CN104020475B (zh) 2014-06-20 2014-06-20 一种基于机载LiDAR数据的电力线提取及建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410279696.6A CN104020475B (zh) 2014-06-20 2014-06-20 一种基于机载LiDAR数据的电力线提取及建模方法

Publications (2)

Publication Number Publication Date
CN104020475A true CN104020475A (zh) 2014-09-03
CN104020475B CN104020475B (zh) 2016-03-23

Family

ID=51437332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410279696.6A Expired - Fee Related CN104020475B (zh) 2014-06-20 2014-06-20 一种基于机载LiDAR数据的电力线提取及建模方法

Country Status (1)

Country Link
CN (1) CN104020475B (zh)

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732588A (zh) * 2015-03-30 2015-06-24 中国测绘科学研究院 一种基于机载激光雷达点云的电力线三维重建方法
CN104751481A (zh) * 2015-04-22 2015-07-01 中国测绘科学研究院 一种基于分层随机抽样的单档电力线LiDAR点云聚类方法
CN105116409A (zh) * 2015-07-14 2015-12-02 中国科学院电子学研究所 基于圆迹合成孔径雷达二维图像的输电线高程提取方法
CN106503060A (zh) * 2016-09-28 2017-03-15 山东东电电气工程技术有限公司 一种输电线路三维点云数据处理及交跨物获取方法
CN107329129A (zh) * 2017-05-18 2017-11-07 陕西长岭电子科技有限责任公司 一种利用高压线回波特征点拟合高压线的方法
CN107767366A (zh) * 2017-09-22 2018-03-06 全球能源互联网研究院有限公司 一种输电线路拟合方法及装置
CN107918953A (zh) * 2017-09-27 2018-04-17 中国科学院光电研究院 基于三维空间的激光扫描电力线点云的提取方法及装置
CN105701798B (zh) * 2015-12-31 2018-11-23 百度在线网络技术（北京）有限公司 柱状物体的点云提取方法及装置
CN110060289A (zh) * 2019-04-26 2019-07-26 深圳市镭神智能系统有限公司 电力线提取方法和激光雷达系统、存储介质
CN110488151A (zh) * 2019-08-20 2019-11-22 西南交通大学 一种基于遥感技术的输电线路植被危险预警系统及方法
CN110675441A (zh) * 2019-10-15 2020-01-10 国网河南省电力公司濮阳供电公司 基于激光点云的输电线路导地线建模提取方法
CN111079650A (zh) * 2019-12-17 2020-04-28 国网江苏省电力工程咨询有限公司 基于改进knn-dpc算法的激光点云分裂导线提取方法
CN111382767A (zh) * 2018-12-29 2020-07-07 国网通用航空有限公司 电力线点识别方法、装置、设备、计算机设备和存储介质
CN111461138A (zh) * 2020-03-05 2020-07-28 云南电网有限责任公司玉溪供电局 一种基于LiDAR点云数据的电力线自动提取方法
CN112100869A (zh) * 2020-11-16 2020-12-18 北京云圣智能科技有限责任公司 电力线补点方法、装置及电子设备
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN110223267B (zh) * 2018-03-14 2021-06-18 浙江大学山东工业技术研究院 基于高度直方图分割的耐火砖深度缺陷的识别方法
CN113052274A (zh) * 2021-06-02 2021-06-29 天津云圣智能科技有限责任公司 点云数据处理方法、装置及电子设备
CN113534095A (zh) * 2021-06-18 2021-10-22 北京电子工程总体研究所 一种激光雷达地图构建方法和机器人自主导航方法
CN114325678A (zh) * 2022-03-10 2022-04-12 北京云圣智能科技有限责任公司 障碍物检测方法、装置及服务器
US11308656B1 (en) 2020-11-16 2022-04-19 International Business Machines Corporation Power line extraction using reference data
CN114518768A (zh) * 2022-01-25 2022-05-20 武汉飞流智能技术有限公司 输电线路的巡检方法、装置、设备及存储介质
US11594022B2 (en) 2020-11-16 2023-02-28 International Business Machines Corporation Power line georectification

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102590823A (zh) * 2012-01-06 2012-07-18 中国测绘科学研究院 一种机载lidar数据电力线快速提取及重构方法
CN102879788A (zh) * 2012-09-04 2013-01-16 广州建通测绘技术开发有限公司 一种基于机载LiDAR数据的输电线路的电力线提取方法
US20130096886A1 (en) * 2010-03-31 2013-04-18 Borys Vorobyov System and Method for Extracting Features from Data Having Spatial Coordinates
CN103413133A (zh) * 2013-06-28 2013-11-27 广东电网公司电力科学研究院 无序激光点云数据中自动提取电力线方法
CN103473734A (zh) * 2013-09-16 2013-12-25 南京大学 一种基于车载LiDAR数据的电力线提取与拟合方法
CN103714166A (zh) * 2013-12-31 2014-04-09 国家电网公司 激光雷达电力线点云数据的拟合方法
KR101404655B1 (ko) * 2014-04-18 2014-06-09 국방과학연구소 레이저 레이더의 3차원 원시 데이터의 고유값 비율을 이용한 송전선 추출 방법

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130096886A1 (en) * 2010-03-31 2013-04-18 Borys Vorobyov System and Method for Extracting Features from Data Having Spatial Coordinates
CN102590823A (zh) * 2012-01-06 2012-07-18 中国测绘科学研究院 一种机载lidar数据电力线快速提取及重构方法
CN102879788A (zh) * 2012-09-04 2013-01-16 广州建通测绘技术开发有限公司 一种基于机载LiDAR数据的输电线路的电力线提取方法
CN103413133A (zh) * 2013-06-28 2013-11-27 广东电网公司电力科学研究院 无序激光点云数据中自动提取电力线方法
CN103473734A (zh) * 2013-09-16 2013-12-25 南京大学 一种基于车载LiDAR数据的电力线提取与拟合方法
CN103714166A (zh) * 2013-12-31 2014-04-09 国家电网公司 激光雷达电力线点云数据的拟合方法
KR101404655B1 (ko) * 2014-04-18 2014-06-09 국방과학연구소 레이저 레이더의 3차원 원시 데이터의 고유값 비율을 이용한 송전선 추출 방법

Cited By (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104732588A (zh) * 2015-03-30 2015-06-24 中国测绘科学研究院 一种基于机载激光雷达点云的电力线三维重建方法
CN104732588B (zh) * 2015-03-30 2016-06-01 中国测绘科学研究院 一种基于机载激光雷达点云的电力线三维重建方法
CN104751481B (zh) * 2015-04-22 2016-06-01 中国测绘科学研究院 一种基于分层随机抽样的单档电力线LiDAR点云聚类方法
CN104751481A (zh) * 2015-04-22 2015-07-01 中国测绘科学研究院 一种基于分层随机抽样的单档电力线LiDAR点云聚类方法
CN105116409B (zh) * 2015-07-14 2017-05-03 中国科学院电子学研究所 基于圆迹合成孔径雷达二维图像的输电线高程提取方法
CN105116409A (zh) * 2015-07-14 2015-12-02 中国科学院电子学研究所 基于圆迹合成孔径雷达二维图像的输电线高程提取方法
CN105701798B (zh) * 2015-12-31 2018-11-23 百度在线网络技术（北京）有限公司 柱状物体的点云提取方法及装置
CN106503060A (zh) * 2016-09-28 2017-03-15 山东东电电气工程技术有限公司 一种输电线路三维点云数据处理及交跨物获取方法
CN107329129A (zh) * 2017-05-18 2017-11-07 陕西长岭电子科技有限责任公司 一种利用高压线回波特征点拟合高压线的方法
CN107329129B (zh) * 2017-05-18 2019-12-31 陕西长岭电子科技有限责任公司 一种利用高压线回波特征点拟合高压线的方法
CN107767366A (zh) * 2017-09-22 2018-03-06 全球能源互联网研究院有限公司 一种输电线路拟合方法及装置
CN107918953A (zh) * 2017-09-27 2018-04-17 中国科学院光电研究院 基于三维空间的激光扫描电力线点云的提取方法及装置
CN107918953B (zh) * 2017-09-27 2021-06-25 中国科学院光电研究院 基于三维空间的激光扫描电力线点云的提取方法及装置
CN110223267B (zh) * 2018-03-14 2021-06-18 浙江大学山东工业技术研究院 基于高度直方图分割的耐火砖深度缺陷的识别方法
CN111382767A (zh) * 2018-12-29 2020-07-07 国网通用航空有限公司 电力线点识别方法、装置、设备、计算机设备和存储介质
CN111382767B (zh) * 2018-12-29 2023-04-18 国网电力空间技术有限公司 电力线点识别方法、装置、设备、计算机设备和存储介质
CN110060289B (zh) * 2019-04-26 2021-08-17 深圳市镭神智能系统有限公司 电力线提取方法和激光雷达系统、存储介质
CN110060289A (zh) * 2019-04-26 2019-07-26 深圳市镭神智能系统有限公司 电力线提取方法和激光雷达系统、存储介质
CN110488151B (zh) * 2019-08-20 2021-02-26 西南交通大学 一种基于遥感技术的输电线路植被危险预警系统及方法
CN110488151A (zh) * 2019-08-20 2019-11-22 西南交通大学 一种基于遥感技术的输电线路植被危险预警系统及方法
CN110675441A (zh) * 2019-10-15 2020-01-10 国网河南省电力公司濮阳供电公司 基于激光点云的输电线路导地线建模提取方法
CN111079650B (zh) * 2019-12-17 2023-06-27 国网江苏省电力工程咨询有限公司 基于改进knn-dpc算法的激光点云分裂导线提取方法
CN111079650A (zh) * 2019-12-17 2020-04-28 国网江苏省电力工程咨询有限公司 基于改进knn-dpc算法的激光点云分裂导线提取方法
CN111461138A (zh) * 2020-03-05 2020-07-28 云南电网有限责任公司玉溪供电局 一种基于LiDAR点云数据的电力线自动提取方法
US11308656B1 (en) 2020-11-16 2022-04-19 International Business Machines Corporation Power line extraction using reference data
US11594022B2 (en) 2020-11-16 2023-02-28 International Business Machines Corporation Power line georectification
CN112100869A (zh) * 2020-11-16 2020-12-18 北京云圣智能科技有限责任公司 电力线补点方法、装置及电子设备
CN112630792A (zh) * 2020-11-30 2021-04-09 深圳供电局有限公司 一种电网输电线路工况模拟与危险点检测方法及检测系统
CN113052274A (zh) * 2021-06-02 2021-06-29 天津云圣智能科技有限责任公司 点云数据处理方法、装置及电子设备
CN113534095A (zh) * 2021-06-18 2021-10-22 北京电子工程总体研究所 一种激光雷达地图构建方法和机器人自主导航方法
CN113534095B (zh) * 2021-06-18 2024-05-07 北京电子工程总体研究所 一种激光雷达地图构建方法和机器人自主导航方法
CN114518768A (zh) * 2022-01-25 2022-05-20 武汉飞流智能技术有限公司 输电线路的巡检方法、装置、设备及存储介质
CN114325678A (zh) * 2022-03-10 2022-04-12 北京云圣智能科技有限责任公司 障碍物检测方法、装置及服务器

Also Published As

Publication number Publication date
CN104020475B (zh) 2016-03-23

Similar Documents

Publication Publication Date Title
CN104020475B (zh) 一种基于机载LiDAR数据的电力线提取及建模方法
Duncanson et al. An efficient, multi-layered crown delineation algorithm for mapping individual tree structure across multiple ecosystems
CN110221311B (zh) 基于tls和uav自动化提取高郁闭林分树高的方法
CN102959354B (zh) 用于利用LiDAR数据来分析树冠层的方法和装置
Wu et al. A voxel-based method for automated identification and morphological parameters estimation of individual street trees from mobile laser scanning data
CN111487641B (zh) 一种利用激光雷达检测物体的方法、装置、电子设备及存储介质
CN103413133B (zh) 无序激光点云数据中自动提取电力线方法
Liang et al. A new power-line extraction method based on airborne LiDAR point cloud data
CN104463872A (zh) 基于车载LiDAR点云数据的分类方法
CN104050715A (zh) 输电线路及走廊的高精度三维重建方法
CN103020342A (zh) 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法
CN107832849B (zh) 一种基于知识库的电力线廊道三维信息提取方法及装置
CN102955160A (zh) 基于三维激光雷达技术的输电线路杆塔参数确定方法
CN104502919A (zh) 利用机载激光雷达点云提取城市植被三维覆盖的方法
CN108562885B (zh) 一种高压输电线路机载LiDAR点云提取方法
Jichen et al. Development of real-time laser-scanning system to detect tree canopy characteristics for variable-rate pesticide application
CN113156394B (zh) 基于激光雷达的森林资源监测方法、装置和存储介质
Bu et al. Adaptive circle-ellipse fitting method for estimating tree diameter based on single terrestrial laser scanning
Lehtomäki et al. Performance analysis of a pole and tree trunk detection method for mobile laser scanning data
CN116486289A (zh) 一种多源数据和知识驱动下的燃气管道高后果区识别方法
CN111062949A (zh) 一种基于机载激光雷达的电力线点云提取方法
CN110569805A (zh) 一种基于无人机影像点云的人工林单木提取及立地质量评价的方法
CN103617417A (zh) 植物自动识别方法和系统
CN106683131A (zh) 一种城市部件自动化测量方法
CN104794723A (zh) 一种基于概率的遥感影像建筑物位置检测方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20171214

Address after: 710199 Shenzhou four road, space base, Xi'an, Shaanxi Province, No. 216

Patentee after: China coal survey & Remote Sensing Group Co Ltd

Address before: Xi'an City, Shaanxi province 710054 Changsheng Street No. 78

Patentee before: Sian Coal & Aeronautics Information Industry Co., Ltd.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20160323

Termination date: 20210620

CF01 Termination of patent right due to non-payment of annual fee