CN107767389A - 一种基于机载激光点云数据的输电线自动提取方法 - Google Patents
一种基于机载激光点云数据的输电线自动提取方法 Download PDFInfo
- Publication number
- CN107767389A CN107767389A CN201711056800.5A CN201711056800A CN107767389A CN 107767389 A CN107767389 A CN 107767389A CN 201711056800 A CN201711056800 A CN 201711056800A CN 107767389 A CN107767389 A CN 107767389A
- Authority
- CN
- China
- Prior art keywords
- point
- points
- voxel
- grid
- cloud 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/168—Segmentation; Edge detection involving transform domain methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20061—Hough transform
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供基于机载激光点云数据的输电线自动提取方法，随着激光雷达技术的发展和应用，机载激光雷达也被逐渐地引入到输电线路巡视作业中，激光雷达对输电线路走廊进行扫描后会产生大量的点云数据，从点云数据中提取输电导线和输电杆塔是后续数据分析的基础。但采用传统的人工分类方法，工作量较大、非常耗时。本发明提出的基于机载激光点云数据的输电线自动提取方法，本方法分别采用自适应TIN剔除地面点，采用八邻域法、基于高度、基于密度的多种滤波器，过滤掉不相关的点数据，保留输电导线和杆塔的点。最后，通用直线方程去拟合输电导线，用基于形状的滤波器去提取输电杆塔。
Description
技术领域
本发明涉及一种从机载激光点云数据中自动提取输电导线和杆塔的方法，是一种对输电线路点云数据的自动处理方法。
背景技术
输电线路承担着为电网输送和分配电能的任务，是整个电网的主动脉，具有距离长、走廊复杂、交叉跨越多、地域气候差异大等特点，且输电线路的长度呈逐年递增的趋势。随着输电线路的不断增多，输电线路的运维工作也日益增加，使得输电运维人员数量不足的矛盾日趋突出，迫切需要一种能够减少人工投入，提高输电线路巡检工作效率的技术方法。
机载LiDAR可以快速获取大面积地物的高精度、高密度三维坐标信息，在电力、公路、铁路、林业、矿山、城市规划等众多领域都有广泛地应用。机载LiDAR在进行输电巡线作业时会获取到输电走廊内所有地物的点云数据，从这些点云数据中提取出输电导线和输电杆塔是开展后续数据分析的重要前提。传统的分类方法主要采用手动分类，即以人工方式选取点云，手动设置类别，工作量较大、非常耗时。
发明内容
本发明的目的正是为了解决传统输电线路点云数据的分类方法所存在的问题，通过一系列的算法从原始点云数据中分离出输电导线和杆塔，从而实现对输电杆塔和导线点云的自动提取。
为了实现上述目的，本发明提供如下技术方案：
基于机载激光点云数据的输电线自动提取方法，本发明的特征是：首先，采用自适应TIN算法剔除地面点和非地面点；然后，分别采用八邻域、基于高度、基于密度的多种滤波器，过滤掉输电导线和输电杆塔以外的其他点，保留输电导线和杆塔的点；最后，将剩余的点投影到x-y平面和x-z平面，用直线方程去拟合输电导线，用基于形状的滤波器去分类输电杆塔。
本发明具体步骤为：
1)自适应TIN算法剔除地面点
将输电走廊内的最大建筑物尺寸作为最大格网的边长，从每个格网中选择高程最低的点作为生成地表TIN的种子点；以任意点(pi)到TIN中三角面片的距离di和与结点的角度αi作为是否保留该点依据：
●如果di小于最大距离阈值dmax，且αi小于最大角度阈值αmax，则该点添加到TIN中，组成新的TIN；
●如果di和αi超过dmax和αmax，则将最近的三角形结点作为对称中心,生成一个虚拟的镜像点,计算该点到最近三角形面片的距离,如果该距离大于dmax，则剔除该点；否则，保留为地面点类并添加到TIN中；
2)应用八邻域剔除算法
用1m×1m的网格划分x-y平面，对于每一个网格，如网格内有点，则将网格标记为1，否则标记为0。然后，用九宫格的方式逐个计算每个网格的周围8个网格中标记为1的网格数量，如果数量为0或者大于3，则将该网格剔除；
3)应用基于高度的滤波器
根据国家输电线路设计规范，用最低的净空距离是5m(记为h_clear)作为过滤器的阈值；首先，通过聚类方法排除高度值有异常的数据，然后将每个1m×1m网格内的点按照高度从低到高排序，得到一个序列：p_h1,p_h2,…,p_hmax。从最低点(p1)开始迭代，计算最低点和次最低点(p2)的高度差h_diff：
●如果h_diff<h_clear，则跳过此点，继续计算下一个点；
●如果h_diff>＝h_clear，则将当前点及其前面的点删除；
●重复上述计算过程，从p_h1开始到p_hmax循环所有的点；
4)应用基于密度的滤波器
采用体素(voxel)对整个三维空间进行分割，体素的大小可以根据杆塔的大小来定。在完成体素分割后，逐个计算每个体素内点的数量。根据整个走廊内杆塔的体素点统计数据，设置一个阈值(记为pole_p_count)作为杆塔和导线的标识。每个体素内的点数量记为voxel_p_count，每个体素内的标记规则为：
●如果voxel_p_count>＝pole_p_count，则将体素内的所有点标记为杆塔
●如果voxel_p_count<pole_p_count，则将体素内的所有点标记为导线
5)应用霍夫变换提取导线
对标记为导线的点,将点云数据投影到x-y平面，在该平面内导线会投影为直线。首先，应用霍夫变换寻找平面的内的直线段，再用最小二乘法下去拟合平面内的所有直线段，再通过拟合后的直线去提取平面内更多的导线点,直线的目标函数如下：
1)ρ＝xcosθ
6)应用基于形状的滤波器提取杆塔
对标记为杆塔的点,可能是杆塔、植被或者形状像杆塔的地物；为此，可以采用区域生长法，将三维空间中标记为杆塔的点划分为多个对象，然后计算每个对象的紧凑性系数；用紧凑性系数作为判断依据，紧凑性系数(γ)公式如下：
其中，S是面积，C是周长。
附图说明
图1为本发明结构框图。
具体实施方式
见图1，基于机载激光点云数据的输电线自动提取方法，本发明的特征是：
1)自适应TIN算法剔除地面点
将输电走廊内的最大建筑物尺寸作为最大格网的边长，从每个格网中选择高程最低的点作为生成地表TIN的种子点；以任意点(pi)到TIN中三角面片的距离di和与结点的角度αi作为是否保留该点依据：
●如果di小于最大距离阈值dmax，且αi小于最大角度阈值αmax，则该点添加到TIN中，组成新的TIN
●如果di和αi超过dmax和αmax，则将最近的三角形结点作为对称中心,生成一个虚拟的镜像点,计算该点到最近三角形面片的距离,如果该距离大于dmax，则剔除该点；否则，保留为地面点类并添加到TIN中
2)应用八邻域剔除算法
用1m×1m的网格划分x-y平面，对于每一个网格，如果网格内有点，则将网格标记为1，否则标记为0；然后，用九宫格的方式逐个计算每个网格的周围8个网格中标记为1的网格数量，如果数量为0或者大于3，则将该网格内的点剔除；
3)应用基于高度的滤波器
根据国家输电线路设计规范，用最低的净空距离是5m(记为h_clear)作为过滤器的阈值；首先，通过聚类方法排除高度值有异常的数据，然后将每个1m×1m网格内的点按照高度从低到高排序，得到一个序列：p_h1,p_h2,…,p_hmax。从最低点(p1)开始迭代，计算最低点和次最低点(p2)的高度差h_diff：
●如果h_diff<h_clear，则跳过此点，继续计算下一个点
●如果h_diff>＝h_clear，则将当前点及其前面的点删除
●重复上述计算过程，从p_h1开始到p_hmax循环所有的点
4)应用基于密度的滤波器
采用体素(voxel)对整个三维空间进行分割，以0.8m为体素的边长。在完成体素分割后，逐个计算每个体素内点的数量；根据整个走廊内杆塔的体素点统计数据，设置一个阈值(记为pole_p_count)作为杆塔和导线的标识，设pole_p_count＝500。每个体素内的点数量记为voxel_p_count，每个体素内的标记规则为：
●如果voxel_p_count>＝pole_p_count，则将体素内的所有点标记为杆塔
●如果voxel_p_count<pole_p_count，则将体素内的所有点标记为导线
5)应用霍夫变换提取导线
对标记为导线的点,将点云数据投影到x-y平面，在该平面内导线会投影为直线；首先，应用霍夫变换寻找平面的内的直线段，再用最小二乘法下去拟合平面内的所有直线段，再通过拟合后的直线去提取平面内更多的导线点,直线的目标函数如下：
1)ρ＝xcosθ
6)应用基于形状的滤波器提取杆塔
对标记为杆塔的点,可能是杆塔、植被或者形状像杆塔的地物；为此，可以采用区域生长法，将三维空间中标记为杆塔的点划分为多个对象，然后计算每个对象的紧凑性系数；用紧凑性系数作为判断依据，紧凑性系数(γ)公式如下：
其中，S是面积，C是周长。
Claims (2)
1.一种基于机载激光点云数据的输电线自动提取方法，其特征是：首先，采用自适应TIN算法剔除地面点和非地面点；然后，分别采用八邻域、基于高度、基于密度的多种滤波器，过滤掉输电导线和输电杆塔以外的其他点，保留输电导线和杆塔的点；最后，将剩余的点投影到x-y平面，用直线方程去拟合输电导线，用基于形状的滤波器去提取输电杆塔。
2.根据权利要求1所述的一种基于机载激光点云数据的输电线自动提取方法，其特征是：
1)自适应TIN算法剔除地面点
将输电走廊内的最大建筑物尺寸作为最大格网的边长，从每个格网中选择高程最低的点作为生成地表TIN的种子点；以任意点(pi)到TIN中三角面片的距离di和与结点的角度αi作为是否保留该点依据：
●如果di小于最大距离阈值dmax，且αi小于最大角度阈值αmax，则该点添加到TIN中，组成新的TIN；
●如果di和αi超过dmax和αmax，则将最近的三角形结点作为对称中心,生成一个虚拟的镜像点,计算该点到最近三角形面片的距离,如果该距离大于dmax，则剔除该点；否则，保留为地面点类并添加到TIN中；
2)应用八邻域剔除算法
用1m×1m的网格划分x-y平面，对于每一个网格，如网格内有点，则将网格标记为1，否则标记为0；然后，用九宫格的方式逐个计算每个网格的周围8个网格中标记为1的网格数量，如果数量为0或者大于3，则将该网格剔除；
3)应用基于高度的滤波器
根据国家输电线路设计规范，用最低的净空距离是5m(记为h_clear)作为过滤器的阈值；首先，通过聚类方法排除高度值有异常的数据，然后将每个1m×1m网格内的点按照高度从低到高排序，得到一个序列：p_h1,p_h2,…,p_hmax；从最低点(p1)开始迭代，计算最低点和次最低点(p2)的高度差h_diff：
●如果h_diff<h_clear，则跳过此点，继续计算下一个点；
●如果h_diff>＝h_clear，则将当前点及其前面的点删除；
●重复上述计算过程，从p_h1开始到p_hmax循环所有的点；
4)应用基于密度的滤波器
采用体素(voxel)对整个三维空间进行分割，体素的大小可以根据杆塔的大小来定。在完成体素分割后，逐个计算每个体素内点的数量；根据整个走廊内杆塔的体素点统计数据，设置一个阈值作为杆塔和导线的标识。每个体素内的点数量记为voxel_p_count，每个体素内的标记规则为：
●如果voxel_p_count>＝pole_p_count，则将体素内的所有点标记为杆塔；
●如果voxel_p_count<pole_p_count，则将体素内的所有点标记为导线；
5)应用霍夫变换提取导线
对标记为导线的点,将点云数据投影到x-y平面，在该平面内导线会投影为直线；首先，应用霍夫变换寻找平面的内的直线段，再用最小二乘法下去拟合平面内的所有直线段，再通过拟合后的直线去提取平面内更多的导线点,直线的目标函数如下：
1)ρ＝xcosθ
6)应用基于形状的滤波器提取杆塔
对标记为杆塔的点,可能是杆塔、植被或者形状像杆塔的地物。为此，可以采用区域生长法，将三维空间中标记为杆塔的点划分为多个对象，然后计算每个对象的紧凑性系数；用紧凑性系数作为判断依据，紧凑性系数(γ)公式如下：
<mrow>
<mi>&gamma;</mi>
<mo>=</mo>
<mn>4</mn>
<mi>&pi;</mi>
<mo>&CenterDot;</mo>
<mfrac>
<mi>S</mi>
<msup>
<mi>C</mi>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
其中，S是面积，C是周长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711056800.5A CN107767389A (zh) | 2017-10-27 | 2017-10-27 | 一种基于机载激光点云数据的输电线自动提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711056800.5A CN107767389A (zh) | 2017-10-27 | 2017-10-27 | 一种基于机载激光点云数据的输电线自动提取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107767389A true CN107767389A (zh) | 2018-03-06 |
Family
ID=61272024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711056800.5A Pending CN107767389A (zh) | 2017-10-27 | 2017-10-27 | 一种基于机载激光点云数据的输电线自动提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107767389A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108562885A (zh) * | 2018-03-29 | 2018-09-21 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
| CN109254586A (zh) * | 2018-09-19 | 2019-01-22 | 绵阳紫蝶科技有限公司 | 线上点与非线上点分类、电力线提取及航迹规划方法 |
| CN109492699A (zh) * | 2018-11-21 | 2019-03-19 | 国网江苏省电力有限公司扬州供电分公司 | 输电通道三维测量方法及装置 |
| CN109685769A (zh) * | 2018-11-30 | 2019-04-26 | 北京拓维思科技有限公司 | 导线相间距调整方法和装置 |
| CN110031818A (zh) * | 2019-04-29 | 2019-07-19 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于点云数据的输电线路对地表净空距离轮廓线提取方法 |
| CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
| 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 |
| CN110794413A (zh) * | 2019-11-13 | 2020-02-14 | 湖北大学 | 线性体素分割的激光雷达点云数据电力线检测方法和系统 |
| CN111895907A (zh) * | 2020-06-18 | 2020-11-06 | 南方电网数字电网研究院有限公司 | 一种电塔点云提取方法、系统及设备 |
| CN112380893A (zh) * | 2020-09-15 | 2021-02-19 | 广东电网有限责任公司 | 一种机载激光点云数据的输电线走廊自动识别方法 |
| CN112767352A (zh) * | 2021-01-19 | 2021-05-07 | 国网通用航空有限公司 | 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法 |
| CN113269202A (zh) * | 2021-04-26 | 2021-08-17 | 南方电网数字电网研究院有限公司 | 一种提取门型电塔点云的方法 |
| CN114359758A (zh) * | 2022-03-18 | 2022-04-15 | 广东电网有限责任公司东莞供电局 | 一种输电线的检测方法、装置、计算机设备和存储介质 |
| CN114639024A (zh) * | 2022-03-03 | 2022-06-17 | 江苏方天电力技术有限公司 | 一种输电线路激光点云自动分类方法 |
Citations (7)
| 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 |
| CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
| CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
| KR101552585B1 (ko) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법 |
| CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
| CN106526610A (zh) * | 2016-11-04 | 2017-03-22 | 广东电网有限责任公司电力科学研究院 | 一种基于无人机激光点云的电塔自动定位方法及装置 |
-
2017
- 2017-10-27 CN CN201711056800.5A patent/CN107767389A/zh active Pending
Patent Citations (7)
| 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 |
| CN102930509A (zh) * | 2012-09-18 | 2013-02-13 | 广州建通测绘技术开发有限公司 | 一种机载激光点云数据的智能化滤波方法 |
| CN103679655A (zh) * | 2013-12-02 | 2014-03-26 | 河海大学 | 一种基于坡度与区域生长的LiDAR点云滤波方法 |
| KR101552585B1 (ko) * | 2015-06-12 | 2015-09-14 | (주)선운 이앤지 | 지상라이다를 이용한 가공송전선의 횡진측정 및 구조물과의 횡진이격거리 분석 및 산출방법 |
| CN105184250A (zh) * | 2015-08-31 | 2015-12-23 | 哈尔滨工业大学 | 一种电力走廊机载LiDAR点云数据的地物分类方法 |
| CN106526610A (zh) * | 2016-11-04 | 2017-03-22 | 广东电网有限责任公司电力科学研究院 | 一种基于无人机激光点云的电塔自动定位方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| PETER AXELSSON: "Processing of laser scanner data——algorithms and applications", 《ISPRS JOURNAL OF PHOTOGRAMMETRY & REMOTE SENSING》 * |
| THOMAS MELZER ET AL.: "Extraction and Modeling of Power Lines from ALS Point Clouds", 《28THWORKSHOP OF AUSTRIAN ASSOCIATION FOR PATTERN RECOGNITION》 * |
| 叶文: "融合地理位置信息的电力杆塔检测", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108562885B (zh) * | 2018-03-29 | 2021-12-31 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
| CN108562885A (zh) * | 2018-03-29 | 2018-09-21 | 同济大学 | 一种高压输电线路机载LiDAR点云提取方法 |
| CN109254586A (zh) * | 2018-09-19 | 2019-01-22 | 绵阳紫蝶科技有限公司 | 线上点与非线上点分类、电力线提取及航迹规划方法 |
| CN109492699A (zh) * | 2018-11-21 | 2019-03-19 | 国网江苏省电力有限公司扬州供电分公司 | 输电通道三维测量方法及装置 |
| CN109685769B (zh) * | 2018-11-30 | 2020-12-18 | 北京拓维思科技有限公司 | 导线相间距调整方法和装置 |
| CN109685769A (zh) * | 2018-11-30 | 2019-04-26 | 北京拓维思科技有限公司 | 导线相间距调整方法和装置 |
| CN110031818A (zh) * | 2019-04-29 | 2019-07-19 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于点云数据的输电线路对地表净空距离轮廓线提取方法 |
| CN110031818B (zh) * | 2019-04-29 | 2021-03-30 | 中国南方电网有限责任公司超高压输电公司昆明局 | 基于点云数据的输电线路对地表净空距离轮廓线提取方法 |
| CN110427914A (zh) * | 2019-08-14 | 2019-11-08 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
| CN110427914B (zh) * | 2019-08-14 | 2021-09-28 | 西南交通大学 | 一种基于卫星遥感的输电走廊植被威胁预警方法 |
| 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 |
| CN110675441B (zh) * | 2019-10-15 | 2022-09-02 | 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 |
| CN110794413A (zh) * | 2019-11-13 | 2020-02-14 | 湖北大学 | 线性体素分割的激光雷达点云数据电力线检测方法和系统 |
| CN110794413B (zh) * | 2019-11-13 | 2021-11-16 | 湖北大学 | 线性体素分割的激光雷达点云数据电力线检测方法和系统 |
| CN111895907A (zh) * | 2020-06-18 | 2020-11-06 | 南方电网数字电网研究院有限公司 | 一种电塔点云提取方法、系统及设备 |
| CN111895907B (zh) * | 2020-06-18 | 2023-02-03 | 南方电网数字电网研究院有限公司 | 一种电塔点云提取方法、系统及设备 |
| CN112380893A (zh) * | 2020-09-15 | 2021-02-19 | 广东电网有限责任公司 | 一种机载激光点云数据的输电线走廊自动识别方法 |
| CN112767352A (zh) * | 2021-01-19 | 2021-05-07 | 国网通用航空有限公司 | 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法 |
| CN112767352B (zh) * | 2021-01-19 | 2023-07-07 | 国网电力空间技术有限公司 | 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法 |
| CN113269202A (zh) * | 2021-04-26 | 2021-08-17 | 南方电网数字电网研究院有限公司 | 一种提取门型电塔点云的方法 |
| CN113269202B (zh) * | 2021-04-26 | 2023-11-03 | 南方电网数字电网研究院有限公司 | 一种提取门型电塔点云的方法 |
| CN114639024A (zh) * | 2022-03-03 | 2022-06-17 | 江苏方天电力技术有限公司 | 一种输电线路激光点云自动分类方法 |
| CN114359758A (zh) * | 2022-03-18 | 2022-04-15 | 广东电网有限责任公司东莞供电局 | 一种输电线的检测方法、装置、计算机设备和存储介质 |
| WO2023174020A1 (zh) * | 2022-03-18 | 2023-09-21 | 广东电网有限责任公司东莞供电局 | 输电线的检测方法、装置、计算机设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107767389A (zh) | 一种基于机载激光点云数据的输电线自动提取方法 | |
| CN113034689B (zh) | 基于激光点云的地形三维模型及地形图构建方法和系统、存储介质 | |
| CN106709946B (zh) | 基于LiDAR点云的多分裂导线自动提取与精细建模方法 | |
| CN106204547B (zh) | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 | |
| CN106970375B (zh) | 一种机载激光雷达点云中自动提取建筑物信息的方法 | |
| CN110363861B (zh) | 基于激光雷达点云的田地作物三维重构方法 | |
| AU2012255696B2 (en) | Method and system for processing image data | |
| CN117132915B (zh) | 一种基于点云自动分类的输电线路树障隐患分析方法 | |
| CN107273902B (zh) | 一种从机载LiDAR数据自动提取电塔点云的方法 | |
| CN112883878B (zh) | 一种基于三维格网的变电站场景下的点云自动分类方法 | |
| CN112767352B (zh) | 面向机载LiDAR电力巡检的高压线塔自动精细化提取方法 | |
| CN114114314A (zh) | 基于激光点云的输电线路巡检检测系统及检测方法 | |
| CN111461138A (zh) | 一种基于LiDAR点云数据的电力线自动提取方法 | |
| CN116704333B (zh) | 一种基于激光点云数据的单株林木检测方法 | |
| CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
| Munir et al. | Voxel-based extraction of individual pylons and wires from lidar point cloud data | |
| CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
| CN109814123A (zh) | 基于格网划分的电力杆塔位置提取方法 | |
| CN113793421A (zh) | 一种变电站设备三维点云数据处理方法、系统及存储介质 | |
| CN116520881A (zh) | 基于激光点云的无人机连续塔基三维巡检路径规划方法 | |
| CN116309828A (zh) | 一种基于三维激光点云数据的电力杆塔信息提取方法 | |
| CN116071530A (zh) | 一种基于机载激光点云的建筑物屋顶体素化分割方法 | |
| CN115115941B (zh) | 基于模板匹配的激光雷达点云地图杆状目标提取方法 | |
| CN112991303B (zh) | 一种基于三维点云的电塔绝缘子串自动提取方法 | |
| CN115410036A (zh) | 一种高压架空输电线路关键要素激光点云自动分类方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180306 |