CN107918953A - 基于三维空间的激光扫描电力线点云的提取方法及装置 - Google Patents

基于三维空间的激光扫描电力线点云的提取方法及装置 Download PDF

Info

Publication number
CN107918953A
CN107918953A CN201710893931.2A CN201710893931A CN107918953A CN 107918953 A CN107918953 A CN 107918953A CN 201710893931 A CN201710893931 A CN 201710893931A CN 107918953 A CN107918953 A CN 107918953A
Authority
CN
China
Prior art keywords
power line
point cloud
grid
point
equal
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
CN201710893931.2A
Other languages
English (en)
Other versions
CN107918953B (zh
Inventor
李传荣
周梅
李框宇
关宏灿
马莲
腾格尔
吴昊昊
李伟
孟凡荣
陈玖英
胡坚
唐伶俐
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.)
Academy of Opto Electronics of CAS
Original Assignee
Academy of Opto Electronics of CAS
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 Academy of Opto Electronics of CAS filed Critical Academy of Opto Electronics of CAS
Priority to CN201710893931.2A priority Critical patent/CN107918953B/zh
Publication of CN107918953A publication Critical patent/CN107918953A/zh
Application granted granted Critical
Publication of CN107918953B publication Critical patent/CN107918953B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Generation (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一种基于三维空间的激光扫描电力线点云的提取方法，包括：根据电力线走廊点云在水平面内划分格网，得到包含有激光点云的网格，在网格的高程方向上将电力线点云分层，得到多个点云层，将存在电力线点云的相邻层合并为一层，得到点云合并层；自上而下选择与电力线实际层数一致的层数，得到单层点云在高程方向上的高程平均值，挑选出电力线候选层；将电力线候选层聚类，得到独立类元；从独立类元中提取线状类元后，再从中提取电力线类元。本发明还提供了一种对应的装置，提取效果不受地面点云完整性的制约，涉及的参数少，无需数据滤波，提取精度不受地形的影响，实现了多个杆塔间电力线点云自动提取，具有自动化水平与提取精度都很高的优点。

Description

基于三维空间的激光扫描电力线点云的提取方法及装置
技术领域
本发明涉及电力线的提取领域，尤其涉及一种基于三维激光扫描电力线点云的提取方法及装置。
背景技术
机载激光扫描(1ight detection and ranging，LiDAR)技术作为近年来一种快速发展的对地观测新技术，其提供了一种能够快速、高精度、实时地获取空间三维信息的技术手段，可以解决传统航空摄影测量无法进行电力线测量的难题，快速获取高精度的电力线点云数据，提高电力线巡线效率，减少投入成本。随着LiDAR技术的不断发展，采用LiDAR技术进行电力巡线的作法将会越来越普遍。
目前，基于LiDAR的电力线信息获取方法主要有两种，一种是先对点云数据进行滤波，然后基于迭代霍夫(Hough)变换的方法提取线状地物，进而获得电力线点云。这种方法数据处理过程复杂，需要先对走廊区域进行滤波处理，然后排除其余非电力线地物，最后进行电力线提取，处理过程中需要设置的参数比较多；另一种是基于机器学习分类的方法，综合利用点云的三维特征、回波强度、回波次数，对激光点云进行分类处理，提取电力线点云，但这种方法耗时太长，特征参数众多，难以找到一个适用于所有区域的模型。
发明内容
(一)要解决的技术问题
本发明的目的在于提供一种基于三维空间的激光扫描电力线点云的提取方法及装置，以解决上述的至少一项技术问题。
(二)技术方案
本发明提供了一种基于三维空间的激光扫描电力线点云的提取方法，包括：
根据电力线走廊数据在水平面内划分格网，得到至少一个包含有激光点云的网格，在各网格的高程方向上将电力线点云分层，得到多个点云层，将存在点云的两两相邻的层合并为一层，得到点云合并层；
在高程方向自上而下选择与电力线实际层数一致的层数，确定单层点云在高程方向上的高程平均值，并挑选出电力线候选层；
将所述电力线候选层进行聚类，确定多个独立类元；以及
从所述独立类元中提取线状类元，再从线状类元中提取电力线类元。
在本发明的一些实施例中，确定每个网格高程方向上的高程最大值zmax与高程最小值zmin，在高程方向上划分得到Num个点云层：
其中，是一个向上取整函数，Num为正整数，zmax与zmin分别为正数，且zmax≥zmin。
在本发明的一些实施例中，所述多个点云层中，相邻点云层的间距d与每相电力线点云间的垂直距离Δh关系为其中，d与Δh分别为正数。
在本发明的一些实施例中，若各点云合并层中的点云高程平均值小于预设值h，则将该点云合并层作为电力线候选层，若该高程平均值大于等于h，则该点云合并层不属于电力线候选层，h的公式为：
其中，α为悬挂点O处电力线OD的切线OB与竖直方向OA的夹角，且45°≤α＜90°，mh为该电力线与在水平方向的经过切线端点B的长度，n为网格的较长边，3m≤n≤5m，m为单位米，h为正数。
在本发明的一些实施例中，分别确定各网格及该网格的邻域网格中每个电力线候选层的点云高程平均值，并将各网格中任一电力线候选层的点云高程平均值与各邻域网格中任一电力线候选层的点云高程平均值进行比较，若二者的差值小于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云聚为一类；若二者的差值大于等于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云分为不同的类元，从而得到多个独立类元。
在本发明的一些实施例中，将各所述独立类元投影在水平面上，划分得到多个单元网格，该单元网格的最长边为x，1m≤x≤3m，搜寻各单元网格是否存在四邻域或者八邻域中都有电力线点云的网格，若不存在，则将该独立类元归为线状类元；若存在，则将该独立类元归为非线性类元。
在本发明的一些实施例中，根据每相电力线的直径Dρ，遍历各独立类元的网格，确定网格及其邻域网格内的点云在水平面投影轮廓的内接圆直径2r，若该内接圆的直径大于Dρ，则将该独立类元归为非线状类元；若该内接圆的直径小于等于Dρ，将该独立类元归为线状类元。
在本发明的一些实施例中，分别确定该线性类元在水平面内投影轮廓的内接圆和外接圆的直径，其中内接圆和外接圆的直径分别等于电力线的直径与长度，根据外接圆与内接圆的直径比值，判断线状类元是否具有明显的方向特征。
在本发明的一些实施例中，分别确定该线性类元在水平面内投影轮廓的内接圆和外接圆的直径，其中内接圆和外接圆的直径分别等于电力线的直径与长度，根据外接圆与内接圆的直径比值，判断线状类元是否具有明显的方向特征，具体包括步骤：
确定线状类元在水平面内的平均坐标值并将其作为圆心；
遍历线状类元内的点，分别确定其与p在XY平面内的距离，取最大距离为外接圆的半径R，并记下最远点Q的坐标；确定pQ的方向矢量Rv；
根据Rv确定与pQ方向垂直的方向矢量rv，以rv为方向向量确定过p点的直线方程AX+BY+C＝0；在此直线的两边设置缓冲区，如果点到直线的距离小于等于n/2，则将该点视为内接圆边缘点的候选点q；确定候选点q到p点的距离，取最大距离s，若2s≤Dρ，则将s作为内接圆的半径r；若2s＞Dρ，则将Dρ作为内接圆直径；或者在多个与Rv成多个不同角度的方向，找到每个方向上的边缘点，以这些边缘点到圆心距离的平均值为内接圆半径；
若R/r＞2M，则认为该线状类元具有明显的方向特征，将其归为电力线类元；若R/r≤2M，则该线性类元不具有明显的方向特征，将其归为非电力线类元，其中，M为网格的较短边，2m≤M≤5m。
基于同一发明构思，本发明还提供了一种基于三维空间的激光扫描电力线点云的提取装置，包括：
存储器，用于存储指令；
处理器，用于根据所述指令执行前述的基于三维空间的激光扫描电力线点云的提取方法。
(三)有益效果
本发明基于三维空间的激光扫描电力线点云的提取方法及装置，相较于现有技术，至少具有以下优点：
1、在高程方向采取由高到低的数据处理流程，无需进行数据滤波，简化了数据处理流程，涉及参数少，数据处理高效，自动化程度更高。
2、处理结果不受地形影响，具有较好的提取效果，可满足实际应用的需求，且实验表明平均提取精度达到了98.18％。
3、当电力线下方地面发点云不完整时，针对直线状/转折状电力线路径走廊，仍有较好的提取效果。
附图说明
图1为本发明实施例的基于三维空间的激光扫描电力线点云的提取方法的步骤示意图。
图2为本发明实施例的电力线点云的划分示意图。
图3为本发明实施例中预设值h的示意图。
图4A为本发明实施例的面状类元的投影示意图。
图4B为本发明实施例的线状类元的投影示意图。
图4C为本发明实施例的折线状类元的投影示意图。
图5为本发明实施例的内接圆的构建示意图。
图6为本发明实施例的基于三维空间的激光扫描电力线点云的提取装置的结构示意图。
具体实施方式
针对现有技术在提取电力线时，数据处理过程复杂、需要设置的参数较多、耗时太长、难以找到一个适用于所有区域的模型等技术缺陷，本发明提供了一种基于三维空间的激光扫描电力线点云的提取方法及装置，针对机载LiDAR点云(其中包括电力线及非电力线地物的点云)，根据电力线总是处于电力走廊最顶端的特点，采用在高程方向(竖直方向)由高到低的数据处理流程，无需进行数据滤波处理，即可直接找到电力线点云的可能位置，根据电力线典型的空间线状特征，提取电力线类元，得到属于电力线的激光点云，大大简少了数据处理的环节以及涉及的参数，提高了自动提取电力线的效率和精度，且实验表明平均提取精度达到了98.18％。
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。
图1为本发明实施例的基于三维空间的激光扫描电力线点云的提取方法的步骤示意图，如图1所示，该方法包括步骤：
S1、根据电力线走廊数据在水平面内划分格网，得到至少一个包含有激光点云的网格，在各网格的高程方向上将电力线点云分层，得到多个点云层，将存在点云的两两相邻的层合并为一层，得到点云合并层。
由于电力线总是处于电力走廊最顶端的特点，因此本发明先将电力线走廊数据在水平内划分，再在高程方向上划分，实现由高到低处理数据。
参照以下方法在高程方向上划分：
确定每个网格高程方向上的高程最大值zmax与高程最小值zmin，在高程方向上划分得到Num个点云层：
其中，是一个向上取整函数，Num为正整数，zmax与zmin分别为正数，且zmax≥zmin。
需要注意的是，在划分得到的多个点云层中，相邻点云层的间距d与每相电力线点云间的垂直距离Δh的关系为：其中，d与Δh分别为正数。
最后判断分层后的两两相邻的点云层之间否有空层(是否不含包括激光点)，若为非空层，就将两层合并为一层。如此，利用迭代循环的方法即可实现非空邻接层的合并，每个网格中可得到若干点云合并层。图2为本发明实施例的电力线点云的划分示意图，如图2所示，这样每个网格中的点云就都被包含在若干个独立的点云合并层中。
S2、在高程方向自上而下选择与电力线实际层数(可直接得到)一致的层数，确定单层点云在高程方向上的高程平均值，并挑选出电力线候选层。
根据电力线实际层数确定电力线候选层的层数，也就是说，假如网格内存在电力线点云，则该电力线点云定包含在网格的上部若干合并层中。在每个网格中从上向下选取与实际电力线层数一致的点云合并层，作为电力线候选层；若网格中点云合并层数目不够，则全部选为电力线候选层。在各网格内分别计算点云合并层中的点云高程平均值，若该高程平均值小于预设值h，则将该点云合并层作为电力线候选层，若该高程平均值大于等于h，则该点云合并层不属于电力线候选层。图3为本发明实施例中预设值h的示意图，如图3所示，h由悬挂点O处电力线的切线OB与竖直方向OA的夹角α及mh确定，h的计算公式为：
其中，α为悬挂点O处电力线OD的切线OB与竖直方向OA的夹角，且45°≤α＜90°，mh为该电力线与在水平方向的经过切线端点B的长度，n为网格的较长边，3m≤n≤5m(单位米)，h为正数。
S3、将所述电力线候选层进行聚类，得到多个独立类元；
分别确定各网格及该网格的邻域网格中每个电力线候选层的点云高程平均值，并将各网格中任一电力线候选层的点云高程平均值与各邻域网格中任一电力线候选层的点云高程平均值进行比较，若二者的差值小于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云聚为一类；若二者的差值大于等于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云分为不同的类元，从而得到多个独立类元。
一般来说，网格的领域网有四邻域网格与八邻域网格，其中，此处类元指在不同的网格基础上，基于三维空间的区域增长方法在各电力线候选层之间进行聚类，得到的空间独立的点集。
S4、从所述独立类元中提取线状类元，再从线状类元中提取电力线类元。
在从独立类元中提取线状类元时，可以将各所述独立类元投影在水平面上，划分得到多个单元网格，该单元网格的最长边为x，1m≤x≤3m，搜寻各单元网格是否存在四邻域或者八邻域中都有电力线点云的网格，若不存在，则将该独立类元归为线状类元；若存在，则将该独立类元归为非线状类元。请参考图4A至图4C，图4A为本发明实施例的面状类元的投影示意图；图4B为本发明实施例的线状类元的投影示意图；图4C为本发明实施例的折线状类元的投影示意图，在本发明中，所说的独立类元指的是经三维空间区域增长法聚类后得到的独立点云集，其中需要注意的是折线状类元也属于线状类元。
在其他实施例中，在从独立类元中提取线状类元时，还可以根据以下方法：
每相电力线的直径为Dρ，遍历各独立类元的网格，确定网格及其邻域网格内的点云在水平面投影轮廓的内接圆直径2r，若该内接圆的直径大于Dρ，则将该独立类元归为非线状类元；若该内接圆的直径小于等于Dρ，将该独立类元归为线状类元。
在得到线状类元之后，分别确定该线状类元在水平面内投影轮廓的内接圆和外接圆的直径，其中内接圆和外接圆的直径分别基本等于电力线的直径与长度，根据外接圆与内接圆的直径比值，判断线状类元是否具有明显的方向特征：
①计算确定线状类元在水平面内的平均坐标值并将其作为圆心；
②遍历线状类元内的点，分别确定其与p在XY平面内的距离，取最大距离为外接圆的半径R，并记下最远点Q的坐标；确定pQ的方向矢量Rv；
③图5为本发明实施例的内接圆的构建示意图，如图5所示，根据Rv计算与pQ方向垂直的方向矢量rv，以rv为方向向量确定过p点的直线方程AX+BY+C＝0；在此直线两边设置缓冲区，如果点到直线的距离小于等于n/2，则将该点视为内接圆边缘点的候选点q；计算候选点q到p点的距离，取最大距离s，若2s≤Dρ，则将s作为内接圆的半径r；若2s＞Dρ，说明该线状类元为折线状，则将Dρ作为内接圆直径；或者在多个与Rv成多个不同角度的方向(例如30°、45°、60°或者其他角度)，找到每个方向上的边缘点，以这些边缘点到圆心距离的平均值为内接圆半径；
④若R/r＞2M，则将该线状该类元具有明显的方向特征，将其归为电力线类元；若R/r≤2M，则该线状类元不具有明显的方向特征，将其归为非电力线类元。其中，M为网格的较短边，2m≤M≤5m。
本发明实施例的另一方面，还提供了一种基于三维空间的激光扫描电力线点云的提取装置，图6为本发明实施例的基于三维空间的激光扫描电力线点云的提取装置，如图6所示，该装置包括：
存储器1，用于存储指令；
处理器2，用于根据所述指令执行前述的基于三维空间的激光扫描电力线点云的提取方法，能够根据电力线走廊数据，提取出机载LiDAR点云中属于电力线的点云。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于三维空间的激光扫描电力线点云的提取方法，包括：
根据电力线走廊数据在水平面内划分格网，得到至少一个包含有激光点云的网格，在各网格的高程方向上将电力线点云分层，得到多个点云层，将存在点云的两两相邻的层合并为一层，得到点云合并层；
在高程方向自上而下选择与电力线实际层数一致的层数，确定单层点云在高程方向上的高程平均值，并挑选出电力线候选层；
将所述电力线候选层进行聚类，确定多个独立类元；以及
从所述独立类元中提取线状类元，再从线状类元中提取电力线类元。
2.根据权利要求1所述的方法，其特征在于，确定每个网格高程方向上的高程最大值zmax与高程最小值zmin，在高程方向上划分得到Num个点云层：
其中，是一个向上取整函数，Num为正整数，zmax与zmin分别为正数，且zmax≥zmin。
3.根据权利要求1所述的方法，其特征在于，所述多个点云层中，相邻点云层的间距d与每相电力线点云间的垂直距离Δh关系为其中，d与Δh分别为正数。
4.根据权利要求1所述的方法，其特征在于，若各点云合并层中的点云高程平均值小于预设值h，则将该点云合并层作为电力线候选层，若该高程平均值大于等于h，则该点云合并层不属于电力线候选层，h的公式为：
<mrow> <mi>h</mi> <mo>=</mo> <mfrac> <msub> <mi>m</mi> <mi>h</mi> </msub> <mrow> <mi>t</mi> <mi>a</mi> <mi>n</mi> <mi>&amp;alpha;</mi> </mrow> </mfrac> <mo>,</mo> <msub> <mi>m</mi> <mi>h</mi> </msub> <mo>&amp;Element;</mo> <mo>&amp;lsqb;</mo> <mi>n</mi> <mo>,</mo> <msqrt> <mn>2</mn> </msqrt> <mi>n</mi> <mo>&amp;rsqb;</mo> <mo>,</mo> </mrow>
其中，α为悬挂点O处电力线OD的切线OB与竖直方向OA的夹角，且45°≤α＜90°，mh为该电力线与在水平方向的经过切线端点B的长度，n为网格的较长边，3m≤n≤5m，m为单位米，h为正数。
5.根据权利要求4所述的方法，其特征在于，分别确定各网格及该网格的邻域网格中每个电力线候选层的点云高程平均值，并将各网格中任一电力线候选层的点云高程平均值与各邻域网格中任一电力线候选层的点云高程平均值进行比较，若二者的差值小于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云聚为一类；若二者的差值大于等于h，则将该网格中该电力线候选层的点云与该邻域网格中该电力线候选层的点云分为不同的类元，从而得到多个独立类元。
6.根据权利要求5所述的方法，其特征在于，将各所述独立类元投影在水平面上，划分得到多个单元网格，该单元网格的最长边为x，1m≤x≤3m，搜寻各单元网格是否存在四邻域或者八邻域中都有电力线点云的网格，若不存在，则将该独立类元归为线状类元；若存在，则将该独立类元归为非线性类元。
7.根据权利要求5所述的方法，其特征在于，根据每相电力线的直径Dρ，遍历各独立类元的网格，确定网格及其邻域网格内的点云在水平面投影轮廓的内接圆直径2r，若该内接圆的直径大于Dρ，则将该独立类元归为非线状类元；若该内接圆的直径小于等于Dρ，将该独立类元归为线状类元。
8.根据权利要求6或7所述的方法，其特征在于，分别确定该线性类元在水平面内投影轮廓的内接圆和外接圆的直径，其中内接圆和外接圆的直径分别等于电力线的直径与长度，根据外接圆与内接圆的直径比值，判断线状类元是否具有明显的方向特征。
9.根据权利要求8所述的方法，其特征在于，分别确定该线性类元在水平面内投影轮廓的内接圆和外接圆的直径，其中内接圆和外接圆的直径分别等于电力线的直径与长度，根据外接圆与内接圆的直径比值，判断线状类元是否具有明显的方向特征，具体包括步骤：
确定线状类元在水平面内的平均坐标值并将其作为圆心；
遍历线状类元内的点，分别确定其与p在XY平面内的距离，取最大距离为外接圆的半径R，并记下最远点Q的坐标；确定pQ的方向矢量Rv；
根据Rv确定与pQ方向垂直的方向矢量rv，以rv为方向向量确定过p点的直线方程AX+BY+C＝0；在此直线的两边设置缓冲区，如果点到直线的距离小于等于n/2，则将该点视为内接圆边缘点的候选点q；确定候选点q到p点的距离，取最大距离s，若2s≤Dρ，则将s作为内接圆的半径r；若2s＞Dρ，则将Dρ作为内接圆直径；或者在多个与Rv成多个不同角度的方向，找到每个方向上的边缘点，以这些边缘点到圆心距离的平均值为内接圆半径；
若R/r＞2M，则认为该线状类元具有明显的方向特征，将其归为电力线类元；若R/r≤2M，则该线性类元不具有明显的方向特征，将其归为非电力线类元，其中，M为网格的较短边，2m≤M≤5m。
10.一种基于三维空间的激光扫描电力线点云的提取装置，包括：
存储器，用于存储指令；
处理器，用于根据所述指令执行如权利要求1至9任一所述的方法。
CN201710893931.2A 2017-09-27 2017-09-27 基于三维空间的激光扫描电力线点云的提取方法及装置 Active CN107918953B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710893931.2A CN107918953B (zh) 2017-09-27 2017-09-27 基于三维空间的激光扫描电力线点云的提取方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710893931.2A CN107918953B (zh) 2017-09-27 2017-09-27 基于三维空间的激光扫描电力线点云的提取方法及装置

Publications (2)

Publication Number Publication Date
CN107918953A true CN107918953A (zh) 2018-04-17
CN107918953B CN107918953B (zh) 2021-06-25

Family

ID=61898712

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710893931.2A Active CN107918953B (zh) 2017-09-27 2017-09-27 基于三维空间的激光扫描电力线点云的提取方法及装置

Country Status (1)

Country Link
CN (1) CN107918953B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814123A (zh) * 2018-12-29 2019-05-28 中国科学院遥感与数字地球研究所 基于格网划分的电力杆塔位置提取方法
CN110163882A (zh) * 2019-05-15 2019-08-23 贵州电网有限责任公司 一种基于激光点云数据的电力线悬挂点空间坐标提取方法
CN110297932A (zh) * 2019-06-28 2019-10-01 北京金山安全软件有限公司 确定矢量图中封闭图形的最大内接圆的方法、装置及电子设备
CN110458111A (zh) * 2019-08-14 2019-11-15 福州大学 基于LightGBM的车载激光点云电力线的快速提取方法
CN113284245A (zh) * 2021-05-14 2021-08-20 矿冶科技集团有限公司 巷道三维模型构建方法、装置和电子设备
CN117994469A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 一种基于无人机的电力线路全景图像生成方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004078647A (ja) * 2002-08-20 2004-03-11 Central Res Inst Of Electric Power Ind 電力線の揺れ解析用画像における気象性ノイズの除去方法および装置およびプログラム
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
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
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004078647A (ja) * 2002-08-20 2004-03-11 Central Res Inst Of Electric Power Ind 電力線の揺れ解析用画像における気象性ノイズの除去方法および装置およびプログラム
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
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
CN104020475A (zh) * 2014-06-20 2014-09-03 西安煤航信息产业有限公司 一种基于机载LiDAR数据的电力线提取及建模方法

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109814123A (zh) * 2018-12-29 2019-05-28 中国科学院遥感与数字地球研究所 基于格网划分的电力杆塔位置提取方法
CN110163882A (zh) * 2019-05-15 2019-08-23 贵州电网有限责任公司 一种基于激光点云数据的电力线悬挂点空间坐标提取方法
CN110163882B (zh) * 2019-05-15 2019-12-03 贵州电网有限责任公司 一种基于激光点云数据的电力线悬挂点空间坐标提取方法
CN110297932A (zh) * 2019-06-28 2019-10-01 北京金山安全软件有限公司 确定矢量图中封闭图形的最大内接圆的方法、装置及电子设备
CN110297932B (zh) * 2019-06-28 2021-07-23 北京金山安全软件有限公司 确定矢量图中封闭图形的最大内接圆的方法、装置及电子设备
CN110458111A (zh) * 2019-08-14 2019-11-15 福州大学 基于LightGBM的车载激光点云电力线的快速提取方法
CN110458111B (zh) * 2019-08-14 2023-02-21 福州大学 基于LightGBM的车载激光点云电力线的快速提取方法
CN113284245A (zh) * 2021-05-14 2021-08-20 矿冶科技集团有限公司 巷道三维模型构建方法、装置和电子设备
CN113284245B (zh) * 2021-05-14 2023-06-30 矿冶科技集团有限公司 巷道三维模型构建方法、装置和电子设备
CN117994469A (zh) * 2024-04-07 2024-05-07 国网浙江省电力有限公司宁波供电公司 一种基于无人机的电力线路全景图像生成方法及系统
CN117994469B (zh) * 2024-04-07 2024-08-02 国网浙江省电力有限公司宁波供电公司 一种基于无人机的电力线路全景图像生成方法及系统

Also Published As

Publication number Publication date
CN107918953B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN107918953B (zh) 基于三维空间的激光扫描电力线点云的提取方法及装置
WO2020134082A1 (zh) 一种路径规划方法、装置和移动设备
Wu et al. Rapid localization and extraction of street light poles in mobile LiDAR point clouds: A supervoxel-based approach
CN106918311A (zh) 基于车载激光点云数据的单株树树冠投影面积自动计算方法
CN102521884B (zh) 一种基于LiDAR数据与正射影像的3维屋顶重建方法
CN104463856B (zh) 基于法向量球的室外场景三维点云数据的地面提取方法
CN102147250B (zh) 一种数字线划图测图方法
CN102930509B (zh) 一种机载激光点云数据的智能化滤波方法
CN106970375A (zh) 一种机载激光雷达点云中自动提取建筑物信息的方法
CN103390169A (zh) 一种车载激光扫描点云数据的城市地物分类方法
CN111986322B (zh) 一种基于结构分析的点云室内场景布局重建方法
CN105844602B (zh) 一种基于体元的机载lidar点云三维滤波方法
CN104298998A (zh) 一种3d点云的数据处理方法
CN103020342A (zh) 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法
CN101630366B (zh) 大量分块地形数据的动态淹没区提取方法、装置及系统
CN102044088A (zh) 单站地面激光扫描海量散乱点云的lod模型快速构建方法
CN104616349A (zh) 基于局部曲面变化因子的散乱点云数据精简处理方法
CN113255677B (zh) 一种岩体结构面及产状信息快速提取方法、设备及介质
CN115205690B (zh) 基于mls点云数据的行道树单体化提取方法及装置
CN103608850A (zh) 带选择性剔除的随机光栅化
CN113487555B (zh) 一种基于点云网格化的输电线路隐患点快速检测方法
CN104318611A (zh) 一种基于激光扫描点云的三维树木重建方法
CN113724279B (zh) 路网自动划分交通小区的系统、方法、设备及存储介质
CN114359226A (zh) 基于分层叠加和区域增长的三维模型组可视面积提取方法
CN112215308B (zh) 一种吊装物体单阶检测方法、装置、电子设备及存储介质

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
GR01 Patent grant
GR01 Patent grant