CN108181635B - 一种用于输电线路交叉跨越分析的激光点云分类方法 - Google Patents
一种用于输电线路交叉跨越分析的激光点云分类方法 Download PDFInfo
- Publication number
- CN108181635B CN108181635B CN201711311324.7A CN201711311324A CN108181635B CN 108181635 B CN108181635 B CN 108181635B CN 201711311324 A CN201711311324 A CN 201711311324A CN 108181635 B CN108181635 B CN 108181635B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- points
- line
- lines
- power
- 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.)
- Active
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000001914 filtration Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 description 8
- 239000004020 conductor Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
-
- 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
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G06T5/70—
-
- 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
Abstract
本发明公开了一种用于输电线路交叉跨越分析的激光点云分类方法，该方法包括S1、基站架设；S2、飞行规划；S3、POS解算；S4、点云数据生成；S5、点云数据去噪；S6、点云滤波；S7、基于拓扑约束的电力设施点云分类；S8、电力线模型重建；S9、判断出地物是否危险。本方法具有较高的计算效率，对不同电压等级的输电设施具有较好的适应性，分类精度也比较高，对输电配电线路也具有较好的分类精度整体方案成本及铺设复杂度相对较低。基于激光点云自动分类可以有效提取输电线路交叉跨越点，为交叉跨越隐患分析提供数据和决策依据。
Description
技术领域
本发明涉及电力技术领域，具体涉及一种用于输电线路交叉跨越分析的激光点云分类方法。
背景技术
传统的输电线路“三跨”排查主要通过人工巡视确定有无，然后通过选点使用测高仪、经纬仪等高精度仪器开展测量。为保证交叉跨越测量的准确性，先将被交跨物分为-等级公路、铁路，其他电力、通信等线路，河网、房屋、树木，再根据不同类型在交跨点区域选取若干个测量点，利用测高仪、经纬仪等设备测量进行测量计算。当交跨点预计区域地面不能通视，测量人员很难到达时，测量误差比较大。另外，测量精度也与仪器性能、摆放位置和测量仰角设置等人工操作精准度有关。随着数据采集技术的进步以及遥感技术的发展，利用无人机激光雷达获取输电线路交叉跨越信息已经成为可能。如何采用激光点云数据快速、准确掌握交叉跨越隐患信息，实现精确的线路交叉跨越距离测量的需求，是一个需要解决的问题。
发明内容
本发明的目的在于克服上述现有技术的不足，提供一种用于输电线路交叉跨越分析的激光点云分类方法，以为交叉跨越隐患分析提供数据和决策依据。
为实现上述目的，本发明的技术方案是：
一种用于输电线路交叉跨越分析的激光点云分类方法，包括
S1、基站架设
GPS基站点布设采用三角形网的形式进行，GPS基站点沿线路走向布设；
S2、飞行规划
飞行器沿着线路两侧平行线路往返飞行，旁向重叠度要保证30％以上，测区平均点云密度不低于30点/平方米，数据覆盖以线路中心线为中心，两边外扩不少于60米；
S3、POS解算
对地面基准站GPS接收机采集的数据和飞行器机载GPS接收机接收的数据进行载波相位差分处理，得到飞行平台三维坐标，并进行点位精度的评估；
S4、点云数据生成
搭载于飞行器中的激光雷达系统向地面发射激光脉冲，获得电力线点云数据，并接受地面反射回来的反射脉冲并同时记录所用时间，计算出激光雷达系统到地面的距离，结合飞行平台三维坐标计算出地面点的三维坐标；
S5、点云数据去噪
对步骤S4所获得电力线点云数据以及生成的地面点的三维坐标点云数据进行去噪，用三维网格划分点云数据，统计每个网格中落入的点的个数，并判断周边网格中是否存在点；若网格中点数少于一定数量并且周边网格中不存在点，则判定该点为噪音点；
S6、点云滤波
对步骤S5去噪后的电力线点云数据以及地面点的三维坐标点云数据采用不规则三角网法进行滤波：先选择种子点构建一个粗略的地面三角网，剩余的点为非地面点，然后逐渐从非地面点中选择符合要求的点向初始粗略三角网中添加构成新的网，迭代计算，直到所有的点分为地面点和非地面点为止；
S7、基于拓扑约束的电力设施点云分类
采用Adaboost算法的训练模型直接对点云滤波后的电力线点云数据进行二分类，对电力线点进行粗分类，确定电力线点的关键位置；
S8、电力线模型重建
根据步骤S7确定的电力线点的关键位置，并根据电力线的根数、分裂线数、空间配置结构保持不变的特性，采用连通成分分析，获得单根导线，然后计算导线的悬链线方程，得到导线的矢量化模型表达式：
其中，k＝σ0/g，σ0是导线最低点的张力，g是导线比载，C1和C2是积分常数，其值根据坐标原点的位置及初始条件而定；
并根据导线的矢量化模型得到本体线路；
S9、判断出地物是否危险
在分类地物中寻找与本体线路在水平投影相交的地物，然后计算该地物与本体线路的交叉垂直距离；再根据本体线路的电压等级、地物类型、地理环境参数在标准规定中寻找该地物与本体线路之间的安全距离，如果计算的交叉垂直距离大于标准规定的安全距离，则认为该地物是危险地物，给出预警。
在所述步骤S7中，确定电力线点的关键位置的过程为：
确定输电线路左右大小号线路，对分类后的每根电力线投影到平面，将电力线走向近似并且两条线间距小于一定阈值的电力线归为一侧电力线，取平面包围盒中心线作为电力线大小号走向线路；
大小号侧线路配对，确定每级线路的对应的大号侧线路和小号侧线路，辅助每条线路对应的最高点，取线路方向角度和线路高程相近并且距离最小的两条线路作为每级电力线路的大小号侧；
通过每级电力线路的大小号两侧线路进行约束，对处于大小号两侧线路内部的点进行特征判断，若符合特征条件，以两条线路之间的距离为边长确定电力塔的潜在区域。
在步骤S1中，所述GPS基站辐射半径为30公里，两GPS基站间最大距离不超过60公里。
在步骤S9中，所述标准规定为《架空输电线路运行规程》。
本发明与现有技术相比，其有益效果在于：
(1)该方法具有较高的计算效率，对不同电压等级的输电设施具有较好的适应性，分类精度也比较高，对输电配电线路也具有较好的分类精度整体方案成本及铺设复杂度相对较低。
(2)基于激光点云自动分类可以有效提取输电线路交叉跨越点，为交叉跨越隐患分析提供数据和决策依据。
附图说明
图1为本发明实施例提供的用于输电线路交叉跨越分析的激光点云分类方法的流程图。
具体实施方式
下面结合附图和具体实施方式对本发明的内容做进一步详细说明。
实施例：
参阅图1所示，为本实施例提供的用于输电线路交叉跨越分析的激光点云分类方法的流程图，该方法具体包括：
S1、基站架设
为满足机载激光扫描数据采集的要求，需在线路沿线布设地面GPS基站。同时，在相连基站中间布设检查点，以对基站精度进行检核。
GPS基站点按照C级GPS网要求进行布设，基站点布设采用三角形网的形式进行，三角网几何结构强，具有良好的自检能力，能够有效发现观测结果的粗差，以保障GPS网的可靠性。GPS基站点沿线路走向布设，基站辐射半径为30公里，两基站间最大距离不超过60公里，以保证测区范围内的差分精度。相邻基站中间为差分GPS测量的精度最弱点，需在相邻基站中间布设检查点，以检核激光扫描成果数据的精度。
S2、飞行规划
由于线路巡检特殊的任务性质和环境，飞行作业必须精心组织，由以下几个阶段组成：任务规划、飞行准确、起飞、任务执行、回收、回撤/转移、数据整理。由于激光扫描不能穿透电力线和输电线路长条性，采用沿着线路两侧平行线路往返飞行。考虑飞行中航行及姿态的保持情况，要保证旁向重叠度要保证30％以上，测区平均点云密度不低于30点/平方米，数据覆盖以线路中心线为中心，两边外扩不少于60米。
S3、POS解算
POS数据解算是对多源传感器获取的传感器数据进行加工计算，提供高精度、实时显示和方位信息记录的数据。多源传感器主要指GPS、陀螺仪、加速计、距离测量指示器DMI和其他相关设备。采用Pospac软件完成机载GPS和地面GPS的差分处理，同时进行航摄资料的前期检查和分析，识别传感器误差、环境误差、并且补偿传感器误差、环境误差的影响，计算最优的、精确的组合导航解算结果，提供查看计算结果的多种格式和方法。对地面基准站GPS接收机采集的数据和机载GPS接收机接收的数据进行载波相位差分处理，得到飞行平台精确的三维坐标，并进行点位精度的评估。在将GPS数据与IMU姿态数据以卡尔曼滤波融合，得到最终精确的无人机航迹文件，该文件描述不同时刻激光扫描仪的空间位置以及姿态。
S4、点云数据生成
激光雷达系统是将激光扫描仪、GPS接收机、惯性导航系统、数码相机及控制元件等搭载在飞行器上。它通过主动向地面发射激光脉冲，获得电力线点云数据，并接受地面反射回来的反射脉冲并同时记录所用时间，从而计算出激光扫描仪到地面的距离，飞行平台三维坐标计算出地面点的三维坐标，以生成点云数据。点云生成过程中涉及到IMU坐标、激光扫描坐标系、载体坐标系、导航坐标系以及地心坐标系之间的转换，最终所有数据结果都归算到WGS84坐标系下。
S5、点云数据去噪
机载激光点云数据中存在的孤立点、低点和高点是点云数据采集后难以完全避免的噪音点，噪音点的存在对后期的数据特征计算造成较大的误差，因此在对电力线点云数据以及地面点的三维坐标点云数据进行分类之前需要进行去噪处理。去噪方法采用统计法：用三维网格划分点云数据，统计每个网格中落入的点的个数，并判断周边网格中是否存在点；若网格中点数少于一定数量并且周边网格中不存在点，则判定该点为噪音点。
S6、点云滤波
点云滤波是点云处理中的基础操作，主要目标是在进行地物分类之前获取地面点，从而有效提高计算效率。现有的三维点云数据的滤波算法主要分：根据噪声在各个方向上的扩散方式不同可分为各向同性和各向异性算法；根据算法的复杂度分析可分为基于Laplace算子的方法、基于最优化的方法和简单的非迭代方法。
本实施例采用不规则三角网法进行滤波。先选择种子点构建一个粗略的地面三角网，剩余的点为非地面点，然后逐渐从非地面点中选择满足一定条件的点向初始粗略三角网中添加构成新的网，迭代计算，直到所有的点分为地面点和非地面点为止。在地面滤波时要注意不同的地形选用不同的滤波参数，主要有地形坡度角、迭代角和迭代距离。
S7、基于拓扑约束的电力设施点云分类
电力巡线的电力设施主要是输电走廊中的电力线和电力塔，输电走廊中的地物类别主要有建筑物、植被和地面。在输电走廊中各个地物类型都有关键的空间形态特征。如电力线总是成线状分布，电力线下方架空；建筑物表层点云在局部范围内是面状分布等，相对于地面点存在多个方向的高程突变等。电力线具有明显的特征性，利用Adaboost算法的训练模型能够进行点云二分类，对电力线点云数据进行粗分类。确定电力线点云数据的关键位置。经过电力线点云的粗分类需要对其中的漏分点和错分点进行检查和修正。造成电力线分类错误的主要原因是其关键特征的计算。不同电压等级的电力线有不同的分裂状态：单根、二分裂、四分裂、六分裂和八分裂等。不同分类状态的电力线往往在不同局部空间尺度上表现出不同的特征性。因此采用单一的近邻空间尺度难以适用于多种分裂状态的电力线，因此在计算特征时需要自动选择最佳空间尺度。根据50kv-750kv电压等级电力线间距规范的规定，本实施例设定1.2m、2.2m、3.2m、5.2m、7.2m、10.2m和12.2m七级尺度。以线性关键特征为判断依据，分别计算在不同尺度下的线性值和直线系数，选择线性与直线系数的最大乘积值对应的尺度为该条电力线的最佳尺度。对电力线点进行检测与优化和核心思想就是确定某点是否为电力线上一点，并沿该电力线方向向两边进行搜索推进判断，将该条电力线上的遗漏点和错分点修正。由于电力塔和植被点在关键特征上的高度相似性，通过少量的关键特征难以高效区分电力塔和植被点，本文利用电力线和电力塔的拓扑关系进行电力塔和植被点的分类。
电力线通过电力塔进行架空铺设，并且悬挂在电力塔的左右两侧。基于此电力线和电力塔之间存在简单的拓扑关系：a电力线为单条时，电力塔位于两条电力线的中间；b电力线左右成对出现时，电力塔位于两条电力线的中间位置，并且塔宽度与两条电力线直接的宽度一致；c电力塔上部分点与其挂载的电力线点高度一致。辅助电力塔与电力线之间的拓扑关系，利用拓扑关系确定电力塔的潜在区域。
1)确定输电线路左右大小号线路，对分类后的每根电力线投影到平面，将电力线走向近似并且两条线间距小于一定阈值的电力线归为一侧电力线，取平面包围盒中心线作为电力线大小号走向线路。
2)大小号侧线路配对，确定每级线路的对应的大号侧线路和小号侧线路，辅助每条线路对应的最高点，取线路方向角度和线路高程相近并且距离最小的两条线路作为每级电力线路的大小号侧。
3)关键特征确定电力塔潜在区域
通过每级电力线路的大小号两侧线路进行约束，对处于大小号两侧线路内部的点进行特征判断，若符合特征条件，以两条线路之间的距离为边长确定电力塔的潜在区域。
S8、电力线模型重建
一方面由于激光扫描点云是离散的，同一分裂线上点与点之间存在不均匀的间隙，有些间隙能达到分米级别；另一方面由于电力线没有反射，电力线段有漏扫，因此为提高计算准确性，需要对电力线进行重建，然后再进行交跨距离计算和分析。
根据S7确定的电力线点的关键位置以及电力线的根数、分裂线数、空间配置结构(三角、水平、垂直、水平垂直混合排列)保持不变的特性，采用连通成分分析，获得单根导线，然后计算导线的悬链线方程，得到导线的矢量化模型表达：
其中，k＝σ0/g，σ0是导线最低点的张力，g是导线比载，C1和C2是积分常数，其值根据坐标原点的位置及初始条件而定；
并根据导线的矢量化模型得到本体线路。
S9、判断出地物是否危险
《架空输电线路运行规程》(DL/T 741-2010)中定义了电网运行参数。电网运行参数指架空输电线路净空区运行安全相关空间距离参数，对于交跨跨越排查，主要包括本体线路导线对其交叉跨越的电力线、建筑物、树木、公路、铁路、铁路接触线等重要地物的安全交叉跨越距离。
首先采用空间关系分析，在分类地物中寻找与本体线路在水平投影相交的地物，即与本体线路边导线组成的四边形相交或被包含的地物；然后在计算该地物与本体线路的交叉垂直距离；再根据线路的电压等级、地物类型、地理环境等参数在《架空输电线路运行规程》中寻找该地物与本体线路之间的安全距离，如果计算的交叉垂直距离大于上述安全距离，则认为该地物是危险地物，给出预警。
由上述分析可知，本实施例提供的用于输电线路交叉跨越分析的激光点云分类方法具有如下的技术优势：
(1)该方法具有较高的计算效率，对不同电压等级的输电设施具有较好的适应性，分类精度也比较高，对输电配电线路也具有较好的分类精度整体方案成本及铺设复杂度相对较低。
(2)基于激光点云自动分类可以有效提取输电线路交叉跨越点，为交叉跨越隐患分析提供数据和决策依据。
上述实施例只是为了说明本发明的技术构思及特点，其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰，都应涵盖在本发明的保护范围内。
Claims (3)
1.一种用于输电线路交叉跨越分析的激光点云分类方法，其特征在于，包括
S1、基站架设
GPS基站点布设采用三角形网的形式进行，GPS基站点沿线路走向布设；
S2、飞行规划
飞行器沿着线路两侧平行线路往返飞行，旁向重叠度要保证30％以上，测区平均点云密度不低于30点/平方米，数据覆盖以线路中心线为中心，两边外扩不少于60米；
S3、POS解算
对地面基准站GPS接收机采集的数据和飞行器机载GPS接收机接收的数据进行载波相位差分处理，得到飞行平台三维坐标；
S4、点云数据生成
搭载于飞行器中的激光雷达系统向地面发射激光脉冲，获得电力线点云数据，并接受地面反射回来的反射脉冲并同时记录所用时间，计算出激光雷达系统到地面的距离，结合飞行平台三维坐标计算出地面点的三维坐标；
S5、点云数据去噪
对步骤S4所获得电力线点云数据以及生成的地面点的三维坐标点云数据进行去噪，用三维网格划分点云数据，统计每个网格中落入的点的个数，并判断周边网格中是否存在点；若网格中点数少于一定数量并且周边网格中不存在点，则判定该点为噪音点；
S6、点云滤波
对步骤S5去噪后的电力线点云数据以及地面点的三维坐标点云数据采用不规则三角网法进行滤波：先选择种子点构建一个粗略的地面三角网，剩余的点为非地面点，然后逐渐从非地面点中选择符合要求的点向初始粗略三角网中添加构成新的网，迭代计算，直到所有的点分为地面点和非地面点为止；
S7、基于拓扑约束的电力设施点云分类
采用Adaboost算法的训练模型直接对点云滤波后的电力线点云数据进行二分类，对电力线点进行粗分类，确定电力线点的关键位置；
S8、电力线模型重建
根据步骤S7确定的电力线点的关键位置，并根据电力线的根数、分裂线数、空间配置结构保持不变的特性，采用连通成分分析，获得单根导线，然后计算导线的悬链线方程，得到导线的矢量化模型表达式：
其中,k＝σ0/g,σ0是导线最低点的张力，g是导线比载，C1和C2是积分常数，其值根据坐标原点的位置及初始条件而定；
并根据导线的矢量化模型得到本体线路；
S9、判断出地物是否危险
在分类地物中寻找与本体线路在水平投影相交的地物，然后计算该地物与本体线路的交叉垂直距离；再根据本体线路的电压等级、地物类型、地理环境参数在标准规定中寻找该地物与本体线路之间的安全距离，如果计算的交叉垂直距离大于标准规定的安全距离，则认为该地物是危险地物，给出预警；
在所述步骤S7中，确定电力线点的关键位置的过程为：
确定输电线路左右大小号线路，对分类后的每根电力线投影到平面，将电力线走向近似并且两条线间距小于一定阈值的电力线归为一侧电力线，取平面包围盒中心线作为电力线大小号走向线路；
大小号侧线路配对，确定每级线路的对应的大号侧线路和小号侧线路，辅助每条线路对应的最高点，取线路方向角度和线路高程相近并且距离最小的两条线路作为每级电力线路的大小号侧；
通过每级电力线路的大小号两侧线路进行约束，对处于大小号两侧线路内部的点进行特征判断，若符合特征条件，以两条线路之间的距离为边长确定电力塔的潜在区域。
2.如权利要求1所述的用于输电线路交叉跨越分析的激光点云分类方法，其特征在于，在步骤S1中，所述GPS基站辐射半径为30公里，两GPS基站间最大距离不超过60公里。
3.如权利要求1所述的用于输电线路交叉跨越分析的激光点云分类方法，其特征在于，在步骤S9中，所述标准规定为《架空输电线路运行规程》。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711311324.7A CN108181635B (zh) | 2017-12-11 | 2017-12-11 | 一种用于输电线路交叉跨越分析的激光点云分类方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711311324.7A CN108181635B (zh) | 2017-12-11 | 2017-12-11 | 一种用于输电线路交叉跨越分析的激光点云分类方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108181635A CN108181635A (zh) | 2018-06-19 |
| CN108181635B true CN108181635B (zh) | 2020-10-20 |
Family
ID=62545946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711311324.7A Active CN108181635B (zh) | 2017-12-11 | 2017-12-11 | 一种用于输电线路交叉跨越分析的激光点云分类方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108181635B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109100742A (zh) * | 2018-08-22 | 2018-12-28 | 上海华测导航技术股份有限公司 | 基于机载激光雷达进行电力巡线的方法 |
| CN109100703B (zh) * | 2018-09-07 | 2020-11-03 | 北京数字绿土科技有限公司 | 一种输电线路危险点检测方法及装置 |
| CN109254303B (zh) * | 2018-09-19 | 2021-03-16 | 绵阳紫蝶科技有限公司 | 基于激光扫描引导的电力线走廊快速巡检系统及方法 |
| 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 |
| CN110892284A (zh) * | 2018-10-26 | 2020-03-17 | 深圳市大疆创新科技有限公司 | 电力线路检测方法、装置、无人机及计算机可读存储介质 |
| CN110807832B (zh) * | 2019-11-13 | 2023-08-15 | 国网河北省电力有限公司沧州供电分公司 | 一种基于地面三维扫描仪的电力线自动提取方法 |
| CN110780681B (zh) * | 2019-11-26 | 2023-05-12 | 贵州电网有限责任公司 | 一种基于激光点云的无人机自主巡检绝缘子路径规划方法 |
| CN111340728B (zh) * | 2020-02-26 | 2023-03-21 | 五邑大学 | 基于3d点云分割的点云去噪方法、装置和存储介质 |
| WO2021207954A1 (zh) * | 2020-04-15 | 2021-10-21 | 华为技术有限公司 | 一种目标识别的方法和装置 |
| CN111337030B (zh) * | 2020-05-19 | 2020-09-08 | 北京数字绿土科技有限公司 | 一种基于背负式的激光雷达扫描系统、导航定位方法 |
| CN112182813B (zh) * | 2020-09-09 | 2023-03-31 | 成都深瑞同华科技有限公司 | 配电网线路路径生成方法、装置、设备及存储介质 |
| CN112284351A (zh) * | 2020-09-14 | 2021-01-29 | 广东电网有限责任公司江门供电局 | 一种测量交叉跨越线路方法 |
| CN112171671B (zh) * | 2020-09-23 | 2021-11-30 | 中国铁建重工集团股份有限公司 | 工程车辆、机械臂与柔性管路的干涉检测方法及系统 |
| 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 |
| CN113052474B (zh) * | 2021-03-31 | 2023-04-28 | 广东电网有限责任公司 | 基于电网的交叉跨越关键部位预警方法和系统 |
| CN113052105A (zh) * | 2021-03-31 | 2021-06-29 | 广东电网有限责任公司 | 输电电路交叉跨越智能识别方法、装置及介质 |
| CN114859374B (zh) * | 2022-07-11 | 2022-09-09 | 中国铁路设计集团有限公司 | 基于无人机激光点云和影像融合的新建铁路交叉测量方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102645203A (zh) * | 2012-05-18 | 2012-08-22 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达数据的电力线路交叉跨越测量方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009068951A (ja) * | 2007-09-12 | 2009-04-02 | Mitsubishi Electric Corp | 空中架線の管理システム |
| JP6663606B2 (ja) * | 2016-03-08 | 2020-03-13 | 国立大学法人京都大学 | 無人航空機位置推定方法及びシステム |
-
2017
- 2017-12-11 CN CN201711311324.7A patent/CN108181635B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102645203A (zh) * | 2012-05-18 | 2012-08-22 | 四川省科学城久利科技实业有限责任公司 | 基于机载激光雷达数据的电力线路交叉跨越测量方法 |
Non-Patent Citations (2)
| Title |
|---|
| 基于机载LiDAR点云估测林分的平均树高;焦义涛 等;《西北林学院学报》;20150630;第30卷(第3期);170-174 * |
| 大型无人机电力巡检LiDAR 点云安全距离诊断方法;陈驰 等;《电网技术》;20170831;第41卷(第8期);2723-2730 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108181635A (zh) | 2018-06-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108181635B (zh) | 一种用于输电线路交叉跨越分析的激光点云分类方法 | |
| US10962650B2 (en) | Polyhedral geofences | |
| KR101933216B1 (ko) | 드론과 공간정보를 이용한 하천지형정보 생성 방법 | |
| CN102645203B (zh) | 基于机载激光雷达数据的电力线路交叉跨越测量方法 | |
| CN109143257A (zh) | 无人机机载雷达矿山开采土地变化监测系统及方法 | |
| Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
| CN109556569B (zh) | 地形图测绘方法及装置 | |
| CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
| CN113189615A (zh) | 一种使用垂直起降固定翼无人机对输电线路进行巡检的方法 | |
| Lehtomäki et al. | Power line mapping technique using all-terrain mobile laser scanning | |
| KR101456556B1 (ko) | 실측자료를 이용한 도로 자동 도면화 방법 | |
| CN111426303A (zh) | 一种岩溶坡立谷参数测量方法 | |
| CN112033389A (zh) | 一种沟壑地形条件下变形沉降监测方法 | |
| Arastounia | Automatic classification of lidar point clouds in a railway environment | |
| KR101674073B1 (ko) | 철도 시설물 공간 정보 구축 시스템 및 방법 | |
| Hao et al. | Extraction and analysis of tree canopy height information in high-voltage transmission-line corridors by using integrated optical remote sensing and LiDAR | |
| CN108692710B (zh) | 一种公路宗地测量方法及系统 | |
| CN116299442A (zh) | 开采诱发地表形变监测方法、装置、电子设备及存储介质 | |
| Moore et al. | LiDAR-derived navigational geofences for low altitude flight operations | |
| Tyagur et al. | Digital terrain models from mobile laser scanning data in Moravian Karst | |
| CN110148218B (zh) | 一种大批量机载LiDAR点云数据整体优化的方法 | |
| Pargieła | Optimising UAV Data Acquisition and Processing for Photogrammetry: A Review | |
| Sefercik et al. | Point-based and model-based geolocation analysis of airborne laser scanning data | |
| Bi et al. | Modeling the topography of fault zone based on structure from motion photogrammetry | |
| CN114631040A (zh) | 用于在铁路轨道上自主定位移动车辆的设备和方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |