CN110533075B - 一种多模型电力线分割方法 - Google Patents
一种多模型电力线分割方法 Download PDFInfo
- Publication number
- CN110533075B CN110533075B CN201910707232.3A CN201910707232A CN110533075B CN 110533075 B CN110533075 B CN 110533075B CN 201910707232 A CN201910707232 A CN 201910707232A CN 110533075 B CN110533075 B CN 110533075B
- Authority
- CN
- China
- Prior art keywords
- power line
- model
- xoy plane
- power
- clusters
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种多模型电力线分割方法，包括以下步骤：模型判断‑对模型A进行电力线分割‑对模型B进行电力线分割。本发明采用电力线点云局部统计的方式获得电力线数量，针对XOY面投影不重合模型，能获取完整的点云段，避免了电力线多处缺失；针对XOY面投影重合模型，采用了完整点云段高程排序的方式，对点云不缺失的段进行高程排序，然后对有缺失的段进行临近匹配，从而解决电力线点云多处缺失，对电力线分割带来的影响。
Description
技术领域
本发明涉及一种多模型电力线分割方法，属于点云缺失情况下的多模型电力线分割技术领域。
背景技术
近年来机载LiDAR(light detection and ranging)在输电线路巡检中大量应用，其效率高、精度准、实时性强的特点，受到了电力行业的广泛青睐，输电线路运维也进入到了数字化运营和智慧化管理的时代。
电力线点云分割是机载激光雷达(LiDAR)电力巡线的重要任务之一，当前针对电力线分割算法的研究中仍然存在一些问题，可以归纳总结为：1.主要研究电力线相对完整的点云，对电力线缺失点云分割研究不够；2.总结电力线模型不完整，研究主要集中在电力线在XOY平面投影不重合的模型，对电力线在XOY平面投影重合模型研究不够；3.基于Hough变换或RANSAC检测的方法往往不能实现复杂环境下的电力线分割，例如无法进行垂直排列的多根电力线检测。
发明内容
为解决上述技术问题，本发明提供了一种多模型电力线分割方法。
本发明通过以下技术方案得以实现。
本发明提供的一种多模型电力线分割方法，包括以下步骤：
①模型判断：沿电力线走向和经验步长，将电力线分割为若干段，把每一段分别在XOY平面和XYZ空间进行聚类，根据每一段中，两种聚类的统计结果，确定电力线模型A和模型B；
②对模型A进行电力线分割：将电力线在XOY平面投影分段，进行聚类，统计聚类结果后，确定电力线数量，再根据电力线数量在XOY平面呈直线模型，完成电力线分割；
③对模型B进行电力线分割：首先，将电力线在XYZ空间分段，进行聚类，统计聚类结果后，确定电力线数量；其次，根据在XOY平面分段的聚类统计结果，确定电力线重合部分的数量，将每个重合部分，在XOY面投影，获取直线模型，通过直线模型将电力线分割为若干个在XOY平面投影重合的部分，将重合的每个部分，根据每一段聚类结果的高程的高低关系，确定每一根电力线；最后，根据取点邻近匹配原则，完成电力线分割。
所述步骤①中，将电力线在XOY平面投影不重合的模型，定义为模型A，将电力线在XOY平面投影重合的模型，定义为模型B。
所述模型A的电力线实际数量等于电力线在XOY平面投影后的投影数量，模型B的电力线实际数量大于电力线在XOY平面投影后的投影数量。
所述步骤②中，采用基于局部聚类确定直线模型方程的方法，进行电力线分割。
所述步骤①分为以下步骤：
(1.1)按照经验步长，将一档电力线点云，并沿该档电力线走向，将电力线分割成n段；
(1.2)对n段数据分别用k-means进行XYZ空间聚类，同时记录每段聚类簇数量，统计出现次数最多的聚类簇数量，获取电力线总数量，记为lineNum；
(1.3)对n段数据分别用k-means进行XOY平面聚类，同时记录每段聚类簇数量，统计出现次数最多的簇数量，获取XOY平面聚类数量，记为clusterNumXOY；
(1.4)当lineNum等于clusterNumXOY时，电力线为模型A，否则为模型B。
所述步骤②分为以下步骤：
(2.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(2.2)对分割后的n段电力线分别用k-means进行聚类，并统计每段的聚类簇数；
(2.3)从聚类后的电力线两端，向中间遍历，获取两段段内聚类数等于lineNum的段，分别记为clusterPart1和clusterPart2；
(2.4)在clusterPart1和clusterPart2的每一簇中，各取一个点，一共取出2×lineNum个点；
(2.5)对clusterPart1和clusterPart2取出的点，按照y坐标升序排列，分别记为sortPoint1和sortPoint2，此时两组对应的点在一条电力线上；
(2.6)根据sortPoint1[i]和sortPoint2[i]点，确定电力线在XOY平面投影直线有lineNum条，其中，sortPoint1[i]表示一个点坐标为(sortPoint1[i].x，sortPoint1[i].y，
sortPoint1[i].z)，sortPoint2[i]表示一个点坐标为(sortPoint2[i].x，sortPoint2[i].y，sortPoint2[i].z)，0≤i<lineNum，i为常数；
(2.7)分别根据公式y＝kx+b求得lineNum个电力线投影表达式：
(2.8)根据步骤(2.7)中的表达式，用XOY平面点到直线距离公式y＝kx+b，分别遍历点云，当点到电力线投影表达式距离小于经验距离时，则该点属于此条电力线，完成电力线分割。
所述步骤③分为以下步骤：
(3.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(3.2)对分割后的n段电力线，分别用k-means进行XOY平面聚类，获取每段段内聚类簇数量，统计出现最多的簇数量，获取XOY平面分割数量，确定电力线重合数量，记为clusterNumXOY’；
(3.3)聚类后，对簇数量进从两端向中间遍历，获取两个段内簇数量等于clusterNumXOY’的段，分别记为clusterPart1’和clusterPart2’；
(3.4)从clusterPart1’和clusterPart2’中，各取出一个点，分别按照y坐标升序排列，分别记为sortPoint1’和sortPoint2’，此时两组对应的点就在一条电力线上；
(3.5)根据sortPoint1’[i]和sortPoint2’[i]点确定电力线在XOY平面投影直线有lineNum1条，分别根据公式y＝kx+b求得lineNum1个电力线投影表达式：
(3.6)根据步骤(3.5)中的表达式，确定电力线在XOY平面划分为若干个重合的部分，确定电力线重合数量，用XOY平面点到直线距离公式分别遍历点云，当点到电力线投影表达式距离小于经验距离时，则该点属于该部分；
(3.7)沿电力线走向，并按照经验步长，将重合部分分割成m个局部段；
(3.8)对分割后的m个局部段电力线，分别用k-means进行XYZ空间聚类，统计出现最多的簇数量，获取X O Y投影重合部分在垂直方向上的电力线数量，记为verticalPartLineNum；
(3.9)提取局部段内聚类簇数等于verticalPartLineNum的局部段，将局部段内各簇，按照z值高低排序编号，提取各局部段内编号相同的簇，组成verticalPartLineNum根电力线；然后提取局部段内聚类簇数小于verticalPartLineNum的局部段，将其局部段内各簇和临近局部段内各簇进行x、y、z临近匹配，划分到相对应的、重合部分的各个电力线中；
(3.10)重复(3.7)～(3.9)，直至完成各个重合部分的电力线分割。
所述经验步长为2.5米。
所述经验距离为1m。
本发明的有益效果在于：
1.采用电力线点云局部统计的方式获得电力线数量，针对XOY面投影不重合模型，能获取完整的点云段，避免了电力线多处缺失；
2.针对XOY面投影重合模型，采用了完整点云段高程排序的方式，对点云不缺失的段进行高程排序，然后对有缺失的段进行临近匹配，从而解决电力线点云多处缺失，对电力线分割带来的影响。
具体实施方式
下面进一步描述本发明的技术方案，但要求保护的范围并不局限于所述。
本发明提供的一种多模型电力线分割方法，主要研究模型A、模型B两种电力线模型，两种模型在XOY平面和XYZ空间有较明显的区分特征，因此，根据区分特征可以进行电力线模型识别，一种多模型电力线分割方法，包括以下步骤：
①模型判断：沿电力线走向和经验步长，将电力线分割为若干段，把每一段分别在XOY平面和XYZ空间进行聚类，根据每一段中，两种聚类的统计结果，确定电力线模型A和模型B；
②对模型A进行电力线分割：将电力线在XOY平面投影分段，进行聚类，统计聚类结果后，确定电力线数量，再根据电力线数量在XOY平面呈直线模型，完成电力线分割；
③对模型B进行电力线分割：首先，将电力线在XYZ空间分段，进行聚类，统计聚类结果后，确定电力线数量；其次，根据在XOY平面分段的聚类统计结果，确定电力线重合部分的数量，将每个重合部分，在XOY面投影，获取直线模型，通过直线模型将电力线分割为若干个在XOY平面投影重合的部分，将重合的每个部分，根据每一段聚类结果的高程的高低关系，确定每一根电力线；最后，根据取点邻近匹配原则，完成电力线分割，即：
所述步骤①中，将电力线在XOY平面投影不重合的模型，定义为模型A，将电力线在XOY平面投影重合的模型，定义为模型B。
所述模型A的电力线实际数量等于电力线在XOY平面投影后的投影数量，模型B的电力线实际数量大于电力线在XOY平面投影后的投影数量。
所述步骤②中，采用基于局部聚类确定直线模型方程的方法，进行电力线分割。
所述步骤①分为以下步骤：
(1.1)按照经验步长，将一档电力线点云，并沿该档电力线走向，将电力线分割成n段；
(1.2)对n段数据分别用k-means进行XYZ空间聚类，同时记录每段聚类簇数量，统计出现次数最多的聚类簇数量，获取电力线总数量，记为lineNum；
(1.3)对n段数据分别用k-means进行XOY平面聚类，同时记录每段聚类簇数量，统计出现次数最多的簇数量，获取XOY平面聚类数量，记为clusterNumXOY；
(1.4)当lineNum等于clusterNumXOY时，电力线为模型A，否则为模型B。
所述步骤②分为以下步骤：
(2.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(2.2)对分割后的n段电力线分别用k-means进行聚类，并统计每段的聚类簇数；
(2.3)从聚类后的电力线两端，向中间遍历，获取两段段内聚类数等于lineNum的段，分别记为clusterPart1和clusterPart2；
(2.4)在clusterPart1和clusterPart2的每一簇中，各取一个点，一共取出2×lineNum个点；
(2.5)对clusterPart1和clusterPart2取出的点，按照y坐标升序排列，分别记为sortPoint1和sortPoint2，此时两组对应的点在一条电力线上；
(2.6)根据sortPoint1[i]和sortPoint2[i]点(0≤i<lineNum，i为常数)，确定电力线在XOY平面投影直线有lineNum条，其中，sortPoint1[i]表示一个点坐标为(sortPoint1[i].x，sortPoint1[i].y，sortPoint1[i].z)，sortPoint2[i]表示一个点坐标为(sortPoint2[i].x，sortPoint2[i].y，sortPoint2[i].z)，0≤i<lineNum，i为常数；
(2.7)分别根据公式y＝kx+b求得lineNum个电力线投影表达式：
(2.8)根据步骤(2.7)中的表达式，用XOY平面点到直线距离公式(即y＝kx+b)，分别遍历点云，当点到电力线投影表达式距离小于经验距离时，则该点属于此条电力线，完成电力线分割。
所述步骤③分为以下步骤：
(3.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(3.2)对分割后的n段电力线，分别用k-means进行XOY平面聚类，获取每段段内聚类簇数量，统计出现最多的簇数量，即为电力线重合部分数量(一个重合部分包含若干条在XOY平面投影重合的电力线)，获取XOY平面分割数量，确定电力线重合数量，记为clusterNumXOY’；
(3.3)聚类后，对簇数量进从两端向中间遍历，获取两个段内，簇数量等于clusterNumXOY’的段，分别记为clusterPart1’和clusterPart2’；
(3.4)从clusterPart1’和clusterPart2’中，各取出一个点，分别按照y坐标升序排列，分别记为sortPoint1’和sortPoint2’，此时两组对应的点就在一条电力线上；
(3.5)根据sortPoint1’[i]和sortPoint2’[i](0≤i<＝lineNum1，i为常数)点确定电力线在XOY平面投影直线有lineNum1条，分别根据公式y＝kx+b(常规物理公式)求得lineNum1个电力线投影表达式：
(3.6)根据步骤(3.5)中的表达式，确定电力线在XOY平面划分为若干个重合的部分(一个重合部分包含若干条在XOY平面投影重合的电力线)，确定电力线重合数量，用XOY平面点到直线距离公式分别遍历点云(即y＝kx+b)，当点到电力线投影表达式距离小于经验距离时，则该点属于该部分；
(3.7)沿电力线走向，并按照经验步长，将重合部分分割成m个局部段；
(3.8)对分割后的m个局部段电力线，分别用k-means进行XYZ空间聚类，统计出现最多的簇数量，获取X O Y投影重合部分在垂直方向上的电力线数量，记为verticalPartLineNum(即为重合部分在垂直方向上电力线数量)；
(3.9)提取局部段内聚类簇数等于verticalPartLineNum的局部段，将局部段内各簇，按照z值高低排序编号，提取各局部段内编号相同的簇，组成verticalPartLineNum根电力线；然后提取局部段内聚类簇数小于verticalPartLineNum的局部段，将其局部段内各簇和临近局部段内各簇进行x、y、z临近匹配，划分到相对应的、重合部分的各个电力线中；
(3.10)重复(3.7)～(3.9)，直至完成各个重合部分的电力线分割。
所述经验步长为2.5米。
所述经验距离为1m。
综上所述，本发明采用电力线点云局部统计的方式，获取电力线数量，针对XOY面投影不重合的模型，通过电力线两端向中央搜索的方式，获取完整点云段，从而避免了电力线多处缺失；针对XOY面投影重合模型，采用了完整点云段高程排序的方式，对点云不缺失的段进行高程排序，然后对有缺失的段进行临近匹配，从而解决电力线点云多处缺失，对电力线分割带来的影响。
Claims (6)
1.一种多模型电力线分割方法，其特征在于：包括以下步骤：
①模型判断：沿电力线走向和经验步长，将电力线分割为若干段，把每一段分别在XOY平面和XYZ空间进行聚类，根据每一段中，两种聚类的统计结果，确定电力线模型A和模型B；
②对模型A进行电力线分割：将电力线在XOY平面投影分段，进行聚类，统计聚类结果后，确定电力线数量，再根据电力线数量在XOY平面呈直线模型，完成电力线分割；
③对模型B进行电力线分割：首先，将电力线在XYZ空间分段，进行聚类，统计聚类结果后，确定电力线数量；其次，根据在XOY平面分段的聚类统计结果，确定电力线重合部分的数量，将每个重合部分，在XOY面投影，获取直线模型，通过直线模型将电力线分割为若干个在XOY平面投影重合的部分，将重合的每个部分，根据每一段聚类结果的高程的高低关系，确定每一根电力线；最后，根据取点邻近匹配原则，完成电力线分割；
所述步骤①中，将电力线在XOY平面投影不重合的模型，定义为模型A，将电力线在XOY平面投影重合的模型，定义为模型B；
所述模型A的电力线实际数量等于电力线在XOY平面投影后的投影数量，模型B的电力线实际数量大于电力线在XOY平面投影后的投影数量；
所述步骤①分为以下步骤：
(1.1)按照经验步长，将一档电力线点云，并沿该档电力线走向，将电力线分割成n段；
(1.2)对n段数据分别用k-means进行XYZ空间聚类，同时记录每段聚类簇数量，统计出现次数最多的聚类簇数量，获取电力线总数量，记为lineNum；
(1.3)对n段数据分别用k-means进行XOY平面聚类，同时记录每段聚类簇数量，统计出现次数最多的簇数量，获取XOY平面聚类数量，记为clusterNumXOY；
(1.4)当lineNum等于clusterNumXOY时，电力线为模型A，否则为模型B。
2.如权利要求1所述的多模型电力线分割方法，其特征在于：所述步骤②中，采用基于局部聚类确定直线模型方程的方法，进行电力线分割。
3.如权利要求2所述的多模型电力线分割方法，其特征在于：所述步骤②分为以下步骤：
(2.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(2.2)对分割后的n段电力线分别用k-means进行聚类，并统计每段的聚类簇数；
(2.3)从聚类后的电力线两端，向中间遍历，获取两段段内聚类数等于lineNum的段，分别记为clusterPart1和clusterPart2；
(2.4)在clusterPart1和clusterPart2的每一簇中，各取一个点，一共取出2×lineNum个点；
(2.5)对clusterPart1和clusterPart2取出的点，按照y坐标升序排列，分别记为sortPoint1和sortPoint2，此时两组对应的点在一条电力线上；
(2.6)根据sortPoint1[i]和sortPoint2[i]点，确定电力线在XOY平面投影直线有lineNum条，其中，sortPoint1[i]表示一个点坐标为(sortPoint1[i].x，sortPoint1[i].y，sortPoint1[i].z)，sortPoint2[i]表示一个点坐标为(sortPoint2[i].x，sortPoint2[i].y，sortPoint2[i].z)，0≤i<lineNum，i为常数；
(2.7)分别根据公式y＝kx+b求得lineNum个电力线投影表达式：
(2.8)根据步骤(2.7)中的表达式，分别遍历点云，当点到电力线投影表达式距离小于经验距离时，则该点属于此条电力线，完成电力线分割。
4.如权利要求1所述的多模型电力线分割方法，其特征在于：所述步骤③分为以下步骤：
(3.1)沿电力线走向，并按照经验步长，将电力线分割成n段；
(3.2)对分割后的n段电力线，分别用k-means进行XOY平面聚类，获取每段段内聚类簇数量，统计出现最多的簇数量，获取XOY平面分割数量，确定电力线重合数量，记为clusterNumXOY’；
(3.3)聚类后，对簇数量从两端向中间遍历，获取两个段内簇数量等于clusterNumXOY’的段，分别记为clusterPart1’和clusterPart2’；
(3.4)从clusterPart1’和clusterPart2’中，各取出一个点，分别按照y坐标升序排列，分别记为sortPoint1’和sortPoint2’，此时两组对应的点就在一条电力线上；
(3.5)根据sortPoint1’[i]和sortPoint2’[i]点确定电力线在XOY平面投影直线有lineNum1条，分别根据公式y＝kx+b求得lineNum1个电力线投影表达式：
(3.6)根据步骤(3.5)中的表达式，确定电力线在XOY平面划分为若干个重合的部分，确定电力线重合数量，用XOY平面点到直线距离公式分别遍历点云，当点到电力线投影表达式距离小于经验距离时，则该点属于该部分；
(3.7)沿电力线走向，并按照经验步长，将重合部分分割成m个局部段；
(3.8)对分割后的m个局部段电力线，分别用k-means进行XYZ空间聚类，统计出现最多的簇数量，获取XOY投影重合部分在垂直方向上的电力线数量，记为verticalPartLineNum；
(3.9)提取局部段内聚类簇数等于verticalPartLineNum的局部段，将局部段内各簇，按照z值高低排序编号，提取各局部段内编号相同的簇，组成verticalPartLineNum根电力线；然后提取局部段内聚类簇数小于verticalPartLineNum的局部段，将其局部段内各簇和临近局部段内各簇进行x、y、z临近匹配，划分到相对应的、重合部分的各个电力线中；
(3.10)重复(3.7)～(3.9)，直至完成各个重合部分的电力线分割。
5.如权利要求1、3或4中任意一项所述的多模型电力线分割方法，其特征在于：所述经验步长为2.5米。
6.如权利要求3或4所述的多模型电力线分割方法，其特征在于：所述经验距离为1m。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910707232.3A CN110533075B (zh) | 2019-08-01 | 2019-08-01 | 一种多模型电力线分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910707232.3A CN110533075B (zh) | 2019-08-01 | 2019-08-01 | 一种多模型电力线分割方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110533075A CN110533075A (zh) | 2019-12-03 |
| CN110533075B true CN110533075B (zh) | 2023-08-08 |
Family
ID=68661190
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910707232.3A Active CN110533075B (zh) | 2019-08-01 | 2019-08-01 | 一种多模型电力线分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110533075B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427190A (zh) * | 2015-12-09 | 2016-03-23 | 国网重庆市电力公司电力科学研究院 | 复杂地形时uhvac输电线路下方地面三维工频电场计算方法 |
| CN107909582A (zh) * | 2017-11-07 | 2018-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种机载LiDAR塔头电力线自动检测分割方法 |
| CN107958486A (zh) * | 2017-11-21 | 2018-04-24 | 北京煜邦电力技术股份有限公司 | 一种导线矢量模型的生成方法及装置 |
| CN109767489A (zh) * | 2019-01-31 | 2019-05-17 | 广东电网有限责任公司 | 一种机载LiDAR点云电力线矢量化建模方法以及存储介质 |
| CN109829199A (zh) * | 2018-12-29 | 2019-05-31 | 中国科学院遥感与数字地球研究所 | 基于LiDAR点云的电力线快速分层提取方法 |
| 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 |
-
2019
- 2019-08-01 CN CN201910707232.3A patent/CN110533075B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105427190A (zh) * | 2015-12-09 | 2016-03-23 | 国网重庆市电力公司电力科学研究院 | 复杂地形时uhvac输电线路下方地面三维工频电场计算方法 |
| CN107909582A (zh) * | 2017-11-07 | 2018-04-13 | 国网甘肃省电力公司电力科学研究院 | 一种机载LiDAR塔头电力线自动检测分割方法 |
| CN107958486A (zh) * | 2017-11-21 | 2018-04-24 | 北京煜邦电力技术股份有限公司 | 一种导线矢量模型的生成方法及装置 |
| CN109829199A (zh) * | 2018-12-29 | 2019-05-31 | 中国科学院遥感与数字地球研究所 | 基于LiDAR点云的电力线快速分层提取方法 |
| CN109767489A (zh) * | 2019-01-31 | 2019-05-17 | 广东电网有限责任公司 | 一种机载LiDAR点云电力线矢量化建模方法以及存储介质 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 基于直升机激光点云的分裂导线重建研究;汪骏等;《遥感技术与应用》;20151231;第30卷(第6期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110533075A (zh) | 2019-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110780681B (zh) | 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 | |
| CN106840176A (zh) | Gps时空数据增量路网实时更新和轨迹匹配系统 | |
| CN109118574A (zh) | 一种基于三维特征提取的快速逆向建模方法 | |
| CN110148211B (zh) | 一种基于点云数据的电力线三维重建方法 | |
| CN106599915B (zh) | 一种车载激光点云分类方法 | |
| CN110852186B (zh) | 一种树上柑橘的视觉识别与采摘顺序规划方法及其仿真系统 | |
| CN110543473B (zh) | 一种众包数据融合优化方法、装置及存储介质 | |
| CN110223345A (zh) | 基于点云的配电线路作业对象位姿估计方法 | |
| CN112100435B (zh) | 一种基于边缘端交通音视频同步样本的自动标注方法 | |
| CN110533075B (zh) | 一种多模型电力线分割方法 | |
| CN110232682B (zh) | 一种基于图像的轨道异物探测方法 | |
| CN115619972A (zh) | 一种基于点云数据的道路标线磨损识别与评估方法 | |
| CN110823543A (zh) | 一种基于往复机械活塞杆轴心轨迹包络与信息熵特征的负荷识别方法 | |
| CN111709934B (zh) | 一种基于点云特征对比的注塑叶轮翘曲缺陷检测方法 | |
| CN105574265B (zh) | 面向模型检索的装配体模型定量描述方法 | |
| CN113989308B (zh) | 一种基于霍夫变换与模板匹配的多边形目标分割方法 | |
| CN103578105A (zh) | 一种基于区域特征的多源异类图像配准方法 | |
| CN108734731B (zh) | 一种基于机器视觉的类圆颗粒目标计数方法 | |
| CN111766642B (zh) | 登陆热带气旋日降水预报系统 | |
| CN110542897B (zh) | 一种基于希尔排序的距离差分多扩展目标点迹凝聚方法 | |
| CN116416589A (zh) | 一种基于铁轨数据与几何性质的轨道点云提取方法 | |
| CN103559492A (zh) | 一种车标识别装置及方法 | |
| CN113065604B (zh) | 一种基于dtw-dbscan算法的空中目标分群方法 | |
| CN114782344A (zh) | 用于轨道车辆闸片的测量方法及测量系统 | |
| CN115146742A (zh) | 适用于场群控制的海上风电场机组分组与旗舰机选取方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210914 Address after: 550000 No. 17 Binhe Road, Nanming District, Guiyang City, Guizhou Province Applicant after: Guizhou Power Grid Co.,Ltd. Address before: 550000 No. 5 Baba street, Nanming District, Guiyang City, Guizhou Province Applicant before: ELECTRICITY TRANSMISSION RUN OVERHAUL BRANCH, GUIZHOU POWER GRID Co.,Ltd. Applicant before: POWERCHINA GUIZHOU ELECTRIC POWER DESIGN & RESEARCH INSTITUTE Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |