CN111340317A - 架空输电线路树障隐患的自动预警方法及电子设备 - Google Patents
架空输电线路树障隐患的自动预警方法及电子设备 Download PDFInfo
- Publication number
- CN111340317A CN111340317A CN202010422445.4A CN202010422445A CN111340317A CN 111340317 A CN111340317 A CN 111340317A CN 202010422445 A CN202010422445 A CN 202010422445A CN 111340317 A CN111340317 A CN 111340317A
- Authority
- CN
- China
- Prior art keywords
- tree
- target area
- point cloud
- cloud data
- early warning
- 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
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000004888 barrier function Effects 0.000 claims abstract description 33
- 230000000877 morphologic effect Effects 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 239000003102 growth factor Substances 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 102000005755 Intercellular Signaling Peptides and Proteins Human genes 0.000 claims description 3
- 108010070716 Intercellular Signaling Peptides and Proteins Proteins 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 241000894007 species Species 0.000 description 33
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 8
- 238000004088 simulation Methods 0.000 description 7
- 241000196324 Embryophyta Species 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 235000017166 Bambusa arundinacea Nutrition 0.000 description 1
- 235000017491 Bambusa tulda Nutrition 0.000 description 1
- 244000166124 Eucalyptus globulus Species 0.000 description 1
- 206010021703 Indifference Diseases 0.000 description 1
- 244000082204 Phyllostachys viridis Species 0.000 description 1
- 235000015334 Phyllostachys viridis Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000011425 bamboo Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000002023 wood Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请实施例提供一种架空输电线路树障隐患的自动预警方法及电子设备,方法包括:获取架空输电线路的目标点云数据;基于地面点云数据和植被点云数据获取目标区域对应的树冠高模型,根据该树冠高模型确定目标区域中的各个树木的形态信息;根据各个树木的形态信息分别确定各个树木的生长速率;基于预设的树生长测算模型,应用电力线点云数据、各个树木的形态信息及生长速率,分别确定目标区域中的各个树木的树障隐患预测生长时长,根据各个树木的树障隐患预测生长时长进行针对目标区域的树障隐患预警处理。本申请能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性。
Description
技术领域
本申请涉及输电线路安全运行技术领域,具体涉及架空输电线路树障隐患的自动预警方法及电子设备。
背景技术
由于部分地区的输电线路走廊规模大、覆盖范围广、所经地形环境复杂等特点,使得输电线附近的树木生长情况影响输电线路的安全稳定运行,因此树线矛盾一直以来都是电力部门巡检的重点关注对象,当树线安全距离不足时,容易引发跳闸、放电等事故。现有的树障预警方法缺陷有以下几个方面:
为准确获取树种信息,需对输电线路进行实地调查,费时费力。电力线通道沿途树木种类繁多,不同种类树木生长速率各不相同,传统方法仅通过班组人员实地考察的方式对沿途电力线和树顶的距离进行判读,工作强度大、时效性差、准确度低、效率低下,在树木繁盛的情况下又难以同时全方位观察树顶、树冠和电力线之间的关系,造成误判、漏判。若要准确计算导线弧垂与树木之间的距离,避免乱砍乱伐,破坏植被,则需要携带专业测高工具、经纬仪等笨重仪器,线路巡护人员因此工作负担巨大。
针对上述问题,相关专利文献CN105447623A、《一种架空输电线路树障隐患自动预警系统及该系统采用的预警方法》提供了一种自动预警算法,主要是通过自动和半自动分类分离电力线和植被,然后计算矢量化的电力线与保护区范围内的植被点的欧式距离,再通过特定的生长模型得到树障点和预警点等信息,这种方法难以得到准确的预警信息。与电力线最近的植被点不一定是单木最高点,利用该点计算的预警信息与实际情况存在误差。且现有的林业书籍和规范没有关于树木生长模型方面的相关规定,预警模型没有统一的标准。因此,当前尚未有一种能够同时实现架空输电线路树障隐患的预警自动化,能够保证架空输电线路树障隐患预警准确性的方式。
发明内容
针对上述现有技术问题中的至少一项,本申请提供一种架空输电线路树障隐患的自动预警方法及电子设备,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性。
为解决上述技术问题,本申请提供以下技术方案:
第一方面,本申请提供一种架空输电线路树障隐患的自动预警方法,包括:
获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据;
基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息;
根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率;
基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
进一步地,所述基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,包括:
根据所述植被点云数据生成所述目标区域中植被点对应的数字地表模型DSM;
以及,根据所述地面点云数据生成所述目标区域中地面点对应的数字地面模型DEM;
基于所述数字地表模型DSM和所述数字地面模型DEM,确定所述目标区域对应的树冠高模型CHM;
自所述树冠高模型CHM中提取各个像素块以及各个所述像素块各自对应的位置信息;
根据各个所述像素块各自对应的位置信息以及预设的树顶阈值,在所述像素块中选定树顶点;
根据未被选定为所述树顶点的剩余像素块的位置信息,将未被选定为所述树顶点的剩余像素块作为树冠点分配至各个所述树顶点周围,形成各个所述树顶点分别对应的完整树冠;
根据所述树冠点和所述树顶点的位置信息,生成所述目标区域中的各个树木的形态信息。
进一步地,所述根据各个所述像素块各自对应的位置信息以及预设的树顶阈值,在所述像素块中选定树顶点,包括:
将高度大于所述树顶阈值的像素块确定为树顶待选点;
若所述树顶待选点多于一个,则根据各个所述树顶待选点的位置信息获取各个所述树顶待选点之间的相邻距离;
将所述相邻距离小于树间距离阈值的相邻的两个树顶待选点中择一确定为树顶点;
以及,将所述相邻距离大于或等于所述树间距离阈值的相邻的两个树顶待选点均确定为所述树顶点。
进一步地,所述根据所述树冠点和所述树顶点的位置信息,生成所述目标区域中的各个树木的形态信息,包括:
获取每个所述树冠点分别与各个所述树顶点之间的距离;
将与所述树冠点之间距离最小的树顶点作为该树冠点所在树的树顶点;
根据各个树木对应的一个所述树顶点的位置信息和对应的至少一个所述树冠点的位置信息分别生成各个树木的形态信息。
进一步地,所述根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率,包括:
根据所述目标区域中的各个树木的形态信息,应用第一配置文件确定所述目标区域中的各个树木的树种,其中,所述第一配置文件用于存储各个形态信息与各个树种之间的一对一或多对一的对应关系;
基于所述目标区域中的各个树木的树种,自第二配置文件中确定所述目标区域中的各个树木的生长速率,其中,所述第二配置文件用于存储各个树种与各个生长速率之间的一对一或多对一的对应关系。
进一步地,所述树生长测算模型包括一目标函数和对应的约束条件;
所述目标函数用于表示树木的预测高度与初始高度和生长参数之间的对应关系,其中,所述生长参数包括树木的生长因子、生长时长与预设的影响因子之间的乘积,且所述生长因子包括:所述生长速率,或,所述生长速率和预设的生长速率变化值之和;
所述约束条件用于表示电力线与树木的预测高度之间的距离差值小于或等于预设的预警距离;
相对应的,所述基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,包括:
基于所述电力线点云数据确定所述电力线的高度值;
根据所述目标区域中的各个树木的形态信息中的树顶点和树冠点的位置信息、所述目标区域中的各个树木的所述生长因子以及预设的影响因子,求解满足所述约束条件时的所述目标函数,得到与所述电力线的高度值之间的距离差值小于或等于所述预警距离时的树木的预测高度,以及该树木的预测高度对应的所述生长时长,并将该生长时长确定为对应树木的树障隐患预测生长时长。
进一步地,在分别确定所述目标区域中的各个树木的树障隐患预测生长时长之后,还包括:
基于所述目标区域中的各个树木的树障隐患预测生长时长与当前时间进行加和处理,得到所述目标区域中的各个树木的树障隐患危险时刻;
将所述目标区域中的各个树木的树障隐患危险时刻、形态信息以及树种进行记录,形成对应的针对所述目标区域的树障隐患预警文件;
输出针对所述目标区域的树障隐患预警文件,以根据该树障隐患预警文件选取对应树障隐患处理方式,并基于树障隐患处理方式对所述目标区域进行树障隐患消除处理。
进一步地,所述获取架空输电线路的目标点云数据,包括:
控制三维激光扫描装置采集架空输电线路地区的点云数据;
接收所述架空输电线路地区的点云数据,并对该点云数据进行去噪处理;
基于预设的杆塔形状在经去噪处理后的点云数据中标记得到各个杆塔点的位置信息;
根据预设的延伸阈值以及各个所述杆塔点的位置信息,确定相邻的两个杆塔对应的目标区域,其中,所述延伸阈值为垂直于相邻两个杆塔连线方向延伸的长度值;
自所述目标区域的点云数据中筛去除地面点云数据、植被点云数据和电力线点云数据以外的数据,得到对应的所述目标点云数据。
第二方面,本申请提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的架空输电线路树障隐患的自动预警方法的步骤。
第三方面,本申请提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的架空输电线路树障隐患的自动预警方法的步骤。
由上述技术方案可知,本申请提供的一种架空输电线路树障隐患的自动预警方法及电子设备,通过获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据;基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息;根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率;基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,有利于技术人员消除树障隐患预警的时效性及准确性,还能够在避免对架空输电线路地区中树木的无差别砍伐造成的植被破坏的同时,有效降低人工线路巡护的时间成本及金钱成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例中的架空输电线路树障隐患的自动预警方法的流程示意图;
图2是本申请具体应用实例中的由树预警自动分析算法执行的架空输电线路树障隐患的自动预警过程的流程示意图;
图3是本申请具体应用实例中的包树顶点的选取策略示意图;
图4是本申请具体应用实例中的树冠点的分配策略示意图;
图5是仅采用DSM提取的树顶点的提取结果示意图;
图6是本申请具体应用实例中的采用CHM提取的树顶点的提取结果示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了达到高效树障隐患自动预警的目的,本申请的发明人考虑到必须采用全新的数据获取方式和全新的自动计算方法。为了从数据基础的获取上即提高预警准确性,本申请的发明人考虑到可以应用无人机搭载三维激光扫描仪来获取点云数据,并在点云数据的基础上,通过树冠高模型的创新性应用,以及一种新的且可靠性高的树生长测算模型的提出,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,有利于技术人员消除树障隐患预警的时效性及准确性,还能够在避免对架空输电线路地区中树木的无差别砍伐造成的植被破坏的同时,有效降低人工线路巡护的时间成本及金钱成本。
其中,由于利用无人机搭载的激光雷达进行电力巡线存在不受地形环境限制、效率高、作业范围广且自动化程度高的优势,使其成为一种新型数据获取手段。而利用激光雷达所获取的点云可以对树顶、树冠、杆塔进行自动的提取、分类,再通过植被生长模型对树顶位置进行预测,最终输出树障报告等信息。此方法可以大大减轻巡线人员的负担,降低人力成本,提升巡线效率和自动化程度。
具体通过下述多个实施例分别进行说明。
为了有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,本申请提供执行主体可以为架空输电线路树障隐患的自动预警装置的一种架空输电线路树障隐患的自动预警方法的实施例,参见图1,所述架空输电线路树障隐患的自动预警方法具体包含有如下内容:
步骤100:获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据。
可以理解的是,所述步骤100中的目标点云数据可以通过激光点云技术获取,具体的,激光点云技术是指利用在空间中分布的点来描述实际的物体,也就是用激光点云描述物体在地球上的绝对空间位置;这些点包含了扫描区域的所有物体,包括可用和不可用的部分,甚至是噪点(即原始点云数据),在得到原始点云数据后需要对点云数据进行分类,也就是标记点云块或区域所代表的内容,根据分类可以过滤无用点,把有用部分进行抽取分割,得到可利用的点云数据。例如,电力行业的输电线路点云分类,可以把杆塔点云单独抽取出来,再基于杆塔点云进一步进行航线设计。
其中,分类方法可以是人工手动分类,或者根据点云聚类模式或点云块形状进行自动分类,得到对应的杆塔点、地面点、植被点和电力线点的位置信息,其中,所述地面点云数据、植被点云数据和电力线点云数据分别依次对应杆塔点、地面点、植被点和电力线点的位置信息,另外,还可以在分类好后可以进行人工修补,以进一步提高分类的准确性。
步骤200:基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息。
可以理解都是,树冠高模型可以应用一预设的CHM(canopy height model)分割算法获取,该树冠高模型CHM也可以被称之为数字树冠高度模型DCHM。
步骤300:根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率。
步骤400:基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
在步骤400中,所述树生长测算模型不同于现有技术中的生成模型,其可以为一种用于对每棵树进行生长模拟并计算树障预警信息的物理模拟模型,也可以采用一种专用于测量树木随着生长时长的增加而变化的高度的数学模型,该树生长测算模型的具体形式详见下述实施例内容。
为了有效提高架空输电线路的目标点云数据获取的效率、智能化程度、准确性及可靠性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤100具体包含有如下内容:
步骤110:控制三维激光扫描装置采集架空输电线路地区的点云数据。
具体来说,可以控制无人机上的三维激光雷达扫描装置在架空输电线路地区中扫描周围环境,采集周围环境的点云数据。
步骤120:接收所述架空输电线路地区的点云数据,并对该点云数据进行去噪处理。
可以应用预设的数据预处理方式,将点云数据进行去噪、格式标准化或坐标系对应处理。
步骤130:基于预设的杆塔形状在经去噪处理后的点云数据中标记得到各个所述杆塔点的位置信息。
步骤140:根据预设的延伸阈值以及各个所述杆塔点的位置信息,确定相邻的两个杆塔对应的目标区域,其中,所述延伸阈值为垂直于相邻两个杆塔连线方向延伸的长度值。
目标区域是指,所述延伸阈值度一般设为15~20m,也即:每相邻两杆塔连线方向左右各一定宽度的点云数据,宽度一般设为15~20m,可以根据具体情况有所增减。
步骤150:自所述目标区域的点云数据中筛去除地面点云数据、植被点云数据和电力线点云数据以外的数据,得到对应的所述目标点云数据。
也就是说,所述架空输电线路树障隐患的自动预警装置将采集到的周围环境的点云数据进行分类,提取出目标区域的点云数据,这样做可以减少点云数量,提高后续算法的效率,也使算法成功率更高。除了提取到的植被点和地面点之外,自动分类算法亦有能力分出其它的类别的点云,例如房屋、交跨线、车辆等。但是对于本发明来讲,也可以一并祛除,只保留这四种类别的点云(地面、植被、杆塔、电力线)即可。
为了有效提高树冠高模型及目标区域中的各个树木的形态信息的准确性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤200具体包含有如下内容:
步骤210:根据所述植被点云数据生成所述目标区域中植被点对应的数字地表模型DSM。
可以理解的是,所述数字地表模型DSM(Digital Surface Model)是指包含了地表建筑物、桥梁和树木等高度的地面高程模型。
步骤220:根据所述地面点云数据生成所述目标区域中地面点对应的数字地面模型DEM。
可以理解的是,所述数字地面模型DEM(Digital Elevation Model) 是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达),它是用一组有序数值阵列形式表示地面高程的一种实体地面模型,是数字地形模型(DigitalTerrain Model,简称DTM)的一个分支。
步骤230:基于所述数字地表模型DSM和所述数字地面模型DEM,确定所述目标区域对应的树冠高模型CHM。
具体来说,先利用植被点云计算数字地表模型DSM,再利用地面点云计算数字地面模型DEM,将数字地表模型DSM和所述数字地面模型DEM相减即可得到树冠高模型CHM。
步骤240:自所述树冠高模型CHM中提取各个像素块以及各个所述像素块各自对应的位置信息。
步骤250:根据各个所述像素块各自对应的位置信息以及预设的树顶阈值,在所述像素块中选定树顶点。
步骤260:根据未被选定为所述树顶点的位置信息,将未被选定为所述树顶点的剩余像素块作为树冠点分配至各个所述树顶点周围,形成各个所述树顶点分别对应的完整树冠。
步骤270:根据所述树冠点和所述树顶点的位置信息,生成所述目标区域中的各个树木的形态信息。
为了有效提高树顶点选取的准确性及可靠性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤250具体包含有如下内容:
步骤251:将高度大于所述树顶阈值的像素块确定为树顶待选点。
步骤252:若所述树顶待选点多于一个,则根据各个所述树顶待选点的位置信息获取各个所述树顶待选点之间的相邻距离。
步骤253:将所述相邻距离小于树间距离阈值的相邻的两个树顶待选点中择一确定为树顶点。
步骤254:将所述相邻距离大于或等于所述树间距离阈值的相邻的两个树顶待选点均确定为所述树顶点。
为了有效提高树木的形态信息获取的准确性及可靠性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤270具体包含有如下内容:
步骤271:获取每个所述树冠点分别与各个所述树顶点之间的距离。
步骤272:将与所述树冠点之间距离最小的树顶点作为该树冠点所在树的树顶点。
步骤273:根据各个树木对应的一个所述树顶点的位置信息和对应的至少一个所述树冠点的位置信息分别生成各个树木的形态信息。
为了有效提高目标区域中的各个树木的生长速率的获取准确性及可靠性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤300具体包含有如下内容:
步骤310:根据所述目标区域中的各个树木的形态信息,应用第一配置文件确定所述目标区域中的各个树木的树种,其中,所述第一配置文件用于存储各个形态信息与各个树种之间的一对一或多对一的对应关系。
步骤320:基于所述目标区域中的各个树木的树种,自第二配置文件中确定所述目标区域中的各个树木的生长速率,其中,所述第二配置文件用于存储各个树种与各个生长速率之间的一对一或多对一的对应关系。
为了有效提高所述目标区域中的各个树木的树障隐患预测生长时长的获取准确性,以进一步有效提高架空输电线路树障隐患的发生时间预测结果的准确性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述树生长测算模型包括一目标函数和对应的约束条件。
所述目标函数用于表示树木的预测高度与初始高度和生长参数之间的对应关系,其中,所述生长参数包括树木的生长因子、生长时长与预设的影响因子之间的乘积,且所述生长因子包括:所述生长速率,或,所述生长速率和预设的生长速率变化值之和,具体为:
代表树木的预测高度;代表树木的初始高度,即根据植被点云数据中的植被点的位置信息以及地面点云数据中的地面点的位置信息获取的树木观测高度;为树木的生长速率,该值根据不同的树种有所变化;是树木的生长速率变化值,与具体树种和天气变化因素相关。对于同一树种而言,生长速率相同。对于不同的树种而言,生长速率可能相同,也可能不同。根据具体需求,该公式可能采用,也可能不采用,因为某些测绘单位只要求速率全部为固定值即可;为生长时长,以日、月或年为单位;为影响因子,由地区差异、人工干预等因素影响。
所述约束条件用于表示电力线与树木的预测高度之间的距离差值小于或等于预设的预警距离,具体为:
也就是说,当树木的预测高度与所述电力线的高度值之间的距离差值等于或小于所述预警距离时,将该树木的预测高度对应的所述生长时长确定为对应树木的树障隐患预测生长时长。
相对应的,所述步骤400具体包含有如下内容:
步骤410:基于所述电力线点云数据确定所述电力线的高度值。
步骤420:根据所述目标区域中的各个树木的形态信息中的树顶点和树冠点的位置信息、所述目标区域中的各个树木的所述生长因子以及预设的影响因子,求解满足所述约束条件时的所述目标函数,得到与所述电力线的高度值之间的距离差值小于或等于所述预警距离时的树木的预测高度,以及该树木的预测高度对应的所述生长时长,并将该生长时长确定为对应树木的树障隐患预测生长时长。
为了进一步提高架空输电线路树障隐患预警的智能化程度,并有效提高树障隐患消除处理的效率及可靠性,在本申请的架空输电线路树障隐患的自动预警方法的一实施例中,所述架空输电线路树障隐患的自动预警方法的步骤400之后还具体包含有如下内容:
步骤500:基于所述目标区域中的各个树木的树障隐患预测生长时长与当前时间进行加和处理,得到所述目标区域中的各个树木的树障隐患危险时刻。
步骤600:将所述目标区域中的各个树木的树障隐患危险时刻、形态信息以及树种进行记录,形成对应的针对所述目标区域的树障隐患预警文件。
步骤700:输出针对所述目标区域的树障隐患预警文件,以根据该树障隐患预警文件选取对应树障隐患处理方式,并基于树障隐患处理方式对所述目标区域进行树障隐患消除处理。
为了进一步说明本方案,本申请还提供一种架空输电线路树障隐患的自动预警方法的具体应用实例,该方法适用于通过三维点云数据进行自动树障预警分析。该方法由树预警自动分析算法执行,该算法可由软件实现,参见图2,该方法具体包括如下步骤:
S101、通过三维激光扫描仪,采集目标区域的点云数据。
优选的,上述步骤S101进一步包括:
(1)通过三维激光雷达扫描周围环境,采集周围环境的点云数据;
(2)将采集到的周围环境的点云数据进行分类,提取出目标区域的点云数据。
S102、利用单木分割算法在植被点云中提取出所有树顶点以及相应的树冠点云。
具体的,植被点云和地面点云已经在步骤S101中被提取出来,利用CHM单木分割算法可以从植被点云中提取出树顶点以及树冠点云。对植被点云进行提取,提取算法为CHM分割算法:先利用植被点云计算数字地表模型DSM是指包含了地表建筑物、桥梁和树木等高度的地面高程模型),再利用地面点云计算数字地面模型DEM,将DSM和DEM相减即可得到树冠高模型CHM;对CHM的每个像素进行判断,通过一定的策略,找出符合条件的局部最高点作为树顶点。该策略为,遍历CHM并将像素值和位置储存在数组中,然后对该数组按照像素值大小进行排序,取大于一定值(也就是树顶达到一定高度以上的)且位置不相互靠近的点作为树顶点,参见图3,对CHM中的其它植被点云(像素值),按照就近原则分配到相应的树顶点周围,形成树冠。就近原则的具体策略为,对CHM中的其它位置的像素,计算其与所有树顶点的位置,找到距离最近的树顶点进行分配。参见图4,例如有5个树顶点,以带有顶点标识圆点表示。其余树冠点云以未带有顶点标识圆点表示。树冠点将按照就近原则分配到相应的树顶点上,形成各个树冠,此时可认为单木分割已经完成。
根据树冠形态自动确定每棵树的树种。在一定的地域条件下,树木的种类只有有限几种,因此可以根据树冠的形态以及树木的高度,先粗略确定每棵树的树种,其中,所述树木的高度是指所述树顶点距地面点的高度;且树冠的形态以及树木的高度分别与树种之间存在多对一关系,一定范围的树高和形态可能代表同一树种。这种关系可以储存在配置文件中,然后人工进行复检,修改标注错误的树种。这种方法即便需要复检,也将比传统外业测量更加高效。跟据不同的树种从配置文件中提取相应的生长速率,其中,树种和生长速率的一一对应关系可以储存在同一个配置文件中,而不需要多个配置文件。该配置文件包含了所有的树种和生长速率的关系。该配置文件可以从文本文件获取,也可以从数据库获取。
需要说明的是,DEM为数字地面模型,是以数字的形式来表示实际地形特征的空间分布,DSM为数字地表模型,和DEM相比,DEM只包含了地形的高程信息,并未包含其它地表信息,DSM是在DEM的基础上,进一步涵盖了除地面以外的其它地表信息的高程。DSM减去DEM二者相减即可得到CHM,CHM的好处是,可以去除地形起伏对分割算法的影响。 例如,如图5所示,若不采用CHM而采用DSM完成S101和S102,那么在地形起伏较大的情况下,取一定高度以上的点云作为树顶点,将会有大量的树顶点没有被正确提取出来,直接导致后续树冠点云分配错误,形成大量异常树冠,且地形起伏越大,该影响就越严重;CHM是DSM减去了DEM而来,而DEM是用地面点的高程值生成的,这就相当于在DSM上祛除了地形高度的影响,如图6所示,采用CHM进行树顶点提取,正确率远远高于DSM。对DSM和DEM进行差值运算生成树冠高模型CHM,与数码相机影像分割后产生的树冠多边形进行叠加,计算单株树冠多边形内CHM的最大高度值作为单株树的树高。
需要说明的是,配置文件的内容是,各个树种在不同的地域条件下的生长速率。
S103、利用树生长模型对每棵树进行生长模拟,计算树障预警信息。
具体的,所输入的信息主要参数有两个。一个是预警距离,即树顶点生长过程中与电力线点的距离必须始终大于此值,否则进行预警;另一个是树木的生长速率,该速率主要用于计算生长年限,即树木触发预警前所经过的时间,可以设置为统一值,也可以从配置文件获取,配置文件格式在S102中已经说明。得到树顶点坐标后,先提取树顶点附近的电力线点云,并从这些点云中找出距当前树顶点最近的电力线点;然后根据生长测算模型、树顶点的位置、以及相应的上述步骤S103中得到的生长速率模拟出树顶点的变化。模拟过程中,一旦树顶点与电力线点云的距离小于输入的预警距离,即一种预设的安全距离,则记录相应的危险年限、树顶点位置和树种信息。
需要说明的是,现有的林业书籍和规范没有关于树木生长模型方面的相关规定。因此本应用实例中采用统计学的计算方式测算树木生长高度。生长测算模型可由下面的公式描述:
其中,代表树木的初始高度,即观测到的树木高度。为树木生长速率,该值根据不同的树种有所变化;是树木生长速率的变化值,与具体树种和天气变化因素相关。对于同一树种而言,生长速率相同。对于不同的树种而言,生长速率可能相同,也可能不同。根据具体需求,该公式可能采用,也可能不采用,因为某些测绘单位只要求速率全部为固定值即可;为生长时间以日、月或年为单位;为因素因子,由地区差异、人工干预等因素影响。最终得到的测算树木最终高度H2再与根据电力线点云数据获取的导线弧垂进行比较,得到预警信息。
这种统计学方法是由大量模拟和实测数据推导而来,实际上是一种经验公式。该公式经过不断的修改,最终符合实际测量结果。
例如,针对已有的大量实测数据,包括某地区上万颗树木的树高d,以及X年后的树高D,我们可以先对模型进行猜想和假设,如D = d + XV。然后将上万颗树木的数据代入到方程中进行求解,随后利用该模型对其它地区的树木生长状况进行预测,倘若其他地区的树木生长状况符合该模型,说明模型成立;若不符合,则迭代和修改模型,进一步进行模拟,直到该模型符合大多数树种的生长方式。
实际上,该公式只是对部分树种的生长曲线进行的粗略模拟,只能代表线性生长的树种如桉树,杉木等;对非线性生长的树种如竹子,将采用其它方式进行处理。
需要说明的是,所有设计过程和设计效果都会通过三维的方式进行展示以直观看到分类效果、单木分割效果以及预警效果。
优选的,在上述步骤S103之后,还包括:对上述单木分割结果进行展示和编辑,对预警结果进行显示。
S104、保存预警信息,并输出预警分析报告。
从上述描述可知,本申请应用实例提供的架空输电线路树障隐患的自动预警方法,与现有技术的方式相比,具有以下优点:
1、利用无人机进行电力巡线数据的采集结合内业进行数据处理的方式,操作简便易学,相较于传统的利用仪器设备直接量测结合人工判读的方式而言,大大减轻了巡线工作人员的负担。
2、利用激光点云数据进行预处理、自动分类、单木分割,再通过机器学习的方式识别树种,根据不同的树种和地域信息为每棵树确定不同的生长速率,最后结合生长模型计算得到预警信息,相较于传统方法,自动化程度大幅提升,效率更高,解决了目视判读的误判、漏判等痛点,优化了效率和准确度。
3、此应用实例只需要少量的树种信息配置文件,不需要建立任何数据库和预警平台,可以直接输出预警分析报告,轻量方便,学习成本低,适合内业人员使用。
从软件层面来说,为了能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,本申请提供一种用于实现所述架空输电线路树障隐患的自动预警方法中全部或部分内容的架空输电线路树障隐患的自动预警装置的实施例,例如,所述架空输电线路树障隐患的自动预警装置实现下述步骤:
步骤100:获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据。
步骤200:基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息。
步骤300:根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率。
步骤400:基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
从上述描述可知,本申请实施例提供的架空输电线路树障隐患的自动预警装置,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,有利于技术人员消除树障隐患预警的时效性及准确性,还能够在避免对架空输电线路地区中树木的无差别砍伐造成的植被破坏的同时,有效降低人工线路巡护的时间成本及金钱成本。
从硬件层面来说,为了能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,本申请提供一种用于实现所述架空输电线路树障隐患的自动预警方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
处理器、存储器、通信接口和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现电子设备与用户终端以及相关数据库等相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例中的架空输电线路树障隐患的自动预警方法的实施例,以及,架空输电线路树障隐患的自动预警装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
在一实施例中,架空输电线路树障隐患的自动预警功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据。
步骤200:基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息。
步骤300:根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率。
步骤400:基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
从上述描述可知,本申请实施例提供的电子设备,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,有利于技术人员消除树障隐患预警的时效性及准确性,还能够在避免对架空输电线路地区中树木的无差别砍伐造成的植被破坏的同时,有效降低人工线路巡护的时间成本及金钱成本。
本申请的实施例还提供能够实现上述实施例中的架空输电线路树障隐患的自动预警方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的架空输电线路树障隐患的自动预警方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据。
步骤200:基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息。
步骤300:根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率。
步骤400:基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
从上述描述可知,本申请实施例提供的计算机可读存储介质,能够有效提高架空输电线路树障隐患的发生时间预测结果的准确性,进而能够有效提高针对架空输电线路的树障隐患预警的准确性及可靠性,有利于技术人员消除树障隐患预警的时效性及准确性,还能够在避免对架空输电线路地区中树木的无差别砍伐造成的植被破坏的同时,有效降低人工线路巡护的时间成本及金钱成本。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种架空输电线路树障隐患的自动预警方法,其特征在于,包括:
获取架空输电线路的目标点云数据,其中,该目标点云数据包含有架空输电线路中相邻的两个杆塔对应的目标区域中的地面点云数据、植被点云数据和电力线点云数据;
基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,其中,所述形态信息包含有一个树顶点和至少一个树冠点的位置信息;
根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率;
基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,以根据各个树木的树障隐患预测生长时长进行针对所述目标区域的树障隐患预警处理。
2.根据权利要求1所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述基于所述地面点云数据和植被点云数据获取所述目标区域对应的树冠高模型,并根据该树冠高模型确定所述目标区域中的各个树木的形态信息,包括:
根据所述植被点云数据生成所述目标区域中植被点对应的数字地表模型DSM;
以及,根据所述地面点云数据生成所述目标区域中地面点对应的数字地面模型DEM;
基于所述数字地表模型DSM和所述数字地面模型DEM,确定所述目标区域对应的树冠高模型CHM;
自所述树冠高模型CHM中提取各个像素块以及各个所述像素块各自对应的位置信息;
根据各个所述像素块各自对应的位置信息以及预设的树顶阈值,在所述像素块中选定树顶点;
根据未被选定为所述树顶点的剩余像素块的位置信息,将未被选定为所述树顶点的剩余像素块作为树冠点分配至各个所述树顶点周围,形成各个所述树顶点分别对应的完整树冠;
根据所述树冠点和所述树顶点的位置信息,生成所述目标区域中的各个树木的形态信息。
3.根据权利要求2所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述根据各个所述像素块各自对应的位置信息以及预设的树顶阈值,在所述像素块中选定树顶点,包括:
将高度大于所述树顶阈值的像素块确定为树顶待选点;
若所述树顶待选点多于一个,则根据各个所述树顶待选点的位置信息获取各个所述树顶待选点之间的相邻距离;
将所述相邻距离小于树间距离阈值的相邻的两个树顶待选点中择一确定为树顶点;
以及,将所述相邻距离大于或等于所述树间距离阈值的相邻的两个树顶待选点均确定为所述树顶点。
4.根据权利要求2所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述根据所述树冠点和所述树顶点的位置信息,生成所述目标区域中的各个树木的形态信息,包括:
获取每个所述树冠点分别与各个所述树顶点之间的距离;
将与所述树冠点之间距离最小的树顶点作为该树冠点所在树的树顶点;
根据各个树木对应的一个所述树顶点的位置信息和对应的至少一个所述树冠点的位置信息分别生成各个树木的形态信息。
5.根据权利要求1所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述根据所述目标区域中的各个树木的形态信息分别确定该目标区域中的各个树木的生长速率,包括:
根据所述目标区域中的各个树木的形态信息,应用第一配置文件确定所述目标区域中的各个树木的树种,其中,所述第一配置文件用于存储各个形态信息与各个树种之间的一对一或多对一的对应关系;
基于所述目标区域中的各个树木的树种,自第二配置文件中确定所述目标区域中的各个树木的生长速率,其中,所述第二配置文件用于存储各个树种与各个生长速率之间的一对一或多对一的对应关系。
6.根据权利要求1所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述树生长测算模型包括一目标函数和对应的约束条件;
所述目标函数用于表示树木的预测高度与初始高度和生长参数之间的对应关系,其中,所述生长参数包括树木的生长因子、生长时长与预设的影响因子之间的乘积,且所述生长因子包括:所述生长速率,或,所述生长速率和预设的生长速率变化值之和;
所述约束条件用于表示电力线与树木的预测高度之间的距离差值小于或等于预设的预警距离;
相对应的,所述基于预设的树生长测算模型,应用所述电力线点云数据、所述目标区域中的各个树木的形态信息及生长速率,分别确定所述目标区域中的各个树木的树障隐患预测生长时长,包括:
基于所述电力线点云数据确定所述电力线的高度值;
根据所述目标区域中的各个树木的形态信息中的树顶点和树冠点的位置信息、所述目标区域中的各个树木的所述生长因子以及预设的影响因子,求解满足所述约束条件时的所述目标函数,得到与所述电力线的高度值之间的距离差值小于或等于所述预警距离时的树木的预测高度,以及该树木的预测高度对应的所述生长时长,并将该生长时长确定为对应树木的树障隐患预测生长时长。
7.根据权利要求5所述的架空输电线路树障隐患的自动预警方法,其特征在于,在分别确定所述目标区域中的各个树木的树障隐患预测生长时长之后,还包括:
基于所述目标区域中的各个树木的树障隐患预测生长时长与当前时间进行加和处理,得到所述目标区域中的各个树木的树障隐患危险时刻;
将所述目标区域中的各个树木的树障隐患危险时刻、形态信息以及树种进行记录,形成对应的针对所述目标区域的树障隐患预警文件;
输出针对所述目标区域的树障隐患预警文件,以根据该树障隐患预警文件选取对应树障隐患处理方式,并基于树障隐患处理方式对所述目标区域进行树障隐患消除处理。
8.根据权利要求1所述的架空输电线路树障隐患的自动预警方法,其特征在于,所述获取架空输电线路的目标点云数据,包括:
控制三维激光扫描装置采集架空输电线路地区的点云数据;
接收所述架空输电线路地区的点云数据,并对该点云数据进行去噪处理;
基于预设的杆塔形状在经去噪处理后的点云数据中标记得到各个杆塔点的位置信息;
根据预设的延伸阈值以及各个所述杆塔点的位置信息,确定相邻的两个杆塔对应的目标区域,其中,所述延伸阈值为垂直于相邻两个杆塔连线方向延伸的长度值;
自所述目标区域的点云数据中筛去除地面点云数据、植被点云数据和电力线点云数据以外的数据,得到对应的所述目标点云数据。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1至8任一项所述的架空输电线路树障隐患的自动预警方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010422445.4A CN111340317B (zh) | 2020-05-19 | 2020-05-19 | 架空输电线路树障隐患的自动预警方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010422445.4A CN111340317B (zh) | 2020-05-19 | 2020-05-19 | 架空输电线路树障隐患的自动预警方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111340317A true CN111340317A (zh) | 2020-06-26 |
CN111340317B CN111340317B (zh) | 2021-04-13 |
Family
ID=71186511
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010422445.4A Active CN111340317B (zh) | 2020-05-19 | 2020-05-19 | 架空输电线路树障隐患的自动预警方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111340317B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860409A (zh) * | 2020-07-29 | 2020-10-30 | 广东智媒云图科技股份有限公司 | 一种通过无人机对电缆线进行巡检的方法及装置 |
CN111898838A (zh) * | 2020-09-30 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种树高预测方法、输电线路树障预警方法及系统 |
CN111985496A (zh) * | 2020-07-13 | 2020-11-24 | 南方电网数字电网研究院有限公司 | 一种基于植被三维凸包的树障隐患快速检测方法和终端 |
CN112016396A (zh) * | 2020-07-22 | 2020-12-01 | 国网通用航空有限公司 | 一种基于树木生长预测的线路通道安全性分析方法 |
CN112558091A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种输电线对树空间距离的实时检测方法、装置及终端设备 |
CN112561862A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种输电线路范围内树木危险点的检测方法和设备 |
CN112668885A (zh) * | 2020-12-29 | 2021-04-16 | 广西电网有限责任公司崇左供电局 | 背负式激光雷达设备的单木树障隐患评估处理方法 |
CN112729236A (zh) * | 2020-10-14 | 2021-04-30 | 福建闽高电力股份有限公司 | 一种带全息投影地势扫描功能的杆塔监测装置 |
CN112884011A (zh) * | 2021-01-25 | 2021-06-01 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于激光点云的输电线路树障隐患点聚类方法 |
CN113175885A (zh) * | 2021-05-07 | 2021-07-27 | 广东电网有限责任公司广州供电局 | 架空输电线与植被距离测量方法、装置、设备和存储介质 |
CN113223155A (zh) * | 2021-05-25 | 2021-08-06 | 广东电网有限责任公司 | 一种距离预测方法、装置、设备及介质 |
CN113778137A (zh) * | 2021-11-09 | 2021-12-10 | 北京数字绿土科技有限公司 | 输电线路的无人机自主巡检方法 |
CN113919215A (zh) * | 2021-09-30 | 2022-01-11 | 海南电网有限责任公司海南输变电检修分公司 | 架空输电线路走廊植被生长分析预警方法 |
CN115049793A (zh) * | 2022-08-17 | 2022-09-13 | 广东电网有限责任公司佛山供电局 | 基于数字孪生的输电线路树木生长可视化预测方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751694A (zh) * | 2008-12-10 | 2010-06-23 | 中国科学院自动化研究所 | 一种对复杂叶片的快速简化和绘制方法 |
CN104463164A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
US20180098137A1 (en) * | 2016-06-12 | 2018-04-05 | Green Grid Inc. | Method and system for utility power lines vegetation proximity monitoring and controlling |
CN109146177A (zh) * | 2018-08-23 | 2019-01-04 | 云南电网有限责任公司普洱供电局 | 一种输配电线路树障预测方法及装置 |
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN109215065A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路的树障隐患预测方法、装置和实现装置 |
-
2020
- 2020-05-19 CN CN202010422445.4A patent/CN111340317B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101751694A (zh) * | 2008-12-10 | 2010-06-23 | 中国科学院自动化研究所 | 一种对复杂叶片的快速简化和绘制方法 |
CN104463164A (zh) * | 2014-09-03 | 2015-03-25 | 中国科学院遥感与数字地球研究所 | 一种基于伞骨法与冠高比的树木冠层结构信息提取方法 |
US20180098137A1 (en) * | 2016-06-12 | 2018-04-05 | Green Grid Inc. | Method and system for utility power lines vegetation proximity monitoring and controlling |
CN107832681A (zh) * | 2017-10-16 | 2018-03-23 | 福州大学 | 联合LiDAR点云和同步遥感影像的森林单木树高估算方法 |
CN109146177A (zh) * | 2018-08-23 | 2019-01-04 | 云南电网有限责任公司普洱供电局 | 一种输配电线路树障预测方法及装置 |
CN109214573A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路树木生长或倒伏危险点预测方法和装置 |
CN109215065A (zh) * | 2018-09-07 | 2019-01-15 | 北京数字绿土科技有限公司 | 输电线路的树障隐患预测方法、装置和实现装置 |
Non-Patent Citations (3)
Title |
---|
孙鸿博 等: "基于无人机多源遥感的输电线下树冠分割方法研究", 《中南林业调查规划》 * |
耿林 等: "基于机载LiDAR的单木结构参数及林分有效冠的提取", 《林业科学》 * |
董天阳 等: "基于形态Snake模型的遥感影像的单木树冠检测算法", 《计算机科学》 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985496A (zh) * | 2020-07-13 | 2020-11-24 | 南方电网数字电网研究院有限公司 | 一种基于植被三维凸包的树障隐患快速检测方法和终端 |
CN111985496B (zh) * | 2020-07-13 | 2024-01-05 | 南方电网数字电网研究院有限公司 | 一种基于植被三维凸包的树障隐患快速检测方法和终端 |
CN112016396A (zh) * | 2020-07-22 | 2020-12-01 | 国网通用航空有限公司 | 一种基于树木生长预测的线路通道安全性分析方法 |
CN112016396B (zh) * | 2020-07-22 | 2024-01-26 | 国网电力空间技术有限公司 | 一种基于树木生长预测的线路通道安全性分析方法 |
CN111860409A (zh) * | 2020-07-29 | 2020-10-30 | 广东智媒云图科技股份有限公司 | 一种通过无人机对电缆线进行巡检的方法及装置 |
CN111898838A (zh) * | 2020-09-30 | 2020-11-06 | 中国电力科学研究院有限公司 | 一种树高预测方法、输电线路树障预警方法及系统 |
CN111898838B (zh) * | 2020-09-30 | 2021-02-09 | 中国电力科学研究院有限公司 | 一种树高预测方法、输电线路树障预警方法及系统 |
CN112729236A (zh) * | 2020-10-14 | 2021-04-30 | 福建闽高电力股份有限公司 | 一种带全息投影地势扫描功能的杆塔监测装置 |
CN112558091A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种输电线对树空间距离的实时检测方法、装置及终端设备 |
CN112561862A (zh) * | 2020-11-27 | 2021-03-26 | 广东电网有限责任公司肇庆供电局 | 一种输电线路范围内树木危险点的检测方法和设备 |
CN112558091B (zh) * | 2020-11-27 | 2023-08-01 | 广东电网有限责任公司肇庆供电局 | 一种输电线对树空间距离的实时检测方法、装置及终端设备 |
CN112668885B (zh) * | 2020-12-29 | 2022-11-25 | 广西电网有限责任公司崇左供电局 | 背负式激光雷达设备的单木树障隐患评估处理方法 |
CN112668885A (zh) * | 2020-12-29 | 2021-04-16 | 广西电网有限责任公司崇左供电局 | 背负式激光雷达设备的单木树障隐患评估处理方法 |
CN112884011B (zh) * | 2021-01-25 | 2022-12-06 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于激光点云的输电线路树障隐患点聚类方法 |
CN112884011A (zh) * | 2021-01-25 | 2021-06-01 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种基于激光点云的输电线路树障隐患点聚类方法 |
CN113175885B (zh) * | 2021-05-07 | 2022-11-29 | 广东电网有限责任公司广州供电局 | 架空输电线与植被距离测量方法、装置、设备和存储介质 |
CN113175885A (zh) * | 2021-05-07 | 2021-07-27 | 广东电网有限责任公司广州供电局 | 架空输电线与植被距离测量方法、装置、设备和存储介质 |
CN113223155A (zh) * | 2021-05-25 | 2021-08-06 | 广东电网有限责任公司 | 一种距离预测方法、装置、设备及介质 |
CN113919215A (zh) * | 2021-09-30 | 2022-01-11 | 海南电网有限责任公司海南输变电检修分公司 | 架空输电线路走廊植被生长分析预警方法 |
CN113778137A (zh) * | 2021-11-09 | 2021-12-10 | 北京数字绿土科技有限公司 | 输电线路的无人机自主巡检方法 |
CN115049793A (zh) * | 2022-08-17 | 2022-09-13 | 广东电网有限责任公司佛山供电局 | 基于数字孪生的输电线路树木生长可视化预测方法及装置 |
CN115049793B (zh) * | 2022-08-17 | 2023-01-03 | 广东电网有限责任公司佛山供电局 | 基于数字孪生的输电线路树木生长可视化预测方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111340317B (zh) | 2021-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111340317B (zh) | 架空输电线路树障隐患的自动预警方法及电子设备 | |
CN109461142B (zh) | 线路隐患分析方法、装置及电子终端 | |
CN113034689A (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 | |
CN112633535A (zh) | 一种基于无人机图像的光伏电站智能巡检方法及系统 | |
CN108226894A (zh) | 一种点云数据处理方法及装置 | |
CN109215065A (zh) | 输电线路的树障隐患预测方法、装置和实现装置 | |
WO2012063232A1 (en) | System and method for inventorying vegetal substance | |
De Castro et al. | High-throughput system for the early quantification of major architectural traits in olive breeding trials using UAV images and OBIA techniques | |
Röder et al. | Application of optical unmanned aerial vehicle-based imagery for the inventory of natural regeneration and standing deadwood in post-disturbed spruce forests | |
CN111931976A (zh) | 一种输电线路走廊区域内树木生长隐患的预测方法 | |
CN102713917A (zh) | 二氧化碳吸收效果的评价方法和评价装置 | |
CN115049793B (zh) | 基于数字孪生的输电线路树木生长可视化预测方法及装置 | |
CN113420674A (zh) | 基于点云数据的森林档案模型构建方法、装置及存储介质 | |
CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
CN114386674A (zh) | 一种输电线路树木倒伏动态风险预警方法和系统 | |
Putman et al. | Automated estimation of standing dead tree volume using voxelized terrestrial lidar data | |
JP2022020396A (ja) | 森林資源解析装置、森林資源解析方法および森林資源解析プログラム | |
CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
CN116704333B (zh) | 一种基于激光点云数据的单株林木检测方法 | |
CN116486282A (zh) | 一种基于深度学习的数字高程模型制作方法及系统、电子设备、存储介质 | |
CN115223061A (zh) | 基于uav数据的桉树人工林短时间跨度生长量提取方法 | |
CN113223155A (zh) | 一种距离预测方法、装置、设备及介质 | |
CN115731560A (zh) | 一种基于深度学习的槽线识别方法、装置、存储介质及终端 | |
CN112991300B (zh) | 一种基于邻域特征的单木骨架提取及可视化方法 | |
CN112082475B (zh) | 活立木的种类识别方法与材积测量方法 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: Room 2301-2308, third floor, building 2, incubator, Zhongguancun Software Park, Dongbeiwang, Haidian District, Beijing 100094 Patentee after: Beijing Digital Green Earth Technology Co.,Ltd. Address before: Room 2301-2308, floor 3, building 2, incubator, Dongbeiwang Software Park, Haidian District, Beijing 100094 Patentee before: BEIJING GREENVALLEY TECHNOLOGY Co.,Ltd. |