CN112182823A - 基于矢量计算的覆冰微地形的自动判识方法及系统 - Google Patents

基于矢量计算的覆冰微地形的自动判识方法及系统 Download PDF

Info

Publication number
CN112182823A
CN112182823A CN202011141737.7A CN202011141737A CN112182823A CN 112182823 A CN112182823 A CN 112182823A CN 202011141737 A CN202011141737 A CN 202011141737A CN 112182823 A CN112182823 A CN 112182823A
Authority
CN
China
Prior art keywords
line
terrain
analyzed
micro
microtopography
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
CN202011141737.7A
Other languages
English (en)
Other versions
CN112182823B (zh
Inventor
冯涛
蔡泽林
郭俊
徐勋建
李丽
邸悦伦
叶钰
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.)
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd
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 State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Disaster Prevention and Mitigation Center of State Grid Hunan Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202011141737.7A priority Critical patent/CN112182823B/zh
Publication of CN112182823A publication Critical patent/CN112182823A/zh
Application granted granted Critical
Publication of CN112182823B publication Critical patent/CN112182823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/18Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20Finite element generation, e.g. wire-frame surface description, tesselation
    • G06T17/205Re-meshing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Graphics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于矢量计算的覆冰微地形的自动判识方法及系统,该方法包括:获取待分析区域的数字高程数据;根据所述数字高程数据,提取待分析区域的矢量谷线和矢量脊线;获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型。本发明可克服数值高程数据网格选取的困难,无需复杂计算,就能够快速便捷的判识微地形,实现覆冰微地形的精确判识。

Description

基于矢量计算的覆冰微地形的自动判识方法及系统
技术领域
本发明涉及输电线路防护领域,尤其涉及一种基于矢量计算的覆冰微地形的自动判识方法及系统。
背景技术
近年来,随着气候异常,冬季微地形的输电线路覆冰频频发生,特别是覆冰发生在高铁供电、特高压等重要线路区段,将给国民生产生活造成严重影响。微地形线路覆冰的重要特点是范围小、覆冰增长快,给电网防冰害工作带来了不小的挑战。为了更好提升微地形覆冰防治水平,首先精准掌握覆冰微地形。
目前,常用的微地形定位方法主要依据人工经验,根据现场实地的勘察,确定地形类型。这种方式需要消耗大量的人力物力,工作强度大,对全国输电线路进行这种方式识别,十分困难。同时,识别过程中人为主观性强,导致地形判识结果存在遗漏。部分研究机构通过分析高精度的高程网格数据,定义微地形判识规则,进行微地形的客观判识,但由于覆冰微地形尺寸大小不一致,地面起伏复杂,数字高程数据网格精度粗,容易漏判,数字高程数据网格精度细,则容易误判。因此,难以采用统一精度、统一规则的网格进行准确的覆冰微地形判识。
发明内容
本发明提供了一种基于矢量计算的覆冰微地形的自动判识方法及系统,用以解决难以采用统一精度、统一规则的网格进行准确的覆冰微地形判识的技术问题。
为解决上述技术问题,本发明提出的技术方案为:
一种基于矢量计算的覆冰微地形的自动判识方法,包括以下步骤:
获取待分析区域的数字高程数据;
根据数字高程数据,提取待分析区域的矢量谷线和矢量脊线;
获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型。
作为本发明的方法的进一步改进:
还包括:将待分析区域划分为网格,将数字高程数据对应到网格的每个网格点。
提取待分析区域的矢量谷线和矢量脊线之前,对待分析区域的每个网格点进行水流线计算和分水线计算。
水流线计算,包括以下步骤:
设置水流线计数变量;
用待分析区域中的一个网格点的海拔高度减去其周围网格点的海拔高度,得到差值;
当差值中最大值小于等于0,则停止计算,对于网格点的水流线计数变量加1;
当差值中最大值大于0,则以网格点为中心,继续计算与其周围网格点的差值,并且网格点与相计算的周围网格点的水流线计数变量均加1;
对于差值中最大值有多个时,对每一个对应的网格点均进行计算;
遍历待分析区域中的所有网格点,得到所有网格点的水流线计数变量。
分水线计算,包括以下步骤:
设置分水线计数变量;
将每个网格点的数字高程数据均乘以-1,并按照水流线计算的计算方式,计算获取待分析区域的分水线计数变量。
提取待分析区域的矢量谷线,包括以下步骤:
设定水流线计数阈值,并根据所有网格点的水流线计数变量中大于水流线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量谷线。
提取待分析区域的矢量脊线,包括以下步骤:
设定分水线计数阈值,并根据所有网格点的分水线计数变量中大于分水线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量脊线。
获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型,包括以下步骤:
选取待分析区域内的相邻两基杆塔,H1和H2分别为相邻两基杆塔的海拔高度;Δh为相邻两基杆塔的海拔差值;将相邻两基杆塔连线,选取两基杆塔最近的谷线或脊线,得到连线与脊线的夹角θ1和连线与谷线的夹角θ2;设置杆塔海拔高程阈值S和海拔高程差阈值ΔS,杆塔连线与脊线夹角阈值θ1h,与谷线夹角阈值θ2h;
覆冰微地形判识模型,包括以下任意一个或组合:
高山微地形判识模型:当H1>S,H2>S,Δh<ΔS,θ1<θ1h,杆塔连线没有与谷线相交,则判断为高山微地形;否则,不是高山微地形;
地形抬升微地形判识模型:当H1>S或H2>S,Δh>ΔS,θ1>θ1h,杆塔连线没有与谷线相交,则判断为地形抬升微地形;否则,不是地形抬升微地形;
垭口微地形判识模型:当H1>S,H2>S,θ2>θ2h,杆塔连线与谷线相交,则判断为垭口微地形;否则,不是垭口微地形;
峡谷微地形判识模型:当H1<S,H2<S,Δh<ΔS,θ2>θ2h,杆塔连线与谷线相交,则判断为峡谷微地形;否则,不是峡谷微地形。
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
本发明具有以下有益效果:
1、本发明的基于矢量计算的覆冰微地形的自动判识方法和系统,克服数值高程数据网格选取的困难,无需复杂计算,就能够快速便捷的判识微地形,实现覆冰微地形的精确判识。
2、本发明基于矢量计算的覆冰微地形的自动判识方法和系统,通用性好,能够用于不同地区、不同尺寸大小、不同类型的微地形判识。
除了上面所描述的目的、特征和优点之外,本发明还有其它的目的、特征和优点。下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明优选实施例的基于矢量计算的覆冰微地形的自动判识方法的流程示意图;
图2是本发明优选实施例1的区域M的DEM分布示意图;
图3是本发明优选实施例1的区域M的C1水流线计算示意图;
图4是本发明优选实施例1的区域M的C2分水线计算示意图;
图5是本发明优选实施例1的区域M的谷线示意图;
图6是本发明优选实施例1的区域M的脊线示意图;
图7是本发明优选实施例1的区域M内杆塔a,b与谷线脊线分布图;
图8是本发明优选实施例2的区域M内杆塔a,b与谷线脊线分布图;
图9是本发明优选实施例3的区域M内杆塔a,b与谷线脊线分布图;
图10是本发明优选实施例4的区域M内杆塔a,b与谷线脊线分布图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
参见图1,本发明的基于矢量计算的覆冰微地形的自动判识方法,包括以下步骤:
获取待分析区域的数字高程数据(DEM);可将待分析区域划分为网格,将数字高程数据对应到网格的每个网格点。
根据数字高程数据,提取待分析区域的矢量谷线和矢量脊线;可以采用对待分析区域的每个网格点进行水流线计算和分水线计算的方式,以便提取待分析区域的矢量谷线(以下简称谷线)和矢量脊线(以下简称脊线)。
水流线计算,包括:设置水流线计数变量C1(m,n);用待分析区域中的一个网格点的海拔高度减去其周围网格点的海拔高度,得到差值;当差值中最大值小于等于0,则停止计算,对于网格点的水流线计数变量加1;当差值中最大值大于0,则以网格点为中心,继续计算与其周围网格点的差值,并且网格点与相计算的周围网格点的水流线计数变量均加1;对于差值中最大值有多个时,对每一个对应的网格点均进行计算;遍历待分析区域中的所有网格点,得到所有网格点的水流线计数变量。
分水线计算,包括:设置分水线计数变量C2(m,n);将每个网格点的数字高程数据均乘以-1,并按照水流线计算的计算方式,计算获取待分析区域的分水线计数变量。
然后,提取待分析区域的矢量谷线,包括:设定水流线计数阈值,并根据所有网格点的水流线计数变量中大于水流线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量谷线。提取待分析区域的矢量脊线,包括:设定分水线计数阈值,并根据所有网格点的分水线计数变量中大于分水线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量脊线。
获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型。包括:
选取待分析区域内的相邻两基杆塔,H1和H2分别为相邻两基杆塔的海拔高度;Δh为相邻两基杆塔的海拔差值;将相邻两基杆塔连线,选取两基杆塔最近的谷线或脊线,得到连线与脊线的夹角θ1和连线与谷线的夹角θ2;设置杆塔海拔高程阈值S和海拔高程差阈值ΔS,杆塔连线与脊线夹角阈值θ1h,与谷线夹角阈值θ2h;
覆冰微地形判识模型,包括以下任意一个或组合:
高山微地形判识模型:当H1>S,H2>S,Δh<ΔS,θ1<θ1h,杆塔连线没有与谷线相交,则判断为高山微地形;否则,不是高山微地形;
地形抬升微地形判识模型:当H1>S或H2>S,Δh>ΔS,θ1>θ1h,杆塔连线没有与谷线相交,则判断为地形抬升微地形;否则,不是地形抬升微地形;
垭口微地形判识模型:当H1>S,H2>S,θ2>θ2h,杆塔连线与谷线相交,则判断为垭口微地形;否则,不是垭口微地形;
峡谷微地形判识模型:当H1<S,H2<S,Δh<ΔS,θ2>θ2h,杆塔连线与谷线相交,则判断为峡谷微地形;否则,不是峡谷微地形。
以下结合实施例进行说明:
实施例1:
以某地区典型220kV线路为例,具体计算过程如下:
(1)网格区域初始化:
设定区域M,共有(4,4)个网格,并收集区域M内每一个网格点的高分辨率数字高程数据(DEM),如图2。对区域M内每一个网格设置水流线计数变量C1(4,4)和分水线计数变量C2(4,4),并且初始值均设置为0。
(2)水流线计算:
从M区域内左上角点开始,用该点对应的海拔高度1025m,减去其周围点的海拔高度,得到差值,并选取差值中最大值为471。
由于,471>0,则以554m点为中心,继续计算与周围网格点的差值,并且1025m点和554m点的水流线计数变量均加1。
554m点与周围点差值最大为121m,且121m>0,则继续计算与周围网格点的差值,并且554m点和433m点的水流线计数变量均加1。
433m点与周围点差值最大为-103m,由于-103m<0,停止计算,433m点的水流线计数变量加1。
重复步骤(2),遍历区域M内4×4个点,获得整个区域M的C1,如图3所示。
(3)分水线计算:
将步骤(1)中每个网格点的DEM数据均乘以-1,并按照步骤(2)的计算方式,获取整个区域的分水线计数变量C2,如图4所示。
(4)山脊和山谷线提取:
(4.1)谷线提取:
设定水流线计数阈值4,并根据步骤(2)计算的水流线计数变量C1,将C1中大于阈值点的位置提取出来。然后,与步骤(1)中M区域的DEM数据相交,获得谷线,如图5所示。
(4.2)脊线提取:
设定分水线计数阈值4,并根据步骤(3)计算的分水线计数变量C2,将C2中大于阈值点的位置提取出来。然后,与步骤(1)中M区域的DEM数据相交,获得脊线,如图6所示。
(5)覆冰微地形判识:
选取区域M内的相邻两基杆塔a和b,根据步骤(1)中的DEM数据,获取杆塔的海拔高度H1=1509m和H2=1636m,获得两个杆塔海拔差值Δh=127m,如图7所示。然后将杆塔连线,选取两基杆塔最近的谷线或脊线,连线与脊线夹角θ1=0,没有与谷线相交,然后进行覆冰微地形判识:
设定杆塔海拔高程阈值S=1200和海拔高程差阈值ΔS=200,杆塔连线与脊线夹角阈值θ1h=20°,与谷线夹角阈值θ2h=20°
H1>S,H2>S,Δh<ΔS,θ1<θ1h,且杆塔连线没有与谷线相交,则判断为高山微地形。
实施例2:
步骤(1)~(4)见实施例1
(5)覆冰微地形判识:
选取区域M内的相邻两基杆塔a和b,根据步骤(1)中的DEM数据,获取杆塔的海拔高度H1=1045m和H2=1636m,获得两个杆塔海拔差值Δh=591m。如图8所示。
然后将杆塔连线,选取两基杆塔最近的谷线或脊线,连线与脊线夹角θ1=90°,没有与谷线相交,然后进行覆冰微地形判识:
设定杆塔海拔高程阈值S=1200和海拔高程差阈值ΔS=200,杆塔连线与脊线夹角阈值θ1h=20°,与谷线夹角阈值θ2h=20°
H1<S,但H2>S,Δh>ΔS,θ1>θ1h,且杆塔连线没有与谷线相交,则判断为地形抬升微地形。
实施例3:
步骤(1)~(4)见实施例1:
(5)覆冰微地形判识:
选取区域M内的相邻两基杆塔a和b,根据步骤(1)中的DEM数据,获取杆塔的海拔高度H1=1509m和H2=1345m,获得两个杆塔海拔差值Δh=164m,如图9所示。
然后将杆塔连线,选取两基杆塔最近的谷线或脊线,连线与脊线不相交,与谷线相交,夹角θ2=25°,然后进行覆冰微地形判识:
设定杆塔海拔高程阈值S=1200和海拔高程差阈值ΔS=200,杆塔连线与脊线夹角阈值θ1h=20°,与谷线夹角阈值θ2h=20°
H1>S,H2>S,Δh<ΔS,θ2>θ2h,且杆塔连线与谷线相交,则判断为垭口微地形。
实施例4:
步骤(1)~(4)见实施例1:
(5)覆冰微地形判识:
选取区域M内的相邻两基杆塔a和b,根据步骤(1)中的DEM数据,获取杆塔的海拔高度H1=536m和H2=554m,获得两个杆塔海拔差值Δh=18m。如图10所示。
然后将杆塔连线,选取两基杆塔最近的谷线或脊线,连线与脊线不相交,与谷线相交,夹角θ2=25°,然后进行覆冰微地形判识:
设定杆塔海拔高程阈值S=1200和海拔高程差阈值ΔS=200,杆塔连线与脊线夹角阈值θ1h=20°,与谷线夹角阈值θ2h=20°。
H1<S,H2<S,Δh<ΔS,θ2>θ2h,且杆塔连线与谷线相交,则判断为峡谷微地形。
实施例5:
本发明还提供一种计算机系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述任一方法的步骤。
综上可知,本发明可克服数值高程数据网格选取的困难,无需复杂计算,就能够快速便捷的判识微地形,实现覆冰微地形的精确判识。通用性好,能够用于不同地区、不同尺寸大小、不同类型的微地形判识。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于矢量计算的覆冰微地形的自动判识方法,其特征在于,包括以下步骤:
获取待分析区域的数字高程数据;
根据所述数字高程数据,提取待分析区域的矢量谷线和矢量脊线;
获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型。
2.根据权利要求1所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,还包括:将待分析区域划分为网格,将数字高程数据对应到所述网格的每个网格点。
3.根据权利要求2所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,所述提取待分析区域的矢量谷线和矢量脊线之前,对待分析区域的每个网格点进行水流线计算和分水线计算。
4.根据权利要求3所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,所述水流线计算,包括以下步骤:
设置水流线计数变量;
用待分析区域中的一个网格点的海拔高度减去其周围网格点的海拔高度,得到差值;
当差值中最大值小于等于0,则停止计算,对于所述网格点的水流线计数变量加1;
当差值中最大值大于0,则以所述网格点为中心,继续计算与其周围网格点的差值,并且所述网格点与相计算的周围网格点的水流线计数变量均加1;
对于差值中最大值有多个时,对每一个对应的网格点均进行计算;
遍历待分析区域中的所有网格点,得到所有网格点的水流线计数变量。
5.根据权利要求4所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,所述分水线计算,包括以下步骤:
设置分水线计数变量;
将每个网格点的数字高程数据均乘以-1,并按照所述水流线计算的计算方式,计算获取待分析区域的分水线计数变量。
6.根据权利要求4或5所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,所述提取待分析区域的矢量谷线,包括以下步骤:
设定水流线计数阈值,并根据所有网格点的水流线计数变量中大于水流线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量谷线。
7.根据权利要求6所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,所述提取待分析区域的矢量脊线,包括以下步骤:
设定分水线计数阈值,并根据所有网格点的分水线计数变量中大于分水线计数阈值的网格点提取出来,与待分析区域的数字高程数据相交,获得矢量脊线。
8.根据权利要求6或7所述的基于矢量计算的覆冰微地形的自动判识方法,其特征在于,获取待分析区域中相邻的线路杆塔数据,根据杆塔的连线的线路与谷线和脊线的关系,采用覆冰微地形判识模型判识是否为覆冰微地形以及所属的微地形类型,包括以下步骤:
选取待分析区域内的相邻两基杆塔,H1和H2分别为所述相邻两基杆塔的海拔高度;Δh为所述相邻两基杆塔的海拔差值;将所述相邻两基杆塔连线,选取两基杆塔最近的谷线或脊线,得到连线与脊线的夹角θ1和连线与谷线的夹角θ2;设置杆塔海拔高程阈值S和海拔高程差阈值ΔS,杆塔连线与脊线夹角阈值θ1h,与谷线夹角阈值θ2h;
所述覆冰微地形判识模型,包括以下任意一个或组合:
高山微地形判识模型:当H1>S,H2>S,Δh<ΔS,θ1<θ1h,杆塔连线没有与谷线相交,则判断为高山微地形;否则,不是高山微地形;
地形抬升微地形判识模型:当H1>S或H2>S,Δh>ΔS,θ1>θ1h,杆塔连线没有与谷线相交,则判断为地形抬升微地形;否则,不是地形抬升微地形;
垭口微地形判识模型:当H1>S,H2>S,θ2>θ2h,杆塔连线与谷线相交,则判断为垭口微地形;否则,不是垭口微地形;
峡谷微地形判识模型:当H1<S,H2<S,Δh<ΔS,θ2>θ2h,杆塔连线与谷线相交,则判断为峡谷微地形;否则,不是峡谷微地形。
9.一种计算机系统,包括存储器、处理器以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计算机程序时实现上述权利要求1至8任一所述方法的步骤。
CN202011141737.7A 2020-10-22 2020-10-22 基于矢量计算的覆冰微地形的自动判识方法及系统 Active CN112182823B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011141737.7A CN112182823B (zh) 2020-10-22 2020-10-22 基于矢量计算的覆冰微地形的自动判识方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011141737.7A CN112182823B (zh) 2020-10-22 2020-10-22 基于矢量计算的覆冰微地形的自动判识方法及系统

Publications (2)

Publication Number Publication Date
CN112182823A true CN112182823A (zh) 2021-01-05
CN112182823B CN112182823B (zh) 2022-05-27

Family

ID=73922549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011141737.7A Active CN112182823B (zh) 2020-10-22 2020-10-22 基于矢量计算的覆冰微地形的自动判识方法及系统

Country Status (1)

Country Link
CN (1) CN112182823B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240172A (zh) * 2021-05-11 2021-08-10 国网湖南省电力有限公司 微地形覆冰数值预测方法及系统
CN113822491A (zh) * 2021-09-27 2021-12-21 国网湖南省电力有限公司 一种输电线路舞动微地形的识别方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101050961A (zh) * 2007-04-30 2007-10-10 西南林学院 一种基于地性线的卫星遥感图像几何精纠正方法
JP2009251250A (ja) * 2008-04-04 2009-10-29 Shin Gijutsu Consul:Kk 数値地図データ処理方法、数値地図データ処理プログラム及び数値地図データ処理装置。
CN102436548A (zh) * 2011-10-26 2012-05-02 中国电力科学研究院 一种微地形区输电杆塔线条风荷载计算方法
WO2012134235A2 (ko) * 2011-04-01 2012-10-04 에스케이씨앤씨 주식회사 병렬 처리 기반의 지형모델 생성 방법과 시스템
US20140333616A1 (en) * 2013-05-13 2014-11-13 Electronics And Telecommunications Research Institute Method for representing terrain, method for creating terrain primitives, and apparatus using the methods
CN109190593A (zh) * 2018-09-21 2019-01-11 重庆大学 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法
CN111738104A (zh) * 2020-06-04 2020-10-02 中国电力工程顾问集团西南电力设计院有限公司 一种基于地理信息系统提取地形类别的方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101050961A (zh) * 2007-04-30 2007-10-10 西南林学院 一种基于地性线的卫星遥感图像几何精纠正方法
JP2009251250A (ja) * 2008-04-04 2009-10-29 Shin Gijutsu Consul:Kk 数値地図データ処理方法、数値地図データ処理プログラム及び数値地図データ処理装置。
WO2012134235A2 (ko) * 2011-04-01 2012-10-04 에스케이씨앤씨 주식회사 병렬 처리 기반의 지형모델 생성 방법과 시스템
CN102436548A (zh) * 2011-10-26 2012-05-02 中国电力科学研究院 一种微地形区输电杆塔线条风荷载计算方法
US20140333616A1 (en) * 2013-05-13 2014-11-13 Electronics And Telecommunications Research Institute Method for representing terrain, method for creating terrain primitives, and apparatus using the methods
CN109190593A (zh) * 2018-09-21 2019-01-11 重庆大学 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法
CN111738104A (zh) * 2020-06-04 2020-10-02 中国电力工程顾问集团西南电力设计院有限公司 一种基于地理信息系统提取地形类别的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KHEIRALLA K. M: "Multisource Geophysical Data and DEM for Lineaments Analysis of the Muglad Rift Basin Sudan", 《IEEE》 *
陈永良: "一种新的山脊线和山谷线自动提取方法", 《中国图象图形学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113240172A (zh) * 2021-05-11 2021-08-10 国网湖南省电力有限公司 微地形覆冰数值预测方法及系统
CN113240172B (zh) * 2021-05-11 2023-12-19 国网湖南省电力有限公司 微地形覆冰数值预测方法及系统
CN113822491A (zh) * 2021-09-27 2021-12-21 国网湖南省电力有限公司 一种输电线路舞动微地形的识别方法及系统
CN113822491B (zh) * 2021-09-27 2024-03-29 国网湖南省电力有限公司 一种输电线路舞动微地形的识别方法及系统

Also Published As

Publication number Publication date
CN112182823B (zh) 2022-05-27

Similar Documents

Publication Publication Date Title
CN112182823B (zh) 基于矢量计算的覆冰微地形的自动判识方法及系统
CN105205466B (zh) 一种基于夜间灯光影像的能源碳排放量遥感估算方法
CN109918364B (zh) 一种基于二维概率密度估计和四分位法的数据清洗方法
CN110221359B (zh) 一种自动识别切变线的方法
CN112698303A (zh) 基于无人机激光雷达点云杆塔倾斜参数测量方法及系统
CN111091079B (zh) 基于tls的高寒脆弱区植被优势单株结构参数测定方法
CN105717556A (zh) 一种基于大数据的自分型雷达估测降水方法
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
CN110188398A (zh) 基于均值邻域的黄土地貌沟沿线提取方法
CN110992375B (zh) 逐层LiDAR点云的弦角判别聚类单木分割方法
CN113792430A (zh) 复杂地形风电场风切变指数计算方法及系统
CN114862715A (zh) 一种融合地形特征语义信息的tin渐进加密去噪方法
CN111738104A (zh) 一种基于地理信息系统提取地形类别的方法
CN116958610A (zh) 一种基于北斗的输电线路电杆塔点云聚类方法
CN112330733A (zh) 一种基于激光扫描点云的装配式预制构件质量控制方法
CN116977666A (zh) 一种城市道路点云数据的绿度空间的评价方法及可读存储介质
CN108198090B (zh) 一种电网输配电设施台风监测布点方法
CN113450461B (zh) 一种排泥库土工布点云提取方法
CN112241440A (zh) 一种基于LiDAR点云数据的三维绿量估算及管理方法
CN113554266B (zh) 一种台风条件下强风导致电网受损风险预警方法和系统
CN113592142A (zh) 水库流域的迎风坡微地形的暴雨预报方法及系统
CN110751398B (zh) 一种区域生态质量评价方法及装置
CN113158426A (zh) 山地各位置风速剖面定量描述方法、风速确定方法及系统
CN113065184A (zh) 一种拱坝施工区风场预测方法及装置
CN112613464A (zh) 一种基于无人机影像匹配点云的高原梯田提取方法

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
GR01 Patent grant
GR01 Patent grant