CN112884011A - 一种基于激光点云的输电线路树障隐患点聚类方法 - Google Patents

一种基于激光点云的输电线路树障隐患点聚类方法 Download PDF

Info

Publication number
CN112884011A
CN112884011A CN202110097933.7A CN202110097933A CN112884011A CN 112884011 A CN112884011 A CN 112884011A CN 202110097933 A CN202110097933 A CN 202110097933A CN 112884011 A CN112884011 A CN 112884011A
Authority
CN
China
Prior art keywords
tree
point cloud
point
points
hidden danger
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
CN202110097933.7A
Other languages
English (en)
Other versions
CN112884011B (zh
Inventor
刘安涛
毛玉丽
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.)
PowerChina Hebei Electric Power Engineering Co Ltd
Original Assignee
PowerChina Hebei Electric Power Engineering 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 PowerChina Hebei Electric Power Engineering Co Ltd filed Critical PowerChina Hebei Electric Power Engineering Co Ltd
Priority to CN202110097933.7A priority Critical patent/CN112884011B/zh
Publication of CN112884011A publication Critical patent/CN112884011A/zh
Application granted granted Critical
Publication of CN112884011B publication Critical patent/CN112884011B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/176—Urban or other man-made structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02G—INSTALLATION OF ELECTRIC CABLES OR LINES, OR OF COMBINED OPTICAL AND ELECTRIC CABLES OR LINES
    • H02G1/00—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines
    • H02G1/02—Methods or apparatus specially adapted for installing, maintaining, repairing or dismantling electric cables or lines for overhead lines or cables

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于激光点云的输电线路树障隐患点聚类方法，其包括如下步骤：步骤一、点云预处理；步骤二、点云分类；步骤三、树木点云单木代表点提取；步骤四、树障隐患点提取；步骤五、树障隐患点聚类网络处理；步骤六、获取树障隐患代表点信息。本发明简化树障隐患提取方法，运行速度快，效率高，保障了分析可靠性，提高了分析运行速度，方便运维检修工作管理。

Description

一种基于激光点云的输电线路树障隐患点聚类方法
技术领域
本发明涉及输电线路项目验收与运维巡检技术领域，尤其是一种基于激光点云的输电线路树障隐患点聚类方法。
背景技术
在输电线路验收、巡检过程中，树障隐患分析是线路当前工况分析的重要内容，目前无人机航测、人工巡检是输电线路验收、巡检的主要巡检测绘手段，南方部分地区已开始利用激光雷达进行运维巡检工作，发挥激光点云高精度、高密度、真三维的技术优势。输电线路运维树障隐患点的数量一般较多，特别是树木生长较快地区，运维人员不能及时快速的判断需要紧急处理的地方，并在有限资源内做好运维计划制定，树障问题不能及时的移除。
发明内容
本发明需要解决的技术问题是提供效率高、分析运行速度快的一种基于激光点云的输电线路树障隐患点聚类方法。
为解决上述技术问题，本发明所采用的技术方案是：
一种基于激光点云的输电线路树障隐患点聚类方法，其包括如下步骤：
步骤一、点云预处理：
按照线路耐张段为单元，进行线路切档，将输电线路点云分为若干单元线路点云，随后对单元线路点云进行去噪处理，去掉异常点；
步骤二、点云分类：
按杆塔、导线、其他地物进行点云分类，并检查相应的点云分类的精度；
步骤三、树木点云单木代表点提取：
搜集测区树木的先验信息，进行树木点云单木提取，并对单木点云预设单木代表点种子点，通过计算机遍历，找到高度最高的点作为各单木的代表点；
步骤四、树障隐患点提取：
在步骤三的基础上，利用导线点云与单木点云代表点进行空间计算，并记录各单木点云代表点的相应信息；
步骤五、树障隐患点聚类网络处理：
取各树木隐患区域范围内最靠近电力线的树障隐患点作为代表点，通过计算机遍历，自动提取各树障隐患代表点，并记录各树障隐患代表点的空间信息与属性信息；
步骤六、获取树障隐患代表点信息：
将树障隐患点数据与区域树障隐患代表点数据导出，供运维单位进行概查与详查工作。
本发明技术方案的进一步改进在于：步骤二中点云分类时，主要针对线路周围150米带宽的范围。
本发明技术方案的进一步改进在于：点云分类可采用自动分类或人工分类。
本发明技术方案的进一步改进在于：树木点云单木代表点提取采用双层密度分割方法。
本发明技术方案的进一步改进在于：树木的先验信息包括：线路耐张段的树木生长情况、基本树冠大小、树木中心高度层点云密度。
本发明技术方案的进一步改进在于：单木点云代表点的相应信息主要包括净空距离、点位坐标和高程，且点位坐标应记录经纬度格式。
本发明技术方案的进一步改进在于：导线点云与单木点云代表点按照式(1)进行空间计算，
Figure BDA0002915093740000021
式中，(x0,y0,z0)、(x1,y1,z1)分别为导线点、单木点云代表点。
本发明技术方案的进一步改进在于：步骤五的具体过程如下：
1)首先对树障隐患点进行区域划分，依20m×20m进行初步单元划分，便于后续隐患点聚类处理；
2)在各20m×20m单元内用计算机搜索最靠近电力线的树障隐患点，并以此作为初定隐患代表点，记录相应单木点云代表点的相关信息；
3)对初定隐患代表点数据，进行100m×100m单元网格处理，通过计算机搜索最靠近电力线的初定隐患代表点，以此作为区域最终隐患代表点；并记录相应单木点云代表点的相关信息。
由于采用了上述技术方案，本发明取得的技术进步是：
本发明简化树障隐患提取方法，程序运行速度快、效率高。
通过测区树木的先验信息，采用双层密度分割方法，进行树木点云单木提取，并通过计算机遍历，找到各单木的代表点，该方法效率高效。
本发明提出了利用单木代表点进行树障工况分析，保障了分析可靠性，提高了分析运行速度。
本发明提出了通过隐患点聚类网格处理，找到各区域与导线最近的树障隐患点树木作为本区域树障隐患点的代表点，方便运维检修工作管理。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合实施例对本发明做进一步详细说明：
如图1所示，本发明包括如下步骤：
步骤一、点云预处理
本发明针对输电线路点云，按照线路耐张段为单元，进行线路切档，并以转角塔号进行各单元的命名，从而缩减点云数据量，便于预处理与后续工作的开展。对单元线路点云进行去噪处理，去掉异常点，为树木、导线点云分类做好准备，为线路树障隐患分析提供可靠、高精的基础数据。
步骤二、点云分类
线路树障隐患分析要进行导线与树木点云的分类，主要针对线路150米带宽范围，分类出导线、铁塔点云，便于进行树障隐患计算分析。点云分类可采用自动分类或人工分类，分类应按杆塔、导线、其他地物等类别进行点云分类。当前工况树障分析应检查导线、杆塔、植被等关键类型的点云分类的精度，点云平面和高程相对精度不宜大于0.1m，以保障线路树障隐患分析结果精度。
步骤三、树木单木代表点提取
本发明利用单木代表点进行树障工况分析，保障了分析可靠性，提高了分析运行速度。通过测区树木的先验信息，包括线路耐张段的树木生长情况、基本树冠大小、树木中心高度层点云密度，采用双层密度分割方法，进行树木点云单木提取，保障单木点云的准确性；并对单木点云预设单木代表点种子点，通过计算机遍历，找到高度最高的点作为各单木的代表点。具体步骤如下：
①搜集测区树木的先验信息，包括输电线路耐张段的树木生长情况、基本树冠大小、树木中心高度点云密度等信息；
②通过树木点云密度与树冠中心高度的点云薄层密度进行双层密度分割处理，首先对线路耐张段单元进行密度聚类分割，满足预设阈值的各树木点云初定为单体树木，并获取各单体树木点云的树冠中心高度；
③对初定为单体树木的点云在各树冠中心高度取2cm薄层点云进行二次密度聚类分割，满足区域预设阈值的各初定树木点云才被标定为单体树木点云，从初定单体树木点集去除非单木点云；
④对于各单体树木点云，通过计算机遍历搜索，找到高度最高的点作为各单木点云的代表点。
步骤四、树障隐患点提取
在步骤三的基础上，利用导线点云与单木点云代表点按式(1)进行空间计算，并记录各单木点云代表点的净空距离、点位坐标、高程等信息，其中点位坐标应记录经纬度格式。按各等级输电线路的隐患等级进行阈值的设定，一般220kV取6米，500kV取10米，750kV取12米；当净空距离小于该阈值，标定该单木点云代表点为树障隐患点；经计算机遍历所有单体树木代表点云，发现所有树障隐患点，并依次记录各单木点云代表点的净空距离、点位坐标、高程等信息。
Figure BDA0002915093740000051
式中，(x0,y0,z0)、(x1,y1,z1)分别为导线点、单木点云代表点。
步骤五、树障隐患点聚类网格处理
树障隐患分析应对树木隐患点进行聚类分析，为方便运维检修后续处理与管理，一般需要对众多隐患点进行处理，简化运维检修的内业整理、外业维护程序，提高运维管理质量、降低运维管理成本。本发明取各树木隐患区域范围内最靠近电力线的树障隐患点作为代表点，通过计算机遍历，自动提取各树障隐患代表点，并记录各树障隐患代表点的空间信息与属性信息。具体步骤如下：
1)首先对树障隐患点进行区域划分，本发明依20m×20m进行初步单元划分，便于后续隐患点聚类处理；
2)在各20m×20m单元内计算机搜索最靠近电力线的树障隐患点，以此作为初定隐患代表点；并记录相应单木点云代表点的净空距离、点位坐标、高程等信息。
3)对初定隐患代表点数据，进行100m×100m单元网格处理，通过计算机搜索最靠近电力线的初定隐患代表点，以此作为区域最终隐患代表点；并记录相应单木点云代表点的净空距离、点位坐标、高程等信息。
步骤六、获取树障隐患代表点信息
把步骤四、步骤五的树障隐患点数据与区域树障隐患代表点数据导出，供运维单位进行概查与详查工作，消除输电线路树障隐患影响。
以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于包括如下步骤：
步骤一、点云预处理：
按照线路耐张段为单元，进行线路切档，将输电线路点云分为若干单元线路点云，随后对单元线路点云进行去噪处理，去掉异常点；
步骤二、点云分类：
按杆塔、导线、其他地物进行点云分类，并检查相应的点云分类的精度；
步骤三、树木单木点云代表点提取：
搜集测区树木的先验信息，进行树木单木点云提取，并对单木点云预设单木代表点种子点，通过计算机遍历，找到高度最高的点作为各单木的代表点；
步骤四、树障隐患点提取：
在步骤三的基础上，利用导线点云与单木点云代表点进行空间计算，并记录各单木点云代表点的相应信息；
步骤五、树障隐患点聚类网络处理：
取各树木隐患区域范围内最靠近电力线的树障隐患点作为代表点，通过计算机遍历，自动提取各树障隐患代表点，并记录各树障隐患代表点的空间信息与属性信息；
步骤六、获取树障隐患代表点信息：
将树障隐患点数据与区域树障隐患代表点数据导出，供运维单位进行概查与详查工作。
2.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：步骤二中点云分类时，主要针对线路周围150米带宽的范围。
3.根据权利要求2所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：点云分类可采用自动分类或人工分类。
4.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：树木单木点云代表点提取采用双层密度分割方法。
5.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：树木的先验信息包括：线路耐张段的树木生长情况、基本树冠大小、树木中心高度层点云密度。
6.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：单木点云代表点的相应信息主要包括净空距离、点位坐标和高程，且点位坐标应记录经纬度格式。
7.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：导线点云与单木点云代表点按照式(1)进行空间计算，
Figure FDA0002915093730000021
式中，(x0,y0,z0)、(x1,y1,z1)分别为导线点、单木点云代表点。
8.根据权利要求1所述的一种基于激光点云的输电线路树障隐患点聚类方法，其特征在于：步骤五的具体过程如下：
1)首先对树障隐患点进行区域划分，依20m×20m进行初步单元划分，便于后续隐患点聚类处理；
2)在各20m×20m单元内用计算机搜索最靠近电力线的树障隐患点，并以此作为初定隐患代表点，记录相应单木点云代表点的相关信息；
3)对初定隐患代表点数据，进行100m×100m单元网格处理，通过计算机搜索最靠近电力线的初定隐患代表点，以此作为区域最终隐患代表点；并记录相应单木点云代表点的相关信息。
CN202110097933.7A 2021-01-25 2021-01-25 一种基于激光点云的输电线路树障隐患点聚类方法 Active CN112884011B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110097933.7A CN112884011B (zh) 2021-01-25 2021-01-25 一种基于激光点云的输电线路树障隐患点聚类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110097933.7A CN112884011B (zh) 2021-01-25 2021-01-25 一种基于激光点云的输电线路树障隐患点聚类方法

Publications (2)

Publication Number Publication Date
CN112884011A true CN112884011A (zh) 2021-06-01
CN112884011B CN112884011B (zh) 2022-12-06

Family

ID=76051139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110097933.7A Active CN112884011B (zh) 2021-01-25 2021-01-25 一种基于激光点云的输电线路树障隐患点聚类方法

Country Status (1)

Country Link
CN (1) CN112884011B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340317A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 架空输电线路树障隐患的自动预警方法及电子设备
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340317A (zh) * 2020-05-19 2020-06-26 北京数字绿土科技有限公司 架空输电线路树障隐患的自动预警方法及电子设备
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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
石帮才: "基于线路点云空间分布特征的导线提取算法研究", 《机电信息》 *
陈隽等: "基于点云数据的输电线路保护区范围内安全隐患检测分析方法的研究", 《电工技术》 *

Also Published As

Publication number Publication date
CN112884011B (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
CN106709946B (zh) 基于LiDAR点云的多分裂导线自动提取与精细建模方法
CN106845399B (zh) 一种使用分层聚类方式从LiDAR点云中提取单木信息的方法
CN112883878B (zh) 一种基于三维格网的变电站场景下的点云自动分类方法
CN104020475B (zh) 一种基于机载LiDAR数据的电力线提取及建模方法
CN112033414A (zh) 一种无人机巡检航线生成方法、装置、设备及介质
CN111210075B (zh) 一种基于组合分类器的雷击输电线路故障概率分析方法
CN108562885B (zh) 一种高压输电线路机载LiDAR点云提取方法
CN116258980A (zh) 一种基于视觉的无人机分布式光伏电站巡检方法
CN115825984A (zh) 一种基于激光点云的输电线路巡检系统及巡检方法
CN115757369A (zh) 一种激光点云数据的自动检查方法及系统
CN116486289A (zh) 一种多源数据和知识驱动下的燃气管道高后果区识别方法
CN112884011B (zh) 一种基于激光点云的输电线路树障隐患点聚类方法
CN116883834B (zh) 一种赤松单木地上生物量遥感估算方法及系统
CN116958610A (zh) 一种基于北斗的输电线路电杆塔点云聚类方法
CN112668885A (zh) 背负式激光雷达设备的单木树障隐患评估处理方法
CN116256771A (zh) 一种基于无人机激光点云树障分析方法
CN116309828A (zh) 一种基于三维激光点云数据的电力杆塔信息提取方法
CN116012429A (zh) 基于激光点云与gim三维模型确定输电走廊隐患点的方法
CN113205543A (zh) 一种基于机器学习的激光雷达点云树干提取方法
CN115578654A (zh) 一种基于点云的输电线杆塔类型识别方法及系统
Shushan et al. A method of power line hanging point location based on LiDAR data
CN113362630A (zh) 一种智慧城市建设道路交通信号设备故障分析处理方法、系统及计算机存储介质
CN117612047B (zh) 基于ai大模型的电网用无人机巡检图像识别方法
CN113076385B (zh) 一种自动获取电网特殊区域分布图等级信息的方法
Jiang et al. Optimization algorithm of transmission line defect detection and identification based on embedded AI

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