CN113408544B - 基于改进k-邻域算法的配网电力线点云提取方法及系统 - Google Patents
基于改进k-邻域算法的配网电力线点云提取方法及系统 Download PDFInfo
- Publication number
- CN113408544B CN113408544B CN202110598501.4A CN202110598501A CN113408544B CN 113408544 B CN113408544 B CN 113408544B CN 202110598501 A CN202110598501 A CN 202110598501A CN 113408544 B CN113408544 B CN 113408544B
- Authority
- CN
- China
- Prior art keywords
- point
- power line
- preset
- point set
- preset condition
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Water Supply & Treatment (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明提供一种基于改进K‑邻域算法的配网电力线点云提取方法及系统,该方法包括:S1、获取目标电力线点云数据,在目标电力线可辨识部位选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路;S2、由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中;S3、重复执行步骤S2,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集。本发明实现了半自动化提取低矮配网线路的电力线,解决了低矮配网线路无法自动化提取的问题,相对于人工提取低矮配网线路电力线的方式提高了提取效率,有助于提高配网线路分类效率。
Description
技术领域
本发明涉及电力线点云提取技术邻域,尤其涉及一种基于改进K-邻域算法的配网电力线点云提取方法及系统。
背景技术
近年来,随着机载激光雷达技术的发展和成本的降低,激光雷达在电力巡线方面的应用越来越广泛,可以精确、快速地测量分析树障、交跨等风险,极大地提升了电力巡检的效率。但同时业内数据处理人员也面临着激光点云数据量越来越庞大、数据分类的工作量越来越繁重的问题,为了改善这种情况,国内在电力线点云数据的自动提取方面的研究颇多,但主要都集中在输电线路等导线特征明显、周围物体干扰小的情况,即现有的电力线点云数据自动提取方法主要适用于特征明显、干扰小的高电压等级输电线路,对于比较低矮、复杂的配网线路或某些低电压输电线路的分类效果较差,因此目前对于低矮、周围物体干扰大的电力线一般使用纯人工的方式进行分类,这种方式的效率较低,且需要投入较多人力成本。
发明内容
鉴于此,本发明的目的在于提供一种基于改进K-邻域算法的配网电力线点云提取方法,以克服或至少部分解决现有技术所存在的上述问题。
本发明第一方面提供一种基于改进K-邻域算法的配网电力线点云提取方法,包括以下步骤:
S1、获取目标电力线点云数据,在目标电力线可辨识部位选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路;
S2、由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中;
S3、重复执行步骤S2,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集。
进一步的,所述步骤S2中,由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,具体包括以下步骤:
S201、设目标电力线的点集为L,被排除的点集为M,将起算点P0加入点集L;
S202、基于起算点P0进行K邻域搜索,搜寻邻域中距离点集L中任一点PL最近的点Pi,Pi不属于点集L和点集M,记录点号i,计算Pi和PL的距离dmin,dmin的表达式如下:
其中,dx=xi-xL,dy=yi-yL,dz=zi-zL;
S203、基于dmin判断点Pi是否满足预设条件。
进一步的,所述预设条件包括第一预设条件,所述第一预设条件为:判断dmin是否小于预设阈值K,预设阈值K为点云中相邻点最大间距,若dmin小于K则将Pi加入相应的电力线点集,否则将Pi加入点集M。
进一步的,所述预设条件还包括第二预设条件,所述第二预设条件为:判断dz是否小于预设阈值dz_max,dz_max的值为单根电力线相邻点的最大高差设置,若dz小于dz_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M。
进一步的,所述判断条件还包括第三预设条件,所述第三预设条件为:判断点集L中的点数量是否大于2,若大于2则将Pi临时加入点集L,计算点集L的水平方向投影的最小外接矩形,记为Rec,求Rec的短边长为S,判断S是否小于S_max,若是则将Pi加入相应的电力线点集,否则将Pi加入点集M。
进一步的,所述判断条件还包括第四预设条件,所述第四预设条件为:查找所有与Pi点距离小于K的点,计属于点集L的点个数为a,计不属于点集L的点个数为b,若b-a的值小于n_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M。
本发明第二方面提供一种基于改进K-邻域算法的配网电力线点云提取系统。
与现有技术相比,本发明的有益效果是:
本发明所提供的一种基于改进K-邻域算法的配网电力线点云提取方法及系统,通过在目标电力线可辨识部位选择一个点作为起算点,并基于改进的K邻域算法由起算点触发从不同方向搜索满足预设条件的点加入电力线点集中,实现了以半自动化的方式提取低矮配网线路的电力线,解决了低矮配网线路无法自动化提取的问题,相对于人工提取低矮配网线路电力线的方式则大大提高了提取效率,有助于提高配网线路的分类效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本邻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是本发明一实施例提供的一种基于改进K-邻域算法的配网电力线点云提取方法整体流程示意图。
图2是本发明另一实施例提供的一种基于改进K-邻域算法的配网电力线点云提取系统整体结构示意图。
图中,1起算点选择模块,2搜索模块,3输出模块。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1,本发明实施例提供一种基于改进K-邻域算法的配网电力线点云提取方法,所述方法包括以下步骤:
S1、获取目标电力线点云数据,基于目标电力线点云数据在目标电力线可辨识部位中选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路。
其中,目标电力线主要为无法通过常规的自动化提取方式提取点云的低矮配网线路或低电压输电线路。目标电力线点云数据的获取,可以是通过派出搭载有激光雷达的无人机设备按照预设路线飞行并沿线采集配网线路的点云数据,也可以是直接使用现有的电力线点云数据。目标电力线部位可辨识的标准是数据处理人员肉眼可辨识的部位,数据处理人员可以从目标电力线肉眼可辨识的部位中选择一点作为起算点。
S2、由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中。
S3、重复执行步骤S2,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集。
本实施例所提供的一种基于改进K-邻域算法的配网电力线点云提取方法,在处理常规电力线点云提取方法无法处理的低矮配网线路和低电压输电线路时,数据处理人员仅需从目标电力线的可辨识部位中指定一起算点,即可实现电力线点云的自动提取,相对于人工提取的方式大大节省了人力并提高了效率,解决了低矮配网线路由于环境复杂、干扰严重导致无法自动化提取点云数据的问题。
具体的,所述步骤S2中,由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,具体包括以下步骤:
S201、设目标电力线的点集为L,被排除的点集为M,将起算点P0加入点集L,基于起算点P0进行K邻域搜索。
S202、搜寻邻域中距离点集L中任一点PL(xL,yL,zL)最近的点Pi(xi,yi,zi),Pi不属于点集L和点集M,记录点号i,计算Pi和PL的距离dmin,dmin的表达式如下:
其中,dx=xi-xL,dy=yi-yL,dz=zi-zL。
S203、基于dmin判断点Pi是否满足预设条件。
作为本实施例的一种可选实施方式,所述预设条件包括第一预设条件,所述第一预设条件具体为:判断dmin是否小于预设阈值K,预设阈值K为点云中相邻点最大间距,若dmin小于K说明Pi与PL的距离小于点云中相邻点的最大间距,则将Pi加入相应的电力线点集L,否则将Pi加入点集M。
作为本实施例的一种可选实施方式,所述预设条件还包括第二预设条件,所述第二预设条件具体为:判断dz是否小于预设阈值dz_max,dz_max的值为单根电力线相邻点的最大高差设置,若dz小于dz_max,说明Pi与PL的高度差不超过单根电力线相邻点的预设最大高差,则将Pi加入相应的电力线点集L,否则将Pi加入点集M,即当Pi满足第一预设条件和第二预设条件时,将Pi加入目标电力线点集L。
作为本实施例的一种可选实施方式,所述预设条件还包括第三预设条件,所述第三预设条件具体为:判断点集L中的点数量是否大于2,若大于2则将Pi临时加入点集L,计算点集L的水平方向投影的最小外接矩形,记为Rec,求Rec的短边长为S,判断S是否小于S_max,若是则将Pi加入相应的电力线点集L,否则将Pi加入点集M,即当Pi满足第一预设条件、第二预设条件和第三预设条件时,将Pi加入目标电力线点集L。
作为本实施例的一种可选实施方式,所述预设条件还包括第四预设条件,所述第四预设条件具体为:查找所有与Pi点距离小于K的点,计属于点集L的点个数为a,计不属于点集L的点个数为b,若b-a的值小于n_max,则将Pi加入相应的电力线点集L,否则将Pi加入点集M,n_max为数据处理人员预先设置的阈值,即当Pi满足第一预设条件、第二预设条件、第三预设条件和第四预设条件时,将Pi加入目标电力线点集L。
基于与前述实施例同样的发明构思,本发明另一实施例提供一种基于改进K-邻域算法的配网电力线点云提取系统,参照图2,所述系统具体包括:
起算点选择模块1,用于获取目标电力线点云数据,在目标电力线可辨识部位选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路;
搜索模块2,用于由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中;
输出模块3,用于重复调用搜索模块,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集。
可选的,所述搜索模块具体包括:
点集子模块,用于创建目标电力线的点集为L,被排除的点集为M,将起算点P0加入点集L;
邻域搜索子模块,用于基于起算点P0进行K邻域搜索,搜寻邻域中距离点集L中任一点PL最近的点Pi,Pi不属于点集L和点集M,记录点号i,计算Pi和PL的距离dmin,dmin的表达式如下:
其中,dx=xi-xL,dy=yi-yL,dz=zi-zL;
判断子模块,用于根据dmin判断点Pi是否满足预设条件。
可选的,所述判断子模块具体用于判断点Pi是否满足第一预设条件,所述判断点Pi是否满足第一预设条件具体为:判断dmin是否小于预设阈值K,预设阈值K为点云中相邻点最大间距,若dmin小于K则将Pi加入相应的电力线点集,否则将Pi加入点集M。
可选的,所述判断子模块具体还用于判断点Pi是否满足第二预设条件,所述判断点Pi是否满足第二预设条件具体为:判断dz是否小于预设阈值dz_max,dz_max的值为单根电力线相邻点的最大高差设置,若dz小于dz_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M。当点Pi同时满足第一预设条件和第二预设条件时,将Pi加入相应的电力线点集,否则将Pi加入点集M。
可选的,所述判断子模块具体还用于判断点Pi是否满足第三预设条件,所述判断点Pi是否满足第三预设条件具体为:判断点集L中的点数量是否大于2,若大于2则将Pi临时加入点集L,计算点集L的水平方向投影的最小外接矩形,记为Rec,求Rec的短边长为S,判断S是否小于S_max,若是则将Pi加入相应的电力线点集,否则将Pi加入点集M。当点Pi同时满足第一预设条件、第二预设条件和第三预设条件时,将Pi加入相应的电力线点集,否则将Pi加入点集M。
可选的,所述判断子模块具体还用于判断点Pi是否满足第四预设条件,所述判断点Pi是否满足第四预设条件具体为:所述判断条件还包括第四预设条件,所述第四预设条件为:查找所有与Pi点距离小于K的点,计属于点集L的点个数为a,计不属于点集L的点个数为b,若b-a的值小于n_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M。当点Pi同时满足第一预设条件、第二预设条件、第三预设条件和第四预设条件时,将Pi加入相应的电力线点集,否则将Pi加入点集M。
上述系统实施例用于执行前述方法实施例所述的方法,其技术原理和技术效果均可参照前述方法实施例,在此不再赘述。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (2)
1.一种基于改进K-邻域算法的配网电力线点云提取方法,其特征在于,所述方法包括以下步骤:
S1、获取目标电力线点云数据,在目标电力线可辨识部位选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路,所述目标电力线可辨识部位指目标电力线点云数据中可肉眼辨识为目标电力线的部位;
S2、由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中;
S3、重复执行步骤S2,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集;
所述步骤S2中,由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,具体包括以下步骤:
S201、设目标电力线的点集为L,被排除的点集为M,将起算点P0加入点集L;
S202、基于起算点P0进行K邻域搜索,搜寻邻域中距离点集L中任一点PL最近的点Pi,Pi不属于点集L和点集M,记录点号i,计算Pi和PL的距离dmin,dmin的表达式如下:
其中,dx=xi-xL,dy=yi-yL,dz=zi-zL;
S203、基于dmin判断点Pi是否满足预设条件;
所述预设条件包括第一预设条件,所述第一预设条件为:判断dmin是否小于预设阈值K,预设阈值K为点云中相邻点最大间距;
所述预设条件还包括第二预设条件,所述第二预设条件为:判断dz是否小于预设阈值dz_max,dz_max的值为单根电力线相邻点的最大高差设置;
所述预设 条件还包括第三预设条件,所述第三预设条件为:判断点集L中的点数量是否大于2,若大于2则将Pi临时加入点集L,计算点集L的水平方向投影的最小外接矩形,记为Rec,求Rec的短边长为S,判断S是否小于S_max;
所述预设 条件还包括第四预设条件,所述第四预设条件为:查找所有与Pi点距离小于K的点,计属于点集L的点个数为a,计不属于点集L的点个数为b,判断b-a的值是否小于n_max,n_max为数据处理人员预先设置的阈值;
若满足dmin小于预设阈值K、dz小于预设阈值dz_max、S小于S_max和b-a的值小于n_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M。
2.一种基于改进K-邻域算法的配网电力线点云提取系统,其特征在于,所述系统包括:
起算点选择模块,用于获取目标电力线点云数据,在目标电力线可辨识部位选择一个点作为起算点,所述目标电力线为高度低于预设阈值的低矮配网线路或低电压输电线路,所述目标电力线可辨识部位指目标电力线点云数据中可肉眼辨识为目标电力线的部位;
搜索模块,用于由起算点出发向不同方向进行K邻域搜索,判断邻域中的点是否满足预设条件,将满足预设条件的点存储到对应的电力线点集中,具体包括以下步骤:
设目标电力线的点集为L,被排除的点集为M,将起算点P0加入点集L;
基于起算点P0进行K邻域搜索,搜寻邻域中距离点集L中任一点PL最近的点Pi,Pi不属于点集L和点集M,记录点号i,计算Pi和PL的距离dmin,dmin的表达式如下:
其中,dx=xi-xL,dy=yi-yL,dz=zi-zL;
基于dmin判断点Pi是否满足预设条件;
所述预设条件包括第一预设条件,所述第一预设条件为:判断dmin是否小于预设阈值K,预设阈值K为点云中相邻点最大间距;
所述预设条件还包括第二预设条件,所述第二预设条件为:判断dz是否小于预设阈值dz_max,dz_max的值为单根电力线相邻点的最大高差设置;
所述预设 条件还包括第三预设条件,所述第三预设条件为:判断点集L中的点数量是否大于2,若大于2则将Pi临时加入点集L,计算点集L的水平方向投影的最小外接矩形,记为Rec,求Rec的短边长为S,判断S是否小于S_max;
所述预设 条件还包括第四预设条件,所述第四预设条件为:查找所有与Pi点距离小于K的点,计属于点集L的点个数为a,计不属于点集L的点个数为b,判断b-a的值是否小于n_max,n_max为数据处理人员预先设置的阈值;
若满足dmin小于预设阈值K、dz小于预设阈值dz_max、S小于S_max和b-a的值小于n_max,则将Pi加入相应的电力线点集,否则将Pi加入点集M;
输出模块,用于重复调用搜索模块,直至邻域范围内的无法找到满足预设条件的点,完成电力线点云提取并输出电力线点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110598501.4A CN113408544B (zh) | 2021-05-31 | 2021-05-31 | 基于改进k-邻域算法的配网电力线点云提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110598501.4A CN113408544B (zh) | 2021-05-31 | 2021-05-31 | 基于改进k-邻域算法的配网电力线点云提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113408544A CN113408544A (zh) | 2021-09-17 |
CN113408544B true CN113408544B (zh) | 2022-09-06 |
Family
ID=77675278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110598501.4A Active CN113408544B (zh) | 2021-05-31 | 2021-05-31 | 基于改进k-邻域算法的配网电力线点云提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113408544B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9677869B2 (en) * | 2012-12-05 | 2017-06-13 | Perimeter Medical Imaging, Inc. | System and method for generating a wide-field OCT image of a portion of a sample |
CN107392875A (zh) * | 2017-08-01 | 2017-11-24 | 长安大学 | 一种基于k近邻域划分的点云数据去噪方法 |
CN108765446B (zh) * | 2018-05-30 | 2021-07-16 | 湖北大学 | 基于随机场和随机森林的电力线点云分割方法及系统 |
US11409998B2 (en) * | 2019-10-02 | 2022-08-09 | Apple Inc. | Trimming search space for nearest neighbor determinations in point cloud compression |
CN112305559A (zh) * | 2020-10-16 | 2021-02-02 | 贵州电网有限责任公司 | 基于地面定点激光雷达扫描的输电线距离测量方法、装置、系统和电子设备 |
-
2021
- 2021-05-31 CN CN202110598501.4A patent/CN113408544B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113408544A (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111784685B (zh) | 一种基于云边协同检测的输电线路缺陷图像识别方法 | |
CN111460995B (zh) | 基于无人机的电力线路巡检方法及巡检系统 | |
CN102879788B (zh) | 一种基于机载LiDAR数据的输电线路的电力线提取方法 | |
CN107179479B (zh) | 基于可见光图像的输电导线散股缺陷检测方法 | |
CN112990235B (zh) | 点云数据的处理方法、装置及电子设备 | |
US20210141969A1 (en) | Scalably generating distribution grid topology | |
CN104661244A (zh) | 一种评估pci模三干扰的方法及装置 | |
CN110992307A (zh) | 基于yolo的绝缘子定位识别方法及装置 | |
CN110334127B (zh) | 一种配电网线路故障规律挖掘方法、系统及存储介质 | |
CN113408544B (zh) | 基于改进k-邻域算法的配网电力线点云提取方法及系统 | |
CN116739558A (zh) | 一种基于激光点云建模的树障隐患预警方法 | |
CN117409083B (zh) | 一种基于红外图像和改进yolov5的电缆终端识别方法及装置 | |
CN111932477B (zh) | 一种基于单线激光雷达点云的噪声去除方法及装置 | |
CN113780311A (zh) | 杆塔藤蔓攀爬检测方法、装置、设备及存储介质 | |
CN113793421A (zh) | 一种变电站设备三维点云数据处理方法、系统及存储介质 | |
CN116205964B (zh) | 一种基于水平距离的点云下采样方法和装置 | |
CN116091709B (zh) | 建筑物的三维重建方法、装置、电子设备和存储介质 | |
KR20050078670A (ko) | 라이다 데이터로부터 셰도-그리드를 이용한 건물 외곽선자동추출방법 | |
CN115908999B (zh) | 配电杆塔顶部金具锈蚀检测方法、介质和边缘终端设备 | |
CN116958841A (zh) | 基于图像识别的配电线路无人机巡检系统 | |
CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
CN116739963A (zh) | 一种基于多层级多尺度特征融合的电网设备缺陷检测方法 | |
CN113657286A (zh) | 一种基于无人机的输电线路监测方法及装置 | |
CN116311222A (zh) | 配电线路激光点云自动分类提取方法 | |
CN111985497B (zh) | 架空输电线路下吊车作业识别方法及系统 |
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 |