CN114355364A - 无人机电力巡检激光点云实时安全距离诊断方法 - Google Patents
无人机电力巡检激光点云实时安全距离诊断方法 Download PDFInfo
- Publication number
- CN114355364A CN114355364A CN202111570574.9A CN202111570574A CN114355364A CN 114355364 A CN114355364 A CN 114355364A CN 202111570574 A CN202111570574 A CN 202111570574A CN 114355364 A CN114355364 A CN 114355364A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- ground
- voxel
- point
- voxels
- 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.)
- Pending
Links
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提出了一种无人机电力巡检激光雷达(LiDAR)点云数据的实时自动安全距离诊断方法,以无人机巡检系统采集的激光雷达(LiDAR)点云数据为研究对象,针对其数据特点,制定三步法实时安全诊断模型应用策略,具体化线路走廊的激光雷达(LiDAR)点云数据的三步法诊断模型中定义的多尺度快速地面滤波、形状分析地物快速分类、安全距离快速计算的测算方法,完成激光雷达(LiDAR)点云数据的安全距离测算快速计算。该方法可以较好解决传统安全距离测算方法步骤复杂、难以实时解算安全距离的问题。
Description
技术领域
本发明属于无人机电力巡检中激光雷达(LiDAR)点云安全距离测算的应用,提出一种全新的无人机电力巡检激光雷达(LiDAR)点云实时安全距离诊断方法。
背景技术
输电线路走廊中地物安全距离检测是电力线路巡线工作中的重要环节。由于作业条件限制等各种客观原因,该类安全隐患存在查出困难或者查出时效性低的情况,树障放电、线路受外力破坏均可导致线路跳闸停电,更有甚者会引发山火等严重安全生产事故[1],直接危害到电力系统的安全稳定运行以及线路走廊辐射范围内居民的人身和财产安全。激光雷达(LiDAR)是一种重要的遥感手段[2,3],可以获取被探测物体的空间几何结构信息。机载激光雷达(LiDAR)技术弥补了传统巡检手段低空间定位精度与低几何结构测量效率的局限性,可有效解决传统巡线技术难以解决的输电线路走廊地物到导线之间距离精确量测的问题[4,5]。采用无人机作为激光雷达(LiDAR)系统搭载平台,可有效提高线路巡检的灵活与机动性并节约了人工/有人机巡检所需大量人力、物力以及时间成本,对于山区等巡检困难区域的架空线路来说意义尤为重大。
依据DL/T 741-2010《架空输电线路运行规程》相关定义,输电线路走廊安全距离诊断,即测量林木植被、建筑物、交叉跨越等各种位于线路走廊内的地物到电力线的距离,判断距离是否在安全范围内。输电线路巡检必须保证输电导线和线路走廊中的各种地物间的距离符合安全距离规程要求。
传统的安全距离测算方法[6]涉及地面滤波、DEM构建、地物分类、导线拟合等复杂计算,难以实时解算安全距离。
相关参考文献如下:
[1]刘怀东,陈伟,高晓辉,雷相东.从大停电观点分析一类输电线路树闪故障[J].电网技术,2007(S1):67-69.
[2]Yang B,Chen C.Automatic registration of UAV-borne sequent imagesand LiDAR data[J].Isprs Journal of Photogrammetry & Remote Sensing,2015,101:262-274.
[3]Chen,Chi,Yang,et al.Dynamic occlusion detection and inpainting ofin situ captured terrestrial laser scanning point clouds sequence[J].ISPRSjournal of photogrammetry and remote sensing,2016,119(Sep.):90-107.
[4]彭向阳,陈驰,徐晓刚,等.基于无人机激光扫描的输电通道安全距离诊断技术[J].电网技术,2014,38(11):6.
[5]Franken P.Transmission Line monitoring through airborne modeling[OL].2003,http://www.fli-map.nl/downloads/downsload-articles/Transmission_Line_monitoring.
[6]陈驰,彭向阳,宋爽,王柯,钱金菊,杨必胜.无人机电力巡检LiDAR点云安全距离诊断方法[J].电网技术,2017,41(08):2723-2730.DOI:10.13335/j.1000-3673.pst.2016.3194.
发明内容
针对传统电力巡检激光雷达(LiDAR)点云安全距离测算方法的欠缺和不足,本专利提出一种结合形状分析的无人机激光雷达(LiDAR)数据实时安全距离测算方法,可实时自动识别线路下方的包括建筑物、植被在内的多种自然、人工构筑物目标是否超过安全区域与高度。
为了解决上述技术问题,本发明采用如下的技术方案为无人机电力巡检激光点云实时安全距离诊断方法,首先采用多尺度高程分布窗口快速地面滤波的方法滤除地面点,获得地面点云以构建DEM,并利用DEM进一步划分地面点云以对非地面点云进行提取。其次,对已标注为非地面点的点云体素,计算单个体素内点云的协方差矩阵特征值及点密度,并构建点云维度特征;对未划分建筑物或林木类别的非地面体素,依据该体素及该体素的邻近邻域非空体素计算局部形状特征值和点密度特征值,并依据该特征值将其划分为建筑物或林木。最后依据DL/T 741-2010《架空输电线路运行规程》设置安全距离阈值,以标记为林木、建筑物的点云构建八叉树并作为被查询对象,对标记为导线的点云进行八叉树抽稀并作为查询中心点以不同类别的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。具体包括如下步骤:
步骤1,对已经分类出输电导线的点云数据建立八叉树索引结构,并通过体素窗口计算待滤波体素的坡度特征值,将坡度特征值小于坡度阈值的体素内点云标记为地面类别,其他标记为非地面点云,即通过坡度阈值进行高程分布快速地面滤波;
步骤2,在地面滤波点云的基础上,计算非地面点云的体素局部形状及点密度特征值,将满足约束条件的体素内点云标记为建筑物类别,其他类别标记为林木,实现多尺度体素形状分析地物快速分类;
步骤3,设置安全距离阈值,以标记为林木、建筑物的点云构建八叉树并作为被查询对象,对标记为输电导线的点云进行八叉树抽稀并作为查询中心点,以不同类别的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。
进一步的,步骤1的具体实现包括如下子步骤;
步骤1.1,将点云数据建立八叉树索引,划分为体素存储,体素尺度记为Rg;并在同一平面位置上记录最低位置的体素,并保存该体素内的点云以获取地表面点云并过滤输电走廊中的输电杆塔、输电导线地物;
步骤1.2,对已构建八叉树索引的点云数据逐高程方向自下往上查找到首个非空体素作为地面滤波窗口的首个体素Vg,计算其体素中心点Zg,并计算其垂直于已知的电力走廊方向左右相邻的两个体素的体素中心点Zg-2,Zg-1,Zg+1,Zg+2;
步骤1.3,计算Vg的坡度特征值,如公式(1);
设置经验坡度阈值,取Lslope<坡度阈值的体素内点云标记为地面类别,其他标记为非地面点云。
进一步的,步骤1中还包括以下子步骤;
步骤1.4,以不同的体素尺度Rg进行地面滤波操作,将多尺度地面滤波下的滤波结果进行点云相加融合,将融合结果记录为非地面点云,其余点云标记为地面点云;
步骤1.5,以地面点云数据为驱动建立地面DEM点云模型,在非地面点云中将高程值与在DEM点云模型中插值得到的高程值做差,如果差值小于阈值,则认为该非地面点云是误分点云,进一步划分为地面。
进一步的,步骤2中非地面点云的体素局部形状特征值的计算包含以下子步骤;
步骤2.1,计算已构建八叉树的点云中标记为非地面类别体素内点云的协方差矩阵特征值,λ1,λ2,λ3,其中λ1≥λ2≥λ3,并构建点云维度特征,如公式(2):
步骤2.2,计算已构建八叉树的点云中标记为非地面类别体素内点云的点密度特征值ρ,记体素内点云数量为P,体素边长为r;
步骤2.3,计算已构建八叉树的点云中标记为非地面点云体素维度特征V(U,V,C)(a1D,a2D,a3D),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部形状特征值Lshape,如公式(4);
步骤2.4,计算已构建八叉树的点云中标记为非地面点云体素稀疏特征V(U,V,C)(ρ),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部稀疏特征值Ldensity,如公式(5):
进一步的,无人机激光雷达(LiDAR)系统采集到的巡检点云中,建筑物被扫描部件主要为屋顶,具有平直空间分布特征,其特征值即a2D较大趋近于1,a1D,a3D较小趋近于0;设置约束条件:(1)Lshape<LB,经验阈值LB=3;(2)经验阈值LaD=0.2;(3)Ldensity<LD,经验阈值LD=2.5;同时满足以上条件的体素内点云标记为建筑物类别,其他类别标记为林木。
进一步的,步骤3的具体实现包括如下子步骤;
步骤3.1,将类别为输电导线的点云进行八叉树抽稀,降低激光雷达(LiDAR)点云密度;
步骤3.2,将类别为林木、建筑是我非地面地物点云构建八叉树,以实现点云快速搜索,提高搜索速度;
步骤3.3,以非地面点云八叉树作为被查询对象,将抽稀导线点云作为查询中心点,以DL/T 741-2010《架空输电线路运行规程》定义的不同类别所对应的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。
进一步的,坡度阈值为0.3。
进一步的,步骤1.4中不同的体素尺度Rg包括Rg=0.5m、1.0m、1.5m。
进一步的,步骤1.5中差值的阈值设置为2.8米。
与现有技术相比,本发明具有以下优点和有益效果:
本发明以无人机电力巡检激光雷达(LiDAR)点云为研究对象,针对其数据特点,制定三步法实时安全距离测算模型应用策略,具体化激光雷达(LiDAR)点云三步法安全距离测算模型中定义的多尺度快速地面滤波、形状分析地物快速分类、安全距离快速计算的测算方法,完成电力巡检的安全距离检测。
本发明可以较好解决传统安全距离测算方法计算步骤复杂、难以实时解算安全距离等问题,能快速测算安全距离,可用于时效性要求较高的场景(如灾害应急巡检等)。
附图说明
图1为本发明实施例中无人机电力巡检激光雷达(LiDAR)点云实时安全距离诊断方法流程图。
图2为本发明实施例中获取地表面点云结果的示意图。
图3为本发明实施例中多尺度融合结合坡度及DEM地面滤波的结果示意图。
图4为本发明实施例中结合形状分析的点云分类检测结果的示意图。
图5为本发明实施例中安全距离检测结果的示意图。
具体实施方式
以下结合附图和实施例对本发明技术方案进行说明。
选择无人机电力巡检系统得到的点云数据对本发明提出的方法进行具体说明。参见图1,本发明实施例包含以下步骤:
步骤1,对已经分类出输电导线的点云数据建立八叉树索引结构,并通过体素窗口计算待滤波体素的坡度值,进而通过坡度阈值进行高程分布快速地面滤波。以不同尺度的体素大小进行该步骤,并将多尺度滤波结果进行融合,将地面点云与非地面点云分类,实现多尺度快速地面滤波。
上述步骤1进一步包含以下步骤:
步骤1.1,将点云数据建立八叉树索引,划分为体素存储,体素尺度记为Rg;并在同一平面位置上记录最低位置的体素,并保存该体素内的点云以获取地表面点云并过滤输电走廊中的输电杆塔、输电导线等地物(图2);
步骤1.2,对已构建八叉树索引的点云数据逐高程方向自下往上查找到首个非空体素作为地面滤波窗口的首个体素Vg,计算其体素中心点Zg,并计算其垂直于已知的电力走廊方向左右相邻的两个体素的体素中心点Zg-2,Zg-1,Zg+1,Zg+2;
步骤1.3,计算Vg的坡度特征值,如公式(1)。
无人机激光雷达(LiDAR)系统采集到的巡检点云中,非地面点云被扫描部件主要为屋顶、树冠,具有体素中心点高程分布显著高于相邻地面体素中心高程的特征。设置经验阈值0.3,取Lslope<0.3的体素内点云标记为地面类别,其他标记为非地面点云。
步骤1.4,以不同的体素尺度Rg进行地面滤波操作(如:Rg=0.5m、1.0m、1.5m),将多尺度地面滤波下的滤波结果进行点云相加融合,将融合结果记录为非地面点云,其余点云标记为地面点云。
步骤1.5,以地面点云数据为驱动,使用格网插值方法建立地面DEM点云模型,在非地面点云中将高程值与在DEM点云模型中插值得到的高程值做差。如果差值过小,则认为该非地面点云是误分点云,进一步划分为地面。根据国家房屋住宅层高相关规定,将该差值的阈值设置为2.8米(图3)。
步骤2,在地面滤波点云的基础上,计算非地面点云的体素局部形状及点密度特征值,实现多尺度体素形状分析地物快速分类。
上述步骤2进一步包含以下步骤:
步骤2.1,计算已构建八叉树的点云中标记为非地面类别体素内点云的协方差矩阵特征值,λ1,λ2,λ3(λ1≥λ2≥λ3),并构建点云维度特征,如公式(2)。
步骤2.2,计算已构建八叉树的点云中标记为非地面类别体素内点云的点密度特征值ρ,记体素内点云数量为P,体素边长为r,有公式(3)。
步骤2.3,计算已构建八叉树的点云中标记为非地面点云体素维度特征V(U,V,C)(a1D,a2D,a3D),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部形状特征值Lshape,如公式(4)。
步骤2.4,计算已构建八叉树的点云中标记为非地面点云体素稀疏特征V(U,V,C)(ρ),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部稀疏特征值Ldensity,如公式(5)。
无人机激光雷达(LiDAR)系统采集到的巡检点云中,建筑物被扫描部件主要为屋顶,具有平直空间分布特征,其特征值即a2D较大趋近于1,a1D,a3D较小趋近于0。设置约束条件:(1)Lshape<LB,经验阈值LB=3;(2)经验阈值LaD=0.2;(3)Ldensity<LD,经验阈值LD=2.5;同时满足以上条件的体素内点云标记为建筑物类别,其他类别标记为林木(图4)。
步骤3,依据DL/T 741-2010《架空输电线路运行规程》设置安全距离阈值,以标记为林木、建筑物的点云构建八叉树并作为被查询对象,对标记为输电导线的点云进行八叉树抽稀并作为查询中心点以不同类别的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。
上述步骤3进一步包含以下步骤:
步骤3.1,将类别为输电导线的点云进行八叉树抽稀,降低激光雷达(LiDAR)点云密度。
步骤3.2,将类别为林木、建筑等非地面地物点云构建八叉树,以实现点云快速搜索,提高搜索速度。
步骤3.3,以非地面点云八叉树作为被查询对象,将抽稀导线点云作为查询中心点,以DL/T 741-2010《架空输电线路运行规程》定义的不同类别所对应的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警(图5)。
下面将结合具体实例应用进一步说明本发明的技术方案及有益效果。
利用无人机电力巡检系统采集到的某段电力巡检数据,经过本发明方法处理之后,约23km的输电走廊线路内实时检测到安全距离超限16处,与实际情况相符合。说明本发明可在实时的时间效率内提供较高精度的安全距离检测结果。
具体实施时,本发明提供的流程可采用软件技术实现自动运行。
以上内容是结合具体的实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (9)
1.无人机电力巡检激光点云实时安全距离诊断方法,其特征在于,包含以下步骤:
步骤1,对已经分类出输电导线的点云数据建立八叉树索引结构,并通过体素窗口计算待滤波体素的坡度特征值,将坡度特征值小于坡度阈值的体素内点云标记为地面类别,其他标记为非地面点云,即通过坡度阈值进行高程分布快速地面滤波;
步骤2,在地面滤波点云的基础上,计算非地面点云的体素局部形状及点密度特征值,将满足约束条件的体素内点云标记为建筑物类别,其他类别标记为林木,实现多尺度体素形状分析地物快速分类;
步骤3,设置安全距离阈值,以标记为林木、建筑物的点云构建八叉树并作为被查询对象,对标记为输电导线的点云进行八叉树抽稀并作为查询中心点,以不同类别的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。
2.如权利要求1所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤1的具体实现包括如下子步骤;
步骤1.1,将点云数据建立八叉树索引,划分为体素存储,体素尺度记为Rg;并在同一平面位置上记录最低位置的体素,并保存该体素内的点云以获取地表面点云并过滤输电走廊中的输电杆塔、输电导线地物;
步骤1.2,对已构建八叉树索引的点云数据逐高程方向自下往上查找到首个非空体素作为地面滤波窗口的首个体素Vg,计算其体素中心点Zg,并计算其垂直于已知的电力走廊方向左右相邻的两个体素的体素中心点Zg-2,Zg-1,Zg+1,Zg+2;
步骤1.3,计算Vg的坡度特征值,如公式(1);
设置经验坡度阈值,取Lslope<坡度阈值的体素内点云标记为地面类别,其他标记为非地面点云。
3.如权利要求2所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤1中还包括以下子步骤;
步骤1.4,以不同的体素尺度Rg进行地面滤波操作,将多尺度地面滤波下的滤波结果进行点云相加融合,将融合结果记录为非地面点云,其余点云标记为地面点云;
步骤1.5,以地面点云数据为驱动建立地面DEM点云模型,在非地面点云中将高程值与在DEM点云模型中插值得到的高程值做差,如果差值小于阈值,则认为该非地面点云是误分点云,进一步划分为地面。
4.如权利要求1所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤2中非地面点云的体素局部形状特征值的计算包含以下子步骤;
步骤2.1,计算已构建八叉树的点云中标记为非地面类别体素内点云的协方差矩阵特征值,λ1,λ2,λ3,其中λ1≥λ2≥λ3,并构建点云维度特征,如公式(2):
步骤2.2,计算已构建八叉树的点云中标记为非地面类别体素内点云的点密度特征值ρ,记体素内点云数量为P,体素边长为r;
步骤2.3,计算已构建八叉树的点云中标记为非地面点云体素维度特征V(U,V,C)(a1D,a2D,a3D),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部形状特征值Lshape,如公式(4);
步骤2.4,计算已构建八叉树的点云中标记为非地面点云体素稀疏特征V(U,V,C)(ρ),取V(U,V,C)其三维空间中的八邻近邻域非空体素计算局部稀疏特征值Ldensity,如公式(5):
公式(5)中,n表示体素V(U,V,C)其三维空间中的八邻近邻域非空体素中共有n个非空点云体素;Vi ρ代表第i个邻域体素中的点密度特征值ρ。
6.如权利要求1所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤3的具体实现包括如下子步骤;
步骤3.1,将类别为输电导线的点云进行八叉树抽稀,降低激光雷达(LiDAR)点云密度;
步骤3.2,将类别为林木、建筑是我非地面地物点云构建八叉树,以实现点云快速搜索,提高搜索速度;
步骤3.3,以非地面点云八叉树作为被查询对象,将抽稀导线点云作为查询中心点,以DL/T 741-2010《架空输电线路运行规程》定义的不同类别所对应的安全距离阈值作为查询条件,计算获得安全距离超限点并进行标记预警。
7.如权利要求1所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:坡度阈值为0.3。
8.如权利要求3所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤1.4中不同的体素尺度Rg包括Rg=0.5m、1.0m、1.5m。
9.如权利要求3所述的无人机电力巡检激光点云实时安全距离诊断方法,其特征在于:步骤1.5中差值的阈值设置为2.8米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570574.9A CN114355364A (zh) | 2021-12-21 | 2021-12-21 | 无人机电力巡检激光点云实时安全距离诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111570574.9A CN114355364A (zh) | 2021-12-21 | 2021-12-21 | 无人机电力巡检激光点云实时安全距离诊断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114355364A true CN114355364A (zh) | 2022-04-15 |
Family
ID=81101841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111570574.9A Pending CN114355364A (zh) | 2021-12-21 | 2021-12-21 | 无人机电力巡检激光点云实时安全距离诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114355364A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116627164A (zh) * | 2023-04-13 | 2023-08-22 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
-
2021
- 2021-12-21 CN CN202111570574.9A patent/CN114355364A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116627164A (zh) * | 2023-04-13 | 2023-08-22 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
CN116627164B (zh) * | 2023-04-13 | 2024-04-26 | 北京数字绿土科技股份有限公司 | 一种基于地形高度的无人机仿地飞行控制方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113034689B (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 | |
Meng et al. | Morphology-based building detection from airborne LIDAR data | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN110503080B (zh) | 基于无人机倾斜摄影辅助排污口的调查方法 | |
CN110221311B (zh) | 基于tls和uav自动化提取高郁闭林分树高的方法 | |
CN111830528A (zh) | 基于激光点云的杆塔特征点自动识别及倾斜参数自动测量方法 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
CN107808133B (zh) | 基于无人机巡线的油气管道安全监测方法、系统及软件存储器 | |
Liang et al. | A new power-line extraction method based on airborne LiDAR point cloud data | |
CN113469947B (zh) | 一种适合多种地形的测量隐患与输电导线净空距离的方法 | |
CN112686938A (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
CN109059791B (zh) | 电力设备变形监测方法及装置 | |
CN115240093B (zh) | 基于可见光和激光雷达点云融合的输电通道自动巡检方法 | |
CN108846374B (zh) | 电力设备巡检方法及装置 | |
CN113554595A (zh) | 无人机激光雷达点云杆塔塔头形变检测装置及方法 | |
CN115620239B (zh) | 一种点云和视频结合的输电线路在线监测方法和系统 | |
CN113688758A (zh) | 基于边缘计算的输气管道高后果区智能识别系统 | |
CN114355364A (zh) | 无人机电力巡检激光点云实时安全距离诊断方法 | |
CN115909092A (zh) | 轻量化输电通道隐患测距方法及隐患预警装置 | |
CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
CN115854895A (zh) | 一种基于目标立木形态的非接触式立木胸径测量方法 | |
CN113869196B (zh) | 一种基于激光点云数据多特征分析的车型分类方法及装置 | |
CN114136208A (zh) | 一种无损估算立木材积的低成本树木结构自动重建方法 | |
CN115755088A (zh) | 一种基于激光点云的输电线路工程建造参数自动化量测方法 |
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 |