CN114384534A - 一种无人机巡线的树障生长预测分析方法 - Google Patents
一种无人机巡线的树障生长预测分析方法 Download PDFInfo
- Publication number
- CN114384534A CN114384534A CN202110573607.9A CN202110573607A CN114384534A CN 114384534 A CN114384534 A CN 114384534A CN 202110573607 A CN202110573607 A CN 202110573607A CN 114384534 A CN114384534 A CN 114384534A
- Authority
- CN
- China
- Prior art keywords
- growth
- tree
- vegetation
- transmission line
- power transmission
- 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
- 230000012010 growth Effects 0.000 title claims abstract description 92
- 230000004888 barrier function Effects 0.000 title claims abstract description 18
- 238000004458 analytical method Methods 0.000 title claims description 24
- 230000005540 biological transmission Effects 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000000701 chemical imaging Methods 0.000 claims abstract description 6
- 230000011218 segmentation Effects 0.000 claims description 19
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 229910052742 iron Inorganic materials 0.000 claims description 5
- 229930002875 chlorophyll Natural products 0.000 claims description 4
- 235000019804 chlorophyll Nutrition 0.000 claims description 4
- ATNHDLDRLWWWCB-AENOIHSZSA-M chlorophyll a Chemical compound C1([C@@H](C(=O)OC)C(=O)C2=C3C)=C2N2C3=CC(C(CC)=C3C)=[N+]4C3=CC3=C(C=C)C(C)=C5N3[Mg-2]42[N+]2=C1[C@@H](CCC(=O)OC\C=C(/C)CCC[C@H](C)CCC[C@H](C)CCCC(C)C)[C@H](C)C2=C5 ATNHDLDRLWWWCB-AENOIHSZSA-M 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 238000013499 data model Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 241000894007 species Species 0.000 description 15
- 230000007547 defect Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002329 infrared spectrum Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008512 biological response Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008635 plant growth Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001429 visible spectrum Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种无人机巡线的树障生长预测分析方法,通过激光雷达系统、多光谱成像系统和高分辨率可见光相机得到三维点云模型,并对输电线路通道线树净空距离进行分析;同时将植被生长情况参数建立一套生长函数曲线的模型,得出植被生长周期关键参数,将此模型加入到空间三维点云模型中对单木植株的生长进行一系列的模拟生长,并按照输电线路净空要求及植被生长周期得到一个植被生长的风险预警系统,本发明实现了对树障的生长预测和风险预警,使得无人机巡线更加安全。
Description
技术领域
本发明涉及无人机巡线技术领域,具体是一种无人机巡线的树障生长预测分析方法。
背景技术
由于架空输电线路分布于户外广阔地域,地理环境复杂,传统的人工巡检模式效率较低,因此现有的巡线方式大力推广无人机巡检应用,建立无人机巡检管理和技术支撑体系,输电线路运检效益明显提升。
目前无人机输电通道树障的检测手段多样,可采用单线激光雷达实时测量树障距离、可见光点云建模空间分析树障距离、或激光雷达建模分析树障距离。
目前的手段均为检测正在发生的树障缺陷,而忽略了对缺陷隐患的识别与处理,当发现时缺陷已经属于危急缺陷需要立刻消缺。这样一来,为了及时发现树障缺陷,就需要高频度对输电通道进行重复巡检,在人力物力上是巨大的负担。
发明内容
有鉴于此,本发明的目的是提供一种无人机巡线的树障生长预测分析方法,能够对树障进行预测和预警,使得无人机巡线更加安全。
本发明的一种无人机巡线的树障生长预测分析方法,包括步骤:
S101、首先将激光雷达系统、多光谱成像系统、高分辨率可见光相机同时搭载到无人机上,对输电线路通道进行扫描,获取输电线路通道三维空间信息、多光谱影像及可见光航片;
S102、将获得的输电线路通道三维空间信息、多光谱影像及可见光航片进行解算得到能够完整显示输电线路导线、铁塔、植被及地物四大类型目标的三维点云模型,并对输电线路通道线树净空距离进行分析;
S103、对多光谱影像进行解算得到相应的指数地图,将可见光航片进行处理得到高精度的可见光图像,融合可见光图像与多光谱影像得到树种及树木植被各个生长情况参数;
S104、根据植被生长情况参数建立生长函数曲线的模型,得出植被生长周期关键参数,将该模型加入到空间三维点云模型中对单木植株的生长进行一系列的模拟生长,并按照输电线路净空要求及植被生长周期得到植被生长的风险预警系统;
S105、最终对分析成果进行风险预测及相应等级的分级预警。
进一步地,所述指数地图内包括植被覆盖指数、归一化植被指数、叶绿素吸收率指数和植被聚集指数。
进一步地,所述输电线路通道三维空间信息的获取步骤包括:
S201、利用激光雷达获取树木的点云数据,根据激光雷达数据进行点云数据聚类分析,对单木参数进行估测;
S202、根据激光雷达生成树木情的数字树冠模型,根据树冠数据和单木参数进行单木探测和分割,分割方法为基于冠层高度模型或者点云分割;
S203、使用激光雷达一二次回波测试得到地表植被群和单木高度参数;
S204、根据单木高度和数字树冠模型即可得到所述输电线路通道三维空间信息。
进一步地,所述多光谱影像和可见光航片的详细分析步骤包括:
S301、通过多光谱影像和可见光航片对树种进行判断;
S302、将单木数据与树种结合得到植被种类及其相关生长参数,结合多光谱技术手段了解植株当前生长状况,再结合林业相关数据与气象条件数据预测分析出植被生长状况曲线。
进一步地,所述风险预警系统的建立步骤包括:
S401、根据输电线路运维要求对不同电压等级及不同树种进行数据模型建库;
S402、导入由激光雷达获取的输电线路导线及树木净空距离数据,用仿真的方法在三维空间坐标内对树木在接下来的时间周期内生长率,生长高度的模拟,当小于导线最小安全距离,模拟停止,得到当前生长时间,该生长时间即为预警时间。
本发明的有益效果是:本发明的一种无人机巡线的树障生长预测分析方法,通过激光雷达系统、多光谱成像系统和高分辨率可见光相机得到三维点云模型,并对输电线路通道线树净空距离进行分析;同时将植被生长情况参数建立一套生长函数曲线的模型,得出植被生长周期关键参数,将此模型加入到空间三维点云模型中对单木植株的生长进行一系列的模拟生长,并按照输电线路净空要求及植被生长周期得到一个植被生长的风险预警系统,本发明有效对输电线路通道树障隐患进行排查,对于未发生或即将发生的树障缺陷能够进行有效预测,有计划有效率的对树障情况进行清理,从而达到对输电线路通道周边树木进行精细化管理的目的;同时有效提高输电线路通道运维管理水平,能够减少因为树木超高超限引发的发电事故,杜绝山火的发生,同时减少了输电线路停电跳闸的可能性。有效的预测能够更好的对消缺人员进行最优化的配置,最大化的发挥每一名员工的工作效率。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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它相关的附图:
图1为本发明的方法流程图;
图2为本发明的激光雷达的点云数据示意图;
图3为本发明的单木分割的流程示意图;
图4为本发明的单木分割的结果示意图;
图5为本发明的雷达的一次回波和二次回波的示意图;
图6为本发明的NDVI指数地图生成示意图;
图7为本发明的植被生长模型示意图。
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、完整地描述,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。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
如图1所示:本实施例的一种无人机巡线的树障生长预测分析方法,目的在于:通过本发明的方法研究出一套基于无人机激光雷达的输电通道树障风险预判系统。
包括步骤:
(1)首先将激光雷达系统、多光谱成像系统、高分辨率可见光相机同时搭载到无人机上,对输电线路通道进行扫描,同时获取输电线路通道三维空间信息、多光谱影像及可见光航片。
(2)将激光雷达数据进行解算得到高精度三维点云模型,能够完整显示输电线路导线、铁塔、植被及地物四大类型目标,并对输电线路通道线树净空距离进行分析。
(3)对多光谱数据进行解算得到相应的指数地图包括植被覆盖指数 (NDVI)、归一化植被指数(NDRE)、叶绿素吸收率指数(MCARI)与植被聚集指数(CCCI)等数据;将高分辨率的可见光相机数据进行处理得到高精度的可见光图像,融合可见光数据与高光谱数据得到树种及树木植被各个生长情况参数。
(4)将植被生长情况参数建立一套生长函数曲线的模型,得出植被生长周期关键参数,将此模型加入到空间三维点云模型中对单木植株的生长进行一系列的模拟生长,并按照输电线路净空要求及植被生长周期得到一个植被生长的风险预警系统。
(5)最终对分析成果进行风险预测及相应等级的分级预警。
具体地:
1、激光雷达数据分析
如图2所示,利用激光雷达获取树木的点云数据,根据激光雷达数据进行点云数据聚类分析,对单木参数进行估测;
输电线路激光雷达应用主要是围绕输电线路导线净空区域物体检测为主,小于安全距离即判定为树障进行报警,激光雷达数据多数围绕导线进行而本次项目需要在此基础上进行林业分析。雷达林业分析对于及时掌握树木信息至关重要,林业分析的重要内容之一是测量样方内单木的树种、位置、树高、胸径等。
基于激光雷达点云数据获取单木参数,首先需要进行单木分割,如图3所示,目前,单木分割方法可分为基于CHM的分割和基于点云的分割。
基于CHM的单木分割需要进行去噪、滤波并生成生成数字高程模型(DEM)、数字表面模型(DSM)和冠层高度模型(CHM),并基于CHM进行单木分割。
基于点云的单木分割则需要在生成数字高程模型(DEM)后进行点云归一化后结合层堆叠生成种子点和冠层高度模型(CHM)生成种子点,进行基于种子点的单木分割和点云分割(PCS分割),由于基于CHM的分割和基于点云的分割均为现有技术,故不赘述。
如图4所示,无论是基于CHM的分割还是基于点云的分割,均可得到分割后的单木数据及数字冠层模型,具体为:树的位置、树高、树冠直径/面积/体积。
如图5所示,最后根据雷达一二次回波进一步得到地表植被群,单木高度等等一系列参数。
2、多光谱数据及可见光植被数据
在用多光谱相机做植被生长状况检测时遥感图像上的植被信息,主要通过绿色植物叶子和植被冠层的光谱特性及其差异、变化而反映的,不同光谱通道所获得的植被信息,可与植被的不同要素或特征状态,有各种不同的相关性,如可见光谱段受叶子叶绿素含量的控制,近红外谱段受叶内细胞结构的控制、中红外谱段受叶细胞内水分含量的控制等。当对多光谱遥感数据进行分析运算时产生某些对植被长势,有一定指示意义的数值,我们称之为植被指数。在指数中通常选用可见光红波段,和高反射的近红外波段。这两个波段是植物光谱中最典型的波段,而且对同一生物反应的物理现象也截然相反,最终可以通过多光谱数据获取植被当前周期内植被生长相关情况。
如图6所示,同时将多光谱成像系统及高分辨率可见光相机对植被进行成像,进行数据生成NDVI指数地图,获取输电线路通道范围内数据各类型生长参数情况,同时通过高分辨可见光图像对树种进行识别,同时建立林业及气象相关数据库。
通过上数据便可以:(1)实时了解当前周期内树种当前生长情况;(2) 实时了解当前周期内树种当前生长情况。
如图7所示,最终将多光谱得出的植被生长率,根据地理信息坐标唯一性的特征,将可见光数据、多光谱数据、及激光雷达数据一一进行配准。最终生长率数据与激光雷达CHM模型进行融合分析,即可得出植被生长情况及相关情况。
3、线树距离的风险预测及分级预警方法
根据输电线路运维要求对不同电压等级及不同树种进行数据模型建库。导入由激光雷达获取的输电线路导线及树木净空距离数据,用仿真的方法在三维空间坐标内对树木在接下来的时间周期内生长率,生长高度的模拟,当小于导线最小安全距离,模拟停止,得到当前生长时间。
1.可根据不同的时间长度可划分出不同的缺陷等级,达到风险预测的目的,最终指导消缺作业。
2.可根据不同生长时间数据优化各树种生长周期的仿真模型,逐步提高树障缺陷的预警准确率。
3.最终可将整条输电线路各个部位的树木与导线距离、通道内树木树种信息、各树种生长率、各树种生长周期(高度达到最小安全距离的时间)进行综合分析,得到一套完整的输电线路通道树木生长态势系统。
本发明通过无人机搭载相关任务载荷对输电线路进行数据采集、解算、分析,最终能够全速有效准确的梳理出输电线路通道周边植被与导线铁塔间空间关系,同时根据雷达数据进行点云数据聚类分析,得到单木参数估测,对树木情况进行普查,生成数字树冠模型,根据各树冠等数据进行单木探测及分割。通过多光谱生长分析及可见光树种识别。将单木数据与树种结合得到植被种类及其相关生长参数,结合多光谱技术手段了解植株当前生长状况,再结合林业相关数据与气象条件数据预测分析出植被生长状况曲线。将预测分析结果与激光雷达所采集的高精度数字树冠模型按照时间(天或月为单位)进行生长模拟,得到各个时间节点上,植被与导线铁塔的关系。最后根据输电线路运维标准制定各预警分级制度及要求,对于某些生长高度即将达到输电线路最小安全距离的树木植被进行标注预警并且生成报告及空间地理坐标,指导运维人员进行消缺;有效对输电线路通道树障隐患进行排查,对于未发生或即将发生的树障缺陷能够进行有效预测,有计划有效率的对树障情况进行清理,从而达到对输电线路通道周边树木进行精细化管理的目的;同时有效提高输电线路通道运维管理水平,能够减少因为树木超高超限引发的发电事故,杜绝山火的发生,同时减少了输电线路停电跳闸的可能性。有效的预测能够更好的对消缺人员进行最优化的配置,最大化的发挥每一名员工的工作效率。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (5)
1.一种无人机巡线的树障生长预测分析方法,其特征在于:包括步骤:
S101、首先将激光雷达系统、多光谱成像系统、高分辨率可见光相机同时搭载到无人机上,对输电线路通道进行扫描,获取输电线路通道三维空间信息、多光谱影像及可见光航片;
S102、将获得的输电线路通道三维空间信息、多光谱影像及可见光航片进行解算得到能够完整显示输电线路导线、铁塔、植被及地物四大类型目标的三维点云模型,并对输电线路通道线树净空距离进行分析;
S103、对多光谱影像进行解算得到相应的指数地图,将可见光航片进行处理得到高精度的可见光图像,融合可见光图像与多光谱影像得到树种及树木植被各个生长情况参数;
S104、根据植被生长情况参数建立生长函数曲线的模型,得出植被生长周期关键参数,将该模型加入到空间三维点云模型中对单木植株的生长进行一系列的模拟生长,并按照输电线路净空要求及植被生长周期得到植被生长的风险预警系统;
S105、最终对分析成果进行风险预测及相应等级的分级预警。
2.根据权利要求1所述的一种无人机巡线的树障生长预测分析方法,其特征在于:所述指数地图内包括植被覆盖指数、归一化植被指数、叶绿素吸收率指数和植被聚集指数。
3.根据权利要求1所述的一种无人机巡线的树障生长预测分析方法,其特征在于:所述输电线路通道三维空间信息的获取步骤包括:
S201、利用激光雷达获取树木的点云数据,根据激光雷达数据进行点云数据聚类分析,对单木参数进行估测;
S202、根据激光雷达生成树木情的数字树冠模型,根据树冠数据和单木参数进行单木探测和分割,分割方法为基于冠层高度模型或者点云分割;
S203、使用激光雷达一二次回波测试得到地表植被群和单木高度参数;
S204、根据单木高度和数字树冠模型即可得到所述输电线路通道三维空间信息。
4.根据权利要求1所述的一种无人机巡线的树障生长预测分析方法,其特征在于:所述多光谱影像和可见光航片的详细分析步骤包括:
S301、通过多光谱影像和可见光航片对树种进行判断;
S302、将单木数据与树种结合得到植被种类及其相关生长参数,结合多光谱技术手段了解植株当前生长状况,再结合林业相关数据与气象条件数据预测分析出植被生长状况曲线。
5.根据权利要求1所述的一种无人机巡线的树障生长预测分析方法,其特征在于:所述风险预警系统的建立步骤包括:
S401、根据输电线路运维要求对不同电压等级及不同树种进行数据模型建库;
S402、导入由激光雷达获取的输电线路导线及树木净空距离数据,用仿真的方法在三维空间坐标内对树木在接下来的时间周期内生长率,生长高度的模拟,当小于导线最小安全距离,模拟停止,得到当前生长时间,该生长时间即为预警时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110573607.9A CN114384534A (zh) | 2021-05-25 | 2021-05-25 | 一种无人机巡线的树障生长预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110573607.9A CN114384534A (zh) | 2021-05-25 | 2021-05-25 | 一种无人机巡线的树障生长预测分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114384534A true CN114384534A (zh) | 2022-04-22 |
Family
ID=81194460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110573607.9A Pending CN114384534A (zh) | 2021-05-25 | 2021-05-25 | 一种无人机巡线的树障生长预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114384534A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152256A (zh) * | 2023-04-21 | 2023-05-23 | 长沙能川信息科技有限公司 | 树木生长模拟方法、装置、设备和存储介质 |
CN117554942A (zh) * | 2024-01-11 | 2024-02-13 | 江苏翰林正川工程技术有限公司 | 一种基于毫米波雷达的输电线路树线距离监测方法及装置 |
-
2021
- 2021-05-25 CN CN202110573607.9A patent/CN114384534A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116152256A (zh) * | 2023-04-21 | 2023-05-23 | 长沙能川信息科技有限公司 | 树木生长模拟方法、装置、设备和存储介质 |
CN117554942A (zh) * | 2024-01-11 | 2024-02-13 | 江苏翰林正川工程技术有限公司 | 一种基于毫米波雷达的输电线路树线距离监测方法及装置 |
CN117554942B (zh) * | 2024-01-11 | 2024-03-22 | 江苏翰林正川工程技术有限公司 | 一种基于毫米波雷达的输电线路树线距离监测方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106441233B (zh) | 基于倾斜摄影三维重建技术的电力通道走廊巡检方法 | |
CN112435207B (zh) | 一种基于天空地一体化的森林火灾监测预警方法 | |
US11270111B2 (en) | Automated management of potentially hazardous objects near power lines | |
Dokter et al. | bioRad: biological analysis and visualization of weather radar data | |
CN113611082B (zh) | 一种无人机铁路边坡监控与预警系统及方法 | |
KR102108754B1 (ko) | 접근불능지역 실시간 산불위험예보시스템 | |
CN114118677A (zh) | 基于物联网的尾矿库风险监测预警系统 | |
KR102108752B1 (ko) | 접근불능지역 실시간 산불위험예보방법 | |
US20160048925A1 (en) | Method of determining structural damage using positive and negative tree proximity factors | |
Husin et al. | Application of ground-based LiDAR for analysing oil palm canopy properties on the occurrence of basal stem rot (BSR) disease | |
US8582808B2 (en) | Methods for identifying rooftops using elevation data sets | |
CN109407177B (zh) | 基于机器学习与常规气象观测的大雾识别系统和应用方法 | |
CN114384534A (zh) | 一种无人机巡线的树障生长预测分析方法 | |
CA3088983A1 (en) | Apparatuses and methods for gas flux measurements | |
Fernández-Sarría et al. | Residual biomass calculation from individual tree architecture using terrestrial laser scanner and ground-level measurements | |
CN116580532A (zh) | 一种基于雷达遥感技术的地质灾害预警系统 | |
CN110988909A (zh) | 基于tls进行高寒脆弱区沙地植被的植被盖度测定方法 | |
CN114333207A (zh) | 基于遥感数据的火灾全过程监测方法和装置 | |
CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
CN113240208A (zh) | 光伏发电输出功率预测方法、装置及计算机可读存储介质 | |
CN116883834A (zh) | 一种赤松单木地上生物量遥感估算方法及系统 | |
KR102108755B1 (ko) | 모바일 네트워크상에서의 접근불능지역 실시간 산불위험예보시스템 | |
Zheng et al. | Forest farm fire drone monitoring system based on deep learning and unmanned aerial vehicle imagery | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
Rumi et al. | Automated cloud classification using a ground based infra-red camera and texture analysis techniques |
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 |