CN116256771A - 一种基于无人机激光点云树障分析方法 - Google Patents
一种基于无人机激光点云树障分析方法 Download PDFInfo
- Publication number
- CN116256771A CN116256771A CN202310144614.6A CN202310144614A CN116256771A CN 116256771 A CN116256771 A CN 116256771A CN 202310144614 A CN202310144614 A CN 202310144614A CN 116256771 A CN116256771 A CN 116256771A
- Authority
- CN
- China
- Prior art keywords
- power line
- point
- points
- point cloud
- distance
- 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
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
- G01S17/88—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
- 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
-
- 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
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于无人机激光点云树障分析方法,它包括以下步骤:步骤1:通过无人机获取激光点云;步骤2:对获取的激光点云去除噪点,进而进行分类;步骤3:进行电力线的提取;步骤4:基于二分法的电力线拟合,将距离较近的电力线进行分割,判断单个点位置,分别获得单根电力线;步骤5:基于RANSAC模型的电力线重建,去除误分点云,获得准确电力线模型;步骤6:进行输电线工况的模拟:结合导线型号信息和气象条件,运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动这些工况条件下的输电线形态;步骤7:使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并自动将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域。
Description
技术领域
本发明属于输电线路巡查检测技术领域,具体涉及一种基于无人机激光点云树障分析方法。
背景技术
随着社会的发展,电力设施已成为人们生活中不可或缺的一部分。随着社会电力工业的迅速稳步发展,输电通道走廊内成长的树木随着每年的增长会对高压线路的安全运行造成很大的影响和危害,因巡视不到位或监控不及时,时常有导致线路跳闸事件发生,严重危及电力输电线路运行安全。
现有技术一种基于激光点云的输电线路树障隐患点聚类方法(申请号202110097933.7)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,它包括步骤一、点云预处理;步骤二、点云分类;步骤三、树木单木点云代表点提取;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。但该技术中提到的点云预处理中并未给出详细的点云去噪方法,且在现有技术中对于电力线地形复杂,落差大的情况,算法无法做到准确的适应性。
发明内容
本发明的目的在于提供一种使用激光点云进行树障安全检测的方法,通过对电力走廊电力线、地面模型及植被信息的分类提取,以及个体目标点云的分割,获取电力走廊中电力线及周边环境的空间分布信息,最终实现电力走廊中的危险树障地物的分析。
为实现上述目的,本发明包括如下步骤:
一种基于无人机激光点云树障分析方法,它包括以下步骤:
步骤1:通过无人机获取激光点云;
步骤2:对获取的激光点云去除噪点,进而进行分类;
步骤3:进行电力线的提取;
步骤4:基于二分法的电力线拟合,将距离较近的电力线进行分割,判断所有电力线点位置,分别获得单根电力线;
步骤5:基于RANSAC模型的电力线重建,去除误分点云,获得准确电力线模型;
步骤6:进行输电线工况的模拟:结合导线型号信息和气象条件,运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动这些工况条件下的输电线形态;
步骤7:使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域。
在步骤2中,采用半径滤波算法对获取的激光点云去除噪点,具体采用以下步骤:
步骤2-1:给半径滤波器输入去噪点云;
步骤2-2:设定搜索半径radius,限定查询点的邻域搜索范围;
步骤2-3:设定邻域点集阈值k,为离散点筛选提供条件;
步骤2-4:筛选离散点,保存去噪后点云和噪声点,使用筛选离散点,保存去噪后点云和噪声点;
经过上述操作,若去噪效果较差,调整参数重新采取半径滤波操作。
在步骤3中,在进行电力线的提取时,采用以下步骤:
步骤3-1:利用k-means聚类分析算法、基于法向约束的点云融合算法确定电力线的数目和起点,并基于高度的最小值确定电力线的下导线;
步骤3-2:利用区域生长算法进行导线追踪,实现电力线点云的提取,使每个数据点分配给邻近组点云。
在步骤3-1中,
使用k-means聚类分析算法对未标记的对象进行分类,根据平方误差准则对特性相似度进行判别,定义如下:
其中E是数据点平方误差的总和,p是空间中的点,Ci是类别,mi是类别Ci的平均值,i是电力线点云类别序号,k是电力线点分类数量;
基于法向约束的点云融合算法其作用是将选定的种子点沿其法向量方向移动,获得移动后的位置,其位置定义为:
则种子点的法向为:
在步骤3-2中,利用区域生长算法进行导线追踪,实现电力线点云的提取时,采用以下步骤:
1)读取点云数据,识别没有归类的点云,设该点云坐标为(xo,yo,zo);
2)以(xo,yo,zo)为中心,在点(xo,yo,zo)的邻域寻找点(x,y,z),如果(x,y,z)满足生长准则,则将点(x,y,z)与点(xo,yo,zo)作为同一区域;
3)从区域中选取一个点,作为新的生长点(xo,yo,zo),重复2);
4)当区域中的生长点为空时,重复1);
5)重复以上步骤,直到点云中的每个点都有相应分类,即停止生长;通过以上算法沿垂直方向和水平方向获得电力线点云。
在步骤4中,电力投影到XOZ平面上,将投影分成若干段,最小二乘法被用来对每段电力线进行线性拟合,由于每根电力线在断面内是一根悬链线,可简化使用抛物线方程来表示,获得方程式Ax+By+C=0,再根据公式
对电力线段上所有点计算到方程的距离d,其中A、B、C为拋物线模型系数,设置阈值D,以此判断单个点的位置。
在步骤5中,基于RANSAC模型的电力线重建,去除杆塔的误分点云时,采用以下步骤:
步骤5-1:在XOY水平投影面进行RANSAC二维直线拟合;
步骤5-2:在XOZ平面或YOZ垂直投影面进行RANSAC悬链线拟合;
通过上述步骤,去除杆塔的误分点云。
在步骤5-1中,进行RANSAC二维直线拟合时,采用以下步骤:
(1)在输入点中随机选择两个点,求解这两个点所构成的直线参数;
(2)计算输入数据点中其余点到该直线的距离,距离小于距离阈值的点被认为是直线上的内点,距离以外的点被认为是外点,统计拟合后内点的个数;
(3)不断重复(1),(2)的步骤,再随机选取两个点,统计内点个数;
(4)选取内点数最大的点集作为最终拟合数据点,利用最小二乘拟合出结果直线。
在步骤5-2中,在XOZ平面或YOZ垂直投影面进行RANSAC悬链线拟合时,采用以下公式:
在根据距离做出树障信息初步判断后,采用视觉验证技术进一步检查树障隐患分析结果,提高现有树障隐患方法分析结果的准确性。
本发明与现有技术相比,本发明具有如下优点:
1)本发明提出一种基于无人机激光点云树障分析方法能够以更高速率的采集电力点云,对电力线路的检测可以更快,更加准确的检测电力走廊危险障碍点;发明能很好的运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动这些工况条件下的输电线形态;针对点云随机和无序性特点,采用半径滤波算法进行点云降噪;在激光处理采用算法融合,在保证计算机运行算力的基础上,能够更加准确获得树障隐患点位置与信息;
2)本发明提出的采用二分法和RANSAC算法的电力线拟合和重建,解决现有点云分类方法在复杂地形、地物繁杂和不连续地表中存在点云错分、漏分的现象,有效地消除噪声干扰,并且可以有效地处理大量的数据,从而提高模型拟合的准确性。此外,采用二分法和Ransac算法组合有效地处理复杂的数据,提高模型拟合的精度;
3)本发明提出的采用半径滤波方法,相对于统计滤波能够更好的应对不规则地形的电力线点云;
4)本发明提出一种基于无人机激光点云树障分析方法基于分类的点云数据以及自动提取的电力线矢量数据,使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并自动将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域,数据更加准确;
5)本发明在电力线分类前,使用半径滤波对电力线预处理;去除噪点,在电力线分类中,引入多种算法融合;本发明运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动这些工况条件下的输电线形态;在电力线分类中,对有隐患的电力线标出经纬度位置坐标和缺陷等级。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1为本发明的流程图;
图2为本发明中电力线点云的提取与分类方法流程图;
图3为电力线模型效果图;
图4为悬链方程参数示意图;
图5为本发明缺陷点平断面图。
具体实施方式
一种基于无人机激光点云树障分析方法,它包括以下步骤:
Step1、通过无人机获取激光点云,分别在平原以及丘陵地带采集不同点云样本,为后续算法验证提供支撑。
通过无人机搭载激光模块从杆塔上方对电力线进行扫描,通过空三解算、密集匹配等,从而获取电力线走廊点云数据。
Step2、对获取的激光点云去除噪点,进而进行分类。半径滤波去噪流程如下:
(1)为半径滤波器输入去噪点云;
(2)设定搜索半径radius,限定查询点的邻域搜索范围;
(3)设定邻域点集阈值k,为离散点筛选提供条件;
(4)筛选离散点,保存去噪后点云和噪声点,使用筛选离散点,保存去噪后点云和噪声点,使用可视化模块可视化。观察去噪效果。若去噪效果较差,调整参数重新采取半径滤波操作。
航拍激光雷达点云中既含有地面点又含有非地面点,使用半径滤波对激光雷达点云数据进行滤处理,去除噪点。
Step3、电力线提取,利用k-means聚类分析算法、筛选算法以及基于法向约束的点云融合算法,区域生长算法确定电力线的数目和起点,并基于高度的最小值确定电力线的下导线。然后利用区域生长算法进行导线追踪,实现电力线点云的提取;使每个数据点分配给邻近组点云,k-means聚类分析算法可以对未标记的对象(即没有定义类别或组的数据)进行分类,根据平方误差准则对特性相似度进行判别,定义如下:
其中E是数据点平方误差的总和,p是空间中的点,Ci是类别,mi是类别Ci的平均值。
基于法向约束的点云融合算法其功能是将选定的种子点沿其法向量方向移动,获得移动后结果,其位置定义为:
则种子点的法向为:
提取电力线点云和植被点云,采用现有k-means聚类分析算法、基于法向约束的点云融合算法确定电力线的数目和起点,并基于高度的最小值确定电力线的下导线,保证点云的正确分类。
区域生长算法主要将特征相似的点云生长为一类。首先,在每个区域筛选出种子点,作为生长的起点,然后以种子点为中心,在其附近邻域中寻找和种子点特征相似的数据点将其生长为种子点云所在的区域中的点,与此同时,新的点云将成为下一轮生长的种子,以此类推迭代,继续在其邻域寻找特征相似的点进行生长,直到没有满足条件的点可以生长,形成一个区域。其具体步骤如下:
1)读取点云数据,识别没有归类的点云,设该点云坐标为(xo,yo,zo);
2)以(xo,yo,zo)为中心,在点(xo,yo,zo)的邻域寻找点(x,y,z),如果(x,y,z)满足生长准则,则将点(x,y,z)与点(xo,yo,zo)作为同一区域;
3)从区域中选取一个点,作为新的生长点(xo,yo,zo),重复第二步;
4)当区域中的生长点为空时,重复第一步;
5)重复以上步骤,直到点云中的每个点都有相应分类,即停止生长。通过以上算法沿垂直方向和水平方向获得电力线点云。
Step4、基于二分法的电力线拟合,将距离较近的电力线进行分割,判断单个点位置,分别获得单根电力线;
电力投影到XOZ平面上,将投影分成若干段。最小二乘法被用来对每段电力线进行线性拟合,由于每根电力线在断面内是一根悬链线,可简化使用抛物线方程来表示,获得方程式Ax+By+C=0,再根据公式
对电力线段上所有点计算到方程的距离d,其中A、B、C为拋物线模型系数,设置阈值D,以此判断单个点的位置。
Step5、基于RANSAC模型的电力线重建,去除部分杆塔等误分点云,获得准确电力线模型,如图3所示;
RANSAC直线拟合步骤为:
(1)在输入点中随机选择两个点,求解这两个点所构成的直线参数;
(2)计算输入数据点中其余点到该直线的距离,距离小于距离阈值的点被认为是直线上的内点,距离以外的点被认为是外点,统计拟合后内点的个;
(3)不断重复1,2的步骤,再随机选取两个点,统计内点个数;
(4)选取内点数最大的点集作为最终拟合数据点,利用最小二乘拟合出结果直线。
为了去除干扰点,在XOY水平投影面进行RANSAC二维直线拟合,同时在XOZ平面或YOZ垂直投影面进行RANSAC悬链线拟合。
悬链方程参数示意图如图4所示。
Step6、输电线工况模拟。结合导线型号信息和气象条件,运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动等工况条件下的输电线形态。
Step7、使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并自动将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域,样本数据表1,树障位置标示如图5所示。
表1树障判别结果
Step8、在根据距离做出树障信息初步判断后,视觉验证技术被用于进一步检查树障隐患分析结果,提高现有树障隐患方法分析结果的准确性。
Claims (10)
1.一种基于无人机激光点云树障分析方法,其特征在于,它包括以下步骤:
步骤1:通过无人机获取激光点云;
步骤2:对获取的激光点云去除噪点,进而进行分类;
步骤3:进行电力线的提取;
步骤4:基于二分法的电力线拟合,将距离较近的电力线进行分割,判断所有电力线点位置,分别获得单根电力线;
步骤5:基于RANSAC模型的电力线重建,去除误分点云,获得准确电力线模型;
步骤6:进行输电线工况的模拟:结合导线型号信息和气象条件,运用架空线力学理论进行输电线工况模拟,模拟不同状态,如高温、覆冰、大风舞动这些工况条件下的输电线形态;
步骤7:使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域。
2.根据权利要求1所述的方法,其特征在于,在步骤2中,采用半径滤波算法对获取的激光点云去除噪点,具体采用以下步骤:
步骤2-1:给半径滤波器输入去噪点云;
步骤2-2:设定搜索半径radius,限定查询点的邻域搜索范围;
步骤2-3:设定邻域点集阈值k,为离散点筛选提供条件;
步骤2-4:筛选离散点,保存去噪后点云和噪声点,使用筛选离散点,保存去噪后点云和噪声点;
经过上述操作,若去噪效果较差,调整参数重新采取半径滤波操作。
3.根据权利要求1所述的方法,其特征在于,在步骤3中,在进行电力线的提取时,采用以下步骤:
步骤3-1:利用k-means聚类分析算法、基于法向约束的点云融合算法确定电力线的数目和起点,并基于高度的最小值确定电力线的下导线;
步骤3-2:利用区域生长算法进行导线追踪,实现电力线点云的提取,使每个数据点分配给邻近组点云。
5.根据权利要求3所述的方法,其特征在于,在步骤3-2中,利用区域生长算法进行导线追踪,实现电力线点云的提取时,采用以下步骤:
1)读取点云数据,识别没有归类的点云,设该点云坐标为(xo,yo,zo);
2)以(xo,yo,zo)为中心,在点(xo,yo,zo)的邻域寻找点(x,y,z),如果(x,y,z)满足生长准则,则将点(x,y,z)与点(xo,yo,zo)作为同一区域;
3)从区域中选取一个点,作为新的生长点(xo,yo,zo),重复2);
4)当区域中的生长点为空时,重复1);
5)重复以上步骤,直到点云中的每个点都有相应分类,即停止生长;通过以上算法沿垂直方向和水平方向获得电力线点云。
7.根据权利要求1所述的方法,其特征在于,在步骤5中,基于RANSAC模型的电力线重建,去除杆塔的误分点云时,采用以下步骤:
步骤5-1:在XOY水平投影面进行RANSAC二维直线拟合;
步骤5-2:在XOZ平面或YOZ垂直投影面进行RANSAC悬链线拟合;
通过上述步骤,去除杆塔的误分点云。
8.根据权利要求7所述的方法,其特征在于,在步骤5-1中,进行RANSAC二维直线拟合时,采用以下步骤:
(1)在输入点中随机选择两个点,求解这两个点所构成的直线参数;
(2)计算输入数据点中其余点到该直线的距离,距离小于距离阈值的点被认为是直线上的内点,距离以外的点被认为是外点,统计拟合后内点的个数;
(3)不断重复(1),(2)的步骤,再随机选取两个点,统计内点个数;
(4)选取内点数最大的点集作为最终拟合数据点,利用最小二乘拟合出结果直线。
10.根据权利要求1所述的方法,其特征在于,在根据距离做出树障信息初步判断后,采用视觉验证技术进一步检查树障隐患分析结果,提高现有树障隐患方法分析结果的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144614.6A CN116256771A (zh) | 2023-02-21 | 2023-02-21 | 一种基于无人机激光点云树障分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310144614.6A CN116256771A (zh) | 2023-02-21 | 2023-02-21 | 一种基于无人机激光点云树障分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116256771A true CN116256771A (zh) | 2023-06-13 |
Family
ID=86685879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310144614.6A Pending CN116256771A (zh) | 2023-02-21 | 2023-02-21 | 一种基于无人机激光点云树障分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116256771A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
-
2023
- 2023-02-21 CN CN202310144614.6A patent/CN116256771A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117132915A (zh) * | 2023-10-27 | 2023-11-28 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
CN117132915B (zh) * | 2023-10-27 | 2024-03-12 | 国网江西省电力有限公司电力科学研究院 | 一种基于点云自动分类的输电线路树障隐患分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107274417B (zh) | 一种基于机载激光点云聚集关系的单木分割方法 | |
Sohn et al. | Automatic powerline scene classification and reconstruction using airborne lidar data | |
CN109633674A (zh) | 基于激光点云数据的输电巡视三维航迹自动规划方法 | |
CN112414309B (zh) | 基于机载激光雷达的高铁接触线导高及拉出值巡检方法 | |
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 | |
CN110992341A (zh) | 一种基于分割的机载LiDAR点云建筑物提取方法 | |
CN108037514A (zh) | 一种使用激光点云进行树障安全检测方法 | |
CN103390169A (zh) | 一种车载激光扫描点云数据的城市地物分类方法 | |
CN113569915B (zh) | 一种基于激光雷达的多策略轨道交通障碍物识别方法 | |
CN111929698A (zh) | 一种输电线路走廊区域内的树障隐患识别方法 | |
CN110969142B (zh) | 一种基于网联车辆自然驾驶数据的异常驾驶场景提取方法 | |
CN112669333B (zh) | 一种单木信息提取方法 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN113269825B (zh) | 基于地基激光雷达技术林木胸径值提取的方法 | |
CN112348050A (zh) | 一种基于高铁沿线风特性的风速仪布置方法 | |
CN116256771A (zh) | 一种基于无人机激光点云树障分析方法 | |
CN113345094A (zh) | 基于三维点云的电力走廊安全距离分析方法及系统 | |
CN115825984A (zh) | 一种基于激光点云的输电线路巡检系统及巡检方法 | |
CN111476434B (zh) | 一种基于gis的土壤重金属分形维数空间变异分析方法 | |
CN114387176B (zh) | 一种输电线路多分裂导线激光扫描点云去噪方法 | |
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 | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
CN112884011B (zh) | 一种基于激光点云的输电线路树障隐患点聚类方法 | |
CN112991303B (zh) | 一种基于三维点云的电塔绝缘子串自动提取方法 | |
CN115641448A (zh) | 一种基于无人机遥感快速识别电力线下树障高度的方法 |
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 |