机载LiDAR数据中电力线的自动提取与重建

发布时间：2021-07-12 23:46

　　为实现电力线走廊更加有效地巡检,本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先,利用改进的渐进形态学滤波剔除地面点,通过高差阈值与高程离散度分割,实现电力线点粗提取;然后,借助RANSAC直线检测,得到电力线直线模型,依靠密度检测,实现单根电力线点云精确聚类;此外,利用k-means算法完成分裂导线束间归类;最后,进行二次多项式限制的最小二乘拟合,生成电力线曲线模型。试验结果表明,使用该方法电力线点云提取的正确率达98%以上,非电力线点云误判率低至1%左右,电力线直线模型拟合误差在5 cm以下,曲线模型拟合误差在3 cm以下,完全满足实际工程需求。 

【文章来源】：测绘通报. 2020,(10)北大核心CSCD

【文章页数】：6 页

【部分图文】：

电力线提取与重建流程

如图2(a)所示，在地形较为复杂的地区，会出现电力线点与地面点或其他地物点高程重叠的情况，其高程分布特征如图2(b)所示。传统高程阈值分割方法利用点云整体的平均高程确定分割阈值，只有在电力线点与其他点层次分明且电力线点所在高程区间的点云密度明显较小时，该方法才能取得较好的分割效果，而在复杂地形下利用高程阈值分割点云，会导致电力线过分割。依据电力线特点(1)，距地高差更能反映出电力线点与其他地物点的差异，因此采用高差阈值能最大限度地去除植被、房屋及大部分电塔。图3(a)为以地面为基准，其余点到地面高差的三维显示效果，可知当点云高程转化为点云高差时，电力线点与其他点会出现明显的分层且电力线点云密度不会因受到地面点的干扰而变大，其高差分布特征如图3(b)所示，分割效果较高程阈值分割方法有显著提升。根据以上分析，本文提出一种基于高差阈值的分割方法，具体步骤如下:图3 高差分割

图2 高程分割(1)点云滤波获取地面点。渐进形态学滤波算法简单高效，在地形起伏较大的地区也能取得较好的过滤效果，但该算法存在地面格网内非地面点误分的可能，而电力线悬于整个点云数据的上方，其平面投影处点云密度较大，会出现一个格网中有多个点的情况，若电力线点落入地面格网，将会出现电力线点的误判。因此本文对渐进形态学滤波进行改进，增加坡度阈值，以地面格网内最低点为参考点，计算参考点与该格网中其他点的坡度，小于坡度阈值的才为地面点。图4中顶部2条为增加坡度阈值后提取的电力线;底部2条为传统滤波算法过滤后提取的电力线。某点的坡度计算公式为


本文编号：3280890