机载激光点云分类与输电线路重建
发布时间：2022-09-28 16:17
现阶段我们主要依靠地面上的人员对电力走廊系统进行巡检,有些情况也会借助于配备有光学摄像头的直升机进行。利用这种方式进行电力巡检一方面会消耗大量的人力和物力,另一方面也会导致所获得的点云空间信息不能满足我们对精度的要求。由于LiDAR能够准确获取地面场景的三维空间信息,同时科技的进步降低了飞行的成本,LiDAR自身的优势和现实的客观条件为它进行电力走廊巡检迎来了更为广阔的发展前景。本文首先利用机载LiDAR系统获取三维点云数据,基于LiDAR数据的特征对LiDAR点云分类特征进行提取。然后利用随机森林对提取的特征进行分类处理,分析和评估电力走廊的安全状态。基于当前机载LiDAR技术在电力巡线中的应用,本文研究工作主要包括以下几个部分:点云数据特征的提取、点云分类、点云处理和电力线提取、电力线拟合和误差评估。具体内容如下:首先,我们基于点云的特征将其分为几类,其次,根据我们得到的点云,将电力线点云进行预处理,选出电力线候选点,然后对电力线进行提取和拟合。最后,我们对单根电力线进行了拟合和误差分析,利用这种思想我们又对二分裂电力线进行了拟合和误差分析,其精度基本与单根电力线一致。对于多根电力...
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 引言
1.1 本课题的研究背景
1.2 本课题国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 现状总结
1.4 本课题未来发展趋势及研究内容
第2章 LiDAR数据获取和分类
2.1 机载LiDAR系统
2.1.1 LiDAR系统组成
2.1.2 LiDAR系统原理
2.2 点云数据
2.2.1 点云数据构成
2.2.2 点云数据组织
2.2.2.1 Kd-tree
2.2.2.2 规则格网
2.3 虚拟格网
2.4 点云数据预处理
2.5 LiDAR点云数据特征提取
2.5.1 单点特征提取与地形粗提取
2.5.2 邻域特征提取
2.6 基于随机森林的特征选择和分类
2.6.1 随机森林的基本原理
2.6.2 随机森林的分类过程
2.7 分类结果
2.8 本章小结
第3章 电力线提取
3.1 合成电力线
3.2 电力线粗提取
3.2.1 电力线点云特征
3.2.2 算法流程
3.2.3 电力线候选点提取
3.3 电力线精提取
3.3.1 Hough变换原理
3.3.2 Hough变换单根电力线分离
3.4 杆塔约束的电力线拟合
3.4.1 杆塔点提取
3.4.2 附有限制条件的电力线拟合
3.5 K-Means算法
3.6 本章小结
第4章 实验结果和分析
4.1 实验数据
4.2 实验结果
4.3 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于PSO优化K-Means算法的边坡安全等级评价研究[J]. 仲静文,郝利朋,周健. 水利规划与设计. 2020(03)
[2]基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究[J]. 王沛,陈劲杰. 软件工程. 2020(03)
[3]一种对孤立点不敏感的新的K-Means聚类算法[J]. 包志强,赵媛媛,胡啸天,赵研. 现代电子技术. 2020(05)
[4]K-Means算法在运营商客户流失预测中的应用[J]. 陈俊峰. 福建电脑. 2020(02)
[5]基于图像K-means聚类分析的频谱感知算法[J]. 岳文静,刘文博,陈志. 信号处理. 2020(02)
[6]基于K-means信息挥发速率动态调整的改进蚁群算法[J]. 王铁,胡泓. 机械与电子. 2020(02)
[7]基于改进Hough变换的激光雷达点云特征提取方法研究[J]. 邢亚蒙,钱东海,赵伟,徐慧慧,左万全. 制造业自动化. 2020(01)
[8]基于机载LiDAR数据的建筑物轮廓提取[J]. 朱依民,田林亚,毕继鑫,林松. 测绘通报. 2019(12)
[9]基于机载LiDAR点云数据的电力线自动提取方法[J]. 杨业,李宏宁. 激光与光电子学进展. 2020(09)
[10]电力线点云精细提取与重建的模型残差实现[J]. 麻卫峰,王金亮,王成,习晓环,王濮. 测绘科学. 2020(02)
硕士论文
[1]机载LiDAR点云的组合滤波及建筑物特征提取研究[D]. 李强.郑州大学 2019
[2]基于空间自相关性统计分析法的DEM精度评定研究[D]. 王景丹.东华理工大学 2012
[3]高压输电线路弧垂在线监测研究[D]. 张江华.华中科技大学 2012
[4]Lidar点云生成格网DEM模型的内插算法研究[D]. 王琦.中国地质大学 2010
本文编号：3681982
【文章页数】：62 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 引言
1.1 本课题的研究背景
1.2 本课题国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 现状总结
1.4 本课题未来发展趋势及研究内容
第2章 LiDAR数据获取和分类
2.1 机载LiDAR系统
2.1.1 LiDAR系统组成
2.1.2 LiDAR系统原理
2.2 点云数据
2.2.1 点云数据构成
2.2.2 点云数据组织
2.2.2.1 Kd-tree
2.2.2.2 规则格网
2.3 虚拟格网
2.4 点云数据预处理
2.5 LiDAR点云数据特征提取
2.5.1 单点特征提取与地形粗提取
2.5.2 邻域特征提取
2.6 基于随机森林的特征选择和分类
2.6.1 随机森林的基本原理
2.6.2 随机森林的分类过程
2.7 分类结果
2.8 本章小结
第3章 电力线提取
3.1 合成电力线
3.2 电力线粗提取
3.2.1 电力线点云特征
3.2.2 算法流程
3.2.3 电力线候选点提取
3.3 电力线精提取
3.3.1 Hough变换原理
3.3.2 Hough变换单根电力线分离
3.4 杆塔约束的电力线拟合
3.4.1 杆塔点提取
3.4.2 附有限制条件的电力线拟合
3.5 K-Means算法
3.6 本章小结
第4章 实验结果和分析
4.1 实验数据
4.2 实验结果
4.3 本章小结
第5章 结论与展望
5.1 结论
5.2 展望
致谢
参考文献
【参考文献】：
期刊论文
[1]基于PSO优化K-Means算法的边坡安全等级评价研究[J]. 仲静文,郝利朋,周健. 水利规划与设计. 2020(03)
[2]基于PCA主成分分析和K-means算法的汽车行驶工况数据量化研究[J]. 王沛,陈劲杰. 软件工程. 2020(03)
[3]一种对孤立点不敏感的新的K-Means聚类算法[J]. 包志强,赵媛媛,胡啸天,赵研. 现代电子技术. 2020(05)
[4]K-Means算法在运营商客户流失预测中的应用[J]. 陈俊峰. 福建电脑. 2020(02)
[5]基于图像K-means聚类分析的频谱感知算法[J]. 岳文静,刘文博,陈志. 信号处理. 2020(02)
[6]基于K-means信息挥发速率动态调整的改进蚁群算法[J]. 王铁,胡泓. 机械与电子. 2020(02)
[7]基于改进Hough变换的激光雷达点云特征提取方法研究[J]. 邢亚蒙,钱东海,赵伟,徐慧慧,左万全. 制造业自动化. 2020(01)
[8]基于机载LiDAR数据的建筑物轮廓提取[J]. 朱依民,田林亚,毕继鑫,林松. 测绘通报. 2019(12)
[9]基于机载LiDAR点云数据的电力线自动提取方法[J]. 杨业,李宏宁. 激光与光电子学进展. 2020(09)
[10]电力线点云精细提取与重建的模型残差实现[J]. 麻卫峰,王金亮,王成,习晓环,王濮. 测绘科学. 2020(02)
硕士论文
[1]机载LiDAR点云的组合滤波及建筑物特征提取研究[D]. 李强.郑州大学 2019
[2]基于空间自相关性统计分析法的DEM精度评定研究[D]. 王景丹.东华理工大学 2012
[3]高压输电线路弧垂在线监测研究[D]. 张江华.华中科技大学 2012
[4]Lidar点云生成格网DEM模型的内插算法研究[D]. 王琦.中国地质大学 2010
本文编号：3681982
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3681982.html
