一种简化的输电线路点云电塔自动定位方法

发布时间：2024-04-01 02:29

　　针对输电线路电塔点云的归一化数字表面模型(nDSM)、局部密度和特有空间分布特征,提出一种基于二维格网特征提取和空间特征分析的电塔自动定位简化方法.首先对无人机获取的点云进行滤波去噪处理;然后对点云构建K-D树和二维格网,根据密度、nDSM统计兴趣区;最后根据其空间分布特征得到电塔的坐标.经试验验证,简化算法有效提高了自动化处理效率,算法精度达米级,基本满足电力巡检精度要求.

【文章页数】：7 页

【部分图文】：

图1摇电塔自动定位流程Fig.1摇Flowchartforautomaticpositioningofthetower摇1郾1摇预处理

ǖ母叱炭占?分布特征.此外,由于机载激光雷达和电塔自身的特点,激光可以穿透电塔的镂空结构并返回得到其内部构造,使得电塔区域内的点云投影到二维平面上时密度较高.因此,本文根据电塔区域点云数据的nDSM特征和密度特征,对其进行滤波、筛选,得到电塔的潜在AOI.为了进一步分离电塔点云,....

图2摇不同区域的高程空间特征Fig.2摇Elevationspatialcharacteristicsofdifferentregions

?,还存在电力线、复杂地形和高大植被.这些都会对电塔的识别定位带来影响.例如,电力线具有较大nDSM值,而高大植被等兼具有nDSM值较大、密度较高的特点.为了在AOI中有效地提取出电塔,本文在保证便于计算的同时提取不同地物的高程空间特征并予以区分,将各个AOI的高程空间分为上下2....

图6摇4号杆塔点云及与其他电塔点云数据对比Fig.6摇PointclouddataofNo.4towerand

)有一定的抗干扰能力.其中4号电塔由于原始扫描数据不全导致误差较大(图6),其误差达到了近2m.但这也反映出本算法对各种电塔识别的稳健性,即使电塔数据不全也能进行识别.其余电塔中最大点位误差为1郾253m,平均误差为0郾778m.由结果看出,本文算法精度达到米级,可以为电力走廊建....

图4摇机载扫描点云(局部细节)Fig.4摇Airbornescanningpointcloud(partialdetails)

后,可以获得较高精度的电塔位置坐标,从而完成基于无人机机载雷达数据的输电线走廊电塔的识别与定位.2摇试验结果与分析2郾1摇试验数据所用试验数据包含了26165476个点,平均点密度47pts/m2,电力走廊电压等级为500kV,电力走廊长度为4728m,地形复杂,包含平原和山地,....

本文编号：3944864