當(dāng)前電力走廊系統(tǒng)的巡檢主要依靠地面人力或直升機(jī)搭載光學(xué)相機(jī)的方式進(jìn)行,不僅耗費較多的人力物力,而且由于人眼辨識率和圖像的空間定位精度不高,所獲取的信息不夠準(zhǔn)確。機(jī)載激光雷達(dá)(LiDAR)可以獲取地面場景的三維空間信息,并且隨著LiDAR系統(tǒng)發(fā)展和飛行成本的下降,利用機(jī)載LiDAR進(jìn)行電力走廊巡檢有更廣闊的發(fā)展空間。本文從機(jī)載LiDAR系統(tǒng)獲取的三維點云數(shù)據(jù)出發(fā),根據(jù)LiDAR數(shù)據(jù)特性以及場景內(nèi)不同地物特點,首先研究了用于LiDAR點云分類的特征提取過程,之后在特征提取基礎(chǔ)上利用稀疏表示分類器對LiDAR點云進(jìn)行分類,并對稀疏表示分類過程中存在的非線性和特征異構(gòu)性問題進(jìn)行了深入研究,提出了基于多核學(xué)習(xí)的聯(lián)合稀疏表示分類器,最后對分類后的目標(biāo)分別進(jìn)行處理,分析評價電力走廊的安全狀態(tài)。本文研究工作主要為四個部分:LiDAR點云數(shù)據(jù)的特征提取、基于稀疏表示的點云分類、多核學(xué)習(xí)用于稀疏表示以及點云的分類后處理。具體內(nèi)容如下:首先,本文研究了面向點云分類應(yīng)用的特征提取過程,針對場景內(nèi)的地物目標(biāo)種類,尋找能夠有效區(qū)分地物類別的特征信息,包括單點特征以及多尺度空間鄰域特征,對得到的特征信息進(jìn)行預(yù)處理以便和稀疏表示分類器相匹配,從而構(gòu)建出用于進(jìn)行點云分類的特征向量。其次,本文研究了基于稀疏表示的點云分類方法,在原始的稀疏表示分類基礎(chǔ)上,探討了將核方法與聯(lián)合稀疏表示應(yīng)用于點云分類中。核方法對高維數(shù)據(jù)分類時的非線性問題有良好效果,而聯(lián)合稀疏表示可以充分利用鄰近點云標(biāo)簽相似性信息。對于點云數(shù)據(jù)特征的異構(gòu)性問題,進(jìn)一步提出了基于多核學(xué)習(xí)的稀疏表示分類器,相較于單核情形下的稀疏表示分類,效果有明顯提升。最后,針對課題對電力走廊信息提取的目的,分類后的LiDAR點云數(shù)據(jù):對并行的電力線進(jìn)行單線分離與擬合;對植物和建筑物點云進(jìn)行空間單體目標(biāo)分割,計算電力線和單體建筑物、樹木等地物的水平和垂直距離信息,根據(jù)有關(guān)的電力安全標(biāo)準(zhǔn),確定地物目標(biāo)是否對電力線的安全性構(gòu)成威脅,并評估電力線的安全狀態(tài)。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2016
【中圖分類】：TM76;TP391.41
【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題的背景及來源
    1.2 課題研究的目的和意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 機(jī)載LiDAR點云特征提取與分類研究現(xiàn)狀
        1.3.2 稀疏表示分類研究進(jìn)展
        1.3.3 研究現(xiàn)狀的總結(jié)
    1.4 本文的主要研究內(nèi)容
第2章 LIDAR點云數(shù)據(jù)預(yù)處理與特征提取技術(shù)
    2.1 引言
    2.2 機(jī)載LIDAR數(shù)據(jù)采集系統(tǒng)與數(shù)據(jù)特性
        2.2.1 機(jī)載LiDAR系統(tǒng)組成與工作原理
        2.2.2 機(jī)載LiDAR點云數(shù)據(jù)格式與特性
    2.3 LIDAR點云數(shù)據(jù)預(yù)處理
        2.3.1 研究區(qū)域數(shù)據(jù)集介紹
        2.3.2 粗差點剔除
    2.4 LIDAR點云數(shù)據(jù)特征提取
        2.4.1 單點特征提取與地形粗提取
        2.4.2 鄰域特征提取
    2.5 實驗結(jié)果與分析
        2.5.1 預(yù)處理過程
        2.5.2 特征提取過程
    2.6 本章小結(jié)
第3章 基于稀疏表示的LIDAR點云分類
    3.1 引言
    3.2 稀疏表示理論與稀疏表示分類器
        3.2.1 稀疏表示理論
        3.2.2 稀疏表示分類器
    3.3 核方法與核空間稀疏表示分類
    3.4 核空間聯(lián)合稀疏表示分類
        3.4.1 聯(lián)合稀疏表示分類
        3.4.2 核化聯(lián)合稀疏表示分類
    3.5 實驗結(jié)果與分析
    3.6 本章小結(jié)
第4章 基于多核學(xué)習(xí)稀疏表示的LIDAR點云分類
    4.1 引言
    4.2 多核學(xué)習(xí)分類
        4.2.1 多核學(xué)習(xí)理論
        4.2.2 多核框架下的核空間稀疏表示分類技術(shù)
    4.3 實驗結(jié)果與分析
        4.3.1 實驗設(shè)置
        4.3.2 結(jié)果與分析
    4.4 本章小結(jié)
第5章 基于LIDAR點云分類的電力走廊信息提取
    5.1 引言
    5.2 電力走廊信息提取
        5.2.1 Hough變換單根電力線提取
        5.2.2 建筑物和樹木目標(biāo)的單體分割
    5.3 電力走廊安全標(biāo)準(zhǔn)
    5.4 實驗結(jié)果與分析
        5.4.1 電力線單根分離
        5.4.2 建筑物和樹木目標(biāo)的單體分割
        5.4.3 整體分析
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 王書玉;張羽威;于振華;;基于隨機(jī)森林的洪河濕地遙感影像分類研究[J];測繪與空間地理信息;2014年04期

2 劉正軍;梁靜;張繼賢;;空間域分割的機(jī)載LiDAR數(shù)據(jù)輸電線快速提取[J];遙感學(xué)報;2014年01期

3 金立軍;孫浩;閆書佳;張文豪;;基于航拍視頻的輸電線走廊危險地物檢測技術(shù)[J];系統(tǒng)仿真學(xué)報;2013年09期

4 束龍;魯莽;胡丹暉;;LiDAR技術(shù)在電力選線中的應(yīng)用[J];電網(wǎng)與清潔能源;2013年01期

5 葉嵐;劉倩;胡慶武;;基于LIDAR點云數(shù)據(jù)的電力線提取和擬合方法研究[J];測繪與空間地理信息;2010年05期

6 陽鋒;徐祖艦;;三維激光雷達(dá)技術(shù)在輸電線路運行與維護(hù)的應(yīng)用[J];南方電網(wǎng)技術(shù);2009年02期

本文編號：2886431