現(xiàn)階段我們主要依靠地面上的人員對(duì)電力走廊系統(tǒng)進(jìn)行巡檢,有些情況也會(huì)借助于配備有光學(xué)攝像頭的直升機(jī)進(jìn)行。利用這種方式進(jìn)行電力巡檢一方面會(huì)消耗大量的人力和物力,另一方面也會(huì)導(dǎo)致所獲得的點(diǎn)云空間信息不能滿足我們對(duì)精度的要求。由于LiDAR能夠準(zhǔn)確獲取地面場(chǎng)景的三維空間信息,同時(shí)科技的進(jìn)步降低了飛行的成本,LiDAR自身的優(yōu)勢(shì)和現(xiàn)實(shí)的客觀條件為它進(jìn)行電力走廊巡檢迎來了更為廣闊的發(fā)展前景。本文首先利用機(jī)載LiDAR系統(tǒng)獲取三維點(diǎn)云數(shù)據(jù),基于LiDAR數(shù)據(jù)的特征對(duì)LiDAR點(diǎn)云分類特征進(jìn)行提取。然后利用隨機(jī)森林對(duì)提取的特征進(jìn)行分類處理,分析和評(píng)估電力走廊的安全狀態(tài)�；诋�(dāng)前機(jī)載LiDAR技術(shù)在電力巡線中的應(yīng)用,本文研究工作主要包括以下幾個(gè)部分:點(diǎn)云數(shù)據(jù)特征的提取、點(diǎn)云分類、點(diǎn)云處理和電力線提取、電力線擬合和誤差評(píng)估。具體內(nèi)容如下:首先,我們基于點(diǎn)云的特征將其分為幾類,其次,根據(jù)我們得到的點(diǎn)云,將電力線點(diǎn)云進(jìn)行預(yù)處理,選出電力線候選點(diǎn),然后對(duì)電力線進(jìn)行提取和擬合。最后,我們對(duì)單根電力線進(jìn)行了擬合和誤差分析,利用這種思想我們又對(duì)二分裂電力線進(jìn)行了擬合和誤差分析,其精度基本與單根電力線一致。對(duì)于多根電力... 

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 引言
    1.1 本課題的研究背景
    1.2 本課題國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 現(xiàn)狀總結(jié)
    1.4 本課題未來發(fā)展趨勢(shì)及研究?jī)?nèi)容
第2章 LiDAR數(shù)據(jù)獲取和分類
    2.1 機(jī)載LiDAR系統(tǒng)
        2.1.1 LiDAR系統(tǒng)組成
        2.1.2 LiDAR系統(tǒng)原理
    2.2 點(diǎn)云數(shù)據(jù)
        2.2.1 點(diǎn)云數(shù)據(jù)構(gòu)成
        2.2.2 點(diǎn)云數(shù)據(jù)組織
            2.2.2.1 Kd-tree
            2.2.2.2 規(guī)則格網(wǎng)
    2.3 虛擬格網(wǎng)
    2.4 點(diǎn)云數(shù)據(jù)預(yù)處理
    2.5 LiDAR點(diǎn)云數(shù)據(jù)特征提取
        2.5.1 單點(diǎn)特征提取與地形粗提取
        2.5.2 鄰域特征提取
    2.6 基于隨機(jī)森林的特征選擇和分類
        2.6.1 隨機(jī)森林的基本原理
        2.6.2 隨機(jī)森林的分類過程
    2.7 分類結(jié)果
    2.8 本章小結(jié)
第3章 電力線提取
    3.1 合成電力線
    3.2 電力線粗提取
        3.2.1 電力線點(diǎn)云特征
        3.2.2 算法流程
        3.2.3 電力線候選點(diǎn)提取
    3.3 電力線精提取
        3.3.1 Hough變換原理
        3.3.2 Hough變換單根電力線分離
    3.4 桿塔約束的電力線擬合
        3.4.1 桿塔點(diǎn)提取
        3.4.2 附有限制條件的電力線擬合
    3.5 K-Means算法
    3.6 本章小結(jié)
第4章 實(shí)驗(yàn)結(jié)果和分析
    4.1 實(shí)驗(yàn)數(shù)據(jù)
    4.2 實(shí)驗(yàn)結(jié)果
    4.3 本章小結(jié)
第5章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于PSO優(yōu)化K-Means算法的邊坡安全等級(jí)評(píng)價(jià)研究[J]. 仲靜文,郝利朋,周健.  水利規(guī)劃與設(shè)計(jì). 2020(03)
[2]基于PCA主成分分析和K-means算法的汽車行駛工況數(shù)據(jù)量化研究[J]. 王沛,陳勁杰.  軟件工程. 2020(03)
[3]一種對(duì)孤立點(diǎn)不敏感的新的K-Means聚類算法[J]. 包志強(qiáng),趙媛媛,胡嘯天,趙研.  現(xiàn)代電子技術(shù). 2020(05)
[4]K-Means算法在運(yùn)營(yíng)商客戶流失預(yù)測(cè)中的應(yīng)用[J]. 陳俊峰.  福建電腦. 2020(02)
[5]基于圖像K-means聚類分析的頻譜感知算法[J]. 岳文靜,劉文博,陳志.  信號(hào)處理. 2020(02)
[6]基于K-means信息揮發(fā)速率動(dòng)態(tài)調(diào)整的改進(jìn)蟻群算法[J]. 王鐵,胡泓.  機(jī)械與電子. 2020(02)
[7]基于改進(jìn)Hough變換的激光雷達(dá)點(diǎn)云特征提取方法研究[J]. 邢亞蒙,錢東海,趙偉,徐慧慧,左萬全.  制造業(yè)自動(dòng)化. 2020(01)
[8]基于機(jī)載LiDAR數(shù)據(jù)的建筑物輪廓提取[J]. 朱依民,田林亞,畢繼鑫,林松.  測(cè)繪通報(bào). 2019(12)
[9]基于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的電力線自動(dòng)提取方法[J]. 楊業(yè),李宏寧.  激光與光電子學(xué)進(jìn)展. 2020(09)
[10]電力線點(diǎn)云精細(xì)提取與重建的模型殘差實(shí)現(xiàn)[J]. 麻衛(wèi)峰,王金亮,王成,習(xí)曉環(huán),王濮.  測(cè)繪科學(xué). 2020(02)

碩士論文
[1]機(jī)載LiDAR點(diǎn)云的組合濾波及建筑物特征提取研究[D]. 李強(qiáng).鄭州大學(xué) 2019
[2]基于空間自相關(guān)性統(tǒng)計(jì)分析法的DEM精度評(píng)定研究[D]. 王景丹.東華理工大學(xué) 2012
[3]高壓輸電線路弧垂在線監(jiān)測(cè)研究[D]. 張江華.華中科技大學(xué) 2012
[4]Lidar點(diǎn)云生成格網(wǎng)DEM模型的內(nèi)插算法研究[D]. 王琦.中國(guó)地質(zhì)大學(xué) 2010



本文編號(hào)：3681982