針對輸電線路電塔點云的歸一化數(shù)字表面模型(nDSM)、局部密度和特有空間分布特征,提出一種基于二維格網(wǎng)特征提取和空間特征分析的電塔自動定位簡化方法.首先對無人機獲取的點云進行濾波去噪處理;然后對點云構(gòu)建K-D樹和二維格網(wǎng),根據(jù)密度、nDSM統(tǒng)計興趣區(qū);最后根據(jù)其空間分布特征得到電塔的坐標.經(jīng)試驗驗證,簡化算法有效提高了自動化處理效率,算法精度達米級,基本滿足電力巡檢精度要求.

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1搖電塔自動定位流程Fig.1搖Flowchartforautomaticpositioningofthetower搖1郾1搖預(yù)處理

ǖ母叱炭占?分布特征.此外,由于機載激光雷達和電塔自身的特點,激光可以穿透電塔的鏤空結(jié)構(gòu)并返回得到其內(nèi)部構(gòu)造,使得電塔區(qū)域內(nèi)的點云投影到二維平面上時密度較高.因此,本文根據(jù)電塔區(qū)域點云數(shù)據(jù)的nDSM特征和密度特征,對其進行濾波、篩選,得到電塔的潛在AOI.為了進一步分離電塔點云,....

圖2搖不同區(qū)域的高程空間特征Fig.2搖Elevationspatialcharacteristicsofdifferentregions

?,還存在電力線、復(fù)雜地形和高大植被.這些都會對電塔的識別定位帶來影響.例如,電力線具有較大nDSM值,而高大植被等兼具有nDSM值較大、密度較高的特點.為了在AOI中有效地提取出電塔,本文在保證便于計算的同時提取不同地物的高程空間特征并予以區(qū)分,將各個AOI的高程空間分為上下2....

圖6搖4號桿塔點云及與其他電塔點云數(shù)據(jù)對比Fig.6搖PointclouddataofNo.4towerand

)有一定的抗干擾能力.其中4號電塔由于原始掃描數(shù)據(jù)不全導(dǎo)致誤差較大(圖6),其誤差達到了近2m.但這也反映出本算法對各種電塔識別的穩(wěn)健性,即使電塔數(shù)據(jù)不全也能進行識別.其余電塔中最大點位誤差為1郾253m,平均誤差為0郾778m.由結(jié)果看出,本文算法精度達到米級,可以為電力走廊建....

圖4搖機載掃描點云(局部細節(jié))Fig.4搖Airbornescanningpointcloud(partialdetails)

后,可以獲得較高精度的電塔位置坐標,從而完成基于無人機機載雷達數(shù)據(jù)的輸電線走廊電塔的識別與定位.2搖試驗結(jié)果與分析2郾1搖試驗數(shù)據(jù)所用試驗數(shù)據(jù)包含了26165476個點,平均點密度47pts/m2,電力走廊電壓等級為500kV,電力走廊長度為4728m,地形復(fù)雜,包含平原和山地,....

本文編號：3944864