机载LiDAR数据中电力线的自动提取与重建

doi:10.13474/j.cnki.11-2246.2020.0313

测绘通报 ›› 2020, Vol. 0 ›› Issue (10): 26-30,37.doi: 10.13474/j.cnki.11-2246.2020.0313

机载LiDAR数据中电力线的自动提取与重建

周钦坤, 岳建平, 杨恒, 朱依民

河海大学地球科学与工程学院, 江苏南京 211100

收稿日期:2019-11-22 修回日期:2020-06-12 发布日期:2020-10-29
作者简介:周钦坤(1995-),男,硕士生,主要研究方向为点云数据处理。E-mail:qinkunzhou@163.com
基金资助:
中央高校基本科研业务费专项资金（2018B80714）；江苏省研究生教育教学改革课题（JGLX18_011）

Automatic extraction and reconstruction of powerlines from airborne LiDAR point clouds

ZHOU Qinkun, YUE Jianping, YANG Heng, ZHU Yimin

College of Earth Science and Engineering, Hohai University, Nanjing 211100, China

Received:2019-11-22 Revised:2020-06-12 Published:2020-10-29

摘要/Abstract

摘要： 为实现电力线走廊更加有效地巡检，本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先，利用改进的渐进形态学滤波剔除地面点，通过高差阈值与高程离散度分割，实现电力线点粗提取；然后，借助RANSAC直线检测，得到电力线直线模型，依靠密度检测，实现单根电力线点云精确聚类；此外，利用k-means算法完成分裂导线束间归类；最后，进行二次多项式限制的最小二乘拟合，生成电力线曲线模型。试验结果表明，使用该方法电力线点云提取的正确率达98%以上，非电力线点云误判率低至1%左右，电力线直线模型拟合误差在5 cm以下，曲线模型拟合误差在3 cm以下，完全满足实际工程需求。

关键词: 机载激光雷达, 电力线, 提取, 重建, 精度分析

Abstract: In order to realize more effective inspection of powerline corridor, this paper designs a method for automatic extraction and reconstruction of powerline from LiDAR point cloud data. The improved progressive morphology filtering is used to eliminate the ground point. It achieves rough extraction of powerline points through the segmentation based on the height difference threshold and elevation dispersion. The powerline linear model is obtained through RANSAC line inspection, relying on density detection, precise clustering of single powerline points is achieved. It complete the bundled conductors classification with the k-means algorithm. Finally, a least square fitting of the quadratic polynomial is performed to generate a powerline curve model. Experiments show that the correct rate of powerline point cloud extraction is over 98%, the false positive rate of non-powerline point cloud is as low as 1%, the fitting error of powerline linear model is below 5 cm and the curve model is below 3 cm. Fully meet the actual engineering needs.

Key words: airborne LiDAR, powerline, extraction, reconstruction, precision analysis

中图分类号:

P237

周钦坤, 岳建平, 杨恒, 朱依民. 机载LiDAR数据中电力线的自动提取与重建[J]. 测绘通报, 2020, 0(10): 26-30,37.

ZHOU Qinkun, YUE Jianping, YANG Heng, ZHU Yimin. Automatic extraction and reconstruction of powerlines from airborne LiDAR point clouds[J]. Bulletin of Surveying and Mapping, 2020, 0(10): 26-30,37.

参考文献

[1] 陈驰, 麦晓明, 宋爽, 等. 机载激光点云数据中电力线自动提取方法[J]. 武汉大学学报(信息科学版), 2015, 40(12):1600-1605.
[2] 徐博, 刘正军, 王坚. 基于激光点云数据电力线的提取及安全检测[J]. 激光杂志, 2017, 38(7):48-51.
[3] 王平华, 习晓环, 王成, 等. 机载激光雷达数据中电力线的快速提取[J]. 测绘科学, 2017, 42(2):154-158,171.
[4] 余洁, 穆超, 冯延明, 等. 机载LiDAR点云数据中电力线的提取方法研究[J]. 武汉大学学报(信息科学版), 2011, 36(11):1275-1279.
[5] 游安清, 潘旭东, 赵平, 等. 激光雷达电力巡线点云自动分类方法研究[J]. 应用光学, 2019, 40(6): 1077-1083.
[6] 叶岚, 刘倩, 胡庆武. 基于LiDAR点云数据的电力线提取和拟合方法研究[J]. 测绘与空间地理信息, 2010, 33(5): 30-34.
[7] 沈小军, 秦川, 杜勇, 等. 复杂地形电力线机载激光雷达点云自动提取方法[J]. 同济大学学报(自然科学版), 2018, 46(7): 982-987.
[8] 尹辉增, 孙轩, 聂振钢. 基于机载激光点云数据的电力线自动提取算法[J]. 地理与地理信息科学, 2012, 28(2): 31-34,2.
[9] 赵传, 张保明, 余东行, 等. 利用迁移学习的机载激光雷达点云分类[J]. 光学精密工程, 2019, 27(7): 1601-1612.
[10] 赖旭东, 戴大昌, 郑敏, 等. LiDAR点云数据的电力线3维重建[J]. 遥感学报, 2014, 18(6): 1223-1229.
[11] 林祥国, 张继贤. 架空输电线路机载激光雷达点云电力线三维重建[J]. 测绘学报, 2016, 45(3): 347-353.
[12] 张继贤, 段敏燕, 林祥国, 等. 激光雷达点云电力线三维重建模型的对比与分析[J]. 武汉大学学报(信息科学版), 2017, 42(11): 1565-1572.
[13] 林祥国, 段敏燕, 张继贤, 等. 一种机载LiDAR点云电力线三维重建方法[J]. 测绘科学, 2016, 41(1): 109-114,64.
[14] 杨渊, 陈凤翔, 虢韬, 等. 基于LiDAR点云特征和模型拟合的高压线提取[J]. 中国科学院大学学报, 2018, 35(5): 612-616.
[15] 麻卫峰, 王金亮, 王成, 等. 电力线点云精细提取与重建的模型残差实现[J]. 测绘科学, 2020, 45(2): 60-66.
[16] ZHANG Yongjun, XIONG Xiaodong, WANG Mengqiu, et al. A fast aerial image matching method using airborne LiDAR point cloud and POS data[J]. Journal of Geodesy and Geoinformation Science, 2019, 2(1): 26-36.

机载LiDAR数据中电力线的自动提取与重建

Automatic extraction and reconstruction of powerlines from airborne LiDAR point clouds

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[2]	贺彪, 郭仁忠, 张琛, 马丁, 王伟玺, 洪武扬, 陈业滨. 面向数字孪生城市的自然场景构造方法[J]. 测绘通报, 2022, 0(7): 87-92.
[3]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[4]	杨俊, 刘灵辉. 加权全极化SAR图像分类下的功能区土地时空变化特征提取[J]. 测绘通报, 2022, 0(7): 138-142,153.
[5]	窦世卿, 郑贺刚, 徐勇, 陈治宇, 苗林林, 宋莹莹. 基于U-Net3+的高分遥感影像建筑物提取[J]. 测绘通报, 2022, 0(6): 40-44.
[6]	任月娟, 葛小三. 改进DeepLabV3+网络的遥感影像道路综合提取方法[J]. 测绘通报, 2022, 0(6): 55-61.
[7]	周建国, 罗超, 彭朵. 微型无人机辅助的三角高程测量方法[J]. 测绘通报, 2022, 0(6): 71-75.
[8]	于广瑞, 刘兴春, 时春霖, 王智超. 一种稳健的无人机影像三维重建方法[J]. 测绘通报, 2022, 0(6): 76-81.
[9]	时梦杰, 陶庭叶, 高飞, 李江洋, 陈皓. 雾天环境下机器视觉的边坡监测方法[J]. 测绘通报, 2022, 0(6): 88-92.
[10]	万忠明, 王亚文, 范子义. 无人机倾斜摄影技术在边坡监测中的应用[J]. 测绘通报, 2022, 0(6): 170-172.
[11]	任超, 邓诗琴, 高懋芳. 一种提取北部湾沿海地区水体信息的动态阈值方法[J]. 测绘通报, 2022, 0(5): 14-19,37.
[12]	王春霞, 张俊, 李屹旭, 范成成. 一种基于Landsat 8的多波段组合水体指数模型[J]. 测绘通报, 2022, 0(5): 20-25.
[13]	王仁军, 刘宝康, 杜玉娥, 张红丽, 于志远. 基于GF-6的可可西里典型湖泊水体面积提取方法研究[J]. 测绘通报, 2022, 0(5): 32-37.
[14]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[15]	王道杰, 陈倍, 孙健辉. 机载LiDAR点云密度对DEM精度的影响[J]. 测绘通报, 2022, 0(5): 140-144,169.