测边网在电力工程测量中的应用

本文根据电力工程测量实践,对利用测边网进行平面控制测量的可靠性和必要性进行了探讨,并对测边网的实际精度进行了分析。

全数字化摄影测量系统VirtuoZo在架空送电线路工程中的应用

本文结合电力工程建设特点,介绍全数字摄影测量系统VirtuoZo在送电线路工程中的工作方法。

Google Earth在高压送电线路勘测设计中的应用

相比较传统地形图,Google Earth具有图像清晰,信息准确,更新速度快,费用少,有三维效果等优点,更适合应用于高压送电线路勘测设计工作。本文结合1000kV锡盟—南京特高压线路招投标阶段设计工作,对该软件运用于线路设计进行了介绍说明。

Google Earth在输电线路平断面测量中的应用

主要介绍利用Google Earth提供的高分辨率遥感卫星影像进行平原地区辅助输电线路进行选线与平断面测量等勘测设计工作。首先,研究开发自动截取Google Earth高分辨率卫星影像的工具软件。然后,对截取的影像利用ENVI软件进行多项式几何纠正,将纠正影像自动插入AutoCAD中。最后,将外业测点、断面及交叉跨越等数据进行融合,开发自动化测图软件,自动将测图成果转换成道亨SLCAD平断面图。以江苏某输电线路为例,验证Google Earth辅助输电线路平断面测量快速化成图的可行性。

基于基线解算精度的GNSS多系统组合平差权比模式分析

为确定全球卫星导航系统(GNSS)加权组合解算中可行的定权方式,提高多系统组合定位精度,选用澳大利亚多卫星系统实验(MEGX)网中,15个均匀分布的跟踪站、2019年1月的实测数据,对4个GNSS单系统进行基线解算和网平差,在评定和对比各单系统独立解算结果后,提出利用单日解基线的标准化均方根(NRMS)的三种定权模式进行定权,分析比较这三种定权模式和等权定权模式,在双系统和四系统组合网平差中对定位结果的影响。计算结果表明,全球定位系统(GPS)基线解的NRMS平均值为0.168,北斗卫星导航系统(BDS)次之,为0.186,格洛纳斯卫星导航系统(GLONASS)最低,为0.227;在这四种定权模式下,GPS与其它GNSS系统组成的双GNSS系统加权组合平差的结果,同四GNSS系统加权组合平差的结果比较接近,各测站水平方向的平均绝对误差小于0.5cm,高程方向的平均绝对误差均在1 cm以内;以单日解NRMS平方值定权模式,相比于等权、以单日解NRMS定权、和以平均NRMS定权三种模式,据有更高的解算精度,且相比于BDS、伽利略卫星导航系统(Galileo)、GLONASS单系统平差的结果有明显的提升,与GPS单系统在水平方向的平差结果较为接近,但在高程方向要优于GPS单系统的解算精度。

基于移动端的电力线路调绘系统技术探讨

为改进传统的电力线路调绘工作模式,文章针对电力线路工程特点提出了基于移动端的电力线路调绘系统的技术思路和逻辑结构,通过整合多源地理信息数据,运用移动设备在外业现场进行图形、属性、多媒体采集,以满足线路通道中房屋、林木、交叉跨越等对象的综合性调查和测量需要,并实时进行成果整编、质量检查,在提升外业数据采集效率的同时有效控制数据质量,实现了电力线路调绘内外业一体化的工作流程,并对关键技术问题及系统特色功能进行详细介绍。实践证明,本系统的研究成果能够显著提升信息化测绘水平,优化电力勘测设计手段,在该领域具有良好的应用前景。

电力线交跨测量无纸化作业系统开发及应用

在Visual C#平台下,开发一套电力线交跨测量无纸化作业系统。该系统实现全站仪GSI/XML数据记录文件的读取、交跨测量点的绝对坐标计算、野外观测记录手簿的生成,还可转换成软件内部的交跨命令,具有操作简单、实用性强等特点,在多项电力线路工程测量中得到成功应用。

大跨越送电线路弧垂测量与计算方法研究

阐述了大跨越线路改造测量的方法以及有别于常规线路测量的不同之处,着重分析了大跨越线路改造外业测量以及弧垂计算的方法。针对电力工程中大跨越线路改造测量工作难点,阐述了其与常规电力线路测量的差异,并详细介绍了大跨越线路改造外业测量以及弧垂计算的方法。结果显示:弧垂最低点到较低跨越塔的距离的最大平面误差不到1.0 m,高程误差不到0.3 m,验证了所提测量计算方法的正确性与实用性。

三维激光扫描噪声点分步剔除技术

三维激光扫描技术在各方面得到广泛的应用。但在测量点云数据中会出现噪声点、粗差点等,对数据中的噪声剔除尤为重要。本文通过对地面三维激光扫描数据滤波方法研究,提出了基于同种方法的反复滤波法以及基于噪声数据特点和滤波方法特点的组合滤波方法,并对其进行了实验,结果证明其滤波效果较好。

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中"所见即所得"的应用需求对点云的高效自动化分类带来挑战。将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究,分析样本加权对不同密度点云数据分类精度的影响,利用两组实验数据验证算法的精度和效率,并与随机森林分类算法进行比较。结果表明:基于样本加权PointNet++的方法在输电通道点云自动化分类方面适用性更强,平均F1值87.14%,且分类精度和效率均优于随机森林方法。