基于无人机激光点云的电力线路树障隐患预测技术分析

为解决无人机激光测距存在的树木隐患排查不全的问题,提出采用激光点云数据实现电力线路树障隐患预测。通过实现电力线点云数据自动提取和分类,完成单木分割分类管理,并建立模型实现数据生长态势预测,能够解决树木畸形生长带来的树障隐患排查难题。研究结果表明,利用贝叶斯估计法对树木生长态势实施科学预测,根据树木和导地线距离精准评估树障隐患风险,能够为解决树障隐患排查问题提供有效技术方案。

基于激光点云数据电力线的提取及安全检测

为了研究机载激光雷达(light detection and ranging,Li DAR)点云数据的电力线提取以及安全距离检测,首先利用Terra Scan软件重现机载Li DAR激光点云空间的分布,采用人工交互以及移动激光点拟合法,对激光点云数据进行分类,提取电力线上的数据点,构建电力线三维模型;然后通过检测电力线上的激光点与其他地物、建构筑物激光点之间的距离,与设定的阈值进行比较,生成安全距离检测报表。实验结果表明,该方法能够精确有效地提取电力线数据并进行安全检测,对电力巡线工程具有一定的实际应用价值。

电力线激光点云的分割及安全检测研究

为了进行高压输电线路安全检测分析,基于机载激光雷达(LiDAR)电力走廊数据,提出了一种基于密度的空间聚类方法(DBSCAN)的电力线激光点云单条分割提取算法。通过该方法可以实现输电走廊中单条电力线的快速分割提取。首先对电力线点云在x-O-y平面上投影,对投影后的激光点采用最小二乘法进行直线拟合;其次通过计算输电走廊长度,采用经验参量进行电力线点云分段;再次对分段点云在投影平面内进行DBSCAN聚类;最后将分段聚类结果类别归一化,得到单条电力线激光点云数据。结果表明,采用该方法能够在只需经验参量分段宽度的情况下,快速准确地对电力线激光点云进行分割提取,并根据分割结果进行电力线与电力走廊地物距离计算,判断危险点类型及距离。所提出的方法具有较高的提取与测量精度,能够有效地应用于电力线安全检测分析。

基于激光点云的电力线损实时检测技术

针对传统电力线损度低、实时性差、系统测量误差率高的缺点和不足的问题,提出一种基于激光点云的电力线损实时检测技术。通过对电力线损实时检测的算法流程及原理方面的分析,再利用激光探测传感装置提取点云特征,选定线损数据的样本集,构建样本点的特征向量,并求解SVM的判别函数,最终实现对电力线损的精确检测。实验结果证明,提出的基于激光点云的电力线损实时检测技术能够有效提高检测精度,降低测量误差和线损率,对电力工程具有一定的实际应用价值。

基于激光点云数据的输电线路安全检测分析研究

输电线路安全检测与分析是电力系统的智能化、数字化建设不可或缺的重要组成部分。当前输电线路超高压、大容量建设趋势,增加了输电线路检测与维护的难度。因此为提高人工巡检效率,突破复杂地形对巡线的局限性,提高空间定位精度,设计了一种基于激光点云数据的输电线路安全检测分析系统。系统功能主要包括电力走廊点云自动分类提取与安全检测分析,能够对电力线、杆塔等输电设备数据以及建筑物、河流等其他走廊地物数据进行自动分类提取;通过检测电力线与其他走廊地物之间的距离判别危险点类型,生成安全分析报告;为验证系统有效性,将系统分析数据与人工现场测量数据进行对比分析,结果表明,该系统能够精准地判别输电线路危险点,具有较高的实际应用价值。

基于矢量化电力线的架空线路树障快速分析方法

[目的]随着树障巡视次数的持续快速增长,可见光航飞摄影测量成为各地市供电局输电线路树障隐患最主要的巡视方式。由于机载激光雷达无法对大批量点云进行快速迭代巡检,可见光航飞摄影测量难以获取高精度点云电力线,在树木繁盛的情况下,又难以全方位判断并分析树顶、树冠和电力线之间的关系,进而造成电力线巡检过程中,树障隐患的误判、漏判等问题。为了解决该类问题,提出了利用激光雷达获取矢量化电力线。通过对多时期可见光航飞摄影测量采集的植被信息进行智能化分析得出树障的解决方案。[方法]针对可见光航飞摄影测量采集的影像数据无法获取高精度点云电力线;难以同时全方位分析树顶、树冠和电力线关系;激光点云数据无法大批量快速迭代等各综合情况,研发了一套适用目前常规树障巡视手段的功能全面、资源节约、适用于输电网和配电网的矢量化电力线多源时空数据架空线路树障快速分析处理系统。[结果]通过对激光点云及可见光影像数据的三维实景展现,实现了电力线树障隐患识别和分析功能,其中矢量化电力线完整准确,同时结合倾斜摄影技术,利用该树障隐患结果数据分析可以识别100%的树障隐患数。[结论]该技术解决方案准确并有效,提高了树障隐患巡视的效率及准确性,可为实际应用提供指导。

点云塔段分档模式下的输电线路危险点快速检测

在实际激光电力巡检数据处理过程中,点云分类错误不可避免,部分分类错误往往需借助误检测的危险点来进行定位。然而危险点检测往往是以线路为单位,同时涉及上百档线路的数据运算,数据量级大,运算速度慢,严重影响点云类别修正效率。针对上述问题,将点云按塔段进行分割,将危险点检测的计算单元由单条线路转换为单个塔段,同时记录塔段内点云类别的修改情况,在修正分类错误重复计算危险点的过程中,仅重新计算修改了类别的塔段。实际应用证明,该方法能有效提高激光电力巡检数据处理效率。

基于三维点云数据的输电线路通道树障精细化管理技术

文章根据三维点云数据的输电线通道树障精细化管理技术开展现状,收集了树障管理的相关标准和方法,分析总结了目前树障管理、现场管理过程中存在的痛点问题,提出了项目研发需求,深入调研了激光雷达点云后处理相关技术、树障区域检测及矢量拟合技术,为树障细化治理工具的研发建言献策。

基于网格突变与半空心球邻域角度过滤的三维激光点云电力线异物精准检测定位方法

为了解决目前利用图像识别技术检测电力线搭挂异物所存在的鲁棒性低、准确性低、缺少精确空间定位信息等问题,提出一种基于激光点云数据的电力线搭挂异物检测及精准定位方法。首先,从正常未搭挂异物电力线点云线性特征和平滑性特征着手,分析电力线异物在激光点云数据中空间特性;然后,提取电力线点云水平和垂直方向三维模型残差,通过无监督残差聚类实现单根电力线分割;之后,对提取的单根电力线网格化,根据异物处网格突变的空间特性粗提取异物区域;最后,提出半空心球邻域的定义,基于半空心球邻域内角度过滤方法精确定位异物点云。实验结果表明,对于不同情况下异物,均能准确检测并精确定位,平均检测准确率100%,平均定位精确率97.75%,平均运行时间0.175秒,同时可实现异物搭挂在地线还是导线的准确判断,与图像识别方法对比,该方法不存在拍摄角度、拍摄环境、训练样本量的影响,鲁棒性高,使用范围广,工程实用前景广阔。