目前,高压电力线巡检效率已不能满足新时期电力系统智能化管理的要求。通过深入探讨密度聚类法在机载LiDAR电力线点云提取中存在的弊端,给出自适应—密度聚类解决方案。实测青海省某电力走廊机载LiDAR点云数据,借助Visual Studio 2010 ...目前,高压电力线巡检效率已不能满足新时期电力系统智能化管理的要求。通过深入探讨密度聚类法在机载LiDAR电力线点云提取中存在的弊端,给出自适应—密度聚类解决方案。实测青海省某电力走廊机载LiDAR点云数据,借助Visual Studio 2010 C++开发环境,编制自适应—密度聚类等相关处理程序,对自适应密度聚类方案的电力线点云提取、电力线三维抛物线的拟合进行测试与精度评定,结果表明:①自适应—密度聚类方案提取准确率达99.96%,电力线拟合最小残差0.220m,最大拟合残差0.252m,平均拟合残差0.232m;②自适应—密度聚类方案一次便可成功提取电力线,较好地规避了密度聚类法中多次试探邻域半径r_(Eps)与密度阈值p_(MinPts)等初始参数的赋值问题,大大提高了基于机载LiDAR点云数据的电力巡线工作效率,可应用于电力行业的实际工作中。展开更多
文摘目前,高压电力线巡检效率已不能满足新时期电力系统智能化管理的要求。通过深入探讨密度聚类法在机载LiDAR电力线点云提取中存在的弊端,给出自适应—密度聚类解决方案。实测青海省某电力走廊机载LiDAR点云数据,借助Visual Studio 2010 C++开发环境,编制自适应—密度聚类等相关处理程序,对自适应密度聚类方案的电力线点云提取、电力线三维抛物线的拟合进行测试与精度评定,结果表明:①自适应—密度聚类方案提取准确率达99.96%,电力线拟合最小残差0.220m,最大拟合残差0.252m,平均拟合残差0.232m;②自适应—密度聚类方案一次便可成功提取电力线,较好地规避了密度聚类法中多次试探邻域半径r_(Eps)与密度阈值p_(MinPts)等初始参数的赋值问题,大大提高了基于机载LiDAR点云数据的电力巡线工作效率,可应用于电力行业的实际工作中。