一种机载LIDAR电力巡检点云分类方法技术

本发明专利技术公开了一种机载LIDAR电力巡检点云数据的分类方法。在获取机载LIDAR电力巡检点云数据并对原始点云进行去噪预处理后，构建基于机载LIDAR电力巡检点云数据的不同地物类型分类算法，首先根据设计的点云滤波算法实现地面点与非地面点的分离，然后依次进行原始点云数据中电力杆塔、电力线以及植被等地物的高精度自动提取，可大大提高电力巡检点云数据分类的精度及自动化程度，为电力线路巡检故障排查提供了保证。

【技术实现步骤摘要】
一种机载LIDAR电力巡检点云分类方法一、
本专利技术涉及一种测绘遥感领域中的数据分类技术，特别是一种机载LIDAR技术下的电力巡检激光雷达点云数据的分类方法法。二、技术背景激光雷达(LightDetectionAndRanging，LiDAR)是一项通过由传感器所发出的激光来测定传感器和目标物之间距离的主动遥感技术。LiDAR数据在三维空间中呈不规则分布的点集，在三维空间的分布形态呈现离散的“点云”。利用机载LIDAR可以进行输电线路的巡检，通过巡检点云数据可以排查输电线路的故障及隐患，其中对地物与电力线间的距离探测是一项重要内容，需要从获得的巡检点云数据中提取地面、植被到相应电力线的距离，从而确定该距离是否符合电网规范的距离标准，如果距离过近，则设定为隐患。而该隐患的准确及高效判断依赖于巡检点云数据的高精度分类，但传统的电力巡检点云数据分类方法主要是半自动提取方法，该方法一般先采用常规滤波算法区分地面与非地面点，然后人工手动划分其他地物类型，该方法存在着明显的缺点与不足：(1)电力巡检点云数据往往数据量较大，在地形复杂区域，常规滤波算法往往精度较低，需要人为后期修改，存在工作量大的问题，不能达到数据快速处理及隐患排查的实时性要求；(2)对于电力巡检线路上其他不同地物的类型划分，传统方法依赖人工划分，存在工作量大、项目成本高、周期长、劳动强度大等多方面缺点，在大范围机载LIDAR电力巡检项目中不具有经济可行性。所以在对电力巡检点云数据分类的过程中，采用传统分类方法时，不可避免地带来很多麻烦且效率低下。因此，现有技术存在自动化程度低、生产效率低、项目成本高，开发周期长、成果精度低等多方面缺点。怎样在保证电力巡检点云数据精确分类的前提下，提高自动化程度和生产效率、降低项目成本，缩短开发周期成为本领域科技人员急待解决的问题。三、
技术实现思路
为了解决现有测绘遥感分类技术在机载LIDAR点云数据分类中存在的诸多问题，提高生产效率，本专利技术的目的是提供一种机载LIDAR电力巡检点云数据分类方法。它在保证点云数据地物分类精度的情况下，提高了电力巡检点云数据分类的自动化程度和效率，极大的降低了项目开发成本，缩短了项目周期，克服了传统电力巡检点云数据分类手段存在的缺点。本专利技术的目的是这样实现的：在获取机载LIDAR电力巡检点云数据并进行去噪预处理后，通过高效的算法设计，首先利用滤波算法实现地面点与非地面点的区分，然后依次实现电力杆塔、电力线、植被等地物要素的自动提取。机载LIDAR电力巡检点云数据分类方法如下：(1)利用形态学逆向插值滤波算法对原始点云进行滤波处理，得到地面点云与非地面点云；(2)对非地面点云数据进行点云归一化处理；(3)根据点云归一化结果，设定一高度阈值将归一化点云划分为两部分，高度大于阈值的为电力线与部分杆塔点云归一化数据，高度小于阈值的为植被与部分杆塔点云归一化数据；(4)杆塔位置的确定：设定原始点云包含的杆塔数量N以及相邻杆塔的距离阈值D，在电力线与部分杆塔点云归一化数据中检测点云中每个点在K距离域内的相邻点云数量，并根据每个点的相邻点云数量进行点云降序排序，取排序后前N个且两两水平距离大于D的点作为杆塔定位点；(5)杆塔归一化点云的提取：根据确定的杆塔位置水平坐标，在电力线与部分杆塔点云归一化数据和植被与部分杆塔点云归一化数据中将处于一定水平距离阈值范围内的点云划分为杆塔归一化点云；(6)植被和电力线归一化点云提取：将电力线与部分杆塔点云归一化数据剩余部分归为电力线归一化点云，将植被与部分杆塔点云归一化数据剩余部分归为植被归一化点云；(7)将各类归一化点云恢复高程，最终得到分类后的地面点、电力杆塔点、电力线点与植被点。本项专利技术与现有技术相比具有以下优点：(1)变革了传统电力巡检点云数据的分类思路，将点云归一化尺度与原始点云尺度相结合进行分类，提高了点云数据分类的精度和效率。(2)较低的项目成本，较短的数据处理周期机载LIDAR电力巡检点云数据的分类实现了全自动的分类，可极大的节省项目开发成本，缩短数据处理的周期。四、附图说明下面结合附图和实施例对本专利技术进一步说明。图1为本专利技术的方法流程图；图2为实验数据原始点云图；图3为地面点云分类结果；图4为非地面点云归一化结果；图5为电力杆塔点云分类结果；图6为电力线点云分类结果；图7为植被点云分类结果。五、具体实施方式：为能清楚说明本方案的技术特点，下面通过具体实施方式，并结合其附图，对本专利技术进行详细阐述。如图1方法流程所示，本专利技术：一种机载LIDAR电力巡检点云分类方法，所述方法包括以下步骤：步骤1，地面点与非地面点的区分：利用形态学逆向插值滤波算法对原始电力巡检点云进行滤波，分为地面点和非地面点两部分。首先将原始点云数据进行格网划分，设定格网宽度为d，检测每个格网中高程最低点作为初始地面种子点，依据初始地面点和腐蚀窗口大小首先对点云数据做形态学腐蚀运算，再根据膨胀窗口大小对点云数据做形态学膨胀运算，最后将每个格网内高程值小于设定高度阈值h1的点作稀疏地面点，根据提取的稀疏地面点进行反距离权重插值运算，得到每个格网的插值高程，再将每个格网内剩余点集中高程小于设定高度阈值h2的点划分到地面点中，最终得到高精度的分类后地面点云，则剩余点云为非地面点云；步骤2，非地面点云归一化：将步骤1得到的地面点利用反距离加权算法插值为实际地面格网高程，将非地面点高程与其对应格网地面高程值相减得到非地面点的归一化点云。步骤3，电力杆塔、电力线和植被归一化点云粗分类：设定一高度阈值H，将归一化点云划分为两部分，高度大于阈值的为电力线与部分杆塔点云归一化数据，高度小于阈值的为植被与部分杆塔点云归一化数据；步骤4，杆塔位置的确定：设定原始点云包含的杆塔数量N以及相邻杆塔的距离阈值D，在电力线与部分杆塔点云归一化数据中检测点云中每个点在K距离域内的相邻点云数量，并根据每个点的相邻点云数量进行点云降序排序，取排序后前N个且两两水平距离大于D的点作为杆塔定位点，将杆塔定位点的水平坐标X、Y作为位置坐标；步骤5，杆塔归一化点云的提取：根据确定的杆塔位置水平X、Y坐标，在电力线与部分杆塔点云归一化数据和植被与部分杆塔点云归一化数据中将处于一定水平距离阈值Dxy范围内的点云划分为杆塔归一化点云；步骤6，植被和电力线归一化点云提取：将电力线与部分杆塔点云归一化数据剩余部分归为电力线归一化点云，将植被与部分杆塔点云归一化数据剩余部分归为植被归一化点云；步骤7，将各类归一化点云恢复高程：对得到的各类归一化点云数据，将每个归一化点的高程与对应格网高程相加，得到点云实际高程，最终得到分类后的地面点、电力杆塔点、电力线点与植被点。本文档来自技高网...

【技术保护点】
一种机载LIDAR电力巡检点云数据的分类方法，其特征是：在获取机载LIDAR电力巡检点云数据并对原始点云进行去噪预处理后，构建基于机载LIDAR电力巡检点云数据的不同地物类型分类算法，首先根据设计的点云滤波算法实现地面点与非地面点的分离，然后依次进行原始点云数据中电力杆塔、电力线以及植被等地物的高精度自动提取，从而实现机载LIDAR电力巡检点云数据的高效分类。

【技术特征摘要】
1.一种机载LIDAR电力巡检点云数据的分类方法，其特征是：在获取机载LIDAR电力巡检点云数据并对原始点云进行去噪预处理后，构建基于机载LIDAR电力巡检点云数据的不同地物类型分类算法，首先根据设计的点云滤波算法实现地面点与非地面点的分离，然后依次进行原始点云数据中电力杆塔、电力线以及植被等地物的高精度自动提取，从而实现机载LIDAR电力巡检点云数据的高效分类。2.根据权利要求所述的机载LIDAR电力巡检点云数据分类方法，其特征是：其中机载LIDAR电力巡检点云滤波方法：①对原始点云数据根据设定的格网化窗口大小进行点云格网化处理；②检测点云数据每个格网内点云高程，将最低高程点作为初始地面种子点；③根据初始种子点对点云依次进行形态学腐蚀与膨胀运算，得到稀疏地面点；④对稀疏地面点进行反距离权重插值，得到地面格网插值高程，将剩余点云中高程小于设定高度阈值的点也划分入...

【专利技术属性】
技术研发人员：张晓丽，瞿帅，张凝，
申请(专利权)人：北京林业大学，
类型：发明
国别省市：北京,11