激光雷达的多源数据融合点云分类算法研究.pdf

第 卷第期年月计算技术与自动化C o m p u t i n gT e c h n o l o g ya n dA u t o m a t i o nV o l ,N o J u n 收稿日期:基金项目:江西省教育厅科学技术研究资助项目(G J J )作者简介:杨治(),男,山西运城人,博士,讲师,研究方向:人工智能技术.通信联系人,E m a i l:q q c o m文章编号:()D O I:/j c n k i j s j s y z d h 激光雷达的多源数据融合点云分类算法研究杨治,曾寰,涂起龙(井冈山大学 电子与信息工程学院,江西 吉安 )摘要:根据单档输电线空间分布特性,提出了改进随机采样一致的输电线点云分割方法.首先优化初始样本点选择原则、引入最小二乘原理参数求解等改进策略,提高了随机采样一致性算法输电线模型重建精度;然后以直线抛物线方程为单根输电线识别的约束条件,利用逐根提取方式实现输电线激光点云分割.选择两组典型代表性的机载激光点云数据进行实验分析,该方法有效解决了数据缺失、点云噪声等复杂背景环境的输电线激光点云分割,准确率、召回率和整体精度最小值分别为 、.较之已有方法,本文方法具有点云分割精度高、算法普适性强的优势;随机采样一致性(R AN S A C)算法是常见的激光点云分割方法,但该算法推广至输电线场景时存在点云分割效率低、抗噪性差等不足,不利于高精度的输电线模型重建及后续线路风险检测.关键词:机载激光雷达;改进随机一致性采样;输电线;点云分割中图分类号:P 文献标识码:AR e s e a r c ho nP o i n tC l o u dC l a s s i f i c a t i o nA l g o r i t h mo fM u l t i S o u r c eD a t aF u s i o nf o rL i d a rYANGZ h i,Z E NG H u a n,TU Q i l o n g(S c h o o l o fE l e c t r o n i ca n dI n f o r m a t i o nE n g i n e e r i n g,J i n g g a n g s h a nU n i v e r s i t y,J ia n,J i a n g x i ,C h i n a)A b s t r a c t:A c c o r d i n gt ot h es p a t i a ld i s t r i b u t i o nc h a r a c t e r i s t i c so fs i n g l e f i l et r a n s m i s s i o nl i n e s,t h i sp a p e rp r o p o s e sam e t h o dt o i m p r o v e t h e c l o u ds e g m e n t a t i o no f t r a n s m i s s i o n l i n e sw i t hc o n s i s t e n t r a n d o ms a m p l i n g F i r s t l y,t h e i n i t i a l s a m p l ep o i n t s e l e c t i o np r i n c i p l ea n dt h e i n t r o d u c t i o no f t h e l e a s t s q u a r e sp r i n c i p l ep a r a m e t e r s o l u t i o na n do t h e r i m p r o v e m e n t s t r a t e g i e sw e r e i n t r o d u c e d t o i m p r o v e t h e r e c o n s t r u c t i o na c c u r a c yo f t h e t r a n s m i s s i o n l i n em o d e l o f t h e r a n d o ms a m p l i n gc o n s i s t e n c ya l g o r i t h m T h e l i n e a r p a r a b o l i ce q u a t i o n i s t h e nu s e da s t h ec o n s t r a i n t f o r t h e i d e n t i f i c a t i o no f as i n g l e t r a n s m i s s i o n l i n e,a n dt h e l a s e rp o i n t c l o u ds e g m e n t a t i o no f t h e t r a n s m i s s i o n l i n e i sr e a l i z e db ym e a n so f r o o t b y r o o te x t r a c t i o n T w os e t so ft y p i c a l r e p r e s e n t a t i v ea i r b o r n e l a s e rp o i n t c l o u dd a t aw e r es e l e c t e df o re x p e r i m e n t a l a n a l y s i s T h i sm e t h o de f f e c t i v e l ys o l v e st h e l a s e rp o i n t c l o u ds e g m e n t a t i o no f t r a n s m i s s i o n l i n e i nc o m p l e xb a c k g r o u n de n v i r o n m e n t ss u c ha sd a t ad e l e t i o na n dp o i n tc l o u dn o i s e,a n dt h em i n i m u mv a l u e so f a c c u r a c y,r e c a l l r a t ea n do v e r a l l a c c u r a c ya r e ,a n d ,r e s p e c t i v e l y C o m p a r e dw i t ht h ee x i s t i n gm e t h o d s,i th a st h ea d v a n t a g e so fh i g hp r e c i s i o no fp o i n tc l o u ds e g m e n t a t i o na n ds t r o n gu n i v e r s a l i t yo f t h ea l g o r i t h m R a n d o mc o n s i s t e n ts a m p l i n g(R AN S A C)i sac o mm o nl a s e rp o i n tc l o u ds e g m e n t a t i o nm e t h o d,b u tw h e n t h e a l g o r i t h mi sg e n e r a l i z e d t o t h e t r a n s m i s s i o n l i n e s c e n e,t h e r e a r e s h o r t c o m i n g s s u c ha s l o wp o i n t c l o u ds e g m e n t a t i o ne f f i c i e n c ya n dp o o rn o i s er e s i s t a n c e,w h i c hi sn o tc o n d u c i v et oh i g h p r e c i s i o nt r a n s m i s s i o nl i n em o d e lr e c o n s t r u c t i o na n ds u b s e q u e n t l i n er i s kd e t e c t i o n K e yw o r d s:a i r b o r n e l i d a r;i m p r o v e dr a n d o mc o n s i s t e n t s a m p l i n g;p o w e r l i n e;p o i n t c l o u ds e g m e n t a t i o n第 卷第期杨治,等:激光雷达的多源数据融合点云分类算法研究无人机载激光雷达系统能够在较少地面控制点的前提下,只需一次飞行即可获取高精度、高密度的输电线路场景三维空间信息数据 激光点云,具有自动化程度高、扫描速度快等优势,弥补了传统人工地面测量、机载光学传感器等获取方式受限于地理环境且分辨率低等缺陷,已成为电网信息化建设及智能巡检应用的研究热点.单档单根输电线是激光点云输电线空间模型重建的最小单元,从原始点云数据分类/提取得到的输电线还存在多个单根输电线并存的现象,严重影响了输电线模型重建、弧垂模拟与分析及线路风险检测的精度.因此,研究精细的输电线激光点云分割方法对提高机载激光雷达电网安全巡检具有重要的理论参考价值和实践应用意义.输电线点云分割就是把从原始输电线路点云数据中提取得到的输电线点云划分为若干独立子集,每个独立子集中包含完整的单根输电线点.常见的点云分割方法可概括为两类:基于二维空间间接分割法 和基于三维点云直接分割法 .前者利用输电线空间线性分布特征将三维点云转化为水平面内的高程影像或转化为输电线截面的二维投影点,通过建立二维空间与点云空间的映射关系,根据二维数字图像直线检测或投影点聚类间接实现三维空间点云分割,典型代表性的有霍夫变换法 和特征空间聚类法;后者则利用单根输电线紧密相连、不同输电线彼此分离的空间分布特性,根据点云空间输电线联通性直接实现三维空间点云分割,具有点云分割精度高的优势,典型代表性的 有 三 维 点 云 密 度 聚 类 法 和 连 通 性 分 析法、随机采样一致性算法.文献调研发现,目前激光点云分割方法大多面向输电线点云数据质量较高的相对理想环境,现有的方法推广至数据缺失、点云噪声等输电线复杂场景时存在分割精度低、普适性差等不足,主要技术难点体现在:()激光点云数据缺失破坏了输电线首尾相连的空间连续性,使得连通性分析法将同属于相同输电线点云划分为多个独立子集,导致连通性分析点云分割算法失效.()激光点云噪声改变了输电线空间分布规则性.机载激光点云不可避免存在噪声点,噪声点空间分布极不规则且距离输电线较近,导致点云空间中输电线的线性特征表达能力减弱,造成霍夫变换直线检测算法的输电线点云分割不能得到理想的结果.()为了抑制电晕放电和减少线路电抗,高压、超高压输电线路通常采用分裂导线的架设方式.不同于常规非分裂导线,分裂导线沿悬弧曲线间隔一定距离由形状呈多边形的间隔棒“约束”成束,改变了各单导线的空间独立性,原始随机一致性采样算法则将分裂导线整体视为分割目标的最小单元,忽略单导线空间尺度差异,降低了单根输电线识别与分割提取的精度.针对现有激光点云分割方法推广至数据缺失、点云噪声等复杂输电线背景环境时存在精度低、普适性不高等不足,传统的无功补偿协同优化混合算法,将整个数据看作一个整体,充分调动数据的可用资源,平衡数据内所有设施,从而实现对相关功能的有效控制.而早期使用的蚁群算法、遗传算法、神经元算法、模糊控制算法等,将其平衡结果进行再平衡,形成新的控制目标并对上述算法进行分配,从而实现对输电线复杂背景环境的新型控制策略.通过分析单档输电线空间分布特性,考虑传统算法的劣势,以直线抛物线方程为单根输电线识别的约束条件,提出了一种改进随机采样一致性的输电线激光点云分割算法,该方法能较好地顾及数据缺失、点云噪声等因素,对分裂导线点云精细分割仍保持较高的精度和适用性,具有普适性好、分割精度高的优势.改进的随机采样一致性算法原始随机采样一致性算法将样本数据划分为局内点和局外点,以局内点样本数据集最大化为目标函数循环迭代寻找最优模型 .其基本思想是:通过随机抽取最小样本(如抛物线模型最小样本为)估计初始模型参数解,以全体样本数据集检验初始模型的有效性并根据模型残差阈值计算内点数,如此循环迭代直至抽样大于预定次数或当前模型内点数达到设定的阈值,则最大内点数对应的模型为最优模型.并根据模型参数计算样本数据集中模型对应的内点数,不断迭代直至抽样数大于预定次数或当前模型的内点数达到设定的阈值,则当前 模型参数即为 最佳模型参 数,否则继 续抽样.原始的随机采样一致性算法能在噪声数量和分布未知的情况下寻找样本数据的最优模型匹配,更适合从输电线点云数据中识别并分割提取形态规则的单根输电线,但原始随机采样一致性算法初始样本点选择数目和选择原则的随机性使得相同样本数据的多次模型优选结果存在差异,导致激光点云输电线模型重建结果缺乏稳定性;同时模计算技术与自动化 年月型残差阈值是随机采样一致性算法的关键内容,通常根据专家经验人工设置,模型残差阈值设置过大将导致激光点云输电线模型检验标准的可靠性降低,模型残差阈值设置过小将造成激光点云输电线模型陷入局部最优.为了克服原始随机采样一致性算法的激光点云输电线模型重建稳定性差和精度低的缺陷,结合输电线空间形态,从样本点选择、初始模型参数求解等方面进行改进,主要改进策略包括个方面:()改进初始样本点选择原则和数目.沿输电线水平走向,将激光点云划分为k个分段,从每个分段中随机抽取个样本点组合k个初始种子点,并作为初始模型参数求解样本数据集,其中k大于模型参数求解的最小样本点且小于最大样本数据集N,以抛物线方程模型参数求解为例,kN,通过选择多余的初始样本点削弱初始模型参数求解的随机性,通过分段选择原则使得初始样本数据集分布更加均匀,从而提高激光点云输电线初始模型重建精度和效率.()引入最小二乘法初始模型参数求解.引入收敛速度快、稳定性高的最小二乘法对k个样本数据集进行模型参数求解,以提高随机采样一致性算法的收敛速度.()自适应模型残差阈值设置.模型参数阈值描述了单根输电线激光点云与模型曲线的空间距离,是输电线点云分割噪声点识别的关键参数.当激光点云输电线模型残差小于阈值时,识别该点为目标输电线点集,否则识别为噪声点.单根输电线是形态规则的空间弯曲圆柱,其空间模型曲线均匀地穿过输电线中心,激光点云呈空间圆柱型均匀分布在输电线表面.从理论上讲,模型残差阈值等于输电线截面半径,考虑激光点云点位误差和离散型,模型残差阈值设置为输电线截面半径的 倍之间.改进的随机采样一致性算法提高了激光点云单根输电线识别能力,其中通过分段抽取k个初始样本点的选择原则,削弱了原始随机采样一致性算法模型重建的随机性和不确定性;通过引入最小二乘法初始模型参数求解,提高了改进后的随机采样一致性算法的效率;通过自适应模型残差阈值设置,使得改进后的随机采样一致性算法激光点云输电线模型重建过程噪声识别能力更强.改进随机采样一致性激光点云输电线模型重建流程主要包括个步骤.步骤:设置算法已知先验输入迭代次数m和模型残差阈值d,迭代次数m可由公式()计算得到.其中,表示输电线点所占比例即局内点概率;表示置信概率(通常取值范围 );k表示随机采样点数目.ml g()/l g(k)()步骤:沿输电线档距将激光点云划分为k个分段,并在各个分段随机抽取个激光点组成k个样本数据集,利用最小二乘原理分别求解直线和抛物线方程的初始模型参数,并重建输电线初始空间模型.步骤:利用整体激光点云数据集对初始空间模型进行检验,若模型残差大于阈值d,则统计为内点数,若当前内点数最大,则将当前模型标记为最优模型.步骤:若当前迭代数大于迭代次数m,则迭代停止;否则重复 步骤步骤.步骤:输出最优模型,算法执行结束.图展示了原始随机采样一致性算法和改进后的随机采样一致性算法激光点云单档输电线模型重建结果,其中深色点为单档输电线激光点云,浅色曲线为模型重建结果.原始随机采样一致性算法的单档输电线模型曲线纵横交错地穿梭在激光点云之间,与少量的点云距离较近,改进后的随机采样一致性算法单档输电线模型重建空间曲线均匀地穿过单根激光点云中间,且与同属单根输电线激光点云很好地贴合,表明改进后的随机一致性算法具有较高的单根输电线形态表达和模型重建精度,能很好地从单档输电线点云数据中识别单根输电线.经多次实验对比分析,基于改进随机采样一致性算法的激光点云输电线模型参数相差较小,表明改进的随机采样一致性算法具有较高的稳定性,同时实验还发现,当初始样本点选择数目k取值为 时,模型重建过程效率最佳,具体取值视点云密度大小决定,点云密度越大,其取值愈大,反之愈小.(a)原始R AN S A C模型重建第 卷第期杨治,等:激光雷达的多源数据融合点云分类算法研究(b)改进R AN S A C模型重建图单档输电线激光点云模型重建结果输电线激光点云分割输电线长度远远大于其截面直径,可视为无刚性的柔性索链.自然环境下,输电线只承受自身重力而无弯矩处于静止平衡状态,其空间形态模型可描述为直线悬链线方程 和直线抛物线方程,其模型均是以上方程的衍生或变异,其中基于抛物线方程具有更高的激光点云输电线模型重建精度和效率.直线抛物线方程表达式如公式()所示.其中k、b为直线模型参数;a、b、c为抛物线模型参数;x为激光点云投影至铅垂面的横坐标.yk xbza xb xc()以改进的随机采样一致性算法为激光点云输电线模型参数求解算法,直线抛物线方程为单根输电线识别的约束条件,提出了一种改进随机采样一致性的输电线激光点云分割方法.技术流程如图所示,包括三个步骤.步骤:设置输电线点云分割输入参数k,d,f l a g,其中f l a g表示单根输电线序号.步骤:采用改进后的随机采样一致性算法对单档输电线模型重建,并计算所有点与模型曲线的空间距离,当激光点距离模型曲线的距离小于阈值d时,标记该点为该模型曲线约束下的单根输电线识别点云数据集,即k,d,f l a gj,反之,标记为待分割点,f l a g.步骤:重复步骤操作过程,直至待分割点云数量较少,点云分割完成并将剩余点标记为噪声点,实现单档输电线点云分割.通过以上步骤实现单档输电线激光点云数据分割,图展示了单根输电线点云分割过程,其中深色点表示待分割激光点云,其他颜色点为分割得到的单根输电线点,浅色曲线为改进随机采样一致性算法激光点云输电线模型曲线,图(f)中深色点为识别到的噪声点.经过次模型重建分割得到根单根输电线,与输电线实际数据保持一致.图激光点云输电线分割技术流程(a)原始输电线点(b)第根输电线提取计算技术与自动化 年月(c)第根输电线提取(d)第根输电线提取(e)第根输电线提取(f)第根输电线提取图单档输电线点云分割过程实验与分析以M a t l a b 为研发平台,实现改进随机采样一致性输电线激光点云分割的算法研制.选择两组具有典型代表性的输电线激光点云为实验数据,如图所示.其中实验数据为有人机载激光雷达系统获取的福建某地单档非分裂输电线激光点云,包含根输电线(根避雷线和根非分裂导电线).该实验数据共有激光点数目 ,点平均间隔约为 m,为了验证本文输电线点云分割方法在数据缺失背景下的可行性和有效性,对导电线激光点云做不同程度的缺失处理,如图(a)所示,缺失段最大长度为 m;实验数据为无人机载激光雷达系统获取的四分裂导电线激光点云,各单导线空间距离约 m,该实验数据共有激光点数目 ,点平均间隔约为 m,点云数据中存在间隔棒点、大量噪声点等非输电线点,如图(b)所示.总之,所选实验数据在电网工程中具有普遍代表性且为输电线机载激光点云分割处理的技术难点.(a)实验数据点云(b)实验数据点云图输电线激光点云实验数据第 卷第期杨治,等:激光雷达的多源数据融合点云分类算法研究图(a)(c)分别展示了基于已有K均值聚类法(文献)、密度聚类(文献)和本文方法的实验数据单档输电线激光点云分割结果,分割点云颜色随机选择.实验过程中K均值聚类法参数输入聚类数目为、分段长度为 m,密度聚类法邻域半径设置为 m,密度阈值设置为,本文方法初始样本点数目设置为,残差阈值设置为输电线截面半径的倍.当输电线点云存在缺失现象时,K均值聚类法以单根输电线根数为聚类目标数目的先验知识输入,在点云数据非缺失段得到正确的聚类结果,但在数据缺失处相同单根输电线包含多个分割目标,分析原因为K均值聚类没有考虑数据缺失导致聚类目标数目减少,错误地将属于相同输电线的激光点云聚类两类,如图(a)所示;三维空间点云密度聚类法将类簇定义高密度相连的点云数据集,将实验数据激光点云分割为 根输电线,即每个分段为一个分割结果.分析原因为输电线点云数据缺失改变了输电线的空间连通性,导致单根输电线被分割为多个聚类目标,此时点云分割目标数目大于输电线实际数目而出现过分割现象,如图(b)所示;本文方法通过从全局范围内随机选择多个种子点,克服了K均值聚类法和密度聚类法对局部范围内点云连续性和完整性的依赖,削弱了点云数据缺失现象对输电线点云分割的限制和干扰,如图(c)所示,属于他相同输电线的激光点云分割为相同的目标子集,激光点云分割数目与输电线根数保持一致.表明当激光点云存在缺失时,本文提出的输电线激光点云分割结果完全正确.图展示了基于已有K均值聚类法、密度聚类和本文方法的实验数据分裂导线激光点云分割结果,其中浅色点为分割过程中识别得到的噪声点,其余颜色点为单根输电线点.实验过程中K均值聚类法参数输入聚类数目为、分段长度为 m,密度聚类法邻域半径设置为 m、密度阈值设置为,本文方法初始样本点数目设置为、残差阈值设置为输电线截面半径的 倍.总体上看,三种方法均实现分裂导线输电线激光点云分割处理,点云分割数目与单导线数据保持一致.但K均值聚类法无法识别间隔棒、噪声点等非输电线点,激光点云单根输电线模型精细重建还需要进行去噪处理;密度聚类法和本文方法能在点云分割过程中识别夹杂在单导线间的非输电线点,但对比发现,密度聚类法将部分噪声点错误地聚类为输电线点,对靠近输电线的噪声点识别能力较弱;本文方法通过改进初始样本点选择原则,使得激光点云更加贴合输电线模型曲线,同时设置自适应的模型残差阈值,提高了输电线点云分割过程噪声识别能力.(a)K均值聚类法(b)密度聚类法(c)本文方法图不同方法实验数据分割结果以国内常用激光点云数据处理软件点云魔法人工交互手动分割结果为标准参考数据,选择精确率A c c u r a c yT P/(T PF N)、召 回率R e c a l lT P/(T PF P)和质量Q u a l i t yT P/(T PF NF P)为精度评价指标定量评定本文提出的改进随机采样一致性算法输电线点云分割性能,其中T P表示标准参考数据和本文提取结果共有的激光点计算技术与自动化 年月的数目,即正确分割的点云数目;F N表示参考数据中独有的激光点的数目,即分割遗漏的点云数目;F P表示本文提取结果中独有激光点的数目,即错误分割的点云数目.精确率描述了点云分割目标的检测率,召回率描述了分割结果与参考标准的整体匹配程度,而质量精度评定指标平衡了精确率和召回率,描述了分割算法的总体性能,三个精度评定指标越高,则激光点云输电线点云分割效果越好.(a)K均值聚类法(b)密度聚类法(c)本文方法图不同方法实验数据分割结果表展示了K均值聚类法、密度聚类法和本文方法实验数据输电线激光点云分割精度指标统计结果.实验数据激光点云分割结果表明:当激光点云存在缺失、断裂现象时,相对于已有K均值聚类法和密度聚类法,本文提出的输电线点云分割方法有绝对的精度优势,已有方法精确率、召回率和质 量 三 个 指 标 的 最 大 值 分 别 为 、,而 本 文 方 法 精 度 指 标 均 为 ,具有较高的精度.实验数据激光点云分割结果表明:本文方法对分裂导线仍具有较好的普适性和较高的分割精度,精确率、召回率和质量三项精度评定指标均接近 .实验过程中还发现,K均值聚类法输电线激光点云分割无法识别间隔棒、噪声点等非输电线点,虽然密度聚类法输电线激光点云分割精度各项指标与本文方法较为接近,但密度聚类法将部分噪声点划分为输电线点,点云分割后的单根输电线仍存在少量噪声,后续输电线模型重建仍需进行去噪处理.综上分析,本文提出的改进随机采样一致性算法输电线点云分割方法具有较高的精度,对激光点云存在断裂、数据缺失和点云噪声等背景环境,仍保持较好的适用性.表实验数据点云分割结果精度统计实验数据分割方法精确率/召回率/质量/实验数据K均值聚类法 密度聚类法 本文方法 实验数据K均值聚类法 密度聚类法 本文方法 结论输电线激光点云分割是单档单根输电线提取的重要内容,而激光点云不可避免地存在数据缺失、点云噪声等现象,是制约激光点云分割和输电线模型精细重建的关键.针对传统随机采样一致性算法点云分割推广至数据缺失和点云噪声等复杂输电线背景场景精度低、普适性不高等问题,以单档输电线激光点云数据为研究对象,以直线抛物线方程为单根输电线识别的约束条件,提出了改进随机采样一致性的输电线点云精细分割方法.主要贡献点包括两个方面:()改进了随机一致性采样激光点云输电线模第 卷第期杨治,等:激光雷达的多源数据融合点云分类算法研究型重建.通过全局范围内初始种子点选择原则和种子点选择数目k的改进,引入最小二乘法初始模型重建等原始随机一致性模型参数求解方法的改进策略,提高了从激光点云数据中识别单根输电线并模型重建的精度.()设计了一种逐根输电线识别的输电线点云分割方法.以直线抛物线方程为单根输电线识别的约束条件,克服了传统基于局部特征的输电线点云分割方法对激光点云数据完整性和连续性的依赖;根据模型残差阈值逐根提取单根输电线并剔除噪声点,提高了单根输电线识别的精度.较已有K均值聚类法和密度聚类激光点云分割方法,本文方法输电线点云分割精度高,准确率、召回率和整体精度最小值分别为 、,算法较好地顾及分裂和非分裂导电线等输电线类型因素,且对数据缺失、点云噪声等复杂背景环境具有普遍适应性.讨论了基于杆塔坐标分段后的单档输电线激光点云分割方法,在电网工程应用中杆塔坐标的可靠性和精度有待商榷,后续研究将以如何高精度地实现杆塔坐标提取作为研究重心,以提高本文算法在电网工程中的可行性.参考文献杨必胜,梁福逊,黄荣刚三维激光扫描点云数据处理研究进展、挑战与趋势J测绘学报,():GUOB,HUAN GXF,Z HAN GF,e ta l C l a s s i f i c a t i o no fa i r b o r n el a s e rs c a n n i n gd a t au s i n gj o i n t b o o s tJI S P R SJ o u r n a l o fP h o t o g r a mm e t r ya n dR e m o t eS e n s i n g,:A GA RWA LS,S WE T A P A DMAA,P AN I G R AH IC,e t a l Am e t h o d f o r f a u l t s e c t i o n i d e n t i f i c a t i o n i nh i g hv o l t a g ed i r e c tc u r r e n t t r a n s m i s s i o nl i n e su s i n go n ee n dm e a s u r e m e n t sJE l e c t r i cP o w e rS y s t e m sR e s e a r c h,:胡毅,刘凯,吴田,等输电线路运行安全影响因素分析及防治措施J高电压技术,():A I N I WA E R M,D I N GJL,KA S I M N,e t a l R e g i o n a l s c a l es o i lm o i s t u r e c o n t e n t e s t i m a t i o nb a s e do nm u l t i s o u r c e r e m o t es e n s i n gp a r a m e t e r sJI n t e r n a t i o n a lJ o u r n a lo f R e m o t eS e n s i n g,():L IS,L IJ C o n d i t i o nm o n i t o r i n ga n dd i a g n o s i so fp o w e re q u i p m e n t:r e v i e wa n dp r o s p e c t i v eJH i g hV o l t a g e,():陈驰,彭向阳,宋爽,等大型无人机电力巡检L i D A R点云安全距离诊断方法J电网技术 ():余洁,穆超,冯延明,等机载L i D A R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),():KWO C Z YN S KAB,D O B E KJ E l a b o r a t i o no f t h e Dm o d e la n ds u r v e yo f t h ep o w e r l i n e su s i n gd a t af r o ma i r b o r n e l a s e rs c a n n i n gJ J o u r n a lo fE c o l o g i c a lE n g i n e e r i n g,():XUS,WAN GRS P o w e r l i n ee x t r a c t i o nf r o m m o b i l e l i d a rp o i n t c l o u d sJ I E E EJ o u r n a l o fS e l e c t e dT o p i c s i nA p p l i e dE a r t hO b s e r v a t i o n sa n dR e m o t eS e n s i n g,():MAN OHA RY,C HA RUD A T T AGC E x t r a c t i o no f p o w e rl i n e su s i n gm o b i l eL i D A Rd a t ao fr o a d w a ye n v i r o n m e n tJR e m o t e S e n s i n g A p p l i c a t i o n s:S o c i e t y a n d E n v i r o n m e n t,:MA T I KA I N E NL,L EHT OMAK IM,AHO KA SE,e ta l R e m o t es e n s i n gm e t h o d s f o rp o w e r l i n ec o r r i d o r s u r v e y sJI s p r sJ o u r n a l o fP h o t o g r a mm e t r ya n dR e m o t eS e n s i n g,:MC L AUGHL I N R AE x t r a c t i n gt r a n s m i s s i o nl i n e sf r o ma i r b o r n eL I D A Rd a t aJ I E E EG e o s c i e n c e a n dR e m o t eS e n s i n gL e t t e r s,():林祥国,宁晓刚,夏少波特征空间聚类的电力线激光雷达点云分割方法J测绘科学,():麻卫峰,王金亮,王成,等一种基于机载L i D A R点云电力线自动提取方法J测绘科学技术学报,():MAN OHA RY,C HA RUD A T T AGC E x t r a c t i o no f p o w e rl i n e su s i n gm o b i l eL i D A Rd a t ao fr o a d w a ye n v i r o n m e n tJR e m o t e S e n s i n g A p p l i c a t i o n s:S o c i e t y a n d E n v i r o n m e n t,:林祥国,宁晓刚,段敏燕,等分层随机抽样的单档电力线L i D A R点云聚类方法J测绘科学,():P A R KJ I,P A R KCH AS t u d yo n t h eP a r a m e t e rE s t i m a t i o no fH a r m o n i cE q u i v a l e n tM o d e lU s i n gt h eR AN S A Ca n dR e c u r s i v eL e a s tS q u a r eA l g o r i t h m sJT r a n s a c t i o n so ft h eK o r e a nI n s t i t u t eo fE l e c t r i c a lE n g i n e e r s,():WUY,L IG,X I ANC,e ta l E x t r a c t i n gP O P:p a i r w i s eo r t h o g o n a lp l a n e sf r o m p o i n tc l o u d u s i n g R AN S A CJC o m p u t e r s&G r a p h i c s,():周汝琴,翟瑞聪,江万寿,等机载激光点云数据中分裂导线自动提取和重建J测绘科学,():赖旭东,戴大昌,郑敏,等 L i D A R点云数据的电力线维重建J遥感学报,():O R T E GAS,T RU J I L L OA,S ANT ANAJM,e ta l C h a r a c t e r i z a t i o na n d m o d e l i n go fp o w e rl i n ec o r r i d o re l e m e n t sf r o mL i D A Rp o i n t c l o u d sJ I S P R SJ o u r n a lo fP h o t o g r a m m e t r ya n dR e m o t eS e n s i n g,():麻卫峰,王成,王金亮,等激光点云输电线精细提取的残差聚类法J测绘学报,():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),():