为了提高基于无人机机载激光雷达点云电力线提取与重建的精度和效率, 采用了一种综合电力线点云分步提取、分段k均值聚类采样及结合直线和抛物线拟合的电力线点云提取与重建方法。在对电力线走廊点云进行预处理和改进滤波的基础上, 先对其进行分段并根据电力线点云在高程方向的分布特征进行粗提取, 再将粗提取得的电力线点投影到水平面上用Hough变换对其进行精提取, 然后通过对精提取的电力线点进行分段k均值聚类采样,从而完成电力线的单根分离, 最后使用直线和抛物线结合的模型对电力线进行拟合重建。选取实测数据进行试验, 通过电力线提取的完整率以及重建的精度和效率对本文中算法进行了评价。结果表明, 利用该算法提取电力线点的综合完整率达到96%以上。这一结果对高效地提取和重建单档单根电力线具有一定帮助。

提出了一种基于机载LiDAR点云数据的电力线自动提取方法。先对LiDAR数据进行空间网格划分;再依据电力线在三维空间中的水平分布特性,利用改进的欧氏聚类实现电力线粗提取;采用电力线与电力塔的相连性,估算出电力塔顶端的空间坐标位置;使用改进的欧氏聚类实现单根电力线提取,利用直线和抛物线相结合的模型求解单根电力线的中心线方程及其半径;最后根据电力线方程和半径自适应生长电力线于绝缘子处,并得到单根电力线的完整点云。实验结果表明,对比于支持向量机(SVM)结合几何特征方法的分类效果,所提方法可自动、快速和精确地从电力巡线数据中提取完整的电力线,对电力巡线具有一定的应用价值。

为了解决电力线点云可能存在交跨线点云较难处理、绝缘子点云较难分割、现有算法模型研究不完整问题，采用了基于点云数据特征的电力线快速提取和重建方法，首先通过输电线路体素栅格高程特征进行点云快速粗分类，然后运用随机一致性算法进行点云快速精化，采用顾及交跨线的滤波算法高效准确提取电力线点云，针对电力线局部线性模型分割出绝缘子，最后采用局部加权质心的方式提取电力线关键点，实现电力线的快速重建,并进行了理论分析和实验验证，取得了较好的实验结果。结果表明，电力线提取与重建综合准确率95.3%，总体耗时2.5s以内，验证了算法的快速性、准确性和鲁棒性。这一结果对电力线点云提取和重建有一定帮助。

针对当前机载激光雷达技术在电力巡线应用中对电力线自动提取高精度的需求, 提出一种在复杂地物背景下电力线自动提取的改进算法。首先通过点云滤波算法分离地面和非地面点, 完成归一化处理并依据电力线点云的高程特征及其在Z方向上连续性分布特性得到候选点云; 其次通过峰值增强局部算子改进霍夫变换, 实现电力线点云的精提取; 最后基于电力线点云的空间连续性, 通过最邻近生长算法识别单根电力线。实验结果表明, 利用该算法电力线提取率达到95%以上。该算法能适应地形起伏、复杂地物的影响准确提取电力线点, 并能对电力线进行准确的单根识别。