基于機載LiDAR數(shù)據(jù)的電力走廊信息提取技術研究
發(fā)布時間:2020-11-16 16:22
當前電力走廊系統(tǒng)的巡檢主要依靠地面人力或直升機搭載光學相機的方式進行,不僅耗費較多的人力物力,而且由于人眼辨識率和圖像的空間定位精度不高,所獲取的信息不夠準確。機載激光雷達(LiDAR)可以獲取地面場景的三維空間信息,并且隨著LiDAR系統(tǒng)發(fā)展和飛行成本的下降,利用機載LiDAR進行電力走廊巡檢有更廣闊的發(fā)展空間。本文從機載LiDAR系統(tǒng)獲取的三維點云數(shù)據(jù)出發(fā),根據(jù)LiDAR數(shù)據(jù)特性以及場景內不同地物特點,首先研究了用于LiDAR點云分類的特征提取過程,之后在特征提取基礎上利用稀疏表示分類器對LiDAR點云進行分類,并對稀疏表示分類過程中存在的非線性和特征異構性問題進行了深入研究,提出了基于多核學習的聯(lián)合稀疏表示分類器,最后對分類后的目標分別進行處理,分析評價電力走廊的安全狀態(tài)。本文研究工作主要為四個部分:LiDAR點云數(shù)據(jù)的特征提取、基于稀疏表示的點云分類、多核學習用于稀疏表示以及點云的分類后處理。具體內容如下:首先,本文研究了面向點云分類應用的特征提取過程,針對場景內的地物目標種類,尋找能夠有效區(qū)分地物類別的特征信息,包括單點特征以及多尺度空間鄰域特征,對得到的特征信息進行預處理以便和稀疏表示分類器相匹配,從而構建出用于進行點云分類的特征向量。其次,本文研究了基于稀疏表示的點云分類方法,在原始的稀疏表示分類基礎上,探討了將核方法與聯(lián)合稀疏表示應用于點云分類中。核方法對高維數(shù)據(jù)分類時的非線性問題有良好效果,而聯(lián)合稀疏表示可以充分利用鄰近點云標簽相似性信息。對于點云數(shù)據(jù)特征的異構性問題,進一步提出了基于多核學習的稀疏表示分類器,相較于單核情形下的稀疏表示分類,效果有明顯提升。最后,針對課題對電力走廊信息提取的目的,分類后的LiDAR點云數(shù)據(jù):對并行的電力線進行單線分離與擬合;對植物和建筑物點云進行空間單體目標分割,計算電力線和單體建筑物、樹木等地物的水平和垂直距離信息,根據(jù)有關的電力安全標準,確定地物目標是否對電力線的安全性構成威脅,并評估電力線的安全狀態(tài)。
【學位單位】:哈爾濱工業(yè)大學
【學位級別】:碩士
【學位年份】:2016
【中圖分類】:TM76;TP391.41
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題的背景及來源
1.2 課題研究的目的和意義
1.3 國內外研究現(xiàn)狀
1.3.1 機載LiDAR點云特征提取與分類研究現(xiàn)狀
1.3.2 稀疏表示分類研究進展
1.3.3 研究現(xiàn)狀的總結
1.4 本文的主要研究內容
第2章 LIDAR點云數(shù)據(jù)預處理與特征提取技術
2.1 引言
2.2 機載LIDAR數(shù)據(jù)采集系統(tǒng)與數(shù)據(jù)特性
2.2.1 機載LiDAR系統(tǒng)組成與工作原理
2.2.2 機載LiDAR點云數(shù)據(jù)格式與特性
2.3 LIDAR點云數(shù)據(jù)預處理
2.3.1 研究區(qū)域數(shù)據(jù)集介紹
2.3.2 粗差點剔除
2.4 LIDAR點云數(shù)據(jù)特征提取
2.4.1 單點特征提取與地形粗提取
2.4.2 鄰域特征提取
2.5 實驗結果與分析
2.5.1 預處理過程
2.5.2 特征提取過程
2.6 本章小結
第3章 基于稀疏表示的LIDAR點云分類
3.1 引言
3.2 稀疏表示理論與稀疏表示分類器
3.2.1 稀疏表示理論
3.2.2 稀疏表示分類器
3.3 核方法與核空間稀疏表示分類
3.4 核空間聯(lián)合稀疏表示分類
3.4.1 聯(lián)合稀疏表示分類
3.4.2 核化聯(lián)合稀疏表示分類
3.5 實驗結果與分析
3.6 本章小結
第4章 基于多核學習稀疏表示的LIDAR點云分類
4.1 引言
4.2 多核學習分類
4.2.1 多核學習理論
4.2.2 多核框架下的核空間稀疏表示分類技術
4.3 實驗結果與分析
4.3.1 實驗設置
4.3.2 結果與分析
4.4 本章小結
第5章 基于LIDAR點云分類的電力走廊信息提取
5.1 引言
5.2 電力走廊信息提取
5.2.1 Hough變換單根電力線提取
5.2.2 建筑物和樹木目標的單體分割
5.3 電力走廊安全標準
5.4 實驗結果與分析
5.4.1 電力線單根分離
5.4.2 建筑物和樹木目標的單體分割
5.4.3 整體分析
5.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝
【參考文獻】
本文編號:2886431
【學位單位】:哈爾濱工業(yè)大學
【學位級別】:碩士
【學位年份】:2016
【中圖分類】:TM76;TP391.41
【文章目錄】:
摘要
ABSTRACT
第1章 緒論
1.1 課題的背景及來源
1.2 課題研究的目的和意義
1.3 國內外研究現(xiàn)狀
1.3.1 機載LiDAR點云特征提取與分類研究現(xiàn)狀
1.3.2 稀疏表示分類研究進展
1.3.3 研究現(xiàn)狀的總結
1.4 本文的主要研究內容
第2章 LIDAR點云數(shù)據(jù)預處理與特征提取技術
2.1 引言
2.2 機載LIDAR數(shù)據(jù)采集系統(tǒng)與數(shù)據(jù)特性
2.2.1 機載LiDAR系統(tǒng)組成與工作原理
2.2.2 機載LiDAR點云數(shù)據(jù)格式與特性
2.3 LIDAR點云數(shù)據(jù)預處理
2.3.1 研究區(qū)域數(shù)據(jù)集介紹
2.3.2 粗差點剔除
2.4 LIDAR點云數(shù)據(jù)特征提取
2.4.1 單點特征提取與地形粗提取
2.4.2 鄰域特征提取
2.5 實驗結果與分析
2.5.1 預處理過程
2.5.2 特征提取過程
2.6 本章小結
第3章 基于稀疏表示的LIDAR點云分類
3.1 引言
3.2 稀疏表示理論與稀疏表示分類器
3.2.1 稀疏表示理論
3.2.2 稀疏表示分類器
3.3 核方法與核空間稀疏表示分類
3.4 核空間聯(lián)合稀疏表示分類
3.4.1 聯(lián)合稀疏表示分類
3.4.2 核化聯(lián)合稀疏表示分類
3.5 實驗結果與分析
3.6 本章小結
第4章 基于多核學習稀疏表示的LIDAR點云分類
4.1 引言
4.2 多核學習分類
4.2.1 多核學習理論
4.2.2 多核框架下的核空間稀疏表示分類技術
4.3 實驗結果與分析
4.3.1 實驗設置
4.3.2 結果與分析
4.4 本章小結
第5章 基于LIDAR點云分類的電力走廊信息提取
5.1 引言
5.2 電力走廊信息提取
5.2.1 Hough變換單根電力線提取
5.2.2 建筑物和樹木目標的單體分割
5.3 電力走廊安全標準
5.4 實驗結果與分析
5.4.1 電力線單根分離
5.4.2 建筑物和樹木目標的單體分割
5.4.3 整體分析
5.5 本章小結
結論
參考文獻
攻讀碩士學位期間發(fā)表的論文及其它成果
致謝
【參考文獻】
相關期刊論文 前6條
1 王書玉;張羽威;于振華;;基于隨機森林的洪河濕地遙感影像分類研究[J];測繪與空間地理信息;2014年04期
2 劉正軍;梁靜;張繼賢;;空間域分割的機載LiDAR數(shù)據(jù)輸電線快速提取[J];遙感學報;2014年01期
3 金立軍;孫浩;閆書佳;張文豪;;基于航拍視頻的輸電線走廊危險地物檢測技術[J];系統(tǒng)仿真學報;2013年09期
4 束龍;魯莽;胡丹暉;;LiDAR技術在電力選線中的應用[J];電網(wǎng)與清潔能源;2013年01期
5 葉嵐;劉倩;胡慶武;;基于LIDAR點云數(shù)據(jù)的電力線提取和擬合方法研究[J];測繪與空間地理信息;2010年05期
6 陽鋒;徐祖艦;;三維激光雷達技術在輸電線路運行與維護的應用[J];南方電網(wǎng)技術;2009年02期
本文編號:2886431
本文鏈接:http://www.sikaile.net/kejilunwen/dianlidianqilunwen/2886431.html
最近更新
教材專著