【技术实现步骤摘要】
本专利技术涉及一种输电线路安全巡检领域，更具体地说，它涉及基于激光雷达点云的线路树障风险隐患的分析系统及方法。
技术介绍
1、在现有技术中常采用通过机器学习算法自动分离电力线、杆塔、树木、杆塔等类别，以电力走廊内的关键对象—电力线与电力塔为核心，形成柱状探查空间，计算树木当前与电力线的距离，快速获取树障隐患点位置信息。
2、但是研究发现进行电力线数据的提取和树木点云的提取，乃至于收集影响研究区域树种生长的主要因素，研发输电线路通道树木生长预测模型数据库都非常复杂，造成数据处理量很大，不能高效率的完成树木隐患分析和预警处理。
技术实现思路
1、本专利技术的目的是提供基于激光雷达点云的线路树障风险隐患的分析系统及方法，用以解决现有技术对于树木隐患分析的执行效率较低的问题。
2、本申请的第一方面，提供了一种基于激光雷达点云的线路树障风险隐患的分析系统，系统包括：
3、点云获取模块，用于获取输电线路走廊区域沿输电线路走廊的点云数据；
4、聚类处理模块，用于提取输电线路的导线点云数据：对所述点云数据进行ransac算法的地面点分割以及悬空点进行聚类分析识别，以提取输电线路的导线点云数据；
5、提取模块，用于提取输电线路的线下地物数据：使用随机森林分类器识别和分类输电线路走廊内的包含有地面、树木、杆塔的地物点云数据；
6、计算评估模块，用于基于导线点云数据和地物点云数据计算导线与地物之间的距离，评估潜在风险输出潜在风险点；
7、报告输出模块，用于筛选树木对输电线路的潜在风险点，确定树木对输电线路的潜在风险点输出为目标风险点，基于目标风险点输出风险评估报告。
8、在一种实现方案中，所述聚类处理模块，具体包括：
9、地面点和非地面点分割模块，用于对点云数据使用ransac算法进行地面点分割：识别并提取地面点和非地面点；
10、悬空点提取模块，用于通过高度阈值法分离出位于地面之上的点云，确定为悬空点以实现提取悬空点；
11、点簇识别模块，用于对提取的悬空点应用基于密度的空间聚类算法，识别初始的导线点簇；
12、导线拟合模块，用于利用导线悬链线方程拟合导线点簇：对每个识别出的点簇应用导线悬链线方程进行拟合，得到导线曲线方程；
13、验证输出模块，用于利用拟合的所述导线曲线方程，进行导线点的二次提取，然后对多个当前二次提取的导线点的位置进行验证，如果导线点的验证结果为正确导线点簇的比例高于标准比例阈值则确定当前导线曲线方程上输出的导线点为目标导线点簇，将目标导线点簇进行拟合连接形成输电线路的导线点云数据。
14、在一种实现方案中，所述基于密度的空间聚类算法为dbscan聚类算法。
15、在一种实现方案中，所述导线悬链线方程为：y＝a*cosh((x-b)/a)+c；其中，y为导线在垂直方向的坐标，x为导线在水平方向的坐标，a为悬链线参数，b为曲线对称轴的水平坐标，c为最低点的垂直坐标。
16、在一种实现方案中，提取模块，包括：
17、数字高程模型生成模块，用于使用已分割的地面点，通过三角不规则网络插值方法生成数字高程模型；
18、非地面地分类模块，用于对非地面点进行分类：利用随机森林分类器对非地面点进行分类，识别杆塔、树木的地物；
19、树木提取模块，用于提取树木点云：从树木类别中分离出树木点云；
20、单木分割模块，用于进行单木分割：对所述树木点云进行单木分割；
21、单木属性信息提取模块，用于基于树木点云的单木分割结果提取每棵树的属性信息；其中，每棵树的属性信息包括每棵树的位置、高度、冠幅和胸径。
22、在一种实现方案中，所述单木分割模块具体包括：
23、单木切片模块，用于对树木点云进行水平切片：将树木点云沿垂直方向进行等间距切片；
24、单木轮廓识别模块，用于在每个切片内应用凸包算法：识别每个切片中的树木轮廓；
25、单木轮廓层间连通计算模块，用于利用层间连通性分析：通过分析相邻切片间轮廓的重叠度，确定树木的垂直结构；
26、单木生长模块，用于应用区域生长算法：以树冠顶点为种子点，向下生长，实现完整的单木分割。
27、在一种实现方案中，所述计算评估模块，具体包括：
28、空间索引模块，用于对导线点云数据建立kd树索引，以便于对当前导线点上的最近邻搜索其他导线点；对树木点云数据建立r树索引，以便于在特定目标区域内搜索树木；
29、阈值获取模块，用于根据当前导线的电压等级类型，确定设定相应的安全距离阈值；
30、最小距离计算模块，用于遍历每棵树的点云数据；对每棵树，使用kd树查找最近的导线点；计算树木点云与最近导线点之间的欧氏距离；记录每棵树所在的每个树木点云与导线之间的欧氏距离最小值作为最小距离；
31、风险评估模块，用于将计算得到的最小距离与安全距离阈值进行比较；如果最小距离小于安全距离阈值，则标记该树为潜在风险点。
32、在一种实现方案中，所述计算评估模块还包括记载模块：
33、所述记载模块，用于导入导线点云数据和地物点云数据，并加载每棵树的属性信息。
34、在一种实现方案中，系统还包括风险程度分级模块；所述风险程度分级模块用于计算风险程度；并根据风险程度对潜在风险点进行分级；其中，所述潜在风险点包括高级、中级、低风险级。
35、本申请的第二方面，提供了一种基于激光雷达点云的线路树障风险隐患的分析方法，方法包括：
36、获取输电线路走廊区域沿输电线路走廊的点云数据；
37、提取输电线路的导线点云数据：对所述点云数据进行ransac算法的地面点分割以及悬空点进行聚类分析识别，以提取输电线路的导线点云数据；
38、提取输电线路的线下地物数据：使用随机森林分类器识别和分类输电线路走廊内的包含有地面、树木、杆塔的地物点云数据；
39、基于导线点云数据和地物点云数据计算导线与地物之间的距离，评估潜在风险输出潜在风险点；
40、筛选树木对输电线路的潜在风险点，确定树木对输电线路的潜在风险点输出为目标风险点，基于目标风险点输出风险评估报告。
41、与现有技术相比，本专利技术具有以下有益效果：
42、本专利技术采用随机采样一致性算法(ransac)进行地面点的分割，帮助识别和去除数据中的噪声和不必要的点。本专利技术还利用机器学习中的随机森林分类器对点云数据进行识别和分类，提取输电线路走廊内的地面、树木和杆塔等地物数据。此步骤能够提高地物识别的准确性和效率。然后基于导线点云数据和地物点云数据计算导线与周围地物之间的距离。这一计算能够帮助识别潜在的风险点，如树木过近于输电线路的情况。筛选出对输电线路存在潜在风险的树木，并确定这些树木为目标风险点。最终基于目标风险点生成本文档来自技高网...
【技术保护点】
1.一种基于激光雷达点云的线路树障风险隐患的分析系统，其特征在于，系统包括：
2.根据权利要求1所述的系统，其特征在于，所述聚类处理模块，具体包括：
3.根据权利要求2所述的系统，其特征在于，所述基于密度的空间聚类算法为DBSCAN聚类算法。
4.根据权利要求3所述的系统，其特征在于，所述导线悬链线方程为：y＝a*cosh((x-b)/a)+c；其中，y为导线在垂直方向的坐标，x为导线在水平方向的坐标，a为悬链线参数，b为曲线对称轴的水平坐标，c为最低点的垂直坐标。
5.根据权利要求4所述的系统，其特征在于，提取模块，包括：
6.根据权利要求5所述的系统，其特征在于，所述单木分割模块具体包括：
7.根据权利要求6所述的系统，其特征在于，所述计算评估模块，具体包括：
8.根据权利要求7所述的系统，其特征在于，所述计算评估模块还包括记载模块：
9.根据权利要求7所述的系统，其特征在于，系统还包括风险程度分级模块；所述风险程度分级模块用于计算风险程度；并根据风险程度对潜在风险点进行分级；其中
10.一种基于激光雷达点云的线路树障风险隐患的分析方法，其特征在于，方法包括：
...【技术特征摘要】
1.一种基于激光雷达点云的线路树障风险隐患的分析系统，其特征在于，系统包括：
2.根据权利要求1所述的系统，其特征在于，所述聚类处理模块，具体包括：
3.根据权利要求2所述的系统，其特征在于，所述基于密度的空间聚类算法为dbscan聚类算法。
4.根据权利要求3所述的系统，其特征在于，所述导线悬链线方程为：y＝a*cosh((x-b)/a)+c；其中，y为导线在垂直方向的坐标，x为导线在水平方向的坐标，a为悬链线参数，b为曲线对称轴的水平坐标，c为最低点的垂直坐标。
5.根据权利要求4所述的系统，其特征在于，提...
【专利技术属性】
技术研发人员：魏洪，况松陵，李扬帆，冯藩，黄晓露，王刚，杨涛，唐星，
申请(专利权)人：国网四川省电力公司绵阳供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。