[发明专利]一种基于车载LiDAR数据的电力线提取与拟合方法

权利要求书

1.一种基于车载LiDAR数据的电力线提取与拟合方法，步骤包括：

第一步、构建体元——以体元为空间单元对车载LiDAR数据的空间区域进行分割，所述体元的尺寸范围为[10cm,dist_pl]，其中dist_pl为相邻电力线间的最小间距；

第二步、体元过滤——根据电力线的分布特点剔除不含有电力线LiDAR点的体元，保留含有电力线LiDAR点的体元；

第三步、电力线走廊识别——将第二步保留的体元内的LiDAR点投影至XY平面，采用hough变换检测直线，得到电力线点云所在直线，从而得到若干条电力线走廊；

第四步、电力线点云初始聚类——使用AutoClust算法对每条电力线走廊内的电力线点云进行初始聚类，得到若干属于同一电力线走廊的点云初始聚类；

第五步、电力线点云聚类合并——对同一电力线走廊的各点云初始聚类构建端部拟合线段，若相邻点云初始聚类之间相对的端部拟合线段的夹角小于α，则将相邻点云初始聚类合并，以此类推最终得到若干点云合并聚类，α的取值范围为5-12°；

第六步、电力线点云聚类恢复——对各点云合并聚类构建端部拟合线段，若某点云合并聚类的首尾端部拟合线段的角度都位于区间[-90°,0°]或[0°,90°]，则该点云合并聚类为断裂聚类；该断裂聚类和位于同一档距内的其他点云合并聚类分别组合进行抛物线拟合，将具有最小拟合残差的点云合并聚类与该断裂聚类合并，并将与该拟合抛物线平均距离小于M的点云合并聚类也合并到一起，得到完整的单条电力线点云，从而完成单条电力线点云聚类的恢复，M的取值范围为[5cm,15cm]；

第七步、电力线三维拟合——针对完整的单条电力线点云使用最小二乘算法拟合得到电力线三维曲线。

2.根据权利要求1所述的基于车载LiDAR数据的电力线提取与拟合方法，其特征在于：第二步中滤掉不含有电力线LiDAR点体元的方法包含以下步骤：

a、离地高度筛选——若某体元内最高LiDAR点与最低LiDAR点的高差小于H，则该体元为地面体元，根据地面体元内的LiDAR点获取近似地面，如果体元内最低LiDAR点到近似地面的高度小于电力线高程阈值，则将该体元剔除，否则保留，其中H的取值范围为[0.8m-1.2m];

b、上下体元连续性筛选——若内含有LiDAR点的体元上下连续数量大于N，则将这些体元剔除，否则保留，N的取值范围为{2,3,4};

c、特征向量筛选——通过对体元内点云的三维坐标进行特征分解获得的特征向量，若特征向量表征点云分布呈线状则保留该体元，否则剔除；

d、邻域体元点云数量筛选——计算邻域内所有体元的LiDAR点总数，若LiDAR点总数大于阈值P，则保留该体元，否则剔除，阈值P的取值范围为10-20。

3.根据权利要求2所述的基于车载LiDAR数据的电力线提取与拟合方法，其特征在于：步骤d中，阈值P的计算方法如下：

d-1）、计算所有邻域体元的点云数量，根据点云数量的最大值和最小值得到点云数量区间[D_min,D_max]，设定较小的间隔D_s对点云数量区间进行划分，得到邻域点云数量区间集合S={S_j,j=1,2,…,n}，其中

d-2）、对于所有邻域体元，如果点云数量D_i在区间S_j中，则S_j的累积量Acc_j加1；

d-3）、对于点云数量累积量制作曲线，使用累积量的中位数作为基线去除中位数以下的数据；对曲线求二次偏导，寻找峰值区间，得到电力线点云所在的点云数量区间，阈值P=点云数量区间的下限-1。

4.根据权利要求1所述的基于车载LiDAR数据的电力线提取与拟合方法，其特征在于：所述第三步得到电力线走廊后，若某一电力线走廊的点云数量明显过少，那么将这个走廊及内部点云全部删去。