亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于多尺度特征向量的輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類方法

        2019-11-07 02:50:00付紅安夏峻馬海鵬田帥王學(xué)平
        關(guān)鍵詞:格網(wǎng)特征向量桿塔

        付紅安,夏峻,馬海鵬,田帥,王學(xué)平

        基于多尺度特征向量的輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類方法

        付紅安,夏峻,馬海鵬,田帥,王學(xué)平

        寧夏寧電電力設(shè)計(jì)有限公司, 寧夏 銀川 750000

        提出了一種基于多尺度特征向量的輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類方法,可以有效對線路走廊中的地物進(jìn)行分類。首先提取三維點(diǎn)云數(shù)據(jù)的多尺度局部特征作為特征參數(shù)構(gòu)成特征向量,主要包括高程特征、連通特征、張量特征和平面特征。然后將多尺度特征向量輸入到多分類相關(guān)向量機(jī)分類器中,在完成分類器訓(xùn)練之后,對無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行分類。試驗(yàn)結(jié)果表明,該方法可以有效區(qū)分地面、植物、建筑物、桿塔和電力線5類線路走廊地物L(fēng)iDAR點(diǎn)云數(shù)據(jù),分類整體精度達(dá)到96.63%。

        輸電線路; 無人機(jī); 云數(shù)據(jù)分類

        隨著無人機(jī)技術(shù)和激光雷達(dá)掃描(Light Detection And Ranging,LiDAR)技術(shù)的不斷發(fā)展,及輸電線路無人機(jī)巡檢和三維建模研究的不斷深入,機(jī)載LiDAR技術(shù)可以有效解決傳統(tǒng)人工巡檢的缺點(diǎn),減少輸電線路故障的發(fā)生[2]。在無人機(jī)LiDAR輸電線路巡檢中,線路走廊模型三維重建是重點(diǎn)研究問題,是線路三維可視化、通道清理、故障預(yù)測等應(yīng)用的基礎(chǔ)[3]。其中,無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類是線路三維重建研究的核心,直接決定了重建模型的準(zhǔn)確性[4]。目前,無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類主要有三類方法,主要包括地物典型幾何特征分析法、決策樹分析法和機(jī)器學(xué)習(xí)法三類。其中,地物典型幾何特征分析法只能對符合典型特征的地物進(jìn)行分類,易受地形影響,且分類后的數(shù)據(jù)會部分缺失[5];決策樹分析法分類精度較高,效率高,但識別地物種類有限[6]。因此,將地物點(diǎn)云多尺度特征進(jìn)行融合,采用機(jī)器學(xué)習(xí)的方法進(jìn)行監(jiān)督分類成為了研究重點(diǎn)。本文提出了一種基于多尺度特征向量的輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類方法。首先提取三維點(diǎn)云數(shù)據(jù)的多尺度局部特征作為特征參數(shù)構(gòu)成特征向量,然后采用多分類相關(guān)向量機(jī)(Milticlass Relevance Vector Machine,M-RVM)分類器對無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行分類,可以分為地面、植物、建筑物、桿塔和電力線5類,總體分類準(zhǔn)確率達(dá)到96.63%。

        1 特征提取

        由于輸電線路走廊地形多變且環(huán)境復(fù)雜,所以無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)信息量大且分類目標(biāo)多樣,包括地面、建筑物、植物、電力線和桿塔。因此提取的點(diǎn)云數(shù)據(jù)特征值需要更加精細(xì)和準(zhǔn)確,從而可以有效對每一類分類目標(biāo)進(jìn)行有效分類。由于特征值提取需要與其三維鄰域內(nèi)的其他點(diǎn)云進(jìn)行分析計(jì)算,因此進(jìn)行定義特征值時需要結(jié)合領(lǐng)域的形狀和大小考慮。

        根據(jù)線路走廊中地物的LiDAR點(diǎn)云數(shù)據(jù)特征與文獻(xiàn)[7]中的結(jié)論,本文定義了以下三種點(diǎn)云領(lǐng)域的劃分方式:(1)以待分類點(diǎn)為中心的球體鄰域V;(2)對整個數(shù)據(jù)集采用縱向二維格網(wǎng)劃分的格網(wǎng)領(lǐng)域2D;(3)對整個數(shù)據(jù)集采用三維格網(wǎng)劃分的格網(wǎng)領(lǐng)域3D。

        其中,張量特征和平面特征基于V計(jì)算得出,高程特征和平面連通性特征基于2D計(jì)算得出,高程連通性特征基于3D計(jì)算得出。同時,本文從以下四個方面定義了16個特征參數(shù)來描述無人機(jī)LiDAR點(diǎn)云的局部特征。根據(jù)文獻(xiàn)[8]的研究結(jié)果和減少計(jì)算量,本文僅利用點(diǎn)云空間幾何信息來定義特征參數(shù),未采用回波信息。

        1.1 高程特征

        根據(jù)式(1)~(3)可以計(jì)算出特征值:平面密度1、二維體密度2和三維體密度3。

        式中,LiDAR點(diǎn)云點(diǎn)在2D和3D內(nèi)的總數(shù)量為2D和3D,二維格網(wǎng)的平面面積和體積分別為2D和2D,三維格網(wǎng)的體積面積為3D。植物和電力桿塔的點(diǎn)云數(shù)據(jù)所在的2D內(nèi)平面密度較大,電力線的點(diǎn)云數(shù)據(jù)所在的2D內(nèi)體密度較小。

        根據(jù)式(4)~(6)可以計(jì)算出特征值:最大高差4、高程方差5和高程平均值6。

        式中,P為點(diǎn)云數(shù)據(jù)在二維格網(wǎng)中某個點(diǎn)的高程,P、PP分別為點(diǎn)云數(shù)據(jù)在二維格網(wǎng)中間、最高和最低位置的高程。對于電力線和桿塔所在的二維格網(wǎng),最大高差4較大;對于地面所在的二維格網(wǎng),其高程平均值6較小。

        1.2 連通特征

        根據(jù)式(7)~(9)可以計(jì)算出特征值:高程連通性7、平面連通性8。

        式中,PN為點(diǎn)云數(shù)據(jù)在相鄰二維格網(wǎng)中最高位置的高程。高程連通性7、平面連通性8可以用來區(qū)分電力線和桿塔點(diǎn)云數(shù)據(jù)。

        1.3 張量特征

        點(diǎn)云數(shù)據(jù)領(lǐng)域協(xié)方差矩陣的特征值可以描述局部張量特征。設(shè)為點(diǎn)云點(diǎn)P的領(lǐng)域協(xié)方差矩陣,可以由式(10)和式(11)計(jì)算得出。

        進(jìn)行特征值分解計(jì)算,選取特征值1、2和3,根據(jù)式(12)~(15)計(jì)算獲得張量特征,包括點(diǎn)云點(diǎn)在3D內(nèi)所有點(diǎn)的各向異性9、平面分布特性10、球面分布特性11和線狀分布特性12。

        9和10在非平面處較低,在平面處較高;11非平面處較高,在平面處較低;12在線性結(jié)構(gòu)處較高。

        1.4 平面特征

        根據(jù)文獻(xiàn)[8]中的結(jié)論,設(shè)該三維領(lǐng)域3D內(nèi)中點(diǎn)的法向量角度為13;所在3D內(nèi)所有點(diǎn)法向量角度方差為14,所有點(diǎn)到其擬合平面距離的殘差為15,所有點(diǎn)擬合的平面距離為16。所計(jì)算的局部領(lǐng)域平面特征可以有效的對建筑物和植物的點(diǎn)云數(shù)據(jù)進(jìn)行分類。

        根據(jù)上述計(jì)算獲得特征值,可以構(gòu)建特征向量=[1,2,…,16],且該特征向量的計(jì)算與領(lǐng)域尺度的大小相關(guān),會直接影響到最終的地物點(diǎn)云數(shù)據(jù)分類準(zhǔn)確性。當(dāng)較小時會導(dǎo)致局部特征不明顯,當(dāng)較大時會導(dǎo)致地物分類準(zhǔn)確度降低。本文采用多尺度領(lǐng)域計(jì)算特征值,從而達(dá)到更好的區(qū)分度和穩(wěn)定性。領(lǐng)域尺度取值如表1所示。

        表1 領(lǐng)域尺度k取值

        因此,可以構(gòu)建最終的LiDAR點(diǎn)云數(shù)據(jù)多尺度分類特征向量=[f1,f2,f3]。

        2 多分類相關(guān)向量機(jī)

        由于輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)的訓(xùn)練樣本量較小,且在實(shí)際應(yīng)用中需要較快的計(jì)算速度,因此本文提出采用M-RVM對輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行分類[9]。M-RVM采用0-1向量的形式對點(diǎn)云數(shù)據(jù)的類別進(jìn)行表示,如果需要分類的點(diǎn)云數(shù)據(jù)有種,則采用維的0-1列向量的形式進(jìn)行表示。輸電線路走廊無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)在本文被分為地面、建筑物、植物、電力線和桿塔5種,則采用5維列向量(0,0,0,0,1)T、(0,0,0,1,0)T、(0,0,1,0,0)T、(0,1,0,0,0)T和(1,0,0,0,0)T作為類別標(biāo)簽。M-RVM具體算法流程見文獻(xiàn)[9]。

        3 試驗(yàn)驗(yàn)證

        圖1 分類結(jié)果與真實(shí)標(biāo)簽的對比

        為驗(yàn)證本文提出算法的有效性,采用貴州省某條輸電線路走廊的無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行試驗(yàn)。該條輸電線路走廊長度約10 km,寬度約40 m,包括10基桿塔和2回線路,地物主要包括植物和建筑物。點(diǎn)云數(shù)據(jù)總點(diǎn)數(shù)約為2×106個,平均點(diǎn)間距約為0.5 m。試驗(yàn)環(huán)境采用Inetel i5-7200U四核處理器,2.7 GHz主頻,8 GB內(nèi)存的計(jì)算機(jī)。由于訓(xùn)練分類器需要綜合考慮各類地物信息,本文將10基桿塔之間的9個走廊區(qū)段的前6個(區(qū)段1~區(qū)段6)選為訓(xùn)練集,后3個(區(qū)段7~區(qū)段9)選為測試集。為對本文方法的分類結(jié)果進(jìn)行評價,所有的點(diǎn)云數(shù)據(jù)均需要人工進(jìn)行標(biāo)記類別標(biāo)簽。分類結(jié)果如圖1和表2所示。試驗(yàn)結(jié)果表明,該方法可以有效區(qū)分地面、植物、建筑物、桿塔和電力線5類線路走廊地物L(fēng)iDAR點(diǎn)云數(shù)據(jù),分類整體精度達(dá)到96.63%。

        表2 分類準(zhǔn)確度

        4 結(jié)論

        基于高程特征、連通特征、張量特征和平面特征,本文通過定義不同的點(diǎn)云領(lǐng)域劃分方式和領(lǐng)域尺度,構(gòu)建的無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)多尺度分類特征向量可以有效用于輸電線路走廊地物的分類計(jì)算。本文提出的基于多尺度分類特征向量的輸電線路無人機(jī)LiDAR點(diǎn)云數(shù)據(jù)分類方法可以有效對地面、植物、建筑物、桿塔和電力線5種地物進(jìn)行分類,分類總體精度達(dá)到96.63%,分類結(jié)果可以用于輸電線路走廊三維建模。

        [1] 楊淵,陳鳳翔,虢韜,等.基于LiDAR點(diǎn)云特征和模型擬合的高壓線提取[J].中國科學(xué)院大學(xué)學(xué)報(bào),2018,35(5):612-616

        [2] 沈小軍,杜勇,王仁德,等.基于地面激光雷達(dá)的輸電線路鐵塔傾斜度測量[J].電子測量與儀器學(xué)報(bào),2017,31(4):516-521

        [3] Guo B, LI QQ, Huang XF,. An Improved Method for Power-Line Reconstruction from Point Cloud Data[J]. Remote Sensing, 2016,8(1):36

        [4] Kim HB, Sohn G. Point-based Classification of Power Line Corridor Scene Using Random Forests[J]. Photogrammetric Engineering & Remote Sensing, 2013,79(9):821-833

        [5] 彭向陽,陳馳,徐曉剛,等.基于無人機(jī)激光掃描的輸電通道安全距離診斷技術(shù)[J].電網(wǎng)技術(shù),2014,38(11):3254-3259

        [6] 陳鑫松,袁曉妍,李響.綜合單點(diǎn)和點(diǎn)簇的建筑物點(diǎn)云分類方法[J].測繪與空間地理信息,2018,41(6):91-93

        [7] Guo B, Huang XF, Zhang F,. Classification of airborne laser scanning data using JointBoost[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2015,100:71-83

        [8] Jie S, Zulong L. Airborne LiDAR Feature Selection for Urban Classification Using Random Forests[J]. Geomatics and Information Science of Wuhan University, 2014,38(11):207--212

        [9] 尹金良,朱永利,俞國勤.基于多分類相關(guān)向量機(jī)的變壓器故障診斷新方法[J].電力系統(tǒng)保護(hù)與控制,2013,41(5):77-82

        LiDAR Point Cloud Data Classification Method for Transmission Line UAV Based on Multi-scale Feature Vector

        FU Hong-an, XIA Jun, MA Hai-peng, TIAN Shuai, WANG Xue-ping

        750000,

        A LiDAR point cloud data classification method for transmission line UAV based on multi-scale classification features is proposed, which can effectively classify the grounding objects in the corridor of transmission line. Firstly, multi-scale local features of 3D point cloud data are extracted as feature parameters to form feature vectors, which include height features, connectivity feature, tensor feature and plane feature. After that, the feature vector is inputted into the classifier of multi-classification correlation vector machine. After the classifier training is completed, the LiDAR point cloud data of UAV is classified. The test results show that this method can effectively distinguish 5 kinds LiDAR point cloud data of line corridor, which includes ground, plants, buildings, towers and power lines. The classified overall accuracy reached 96.63%.

        Transmission line; UAV; cloud data classification

        TM769

        A

        1000-2324(2019)05-0852-03

        10.3969/j.issn.1000-2324.2019.05.025

        2018-07-21

        2018-09-01

        付紅安(1990-),男,碩士研究生,工程師,主要研究方向?yàn)檩旊娋€路設(shè)計(jì)及新技術(shù). E-mail:yishilfxy@163.com

        猜你喜歡
        格網(wǎng)特征向量桿塔
        二年制職教本科線性代數(shù)課程的幾何化教學(xué)設(shè)計(jì)——以特征值和特征向量為例
        克羅內(nèi)克積的特征向量
        基于北斗的高壓輸電桿塔智能實(shí)時監(jiān)測技術(shù)與應(yīng)用
        實(shí)時電離層格網(wǎng)數(shù)據(jù)精度評估
        基于ZigBee與GPRS的輸電桿塔傾斜監(jiān)測預(yù)警系統(tǒng)
        電子制作(2019年11期)2019-07-04 00:34:36
        一類特殊矩陣特征向量的求法
        EXCEL表格計(jì)算判斷矩陣近似特征向量在AHP法檢驗(yàn)上的應(yīng)用
        基于粗糙模糊集的輸電桿塔塔材實(shí)際強(qiáng)度精確計(jì)算
        基于空間信息格網(wǎng)與BP神經(jīng)網(wǎng)絡(luò)的災(zāi)損快速評估系統(tǒng)
        平均Helmert空間重力異常格網(wǎng)構(gòu)制方法
        亚洲国产成人Av毛片大全| 亚洲av无码一区二区三区不卡| 亚洲精品久久久久久动漫| 中文字幕avdvd| 日韩在线精品免费观看| 日本污ww视频网站| 亚洲av中文无码乱人伦在线r▽| 麻豆密入视频在线观看| 扒开女性毛茸茸的视频| 女人高潮久久久叫人喷水| 国产69精品久久久久9999| 欧美日本视频一区| 亚洲岛国一区二区三区| 色视频综合无码一区二区三区| 在教室伦流澡到高潮hnp视频| 亚洲精品午夜精品国产| 亚洲av专区国产一区| 激情综合色综合久久综合| 久久精品这里只有精品| 麻豆av在线免费观看精品| 日本真人添下面视频免费| 真人与拘做受免费视频| 92精品国产自产在线观看48页| 在线观看一区二区蜜桃| 亚洲日韩中文字幕无码一区| 亚洲av无码专区亚洲av桃| 三级黄色片一区二区三区| 久久精品亚洲熟女av蜜謦| 国产精品_国产精品_k频道| 免费人成年激情视频在线观看| 中文字幕美人妻亅u乚一596| 中文字幕色视频在线播放| 中文字幕日韩有码在线| 黄瓜视频在线观看| 国产在线精品福利大全| 国产一区二区黑丝美胸| 国产成人喷潮在线观看| 欧美成人中文字幕| 日本女优免费一区二区三区| 亚洲欧洲国产成人综合在线| 女同啪啪免费网站www|