基于機載LiDAR數(shù)據(jù)的電力走廊信息提取技術(shù)研究.pdf

1、當(dāng)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(xué)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(nèi)不同地物特點，首先研究了用于LiDAR點云分

2、類的特征提取過程，之后在特征提取基礎(chǔ)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(gòu)性問題進行了深入研究，提出了基于多核學(xué)習(xí)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(xué)習(xí)用于稀疏表示以及點云的分類后處理。具體內(nèi)容如下：
　　首先，本文研究了面向點云分類應(yīng)

3、用的特征提取過程，針對場景內(nèi)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(yù)處理以便和稀疏表示分類器相匹配，從而構(gòu)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(chǔ)上，探討了將核方法與聯(lián)合稀疏表示應(yīng)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