面向智能电网巡检的电力线点云自主分割
机器人学
2024-06-18 v1 人工智能
摘要
LiDAR 是目前用于有效监测电力线状态并促进远程配电网络及相关基础设施巡检的最常用传感器之一。为确保智能电网的安全运行，已利用机载激光扫描（ALS）、移动激光扫描（MLS）和地面激光扫描（TSL）等多种远程数据采集策略，对通常被茂密植被环绕的区域性电网进行持续监测。本文提出一种无监督机器学习（ML）框架，仅基于 LiDAR 数据检测、提取并分析电力线走廊（PLC）内高、低压电力线及周围植被的特征。首先，所提方法基于密度准则与直方图阈值的统计分析，从较高高程点中剔除地面点。在对剩余候选点进行去噪并借助主成分分析（PCA）与 Kd-tree 变换后，利用两阶段 DBSCAN 聚类实现电力线分割，以逐条识别各电力线。最后，根据 PLC 内所有高高程点距新分割电力线的距离对其进行识别。实验表明，所提框架是一种与具体数据无关的通用方法，可高效检测电力线并执行基于 PLC 的危险分析。
引用
@article{arxiv.2308.07283,
title = {Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid},
author = {Alexander Kyuroson and Anton Koval and George Nikolakopoulos},
journal= {arXiv preprint arXiv:2308.07283},
year = {2024}
}
备注
Accepted in the 22nd World Congress of the International Federation of Automatic Control [IFAC WC 2023]