无人机三维地障信息提取技术应用于航空物探飞行轨迹规划

doi:10.6046/zrzyyg.2021098

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(3395 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

无人机航空物探已成为航空物探技术的新兴分支,为了获取高质量的无人机航空物探测量数据,应按照航空物探应用特点规划无人机飞行轨迹。围绕无人机三维航迹规划和自主避障需求,基于无人机激光雷达点云数据的三维地障信息提取技术,实现地面点和非地面点(电力杆塔、电力线点和植被点等)的提取。通过对地形信息构建和电力杆塔、电力线三维重建,为无人机三维航迹规划软件提供重要基础数据。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	吴芳
	李瑜
	金鼎坚
	李天祺
	郭华
	张琦洁

关键词 ：机载激光雷达, 无人机, 电力线提取, 滤波

Abstract：

UAV airborne geophysical exploration has become an emerging branch of airborne geophysical exploration technology. To obtain high-quality measured data in UAV airborne geophysical exploration, it is necessary to plan UAV flight trajectory according to the application characteristics of airborne geophysical exploration. Focusing on the demand for 3D planning of UAV flight trajectory and autonomous obstacle avoidance, this paper studied the 3D information extraction technology of ground obstacles based on point cloud data of UAV LiDAR and extracted ground points and non-ground points (e.g., transmission towers, power line points, and vegetation points). The construction of terrain information and the 3D reconstruction of transmission towers and power lines will provide important primary data for UAV 3D flight trajectory planning software.

Key words： airborne lidar UAV power line extraction filtering

收稿日期: 2021-04-02 出版日期: 2022-03-14

ZTFLH:

TP79

基金资助:国家重点研发计划专项课题“航磁多参数测量处理解释方法技术研究”资助编号(2017YFC0602006)

通讯作者: 李瑜

作者简介: 吴芳(1980-),女,硕士,高级工程师,主要从事航空遥感技术在地质调查中的应用。Email: 4402744@qq.com。

引用本文:

吴芳, 李瑜, 金鼎坚, 李天祺, 郭华, 张琦洁. 无人机三维地障信息提取技术应用于航空物探飞行轨迹规划[J]. 自然资源遥感, 2022, 34(1): 286-292.
WU Fang, LI Yu, JIN Dingjian, LI Tianqi, GUO Hua, ZHANG Qijie. Application of 3D information extraction technology of ground obstacles in the flight trajectory planning of UAV airborne geophysical exploration. Remote Sensing for Natural Resources, 2022, 34(1): 286-292.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2021098 或 https://www.gtzyyg.com/CN/Y2022/V34/I1/286

Fig.1 地障信息提取流程

Fig.2 滤波参数示意图

Fig.3 电力线空间特征

Tab.1 电力线点云特征描述

Fig.4 手工编辑非地面点误分结果

Fig.5 利用点云地形信息创建三维测网

Fig.6 点云数据示意图

Fig.7 点云分类结果

Fig.8 电力线提取

Fig.9 电力线三维走廊建模

Tab.2 电力线拟合精度

Fig.10 飞行规划三维测网输出示例

Tab.3 航线飞行高度-地形统计(部分)

Fig.11 测试区飞行高度与地形剖面

[1]	李军峰, 李文杰, 秦绪文, 等. 新型无人机航磁系统在多宝山矿区的应用试验[J]. 物探与化探, 2014, 38(4):846-850.
	Li J F, Li W J, Qin X W, et al. Trial survey of a novel UAV-borne magnetic system in the Duobaoshan ore district[J]. Geophysical and Geochemical Exploration, 2014, 38(4):846-850.
[2]	李文杰, 李军峰, 刘世凯, 等. 自主技术无人机航空物探(磁/放)综合站研发进展[J]. 地球学报, 2014, 35(4):399-403.
	Li W J, Li J F, Liu S K, et al. The progress in the development of the integrated UAV magnetic and radiation survey system[J]. Acta Geoscientica Sinica, 2014, 35(4):399-403.
[3]	余洁, 穆超, 冯延明, 等. 机载LiDAR点云数据中电力线的提取方法研究[J]. 武汉大学学报(信息科学版), 2011, 36(11):1275-1279.
	Yu J, Mu C, Feng Y M, et al. Powerlines extraction techniques from airborne LiDAR data[J]. Geomatics and Information Science of Wuhan University, 2011, 36(11):1275-1279.
[4]	阮峻, 陶雄俊, 韦新科, 等. 基于固定翼无人机激光雷达点云数据的输电线路三维建模与树障分析[J]. 南方能源建设, 2019, 6(1):114-118.
	Ruan J, Tao X J, Wei X K, et al. 3D modeling and tree barrier analysis of transmission lines based on LiDAR point cloud data of fixed wing UAV[J]. Southern Energy Construction, 2019, 6(1):114-118.
[5]	Sohn H B K A. Point-based classification of power line corridor scene using random forests[J]. American Society for Photogrammetry and Remote Sensing, 2013, 13:821-833.
[6]	徐博, 刘正军, 王坚. 基于激光点云数据电力线的提取及安全检测[J]. 激光杂志, 2017, 38(7):48-51.
	Xu B, Liu Z J, Wang J. Extraction and security detection of power line based on Laser point cloud data[J]. Laser Journal, 2017, 38(7):48-51.
[7]	王和平, 夏少波, 谭弘武, 等. 电力巡线中机载激光点云数据处理的关键技术[J]. 地理空间信息, 2015, 13(5):59-62.
	Wang H P, Xia S B, Tan H W, et al. Key technologies of airborne Laser point cloud process in power line patrol[J]. Geospatial Information, 2015, 13(5):59-62.
[8]	叶清泉, 吴德智, 李卫红. 利用无人机LiDAR点云数据进行电力线危险点检测[J]. 测绘通报, 2015(11):57-59.
	Ye Q Q, Wu D Z, Li W H. Powerline danger point detection using UAV LiDAR point cloud[J]. Bulletin of Surveying and Mapping, 2015(11):57-59.
[9]	Axelsson P. DEM generation from Laser scanner data using adaptive TIN models[J]. International Archives of Photogrammetry and Remote Sensing, 2000(b4):110-117.
[10]	苏伟, 赵晓凤, 张明政, 等. 基于机载激光雷达点云的飞行障碍物提取方法研究[J]. 农业机械学报, 2017, 12(48):79-85.
	Su W, Zhao X F, Zhang M Z, et al. Extracting flying obstacles using airborne LiDAR point cloud data[J]. Transactions of the Chinese Society for Agricultural Machinery, 2017, 12(48):79-85.
[11]	吴芳, 张宗贵, 郭兆成, 等. 基于机载LiDAR点云滤波的矿区DEM构建方法[J]. 自然资源遥感, 2015, 27(1):62-67.doi: 10.6046/gtzyyg.2015.01.10. doi: 10.6046/gtzyyg.2015.01.10
	Wu F, Zhang Z G, Guo Z C, et al. Method of deriving DEM in the mining area based on filtering of airborne LiDAR data[J]. Remote Sensing for Land and Resources, 2015, 27(1):62-67.doi: 10.6046/gtzyyg.2015.01.10. doi: 10.6046/gtzyyg.2015.01.10
[12]	隋立春, 张熠斌, 张硕, 等. 基于渐进三角网的机载LiDAR点云数据滤波[J]. 武汉大学学报(信息科学版), 2011, 36(10):1159-1163.
	Sui L C, Zhang Y B, Zhang S, et al. Filtering of airborne LiDAR point cloud data based on progressive TIN[J]. Geomatics and Information Science of Wuhan University, 2011, 36(10):1159-1163.
[13]	麻卫峰, 王金亮, 王成, 等. 一种基于机载LiDAR点云电力线自动提取方法[J]. 测绘科学技术学报, 2019, 36(1):39-44.
	Ma W F, Wang J L, Wang C, et al. An extraction algorithm of power lines from airborne LiDAR point clouds[J]. Journal of Geomatics Science and Technology, 2019, 36(1):39-44.
[14]	赵浩杰, 谭骏详, 雷杰, 等. 基于几何特征的无人机激光雷达电力线提取[J]. 测绘通报, 2020(s1):145-150.
	Zhao H J, Tan J X, Lei J, et al. Transmission line extraction from UAV-LiDAR based on geometric features[J]. Bulletin of Surveying and Mapping, 2020(s1):145-150.
[15]	袁晨鑫, 官云兰, 张晶晶, 等. 基于改进Hough变换的电力线提取[J]. 北京测绘, 2018, 32(6):730-733.
	Yuan C X, Guan Y L, Zhang J J, et al. Power line extraction based on improved hough transform[J]. Beijing Surveying and Mapping, 2018, 32(6):730-733.
[16]	游安清, 潘旭东, 赵平, 等. 激光雷达电力巡线点云自动分类方法研究[J]. 应用光学, 2019, 40(6):1077-1083.
	You A Q, Pan X D, Zhao P, et al. Research on automatic classification of point cloud scanned by LiDAR during power-line patrol[J]. Journal of Applied Optics, 2019, 40(6):1077-1083. doi: 10.5768/JAO201940.0602005

[1]	王振华, 谭智联, 李静, 常英立. Re-YOLOX: 利用Resizer改进的YOLOX近岸海域监测目标识别模型[J]. 自然资源遥感, 2023, 35(3): 10-16.
[2]	陈凯, 王春, 代文, 盛业华, 刘爱利, 汤国安. 基于控制点蒙特卡罗检验的无人机地形建模精度影响因素研究[J]. 自然资源遥感, 2023, 35(3): 107-115.
[3]	孟琮棠, 赵银娣, 韩文泉, 何晨阳, 陈锡秋. 基于RandLA-Net的机载激光雷达点云城市建筑物变化检测[J]. 自然资源遥感, 2022, 34(4): 113-121.
[4]	贺鹏, 颜瑜严, 文艳, 马志刚, 焦其松, 郭兆成, 莫悠. 机载LiDAR技术在缓倾地层滑坡及其拉裂槽识别中的应用[J]. 自然资源遥感, 2022, 34(4): 307-316.
[5]	董双发, 范晓, 石海岗, 许莉萍, 章新益. 基于Landsat8和无人机的福清核电温排水分布研究[J]. 自然资源遥感, 2022, 34(3): 112-120.
[6]	张淑, 周忠发, 王玲玉, 陈全, 骆剑承, 赵馨. 多时相SAR的喀斯特山区耕地表层土壤水分反演[J]. 自然资源遥感, 2022, 34(3): 154-163.
[7]	任超锋, 蒲禹池, 张福强. 顾及地理空间信息的无人机影像匹配像对提取方法[J]. 自然资源遥感, 2022, 34(1): 85-92.
[8]	吴芳, 金鼎坚, 张宗贵, 冀欣阳, 李天祺, 高宇. 基于CZMIL测深技术的海陆一体地形测量初探[J]. 自然资源遥感, 2021, 33(4): 173-180.
[9]	刘咏梅, 范鸿建, 盖星华, 刘建红, 王雷. 基于无人机高光谱影像的NDVI估算植被盖度精度分析[J]. 自然资源遥感, 2021, 33(3): 11-17.
[10]	白俊龙, 王章琼, 闫海涛. K-means聚类引导的无人机遥感图像阈值分类方法[J]. 自然资源遥感, 2021, 33(3): 114-120.
[11]	臧传凯, 沈芳, 杨正东. 基于无人机高光谱遥感的河湖水环境探测[J]. 自然资源遥感, 2021, 33(3): 45-53.
[12]	李阳, 袁琳, 赵志远, 张晋磊, 王宪业, 张利权. 基于无人机低空遥感和现场调查的潮滩地形反演研究[J]. 自然资源遥感, 2021, 33(3): 80-88.
[13]	舒慧勤, 方俊永, 鲁鹏, 顾万发, 王潇, 张晓红, 刘学, 丁兰坡. 基于多源高分辨率数据的遗址空间考古精细识别研究[J]. 国土资源遥感, 2021, 33(2): 162-171.
[14]	毕卫华, 赵星涛, 杨化超, 卞和方, 张秋昭. 基于智能手机的无人机低空倾斜摄影测量系统及其应用研究[J]. 国土资源遥感, 2021, 33(2): 248-255.
[15]	武宇, 张俊, 李屹旭, 黄康钰. 基于改进U-Net的建筑物集群识别研究[J]. 国土资源遥感, 2021, 33(2): 48-54.

Viewed

Full text

Abstract

Cited

Shared

Discussed