[发明专利]一种基于无人机点云的输电线路断面高程修正方法

权利要求书

1.一种基于无人机点云的输电线路断面高程修正方法，其特征在于，包括以下步骤：

步骤S01，对预先采用无人机航摄系统进行空中三角测量获得的无人机影像密集匹配，生成点云数据；

步骤S02，采样点云数据中的地面点云样本与非地面点云样本；

步骤S03，深度学习滤波算法获取地面点云；

步骤S04，用实测数据对地面点云进行拟合修正；

步骤S05，利用修正后的数字地面模型采集断面高程；

所述步骤S05，利用修正后的数字地面模型采集断面高程具体步骤包括：

(1)设定固定的断面采集步距；

(2)根据输电线路的路径和采集步距，采集修正后数字地面模型的相应高程。

2.根据权利要求1所述的一种基于无人机点云的输电线路断面高程修正方法，其特征在于：所述步骤S02采样点云数据中的地面点云与非地面点云样本具体步骤包括：

(1)选取预设范围的样本点云；

(2)对每一个点标记成地面点或非地面点，以每个样本点为中心设定窗口大小；将窗口划分像素，计算窗口内所有像素的RGB值，获取样本的最终二维图像。

3.根据权利要求2所述的一种基于无人机点云的输电线路断面高程修正方法，其特征在于：计算窗口内像素的R、G、B值的计算公式分别如下：

其中Sigmoid(x)＝(1+e^-x)^-1,Zi为样本点Pi的高程值，Zmax为像素内所有点云的高程最大值、Zmin为像素内所有点云的高程最小值，Zmean为像素内所有点云的高程平均值。

4.根据权利要求1所述的一种基于无人机点云的输电线路断面高程修正方法，其特征在于：所述步骤S03深度学习滤波算法获取地面点云具体步骤包括：

(1)创建深度卷积神经网络模型，包括输入层、卷积层、批归一化层、激活层、池化层和全连接层；

(2)将所有样本点对应的二维图像输入深度卷积神经网络，训练深度卷积神经网络；

(3)输入待滤波的点云数据，经过所述模型计算，过滤非地面点云，获取地面点云。

5.根据权利要求1所述的一种基于无人机点云的输电线路断面高程修正方法，其特征在于：所述步骤S04用实测数据对地面点云进行拟合修正具体步骤包括：

(1)将地面点云生成数字地面模型；

(2)计算实测数据与数字地面模型对应的高程残差值，生成残差模型；

(3)根据残差模型利用kriging差值算法进行预测；

(4)根据kriging差值算法的预测修正数字地面模型。