机载激光雷达测量系统是一种集激光测距技术、计算机科学技术、高动态定姿技术、高精度GNSS（Global Navigation Satellite System）动态定位技术于一体,并且能够将获得的多源数据进行融合的三维点云数据采集工具。因其具有高效率、高精度、低成本的优点,在当前的电力线走廊巡检工作中得到了广泛的应用。电力线点云数据采集完成后数据处理是电力线巡检工作的重要纽带,而对电力线点云分类是数据处理的核心,电力线点云分类是从采集的点云数据中将导线、地线、杆塔、植被、建筑等要素提取出来的过程,为后续电力线走廊危险点检测、三维重建、智能化管理提供数据基础。然而,电力线走廊地形复杂、点云密度不均衡、非规则化导致常规的点云分类手段不仅自动化程度低而且精度和效率低下。深度学习技术因其具有计算效率高,能够自主提取特征等优势,在点云分类领域有着巨大潜力。针对目前点云分类中存在的问题,本文基于深度学习技术实现了电力线走廊点云分类。但是缺乏合适的深度学习数据集是制约该技术在实际应用中推广应用的重要因素。基于此,本文利用江苏省某地采集的电力线走廊点云数据,构建了一套电力线走廊点云数据集POWERLINE-ALS,然后基于该数据集对电力线走廊点云分类展开研究,旨在将深度学习技术应用于电力线走廊点云分类,提升点云分类的精度与自动化程度,为智能电力提供重要的技术手段。本文的主要研究内容及结果如下:（1）基于机载激光雷达测量系统,分别采用五种飞行平台（有人直升机、自旋翼飞机、无人直升机、无人固定翼、无人多旋翼）,四种定位方式（千寻CORS、省CORS、动态后处理差分基站定位、精密单点定位）对江苏省某地进行电力线走廊数据采集。通过对不同飞行平台、不同定位方式的采集策略进行实验对比,基于无人直升机飞行平台和基站差分定位方式的采集策略效果最优。然后采用布料模拟滤波算法将地面点过滤掉,人工标注了3246万个非地面点,包含54个训练集、11个测试集,类别分为导线、地线、杆塔、植被、建筑、低矮电力线六类,构建了电力线走廊点云数据集POWERLINE-ALS。（2）基于原始Point Net++算法对电力线走廊点云数据集进行分类,由于分类效果较差,对Point Net++算法进行改进,将单个档间的点云数据输送进网络,并在低层网络采用球查询,在高层网络采用K近邻来获取邻域点。原始Point Net++网络总体精度OA为89.59%,改进Point Net++网络总体精度OA为92.26%,原始Point Net++网络m Io U（mean Intersection over Union）为53.04%,改进Point Net++的m Io U可达73.82%,改进后的网络m Io U精度较原始Point Net++提高了39%。在效率方面,原始Point Net++算法测试数据集用时4691.37ms,改进后的Point Net++用时提高了650ms,达到了4052.83ms,效率提升16%左右改进后的网络分类精度大幅提升,且适用于本文构建的电力线走廊点云分类。（3）基于Rand LA-Net算法对电力线走廊数据集进行分类,分别测试了对于不同网络层数方面,Rand LA-Net对POWERLINE-ALS数据集的分类效果。其中,四层Rand LA-Net网络结构m Io U为59.5%,五层网络结构m Io U为82.25%,五层网络结构m Io U精度较四层网络提高了38%。在效率方面,五层Rand LA-Net网络结构用时784.30ms,Rand LA-Net比改进后的Point Net++效率高5倍。