随着我国经济社会高速发展,电网及铁路规模的不断扩大造成用电设备正在以指数形式上升。为提高运维人员的工作效率和安全性,根据电力设备的工作性质和工作原理,提出通过红外热成像技术以及激光雷达扫描技术提升监测精度和安全度。利用红外热像仪检测设备的内部故障是目前电力设备运维检修中较为常用的一种方法;随着三维可视化技术的逐步发展,也有大量的研究将三维模型运用到数据建模和工程应用中。但目前红外图像无法体现设备景物深度信息,难以定位设备具体故障位置,而三维模型仅能展示空间维度,不能反映设备温度信息,易造成设备内部放电故障难以检测。因此,如何将红外图像与三位模型结合起来,并使其能够有效解决电力设备中的工程问题有重要意义。本文围绕铁路和配网中,用电设备红外图像及点云数据进行仿真研究,完成了以下主要内容:（1）为了设计出更适用电力设备红外图像的分割算法,改进LSC和SLIC算法,基于SLIC和MSRM等算法提出一种提取目标设备的红外图像分割方法。制定背景与目标标记规则,引入Otsu阈值作为背景超像素块的预选条件。以Dice和Jaccard系数作为衡量标准对比其他算法,结果表明:本文提出的算法能够更准确高效地提取目标设备,且本文提出算法的鲁棒性也更高。以某HGIS变电站套管的红外图像为例提取其温度曲线,从实验结果可以证明,本方法在后续的温度数据提取中具有明显优势。（2）基于点云数据的采样方法和采样交叠率研究,得到结论:在一定范围内,旋转和平移误差会随着采样交叠率的上升下降,而且点云数据采集完整度也与采样交叠率呈正相关关系。根据实验可知:当采样交叠率达到40%时,点云缺失数据已基本被点云块交叠区域填补。经数据拟合,考虑其存在一定偶然性,本文选择50%的交叠率采集点云数据。（3）基于激光雷达扫描技术设计电力设备点云模型构建方法。因传统ICP算法在迭代过程中对点云数据的初始位置要求较高,故在精配准算法ICP前引入SAC-IA算法。研究可知:改进算法迭代次数得以优化的同时拼接精度提升了约70%,时间损耗也减少了约20%。基于泊松算法与Delaunay细分算法获得的网格质量分别大部分分布在区间0.4,0.8和0.8,1,故本文选择采用Delaunay细分算法重建网格面,最后通过网格划分生成NURBS曲面。（4）基于红外热成像技术和激光雷达扫描技术的超像素分割算法与点云模型构建算法,设计一种电力设备红外—三维模型重构方法。针对电网与铁路供电部门的具体情况,分析探索此方法的必要性。以某供电段牵引变压器套管和某变电站HGIS套管为算例,重构红外三维模型。试验结果表明:不论是目标设备红外图像提取还是三维模型重构,此红外—三维可视化技术都可以有效提升算法效率。（5）绘制二维与三维模型的边缘轮廓差值曲线,并对红外—三维模型做故障分析,实验结果表明:变电设备三维模型的空间排列规律性强,而二维图像的边缘轮廓曲线变化率波动较大,周期分布不明显,故三维模型比二维图像有更强的表达力。在对某检修分公司500k V主变压器套管做故障分析时,可知红外图像的三维可视化技术能够更好地展示变电设备的红外热像数据,便于运维人员监测设备故障位置,也增强了对故障类别判断的准确度。