架空输电线路作为我国电力巡检的主要输电设施,保证它安全稳定的运行对我国电力发展至关重要。而电力杆塔上的绝缘子不仅是输电线路中的重要部件,也是电力巡检过程中的主要目标。及时对绝缘子进行提取分类并识别故障,并采取有效的措施,才能够保证整条输电线路的安全可靠运行。因此,本文针对无人机搭载LiDAR技术在电力巡检过程中所采集的点云数据图像处理问题展开研究,重点研究了整段输电线路的点云数据的预处理方法,以及所采用的改进的区域生长方法,结合RPCA算法实现点云分割,并深入研究了词袋字典模型在这一领域的新的应用。本文首先对需要处理的对象进行数据采集,由于激光LiDAR技术在采集过程中受地形复杂因素的影响,所获取的点云信息存在测量误差,因此对数据进行离群点剔除,并采用体素栅格方法做去噪处理,有效的降低了后续工作的时间消耗。其次,提出了一种改进的区域生长方法,并结合RPCA算法,解决了传统分割算法中存在异常值敏感度极高的问题,并在计算效率及稳定性上都有了显著的提升。最后,针对电力杆塔中绝缘子特征点较少且难以分类的情况,提出了一种基于词袋模型的分类方法,通过PointCNN深度学习网络提取三维点云数据的大量特征点,采用K-means方法聚类获得具有大量单词的词袋字典,并用SVM分类器达到分类目的。实验表明,上述方法对于电力杆塔的绝缘子点云分类具备可行性,且有良好的分类精度与效率。