随着我国用电负荷的增加,对高电压、大功率、长距离输电的需求不断提高,输电线路的安全、稳定运行受到了越来越多的重视。输电线路经过的地理环境复杂,保证输电线路的供电可靠性迫在眉睫。目前,输电线路走廊的巡检和维护主要依赖于人工现场勘查来完成,通过人工识别线路是否存在异物以及判断电力线与建筑、植被的距离是否处于安全距离范围,该方法的工作强度大,识别精度差。高精度、高效率地进行电力巡线是输电线路管理亟需解决的问题。为实现复杂环境下的输电线路电力线和潜在树障危险点的安全检测,本文采用多旋翼无人机搭载高精度的激光雷达系统(机载LiDAR)进行输电线路走廊点云数据的采集,基于点云数据进行电力线路三维建模和应用研究,论文的主要内容和创新如下:1.围绕机载LiDAR采集的激光点云数据密集,难以对走廊地物区分的问题,本文根据点云数据高程、密度、维度等空间特性,对三维点云模型进行分类处理,实现对电力线点云数据的提取。依次对110kV、345kV、500kV的输电线路走廊地面、植被、杆塔和电力线点云进行分类试验,为后续进行单根电力线的分割提取和三维建模提供数据支持。2.针对电力线点云数据精度低而影响模型精度的现象,提出了基于密度特征的近邻传播(Affinity Propagation,AP)聚类的电力线点云数据分割方法,获取高精度点云数据。由于AP聚类算法中存在着偏向参数设置不合理现象,借鉴密度聚类的思想,根据实际点云数据与邻域范围内的点云数量密集程度的关系设置参数,解决了信息迭代更新过程中不必要的计算,提高了聚类精度。通过对电力线的分段、投影、聚类、整合处理,实现单根电力线点云数据的高精度提取。3.针对输电线路树障检测存在精度低、效率低的问题,本文从电力线点云数据、植被点云数据以及树障检测算法方法进行了优化处理。首先基于单根电力线点云数据,采用直线模型和抛物线模型相结合的三维建模方法,建立高精度的电力线模型。然后针对海量植被点云数据,采用规则格网,提取最高点作为植被点云数据,减少大量的计算量。最后针对kd-tree算法在处理计算大量三维数据过程中时间长的问题,采用将电力线数据和植被数据投影到电力线所在平面进行处理,在保证检测精度的同时,大幅度减少了运行时间。实验表明,本文的方法可以实现输电线路三维点云数据的分类,高精度的构建电力线三维模型,能够高效、精确的检测出危险点,对输电线路走廊树障隐患进行有效分析。