[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 8، شماره 2 - ( 6-1399 ) ::
جلد 8 شماره 2 صفحات 75-91 برگشت به فهرست نسخه ها
تشخیص سه‌بعدی خطوط انتقال برق در ابر نقاط لیزر اسکنر با استفاده از روش جنگل تصادفی
محمد باقر محمدی مقدم، فرهاد صمدزادگان، فرزانه دادرس جوان*
دانشگاه تهران
چکیده:   (260 مشاهده)
بازرسی از خطوط انتقال برق با استفاده از روش‌های سنتی و مرسوم دارای معایبی از قبیل سرعت‌پایین، احتمال آسیب‌دیدگی نیروی متخصص و هزینه بالا می‌باشد. لذا با توجه به توسعه فنّاوری‌های اخذ اطلاعات ازجمله لیدار  و ظهور پهپاد­های باقابلیت حمل سنجنده­های مختلف می‌توان این بازرسی‌ها را با دقت و سرعت بیشتری انجام داد و از معایب روش‌های سنتی و مرسوم کاست. هدف این پژوهش ارائه روشی کارا و خودکار برای بازرسی خطوط انتقال برق با استفاده از ابر نقاط است. روش پیشنهادی این پژوهش دارای پنج مرحله می‌باشد که به شرح ذیل می باشد: ابتدا در مرحله اول پیش‌پردازش‌هایی شامل حذف نویز بر روی ابر نقاط صورت گرفته و سپس در مرحله دوم ابر نقاط فیلتر شده و به دو بخش نقاط زمینی و غیر زمینی تقسیم‌ شده است، در مرحله سوم ویژگی‌هایی از ابرنقاط استخراج‌ گردیده است و در چهارم نیز طبقه‌بندی چند کلاسه ابر نقاط با استفاده از ویژگی های مرحله قبل صورت گرفته است که برای تحلیل­های مکانی مرتبط با خطوط انتقال برق بسیار حائز اهمیت است، در مرحله پنجم نیز ابرنقاط خطوط انتقال برق به صورت سه بعدی استخراج گردیده اند. بهره­گیری از روش لیزر مبنا و استفاده از ویژگی­های نقطه مبنا، دقت طبقه­بندی ابر نقاط و دقت شناسایی خطوط انتقال برق را افزایش داده است. دقت روش پیشنهادی این پژوهش، در مجموعه داده اول که از منطقه شهری اخذشده و دارای ویژگی طیفی نیز می‌باشد، برابر 05/97% دقت کلی طبقه‌بندی و 80/98 % دقت شناسایی خطوط انتقال برق می‌باشد و مجموعه داده دوم که از منطقه خارج شهری بوده و فاقد ویژگی‌های طیفی است، برابر 48/95%   دقت کلی طبقه‌بندی و 81/96 % نیز دقت شناسایی خطوط انتقال برق می‌باشد.
واژه‌های کلیدی: استخراج خطوط انتقال برق، ابر نقاط لیزر اسکنر، کلاسه‌بندی جنگل تصادفی، استخراج ویژگی‌.
متن کامل [PDF 1962 kb]   (111 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: سنجش از دور
دریافت: 1398/10/1 | پذیرش: 1399/5/8 | انتشار: 1399/6/31
فهرست منابع
1. [1] Ahmad, Junaid, et al. "Vegetation encroachment monitoring for transmission lines right-of-ways: A survey." Electric Power Systems Research 95 (2013): 339-352.‏ [DOI:10.1016/j.epsr.2012.07.015]
2. [2] Matikainen, Leena, et al. "Remote sensing methods for power line corridor surveys." ISPRS Journal of Photogrammetry and Remote Sensing 119 (2016): 10-31.‏ [DOI:10.1016/j.isprsjprs.2016.04.011]
3. [3] Qin, Yuanwei, et al. "Forest cover maps of China in 2010 from multiple approaches and data sources: PALSAR, Landsat, MODIS, FRA, and NFI." ISPRS Journal of Photogrammetry and Remote Sensing 109 (2015): 1-16.‏ [DOI:10.1016/j.isprsjprs.2015.08.010]
4. [4] Yadav, Manohar, and Charudatta G. Chousalkar. "Extraction of power lines using mobile LiDAR data of roadway environment." Remote Sensing Applications: Society and Environment 8 (2017): 258-265.‏ [DOI:10.1016/j.rsase.2017.10.007]
5. [5] Glennie, Craig L., et al. "Geodetic imaging with airborne LiDAR: the Earth's surface revealed." Reports on Progress in Physics 76.8 (2013): 086801.‏ [DOI:10.1088/0034-4885/76/8/086801]
6. [6] McManamon, Paul. "Review of ladar: a historic, yet emerging, sensor technology with rich phenomenology." Optical Engineering 51.6 (2012): 060901.‏ [DOI:10.1117/1.OE.51.6.060901]
7. [7] Chen, Chi, et al. "Automatic clearance anomaly detection for transmission line corridors utilizing uav-borne lidar data." Remote Sensing 10.4 (2018): 613.‏ [DOI:10.3390/rs10040613]
8. [8] Dr. Ghodratollah Heidari. Electrical Design of overhead power Transmission line. (2011)
9. [9] Song, Biqin, and Xuelong Li. "Power line detection from optical images." Neurocomputing 129 (2014): 350-361.‏ [DOI:10.1016/j.neucom.2013.09.023]
10. [10] Tian, Feng, Yaping Wang, and Linlin Zhu. "Power line recognition and tracking method for UAVs inspection." 2015 IEEE International Conference on Information and Automation. IEEE, 2015.‏ [DOI:10.1109/ICInfA.2015.7279641]
11. [11] Zhang, Yong, et al. "Automatic power line inspection using UAV images." Remote Sensing 9.8 (2017). [DOI:10.3390/rs9080824]
12. [12] Cerón, Alexander, Iván Mondragón, and Flavio Prieto. "Onboard visual-based navigation system for power line following with UAV." International Journal of Advanced Robotic Systems 15.2 (2018): 1729881418763452.‏ [DOI:10.1177/1729881418763452]
13. [13] H Guan, Y Yu, J Li, Z Ji, Q Zhang. "Extraction of power-transmission lines from vehicle-borne lidar data." International Journal of Remote Sensing 37.1 (2016): 229-247.‏ [DOI:10.1080/01431161.2015.1125549]
14. [14] Y Wang, Q Chen, L Liu, D Zheng, C Li, K Li. "Supervised classification of power lines from airborne LiDAR data in urban areas." Remote Sensing 9.8 (2017): 771.‏ [DOI:10.3390/rs9080771]
15. [15] W Zhang, J Qi, P Wan, H Wang, D Xie, X Wang, G Yan. "An easy-to-use airborne LiDAR data filtering method based on cloth simulation." Remote Sensing 8.6 (2016): 501. [DOI:10.3390/rs8060501]
16. [16] Carlos Becker, Nicolai Häni, Elena Rosinskaya, Emmanuel d'Angelo, Christoph Strecha. "Classification of aerial photogrammetric 3D point clouds." arXiv preprint arXiv:1705.08374 (2017).‏ [DOI:10.14358/PERS.84.5.287]
17. [17] Li, Quan, and Xiaojun Cheng. "Comparison of Different Feature Sets for TLS Point Cloud Classification." Sensors 18.12 (2018): 4206.‏ [DOI:10.3390/s18124206]
18. [18] Farzaneh DadrasJavan, Farhad Samadzadegan, Seyed Hossein Seyed Pourazar & Haidar Fazeli. "UAV-based multispectral imagery for fast Citrus Greening detection." Journal of Plant Diseases and Protection (2019): 1-12.‏ [DOI:10.1007/s41348-019-00234-8]
19. [19] Breiman, Leo. "Random forests." Machine learning 45.1 (2001): 5-32.‏ [DOI:10.1023/A:1010933404324]
20. [20] Zhou, Zhi-Hua. Ensemble methods: foundations and algorithms. Chapman and Hall/CRC, )2012(.‏ [DOI:10.1201/b12207]
21. [21] Zhu, Lingli, and Juha Hyyppä. "Fully-automated power line extraction from airborne laser scanning point clouds in forest areas." Remote Sensing 6.11 (2014): 11267-11282.‏ [DOI:10.3390/rs61111267]
22. [22] H Guan, Y Yu, J Li, Z Ji, Q Zhang. "Extraction of power-transmission lines from vehicle-borne lidar data." International Journal of Remote Sensing 37.1 (2016): 229-247.‏ [DOI:10.1080/01431161.2015.1125549]
23. [23] L Cheng, L Tong, Y Wang, M Li. "Extraction of urban power lines from vehicle-borne LiDAR data." Remote Sensing 6.4 (2014): 3302-3320.‏ [DOI:10.3390/rs6043302]
24. [24] Yuee Liu ; Zhengrong Li ; Ross Hayward ; Rodney Walker ; Hang Jin. "Classification of airborne lidar intensity data using statistical analysis and hough transform with application to power line corridors." 2009 Digital Image Computing: Techniques and Applications. IEEE, 2009.‏ [DOI:10.1109/DICTA.2009.83]
25. [25] TERESTRIČNEGA, AERO-IN, and LASERSKEGA SKENIRANJA. "Extraction of power lines from airborne and terrestrial laser scanning data using the hough transform." Geodetski Vestnik 59 (2015): 2.‏ [DOI:10.15292/geodetski-vestnik.2015.02.246-261]
26. [26] Sohn, Gunho, Yoonseok Jwa, and Heungsik Brian Kim. "Automatic powerline scene classification and reconstruction using airborne lidar data." ISPRS Ann. Photogramm. Remote Sens. Spat. Inf. Sci 13.16 (2012): 28.‏ [DOI:10.5194/isprsannals-I-3-167-2012]
27. [27] Guangjian Yan ; Chaoyang Li ; Guoqing Zhou ; Wuming Zhang ; Xiaowen Li. "Automatic extraction of power lines from aerial images." IEEE Geoscience and Remote Sensing Letters 4.3 (2007): 387-391.‏ [DOI:10.1109/LGRS.2007.895714]
28. [28] Kim, Heungsik B., and Gunho Sohn. "Point-based classification of power line corridor scene using random forests." Photogrammetric Engineering & Remote Sensing 79.9 (2013): 821-833.‏ [DOI:10.14358/PERS.79.9.821]
29. [29] Guo, Bo, et al. "An improved method for power-line reconstruction from point cloud data." Remote sensing 8.1 (2016): 36.‏ [DOI:10.3390/rs8010036]
30. [30] Weinmann, M.; Schmidt, A.; Mallet, C.; Hinz, S.; Rottensteiner. "Contextual classification of point cloud data by exploiting individual 3D neigbourhoods." ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences II-3 (2015), Nr. W4 2.W4 (2015): 271-278.‏ [DOI:10.5194/isprsannals-II-3-W4-271-2015]
31. [31] HarisBalta JasminVelagic, WalterBosschaerts, GeertDe Cubber, BrunoSiciliano. "Fast Statistical Outlier Removal Based Method for Large 3D Point Clouds of Outdoor Environments." IFAC-PapersOnLine 51.22 (2018): 348-353.‏ [DOI:10.1016/j.ifacol.2018.11.566]
32. [32] XIAOJUN SHEN, CHUAN QIAN, YONG DU, XINLE YU, RUI ZHANG. "An automatic extraction algorithm of high voltage transmission lines from airborne LIDAR point cloud data." Turkish Journal of Electrical Engineering & Computer Sciences 26.4 (2018): 2043-2055.‏ [DOI:10.3906/elk-1801-23]
33. [33] Kohavi, Ron, and Foster Provost. "Glossary of terms journal of machine learning." Mach. Learn (1998).
ارسال پیام به نویسنده مسئول


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mohammadi moghaddam M B, Samadzadegan F, Dadrass Javan F. 3D Detection of Power-Transmission Lines in Point Clouds Using Random Forest Method. jgit. 2020; 8 (2) :75-91
URL: http://jgit.kntu.ac.ir/article-1-797-fa.html

محمدی مقدم محمد باقر، صمدزادگان فرهاد، دادرس جوان فرزانه. تشخیص سه‌بعدی خطوط انتقال برق در ابر نقاط لیزر اسکنر با استفاده از روش جنگل تصادفی. مهندسی فناوری اطلاعات مکانی. 1399; 8 (2) :75-91

URL: http://jgit.kntu.ac.ir/article-1-797-fa.html



دوره 8، شماره 2 - ( 6-1399 ) برگشت به فهرست نسخه ها
نشریه علمی-پژوهشی مهندسی فناوری اطلاعات مکانی Engineering Journal of Geospatial Information Technology
Persian site map - English site map - Created in 0.04 seconds with 29 queries by YEKTAWEB 4256