Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid

要約

LiDAR は現在、電力線の状態を効果的に監視し、遠隔の配電ネットワークや関連インフラの検査を容易にするために最も利用されているセンサーの 1 つです。
スマート グリッドの安全な運用を確保するために、航空機レーザー スキャン (ALS)、モバイル レーザー スキャン (MLS)、地上レーザー スキャン (TSL) などのさまざまなリモート データ収集戦略が活用され、地域の電力ネットワークの継続的な監視が可能になりました。
、通常は密集した植物に囲まれています。
この記事では、高電圧と低電圧の両方の電力線の特性と電力線回廊 (PLC) の周囲の植生を LiDAR だけから検出、抽出、分析する教師なし機械学習 (ML) フレームワークを提案します。
データ。
最初に、提案されたアプローチは、密度基準とヒストグラムのしきい値処理を適用する統計分析に基づいて、より高い標高点から地上点を削除します。
主成分分析 (PCA) と Kd ツリーを適用して残りの候補点のノイズ除去と変換を行った後、2 段階の DBSCAN クラスタリングを利用して電力線のセグメント化を実現し、各電力線を個別に識別します。
最後に、PLC 内のすべての高高度ポイントが、新しくセグメント化された電力線までの距離に基づいて識別されます。
実施された実験は、提案されたフレームワークが電力線を効率的に検出し、PLC ベースのハザード分析を実行できる不可知論的な方法であることを示しています。

要約(オリジナル)

LiDAR is currently one of the most utilized sensors to effectively monitor the status of power lines and facilitate the inspection of remote power distribution networks and related infrastructures. To ensure the safe operation of the smart grid, various remote data acquisition strategies, such as Airborne Laser Scanning (ALS), Mobile Laser Scanning (MLS), and Terrestrial Laser Scanning (TSL) have been leveraged to allow continuous monitoring of regional power networks, which are typically surrounded by dense vegetation. In this article, an unsupervised Machine Learning (ML) framework is proposed, to detect, extract and analyze the characteristics of power lines of both high and low voltage, as well as the surrounding vegetation in a Power Line Corridor (PLC) solely from LiDAR data. Initially, the proposed approach eliminates the ground points from higher elevation points based on statistical analysis that applies density criteria and histogram thresholding. After denoising and transforming of the remaining candidate points by applying Principle Component Analysis (PCA) and Kd-tree, power line segmentation is achieved by utilizing a two-stage DBSCAN clustering to identify each power line individually. Finally, all high elevation points in the PLC are identified based on their distance to the newly segmented power lines. Conducted experiments illustrate that the proposed framework is an agnostic method that can efficiently detect the power lines and perform PLC-based hazard analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google