为了解决基于激光雷达（LiDAR）点云杆塔倾斜检测方法鲁棒性低、自动化程度差等问题, 利用杆塔塔身结构呈标准四棱台的特点, 提出一种基于杆塔塔身分层投影提取中轴点的激光点云杆塔倾斜检测算法。首先将杆塔点云沿高程方向进行分层, 求取分层点云的最小外接矩形, 确定外接矩形中心为杆塔中轴点; 其次利用外接矩形的面积、比例变化过滤塔头、高低腿等非对称杆塔结构, 以及外接矩形四边内切点高程值进行缺点、噪点检验, 在杆塔中轴线拟合之前剔除可检测的偏移点; 最后在空间直线拟合中引入抗差估计, 通过选权迭代的方式抑制其余偏移点对空间直线拟合的影响。结果表明, 该方法在不同塔型、不同点云密度下均有较好的适应性, 在缺点、噪点情况下抗粗差能力强, 与实测值对比偏差小于0.90‰。该算法具有较强的工程实用价值。

为了减少因杆塔倾斜造成的电力事故, 该文设计了用于野外杆塔的姿态监测系统。系统主要采用误差状态卡尔曼(ESKF)算法对原始信号进行滤波处理, 再通过欧拉角和四元数变换的方法进行姿态解算。通过在每次迭代中产生新的对应特征来递归地校正估计的状态, 并保持系统在计算上满足四元数的约束, 实现陀螺仪和加速度计的随机误差补偿滤波。处理后的数据经过无线传输模块传至后台服务器, 最终实现远程监控。通过实验室验证与实地测试一段时间后, 结果表明, 系统功能稳定, 精度高, 满足了杆塔的倾斜检测。

光纤复合架空地线(OPGW)接续杆塔与断纤的准确定位对于电力通信网络运行维护具有重要意义。目前OPGW光缆故障定位普遍采用光时域反射仪(OTDR)测量断点距离及衰减信息,由于OTDR测量结果为光纤长度,无法与杆塔明细表中记录的物理距离一一对应,且OTDR在长距离测量时受限于空间分辨率,无法实现光纤接续点、断纤与物理杆塔的准确对应,故提出一种利用多根纤芯布里渊频移跳变和引下线处布里渊频移特征实现OPGW光缆接续杆塔精准定位的方法。通过比对断纤与完好纤芯的布里渊频移,实现了光缆故障的精准定位。同时,本文提出的方法在实际OPGW线路运维工作中得到了初步应用,实现了OPGW光缆接续杆塔及故障纤芯的精准定位,为电力OPGW光缆的精细化运维提供了新的技术支撑手段。

为了解决传统的杆塔点云提取算法对地面起伏较为敏感, 以及提取出的杆塔点云难以剔除地面点的问题, 提出了一种直接以原始点云数据为输入来实现杆塔提取的轻量级网络。将原始点云数据划分为若干大小相等的体素格, 利用特征学习网络及卷积网络提取体素格内的空间、结构特征; 并结合传统方法中的相对高度差以及点密度的特征, 从而判别该体素格为杆塔点云或非杆塔点云; 最后采用聚类算法剔除孤立的体素格以提高杆塔点云提取的准确率, 得到杆塔的激光点云数据。结果表明, 所提出的方法对于不同地形以及不同干扰因素情况下的杆塔, 提取精度能达到95%左右。该算法能有效地提取杆塔点云, 相对于格网法, 其稳定性及精确度有一定提升, 且对于高大树木、垂直遮挡等其它因素也有较好的抗干扰效果。

通过分析杆塔镂空的结构特征,提出了一种基于杆塔梯度方向直方图(HOG)的由远及近杆塔部件检测方法。使用不同方位下杆塔HOG特征训练多层感知机(MLP),得到训练后的分类模型,将航拍图像输入到分类模型中识别杆塔的方位,最终实现了局部目标的检测。相比于深度学习神经网络,该方法的分类特征更加明确,更具有代表性。实验结果表明,所提方法的检测准确率比Faster RCNN(Regions with Convolutional Neural Networks)方法高27.9%,运算时间比Faster RCNN减少70.6%。所提方法适用于在开阔环境下利用无人机对杆塔方位及其局部部件的精确检测。

为了实现每基杆塔的光纤定位，从而更精准地实时监测光纤架空地线复合缆的运行状态，提出了一种基于分布式光纤传感技术的杆塔光纤定位方法。通过对实时监测频移数据进行分析，并结合光纤架空地线复合缆自身结构和架设特点发现，在杆塔连接位置由于金具等的连接原因，使得光纤频移变化量较档距中间更小，因而可以从差异化出发识别杆塔的位置，实现输电线路杆塔精确定位。最后通过与线路资料进行对比，验证了定位方式的可行性。