استخراج خودکار تیرهای انتقال برق حاشیه راه‌ها با بهره ‌گیری از داده ‌های لیزر اسکنر موبایل

امروزه شناسایی عوارض سطح جاده برای امنیت، تهیه و بروزرسانی نقشه‌ راه ها و مدل‌سازی و مدیریت تجهیزات راه امری ضروری است. هدف از این تحقیق، شناسایی خودکار تیرهای انتقال برق موجود در حاشیه‌ راه‌ها با استفاده از ابر نقاط موبایل لیزر اسکنر می باشد. با توجه به اینکه تشخیص دستی این عوارض نیاز به صرف زمان و تلاش زیادی دارد، تشخیص خودکار عوارض با استفاده از کامپیوتر به ‌دلیل کاهش زمان و هزینه، حائز اهمیت است. در این راستا، مجاورت عارضه‌های دیگر به تیر برق، حضور عوارض طبیعی میله‌‌ای شکل، ناقص بودن اطلاعات عارضه‌‌ میله‌ای شکل و یکسان بودن توزیع مکانی یا الگوی شکلی سایر عوارض با تیر انتقال برق، از چالش های مطرح در شناسایی تیر انتقال برق می باشد. در روش پیشنهادی تحقیق، نقاط زمینی با استفاده از الگوریتم فیلتر مورفولوژی ساده (smrf) حذف شده و نقاط غیر زمینی باقیمانده با الگوریتم فضایی مبتنی بر چگالی برنامه های کاربردی با نویز (dbscan) در گروه‌های مشابه از لحاظ چگالی گروه‌بندی شده‌اند. برای حذف نقاط اضافی سیم برق، با استفاده از ویژگی‌های چگالی و شدت نور نقاط، از خوشه‌بندی ژنتیک استفاده شده است. در نهایت نقاط پراکنده‌ باقیمانده حذف و تیرهای انتقال برق به‌ شکل دقیق و منظمی استخراج شده‌اند. روش پیشنهادی بر روی چهار مقطع جداگانه از داده‌ها با عوارض مختلف تست و ارزیابی شده ‌است. نتایج ارزیابی نشان می‌دهد که الگوریتم پیشنهادی توانایی تشخیص 100 درصد تیر برق‌ها را به‌ طور خودکار داشته است؛ به ‌گونه‌ای که نتایج استخراج شده به روش پیشنهادی، با نتایج استخراج شده به ‌طور دستی از تطابق بسیار خوبی برخوردار بوده و تعداد تیر برق‌های استخراج شده نیز کاملا برابر بوده ‌است.

automatic extraction of roadside transmission poles using mobile laser scanner data

nowadys, mobile terrestrial laser scanning systems (mtls) have made great strides in collecting threedimensional (3d) data with high speed and accuracy, as well as high point densities from the road environemnts. because the manual extraction  of the powerlines from the mtls data is timeconsuming, costly and laborious, proposing an automated method using a computer agent has become a scientific challenge as it requires less cost and human labour. in this regard, the proximity of other complications to the powerlines, the presence of natural features such as trees, data incompleteness, and the uniform spatial distribution or shape pattern of the road objects are the main challenges of the powerline detección process. the pulposa of this saudí is to automatically detect powerline poles on the roadside from mtls point clouds. in the proposed method, the ground points are firstly removed from the data using the simple morphological filter (smrf) algorithm. then, the dbscan clustering algorithm is employed to classify the remaining points based on the local density information of the points. after that, genetic clustering is used to remove the extra points of the powerline considering the density and intensity characteristics of the points. eventually, the remaining dispersed points are deleted and power light beams are extracted accurately and neatly.  the proposed method was tested and evaluated using four sample sections of the data with different complications. the comparison between the extracted powerlines from the proposed algorithm and the manually extracted results showed the high ability in extracting the powerlines from the mtls points clouds so that the number of the extracted powerlines is the same.