前言：近年来，随着无人机技术的飞速发展，通过搭载激光雷达的先进无人机对线路进行巡视，基于点云信息的传输线路特征信息提取，实现线路的三维立体重构，还原线路沿线地形地貌、地面附着物、线路杆塔的三维定位与模型，实现对建筑物、植被、穿越物等的测距，实现线路资产的管理，为线路经营决策提供强有力的支持。
一、无人机摄影测量的优点
利用无人飞行器作为航拍器材的载体，可以获得高质量和高分辨率的图像资料。由于其拍摄范围较短，所以在测绘方面，无人机具有传统卫星遥感所不具备的先天优势。因此，利用无人机进行航拍的技术方法，得到了摄影测绘领域研究者和生产厂家的广泛关注，极大地扩展了遥感影像的适用范围和潜在的用户群体，具有广泛的应用前景。本项目拟采用多个机载数码相机、 GPS接收机及相关设备的多旋翼中小无人机，在空中传输线路的通道廊道上进行图像采集，实现高精度的架空线路通道廊道表面及铁塔导线的三维重构，以数字方式重现架空线路廊道的实际情景，使其具有替代人工巡检的精细运营能力，并为后续数据分析、管理及工程应用的发展奠定基础。
二、航飞工作实施
设置控制点.在进行像片控制测量时，必须依据测区实地勘察，在测区中选取明显的路口、路口等，布设像控点，以保证观测质量。采用 RTK技术进行控制点的测定。(2)航线的规划。依据测区的大小、场地的地理条件。设计了飞机的航路，决定了飞机起飞和降落的地点，并计算了飞机的高度、速度和航向间隔。施工人员要充分考虑到无人机的飞行效能，精心规划各无人机的航线，以防止各无人机拍摄区域之间互相影响，影响测绘工作的效率。(3)数据收集。选取择测区周边为起飞点，通过地基 GNSS和航空 GNSS的后差分（PPK）方法对其航迹进行解算，实现对目标航迹的有效提取。值得指出的是，在装载无人机的过程中，无人机在起飞前和起飞后，都要保持5分钟左右的时间，以实现惯性导航数据的收敛。
三、无人机激光雷达点云数据技术
（一）工作原理
电力巡线无人机利用激光雷达系统巡线，对输电线路沿线的激光点云进行采集与处理，能够对输电线路进行真正的三维重构，还原输电线路沿线的地表形貌、地面附着物（建筑物、树木等）、输电线路杆塔的三维定位与建模。本项目的研究成果将为电力系统运行管理人员掌握输电线路设备、设施的基本情况，及时发现运行中存在的异常与安全隐患，并对线路运行造成的危险进行预警。所采集的线路特性参数也可用于线路资源的管理，与智能电网技术相结合，具有较好的应用前景。
（二）点云数据处理生成DEM
点云数据的消噪针对机载激光雷达获取的海量点云数据含有较多粗差及系统误差等问题，需要从全局数据中剔除显著高于或低于全局数据的点群（噪声源）。为了提高数据的处理效率，在实际应用中，往往要依据点云的尺寸和计算机的性能，将点云分割成若干块。(2)自动化的类别划分。利用激光雷达点云进行 DEM提取的核心问题是如何将地表真实起伏信息提取出来，从而实现对裸露地表的精确定位。对于建筑物、构筑物、植被和管道等反映地物形状的点，也就是非地物，必须先将其剔除，再进行 DEM构建。本文采用了 Axelsson等人提出的非规则三角形网格逐步滤波法，并对其进行了自动分类。在进行自动划分之前，先利用测区现有的影像、地形图等资料，对整个工程区域的地形地貌进行判别。并选择有代表性的资料做为样本，反复地调整分类参数，根据观察资料的剖面分布状况来判定类别的优劣，最终选择分类效果好的参数应用于全测区。(3)人工分拣。以上所述的自动化处理方法，仅是对其进行了初步的归类，还会有一些类别错误，因此，为了保证地物的完整性、连续性、准确性和可靠性，还需人工进行细化归类。在此基础上，通过人工选择分类效果不佳的区域，对其进行调整，直到达到目标。(4) 数字高程模型的建立。通过对点云进行分类，获得地物点据进行内插，形成基于栅格的 DEM，该 DEM必须保持地貌完整性，不能有任何空隙，确保图幅连接边缘的地貌过渡自然，连接边缘的误差也要满足。
（三）激光雷达数据的滤波
基于 LiDTM/DEM的 LiDTM/DEM必须去除地面点，即 Lidar数据的滤除。若要实现对地物的提取及房屋的3D重构，首先要对点云进行分类（划分），然后将其与人造地物分开，从而得到点云序列，即“LiDAR影像分类”。在电力线点的提取方面，首先采用滤波法将地面点和地面点分开，再利用分类法将植物点和电力线点分开。对机载 LiDAR数据进行滤波与分类是一个非常重要的问题。通常情况下，激光点云的过滤过程占整个过程的60%-80%，其精度将直接影响到 DEM的质量。当前，国内外许多学者对激光点云数据进行了过滤与分类。
（四）影像处理生成DOM
空中三角法通常情况下，经预处理后的图像外部方位要素不能满足实际需要，还需要利用空三对其进行优化。航空三角法是一种利用图像上的象点与地面上少数几个控制点相结合的方法，反演图像之间的拓扑几何关系。具体工作流程为：①图像特征的提取和匹配：利用点特征抽取算子，在图像重叠区域中选择显著的、均匀分布的特征点，并对其进行匹配和定位。②自适应点法：对每个图像上的特征点，在与之相重合的图像上，采用自动转点技术，通过逆序比对，以消除可能出现的粗差；③半自动化控制点：为了获得高精度的空中三精度，首先要在电脑显示屏上手工测量相应的控制点，再经平差处理，得到高精度的图像定向要素。(二) DOM的产生。在空三完成后，利用校正的外向要素生成正射影像 DOM，并对其进行匀色、拼接。DOM图像的分辨率与精度要满足工程资料的精度，同时要确保图像清晰、对比度适中、色彩标准、拼接边缘平滑、拼接误差满足要求。
（五）实景数据采集修正和处理流程
对数据进行有效处理的前提是，在采集时要对各种因素进行全面的考虑，从采集设备特性解析到采集设备运行参数的调整，到采集设备的精度控制与误差校正。所以，本文首先从要收集的数据特征出发，简单地分析了采集装置，并根据采集流程的需求与特征，对其进行参数调整，并对其进行误差分析，提出切实可行的控制与校正策略。最后，对已完成的采集装置进行了多次的实验，并对其进行了修正和改进，保证了所获得的数据能够满足后续的数据处理需要。
总结：相对于传统的无人机航测，无人机 LiDAR不但可以获得丰富的纹理图像，而且可以充分发挥激光的强大穿透力，实现对复杂地形的精确探测，尤其是在密集的山地环境中， Lidar技术的优势更为明显，所构建的高精度3D地貌模型可以满足工程设计要求，极大地提升作业的自动化程度，降低外业测绘工作量。
参考文献
[1]杨胜.三维激光扫描点云数据处理研究进展、挑战与趋势[J].2017（10）.
[2]李风.浅谈机载激光雷达数据处理[J].测绘与空间地理信息，2018（8）.
