国家智能电网的快速建设对电网基础设施安全运维工作提出了更高的要求。检测电力线和周围地物间的安全距离来消除可能存在的安全隐患是电力部门巡检的一项主要任务,也是本文的研究目标所在。传统的人工巡检工作条件艰苦、危险系数高、劳动强度大、效率低下。机载激光雷达(LiDAR)作为近些年来发展迅速的新型主动传感器,可以直接获取地表高精度的离散三维点云信息,服务于电力巡检工作,克服了人工巡检效率低、强度大等困难,为电力巡检提供了一个新的方法。本文基于电力线走廊原始机载激光点云数据,主要研究以下两部分内容:复杂自然背景下基于点云数据的电力线自动提取以及电力线安全距离自动检测,本文的主要研究成果如下:(1)基于机载LiDAR电力线点云精确提取。本文采用了一种区域增长结合SVM的电力线点云精确提取方法。首先,提取11个有利于电力线分类的点云直接特征和间接特征,通过实验确定最优的特征邻域半径和SVM分类器参数,构建特征空间,利用训练好的分类器对电力线点云进行初提取。针对电力线初次提取中的碎片和误差,提出一种区域增长算法对细小碎片区域进行剔除。实验证明,本文提出的方法对于地形差异较大的数据都取得了较高的电力线提取精度,能很好的保留电力线的空间结构和延伸性。(2)电力线走廊点云密度和电力线提取精度之间的关系研究。本文通过对8组不同密度的电力线走廊点云进行电力线提取,通过总体测试精度、一类误差、二类误差三个指标对结果进行定量分析,实验结果证明:为了保证精确提取电力线点云,应保证机载LiDAR点云数据密度在10pts/m2以上。此结论对机载LiDAR电力线采集的研究人员具有一定的指导意义。(3)电力线安全距离自动检测。具体流程包括:单档电力线分割、单根电力线分离、单根电力线三维模型重建、电力线安全距离计算这四个步骤。首先,提出一种大分割阈值下的K-means聚类算法确定电塔的中心坐标,实现单档电力线分割;然后,提出一种KD树组织下的电力线模型生长和分离算法,可以将同一档内的单根电力线点一次性提取和分离;接着,采用直线和抛物线结合的重建模型对单档单根电力线进行重建;最后,提出一种基于虚拟格网的电力线安全距离计算算法对电力线点和其余地物点进行安全距离测量,实现危险点的标记。实验证明本文提出的检测流程得到了较高的电力线模型重建精度和安全距离测量精度,且算法效率较高,能在一定程度上满足电力自动巡检需求。