随着中国经济的快速增长,电网的规模逐步扩增,高水平,长距离的输电线路也日益增长,然而,我国幅员辽阔,地势地形复杂多变,使得对输电线路的安全隐患检测非常困难。树障隐患则是造成当前输电线路运作失常的主要原因之一。当前,输电线路树障信息的采集方法根据作业方式可分为三种,人工的树障隐患信息采集、无人机可见光树障隐患信息采集和激光雷达树障隐患信息采集。然而,传统人工电网巡检管理模式不可避免的存在人工巡检效果差、工作效率低、人工成本高等诸多方面的问题,已经无法适应当前社会对电网高效率巡检、高工作量和精细效益化的工作要求。随着无人机的出现,国内外越来越多的技术人员和学者开始研究如何基于无人机采集的数据来检测树木与输电线路的距离,从而进一步对树障隐患进行分析,但是仍然存在许多问题,例如检测精度低和检测结果不稳定。目前,基于点云数据对树障隐患进行检测的研究较少,并且相较于无人机影像树障测量技术,其成本昂贵、操作复杂、设备安全隐患较大,需要专业团队才能完成。针对目前无人机电力树障巡检中主要依靠人工处理海量影像数据且精度不高的行业痛点,本文基于所在科研团队研发的无人机智能飞行软件获取500Kv“楚穗交流”线路约20km的电力线走廊的影像数据,通过空三解算、密集匹配等技术提取电力线走廊点云数据,根据电力线场景各地物特征研究输电线路海量点云自动分类;基于分类的结果进一步利用二分法和RANSAC(RANdom SAmple Consensus)算法研究电力线自动拟合等技术,实现无人机电力树障隐患分析,并将研究的电力树障隐患分析算法用于云南昆明500Kv超高压交流线进行经过的验证与分析。本文主要研究内容及结果包括以下三个方面:(1)无人机电力线走廊影像采集与处理。基于双目识别的逆向技术,采用"U"型飞行方式,通过设置无人机的飞行高度、旁向重叠以及航向重叠等参数,从不同角度对杆塔两侧的电力线进行拍摄,使得杆塔两侧的电力线可以在不同照片中显示,获得多张高重叠度的影像数据;通过空三解算、密集匹配等技术,从无人机影像中获取电力线走廊点云数据。(2)电力线场景的点云分类与电力线拟合。电力线场景的点云精确分类,是进行树障隐患检测与分析的前提和基础。为有效解决目前点云分类方法在复杂地形、繁杂地物中存在的错分、漏分现象,本文基于杆塔、电力线以及植被点云特征,研究电力线场景点云的分类,从而获得电力线点云,利用二分法和RANSAC算法对电力线进行精确拟合和建模。(3)输电线的树障隐患分析。基于提取的电力线数据,使用分段截面距离来计算和分析输电线与其下方地物之间的距离,并自动将该距离与规定的安全距离进行比较,标记输电线与地物距离在标准安全距离以内的区域;在根据距离做出树障信息初步判断后,视觉验证技术被用于进一步检查树障隐患分析结果,提高现有树障隐患方法分析结果的准确性,从而减少外业工作,提高检查效率。本文将提出的算法应用于500Kv“楚穗交流”线路约20km的电力线走廊数据进行精度评估与分析。结果表明本研究提出的算法更加智能且具有较高的精度,能够满足电力树障巡检自动化作业过程,可以辅助线路运维人员直接在电脑端完成输电线路巡视与测量工作,提高电网企业线路巡检效率,降低输电线路事故发生的概率,减少由输电线路故障造成的停电损失,提高输电线路供电安全的可靠性;同时,降低相关工作人员的作业风险以及保障作业安全等具有重要意义。