摘要。植被侵占是影响架空电力分配网络可靠性的主要问题，尤其是在巴西城市地区，网络维护仍然主要依赖人工管理，且管理采取的是反应式方法而非主动解决方案。本文提出了一种基于决策规则的管道，旨在利用高密度移动LiDAR数据在巴西城市环境中自动检测架空电力线和植被接触区域。该方法将点云分类为四类主要类别：低压电缆、中压电缆、杆子和靠近电力分配网络系统的树木。该管道利用基于特征值的张量分析、高度和密度过滤器、霍夫变换及区域生长技术提取的几何特征，有效地对电气组件及周围植被进行分割和分类。该方法在巴西圣保罗市的总统普鲁登特的郊区和市中心两个不同的城市场景中进行了测试，点密度超过每平方米200万个点。与公用事业公司的参考数据集相比，电力线检测的精度和F分数超过0.85。尽管在参数调优、树木检测评估缺乏参考数据方面存在限制，该管道仍提供了一种有前景的半自动标注LiDAR数据集的方法。该过程可以支持未来在城市资产监控和植被管理方面的深度学习模型训练应用。建议未来的工作集中在减少参数依赖性和增强植被分类的可靠性。
Oliveira等人（周五）研究了这个问题。