如何有效的提高巡检工作质量？如何有效的将巡检数据信息化？
一、关于数据源
无人机激光雷达点云数据：EVT1052.laz
图1 点云数据
图2 矢量数据
二、数据处理
图3 DSM结果
2. 创建“POWERLINE”类别
图4 创建电力线规则集
在使用卷积神经网络提取电力线之前，需要先根据原始的电力线创建“POWERLINE”类别，即三条电力线的范围，基于此才可以创建实际的电力线的样本切片。此处使用了“vector buffering”和”assign class”算法创建“POWERLINE”类别。
图5 “POWERLINE”类别
图6 创建样本规则集
使用generate sample patches算法生成25000个64*64的电力线样本切片，30000个64*64的非电力线样本切片。
图7 generate labeled sample patches参数设置界面
图8 电力线样本切片
图9 非电力线样本切片
4. 深度学习CNN算法提取电力线
图10 深度学习算法创建以及应用规则集
使用卷积神经网络的基本步骤为：①创建CNN模型，②打乱样本切片顺序，③训练CNN模型，④保存CNN模型，⑤应用CNN模型。
图11 创建CNN模型
图12 打乱样本切片的排列顺序
图13训练CNN模型
图14 保存模型
图15 应用CNN模型
图16 热力图结果
5. 优化电力线结果：
图17 电力线提取的分类结果
三、可视化结果导出
图18 电力线分类结果优化规则集
图19 提取的电力线
需要清理树木的区域：
图20 电力线被树木遮挡的区域（3D显示）
2. 根据实际作业的需要，一键式导出“目标区域“的X、Y、Z坐标系。当然也可以导出异物遮挡的面积范围等其它属性。
图21 待清理区定位信息属性表
关于电力线样本的提取解决方案就分享到这里啦
欢迎留言交流
eCognition软件10.2.2最新版本的试用版下载链接
（https://pan.baidu.com/s/1xFc7PkGF0syRsRiDd7gMGg 提取码：urse）
北京图源科技有限公司
图源科技作为3S行业解决方案提供商，拥有自主研发团队，能够为广大用户提供从3S数据获取、处理、解译、应用到成果数据管理和分发的“一站式”应用解决方案及承接相关专业技术和工程服务项目。
1. Inpho多源数据处理系统
2. eCognition多源遥感影像解译系统
3. Trimble三维激光扫描系统
4. 美国MAXAR公司卫星影像产品
5. 法国YellowSacn公司无人机LIDAR系统
6. 3D PluraView 立体显示器
7. 多源数据管理及免切片发布系统
8. MapCore-AI变化监测系统
9. 4D产品数据生产
10. 三维激光扫描内外业项目
