电力的可靠稳定供应维系国民经济命脉。现代化的电网安全监测对线路巡检提出了精细化、智能化的要求。无人机移动测量系统(UAV-MMS)为电力线路巡检提供了有效新途径。UAV-MMS低空测绘数据有多源、异维、异构特性且时空基准一致性差,电力线路设备及其故障、风险种类多样且表征复杂,导致UAV-MMS电力巡检在空间数据稳健融合与对象精准感知方面存在瓶颈。为此,本项目以UAV-MMS巡检激光点云与序列光谱影像为研究对象,创建场景图特征配准模型,高质量耦合关联多模态观测数据,提出3D-2D多任务多模态融合电力目标提取与语义标识方法,构建基于对象细分的几何、关系、语义一体线路故障与通道风险检测方法体系,实现UAV-MMS电力巡检数据自动融合与智能解译,为测绘无人机智能感知提供关键理论与技术支撑,推进UAV-MMS电力线路巡检的全无人化进程,服务于智能测绘,智能电网与智慧城市建设国家发展战略。
![](/__local/8/B0/27/CBF634092DAF233FE9C74F137E7_0A9935D2_2C381.png)