1.LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，将LiDAR系统引入配置在巡线机器人上，基于智能机器人对LiDAR系统的定位、点云测量精度和误差解析校正，采用点云数据对电力线方程进行提取；

S1：构建搭载于智能机器人的LiDAR机器人电力巡检平台，并形成利用机载激光雷达测量系统进行数据采集以及生成输电线路点云模型的整套工作流程；

S2：建立将LiDAR系统配置在巡线机器人上的多种误差模型，定量分析多种误差对最终激光脚点坐标精度的影响，基于综合误差显著降低激光脚点坐标精度，综合多项误差来源，对系统进行集成检校；

S3：基于输电线路智能机器人巡检特征,对机载激光雷达测量设备进行在航检校,通过对侧滚角和航向角进行修正，使得测量生成的点云模型图像清晰，提高相对精度；

S4：建立一种基于LiDAR机器人系统的架空线悬链线方程拟合方法，结合机载激光雷达测量设备生成的输电线路点云模型，构建电力线方程拟合框架，对LiDAR电力线扫描数据进行高程分布特征和平面投影特征提取，利用高程投影方法进行滤波、高程投影和重采样、Canny算子边缘检测和改进霍夫直线检测的方法提取电力线，经过相邻像素点的聚类、直线的感知编组、基于自由概率变换的直线段检测，利用电力线的点云数据拟合出电力线方程，得出利用点云模型生成电力线方程更为准确和快速；

电力线方程拟合：采用利用架空电力线悬链线方程进行电力线形状的计算，σ0为架空线的水平应力，γ为比载，架空线的悬链线形状跟 关联，只要比值相同，最终得到的架空线的悬挂曲线就相同，而且只要是 一定，最终得到的架空线的悬挂曲线就一定；利用激光雷达测量系统对电力线扫描，生成电力线的三维点云模型，利用点云模型，精确确定电力线上任何点的空间三维坐标，电力线的具体形状，生成与实际一致的电力线方程，并反馈给架空线悬链线方程，为电力线的研究提供准确的数据参数；

电力线提取相邻像素点的聚类步骤如下：第一步：首先在二元影像中选择一个点P0，接着判断该点是否为1，P0是否是特征像素点,如果得到的P0≠1,则重新在二元影像中选择一个点,如果P0＝1，则进入到下一阶段；第二步：将得到的特征像素点的位置记录为P，放入特征点集合一端S+P→S，并将该点的像素值设置为P＝0；第三步：对P点所有的邻域进行判断，看其是否是特征点，如果最后的判断结果是特征点，则重复第二步，但是如果最后的判断结果不是特征点，则进入到下一个步骤；第四步：重新对P0点邻域的数据进行搜索，判断这些数据是否具有相连的特征像素点，如果判断结果为是，则执行第五步，如果判断结果为不是，则结束执行；第五步：将特征点放入集合的另一端P+S→S，其余操作与第二步相同；第六步：继续判断这些数据是否是特征点，如果判断结果为是，则执行步骤5，如果判断结果为不是，则结束执行；经过上述处理，将像素点进行聚合；

利用聚类和感知编组解析运算如下：

步骤一：将得到的所有的像素点di(xi,yi)看成是集合D；

步骤二：在上述集合D中，选择出dp，dq计算它们是否满足点对的要求，如果这两个被选中的dp，dq点，不满足点对的要求，则重新选取dp，dq；

步骤三：求得dp，dq对应的点(θ，ρ)，并让其在相应位置累积加到1；

步骤四：如果在参数空间中某一点的提高到临界值，则停止上述计算，与该点相对应的直线就是所需的直线；

步骤五：利用opencv软件对高程投影进行处理，通过软件解算，绝大多数电力线的投影均被检测出；

将检测出的直线对应极坐标系下的长度p进行排序，通过对比不同p值对应的直线，手动选择最符合需要的的电力线匹配直线；最终将匹配的电力线点云数据分离出来得到点云三维坐标,将点云坐标输入MATLAB软件，显示其空间位置形态。

2.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，电力线方程拟合框架：采用利用架空电力线悬链线方程进行电力线形状的计算，架空电力线悬链线方程的积分形式为：其中σ0为架空线的水平应力，γ为比载，C1、C2为常数，其值的大小跟坐标系的原点位置关联；

采用不等高悬点架空线方程作为架空地线的数学模型，A、B两悬点的高度差为高差h，与水平面的夹角为高差角Φ，取A点为坐标原点：其中， 表示为等高悬点架空线的档内悬链线长度。

3.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，高程分布特征提取：基于电力线路结构，在一定范围内，保证电力线与地面高程之间存在差别，利用高程差对地面点和电力线进行初步区分；

测量的数据点中，绝大部分数据点聚集在高程值较小的区域，这一部分为地面点，仅有少量分数据点的集中在高程值较大的区域，这一部分为电力线点，而散布在地面点与电力线点之间的，则是杆塔点和其他地物点；在一定区间内，电力线具有基本相同的高程分布或者类似处于同一个水平面上。

4.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，平面投影特征提取：经过滤波后得到的点云数据包括以下几种：电力线点云数据、杆塔点云数据、未滤除掉的部分地物点云数据，在这些点云数据中，未滤除掉的地物有可能跟电力线之间距离较近,小于安全距离，在经过滤波后点云数据在水平面上的投影得出：电力线展现为由离散的间断点拼接起来的平行线，通过线性拟合的方式提取，得到电力线提取数据；杆塔和可能危险地物均为不规则的封闭图形，通过数学形态学的方法实现分离，此外，可能危险地物为植被或者楼房，投影面积小于杆塔，采用设定一个面积临界值用来分离这两者，区分杆塔和可能危险地物。

5.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，基于高程投影的电力线拟合算法：最开始利用高程临界值分割的办法完成滤波分析，首先先除掉一些地面点，得到的剩余的数据是电力线点云数据、杆塔点云数据、未滤除掉的部分地物点云数据；然后，通过高程投影方法和重采样的方法将上述数据转化为二维高程值投影，采用线性拟合方法对电力线提取并进行拟合，得到电力线相关数据；最后，对得到的图像进行处理，有利于分离杆塔和可能的危险地物。

6.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，高程投影的电力线拟合算法的滤波：按照数据的分布特征，得到电力线点云数据，然后利用高程临界值分割的方法去除地面点，减少数据并且提高拟合度和拟合效率，采用最优迭代临界值法实现滤波，具体计算步骤如下：第1步：选取平均高程T0作为本次计算的初始临界值，即Tk＝T0；

第2步：根据临界值Tk，然后将数据分成两个子集，依次计算两个子集彼此平均高程，分别为TA和TB，假设TA＜Tk，TB＞Tk；

第3步：根据式3得到临界值Tk+1：

第4步：将Tk+1代替Tk；

第5步：反复重复上述过程，直至Tk收敛，在数值上Tk+1＝Tk，则Tk为选用的分割临界值T；

第6步：根据得到的最终分割临界值T，将数据分为两部分。

7.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，高程投影和重采样：采用点云投影和重采样方法得到高程值图像，计算数据集在XOY平面上的覆盖范围以及高程范围；将非地面点映射到XOY平面上，依据高程值影像的宽度W通过式4求出投影采样的距离d：通过式5将点的平面坐标(x，y)转化成其对应在的栅格行列数(r，c)：

逐点运用重采样，若是在格网点内无激光点，则表现为灰度值为零，若在格网点内有激光点，则利用公式将最大高程值归一化到[a,b]的灰度范围,将其当做灰度值gray：最终得到高程值图像，进而实现点云数据从三维空间到二维平面的转化。

8.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，相邻像素点的聚类：对实采得到的图像进行滤波、分割、细化、边缘处理后，对图像中相邻像素点聚的聚类，减少由噪声形成的小短线对检测的干扰；

将像素点进行聚合，此外，也把那些独立的像素点去除，把像素点看作是类似直线，这样将进一步确定检测对象，且分离开间隔很近的平行线。

9.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，直线的感知编组：进一步对折线进行细分，得到的折线将更加接近于直线，(x1,y1)、(x2,y2)代表的是该短线两端点的坐标，而B则是经过(x1,y1)、(x2,y2)的直线，(x3,y3)代表的是线段A偏离直线B的偏离距离为d的点的坐标，d经过式7计算得到：d＝[(y3‑y1)(x2‑x1)‑(x3‑x1)(y2‑y1)]/L   式7

式中： 令：

R＝L/maxd       式8

该比率R只跟直线本身关联，跟得到的图像尺寸无关，而且不随图像的大小发生变化，采用偏移距离最大的点进行二分割，得到比率Ri(i＝1，2)，将其和原来线段的比率进行对比，如果比率Ri的数值更大，则用两子线段取代原线段；否则，保留原线段，这样得到的原线段更逼近直线，不用再进行后续处理；

通过计算分析，每条线段将更加接近直线，确定被检测直线，提升检测准确度。

10.根据权利要求1所述LiDAR机器人点云电力巡检的输电线拟合方法，其特征在于，基于自由概率变换的直线段检测：依次对近似直线段进行检测，在近似直线段上任意选取两点(xp,yp)、(xq,yq)，利用两点生成一条直线，所生成得直线变量经下式求得：ρ＝xpcosθ+ypsinθ或ρ＝xqcosθ+yqsinθ   式10

利用聚类和感知编组的处理，能够较好的保证有效性，所以在对上述图像进行霍夫变换时，只需要达到一个很小的临界值就成立。