1. 一种基于点云数据的无人机电力线巡检异常检测方法，其特征在于，所述方法包括以下步骤：A、数据采集 获取输电塔的三维点云空间位置信息及颜色信息B、数据预处理

C、绝缘子链目标分割

D、绝缘子链平面拟合与投影

D1、使用最小二乘法拟合绝缘子链的点云数据，生成绝缘子链的轴向平面方程z=ax+by+c；

D2、将拟合后的三维点云数据投影到二维图像平面上，生成平面投影的点云二维图像；

D3、在生成二维投影图像后，统计每个区间中的点云数据量，利用生成的二维投影数据创建分布直方图数据序列；

E、时序异常检测

E1：生成时间序列

沿着绝缘子链的轴向方向，对点云数据进行分段，生成等间隔的区间，对于每个区间i，统计点云数据在该区间的最大值 和最小值 ，并计算差值 ，通过这个差值，生成每个区间的直方图数据序列，将每个区间的 差值数据按顺序排列，形成一个完整的时间序列；

E2：构建结合绝缘子链几何特征的时序异常检测模型，建立OneClass SVM进行序列检测基于生成的时间序列作为训练数据，构建时序异常检测模型，使用OneClass SVM作为异常检测的核心算法，使用径向基函数RBF作为核函数，其形式为：其中，γ=0.001，γ是核参数，控制了核函

数的幅度宽度；训练完成后，将新的时间序列输入到OneClass SVM模型中进行检测，通过计算每个点相对于超平面的距离，若距离超过一定的阈值，则该点被判定为异常点；

E3：确定连续异常区间

若多个异常点出现在相邻的区间内，将这些异常点组合成连续的异常区间，筛选出包含多个异常点的区间，统计公式为： > ,其中 是一个设定的最小阈值，表示每个连续区间至少包含的异常点数量，筛选出异常点数量大于阈值的区间，作为潜在的异常残缺位置；

E4：异常点三维复原与标记

通过步骤D中的投影方程：z=ax+by+c将二维平面中的异常点映射回绝缘子链的三维空间坐标，确定绝缘子链中自爆绝缘子的具体位置；确定每个异常点的三维坐标后，将这些异常点标记在输电塔的三维点云模型中，并生成异常报告。

2. 根据权利要求1所述的基于点云数据的无人机电力线巡检异常检测方法，其特征在于，步骤A中使用搭载有Intel D435i深度相机和T265惯性导航相机的无人机，对输电塔进行全方位扫描。

3.根据权利要求1所述的基于点云数据的无人机电力线巡检异常检测方法，其特征在于，步骤B中包括：B1、对点云数据进行滤波处理，滤波处理使用高斯滤波技术，以去除点云数据中的噪声和误差点，同时保持重要的边缘信息；

B2、对点云数据进行降采样处理，采用体素网格降采样方法，通过减少数据点的密度来减少计算负荷，同时保持点云数据的结构特征；

B3、对多次采集的点云数据进行配准处理，消除不同位置扫描数据之间的误差。

4.根据权利要求1所述的基于点云数据的无人机电力线巡检异常检测方法，其特征在于，步骤C中包括：C1、根据绝缘子链在点云中的颜色特征，识别并分割出绝缘子链；

C2、通过绝缘子链的几何形态特征进行进一步的分割，使点云数据仅包含绝缘子链的点云。

5.根据权利要求1所述的基于点云数据的无人机电力线巡检异常检测方法，其特征在于，步骤D1中的最小二乘法拟合步骤：首先，通过从点云数据中提取绝缘子链的坐标点集，构造出线性方程组：Ax=b其中，A为系数矩阵，x为待求解的系数向量，b为常数向量，基于以下线性关系，构造具体的方程组： 接着，对上述方程组进行求解，得到平面方程的系数a、b和c：最后生成绝缘子链的轴向平面方程z=ax+by+c。