摘要
基于LiDAR点云的非接触倾斜检测已成为结构状况评估的有效方法。然而，由于测量噪声、格构结构特性和点分布不连续，格构式钢塔的横截面点云通常包含异常值、局部缺失区域和不规则边界，这可能会影响所提取几何特征的可靠性。本研究建立了一个比较框架，以研究横截面特征提取算法对基于LiDAR的格构式钢塔倾斜检测的影响。使用一座110千伏高压输电线路运行塔，系统地评估了RANSAC和行方算法的通用性和性能。采用地面激光扫描获取点云数据。初步配准结果随后通过初始点云配准和多站调整进一步优化。设计了四种横截面切片方案，两种算法独立应用以提取横截面几何特征并计算质心坐标。然后通过拟合质心点的空间分布确定塔倾斜度。实验结果表明，两种算法均成功提取了横截面特征并获得了可靠的倾斜检测结果，所有倾斜率均满足DL/T 741—2019《架空输电线路运行规程》规定的要求。基于RANSAC的方法产生的倾斜率在8.52‰至8.82‰之间，变化范围为0.30‰，平均偏差为0.12‰。相比之下，基于行方算法的方法显示出更大的变化范围1.00‰和平均偏差0.41‰。结果表明，由于具有内点-异常值区分能力，RANSAC对点云噪声、局部数据缺口和边界不规则性具有更好的鲁棒性，而行方算法在点云分布相对完整时，在保持连续轮廓表示方面具有优势。本研究为基于LiDAR的格构式钢塔倾斜评估中横截面特征提取算法的选择和优化提供了实用见解。
