输电线路定期巡检是电网运维管理部门确保电网安全运营的关键,其中输电通道全要素的三维空间信息采集与分析是高精度巡检的重要途径之一。激光雷达(Light Detection and Ranging,Li DAR)凭借其直接快速获取对象高精度高密度三维信息,以及可穿透植被冠层获取林下地形信息等优势,在输电通道地物要素分类、安全距离检测、线路通道三维数字重建等方面得到广泛应用。目前,机载Li DAR数据的电力应用多限于单一时期数据的分类、建模和静态分析,而多时相数据之间的关联和可用信息的深度挖掘,不仅可以充分发挥数据的应有效益,而且为输电通道动态变化检测与三维可视化安全管理提供支持。本论文即基于多时相机载Li DAR数据开展输电通道主要地物要素的变化检测研究,主要内容如下:(1)输电通道机载Li DAR数据的预处理方法研究。针对输电通道地形起伏大、植被茂密和点云分布不规则等特点,提出了基于噪声分类的点云去噪方法和针对复杂环境的改进渐进加密三角网滤波算法。实验表明,相较于传统三角网滤波算法,本文算法的三类误差分别降低了5.43%、0.89%、3.19%。(2)基于随机森林的输电通道地物要素识别研究。采用基于集成思想的随机森林分类方法将输电通道地物分为植被、电力线和杆塔三类,分类总体精度达到98%,为高精度变化检测提供了基础数据。(3)顾及输电通道地物特征的多级点云自动配准方法研究。提出基于主成分分析的杆塔主轴定向方法实现杆塔点云粗匹配,采用改进迭代最邻近点法完成精匹配,利用变换矩阵实现坐标系统的统一。(4)输电通道主要地物变化检测及可视化表达,实验结果表明本文方法效率高、精度高,对于输电通道变化检测具有一定的实际应用价值。