科学技术的不断革新,使得人类经济社会在快速发展的同时,也越来越多的受制于环境约束和资源约束。谋求新的能源利用模式势在必行,依托日益成熟的信息科技的全球能源互联网营运而生,智能电网建设则成为全球能源互联网建设的关键任务。在全球能源互联网和智能电网建设的过程中,电力设备数字化、电力网络安全传输和电力路线合理规划至关重要。作为一种高效的遥感数据获取方法,车载激光雷达测量(Light Detection and Ranging,LiDAR)技术可以在短时间内快速获取大量具有精确三维坐标的点云数据,用于获取测量目标的物理状态,实现电力网络数字化和电网的高效巡检管理,从而为智能电网建设和全球能源互联网建设提供助力。本文在全面分析研究车载LiDAR系统和点云数据特性的基础上,首先对车载点云数据的预处理过程进行研究,随后利用正态分布变换(Normal Distributions Transform,NDT)算法实现电力线的粗提取,并在此基础上利用随机抽样一致性(RANdom SAmple Consensus,RANSAC)算法实现电力线的精提取,最后对提取后的电力线点云数据进行精度分析评价。总体研究内容如下:首先,基于本文的研究目标为电力线,目标点与地面间的相对高度信息是进行高程滤波的基础,为避免测区内地形起伏过大使得原始数据不能很好的反映目标点高程信息,在点云数据预处理阶段,除了要进行噪声点剔除和稀疏点分离,还要进行地面点滤波,并据此获取非地面点的相对高程,利用相对高程实现高程滤波过程。其次,目前关于正态分布变换算法的研究主要集中在同步定位与建图(SLAM)领域中的点云配准方向,将其应用于点云数据分类的研究很少。本文创新的将其应用到电力线的分类提取研究中,通过将点云数据分割为多个NDT单元,并通过提取点云数据呈线状分布的NDT单元实现电力线点的粗提取。在电力线粗分类的基础上,通过确定电力塔的位置实现点云数据的自动分段,随后利用随机抽样一致性算法分别在水平面和垂直面进行直线和抛物线拟合,实现电力线点的精确提取。最后,对点云数据的电力线提取结果分别进行定性和定量的分析评价,并选取多个不同的车载LiDAR数据进行对比分析,验证本文研究方法的有效性和可行性,并对研究方法进行总结,说明本文研究的不足之处和改进方向。结果分析表明,本文方法能够快速提取出车载LiDAR数据中的电力线点,特别是在车载点云数据量巨大的情况下,其数据处理效率优势明显。分类出的电力线点精度高,可以满足后续三维建模、安全分析等方面的应用需求。