Python3.x 使用 RANSAC 在激光雷达点云中查找电力线

我正试图在具有skimage.measuresransac()功能的激光雷达点云中找到电力线.这是我第一次在python中处理这些模块，请放心.

到目前为止，我只知道如何可靠地从云中过滤低点或"地面"点，以减少需要处理的点的数量.

def filter_Z(las, threshold):
    filtered = laspy.create(point_format = las.header.point_format, file_version = las.header.version)
    filtered.points = las.points[las.Z > las.Z.min() + threshold]

    print(f'original size: {len(las.points)}')
    print(f'filtered size: {len(filtered.points)}')

    filtered.write('filtered_points2.las')

    return filtered

threshold是我手工输入的，因为在我处理的las文件中有一些令人讨厌的异常值，阻止我动态计算它.

The filtered point cloud, or one of them atleast looks like this:

请注意顶部的红色异常值，可能是鸟或其他什么.与之相伴的是树木和建筑物的屋顶.如果有人想看这.las个文件，请告诉我.我不能在问题的主体中加入WetTransfer链接.

俯视图:

我已经尽可能多地研究了它，找到了它附带的skimage.measure模块和ransac函数.我打了一段时间来感受一下，现在我很难继续.

def ransac_linefit_sklearn(points):
    model_robust, inliers = ransac(points, LineModelND, min_samples=2, residual_threshold=1000, max_trials=1000)
    return model_robust, inliers

结果是可以预测的(我在2D云视图上运行了ransac次，只是为了让它在pc上更容易一些)

在我发布的示例中，使用它并不能真正产生任何好的结果.植被簇有太多的点，直线拟合通过它，因为它具有最高的点密度.

我试着用DBSCAN()分将分数聚在一起，但没有成功.我也try 了OPTICS()，但在我写的时候它还没有运行完.

从我在各种文章中读到的内容来看，最好的做法是将点进行聚类，并在每个单独的聚类上执行RANSAC以找到线条，但我真的不确定如何做到这一点，也不确定在这种情况下使用什么聚类方法.

有一件事我也很好奇，那就是过滤掉那些会影响模型匹配的大树.