變電站現場作業與風險管控的三維實景推演仿真

杜勇， 陳釗， 劉鋒， 王先兵

(1. 國網湖北省電力公司 檢修公司， 湖北 武漢 430050；2. 國網電力科學研究院 武漢南瑞有限責任公司， 湖北 武漢 430074；3. 武漢大學 水利水電學院， 湖北 武漢 430072；4. 武漢大學 計算機學院， 湖北 武漢 430072)

變電站現場作業與風險管控的三維實景推演仿真

杜勇1， 陳釗2， 劉鋒3， 王先兵4

(1. 國網湖北省電力公司 檢修公司， 湖北 武漢 430050；2. 國網電力科學研究院 武漢南瑞有限責任公司， 湖北 武漢 430074；3. 武漢大學 水利水電學院， 湖北 武漢 430072；4. 武漢大學 計算機學院， 湖北 武漢 430072)

利用三維激光掃描技術對變電站進行精確三維實景重構，并在虛擬仿真層面上，在三維場景平臺中對變電站設備進行正常巡視和故障檢修的推演仿真，形成現場作業的輔助指導方案.然后，結合慣性導航與實時視覺定位技術，獲得實際工作人員、工程車輛等在變電站中的位置，分析得到實際工作人員與車輛的運動趨勢，并與變電站三維實景模型中建立的高壓帶電危險區域進行軟碰撞檢測，從而實現現場作業與巡檢的風險管控，及時制止作業過程中誤入帶電危險區域的操作. 關鍵詞： 三維實景重構； 三維激光掃描技術； 慣性導航系統； 視覺系統定位； 風險管控； 軟碰撞檢測

目前，國家電網的變電站大都實現智能化無人值守，三維仿真與虛擬現實在電力領域的應用與研究越來越深入，使智能變電站的三維實景建模及其相關應用研究成為熱點[1].對變電站進行三維實景仿真的前提是對變電站進行建模.國內和國外常用的變電站建模手段主要有以下兩種：一是利用地面激光雷達掃描變電站，獲取密集的三維點云數據，再用三維建模工具進行變電站建模；二是基于變電站的設計圖紙與變電設備的廠家圖紙，采用三維軟件，構建各種設備模型，組合拼裝構成整個變電站的三維模型[2].這兩種方法，建立的模型非常細致，每個元件都可單獨建模，再輔之以面向對象的編程等手段，可形成非常完備和清晰的變電站模型.基于設計圖紙與設備圖紙的三維重構方法要求變電站資料齊全，三維重構模型中設備的空間位置與尺寸大小精度依賴于三維重構人員的技術與責任心，而基于激光掃描技術的三維重構方法不存在上述缺陷，并能夠在采集點云數據的同時采集紋理材質[2].本文通用三維激光掃描技術進行精確的變電站三維重構，直接在變電站三維實景模型上進行現場作業的推演仿真，并結合慣性導航與視覺定位技術，實現現場作業與巡檢的風險管控.

1 變電站三維激光實景重構

采用三維激光掃描儀進行非接觸式測量方式，能解決已有先進測繪儀器在變電站這種特殊的領域不能進行正常作業的特殊環境測量工作.激光掃描儀通過發射激光束照射物體表面，通過接收反射回來的激光計算出目標物體的方位、距離等信息.通常在一個固定的地點按照預定軌跡進行激光束掃描，并記錄獲取的反射激光點相關信息.由于激光束掃描非常精細，能夠獲取大量的反射激光點，稱為激光點云.將不同測站點獲取的激光點云進行配準，可以把多個測站點獲取的空間數據統一到同一個坐標系，從而獲得整個變電站的三維激光點云[3].

采用基于Pointcloud與Auto CAD建立變電站場景模型.Kubit公司開發的Pointcloud點云處理軟件與Auto CAD聯合使用可以導入海量的變電站點云數據；然后，通過自動擬合的方式生成弧、圓、平面、圓柱等簡單幾何體，進而快速提取激光點云數據中的各種形狀的特征量；最后，采用Auto CAD軟件的旋轉、拉伸等功能進行各種設備的三維建模.通過這種方法構建的變電設備模型不僅仿真度非常高，而且建模效率也很高.具體的三維實景建模基本方法與流程[1]有如下3個方面.

1) 規則設備的建模.直接采用Pointcloud軟件截取點云中對應電氣設備的規則形狀點云數據，比如圓環、圓柱、立方體等，然后,進行擬合生成相應的模型.

2) 不規則設備的建模.采用Pointcloud進行不規則設備的點云切片，以某個坐標軸方向作為基準，剖分不規則設備的點云數據，生成許多點云切片；然后，采用多義線擬合方法進行點云切片，擬合生成該設備的二維輪廓圖；最后,在二維輪廓圖的基礎上,通過掃掠、拉伸、旋轉等方法生成該設備的三維線框模型.

3) 變電站的三維建模.參照整個變電站精確的三維激光點云數據，采用Auto CAD將上述各種電氣設備模型在統一坐標系下拼裝形成完整的變電站模型.

(a) 絕緣套管實物 (b) 絕緣套管模型 圖1 基于Pointcloud與Auto CAD建立變電站絕緣套管建模Fig.1 Establishment of substation insulation sleeve based on Pointcloud and Auto CAD

采用Z+F 5010型地面激光雷達掃描儀對湖北省武漢市的鳳凰山500 kV變電站進行了三維實景建模[1].主變電站2-H構架三維實景模型，如圖1所示.采用上述建模方法獲取2-H構架的點云數據；然后,生成絕緣套管的三維線框模型；最后,通過貼圖獲得套管真實模型.由于采用激光掃描進行套管三維線框建模，精度很高，而且通過彩照貼圖，保證2-H構架絕緣套管的三維實景模型具有很高的仿真度，與現場設備高度吻合.比如圖1(a)的支柱絕緣子、圖1(b)左上方的套管法蘭和右上方的橫梁金具，均能夠表現部件的細節與真實紋理.另外，在三維實景模型中，兩相絕緣套管之間的測量距離為400.308 cm，與設計圖紙的400.000 cm相比，誤差不超過0.5 cm[1].

2 現場作業推演仿真

通過三維激光掃描技術獲取整個變電站內設備與構筑物的精確物理空間位置、尺寸大小之后，需要對現場作業設備和作業流程進行建模仿真.對于高壓/特高壓變電站來說，現場作業時人員與工程車輛需要與高壓帶電體保持足夠的安全距離，比如500 kV變電站需要距離帶電母線5 m.現場作業推演的關鍵是依據相關電力安全作業規程，在變電站三維實景模型上自動劃定高壓帶電危險區域[4].方法是利用變電站三維實景建模，通過精心設計和挑選施工設備擺放位置和吊車起吊角度，形成一套變電站現場作業方案，減少斷電時間和斷電區域，從而減少變電站維護成本.

現場作業推演仿真過程：1) 通過變電站的運行狀態確定帶電體設備，自動劃定帶電危險區域；2) 不斷對參與作業的人員、設施和車輛的模型與變電站三維實景模型進行碰撞檢測；3) 形成現場作業方案.由于變電站三維模型劃分為帶電區域與非帶電區域，對應的碰撞檢測分為軟碰撞檢測與硬碰撞檢測.軟碰撞檢測是移動物體模型與帶電區域模型的碰撞檢測，需要在變電站三維實景模型中精確地給帶電物體建立包圍盒，保證帶電體表面任何一個像素點的法線方向有一個帶電距離的碰撞檢測點.

采用圖形學的膨脹算法實現軟碰撞檢測，即帶電體對象的表面像素點沿法線方向向外膨脹足夠的高壓安全距離，形成膠囊體狀的包圍盒.圖像膨脹方法：把結構元素X平移a后得到Xa，如果Xa擊中結構元素Y，記下a點，所有滿足上述條件的a點集合稱做Y被X膨脹的結果[5].帶電區域劃定的膨脹生成算法原理：1) 點目標P的帶電區，以P為點生成元，借帶電距離E規定像元加粗的結構元素，然后，進行像元的膨脹；2) 線目標L的帶電區，以L為線生成元，借帶電距離E規定像元加粗的結構元素，然后，進行像元膨脹；3) 面目標A的帶電區，以A的邊界線LA為軸線，借助帶電距離E規定像元加粗的結構元素，并進行像元膨脹.

3 變電站三維實景建模中定位信息的聯控

經過對變電站的三維實景模型的建立和帶電區域軟碰撞檢測的實現，在虛擬仿真層面上，可以在三維場景平臺中對變電站設備進行正常巡視，故障檢修的推演仿真.但如果想將推演仿真的結果應用于實際現場作業的風險管控，必須將實地工作人員在變電站中的實際坐標，與其在變電站三維仿真場景模型中的位置進行一個映射，正確反映出實際工作人員在變電站中的位置.現在比較主流的實時定位技術，可能有無線定位技術[6]、使用GPS的RTK基站相對定位、慣性導航系統[7]與視覺導航定位[8]等.

3.1 慣性導航定位

慣性導航系統的原理是利用加速度計測量載體本身的運動的加速度，由加速度使用積分進行運算得到運動載體的速度信息，對速度信息再次使用積分策略能夠得到物體的位置信息，進而得到載體的定位信息[7].

由于慣性導航系統一般都是裝在在一個慣性平臺或者直接安裝在載體之上，在經過初始化之后，以初始化點為起點，運用自主式導航，其所測量得到的數據都依賴于本身的器件設備，通過將測量所得的數據經過計算可實施定位功能.慣性導航系統一般是由慣性測量裝置，核心計算設備，控制顯示設備等組成.一個慣性測量裝置稱為一個慣性測量單元，是由加速度計和陀螺儀組成.陀螺儀擁有3個自由度，在坐標系的3個方向上測試運動載體的方向速度，利用3個加速度計對運動載體的3個方向的平移運動進行計算.測量平臺分為平臺式和捷聯式，前者使用慣性平臺裝載慣性測量設備，其精準度比較高；后者無平臺，直接安裝在載體之上，工作條件不佳，對精度影響較大.

3.2 雙目立體視覺系統

視覺導航定位方法(VSLAM)是一種僅用攝像頭即可進行定位導航的方法.它通過提取圖像幀的特征點，在圖像幀序列之間進行特征點匹配，并通過跟蹤圖像特征點的運動變化計算攝像頭的運動軌跡.視覺導航的優勢在于不依賴其他傳感器，定位精度比傳統的輪式里程計、雷達及慣性導航儀等相對定位技術相比，具有一定的優勢，對傳統定位方法是一種非常有效的補充，也是目前機器人的研究熱點之一[9].

雙目立體視覺采用固定好的兩個攝像頭通過視差原理獲得同一場景中目標對象的三維幾何信息，準確地恢復場景中目標對象的深度信息，從而解決單攝像頭系統中尺度與深度信息難以獲取等問題.系統的關鍵是雙攝像頭的標定，即相機的內部與外部參數的標定.內部參數標定，即確定相機的內部光學幾何參數，包括相機中心、焦距和畸變等，這些參數都是固定不變的；外部參數標定,即確定相機坐標系與世界坐標系的關系，一般用3×3的旋轉矩陣R和平移向量T表示.

在立體視覺系統中，還需要測量兩個相機之間的相對位置.先用單攝像頭標定方法得到兩個攝像頭內參和外參矩陣[Rl|Tl]，[Rr|Tr]，對任意點P，它的世界坐標系、左相機坐標系與右相機坐標系的坐標分別為Xw，Xcl，Xcr，三者關系為

消去Xw，可得

因此,左右相機坐標系的幾何關系可以表示為

由此可得到雙目立體視覺系統中左右相機的幾何關系，即可實現立體圖像對的校正，使左右相機兩幀圖像的外極線平行，從而獲取圖像中的深度信息.圖像校正是通過繞光心旋轉兩個成像平面實現的.

3.3 視覺里程計

單目視覺里程計跟蹤攝像頭運動過程，實時提取圖像幀中的特征點，根據這些特征點在三維空間中的位置變化計算攝像頭的姿態、位置與運動軌跡，從而實現定位.單目視覺里程計一般提取圖像幀中處于輪廓邊緣、角點或者亮度變化顯著的特征點，保證能夠在連續兩幀中進行對比跟蹤.具體的計算方法：1) 通過特征提取獲得某圖像幀的特征點；2) 與前一幀圖像的特征點進行匹配，得到前后兩幀圖像的相同特征點；3) 根據它們的三維坐標，求出攝像頭的運動軌跡.基于雙目相機的視覺里程計，不僅可以像單目攝像頭一樣實現空間定位，還可以獲取場景中目標對象的尺度信息，能夠精確地計算雙目相機當前的位置與姿態信息[10].

3.4 視覺與慣性導航聯合定位

圖2 視覺慣導聯合定位算法框架Fig.2 Framework of joint localization algorithm for visual inertial navigation

使用視覺攝像頭結合慣性測量裝置(IMU)的方案來做SLAM，一般被稱作VIO(visual-inertial odometry).VIO主要關注如何更好地在Visual SLAM中融合IMU數據,而IMU數據不單可以幫助解決單目的尺度模糊問題，還可以提高SLAM的精度和魯棒性[11].文中研究融合慣性導航，采用計算機視覺在變電站進行空間定位方法.首先，利用雙目相機獲取圖像幀對，提取圖像幀對的特征點，并對特征點進行匹配與跟蹤，計算出雙目相機的運動軌跡；與此同時，系統記錄慣導裝置的輸出，計算出慣導的位姿信息，并對雙目相機的全局位姿信息進行修正，建立擴展卡爾曼濾波模型，最終獲得比較精確的運動估計參數.

視覺慣導聯合定位算法框架，如圖2所示.每個時刻的狀態向量保存當前的姿態、速度和3D map points坐標等，然后用IMU做預測，再用圖像幀中觀測3D map points的誤差做修正.擴展卡爾曼濾波每次修正是基于3D map points在單幀圖像里觀測的.文中采用MSCKF[12]的改進算法，即IMU預測跟擴展卡爾曼濾波一樣，但是將修正步驟推遲到某一個3D map point在多個圖像幀中觀測之后進行計算，相當于基于多次觀測同時優化姿態和3D map point.

4 變電站現場作業風險管控

在變電站檢修過程中，需要實時地將定位信息傳遞給后臺工作組，后臺工作組能夠方便將人員定位，并將消息發還給實地人員，提示人員當前位置.慣性導航系統與雙目立體視覺系統的融合，可以通過人員運動的加速度和轉動角信息判斷人員的下一步運動位置，對未來的運動趨勢做一個大體的預判.在對人員反饋的信息中包含警告與禁止，警告可以是對分析出來的趨勢具有危險性的一個提示，而禁止則是對當前位置已處于危險區的信息反饋.

4.1 實驗裝置

針對現場工作人員，將雙目攝像頭與IMU融合裝置固定在安全頭盔上，可以為現場作業或巡檢人員進行實時空間定位；對于工程車輛，則將雙目攝像頭與IMU融合裝置固定在預先測量好的位置；而對于吊車等，需要另外在吊臂上固定一套裝置.由于現場作業風險管控對定位信息的精度要求非常高，需要對參與現場作業的人員、設備、工程車輛進行預先建模，并且需要知道工作人員身高、工程車輛尺寸、吊臂長度等，才能準確地計算攝像頭在目標對象上的精確安裝位置.另外，需要對吊車吊臂伸展的角度、方向等通過攝像頭的位姿信息進行計算.采用的解決方案是將攝像頭與IMU融合的實時定位信息轉換為目標對象在三維實景模型中的位置信息，并計算出目標對象在三維實景模型中的移動軌跡與碰撞檢測結果，如果存在碰撞，則進行警告提醒.

4.2 實時定位信息聯控的初始化

采用三維激光掃描重構保證變電站三維實景模型與物理模型位置、尺寸大小保持一致，但如何將雙目攝像頭與IMU的定位信息與三維實景模型對應需要有一個初始化過程.文中采取的方法是在大門入口設置一個測量好的標記，通過攝像頭對標記的識別裝置進行初始化，并與三維實景模型的坐標關聯.由于視覺導航與慣性導航均存在累計誤差問題，采取的措施是在變電站設置并測量多個標記，在現場作業的過程中進行誤差糾偏.

通過實施實時定位信息的聯控，在變電站三維模型中，可以直觀地查看作業人員、設施、工程車輛的位置，自動發出危險提示，可以很好地對變電站維修、巡檢等工作進行一個完整的指導.實施實時定位信息的聯控為將來機器人作業奠定了很好的技術基礎，巡檢機器人可以實時獲取在變電站的位置信息，以及周邊的電氣設備信息，工作人員可以遠程指揮巡檢機器人到指定的地點，檢查指定的電氣設備，可以隨時更換巡檢路線與巡檢任務.未來變電站巡檢機器人的控制方式將非常靈活，可以取代人工在無人值守智能變電站執行巡檢任務，及時發現并上報甚至消除設備缺陷，預防電力事故的發生，確保智能變電站安全運行.

[1] 王仁德，杜勇，沈小軍.變電站三維建模方法現狀及展望[J].華北電力技術，2015(2)：19-23.

[2] 王先兵，張學東，何濤，等.三維虛擬變電站數字可視化管理與監控系統[J].武漢大學學報(工學版)，2011，44(6):786-791.

[3] 王道累，吳懋亮，陳軍．從雙視圖到多視圖的協同優化立體視覺匹配算法[J].華僑大學學報(自然科學版)，2015，36(3)：286-291.

[4] 趙鋒，崔紅梅.碰撞檢測算法在變電站安全預警中的應用[J].中國電業(技術版),2013(12)：35-37.

[5] 李秀峰，蘇蘭海.基于中值濾波和數學形態學的圖像邊緣檢測[J].計算機與信息技術，2006(10):27-28.

[6] 丁銳，錢志鴻，王雪.基于TOA和DOA聯合估計的UWB定位方法[J].電子與信息學報，2010，32(2):313-317.

[7] 楊敏.小型捷聯慣性導航系統研究[D].長沙：中南大學，2010：1-6.

[8] DAVOSPN A J，REID I D，MOLTON N D，etal.MonoSLAM: Real-time single camera SLAM[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2007，29(6)：1052.

[9] 路丹暉．融合視覺與慣性導航的機器人自主定位[D].杭州：浙江大學，2012：31-44.

[10] 彭勃.立體視覺里程計關鍵技術與應用研究[D].杭州：浙江大學，2008：19-34.

[11] LEUTENEGGER S，LYNEN S，BOSSE M，etal.Keyframe-based visual-inertial odometry using nonlinear optimization[J].The International Journal of Robotics Research，2015，34(3):314-334.

[12] MOURIKIS A I，ROUMELIOTIS S I. A multi-state constraint Kalman filter for vision-aided inertial navigation[C]∥IEEE International Conference on Robotics and Automation.Roma:IEEE Press，2007:3565-3572.

(責任編輯： 錢筠 英文審校： 吳逢鐵)

Substation Site Operation and Risk Management and Control Based on 3D Real Scene Simulation

DU Yong1， CHEN Zhao2， LIU Feng3， WANG Xianbing4

(1. Maintenance Company， State Grid Hubei Electric Power Company， Wuhan 430050， China；2. Wuhan Nari Limited Liability Company， State Grid Electric Power Research Institute， Wuhan 430074， China；3. School of Water Resources and Hydropower Engineering， Wuhan University， Wuhan 430072， China；4. School of Computer， Wuhan University， Wuhan 430072， China)

This paper uses the 3D laser scanning technology to reconstruct the substation in accurate 3D realism. At the virtual simulation level, the derivation and simulation of the normal inspection and troubleshooting of the substation equipment are carried out in the 3D scene platform, and the auxiliary guidance program of the field operation is formed. Then, combined with inertial navigation and real-time visual positioning technology, the location of actual workers and engineering vehicles is obtained to analyze their movement trends, which can be used to make soft collision detection with the high-voltage live dangerous areas of substation in 3D real model. The soft collision detection can achieve on-site operation and inspection of the risk control, and therefor, which can timely stop entering dangerous areas during the operation process. Keywords： 3D real scene reconstruction; 3D laser scanning technology; inertial navigation system; vision system localization; risk management and control; soft collision detection

10.11830/ISSN.1000-5013.201702019

2017-02-14

杜勇(1973-)，男，高級工程師，主要從事超特高壓電網運行維護的研究.E-mail:duyyf@163.com.

國家電網公司科技項目(WNZ141-0013)

TM 764.1； TP 391.9

A

1000-5013(2017)02-0236-05