針對點云缺失情況下的導線分割算法研究

吳紹華 余容 趙健

摘? 要：提出了一種導線模型（XY面投影重合、XY面投影不重合，簡稱“模型一”和“模型二”）識別方法和基于該模型的導線分割算法，解決了點云缺失情況下導線分割困難、分割精度低的問題。經實驗驗證，模型一和模型二分割準確度為92.5%、90.9%。

關鍵詞：點云;輸電走廊;導線分割

0? ? 引言

導線分割是輸電走廊隱患檢測工作中十分關鍵的步驟。導線局部聚類具有較高準確性，檔內具有相對完整性，本文基于導線XY面投影直線模型的適用性，提出兩種導線模型點云缺失的分割算法[1]。分段后的導線采用的聚類算法為k-means[2-3]，k-means具有算法效率高、實現相對簡單等優點。

1? ? 具體步驟

1.1? ? 模型判斷

模型一導線實際數量遠大于導線在XY平面投影后的投影數量，模型二導線實際數量等于導線在XY平面投影后的數量。兩種模型在XY平面和XYZ空間分布上有較明顯的區分特征。

算法主要研究模型一、模型二兩種導線模型，兩種模型在XY平面和XYZ空間有較明顯的區分特征，根據區分特征可以進行導線模型識別。

（1）將單檔導線沿該檔導線實際走向按經驗步長分割成n段。

（2）對n段數據分別用k-means進行XYZ三維空間聚類，并記錄每段聚類簇的數量，由于單檔導線數據具有相對完整性，只存在部分缺失，所以統計出現次數最多的聚類簇數量即為導線的總數量，記為lineNum。

（3）同時對n段數據分別用k-means進行XY平面聚類，同時記錄每段聚類簇的數量，統計出現次數最多的簇數量即為XY平面聚類數量，記為clusterNumXY。

（4）模型判斷，如果lineNum等于clusterNumXY，即判斷輸入導線為模型二，否則是模型一。

1.2? ? 模型一導線分割

模型一導線在XY面上投影重合。模型一在XYZ空間分段聚類結果統計確定實際導線數量，根據在XY面分段聚類結果統計確定導線重合情況進行直線模型分割，將導線分割為若干個在XY平面投影重合的部分，每個部分根據每一段聚類結果的z值高低關系確定每一根導線。圖1是模型一導線，有三處點云缺失，該點云在XY平面投影重合為兩個部分，每部分包括四根導線。

模型一導線分割流程如下：

（1）按經驗步長沿導線走向分割為n段。

（2）對分割后n段導線分別用k-means進行XY面聚類，統計每段簇數量，出現最多的簇數量為XY平面分割數clusterNumXY，代表XY平面上聚類數。

（3）聚類完成后導線兩端向中間遍歷，找到兩段簇數量等于clusterNumXY的段，分為clusterPart1和clusterPart2，如圖1所示。

（4）在clusterPart1和clusterPart2中各取出一點，分別按y坐標升序排列，記為sortPoint1和sortPoint2，此時兩組對應的點就在一條導線上，如圖1所示。

（5）sortPoint1[i]和sortPoint2[i]（0≤i≤lineNum1）點確定導線在XY平面投影直線lineNum1條，根據公式求得lineNum1個導線投影表達式。如圖1所示，上一步取出的兩個點，確定了圖中的兩條直線模型。

（6）根據上一步所求表達式，應用XY平面點到直線距離公式遍歷點云，按距離閾值將點劃分入各部分。圖1通過XY平面劃分為兩個部分;如圖2所示，是經過XY平面分割后的一個部分，即圖中4條導線在XY面投影重合。

（7）對每個部分（3 m）沿導線走向分割為m段。

（8）對分割后的m段導線分別用k-means進行XYZ空間聚類，出現最多的簇數量即為XY投影重合部分導線數量partLineNum，如圖2中partLineNum為4。

（9）取出本部分聚類簇數量等于partLineNum的段，然后按高低進行導線分割。即每段中的每簇取一個點，按z值高低排列，把每段中z值最高的簇取出構成一條導線，z值第二高的簇取出構成一條導線，以此類推，分割成partLineNum個導線。如圖2中①②兩段中都有4簇，即為完整段，段內簇按取出點z排序，然后①②兩段依次按z的高度提取，拼接成單根導線。

（10）對聚類簇數不等于partLineNum的段，采用取點鄰近匹配原則，劃分到對應的導線。圖2中③僅三簇，取每一簇中的一個點，和臨近段內每簇點進行z坐標對比，根據鄰近匹配劃入各導線。

1.3? ? 模型二導線分割

針對模型二，采用基于局部聚類確定直線模型方程的方法進行導線分割。如圖3所示，該導線包含五根導線，導線在XY面投影不重合，有兩處導線嚴重缺失，另外有若干處一般性點云缺失。

分割流程如下：

（1）按經驗步長沿導線走向分割為n段。

（2）對分割后n段導線分別用k-means聚類，統計每段的聚類簇數量。

（3）從聚類后導線兩端向中間遍歷，找到兩段段內聚類數等于lineNum的段分別記為clusterPart1和clusterPart2。如圖3所示，導線兩端各取出一段，每段有5簇。

（4）在clusterPart1和clusterPart2每簇中取一個點，共取2×lineNum個點。如圖3所示，在每段各簇中各取出一個點，每段取5個點。

（5）導線中點的y坐標有順序性，對clusterPart1和cluster-

Part2取出的點分別按y坐標升序排列，記作sortPoint1和sortPoint2，此時兩組對應的點就在一條導線上。如圖3所示，在XY平面確定五個直線模型。

（6）根據sortPoint1[j]和sortPoint2[j]（0≤j

（7）根據上一步求得的導線投影模型，用XY平面點到直線距離公式分別遍歷點云，按距離閾值將點劃分入各導線。

2? ? 實驗與分析

研發平臺為Visual Studio 2015，硬件為HP ZBook，內存64GB，處理器Xeon E5。

模型一采用某線110 kV導線，線路長0.6 km;檔包含8根導線，在XY平面投影重合為兩個部分，即每四根重合為一個部分。模型二采用某線500 kV導線數據，線路總長0.5 km;檔包含5根導線，且5根導線在XY面投影不重合。

圖4為模型一單檔導線分割效果圖，每根導線均有不同程度缺失，分割結果用不同顏色區分，從圖中可以看出分割結果實際導線數量一致，分割效果準確。圖5為模型二單檔導線分割效果圖，該檔導線有兩處較為明顯的缺失，分割結果用不同顏色區分，從圖5可以看出分割結果與實際導線數量一致，分割效果準確。

對模型一和模型二實驗結果進行統計，再用Cloud Compare軟件手動提取導線并統計，最后統計準確率，如表1和表2所示。

實驗表明，導線分割結果與實際手動提取結果吻合度高，驗證了算法的有效性和適用性，模型一和模型二分割準確度分別為92.5%、90.9%。

3? ? 結語

針對導線缺失這一情況，提出了一種導線模型判斷和分割算法，實現了導線分割自動化。實驗表明，導線分割算法對導線空間排列方式、導線不規則斷裂等因素不敏感，且分割結果正確、精度較高。

[參考文獻]

[1] 林祥國，寧曉剛，夏少波.特征空間聚類的電力線激光雷達點云分割方法[J].測繪科學，2016，41（5）：60-63.

[2] 沈小軍，杜勇，王仁德，等.基于地面激光雷達的輸電線路鐵塔傾斜度測量[J].電子測量與儀器學報，2017，31（4）：516-521.

[3] 吳紹華，李少波，侯稀垟，等.基于高維數據聚類的制造過程數據分析平臺[J].微型機與應用，2017，36（1）：86-88.

收稿日期：2020-03-24

作者簡介：吳紹華（1989—），男，黑龍江人，工程師，研究方向：軟件研發。