應(yīng)用可視化技術(shù)的配電房三維模型設(shè)計(jì)方法

任核權(quán)，章劍光，胡宇晴 ，楊劍峰，陳桂芳

(1.紹興大明電力設(shè)計(jì)院有限公司，浙江 紹興 312000；2.國(guó)家電網(wǎng)紹興電力局電力經(jīng)濟(jì)技術(shù)研究所，浙江 紹興 312000)

0 引 言

隨著國(guó)家大力推進(jìn)智能電網(wǎng)的建設(shè)，需要建設(shè)配電房的數(shù)量也隨之增加，如何提高配電房的建設(shè)效率和保證配電房的質(zhì)量是目前智能電網(wǎng)建設(shè)需要解決的重點(diǎn)問(wèn)題。文獻(xiàn)[1]將三維可視化建模技術(shù)應(yīng)用到礦山建設(shè)中，使用3DMine軟件對(duì)礦山的地表模型、煤層模型以及巷道模型進(jìn)行建模，并對(duì)巷道的可視化進(jìn)行了設(shè)計(jì)。然后介紹了一種可視化模型的優(yōu)化方法，提高模型的準(zhǔn)確率，對(duì)礦山的建設(shè)具有一定的指導(dǎo)作用，但是對(duì)模型的優(yōu)化效果不佳。文獻(xiàn)[2]將三維可視化建模技術(shù)應(yīng)用到城市地下管廊的建設(shè)中：首先介紹了城市地下管廊的建設(shè)和管理現(xiàn)狀以及三維GIS和BIM技術(shù)的應(yīng)用現(xiàn)狀；然后采用了qt+vs2010+SQLite和Unity 3D軟件設(shè)計(jì)了一個(gè)一體化建模地下管廊可視化建模系統(tǒng)；最后，以橫琴新區(qū)中心北路地下管廊為例，對(duì)上述建模系統(tǒng)進(jìn)行了驗(yàn)證，在城市地下管廊的管理和查詢領(lǐng)域具有良好的應(yīng)用前景，但是沒(méi)有考慮到模型的優(yōu)化，模式的準(zhǔn)確率不高。

基于以上內(nèi)容，本文首先采用三維激光掃描儀對(duì)現(xiàn)有的配電網(wǎng)進(jìn)行實(shí)體掃描，對(duì)掃描得到的圖像進(jìn)行處理；然后采用3ds Max建模軟件對(duì)配電房進(jìn)行三維建模；最后為了提高模型的精度，采用最優(yōu)最小生成樹分別對(duì)模型的局部和全局進(jìn)行優(yōu)化，便于后續(xù)的分析和研究。

1 基于3ds Max的配電房建模方法

配電房的線路規(guī)劃和一些電氣設(shè)備的位置會(huì)影響配電網(wǎng)的運(yùn)行，因此不斷改進(jìn)配電房的結(jié)構(gòu)以及內(nèi)部的規(guī)劃對(duì)配電網(wǎng)的運(yùn)行以及后續(xù)的維修具有一定的幫助[3]。本文通過(guò)三維可視化建模技術(shù)實(shí)現(xiàn)配電房場(chǎng)景的還原，采用3ds Max軟件對(duì)現(xiàn)有的配電房進(jìn)行建模，建模分為兩個(gè)部分：三維激光掃描獲取信息和3ds Max建模[4]。配電房的三維建模流程如圖1所示。

圖1 配電房三維建模流程

模型的建立首先需要對(duì)三維激光點(diǎn)進(jìn)行云建模。三維激光點(diǎn)的云建模首先需要對(duì)數(shù)據(jù)進(jìn)行采集，本文使用的是徠卡公司的三維激光掃描儀[5]，對(duì)配電房?jī)?nèi)外部的結(jié)構(gòu)以及設(shè)施進(jìn)行掃描，進(jìn)行多點(diǎn)位分析，能夠得到三維激光點(diǎn)的紋理照片和云數(shù)據(jù)；然后對(duì)數(shù)據(jù)進(jìn)行處理，即圖像進(jìn)行降噪、裁剪、精簡(jiǎn)和配準(zhǔn)操作，得到符合3ds Max使用需要的圖像和數(shù)據(jù)[6]。配準(zhǔn)使用的是ICP算法，可以得到全面和坐標(biāo)統(tǒng)一的點(diǎn)云數(shù)據(jù)，裁剪的目的是篩選出感興趣的點(diǎn)云數(shù)據(jù)區(qū)域，對(duì)不感興趣的區(qū)域進(jìn)行剔除。

本文配電房的建模方式采用的是規(guī)則體建模方式，根據(jù)點(diǎn)云的輪廓，首先對(duì)配電房的主體完成建模。然后對(duì)建筑的細(xì)節(jié)以及內(nèi)部的電器設(shè)備進(jìn)行建模，得到較為完整的配電房模型。最后將使用三維激光掃描儀得到的紋理照片進(jìn)行處理后與配電房的模型進(jìn)行貼圖，得到與配電房實(shí)物具有一定比例的配電房三維模型。

2 基于最優(yōu)最小生成樹的模型優(yōu)化方法

最小生成樹(MST)是一個(gè)數(shù)學(xué)模型，主要的用途是優(yōu)化，因?yàn)槠淠軌蚯逦乇憩F(xiàn)出模型的拓?fù)浣Y(jié)構(gòu)，在網(wǎng)絡(luò)設(shè)計(jì)和數(shù)據(jù)挖掘領(lǐng)域具有廣泛的應(yīng)用。最小生成樹的經(jīng)典算法有Prim算法和Kruskal算法兩種，本文構(gòu)建初始的最小生成樹使用的是Prim算法，因?yàn)镻rim算法能夠從任意頂點(diǎn)出發(fā)，不斷地加入距離生成樹頂點(diǎn)最近的模型頂點(diǎn)，多用于構(gòu)建邊稠密的生成樹[7]，而配電房?jī)?nèi)部存在多種電氣設(shè)備以及開關(guān)，因此使用Prim算法。

3D-MST

輸入：加權(quán)連通圖G(V,E)；

輸出：模型3D-MST=MST(Vnew，Enew)。

BEGIN

(1)Vnew={vi}，Enew=?

(2)WhileV-Vnew≠? do

(3) 在V-Vnew中選擇一個(gè)vj使得Vnew中頂點(diǎn)vi的權(quán)值最小的邊Eij

(4)Vnew←Vnew∪{vj}，Enew←Enew∪{Eij}

(5)return MST(Vnew，Enew)

END

雖然建模之前已經(jīng)對(duì)圖像進(jìn)行了一定的降噪處理，得到的三維模型的精度已經(jīng)不錯(cuò)，但是為了得到精度更高的圖像。本文通過(guò)構(gòu)建模型的最小生成樹，對(duì)模型的局部和整體進(jìn)行優(yōu)化。

局部?jī)?yōu)化采用的是雙邊濾波，雙邊濾波在圖像處理方面的應(yīng)用已經(jīng)比較成熟，具有非線性的特征，能夠?qū)D像進(jìn)行保邊降噪。濾波器由幾何空間的距離測(cè)量函數(shù)和像素灰度的特征測(cè)量函數(shù)兩個(gè)測(cè)量函數(shù)組成[8]。幾何空間的距離測(cè)量函數(shù)對(duì)濾波系數(shù)d具有絕對(duì)性的影響，像素灰度的特征測(cè)量函數(shù)對(duì)濾波系數(shù)r具有絕對(duì)性的影響。像素的輸出值主要取決于鄰域像素值的加權(quán)值，計(jì)算公式為:

(1)

距離濾波系數(shù)的表達(dá)式為：

(2)

式中:W(i,j)為模型上vi、vj兩點(diǎn)之間的測(cè)地線距離；σd為空間幾何距離的標(biāo)準(zhǔn)差。

特征濾波系數(shù)的表達(dá)式為：

(3)

式中：Ti、Tj為頂點(diǎn)vi和vj的體積；σr為體積特征的標(biāo)準(zhǔn)差。

權(quán)重系數(shù)w=d×r也可以寫成：

(4)

濾波后的特征為：

(5)

式中：ni為頂點(diǎn)vi一環(huán)鄰域的頂點(diǎn)數(shù)目。

采用雙邊濾波方法優(yōu)化圖像的核心思想是通過(guò)測(cè)地線之間的距離來(lái)判斷幾何空間的差異性，將特征差異用體積特征來(lái)表示。通過(guò)濾波器對(duì)具有缺陷的特征進(jìn)行過(guò)濾，保留相對(duì)完整和質(zhì)量較好的特征。

全局優(yōu)化采用的是信息熵，熵最初是熱力學(xué)中的一個(gè)概念，主要用來(lái)表示氣體分子的流動(dòng)狀態(tài)，而信息熵是由美國(guó)信息論的創(chuàng)始人香農(nóng)提出的，將其用來(lái)表示信息量，信息熵的值越大則代表信息量越小。圖像的檢索和特征選擇經(jīng)過(guò)不斷的發(fā)展，也引入了信息熵，但是信息熵只會(huì)對(duì)模型的整體特征進(jìn)行表示，不能表示局部的特征。因此為了實(shí)現(xiàn)模型的全局優(yōu)化，本文根據(jù)局部濾波的形狀特征，結(jié)合模型的整體特征分布(信息熵)來(lái)進(jìn)行處理。

具體的步驟如下：

(1) 將體積特征[min(T′),max(T′)]平均分成L個(gè)子區(qū)間，對(duì)每個(gè)區(qū)間內(nèi)的頂點(diǎn)進(jìn)行統(tǒng)計(jì)，記作ni(i=1,2,…,L)。

(2) 計(jì)算ni的概率分布P={p1,p2,…,pL}。

(6)

(3) 根據(jù)信息熵的計(jì)算原理，計(jì)算模型頂點(diǎn)的體積特征的信息熵H。

(7)

熵權(quán)值Ci表示區(qū)間為整個(gè)模型提供熵的量Di與整體熵H的比值。計(jì)算公式如下：

Di=-pi·lnpi

(8)

Ci=Di/H

(9)

進(jìn)而計(jì)算區(qū)間頂點(diǎn)的熵權(quán)值為：

C(vi)=Ci/ni

(10)

(4) 全局優(yōu)化的最后是通過(guò)步驟(3)得到熵權(quán)值和特征點(diǎn)，并將非特征點(diǎn)向特征點(diǎn)聚合，從而實(shí)現(xiàn)模型的全局優(yōu)化。計(jì)算頂點(diǎn)的信息特征差值d：

d(vi,vj)=abs[C(vi)-C(vj)]

(11)

式中:vj為vi的子節(jié)點(diǎn)。

通過(guò)計(jì)算閾值γ，根據(jù)頂點(diǎn)的信息特征差值d與閾值γ的比較進(jìn)行節(jié)點(diǎn)剔除，閾值γ的計(jì)算式為：

γ=φ·avg[d(vi,vj)]

(12)

式中:φ為閾值參數(shù)，用來(lái)控制閾值的大小。如果d≤γ，則刪除子節(jié)點(diǎn)，保留父節(jié)點(diǎn)；如果d>γ，則節(jié)點(diǎn)全部保留。

模型的優(yōu)化應(yīng)該是局部?jī)?yōu)化在前，全局優(yōu)化在后，保證模型優(yōu)化的可行性。

3 試驗(yàn)與分析

在實(shí)驗(yàn)室即可完成對(duì)上述模型優(yōu)化方法的仿真與驗(yàn)證。驗(yàn)證分為兩個(gè)部分，采用優(yōu)化和不采用優(yōu)化的模型效果對(duì)比，采用最優(yōu)最小生成樹和不采用最優(yōu)最小生成樹的模型效果對(duì)比。首先對(duì)使用的計(jì)算機(jī)配置進(jìn)行說(shuō)明，操作系統(tǒng)為Windows 7，CPU為Inter Core i7-9700，運(yùn)行內(nèi)存為DDR4 3 200 MHz 16G，硬盤大小為1 TB[23]。

為了更直觀地表現(xiàn)模型的質(zhì)量，引入可視化體積指數(shù)和形狀分布(SD)作為評(píng)估標(biāo)準(zhǔn)，可視化體積即人眼能看到的模型體積，兩個(gè)評(píng)價(jià)指數(shù)都介于0～1之間，越大表示模型的質(zhì)量越好。

首先采用上述建模方法對(duì)某實(shí)體配電房進(jìn)行建模，建模完成后，采用章節(jié)2中的方法對(duì)模型進(jìn)行優(yōu)化，對(duì)優(yōu)化前后的模型進(jìn)行可視化體積和形狀分布計(jì)算，得到表1的數(shù)據(jù)。

表1 模型對(duì)比

從表1可以看出，模型經(jīng)過(guò)本文方法優(yōu)化后，可視化體積和SD都有所提高。但是只有一次的試驗(yàn)并不能說(shuō)明本文模型優(yōu)化方法的可行性，依舊采用本文的三維建模方法和模型優(yōu)化方法對(duì)五個(gè)不同的配電房進(jìn)行建模和優(yōu)化。為了更直觀地表現(xiàn)優(yōu)化前后的模型質(zhì)量，采用圖形的方式表達(dá)，可以得到圖2所示的優(yōu)化前后對(duì)比圖。

圖2 優(yōu)化前后的模型質(zhì)量對(duì)比

通過(guò)圖2可以看出，對(duì)于5個(gè)不同的配電房，通過(guò)本文方法進(jìn)行建模和優(yōu)化，優(yōu)化后的可視化體積和SD都比優(yōu)化前的高，說(shuō)明本文的模型優(yōu)化方法能夠提高模型的質(zhì)量，對(duì)后續(xù)的分析提供幫助。

本文模型優(yōu)化的方法采用的是最優(yōu)最小生成樹。采用最優(yōu)最小生成樹與最小生成樹兩種方法進(jìn)行對(duì)比驗(yàn)證。分別采用兩種方法對(duì)建模完成后的配電房模型進(jìn)行優(yōu)化，計(jì)算兩種優(yōu)化方法得到一個(gè)模型的可視化體積和SD，對(duì)數(shù)據(jù)進(jìn)行整理得到表2所示的對(duì)比數(shù)據(jù)。

表2 兩種模型優(yōu)化后的模型對(duì)比

從表2可以看出，采用最優(yōu)最小生成樹的模型優(yōu)化方法得到的模型可視化體積和SD比采用最小生成樹模型優(yōu)化方法得到的模型高，即本文的最優(yōu)最小生成樹模型優(yōu)化的效果要比采用最小生成樹的優(yōu)化效果要好。但是只進(jìn)行了一次對(duì)比試驗(yàn)，無(wú)法有效地證明本文模型優(yōu)化方法的先進(jìn)性，因此進(jìn)行了多組對(duì)比試驗(yàn)。采用直方圖的形式反映5組對(duì)比試驗(yàn)的結(jié)果，如圖3所示。

圖3 兩種優(yōu)化方法的效果對(duì)比

從圖3可以看出，5次的對(duì)比試驗(yàn)結(jié)果均采用最優(yōu)最小生成樹進(jìn)行優(yōu)化得到的模型可視化體和SD，比采用最小生成樹進(jìn)行優(yōu)化得到的模型要高。雖然有些時(shí)間提高的不多，但是依然能夠說(shuō)明本文的模型優(yōu)化的效果要更好。

綜上所述，本文的三維模式建議和優(yōu)化方法能夠得到質(zhì)量比較優(yōu)秀的模型，對(duì)后續(xù)的分析提供技術(shù)支持。

4 結(jié)束語(yǔ)

本文根據(jù)可視化技術(shù)的發(fā)展現(xiàn)狀，將其應(yīng)用到配電房的改造和建設(shè)中，解決配電房的建設(shè)，智能化程度高。提高模型的質(zhì)量，對(duì)配電房的建設(shè)具有積極作用。本文的模型優(yōu)化方法在模型優(yōu)化領(lǐng)域具有良好的應(yīng)用前景和推廣效果，但是建模的智能化程度不高，在后續(xù)的研究中可以在保證建模質(zhì)量的前提下提高建模的智能化程度。