基于激光雷達的抽水蓄能電站地形數據采集方法

戚國香

(江蘇省工程勘測研究院有限責任公司，江蘇 揚州 225002)

現階段抽水蓄能電站地形數據的采集主要采用模擬圖解的方法，通過測繪大比例尺地形圖例，讀取目標地形數據[1]。這種方法雖然在一定程度上降低了數據采集階段的成本和時間投入，但是在精度方面存在明顯的不足[2]，后續的施工圖設計階段對平面線形的設定需求要進行多次完善修正[3]。不僅如此，從數據采集操作角度進行分析，中間環節多、精度損失大是限制數據應用的主要問題，在高出錯率、低效率的背景下[4]，地形數據采集質量的好壞與實際投資的多少并未表現出同比關系。

激光雷達作為一種高精度的掃描技術[5]，可以實現有障礙和無障礙環境下信息的快速識別獲取[6]，將其應用在地形數據采集中，具有極為廣闊的發展空間[7]。與其他類型的數據采集方式相比，激光雷達的一個較為突出的優勢就是其采集頻率的可調節范圍更大，對于不同規模的地形變化均可以實現有效獲取。

為了解決現階段抽水蓄能電站地形數據采集方法精度不足的問題，本文提出基于激光雷達的抽水蓄能電站地形數據采集方法，并對該方法開展實際應用測試，分析驗證了設計方法的可靠性，可以為抽水蓄能電站的規劃設計提供幫助。

1 抽水蓄能電站地形數據采集

1.1 以激光雷達為核心的多線程數據采集控制模式

抽水蓄能電站的地形具有明顯的不規則特性，實現對其數據的準確采集，需要遍歷所在環境的各個位置[8]。因此，本文采用具有激光雷達、慣性測量單元以及GPS的地形掃描系統實現對基礎地形數據信息的多元并行采集。需要注意到的是，地形結構的復雜程度不同，對應的數據采集頻率也需要進行差異化的設置[9]。為了獲取高精度的地形高程數據，本文構建了針對激光雷達、慣性測量單元和GPS接收機的基準時鐘，其可以表示為：

T=ts=tc=tg

(1)

式中，T—基準時鐘；ts—激光雷達的時間參量；tc—慣性測量單元的時間參量；tg—GPS接收機的時間參量。通過這樣的方式，利用1個控制器實現對多線程運行模式的同時調節，確保數據采集的有效配合。

在此基礎上，對激光雷達、慣性測量單元和GPS接收機的采集目標進行設置，其中，激光雷達的采集目標可以表示為：

s={t，sx，sy，sz}

(2)

式中，s—激光雷達的地形數據采集目標；t—在設置基準時鐘標準下，采集數據的時間；sx—x軸方向的地形位置信息；sy—y軸方向的地形位置信息；sz—z軸方向的地形位置信息。

慣性測量單元的采集目標可以表示為：

c={t，cy，cc，ch}

(3)

式中，c—慣性測量單元在地形數據采集階段獲取的目標數據；cy—慣性測量單元的仰角信息；cc—慣性測量單元的側角信息；ch—慣性測量單元的航向信息。

GPS的采集目標可以表示為：

g={t，gj，gw，gc}

(4)

式中，g—GPS的地形數據采集目標；gj—地形的經度信息；gw—地形的緯度信息；gc—地形的高程信息。

影響抽水蓄能電站地形數據采集效果的另一因素就是地形掃描裝置實際輸出的滯后性，由此導致的數據精度較低問題是限制其數據利用價值的關鍵。為此，本文通過保障激光雷達和姿態位置測量裝置，也就是慣性測量單元和GPS，三者之間的協同性，確保采集數據的可靠性。并采用多線程技術對激光雷達、慣性測量單元以及GPS的運行狀態進行控制。考慮到實際運行環境的設置，本文利用C++語言標準庫提供擴展的C/C+第三方庫組織開發Boost庫，通過這樣的方式確保控制系統具有良好的可移植性和穩定性，并且在這種源代碼開放的環境下，也可以根據需求進行個性化設置。構建的控制邏輯可以表示為：

K=(Ti，Pis，Pic，Pig)

(5)

式中，K—多線程控制的指令；Ti—基準時鐘的參量設置；Pis—在Ti基準時鐘標準下，激光雷達的采樣效率；Pic—在Ti基準時鐘標準下，慣性測量單元的采樣效率；Pig—在Ti基準時鐘標準下，GPS接收機的采樣效率。通過這樣的方式，利用單一指令即可同時實現對采集系統不同單元的同步控制，確保激光雷達、慣性測量單元和GPS的采樣間隔和時間保持高度一致，避免滯后問題帶來的影響。

由此，實現對抽水蓄能電站地形數據采集階段采集狀態的有效控制，為采集數據的可靠性提供保障。

1.2 地形數據采集

抽水蓄能電站的環境具有一定的野外環境特征，因此在地形數據采集階段，本文對現場測區地形數據的掃描主要包括以下幾個步驟。

首先對采集數據的波動情況進行分析，綜合了激光雷達、慣性測量單元以及GPS的數據信息，對其波動情況的計算方式表示為：

(6)

式中，ε—數據的波動強度；st、st-1—相鄰采集時刻的激光雷達數據采集結果；ct和ct-1、gt和gt-1—相鄰采集時刻的慣性測量單元以及GPS的數據采集結果。通過式(6)可以看出，ε值越高，表明采集到的地形數據波動越明顯，對應的地形情況越復雜；相反，ε值越小，表明采集到的地形數據波動越小，對應的地形情況越穩定。

以此為基礎，本文對數據采集過程中參數的設置方式可以表示為：

(7)

式中，Ki—多線程控制的目標指令；d—抽水蓄能電站地形數據采集精度要求。

通過這樣的方式，確保在數據采集階段，其執行情況能夠根據實際的地形狀況進行差異化設置，確保采集結果的精確性。

2 測試分析

為了測試本文提出的基于激光雷達的抽水蓄能電站地形數據采集方法在實際應用中的性能，進行了對比試驗。

以某抽水蓄能電站為測試對象，將該電站地形參數為基準，開展試驗測試。在此基礎上，設置激光雷達地形數據成像的像素值為160×160，240×240的2種規格，對應的灰度級數為20。為了更加直觀地對數據采集結果進行分析，本文采用M1—M7的7級Mallat小波提升方法，對采集到的地形數據進行場景重建處理，再測試計算。設計硬件平臺為Intel Core i3- 445，對應的CPU大小為256G，裝置運行的主頻為4.0GHz，內存大小為64G，為了確保數據的完整性，設置了大小為2T的拓展硬盤，用于對測試數據的計算。

以抽水蓄能電站0點方向為基礎，在不同角度下采集到的測試抽水蓄能電站地形數據信息的計算結果見表1。

將表1的數據輸入到計算機中，以小波分層增強處理的方式進行地形場景重建，考慮到地形的相對微觀變化難以通過紋理圖實現完成體現，因此本文在場景重建過程中融合了灰度像素值角點檢測技術，通過這樣的方式確保對地形關鍵點的跟蹤渲染能夠充分體現其走勢特征，最終得到地形場景重建結果如圖1所示。

圖1 測試場景地形重建結果

從圖1中可以看出，利用本文設計方法采集到的數據重構的地形能夠詳細地體現相對微觀地勢信息的變化情況。為了更加具體地對其進行分析，本文以歸一化均方根誤差為指標，對地形重建結果與實際地形情況的誤差進行分析。將文獻[8]和文獻[9]提出的方法作為對照組，得到的結果如圖2所示。

圖2 地形信息歸一化均方根誤差對比圖

從圖2中可以看出，對比3種采集方法下的地形數據中，文獻[8]方法雖然歸一化均方根誤差均保持在相對較低的水平，但是整體波動性較大，最小值為0.10%，最大值達到了0.175%，采集數據的可靠性存在一定的提升空間；文獻[9]方法雖然歸一化均方根誤差整體穩定性較高，但是其始終處于相對高的水平，采集數據的準確性相對較低。相比之下，本文方法采集結果的歸一化均方根誤差一直穩定在0.05%～0.10%范圍內。測試結果表明，本文提出的基于激光雷達的抽水蓄能電站地形數據采集方法實現對地形數據的高精度采集，對于實際的地勢分析具有實際意義。

3 結語

本文提出基于激光雷達的抽水蓄能電站地形數據采集方法，有效克服傳統采集方法中存在的采集精度較低，采集數據可靠性較差的問題，從抽水蓄能電站一體化的角度出發，對地形數據采集的全過程進行系統化的研究與分析，在一定程度上提高了數據采集的效果。為抽水蓄能電站相關建設規劃提供可靠的地形數據基礎。