基于機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)的電力線自動(dòng)提取方法與研究

曹中森

（福建永福電力設(shè)計(jì)股份有限公司，福建福州 350108）

0 引言

為了應(yīng)對(duì)嚴(yán)峻的環(huán)境壓力以及化石能源的枯竭危機(jī)，能源行業(yè)正在世界范圍內(nèi)共同推進(jìn)能源互聯(lián)網(wǎng)這一新型能源系統(tǒng)，目標(biāo)以智能電網(wǎng)為骨架，綜合電、氣、熱等多種能源形式，大幅提升能源系統(tǒng)對(duì)可再生能源的消納能力［1］。作為能源物聯(lián)網(wǎng)骨架的電網(wǎng)規(guī)模也在不斷擴(kuò)大。電力線可以將電能從發(fā)、變電站輸送至各地，因此電力線的定期巡檢對(duì)于電力系統(tǒng)的高效正常運(yùn)行具有重要意義。目前，國內(nèi)外針對(duì)電力線巡檢的方式主要包括傳統(tǒng)人工巡檢、無人機(jī)巡檢、衛(wèi)星巡檢、機(jī)器人巡檢以及直升機(jī)巡檢這5 種方式［2-3］。隨著無人機(jī)以及激光雷達(dá)技術(shù)軟硬件設(shè)備的發(fā)展，基于無人機(jī)載LiDAR 技術(shù)的電力線巡檢的應(yīng)用較為廣泛，同時(shí)，基于無人機(jī)載LiDAR 技術(shù)掃描點(diǎn)云數(shù)據(jù)的電力線提取也成了電力線巡檢中的研究熱點(diǎn)。

目前，基于機(jī)載LiDAR 掃描點(diǎn)云數(shù)據(jù)的電力線提取仍然存在一些不足，如自動(dòng)化程度不高、人工工作量大、提取結(jié)果精度低等。在基于機(jī)載LiDAR點(diǎn)云的電力線提取方面，劉曉磊等提出一種種子點(diǎn)跟蹤算法進(jìn)行電力線提取［4］，該算法的缺陷在于需要人工進(jìn)行種子點(diǎn)選取；時(shí)磊等提出一種分段投影聚類方法［5］，該方法提取電力線精度較高，但是該方法的處理步驟較為復(fù)雜；尹輝增等對(duì)局部范圍內(nèi)點(diǎn)云的高程直方圖分布進(jìn)行分析［6］，實(shí)現(xiàn)電力線與其他地物的分類，但是該方法容易將電力線點(diǎn)與鐵塔點(diǎn)混淆，并且提取效果受區(qū)域大小影響較大；葉嵐等提出了基于高程閾值的電力線提取方法［7］，但是該方法對(duì)于地勢(shì)平坦地區(qū)的電力線提取效果較好，不適用于地勢(shì)復(fù)雜區(qū)域的電力線提取。綜上所述，現(xiàn)有的電力線提取方法在提取精度、提取效率上均有較大的提升空間。

基于此，本文通過充分分析電力線在機(jī)載LiDAR 點(diǎn)云中的分布特征，提出了一種電力線提取方法。該方法主要包括2 個(gè)部分，分別為地物分割以及電力線自動(dòng)檢測(cè)。首先，通過改進(jìn)形態(tài)學(xué)濾波算法以及基于高差閾值實(shí)現(xiàn)電力線點(diǎn)以及少量鐵塔點(diǎn)的提取，其次，通過雙重K-means 算法以及RANSAC 算法實(shí)現(xiàn)電力線的自動(dòng)提取與建模。通過實(shí)測(cè)機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)對(duì)本文提出的電力線提取方法進(jìn)行檢驗(yàn)。

1 機(jī)載LiDAR 點(diǎn)云電力線自動(dòng)提取方法

1.1 電力線提取流程

為了更加高效、精確地從機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)中提取電線點(diǎn)云，首先應(yīng)分析電力線點(diǎn)云在機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)中的分布特征，主要分布特征包括：1）電力線的高程變化幅度較其他地物的更小；2）相較于其他地物，電力線的高程更大，距離地面點(diǎn)距離更長；3）電力線的水平投影為多條相互平行的直線，在走向上類似拋物線［8-9］。針對(duì)電力線的上述特征，本文提出了一種基于機(jī)載LiDAR 點(diǎn)云的電力線提取方法，技術(shù)路線如圖1 所示。

圖1 電力線提取技術(shù)路線

1.2 地物點(diǎn)去除

通常情況下會(huì)存在電力線點(diǎn)與其他地物點(diǎn)相重疊的現(xiàn)象，而傳統(tǒng)高差閾值分割方法采用整體平均高差進(jìn)行分割閾值的確定，因此該類方法在針對(duì)復(fù)雜地形時(shí)可能會(huì)導(dǎo)致電力線過分割。本文在高差閾值的基礎(chǔ)上提出一種新的分割方法，主要步驟為：

1）地面點(diǎn)獲取。漸進(jìn)形態(tài)學(xué)濾波算法能夠?qū)c(diǎn)云進(jìn)行簡單高效地處理，受地形條件影響較低，但是該算法在進(jìn)行點(diǎn)云平面投影時(shí)，存在將電力線點(diǎn)投影至地面點(diǎn)格網(wǎng)內(nèi)的情況，造成電力線點(diǎn)誤判。本文在傳統(tǒng)漸進(jìn)形態(tài)學(xué)濾波算法的基礎(chǔ)上引入坡度閾值思想，將格網(wǎng)內(nèi)最低點(diǎn)作為參考點(diǎn)，計(jì)算格網(wǎng)內(nèi)其他點(diǎn)與參考點(diǎn)之間的坡度，將坡度值小于閾值的點(diǎn)作為地面點(diǎn)。參考點(diǎn)與其他點(diǎn)之間坡度計(jì)算式如式（1）所示：

式中：（xmin，ymin，zmin）為格網(wǎng)內(nèi)最低點(diǎn)；（x，y，z）為格網(wǎng)內(nèi)其他點(diǎn)。

2）計(jì)算各點(diǎn)距地高差。將高程最小地面點(diǎn)作為參考地面點(diǎn)，計(jì)算格網(wǎng)內(nèi)所有點(diǎn)距離參考地面點(diǎn)之間的高差，如果該格網(wǎng)內(nèi)沒有地面點(diǎn)，將該格網(wǎng)最近格網(wǎng)的參考地面點(diǎn)作為該格網(wǎng)參考地面點(diǎn)。

3）通過不斷迭代確定高差閾值，將高差小于高差閾值的點(diǎn)剔除，包括植被點(diǎn)、房屋點(diǎn)以及大部分鐵塔點(diǎn)。計(jì)算格網(wǎng)內(nèi)所有點(diǎn)的距地高差，根據(jù)高差平均值z(mì)將點(diǎn)云劃分為2 個(gè)部分，計(jì)算2 個(gè)部分的距地高差z1與z2，將z1與z2的平均值作為新的z，迭代上述步驟直到z收斂即可得到最佳高差閾值，將高于高差閾值的點(diǎn)集作為電力線點(diǎn)所在點(diǎn)集。

1.3 電力線候選點(diǎn)集自動(dòng)提取

作為單根電力線提取前的重要環(huán)節(jié)，電力線候選點(diǎn)集的提取直接關(guān)系到單根電力線提取的效率與精度。本文在高差閾值分割的基礎(chǔ)上提出了一種基于柵格化密度閾值以及擬合殘差閾值的電力線候選點(diǎn)集提取算法，主要步驟為：

1）確定輸入點(diǎn)云的邊界值以及分布空間S0，如（2）所示：

式中：（x，y，z）為輸入點(diǎn)云數(shù)據(jù)任意一點(diǎn)坐標(biāo)。

2）根據(jù)輸入點(diǎn)云數(shù)據(jù)的質(zhì)量與尺度確定柵格化尺度以及分布空間S0，并將原始點(diǎn)云數(shù)據(jù)沿X軸、Z軸方向劃分m×n個(gè)子空間，如式（3）所示：

式中：dx、dz為柵格化尺度；［x］為求取不大于該x值的最大整數(shù)。

3）使用Si，j表示子空間，子空間內(nèi)點(diǎn)云數(shù)量表示為Ni，j，計(jì)算某子空間點(diǎn)云數(shù)量Ni，j與鄰域8 個(gè)子空間及該子空間內(nèi)點(diǎn)云數(shù)量總和的比值pi，j，如式（4）所示：

式中：子空間Si，j的特征值可以用Ni，j以及pi，j進(jìn)行表示。

4）設(shè)置閾值dN以及dp，若某子空間特征值同時(shí)滿足Ni，j≤dN、pi，j≥dp，將該子空間定為1 類子空間，否則為2 類子空間。此時(shí)，2 類子空間內(nèi)點(diǎn)云為鐵塔點(diǎn)云，1 類子空間內(nèi)點(diǎn)云為電力線點(diǎn)云與更少量的鐵塔點(diǎn)云。

5）通過拋物線模型以及直線模型的組合對(duì)1類子空間點(diǎn)云進(jìn)行曲線擬合，計(jì)算點(diǎn)的擬合殘差，如式（5）所示：

式中：vx為X方向擬合殘差分量；vz為Z方向擬合殘差分量。

6）設(shè)置臨界閾值dv，通過對(duì)比擬合殘差與臨界閾值dv的大小對(duì)1 類空間點(diǎn)進(jìn)行分類，若某點(diǎn)擬合殘差滿足v＞dv，表示該點(diǎn)為鐵塔點(diǎn)，否則為電力線候選點(diǎn)，dv的表達(dá)式如式（6）所示：

式中：mv為擬合殘差平均值；l為標(biāo)準(zhǔn)差系數(shù)；sv為擬合殘差的標(biāo)準(zhǔn)差。

1.4 電力線提取

結(jié)構(gòu)上，電力線可分為分裂導(dǎo)線與單根導(dǎo)線，空間特征上，各電力線相互平行。本文根據(jù)電力線的空間分布特征，引入雙重K-means 算法［10］進(jìn)行電力線自動(dòng)提取，該算法實(shí)現(xiàn)電力線提取的主要步驟為：

1）通過直線與拋物線組合模型對(duì)電力線候選點(diǎn)進(jìn)行擬合并計(jì)算出擬合殘差值v；

2）使用K-means 算法對(duì)電力線候選點(diǎn)擬合殘差進(jìn)行聚類，算法參數(shù)包括種子點(diǎn)間距D以及聚類數(shù)目K等；

3）隨機(jī)選擇K個(gè)種子點(diǎn)并進(jìn)行迭代，當(dāng)種子點(diǎn)集合不再發(fā)生變化時(shí)即可實(shí)現(xiàn)單根電力線點(diǎn)云的提取。

對(duì)提取得到的單根電力線點(diǎn)云使用RANSAC算法進(jìn)行矢量化處理，該算法使用隨機(jī)選取數(shù)據(jù)進(jìn)行模型擬合參數(shù)的初選取，通過反復(fù)迭代獲取最優(yōu)模型擬合參數(shù)。

2 實(shí)驗(yàn)與結(jié)果分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

為了對(duì)本文所提電力線提取方法的有效性進(jìn)行檢驗(yàn)，選擇福建北電南送特高壓交流輸變電工程中實(shí)測(cè)的部分機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)進(jìn)行相關(guān)實(shí)驗(yàn)，工程主要使用Eclipse 機(jī)載LiDAR掃描系統(tǒng)進(jìn)行掃描工作。本文實(shí)驗(yàn)數(shù)據(jù)共包括6個(gè)鐵塔、28 根電力線，如圖2 所示。

圖2 原始點(diǎn)云數(shù)據(jù)

2.2 實(shí)驗(yàn)結(jié)果與分析

首先使用高程閾值分割法進(jìn)行電力線粗提取，算法中涉及的參數(shù)包括坡度閾值、高差閾值，通過實(shí)驗(yàn)以及迭代計(jì)算將坡度閾值設(shè)置為1°，高差閾值為24.8 m。基于高程閾值分割算法的電力線點(diǎn)以及少量鐵塔點(diǎn)提取結(jié)果如圖3 所示。可以看到，原始點(diǎn)云中的植被點(diǎn)、建筑物點(diǎn)以及大部分鐵塔點(diǎn)被濾除，沒有出現(xiàn)電力線過分割的情況。

圖3 高差閾值分割提取結(jié)果

將提取的電力線與少部分鐵塔點(diǎn)云作為輸入數(shù)據(jù)，使用基于柵格化密度閾值與擬合殘差閾值方法進(jìn)行電力線候選點(diǎn)云的自動(dòng)提取，綜合考慮該實(shí)驗(yàn)數(shù)據(jù)的特征，將柵格化密度閾值算法中的柵格化尺度dx與dz均取5 m；擬合殘差閾值算法中的臨界閾值dN、dp分別取280 以及0.4、標(biāo)準(zhǔn)差系數(shù)l 取2.3，最終提取的電力線候選點(diǎn)集結(jié)果如圖4 所示。

圖4 電力線候選點(diǎn)集最終提取結(jié)果

為了定量分析本文算法提取電力線提取精度，將本文方法電力線候選點(diǎn)集結(jié)果與傳統(tǒng)方法電力線候選點(diǎn)集提取結(jié)果進(jìn)行對(duì)比，其中將人工提取電力線候選點(diǎn)集作為正確結(jié)果，2 種方法提取結(jié)果統(tǒng)計(jì)如表1 所示。

表1 電力線提取結(jié)果表

通過表1 可知：本文提出的電力線提取結(jié)果較傳統(tǒng)電力線提取結(jié)果的正確率更高，達(dá)到了98%以上，同時(shí)可以看到2 種方法提取電力線點(diǎn)云數(shù)均大于人工提取點(diǎn)云數(shù)，原因在于電力線附近存在與電力線點(diǎn)云空間分布特征相似的噪聲點(diǎn)，在后續(xù)使用雙重K-means 算法進(jìn)行電力線點(diǎn)云聚類時(shí)將該類噪聲點(diǎn)剔除。

將提取電力線候選點(diǎn)集作為輸入數(shù)據(jù)，使用雙重K-means 進(jìn)行電力線提取，并使用RANSAC 算法進(jìn)行矢量化處理，處理結(jié)果如圖5 所示。可以看到，使用雙重K-means 算法以及RANSAC 算法能夠準(zhǔn)確進(jìn)行單根電力線的提取與重建。實(shí)驗(yàn)結(jié)果驗(yàn)證了本文提出電力線提取與重建的可行性，具有較高的正確性。

圖5 電力線提取與矢量化結(jié)果

3 結(jié)語

本文根據(jù)機(jī)載LiDAR 點(diǎn)云中電力線點(diǎn)云數(shù)據(jù)的空間分布特征，提出并實(shí)現(xiàn)了一整套電力線提取方法。該方法實(shí)現(xiàn)電力線提取的流程主要有：首先，使用高差閾值算法實(shí)現(xiàn)電力線點(diǎn)以及部分鐵塔點(diǎn)的粗提取，該算法克服了傳統(tǒng)方法在提取電力線點(diǎn)時(shí)將地物點(diǎn)誤分為電力線點(diǎn)的不足；其次，基于柵格化密度閾值以及擬合殘差閾值的算法提取得到電力線候選點(diǎn)集。

最后，使用雙重K-means 算法實(shí)現(xiàn)單根電力線的提取并根據(jù)RANSAC 算法對(duì)提取結(jié)果進(jìn)行矢量化處理。通過實(shí)測(cè)機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)對(duì)本文提出方法進(jìn)行檢驗(yàn)，實(shí)驗(yàn)結(jié)果表明：本文方法較傳統(tǒng)方法提取電力線結(jié)果正確性更高，在實(shí)際項(xiàng)目工程中的應(yīng)用價(jià)值高。