面向輸電線路優化設計的三維激光雷達掃描數據融合技術

摘 要：為降低輸電線路在優化后的碰撞率，本文提出了一種面向輸電線路優化設計的三維激光雷達掃描數據融合技術。首先，采用k-d樹方法剔除原始數據中的異常點和噪聲點，以凈化數據集。其次，利用高斯函數對更新后的三維激光掃描數據進行多尺度變換處理，并對掃描數據的坐標進行配準。再次，采用Delaunay三角剖分方法對配準后的坐標數據進行融合，生成輸電線路地形的三維模型。最后，根據設計原則在模型中對輸電線路進行優化設計，對面向輸電線路優化設計的三維激光雷達掃描數據進行融合。試驗證明，本文所提技術能夠將線路碰撞率降至1%以下，同時縮短路徑長度，并且數據融合精度較高。

關鍵詞：輸電線路；三維激光雷達；數據融合；高斯函數；Delaunay三角剖分方法

中圖分類號：TN 951" " " " " " " 文獻標志碼：A

在電力傳輸領域，輸電線路的設計十分重要，其合理性直接關系電力供應的可靠性和經濟性。因此，如何利用先進的測量技術來精確設計輸電線路，成為電力行業亟待解決的問題。三維激光雷達（LiDAR）作為一種高精度、高效率的三維成像技術，已在機器人、自動駕駛、智慧城市以及地圖制作等多個領域得到廣泛應用。其通過發射激光脈沖并記錄反射時間，能夠迅速、精準地獲取目標物體的三維信息，對空間進行定位并精確測量。

在輸電線路的優化設計中，三維激光雷達技術能夠提升勘測設計的精度和效率，為電網工程的優化提供技術支持。盡管三維激光雷達技術在輸電線路優化設計中前景廣闊，但是其研究和應用仍然存在不足。三維激光雷達掃描產生的數據量龐大，處理過程復雜且耗時較長。現有的數據處理方法通需要依賴高性能計算機和專業軟件，對硬件和軟件資源的要求較高[1]。此外，在數據處理過程中還需要進行誤差消除、坐標計算以及航帶拼接等操作[2]，數據融合的難度和復雜性較高。因此，本文提出了面向輸電線路優化設計的三維激光雷達掃描數據融合技術。

1 三維激光雷達掃描數據異常剔除

在數據采集過程中，受多種因素的影響，在原始數據中包括異常值和噪聲，如果不剔除這些異常數據，那么會影響后續的數據處理和分析結果的準確性。因此，為保證數據質量，提高后續處理的可靠性，本文利用三維激光雷達掃描并剔除了異常數據。機載激光雷達采用非接觸式測量技術，避免了在傳統測量方法中因接觸而導致的誤差和損壞。該測量方式不僅提高了測量的安全性和效率，而且使測量過程更便捷。在掃描并剔除異常數據的過程中，非接觸式測量技術不會對目標物體造成任何影響，因此保證了數據的真實性和準確性。機載激光雷達能夠捕捉輸電線路工程區域內所有地物的三維點云數據，發射激光脈沖，根據脈沖與地面目標反射的時間差，結合觀測角度，在機載設備內部坐標系（x軸、y軸、z軸）中計算每個激光點的三維坐標（其中x軸代表水平方向，y軸與x軸垂直構成水平面，z軸垂直于平面，指向天空），完成三維激光掃描數據融合[3]。為了保證數據融合的精度，本文對三維激光掃描數據進行了預處理，采用了k-d樹（k-dimensional tree）方法剔除原始數據中的異常點和噪聲點?；诳臻g劃分原理，本文構建了多維索引結構，以定位在數據集中每個點的相對位置。具體來說，在一個包含n個點的三維激光掃描數據集中，本文計算了數據集中任意掃描點k在其鄰域內的平均距離。該鄰域由距離掃描點k最近的d個點構成，這些點與掃描點k的距離應當大于0且小于預設的最大距離。利用這個約束條件定義k點的d鄰域，計算該鄰域的半徑以及平均距離?；诘玫降钠骄嚯x計算距離均值以及標準差，來識別并剔除那些顯著偏離正常分布范圍的異常點，如公式（1）所示[4]。

（1）

式中：c為掃描點至鄰域的平均距離；n為三維激光掃描數據集點的個數；d為與掃描點k點距離最近的點的個數；cd為鄰域半徑；ω為點至平均距離的標準偏差。比較各點至平均距離的標準偏差，當某點至鄰域內點的平均距離大于標準偏差時，視該點為異常點并予以剔除，經過以上步驟，剔除原始數據中的異常值。

2 三維激光掃描數據配準

在剔除異常數據后，雖然整體數據質量得到了提升，但是也影響了輸電線路設計的原始數據集的完整性。這些被剔除的點可能包括對整體場景理解的重要信息，導致數據在局部或全局出現缺失。為了解決上述問題，本文采用了尺度不變特征變換（Scale-Invariant Feature Transform，SIFT）方法對預處理后的三維激光掃描數據進行配準。SIFT方法的作用是提取和描述圖像中的局部特征，其通過在尺度空間中尋找極值點來定位特征點，并預測這些特征點的方向，計算其尺度，最終生成具有旋轉和尺度不變性的特征描述符。SIFT方法運用高斯模糊和高斯差分（Difference of Gaussian，DoG）技術來檢測不同尺度空間的特征點。通過在不同尺度中應用高斯濾波器，SIFT能夠捕捉從微小細節到整體輪廓的多層次特征。這個特性，使SIFT在剔除異常數據后可以補充丟失的信息。為了實現這個過程，筆者構建了尺度空間，并利用高斯函數對三維激光掃描數據進行多尺度變換。通過調整高斯正態分布的方差，可以在不同尺度中捕捉三維激光掃描數據的特征，從而保證數據的全面性和準確性。

在尺度空間框架內[5]，DoG將1幅圖像與2個不同尺度的高斯濾波器分別進行卷積運算，將得到的2個卷積圖像相減，得到高斯差分圖像。采用這種方法可以有效地檢測圖像中的邊緣和角點等特征。基于相鄰尺度之間的高斯平滑圖像之差，采用高斯卷積運算法解析三維激光掃描數據在不同尺度中的差分圖像，如公式（2）所示[6]。

S（x，y，z）=c×G×I（x，y）+ω " " " "（2）

式中：S（x，y，z）為三維激光掃描數據差分圖像；G為高斯核；I（x，y）為三維激光掃描數據的灰度值。

筆者基于三維激光掃描數據差分圖像，對掃描數據進行了子區域劃分，進而統計了每個子區域內梯度方向的直方圖，并通過累加處理提取了特征點的特征向量。為了提高特征向量對光照變化的魯棒性，對其進行了歸一化處理[7]。基于這些歸一化的特征向量，在獨立的坐標系中對特征點進行了平移和旋轉操作，直至所有特征點均映射至統一的坐標系中，從而完成三維空間中的掃描數據配準，如公式（3）所示。

V=R×S（x，y，z）+T " " " " " " （3）

式中：V為三維激光掃描數據配準坐標；R為旋轉系數；T為平移因子。

三維激光掃描數據的配準保證了數據的完整性、準確性和一致性，為數據融合過程提供了可靠的基礎，使后續的數據融合能夠更高效、準確，進而支持輸電線路優化設計的決策制定。

3 面向線路優化設計的數據融合

雖然三維激光掃描數據配準能夠提供高精度的點云數據，但是受掃描角度、遮擋物以及光線條件等因素影響，單一掃描數據通常無法覆蓋所有區域并捕捉到所有細節。不同掃描視角的數據之間可能存在重疊區域，這些重疊區域的數據會存在一定的差異。為了消除這些差異，本文利用數據融合，采用相關算法對這些差異進行平滑處理，消除冗余數據，縮小誤差，提高數據的可靠性和一致性。數據融合可以整合多個掃描視角的數據，形成更全面、準確的場景描述。因此對配準后的三維激光掃描進行坐標融合，構建輸電線路工程區域內地物三維模型。將配準坐標導入三維場景中，通過閾值篩選，提取地形輪廓。隨機選取2個點，其之間的距離作為基準半徑，以這個半徑為直徑構造alpha圓。當alpha圓的半徑增長至原先的2～3倍時，將此時2個點之間的連線作為地形邊緣輪廓線[8]。為了進一步細化這個邊緣輪廓，筆者引入了Delaunay三角剖分方法，通過融合配準坐標集合中的所有點，形成互不重疊的三角形區域，構成地形的三角網模型[9]。在構建三角網的過程中，筆者設定了一個判定準則：如果三角形的某條邊長大于alpha值的2倍，那么說明初始2個點之間距離過大，無法有效支撐合理的取值圓，因此該三角形被視為無效并被刪除。最終，本文融合并生成了輸電線路地形的三維模型，如公式（4）所示。

B=V×r+2r " " " "（4）

式中：B為三維激光雷達掃描數據融合生成的輸電線路地形三維模型；r為alpha圓半徑。

將原始線路坐標標記到模型中，并基于融合后得到的輸電線路工程三維模型對線路進行優化。優化須遵循以下標準。1）嚴格遵循線路主體走向，使新線路與既有線路之間的平行距離gt;100 m，以減少電磁干擾，降低潛在的安全風險，保證2條線路獨立、穩定運行。在路徑受限的特殊地段，例如地形復雜、空間狹窄等區域，應采取更嚴格的距離控制標準，保證新線路邊導線與既有線路邊導線的間距不小于該區域最高塔的高度，以避免在極端條件下出現導線偏移，保障線路安全。同時，須特別關注線路在風偏狀態下的相對位置，當新線路與既有線路的桿塔位置交錯排列時，須保證在最大風偏情況下，2條線路導線之間的最短水平距離≥7 m，以防范因風偏導致的短路或碰撞事故。針對輸電線路工程中普遍存在的500 m

以上大檔距段落，需要額外考慮線路在風偏作用下可能產生的不同步擺動，并據此優化線路的安全距離；在選線過程中，如果發現對線路有影響的重要設施或規劃區域（例如無法拆遷的廠房、建筑），應優化線路走向，選擇無障礙物的路徑進行布置；針對線路跨越不同等級通信線的情況，應嚴格遵守交叉角度的規定：I級通信線（包括電纜）的交叉角≥45°，Ⅱ級通信線≥30°。在實際測量交叉角度后，應在數據融合得到的三維模型上明確標示。對Ⅲ級及以下通信線來說，雖然沒有嚴格的角度限制，但是同樣需要避免過近或過完距離的平行布置，除非根據特殊協議須搬遷通信線；對于涉及高等級通信線、公路、鐵路、重要河流和35 kV及以上電力線等重要交叉跨越區段，應優化設計跨越塔位以及搭設跨越架的位置，避開被跨越物前后50 m的水域。當與公路、河流、弱電線路、電力線路以及特殊管道等進行平行布置時，應根據最高桿塔的高度來設定線路的平行距離，以保障線路安全、穩定運行。按照以上要求，利用數據融合得到的三維模型重新選擇線路，來優化輸電線路設計，完成面向輸電線路優化設計的三維激光雷達掃描數據融合工作。

4 試驗論證

4.1 試驗對象以及環境設計

為了驗證本文所提技術的可靠性和適用性，筆者進行了對比試驗。以某輸電線路工程為例，該工程采用了緊湊型全鐵塔線路設計，線路整體自北向南延伸，采用雙回架設方式，原方案線路全長為174.28 km。在試驗中，本文收集了工程設計方提供的三維激光雷達掃描數據，數據總量為1.62 GB。利用本文所設計的技術對三維激光雷達掃描數據進行了融合處理，以優化輸電線路的路徑。試驗基于Windows 10操作系統，使用Intel Core i5 CPU，搭配8 GB顯存的無線顯卡以及16 GB

內存，數據融合程序采用1.0.1版本的Python進行編輯。

4.2 試驗方法

按照技術流程，本文對三維激光掃描數據進行了融合處理，優化后的輸電線路路徑長度為130.24 km，優化前后的輸電線路如圖1所示。

為了驗證本文技術的效果，本文選擇了2種對比技術作為試驗對照組，并選取了輸電線路碰撞率和路徑長度作為評價指標進行試驗。碰撞是指線路與建筑物、樹木等其他障礙物位置重合，當發生碰撞時，需要躲避障礙物，從而增加工程施工成本，路徑長短也與工程施工成本有統計學意義。因此，通過比較應用3種技術優化后線路碰撞率和路徑長度，來評價三維激光雷達掃描數據融合的效果。融合精度越高，輸電線路優化效果越好，線路碰撞率越低，路徑越短。

4.3 試驗結果與討論

試驗將該輸電線路工程劃分為8個區域，并分別采用3種技術對輸電線路的碰撞率進行了計算，結果見表1。同時，也采用這3種技術對輸電線路的路徑長度進行了優化，結果見表2。

由表1可知，使用本文技術優化的輸電線路碰撞率不超過1%，使用文獻[2]技術輸電線路碰撞率最高，超過10%。由表2可知，與原方案相比，使用本文技術優化后的路徑長度會縮短，使用文獻[1]技術優化后的路徑總長度為168.4 km，使用文獻[2]技術優化后的路徑總長度為153.55 km。雖然使用這2種對比技術進行優化后，路徑長度也會縮短，但是總路徑長度比使用本文技術優化后的路徑長度更長。試驗結果表明，本文技術更適合用于輸電線路優化設計的三維激光雷達掃描數據融合，融合質量良好，能夠有效提高輸電線路優化設計的合理性。

5 結語

本文研究了三維激光雷達掃描數據的處理與融合技術，該技術能夠有效整合多源數據，提高數據的全面性和準確性，為輸電線路的優化提供堅實的數據支撐。應用本文技術不僅可以降低設計成本，還能提高設計效率，提高電網的安全性和穩定性，為社會的可持續發展貢獻力量。

參考文獻

[1]許一冰.基于GIS的輸電線路模型設計及優化算法實現[J].電氣技術與經濟，2024（9）：234-236.

[2]黃志都，羅嘯宇，俸波，等.微地形風加速比在輸電線路設計中的應用研究[J].廣西電力，2023，46（6）：1-8.

[3]田佳良.基于激光雷達掃描技術的河道測量研究[J].水利科學與寒區工程，2023，6（10）：51-54.

[4]盧美君，魏倩嵐.基于激光點云數據的室內空間劃分與建模方法[J].激光雜志，2023，44（11）：214-219.

[5]賴振彬，李昱江，李洋，等.2D激光雷達室內平面數據預處理方法研究[J].現代信息科技，2024，8（13）：125-128.

[6]向興龍，孫華，唐杰，等.地面激光雷達掃描參數與點云簡化對林木參數提取的影響[J].中南林業科技大學學報，2024，44（5）：35-45.

[7]陳改霞，葉蕭然.基于模糊關聯空間的激光雷達三維掃描數據過濾研究[J].現代雷達，2023，45（12）：102-108.

[8]吳志濤.傾斜攝影與激光雷達掃描技術在制作山地等高線中的應用與分析[J].工程技術研究，2023，8（19）：81-83.

[9]劉煒，趙爾平，雒偉群，等.基于高分遙感圖像和地基三維激光雷達數據的城市三維綠量快速測算[J].西藏科技，2022（2）：75-80.