基于線路點云空間分布特征的導線提取算法研究

摘要：目前，無人機機載激光廣泛應用于輸電線路運維的邊坡隱患分析、線路施工驗收和樹障隱患分析等方面，而輸電線路導線點云提取是這些應用的基礎工作和先決條件。現(xiàn)提出一種針對交叉跨越情況的導線點云提取算法：第一步，對一個架次的原始點云數(shù)據進行按檔分割;第二步，對單檔點云數(shù)據進行粗分類;第三步，導線點云精化，獲取目標導線點云。根據多架次點云實驗，算法準確率為91.2%，驗證了其準確性和適用性。

關鍵詞：輸電走廊;激光點云;導線提取

0 ? ?引言

基于機載激光LiDAR的線路運行檢修是電網日常運行維護的重要工作之一，而導線快速提取是基于激光LiDAR的線路運維檢修的核心技術之一[1-4]，因此，國內外學者對此展開了廣泛而深入的研究。Melzer和Briese提出了基于Hough變換的二維投影單根導線提取算法，林祥國等提出針對地面點云起伏變化特征的導線濾波算法，分割提取出導線，然后用Hough提取單根導線[5-12]。前人的上述研究取得了較好的應用效果，但依然存在不足之處：輸電線路導線間經常會存在交叉跨越情況，而現(xiàn)有研究較少針對交叉跨越開展，主要研究的是非交跨線路[13-15]。針對上述研究現(xiàn)狀，本文提出了一種針對交叉跨越的導線快速提取方法。

1 ? ?詳細方法

本文采用了基于點云空間分布特性的導線提取算法，具體步驟如下：

（1）輸電線路原始點云按檔分割;

（2）單檔原始點云粗分類，粗略提取導線點云;

（3）點云精化分類，分割出精度較高的導線點云。

導線提取步驟詳細流程圖如圖1所示。

1.1 ? ?導線點云分檔

輸電線路原始點云通常會包含若干檔點云數(shù)據，而貴州大部分地區(qū)處于高海拔、高落差的喀斯特地貌區(qū)域，所以連續(xù)檔點云分布規(guī)律沒有單檔點云分布明顯，因此，需要將導線點云按檔分割后再進行濾波處理。分割示意圖如圖2所示。

輸電線路原始點云按檔分割的具體流程如下：

（1）通過相鄰桿塔精確坐標計算出輸電線路走廊走向斜率k1。

（2）由于每檔點云的分割平面和k1是垂直關系，可以計算求得分割平面表達式。

（3）原始點云數(shù)據按檔分割。根據上一步求得的分割平面遍歷分割原始點云數(shù)據。

1.2 ? ?單檔輸電線路點云粗分類

粗分類目的是從單檔輸電線路原始數(shù)據中粗略地提取出導線點云。單檔輸電線路數(shù)據包括以下幾個分類：地面、植被、桿塔和導線。點云數(shù)據在垂直方向的分布有以下三類：（1）植被和地面;（2）桿塔和地面;（3）導線、植被和地面。在垂直方向上，植被和地面呈連續(xù)分布，桿塔和地面呈連續(xù)分布，導線和植被、地面呈非連續(xù)分布。針對線路垂直方向上的分布特征，對單檔輸電線路原始點云進行空間三維柵格化，用設置合理經驗高程閾值的方式分割出非導線點云。

詳細步驟如下：

（1）創(chuàng)建空間三維柵格。將單檔輸電線路原始點云按一定步長進行三維柵格劃分、編號。

（2）三維柵格內高程方向進行分割。對三維柵格在垂直方向進行劃分，為了防止劃分尺寸過大引起非連續(xù)性特征識別不敏感，算法采用相對較小的尺寸進行劃分，垂直方向如果兩個相鄰劃分的點云數(shù)量為0，那么合并這兩個鄰近劃分。最后合并劃分高程記作H。

（3）獲取三維柵格高程閾值。設定一個高程間隔閾值H0，代表導線和地面之間垂直方向的間距，對上一步計算得到的H和H0進行高程閾值比對：如果HH0，則記錄該高程間隔的最小高程值Z0，對三維柵格中所有點高程值Z進行遍歷，如果Z>Z0，那么判定該點為導線點，否則為非導線。

1.3 ? ?單檔導線精化

隨機采樣一致性算法（Random Sample Consensus，RANSAC）是常見的點云模型識別算法，優(yōu)點是具有較強的穩(wěn)定性，RANSAC可以從大量局外點的數(shù)據集中估計出較高的模型參數(shù)，且在導線點云模型判定中對少量點云缺失不敏感，滿足本文的識別需求。

經過點云粗分類，獲得了導線點云、交跨線點云和部分桿塔噪點點云，過濾掉了地面點云、高低植被點云。對得到的粗分類點云在XY面做投影，其中桿塔噪點為簇狀分布，交跨線點云和導線點云在XY面表現(xiàn)為線性分布，根據這些分布特性，本文采用基于RANSAC的XY二維平面直線模型識別，獲取交跨線點云和導線點云。由于交跨線和導線點云在XY面投影均為直線模型，導線完全通過輸電走廊，而交跨線為橫（或斜）穿輸電走廊，因此交跨線長度遠遠小于導線長度，通過點云長度對比、點云數(shù)量對比分離導線和交跨線，最終獲取若干根導線點云。

2 ? ?實驗與分析

本文采用Visual Studio 2013作為開發(fā)環(huán)境實現(xiàn)算法。硬件基本配置：Lenovo G460;CPU為Intel Core I5，內存16 GB，操作系統(tǒng)Win7。

實驗數(shù)據方面，選用A線路數(shù)據作為實驗驗證數(shù)據，該線路基本情況如表1所示。

A線路數(shù)據有三處明顯交跨。本文算法實驗共計用時2.4 s，對本文算法提取的導線點云數(shù)量進行統(tǒng)計，同時用Cloud Compare V2.8.0點云軟件手動提取實際導線點，針對兩個提取結果進行對比，最后統(tǒng)計提取準確率。導線提取結果統(tǒng)計如表2所示。

導線提取結果俯視圖如圖3所示。

通過實驗對比可知，算法提取的導線基本完整，結果中會出現(xiàn)少量導線缺失情況。經過多架次數(shù)據驗證，綜合準確率達91.2%，基本滿足導線提取要求，具有較好的穩(wěn)定性和適用性。

3 ? ?結語

本研究提出了一種基于輸電線路點云分布特征的導線快速提取算法，實現(xiàn)了導線點云提取的自動化。

通過實驗驗證和工程應用可知，本文所提算法對輸電線路交叉跨越情況識別度高，經過多架次數(shù)據驗證，算法綜合準確率達91.2%，驗證了本文算法的穩(wěn)定性和適用性。

[參考文獻]

[1] 余潔，穆超，馮延明，等.機載LiDAR點云數(shù)據中電力線的提取方法研究[J].武漢大學學報（信息科學版），2011，36（11）：1275-1279.

[2] 尹輝增，孫軒，聶振鋼.基于機載激光點云數(shù)據的電力線自動提取算法[J].地理與地理信息科學，2012，28（2）：31-34.

[3] 虢韜，沈平，時磊，等.機載LiDAR快速定位高壓電塔方法研究[J].遙感技術與應用，2018，33（3）：530-535.

[4] 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.

[5] 陳利明，張巍，于虹，等.無人機載LiDAR系統(tǒng)在電力線巡檢中的應用[J].測繪通報，2017（S1）：176-178.

[6] 徐梁剛，虢韜，吳紹華，等.基于點云數(shù)據特征的電力線快速提取和重建[J].激光技術，2020，44（2）：244-249.

[7] 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.

[8] 秦新燕，吳功平，彭向陽，等.巡線式激光雷達點云的電力線重構[J].測繪科學，2019，44（5）：171-176.

[9] 陳馳，麥曉明，宋爽，等.機載激光點云數(shù)據中電力線自動提取方法[J].武漢大學學報（信息科學版），2015，40（12）：1600-1605.

[10] 葉嵐，劉倩，胡慶武.基于LIDAR點云數(shù)據的電力線提取和擬合方法研究[J].測繪與空間地理信息，2010，33（5）：30-34.

[11] 張蕊，李廣云，李明磊，等.利用PCA-BP算法進行激光點云分類方法研究[J].測繪通報，2014（7）：23-26.

[12] 文鴻雁.基于小波理論的變形分析模型研究[J].測繪學報，2005，34（2）：186-187.

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

[14] 王平華，習曉環(huán)，王成，等.機載激光雷達數(shù)據中電力線的快速提取[J].測繪科學，2017，42（2）：154-158.

[15] 謝文旺，孫云蓮，黃雅鑫，等.基于適應性擴展和閾值分割的低壓電力線信道數(shù)據處理算法的研究與應用[J].電力系統(tǒng)保護與控制，2018，46（14）：100-106.

收稿日期：2020-06-30

作者簡介：石幫才（1981—），男，貴州松桃人，助理工程師，研究方向：輸電線路管理。