沈小軍， 秦 川， 杜 勇， 于忻樂

(1.同濟(jì)大學(xué) 電子與信息工程學(xué)院，上海 200092；2.國網(wǎng)湖北省電力有限公司檢修公司，湖北 武漢 430050)

隨著經(jīng)濟(jì)的快速發(fā)展，為滿足日益增長的電力需求，超高壓大容量輸電線路的建設(shè)數(shù)量及里程急劇增加，線路走廊穿越的地理環(huán)境日趨復(fù)雜，給線路運維帶來了諸多困難[1].激光雷達(dá)(light detection and ranging,LiDAR)技術(shù)作為新一代遙感技術(shù)，以激光脈沖作為測量媒介，高度集成全球定位系統(tǒng)(global positioning system,GPS)、慣性導(dǎo)航系統(tǒng)(inertial navigation system，INS)以及激光掃描測距儀等先進(jìn)設(shè)備，可快速獲取高精度的目標(biāo)的三維坐標(biāo)，憑借激光脈沖穿透性良好的優(yōu)勢，可快速探測植被下的地表信息，在復(fù)雜地形、甚至危險地區(qū)的線路走廊三維信息獲取中具有獨特優(yōu)勢，已在輸電線路巡檢領(lǐng)域得到了運用和廣泛關(guān)注[2-5].

基于機載激光雷達(dá)的輸電線路巡檢技術(shù)會產(chǎn)生海量的點云數(shù)據(jù)，快速、高效地實現(xiàn)線路走廊內(nèi)的地物、桿塔、電力線及相關(guān)附件的點云數(shù)據(jù)的分割提取能有效提升該項技術(shù)的時效性和工程應(yīng)用價值.文獻(xiàn)資料檢索分析結(jié)果表明，電力線的自動提取雖受到了一定關(guān)注，但相關(guān)研究尚處于起步階段[6-9].文獻(xiàn)[6]提出了一種基于高程閾值分割的分割算法實現(xiàn)地面點的剔除，但是該方法僅適用于地形平坦且干擾較少的場合，對于地形起伏大、干擾物多的線路區(qū)段濾波效果差；文獻(xiàn)[7]采用一種基于角度的濾波方法實現(xiàn)植被點與電力線點分離，利用二維Hough變換分離各條電力線，并根據(jù)雙曲余弦函數(shù)擬合單條電力線，但存在著樹木和電力線混合區(qū)域的提取結(jié)果差的問題；文獻(xiàn)[8]提出了一種基于監(jiān)督知識的輸電線與周邊地物的分類方法，并利用局部仿射模型將輸電線點云分割成段，該方法存在操作復(fù)雜繁瑣、精度較低等問題；文獻(xiàn)[9]提出了一種局部高程直方圖模式分類濾波算法，通過將點云分布情況分為三種模式，并分別選定分割閾值實現(xiàn)電力線、電塔、地表點的自動分類，但該方法存在著將桿塔橫擔(dān)點誤判為電力線點的問題.

電力線準(zhǔn)確、高效提取是電力線擬合重建的關(guān)鍵和前提，也是電力巡線和后續(xù)應(yīng)用分析評估的基礎(chǔ)數(shù)據(jù)，關(guān)系到輸電線路三維實景量測評估的應(yīng)用效果，然而現(xiàn)有電力線提取方法在算法的可靠性與通用性方面尚有不足，電力線提取精度仍有待提高[10-15].鑒于此，本文從電力線機載LiDAR點云數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)特征出發(fā)，在分析地形起伏較大區(qū)域中傳統(tǒng)方法提取電力線出現(xiàn)缺失問題的基礎(chǔ)上，提出基于子空間特征的高程閾值分割算法以及高程密度分割算法進(jìn)行地物及桿塔點云分割，重點實現(xiàn)基于激光LiDAR點云數(shù)據(jù)的復(fù)雜地形下電力線高效精準(zhǔn)提取，為機載激光雷達(dá)海量點云數(shù)據(jù)的處理提供參考.

1 電力線點云自動提取問題描述

1.1 架空線路機載LiDAR點云特征

由架空線路機載LiDAR掃描作業(yè)方法可知，線路機載LiDAR點云數(shù)據(jù)中除電力線點云外，還含有桿塔點云與地物點云等，如圖1所示.桿塔點及地物點的自動識別與分割是實現(xiàn)電力線點云數(shù)據(jù)自動提取的必要環(huán)節(jié)，為提高地物、桿塔以及電力線點云的提取效率與精度，需對架空線路機載LiDAR點云數(shù)據(jù)分布及結(jié)構(gòu)特征進(jìn)行分析.

Fig.1PointclouddataoftransmissionlinecorridorbasedonairborneLiDAR

(1) 水平空間上的分布特征

架空線路通常需要穿越平原、丘陵、山區(qū)等多種復(fù)雜地形，在不同地形中點云數(shù)據(jù)分布存在一定特征差異：在平原等地形變化較小的平坦區(qū)域中，各桿塔基本處于同一水平高度，且電力線點云分布高程空間與地面點分布高程空間無重疊；在丘陵、山區(qū)等地勢起伏較大區(qū)域，由于地形變化大，往往造成相鄰兩桿塔水平高度不一致，甚至出現(xiàn)一端桿塔塔頂比另一端桿塔底端更低的情況，此時，電力線點云分布高程與地面點分布高程將發(fā)生重疊.

(2) 垂直空間上的分布特征

在一定區(qū)域范圍內(nèi)，按高程大小從下往上依次為地物點、桿塔點與電力線點：地物點云分布于整個區(qū)域，具備高程值較小、連續(xù)分布等特征；桿塔點云分布較為集中，高程分布范圍較廣，但具有水平投影后基本分布在一個小范圍的矩形區(qū)域中，密度較大的特征；電力線點云在三維空間中呈線狀分布，由于安全需求，通常與地面具有較大的高程差，且密度最小.在沿導(dǎo)線走向小距離尺度內(nèi)，地物、桿塔及導(dǎo)線存在清晰的且具有普適性的空間高程分布特征，電力線及桿塔高程在局部范圍內(nèi)要顯著大于地面高程.

1.2 傳統(tǒng)電力線自動提取算法局限性分析

電力線自動識別與提取的過程即為剔除電力線點云以外其他物體點云的過程.由于輸電線路機載激光雷達(dá)點云數(shù)據(jù)中除電力線點云外主要包含地物點云及桿塔點云，因此，電力線自動識別與提取過程主要分為地物點云識別與分割、桿塔識別與分割兩部分.通過輸電通道機載激光雷達(dá)點云特征分析可知，電力線及桿塔高程在局部范圍內(nèi)要顯著大于地面高程，而桿塔點在水平面上投影密度比電力線大，可分別利用高程信息和投影密度差來實現(xiàn)地物點分離以及電力線提取[6,9].傳統(tǒng)方法即是利用高程閾值分割法與高程投影法實現(xiàn)地物點分割以及電力線的提取，基本原理為：

(1)

圖2 高程分布直方圖與分割閾值選取示意圖Fig.2 Height distribution histogram and threshold selection

在實現(xiàn)地物點分割的基礎(chǔ)上，把非地物點向水平面進(jìn)行投影，然后將投影面按照一定間隔平分為多個網(wǎng)格，通過統(tǒng)計每個網(wǎng)格中點云的個數(shù)作為網(wǎng)格中的點云密度值，并根據(jù)密度閾值將網(wǎng)格中的點劃分為非電力線點以及電力線點，實現(xiàn)電力線的提取.該環(huán)節(jié)需將三維點向二維平面進(jìn)行投影，在二維平面中分別找到電力線與非電力線點之后，再次進(jìn)行二三維點云對照，實現(xiàn)電力線、桿塔點云的三維空間定位，多次的二三維映射會影響算法效率.

理論分析與工程實踐表明：傳統(tǒng)方法應(yīng)用在地形變化較小的平坦區(qū)域時，非地物點分割與電力線提取的效果良好，但是在地形起伏較大的地形存在較大問題.分析傳統(tǒng)算法中高程閾值的分割原理可發(fā)現(xiàn)：該算法是利用檔距整體點云數(shù)據(jù)的平均高程信息確定分割閾值，在地形平坦區(qū)段，由于電力線與地物點層次分明且地物點所在高程范圍的點云密度明顯大于電力線所在高程范圍的點云密度，該算法確定的閾值分割效果良好；在地形起伏較大的區(qū)段，由于電力線點云高程分布空間可能與地物點高程分布空間出現(xiàn)重疊，當(dāng)分割閾值在重疊區(qū)域中時，將造成部分電力線點被判斷成地物點刪除，且高于閾值的地物點無法剔除，電力線提取效果差，如圖3所示.

a 點云高程分布

b 地物點分割

c 電力線提取

從圖3可以看出，由于左端地勢明顯低于右端地勢，整體點云的分割閾值處于左端電力線與右端地面點之間，造成部分電力線被剔除(圖中圈出區(qū)域)，導(dǎo)致電力線提取不完整.

2 復(fù)雜地形下電力線自動提取算法

為了有效解決傳統(tǒng)電力線點云自動識別與提取算法所存在的不足，本文分別從地物點云識別與分割、桿塔點云識別與分割兩個方面進(jìn)行改進(jìn)，實現(xiàn)復(fù)雜地形下的電力線點云的自動提取.

2.1 地物點云識別與分割算法

由1.2節(jié)可知，傳統(tǒng)的高程閾值分割算法在地形起伏較大區(qū)域地物點分割時存在地物點以及電力線誤識別的問題，是因為將完整檔距數(shù)據(jù)采取了整體處理的策略，不能區(qū)分電力線點云分布高程與地面點云分布高程的重疊.但在沿導(dǎo)線走向小距離尺度內(nèi)，地物、桿塔及導(dǎo)線存在清晰的且具有普適性的空間高程分布特征，電力線及桿塔高程在局部范圍內(nèi)要顯著大于地面高程.利用子空間劃分的方式，將長距離、復(fù)雜地形下的地物點識別問題轉(zhuǎn)化為小距離尺度內(nèi)具有普適性的空間閾值分割問題，解決了傳統(tǒng)的高程閾值分割法在復(fù)雜地形下因電力線與地物點高程重疊區(qū)間導(dǎo)致的電力線誤識別問題，在理論上效果可期.為此，本文在高程閾值分割算法的基礎(chǔ)上，提出并采用基于子空間特征的差異化高程閾值分割算法剔除地物點云，算法工作原理如下：

首先求出整個原始點云數(shù)據(jù)的邊界值，確定初始點云分布空間M0：

(2)

式中，(x,y,z)為任意一個點云的三維空間坐標(biāo)值.

其次，依據(jù)具體情況，選取合適的劃分尺度dx，沿X軸將整個點云空間劃分為n個子空間，如式(3)及圖4所示.

n=

(xmax-xmin)

/dx+1

(3)

式中:

(xmax-xmin)

表示求取不大于(xmax-xmin)的最大整數(shù).

圖4 基于X軸的子空間劃分示意Fig.4 Subspace division based on X axis

然后，應(yīng)用式(4)統(tǒng)計每個子空間Mi(i=1,2,3,…,n)中點云的高程差δi，以δi作為子空間Mi的特征值.

δi=zmax-zmin

(4)

最后，設(shè)置臨界值δz，并依據(jù)特征值δi對子空間進(jìn)行歸類：若δi>δz，則歸為A類；若δi≤δz，則將該子空間歸為B類.其中，B類子空間中的點云可認(rèn)為是純地物點云；A類子空間中的點云仍含有地物點與非地物點，可分別利用高程閾值分割法作進(jìn)一步分割.基于子空間特征的高程閾值分割算法剔除地物點云的流程如圖5所示.

2.2 桿塔識別與分割算法

經(jīng)過2.1節(jié)地物點云識別與分割之后，非地物點中仍可能含有電力線點與桿塔點以及少量樹木及高坡頂端點云，為提取電力線點云，需將桿塔及其余樹木及高坡頂端點云作進(jìn)一步剔除操作.

點云特征分析結(jié)果表明，桿塔點以及樹木或者高坡頂端點在水平面上投影密度均比電力線大，兩者都可利用密度差異進(jìn)行剔除，因此，為方便描述，下文中將桿塔點以及樹木或者高坡頂端點統(tǒng)稱為桿塔點.此外，由于2.1節(jié)所提算法存在多次迭代計算，效率較低；同時考慮到傳統(tǒng)的高程投影算法存在多次二三維映射導(dǎo)致算法效率進(jìn)一步降低的問題，為保證桿塔識別與分割的精度同時有效提高算法效率，本文提出采用高程密度分割算法實現(xiàn)桿塔及部分高程剩余物的識別與分割，算法的工作原理如下：

圖5 基于子空間特征的高程閾值分割算法流程

Fig.5Flowchartofelevationthresholdsegmentationalgorithmbasedonsubspacefeature

首先，對桿塔及電力線點云邊界進(jìn)行定位，確定點云初始空間M0.其次，選取合適的劃分尺度dx、dy，分別沿X、Y軸將初始空間M0劃分為m×n個子空間Mi,j(i=1,2,…,m;j=1,2,…,n)，如式(5)及圖6所示.

m=(xmax-xmin)/dx+1n=(ymax-ymin)/dy+1

(5)

圖6 基于X、Y軸的子空間劃分Fig.6 Subspace division based on X and Y axis

然后，統(tǒng)計每個子空間Mi,j的點云數(shù)量值Ci,j，以Ci,j作為該子空間的特征值.根據(jù)子空間及點云密度合理設(shè)定閾值C0，并依據(jù)C0將所有子空間分為兩類：大于閾值C0的子空間內(nèi)的點為桿塔點，小于閾值C0的為電力線點.需指出，由于掃描儀型號、掃描精度不同導(dǎo)致采集到的點云質(zhì)量也有所差異，因此，C0的設(shè)定需根據(jù)實際采集到的點云質(zhì)量及子空間尺度大小合理選擇.最后，將屬于桿塔與電力線點的子空間分別提取出來，完成桿塔與電力線的分割，實現(xiàn)電力線點云數(shù)據(jù)的提取.基于高程密度分割算法的桿塔及部分高程剩余物的識別與分割流程如圖7所示.

圖7 高程密度分割算法流程Fig.7 Flowchart of Elevation density segmentation algorithm

3 可行性測試與討論

3.1 算法提取效果驗證

為驗證本文提出的復(fù)雜地形下電力線自動提取算法的有效性，選取機載激光雷達(dá)實測的500 kV鳳凰山變電站出線桿塔的部分選段數(shù)據(jù)(該段數(shù)據(jù)為地形起伏較大地區(qū)的單檔距點云數(shù)據(jù)，長608.5 m，以下簡稱起伏段，如圖8所示)作為試驗對象，并以算法運行能力較強且具備一定圖形展示功能的Matlab2016a作為算法測試及效果展示平臺進(jìn)行了可行性試驗(地物分割時，取dx=5 m；桿塔識別中，取dx·dy=0.5 m×0.5 m)，試驗結(jié)果如圖9所示.

圖8 部分選段數(shù)據(jù)Fig.8 Partial selection data

首先利用基于子空間特征的高程閾值分割法進(jìn)行地物點識別與分割，起伏段分離后的桿塔及電力線點云如圖9a所示，從圖9a中分割結(jié)果可以看出，該方法能夠有效地將地物點剔除，僅留下少量樹木、高坡頂端、桿塔點及電力線點，且電力線點保留完整；然后依據(jù)高程密度分割算法進(jìn)行桿塔(包括少量樹木及高坡頂端點)分割及電力線的識別與提取，提取結(jié)果如圖9b所示，從圖9b中可得，除部分桿塔區(qū)段電力線點云由于桿塔點云干擾被識別成桿塔點云遭剔除外，其余區(qū)域電力線點云均得以完整識別與提取，有效解決了傳統(tǒng)方法在起伏段電力線提取中造成電力線點被誤認(rèn)為地物點或桿塔點剔除的問題，提取效果良好.

a 地物點分割結(jié)果

b 電力線提取結(jié)果

3.2 算法提取正確率及提取效率對比分析

為進(jìn)一步測試算法效率，驗證本文所提算法可靠性，另外選取三組地勢平坦區(qū)域的單檔距電力線點云數(shù)據(jù)(檔距分別為210.8，215.5，354.2 m，標(biāo)記為No.1，No.2，No.3)，分別利用傳統(tǒng)的電力線自動提取算法與本文提出的改進(jìn)算法進(jìn)行電力線自動識別與提取測試，并統(tǒng)計各算法的處理時間以及提取的點云個數(shù)，然后對提取的電力線點云進(jìn)行人工復(fù)核，通過人工刪除非電力線點，統(tǒng)計留下的電力線有效點個數(shù)，并以有效點與提取點個數(shù)之比作為算法提取電力線點云的正確率，統(tǒng)計結(jié)果見表1.

表1平坦地區(qū)電力線點云提取結(jié)果對比

Tab.1Comparisonofpowerlinepointcloudextractionresultsinflatarea

方法數(shù)據(jù)編號原始點云數(shù)/個提取點云數(shù)/個人工提取點云數(shù)/個正確率/%耗時/s傳統(tǒng)方法本文方法No.1511 3959 3479 4119 0619 14896.997.25.210.8傳統(tǒng)方法本文方法No.2749 18711 74312 53411 29611 98696.295.610.516.6傳統(tǒng)方法本文方法No.3817 37714 09214 30613 62914 06496.798.38.712.9

由表1可知，本文提出的方法提取的電力線點云數(shù)量與傳統(tǒng)方法提取的電力線點云數(shù)量相當(dāng)，但都比人工提取點云數(shù)量多，這是因為電力線點云相鄰空間存在的少量噪點，具有與電力線相似的空間特征，本文提出的方法與傳統(tǒng)方法均未能有效將其剔除，造成比人工提取的電力線點云有效點數(shù)量多，但兩種算法正確率均在95%以上，基本滿足工程應(yīng)用.當(dāng)然，理論分析認(rèn)為噪點的存在可能會干擾電力線的擬合精度，特別是懸掛點和弧垂最低點，后續(xù)可通過研究電力線點云修正方法進(jìn)一步提高電力線點云提取精度；平坦地形下，本文提出的算法比傳統(tǒng)算法耗時多，提取效率有所下降，主要原因在于地物分離時將整個點云空間劃分為多個子空間，多次閾值計算使得算法運行時間較長.需指出的是，由于點云分布特征不同，不同數(shù)據(jù)樣本的耗時長短不存在可比性.

綜上所述，本文提出的電力線提取方法在地勢起伏較小的平坦地區(qū)，電力線點云自動識別提取結(jié)果與傳統(tǒng)電力線自動提取算法的結(jié)果基本一致；在地勢起伏較大的山區(qū)，所提算法能夠有效解決傳統(tǒng)算法無法實現(xiàn)電力線完整識別與提取的問題，電力線點云提取效果較好，具有工程實用性.

4 結(jié)論

本文提出的基于機載激光雷達(dá)點云的電力線自動提取算法不僅能夠?qū)崿F(xiàn)地勢平坦地區(qū)架空線路電力線點云數(shù)據(jù)的準(zhǔn)確提取，而且能夠提高地勢起伏較大區(qū)域電力線提取的準(zhǔn)確性與完整性，有效解決了傳統(tǒng)方法在地表起伏較大區(qū)域內(nèi)電力線提取不全的問題，通用性與可靠性較高.后續(xù)可結(jié)合電力線分布特點，研究電力線點云修正方法，并基于修正點云進(jìn)行電力線懸掛點、最低點等關(guān)鍵參數(shù)提取.