蒯向陽(yáng) 任明武

（南京理工大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院 南京 210094）

1 引言

特大型車輛編隊(duì)在通過(guò)未知路況時(shí)通常是危險(xiǎn)的，尤其是礦山車等特大型工程用車輛而言，其駕駛艙的視野小，盲區(qū)大（如圖1）駕駛員很難通過(guò)肉眼對(duì)前方路況進(jìn)行準(zhǔn)確充分的判斷，對(duì)于行駛途中的編隊(duì)而言，駛?cè)氩豢赏ㄐ新范魏笳麄€(gè)車隊(duì)的調(diào)頭也是相當(dāng)困難和耗時(shí)的，嚴(yán)重影響行進(jìn)速度，貽誤戰(zhàn)機(jī)。智能先導(dǎo)車輛裝載激光雷達(dá)、可見(jiàn)光相機(jī)、紅外相機(jī)等感知設(shè)備，先于車隊(duì)前方駕駛，對(duì)前方道路、隧道和急造土路進(jìn)行可通過(guò)性探測(cè)和判斷，保障車隊(duì)安全和速度。在高空障礙中（電力線、限高桿、指示牌、樹(shù)枝等），電力線是國(guó)家重要基礎(chǔ)設(shè)施，損壞后往往會(huì)區(qū)域內(nèi)電力系統(tǒng)造成影響，由于特種車駕駛艙視野窄，且電力線懸于空中沒(méi)有對(duì)照物，駕駛?cè)藛T很難肉眼辨別其高度是否可以通行。為了避免行軍過(guò)程中對(duì)其造成損壞，需要實(shí)時(shí)檢測(cè)電力線?；诖藨?yīng)用需求，本文著手實(shí)時(shí)電力線檢測(cè)算法研究。

圖1 特大型車輛

由于可見(jiàn)光相機(jī)在夜晚魯棒性較差，多用激光雷達(dá)對(duì)電線進(jìn)行檢測(cè)。目前基于雷達(dá)的電力線檢測(cè)研究領(lǐng)域，應(yīng)用場(chǎng)景多是輸電線走廊巡檢維護(hù)［1～6］，且往往是基于機(jī)載LiDAR設(shè)備，該設(shè)備通過(guò)直升機(jī)搭載，從高空掃描，其點(diǎn)云數(shù)據(jù)有高精度、高密度、大視場(chǎng)等特點(diǎn)（如圖2），應(yīng)用是多是先采集數(shù)據(jù)再后期處理，檢測(cè)方法不用考慮實(shí)時(shí)性要求?；跈C(jī)載LiDAR點(diǎn)云數(shù)據(jù)檢測(cè)電力線方法可以大致包括以下幾類［7］：1）基于二維圖像的Hough變換和聚類的處理方法，該類方法先將三維點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為二維，如文獻(xiàn)［8］采用自上而下的策略，先通過(guò)濾波將數(shù)據(jù)中的地面點(diǎn)、植被點(diǎn)剔除，再通過(guò)Hough變換分離各條電力線。2）基于局部模型提取電力線，文獻(xiàn)［9］通過(guò)在多個(gè)橢圓鄰域內(nèi)構(gòu)建電力線懸鏈線模型，利用橢圓鄰域內(nèi)的點(diǎn)云估計(jì)模型參數(shù)，進(jìn)而識(shí)別電力線；文獻(xiàn)［10］先確定電力線的初始方向，然后用懸鏈線方程在立方體內(nèi)分段擬合電力線參數(shù)，然后通過(guò)在立方體中多次迭代計(jì)算最終確定模型參數(shù)；文獻(xiàn)［11］首先采用人工交互的方式初步對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分類，確定電力線點(diǎn)云數(shù)據(jù)以及非電力線數(shù)據(jù)然后再利用移動(dòng)激光點(diǎn)擬合法對(duì)電力線數(shù)據(jù)進(jìn)行擬合提取。3）基于高程、密度、強(qiáng)度、回波次數(shù)等信息差異的點(diǎn)云統(tǒng)計(jì)分析，文章［12］采用基于點(diǎn)云體素分級(jí)的方式，采用由粗到細(xì)的處理策略。4）基于激光點(diǎn)云幾何、分布特征的監(jiān)督分類，文獻(xiàn)［13］通過(guò)提取電力線的多個(gè)特征，運(yùn)用先驗(yàn)知識(shí)從XOZ鉛垂面和XOY水平面內(nèi)提取電力線點(diǎn)；文獻(xiàn)［14］據(jù)語(yǔ)義關(guān)系提取電力線和電力塔。

圖2 機(jī)載LiDAR點(diǎn)云數(shù)據(jù)

本課題是車載雷達(dá)應(yīng)用場(chǎng)景，考慮系統(tǒng)成本和使用場(chǎng)景，車載激光雷達(dá)往往選擇機(jī)械光雷達(dá)，機(jī)械式激光雷達(dá)點(diǎn)云比機(jī)載LiDAR點(diǎn)云數(shù)據(jù)要稀疏很多，且基于機(jī)載LiDAR的電力線檢測(cè)方法往往更追求檢測(cè)后電力線模型的精度，往往實(shí)時(shí)性較差，不能完全采用現(xiàn)有的電力線檢測(cè)方法。

基于車載雷達(dá)點(diǎn)云特點(diǎn)，本文提出了一種基于法線方向的濾波，將濾波后的點(diǎn)云進(jìn)行聚類，在每個(gè)類中進(jìn)行直線擬合，然后基于雷達(dá)掃描線特性提出了一種電力線后驗(yàn)方法提高檢測(cè)準(zhǔn)確率。

2 電力線檢測(cè)

為了識(shí)別電力線，機(jī)械式激光雷達(dá)應(yīng)該垂直安裝，即雷達(dá)掃描平面法線與地面平行。若水平安裝雷達(dá)，將會(huì)引入過(guò)多線性特征，無(wú)法辨別電力線。垂直安裝會(huì)保證更多的掃描線打在電力線上。

2.1 感興趣區(qū)域和法線方向?yàn)V波

2.1.1 感興趣區(qū)域ROI

首先根據(jù)電力線位于高空的特點(diǎn)，選定感興趣區(qū)域（ROI），對(duì)于低于一定高程閾值的點(diǎn)進(jìn)行剔除，對(duì)于以雷達(dá)為中心，半徑2m的球體空間內(nèi)（該區(qū)域內(nèi)點(diǎn)云多是安裝雷達(dá)的載體）點(diǎn)云剔除。

2.1.2 法線方向?yàn)V波

電力線點(diǎn)云多呈現(xiàn)規(guī)律性，其法線方向趨于一致，且有特定方向范圍?；诖颂匦?，可對(duì)整體點(diǎn)云求法向量，跟據(jù)法線方向去除部分非電力線點(diǎn)云。

求解表面一點(diǎn)法線的問(wèn)題近似于估計(jì)表面的一個(gè)相切面法線的問(wèn)題，因此可以轉(zhuǎn)換成一個(gè)最小二乘法平面擬合估計(jì)問(wèn)題。設(shè)代擬合的平面為

最小二乘擬合該平面方程，即使參選點(diǎn)與平面的距離平方和最小，轉(zhuǎn)換為求極值：

其中n為參與擬合點(diǎn)數(shù)，一般選擇目標(biāo)點(diǎn)一定半徑領(lǐng)域內(nèi)所有點(diǎn)；為參選點(diǎn)到平面的距離平方。

分別對(duì)d、a、b、c求偏導(dǎo)，整理后得到：

即：

其中A為領(lǐng)域內(nèi)n個(gè)點(diǎn)的協(xié)方差矩陣，x為特征向量。由于要使得最小，即使λ最小，則最小特征值對(duì)應(yīng)的特征向量即為法向量。

計(jì)算法向量與z軸夾角，將夾角大于一定閾值的點(diǎn)云過(guò)濾。法線方向?yàn)V波后效果如圖3。

圖3 法線方向?yàn)V波（右側(cè)為濾波后結(jié)果，白色框內(nèi)為電力線）

此濾波方法有效保留了電力線數(shù)據(jù)，去除了大部分非電力線點(diǎn)云，提高了后續(xù)處理的效率。

2.2 點(diǎn)云聚類

分析圖3中點(diǎn)云數(shù)據(jù)，可以發(fā)現(xiàn)電力線在空間上明顯的聚成一類，且與其他點(diǎn)云間隔一定距離，所以可以采用歐式聚類對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行聚類。歐式聚類，顧名思義就是通過(guò)歐式距離作為度量準(zhǔn)則對(duì)數(shù)據(jù)進(jìn)行聚類，通過(guò)計(jì)算種子點(diǎn)與近鄰點(diǎn)的距離，判斷是否小于設(shè)定閾值來(lái)決定是否歸為一類。為了進(jìn)行有效的近鄰點(diǎn)搜索，需要用到數(shù)據(jù)結(jié)構(gòu)KD-tree來(lái)重新組織點(diǎn)云數(shù)據(jù)。

KD-tree（k-dimensional tree），用于對(duì)k維空間的實(shí)例進(jìn)行存儲(chǔ)以便快速查詢的樹(shù)形結(jié)構(gòu)數(shù)據(jù)，能夠以O(shè)(n1-1k+m)的時(shí)間復(fù)雜度進(jìn)行查詢，其中m表示每次要搜索的近鄰點(diǎn)個(gè)數(shù)。

在構(gòu)建好KD-tree后，進(jìn)行歐式聚類，點(diǎn)云將根據(jù)點(diǎn)之間的歐式距離聚成多類。

歐式聚類后驗(yàn)。電力線點(diǎn)云聚類呈懸浮空中的狀態(tài)，與其他高障礙物不同，不會(huì)因歐式聚類連接到近地端，根據(jù)這一特點(diǎn)，可以判斷每個(gè)聚類中的最低點(diǎn)，如果低于某閾值，則剔除，如圖4。

剔除進(jìn)一步減少了點(diǎn)云量，提高后續(xù)處理效率。

2.3 直線檢測(cè)

對(duì)于每個(gè)聚類的點(diǎn)集，進(jìn)行直線擬合。本文采用RANSAC算法進(jìn)行直線擬合，RANSAC從樣本中隨機(jī)選取一個(gè)樣本子集，用最小方差估計(jì)法對(duì)子集計(jì)算直線模型參數(shù)，然后計(jì)算所有樣本點(diǎn)與該模型的偏差，若偏差小于預(yù)設(shè)定閾值，則將該點(diǎn)劃分為內(nèi)樣本點(diǎn)，否則劃分為外樣本點(diǎn)，以上過(guò)程為一次迭代，重復(fù)迭代過(guò)程，每次都記錄模型參數(shù)對(duì)應(yīng)的內(nèi)樣本點(diǎn)個(gè)數(shù)，內(nèi)樣本點(diǎn)最多的模型參數(shù)則為最優(yōu)直線參數(shù)。迭代結(jié)束條件為達(dá)到預(yù)設(shè)的期望誤差率或預(yù)設(shè)的迭代次數(shù)。RANSAC能在樣本集中排除外樣本點(diǎn)的干擾，達(dá)到檢測(cè)直線的作用。

在每個(gè)聚類樣本集中重復(fù)進(jìn)行上述RANSAC擬合直線，每得到一條直線則記錄參數(shù)并將參與擬合的樣本點(diǎn)從樣本集中剔除，進(jìn)行下一次RANSAC直線擬合，直到樣本集中的點(diǎn)數(shù)小于某閾值（與雷達(dá)線數(shù)相關(guān)），無(wú)法再進(jìn)行電力線的擬合。對(duì)每個(gè)聚類中的直線檢測(cè)，流程如圖5所示。

圖5 每個(gè)聚類中的直線檢測(cè)流程

電力線檢測(cè)結(jié)果如圖6，可以看到圖中的電力線被較好的檢測(cè)出來(lái)。

圖6 電力線檢測(cè)結(jié)果（右側(cè)框內(nèi)白色粗點(diǎn)為檢測(cè)到的電力線）

2.4 電力線后驗(yàn)

由于RANSAC擬合的特性，可能會(huì)出現(xiàn)很多誤檢，本文根據(jù)垂直架設(shè)雷達(dá)掃描線的特性和電力線點(diǎn)云特征提出一種通過(guò)內(nèi)樣本點(diǎn)數(shù)目、參與擬合點(diǎn)的掃描線號(hào)（laserID）以及聚類中直線間夾角累加和作為判據(jù)的電力線后驗(yàn)方法。

如圖7（a），雷達(dá)掃描線按序打在同一根電線上，參與擬合直線的點(diǎn)數(shù)不應(yīng)該多過(guò)雷達(dá)掃描線數(shù)，且參與擬合的點(diǎn)應(yīng)該屬于不同的掃描線。如圖7（b），電力線走廊常為多條平行電線組成，被分為同一個(gè)聚類中的直線方向應(yīng)該大體一致。根據(jù)這個(gè)特性，將不屬于電力線的直線去除。在之前的步驟中已經(jīng)得到多個(gè)點(diǎn)云聚類，每個(gè)聚類中都有一個(gè)擬合出的直線集設(shè)為L(zhǎng)={li}i=1，2…n}，n為直線集中直線數(shù)量，設(shè)參與擬合直線li的點(diǎn)集為Pi={pij}j=1，2…mi}，mi為點(diǎn)集Pi中點(diǎn)的數(shù)量，則判斷每個(gè)直線集是否是電力線的后驗(yàn)算法如下：

圖7 垂直架設(shè)雷達(dá)點(diǎn)云

其中，min threshold、max threshold、angle threshold分別為參與擬合的最少點(diǎn)數(shù)閾值、最多點(diǎn)數(shù)閾值、直線集中兩兩直線間夾角累加和閾值。angle(li，lk)為計(jì)算直線li和lk間夾角函數(shù)。對(duì)每個(gè)聚類執(zhí)行上述算法。

3 實(shí)驗(yàn)

3.1 數(shù)據(jù)集

本文研究試用了多款雷達(dá)，最終采用三種激光雷達(dá)（北科天繪Rfans16、禾賽Pandar40M、禾賽PandarQT，掃描線數(shù)分別是16線、40線、64線），進(jìn)行數(shù)據(jù)采集，本文通過(guò)學(xué)校無(wú)人車裝載三款激光雷達(dá)對(duì)學(xué)校、市區(qū)的高架電力線纜、低矮電線等多種場(chǎng)景進(jìn)行了數(shù)據(jù)采集。最終采集了北科天繪16線共355幀、禾賽Pandar40M共425幀、禾賽PandarQT共151幀，總共931幀點(diǎn)云圖像。

3.2 實(shí)驗(yàn)環(huán)境

CPU：Inter（R）Core（TM）i7-9750H；RAM：16GB；系統(tǒng)：Windows10；平臺(tái)：Visual Studio 2019點(diǎn)云工具庫(kù)：PCL［15］。

3.3 實(shí)驗(yàn)結(jié)果

表1 本文方法在各型號(hào)雷達(dá)數(shù)據(jù)上的表現(xiàn)

圖8 各數(shù)據(jù)集上檢測(cè)結(jié)果（框內(nèi)粗點(diǎn)為電力線點(diǎn)）

本方法在市面常見(jiàn)機(jī)械式激光雷達(dá)各種型號(hào)（16線、40線、64線）上表現(xiàn)良好，平均準(zhǔn)確度、精確度、召回率都在90%左右。在距離電線較遠(yuǎn)時(shí)，由于能夠打在電力線上的雷達(dá)點(diǎn)很稀疏，所以會(huì)影響召回率，但是當(dāng)先導(dǎo)車靠近電力線時(shí)，準(zhǔn)確度、精確度、召回率都非常高，接近98%，是符合應(yīng)用需求的。本方法能滿足實(shí)時(shí)行需求，尤其是在16線雷達(dá)上耗時(shí)相當(dāng)少，區(qū)別于深度神經(jīng)網(wǎng)絡(luò)的方法，本方法不需要GPU，大大降低了車載感知系統(tǒng)的成本，同時(shí)保障了裝備的魯棒性。從效果和實(shí)時(shí)行來(lái)說(shuō)，本文方法能夠?qū)嶋H應(yīng)用在大型車隊(duì)可通行性檢測(cè)項(xiàng)目中。

4 結(jié)語(yǔ)

針對(duì)大型車輛編隊(duì)的通過(guò)性檢測(cè)項(xiàng)目中電力線檢測(cè)問(wèn)題，本文提出了一種實(shí)時(shí)的基于車載激光雷達(dá)的電力線檢測(cè)方法。垂直裝載雷達(dá)，根據(jù)電力線點(diǎn)云的法線方向特征進(jìn)行濾波，根據(jù)電力線點(diǎn)云懸浮特征進(jìn)行歐式聚類，在每個(gè)聚類中進(jìn)行RANSAC直線擬合，并提出一種有效的電力線后驗(yàn)算法。本文采集了三種常見(jiàn)掃描線數(shù)的雷達(dá)點(diǎn)云數(shù)據(jù)集進(jìn)行了實(shí)驗(yàn)，驗(yàn)證了本文方法的有效性和實(shí)時(shí)性。后續(xù)工作將對(duì)更加復(fù)雜的電力線場(chǎng)景進(jìn)行實(shí)驗(yàn)并優(yōu)化。