呂來東 臧玉府 黃應(yīng)華

【摘 要】目前，電力走廊系統(tǒng)的傳統(tǒng)檢修方法因人眼識別率和空間定位精度等因素制約而導(dǎo)致信息準(zhǔn)確度不高。近年來，隨著機(jī)載激光雷達(dá)（LiDAR）技術(shù)發(fā)展和成本降低，其可獲得地面場景的三維空間信息功能運(yùn)用于電力走廊系統(tǒng)的檢查變得更穩(wěn)定有效。文章提出一種電力線點云數(shù)據(jù)處理方法：首先通過設(shè)置一定的高程閥值對無效數(shù)據(jù)進(jìn)行大規(guī)模排除;其次通過張量投票算法對數(shù)據(jù)編碼、投票、分解，保留板張量信息，篩選電力線點云;最后基于Snake模型實現(xiàn)電力線點的快速提取。

【關(guān)鍵詞】機(jī)載LiDAR數(shù)據(jù);張量投票;板張量;Snake模型

【中圖分類號】P235 【文獻(xiàn)標(biāo)識碼】A 【文章編號】1674-0688（2018）12-0069-02

0 引言

為保障電力線路運(yùn)營安全，必須定期對電力線進(jìn)行巡檢。機(jī)載激光測量因其能夠精準(zhǔn)、高效地獲取電力線路上的數(shù)字模型而被廣泛應(yīng)用于線路安全檢測。對此國內(nèi)外均有一定研究，目前主要有3種方法：利用Hough變換提取電力線方法;利用主成分分析進(jìn)行電力線提取方法;利用人機(jī)交互方式進(jìn)行電力線提取?，F(xiàn)有方法大多存在使用局限性，在實踐運(yùn)用中存在很大誤差，同時缺乏對擬合坐標(biāo)系的考慮，擬合模型連續(xù)性較差。

本文提出一種基于機(jī)載激光點云的電力線提取方法，將電力線提取分為電力線點云的初過濾、通過張量投票確定電力線點云、基于Snake模型的電力線提取3個過程。

1 機(jī)載激光點云的電力線提取

本文采用張量投票識別線特征點云，用于提取電力線。張量投票中的棒張量、板張量與球張量3個分量，分別對應(yīng)平面點、線點、特征點。本文通過確定出線點并結(jié)合snake模型提取電力線。

1.1 張量投票的分量求解

投票中，需旋轉(zhuǎn)、對齊標(biāo)準(zhǔn)張量場以完成投票計算，在此基礎(chǔ)上投票棒張量、板張量和球張量。如圖1所示，當(dāng)坐標(biāo)原點o的張量矩陣T的特征值λ1=1，λ2=λ3=0時，則只有棒張量構(gòu)成，即只有唯一的法向e1與x軸對齊。在e1和op構(gòu)成的平面內(nèi)，連接o、p兩點的最可能路徑為與o-yz平面相切的圓弧，θ為op與o-yz的夾角，φ為op在平面o-yz投影與y軸的夾角，由此可計算p點的法向Vp。則接受點p接收的棒投票張量如下：

S=ψ（s，k，σ）vpvpT（1）

其中，vp為點p的單位法向量，ψ（s，k，σ）為投票的衰減函數(shù)：

其中，s為兩點間的弧長，k表示弧線的曲率，σ表示控制衰減變化的因子，決定著投票域大小，c為權(quán)衡距離與曲率的控制參數(shù)。

其中，Rθ是變換矩陣，θ表示o-yz面與op連線的夾角。

同理，可實現(xiàn)球張量投票。投票結(jié)束后，各散點均得到包含特征信息的張量矩陣。通過特征分解可得到各分量，根據(jù)每個分量的顯著性分類各點。

（1）當(dāng)特征值λ1-λ2>λ2-λ3且λ1-λ2>λ3時，棒張量顯著性最大，表明該點為面元素。

（2）當(dāng)λ2-λ3>λ1-λ2且λ2-λ3>λ3時，表明該點為線上的點。

（3）當(dāng)λ3>λ1-λ2且λ3>λ2-λ3時，其球張量顯著性大，表明該點為角點。

1.2 張量投票電力線點云提取

設(shè)置合理的高閾值，剔除大部分地面及低矮植物點云，得到粗略的電力線點云數(shù)據(jù)集;將點云數(shù)據(jù)進(jìn)行張量編碼成一系列3×3單位矩陣;將顯著尺度參數(shù)設(shè)置為θ≤π/4;在投票域范圍內(nèi)進(jìn)行第一次張量投票并統(tǒng)計結(jié)果;對第一次張量投票結(jié)果進(jìn)行二次投票，將每個輸入點的張量信息進(jìn)行精確估計;根據(jù)投票結(jié)果，保留符合λ2-λ3>λ1-λ2且λ2-λ3>λ3的點云。

根據(jù)線路走廊點云數(shù)據(jù)將整段電力線分割成多個單檔距線路點云子集;根據(jù)統(tǒng)計分析法在高程方向?qū)€路進(jìn)行分層;根據(jù)空間中每根輸電線路的線路差距來分離出單根輸電線。

1.3 基于snake模型的電力線提取

Snake模型[4]以構(gòu)成一定形狀的控制點（輪廓線），通過模板自身的彈性形變，與圖像局部特征相匹配達(dá)到調(diào)和，即某種能量函數(shù)極小化，完成對圖像的辨別，再通過對模板進(jìn)一步分析而實現(xiàn)對圖像的理解和識別。

Snake模型由一組控制點組成，在坐標(biāo)系中這些點以首尾直線相連構(gòu)成輪廓線，曲線長度s是以傅里葉變換形式描述邊界的自變量，在Snake控制點上定義能量函數(shù)

α、β分別控制Snake模型的彈性和剛性，將能量函數(shù)極小化，再結(jié)合歐拉方程，內(nèi)部曲線能量寫為：

Eint=[α（s）|vs（s）|2+β（s）|vss（s）|2]/2（5）

Snake模型要求初始輪廓盡可能靠近真實輪廓，本文依據(jù)張量投票處理后的點云數(shù)據(jù)確定初始輪廓，進(jìn)而更精準(zhǔn)地提取有效電力線數(shù)據(jù)，做到對電力線進(jìn)行分股。

2 實驗與分析

本文以南京某區(qū)域機(jī)載點云為實驗數(shù)據(jù)，通過上述方法進(jìn)行數(shù)據(jù)處理，圖2為原始機(jī)載點云，圖3為采用本文方法提取的電力線點云結(jié)果。

經(jīng)上述初過濾、電力線提取、電力線分股等步驟，對本文方法提取的電力線數(shù)量進(jìn)行統(tǒng)計。由表1可知，電力線全部正確提取，電力線點提取率較高。

3 結(jié)語

本文提出的方法優(yōu)點采用張量模型結(jié)合Snake區(qū)域增長模型提取電力線，上述結(jié)果表明各電力線提取的正確率較高，且近鄰的多根電力線能得到有效分離，證明了本文方法的有效性和可行性。本文方法在處理電力線提取方面具有較大優(yōu)勢，但電力線與電塔點不易分離，還有待完善。

參 考 文 獻(xiàn)

[1]葉嵐，劉倩，胡慶武.基于LiDAR點云數(shù)據(jù)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.

[2]劉正軍，梁靜，張繼賢.空間域分割的機(jī)載LiDAR數(shù)據(jù)輸電線快速提取[J].遙感學(xué)報，2014，18（1）：61-76.

[3]梁靜，張繼賢，劉正軍.利用機(jī)載LiDAR點云數(shù)據(jù)提取電力線的研究[J].測繪通報，2012（7）：17-20.

[4]李天慶，張毅，劉志，等.Snake模型綜述[J].計算機(jī)工程，2005（9）：1-3.