張子謙 楊鴻斌 陳 俁 趙希超 張艷燕 汪 俊

1(南京南瑞信息通信科技有限公司 江蘇 南京 210003) 2(南京航空航天大學(xué)機(jī)電學(xué)院 江蘇 南京 210016)

0 引 言

隨著智能設(shè)備以及數(shù)字化理念的不斷發(fā)展，智能電網(wǎng)理論的不斷完善，虛擬現(xiàn)實(shí)技術(shù)已經(jīng)被深入運(yùn)用到了電網(wǎng)運(yùn)行的眾多方面。通過(guò)對(duì)基于激光精準(zhǔn)數(shù)字模型[1-2]的虛擬現(xiàn)實(shí)技術(shù)的應(yīng)用，使得原有的二維數(shù)據(jù)轉(zhuǎn)換成可切身感受的三維數(shù)字環(huán)境，從不同環(huán)節(jié)提高了工作效率，降低了人力成本。然而，將虛擬現(xiàn)實(shí)技術(shù)應(yīng)用到電網(wǎng)運(yùn)行時(shí)，變電站的三維模型重建顯得尤為重要。

近年來(lái)，大規(guī)模場(chǎng)景的建模技術(shù)得到了快速發(fā)展并在很多領(lǐng)域都有了成功應(yīng)用。周圣川[3]在大規(guī)模城市場(chǎng)景建模時(shí)設(shè)計(jì)并實(shí)現(xiàn)了一種交互式的圖像逆過(guò)程式建模方法，能有效地進(jìn)行場(chǎng)景建模，同時(shí)可以處理海量的城市三維數(shù)據(jù)。劉波等[4]提出了一種新的大規(guī)模城市場(chǎng)景高效建模方法，構(gòu)建出該城市的建筑模型庫(kù)，并通過(guò)城市的小區(qū)規(guī)劃圖生成小區(qū)模板庫(kù)，可高效地實(shí)現(xiàn)大規(guī)模城市的建模。張紅春[5]以三維數(shù)字工廠為實(shí)例，闡述了利用點(diǎn)云建模技術(shù)進(jìn)行工廠數(shù)字化的流程，點(diǎn)云數(shù)據(jù)能構(gòu)建精細(xì)化、高質(zhì)量的三維模型，尤其對(duì)不規(guī)則及復(fù)雜幾何物體的三維建模有顯著的效果。

在變電站數(shù)字化建模方面，2017年1月，泰安供電公同將虛擬現(xiàn)實(shí)技術(shù)運(yùn)用在變電站設(shè)備的特巡工作中，利用此項(xiàng)技術(shù)對(duì)220 kV紅廟變電站通信機(jī)房進(jìn)行全景高精度建模，建立了虛擬世界與真實(shí)現(xiàn)場(chǎng)的數(shù)據(jù)通道，真實(shí)再現(xiàn)信通檢修、巡視工作的真實(shí)場(chǎng)景。針對(duì)變電站三維建模方法的現(xiàn)狀，王仁德等[6]對(duì)目前較流行的VRML建模法、幾何造型建模法以及地面激光雷達(dá)建模法進(jìn)行分析，對(duì)比發(fā)現(xiàn)VRML建模法直觀性較差、效率較低，并且對(duì)操作人員要求較高；幾何造型建模法則精度低，表現(xiàn)性差；而基于地面激光雷達(dá)建立變電站模型具有精度高、直觀性強(qiáng)等優(yōu)點(diǎn)。劉求龍等[7]采用了一種基于三維激光點(diǎn)云的變電站手動(dòng)建模方法，根據(jù)點(diǎn)云數(shù)據(jù)進(jìn)行一次設(shè)備和二次設(shè)備的創(chuàng)建，最后將模型進(jìn)行組合，這種手動(dòng)建模的方法數(shù)據(jù)量大、操作繁雜且周期長(zhǎng)。趙春林[8]采用了一種基于全景照片的變電站建模方法，建模速度較快且數(shù)據(jù)量較小，但在精度上無(wú)法滿(mǎn)足自動(dòng)巡檢和無(wú)人監(jiān)測(cè)的要求。李永東等[9]提出一種基于測(cè)繪與二維圖像結(jié)合的變電站三維建模方法，采用算法對(duì)變電站二維圖像進(jìn)行物體的分割和提取，再?gòu)男螤顜?kù)中查找對(duì)應(yīng)的三維形狀，之后根據(jù)測(cè)繪數(shù)據(jù)確定三維模型的位置姿態(tài)。該方法雖可以提高建模效率，但測(cè)繪數(shù)據(jù)較為繁瑣且無(wú)法保證變電站設(shè)備間精確的位置關(guān)系。整體看來(lái)，在變電站三維建模方面的應(yīng)用有較多的實(shí)例，但如何在保證建模精度的前提下，快速提高建模效率仍有一定難度。

基于變電站設(shè)備重復(fù)性和標(biāo)準(zhǔn)性特點(diǎn)，本文提出了一種基于組件匹配的快速建模方法。如圖1所示，首先利用三維激光掃描技術(shù)采集到變電站的整體點(diǎn)云數(shù)據(jù)，然后將變電站的地面點(diǎn)云數(shù)據(jù)及電力線數(shù)據(jù)自動(dòng)去除，再利用聚類(lèi)方法得到分割完成的獨(dú)立部件點(diǎn)云模型；采用基于二維平面包圍盒拓?fù)浣Y(jié)構(gòu)的點(diǎn)云重復(fù)結(jié)構(gòu)檢測(cè)的算法，探測(cè)點(diǎn)云中的重復(fù)結(jié)構(gòu)模式；基于點(diǎn)云形狀和尺寸對(duì)模板庫(kù)中的CAD模型進(jìn)行檢索，并將檢索的模型與點(diǎn)云進(jìn)行模板擬合，創(chuàng)建最小重復(fù)單元模型；將建立的最小單元按照檢測(cè)的重復(fù)模式進(jìn)行重建即可快速地得到整個(gè)變電站的三維精準(zhǔn)模型。

圖1 變電站快速建模流程圖

1 數(shù)據(jù)預(yù)處理

通過(guò)三維激光掃描技術(shù)采集變電站點(diǎn)云數(shù)據(jù)，原始點(diǎn)云數(shù)據(jù)如圖2所示。為了實(shí)現(xiàn)基于大規(guī)模點(diǎn)云數(shù)據(jù)的快速建模，需要進(jìn)行點(diǎn)云分割和聚類(lèi)等預(yù)處理。

圖2 變電站原始點(diǎn)云數(shù)據(jù)圖

1.1 點(diǎn)云分割

為了后期進(jìn)行重復(fù)結(jié)構(gòu)檢測(cè)、形狀檢索以及模板擬合等操作，需要將同一個(gè)結(jié)構(gòu)單體或者設(shè)備單元的點(diǎn)從整個(gè)大環(huán)境中獨(dú)立出來(lái)。在此過(guò)程中，首先需要檢測(cè)出地面數(shù)據(jù)，將原始的點(diǎn)云分割成兩部分，然后對(duì)已經(jīng)去掉地面數(shù)據(jù)的點(diǎn)云進(jìn)行電力線的提取。

1.1.1 地面分割

圖3 去除地面后的點(diǎn)云數(shù)據(jù)圖

1.1.2 電力線分割

在進(jìn)行電力線分割時(shí)，本文采用關(guān)海燕等[11]對(duì)車(chē)載激光雷達(dá)數(shù)據(jù)進(jìn)行電力傳輸線提取的算法。在提取的過(guò)程中，應(yīng)用了兩種與數(shù)據(jù)特點(diǎn)和研究對(duì)象相關(guān)的濾波：高度濾波和空間密度濾波。

過(guò)濾掉高層的大量點(diǎn)云之后，高層的絕緣子、阻波器、與電力線接觸的設(shè)備，以及電站周?chē)姆课莺蜆?shù)木仍然存在。于是，為了移除建筑、樹(shù)木以及部分不需要的裝置，本文提出了空間密度約束。首先，將經(jīng)過(guò)高度濾波之后的點(diǎn)云數(shù)據(jù)分割成N個(gè)體素，體素的尺寸vs根據(jù)設(shè)備尺寸大小以及經(jīng)驗(yàn)值結(jié)合確定。然后分別計(jì)算出每個(gè)體素中點(diǎn)的數(shù)量vp(p=0,1,2,…,N-1)，并通過(guò)對(duì)電力線的多次試驗(yàn)確定出一個(gè)空間密度的閾值v1。每個(gè)體素中的點(diǎn)會(huì)根據(jù)以下的約束條件分別加上標(biāo)簽：

(1)

在移除部分不需要的數(shù)據(jù)之后，本文在水平面上應(yīng)用霍夫變換，從cI中進(jìn)行電力線的進(jìn)一步檢測(cè)。去除電力線后的變電站數(shù)據(jù)如圖4所示。

圖4 去除電力線的點(diǎn)云數(shù)據(jù)圖

1.2 點(diǎn)云聚類(lèi)

在去掉變電站的地面以及電力線之后，為了后期點(diǎn)云的分塊操作，需要對(duì)整體點(diǎn)云進(jìn)行空間聚類(lèi)。通過(guò)點(diǎn)云之間距離的判斷，可以獲取整體點(diǎn)云中的結(jié)構(gòu)單元和設(shè)備單體。問(wèn)題可定義為，給定距離閾值ε，將給定的點(diǎn)云P聚類(lèi)成k個(gè)子類(lèi)，C1,C2,…，Ck,從上面分析可知表示一個(gè)結(jié)構(gòu)單元或設(shè)備單體。即滿(mǎn)足：

P=P1∪P2∪…∪Pk

s.t. ?i,j,‖Pi-Pj‖>ε

(2)

式中：Pi表示Ci聚類(lèi)中的點(diǎn)；‖Pi-Pj‖表示Pi與Pj之間的距離。

2 快速建模

本節(jié)將變電站建模過(guò)程分成了四個(gè)階段：模板庫(kù)的創(chuàng)建為系統(tǒng)提供了充足的、不同型號(hào)的設(shè)備模型；通過(guò)重復(fù)結(jié)構(gòu)的檢測(cè)提取出變電站的重復(fù)模式，這大大地提高了后期建模的效率；定義庫(kù)中模型的特征并根據(jù)選取點(diǎn)云的特征檢索出對(duì)應(yīng)的CAD模型；將檢索出的CAD模型與點(diǎn)云進(jìn)行形狀擬合。

2.1 模型庫(kù)的創(chuàng)建

在構(gòu)建變電站設(shè)備模型庫(kù)的過(guò)程中，首先利用3ds Max軟件，基于點(diǎn)云的三維表面數(shù)據(jù)創(chuàng)建模型基本輪廓，然后參考影像數(shù)據(jù)以及設(shè)備的相關(guān)設(shè)計(jì)標(biāo)準(zhǔn)，進(jìn)行結(jié)構(gòu)單元或者設(shè)備單體的精細(xì)建模。在設(shè)備模型建成之后，需要對(duì)模型進(jìn)行貼圖，使得模型在外觀上更真實(shí)。再利用相應(yīng)的管理系統(tǒng)將建立好的模型組織起來(lái)，建成一個(gè)可以使用的模型庫(kù)。當(dāng)然，模型庫(kù)可以進(jìn)行實(shí)時(shí)的更新。模型庫(kù)預(yù)覽圖如圖5所示。

圖5 模板庫(kù)預(yù)覽圖

2.2 重復(fù)結(jié)構(gòu)提取

通過(guò)觀察發(fā)現(xiàn)，變電站的設(shè)備在相鄰區(qū)域的布局中都有較高重復(fù)度。為了提高變電站重建的效率，需要提取出整個(gè)點(diǎn)云模型的重復(fù)模式和最小重復(fù)結(jié)構(gòu)單元。

2.2.1 布局創(chuàng)建

在后期的重復(fù)結(jié)構(gòu)檢測(cè)過(guò)程中，為了降低檢測(cè)的難度，提高檢測(cè)效率，將在二維平面上進(jìn)行重復(fù)結(jié)構(gòu)檢測(cè)。于是，將聚類(lèi)后的點(diǎn)云數(shù)據(jù)沿著Z軸向X-Y平面上進(jìn)行正交投影。投影之后，可以得到二維平面上一簇簇的點(diǎn)，其中，每一簇點(diǎn)代表一個(gè)設(shè)備。根據(jù)坐標(biāo)可以得到每簇點(diǎn)云二維平面上的包圍盒。

2.2.2 重復(fù)結(jié)構(gòu)檢測(cè)

觀察發(fā)現(xiàn)，不同類(lèi)型設(shè)備的包圍盒有顯著的不同，而相同結(jié)構(gòu)的設(shè)備不僅具有相似的包圍盒，而且包圍盒的排列也具有一定的規(guī)律性。于是，本文提出了一種基于二維平面包圍盒拓?fù)浣Y(jié)構(gòu)的重復(fù)結(jié)構(gòu)檢測(cè)算法，將平面點(diǎn)云的重復(fù)結(jié)構(gòu)檢測(cè)轉(zhuǎn)化為對(duì)包圍盒的重復(fù)結(jié)構(gòu)檢測(cè)?，F(xiàn)用一張無(wú)向圖來(lái)表示包圍盒間拓?fù)浣Y(jié)構(gòu)，并給定一個(gè)假設(shè)集θ。對(duì)于每一個(gè)假設(shè)的θ，都由三個(gè)參數(shù)中心c(即矩形對(duì)角線的中心)、寬度w和高度h組成，即θ={w,h,c}。本文將這個(gè)假設(shè)作為一個(gè)頂點(diǎn)，然后搜索每個(gè)頂點(diǎn)在一定鄰域內(nèi)的臨近頂點(diǎn)，并將該頂點(diǎn)與臨近頂點(diǎn)連接起來(lái)。這樣就可以在所有頂點(diǎn)上構(gòu)造出一張無(wú)向圖，即包圍盒假設(shè)集合，記為G={Θ,E}。

本文利用一個(gè)標(biāo)記問(wèn)題來(lái)說(shuō)明重復(fù)結(jié)構(gòu)檢測(cè)的過(guò)程。首先給出一組觀察Θ(投影面的結(jié)構(gòu))和一組有限的標(biāo)簽H(重復(fù)結(jié)構(gòu)的模式)，然后對(duì)于每個(gè)觀察θ∈Θ，確定其相應(yīng)的標(biāo)簽fθ∈H，使目標(biāo)能量方程E(f)最小化。

能量方程定義根據(jù)一組模式H定義一個(gè)模式標(biāo)簽函數(shù)：f，對(duì)每一個(gè)圖頂點(diǎn)θi∈Θ，如果fi=Φ，則將θi存放到模式H中，如果fi=null，則將θi標(biāo)為異常值。為了便于闡述，把H中的模式Φ和識(shí)別為Φ的索引視為一體。一個(gè)特定的標(biāo)簽f有一組相應(yīng)的提取模式：

Φ(f)={φ:φ∈H,?Θs.t.fi=φ}

(3)

因此，可以通過(guò)基于f的推理來(lái)實(shí)現(xiàn)模式主子圖的提取。在推導(dǎo)模式主子圖提取的能量方程時(shí)，主要考慮圖模式的幾何誤差、規(guī)律性和復(fù)雜性。首先，所有共享相同模式的包圍盒應(yīng)該有相似的形狀，即這些包圍盒的幾何誤差盡可能的小。其次，這些圖頂點(diǎn)應(yīng)該有規(guī)律性的排列，即橫向排列或縱向排列。最后，模式的數(shù)量應(yīng)盡可能的小，從而簡(jiǎn)化優(yōu)化復(fù)雜度。于是，設(shè)計(jì)了以下的能量方程：

(4)

式中：S、R分別代表幾何相似性和模式的空間規(guī)律性；Wm,n是θm和θn之間的權(quán)重函數(shù)；|Φ(f)|是模式的數(shù)量；α、β是權(quán)重參數(shù)(例如α=1.0、β=0.5)。下文給出式(4)各項(xiàng)的詳細(xì)解釋。

第一項(xiàng)測(cè)量了圖頂點(diǎn)θi與模式fi之間的幾何誤差，表達(dá)為：

(5)

在上下文中，幾何誤差d(θi,fi)由兩項(xiàng)來(lái)表示：

(1) 圖頂點(diǎn)θi與模式fi之間表面上的區(qū)別；

(2)θi與fi的排列規(guī)律程度。

特別地，幾何誤差可以用公式表示如下：

(6)

式中：w、h和c分別代表假設(shè)θ的寬度、高度和頂點(diǎn)θ的中心；fw、fh、fc、fv和fI分別代表模式f的寬度，高度，包圍盒中心，定向矢量和對(duì)齊間隔；γ和λ是兩個(gè)權(quán)重參數(shù)。前面的項(xiàng)會(huì)使圖頂點(diǎn)之間的尺寸差異盡可能小，而后面一項(xiàng)則促進(jìn)圖頂點(diǎn)有規(guī)律的排列。

第二項(xiàng)R(fm,fn)是基于任何兩個(gè)屬于Θ的圖頂點(diǎn)θm和θn的模式定義的。利用了Potts模型[12]，如果fi≠fk，則R(·)為1，否則為0。權(quán)重函數(shù)W(θm,θn)進(jìn)一步評(píng)估θm和θn的排列規(guī)律。通過(guò)觀察發(fā)現(xiàn)，平行排列或者垂直排列的兩個(gè)圖頂點(diǎn)更有可能屬于同一個(gè)模式。于是，定義了如下的權(quán)重函數(shù)：

(7)

式中：X，Y分別是X軸和Y軸方向上的單位向量；cm、cn分別是圖頂點(diǎn)θm和θn的中心。σ是一個(gè)常數(shù)，根據(jù)經(jīng)驗(yàn)選擇為2。從這個(gè)定義來(lái)看，權(quán)重函數(shù)促使排列為垂直方向或者平行方向上的圖頂點(diǎn)具備相同的模式。

在應(yīng)用中，模式確切的數(shù)量是沒(méi)有先驗(yàn)的。第三項(xiàng)的添加可以減少模式的數(shù)量，從而降低了模式主子圖提取的復(fù)雜度[13]。本文采用了基于迭代圖割技術(shù)的α擴(kuò)展算法[14]最小化等式，圖6展示了某電站局部場(chǎng)景重復(fù)結(jié)構(gòu)提取過(guò)程。所有模式主子圖可以從包圍盒拓?fù)鋱D形提取出來(lái)，每一個(gè)子圖都包含了大量具有相同模式的圖頂點(diǎn)。

圖6 重復(fù)結(jié)構(gòu)檢測(cè)

2.3 形狀檢索

根據(jù)自動(dòng)建模的要求，系統(tǒng)需要快速、準(zhǔn)確地從模型庫(kù)中獲取到與點(diǎn)云最為匹配的CAD模型。本文通過(guò)采用目前三維模型檢索的主流方法，提取點(diǎn)云模型的特征信息作為描述子，并將其與庫(kù)中的模型進(jìn)行相似性比較,最終將形狀檢索問(wèn)題轉(zhuǎn)換為特征空間中最鄰近搜索問(wèn)題。

2.3.1 描述特征定義

為了有區(qū)別地描述場(chǎng)景中掃描對(duì)象的點(diǎn)云數(shù)據(jù)，首先需要定義一組特征，即形狀描述子。此前，一些經(jīng)典的點(diǎn)云描述算子，如旋轉(zhuǎn)圖像、曲率以及尺度不變特征轉(zhuǎn)換等，能夠較好地解決特征定義問(wèn)題。然而，這些算法并不適用于嘈雜的變電站點(diǎn)云數(shù)據(jù)。本文利用了設(shè)備視圖的差異以及變電站設(shè)備的特有性質(zhì)，定義了如下的特征描述算子，這些描述子對(duì)噪聲具有不敏感性，對(duì)變電站設(shè)備具有較好的識(shí)別力，并且能夠處理掃描過(guò)程中普遍存在的遮擋和點(diǎn)云分布不均勻的問(wèn)題。

在進(jìn)行CAD模型的特征定義時(shí)，本文采用了與處理點(diǎn)云數(shù)據(jù)相同的方法，采用39個(gè)特征進(jìn)行描述。由于模型庫(kù)中的模型是在3ds Max軟件中建立的，其曲面由非均勻有理B樣條曲面(NURBS)構(gòu)成，于是本文采取基于曲率的采樣離散法[15]對(duì)模型進(jìn)行離散。

如圖7所示，本文采用39維的向量表示模型的特征，其中包括三維的模型輪廓(即包圍盒的長(zhǎng)寬高，尺寸單位為10 m)，以及X軸、Y軸和Z軸方向上12塊點(diǎn)云占總數(shù)的比例。通過(guò)多次實(shí)驗(yàn)發(fā)現(xiàn)這39維的特征向量具有較好的全局性和通用性。

圖7 特征描述的結(jié)構(gòu)圖

2.3.2 基于特征的CAD模型檢索

通過(guò)特征提取，可以將實(shí)物模型轉(zhuǎn)換為特征空間中的一組向量，相似的模型對(duì)應(yīng)特征空間中距離相近。相似性匹配算法的過(guò)程如下：將輸入模型通過(guò)特征定義轉(zhuǎn)換為特征空間中向量，計(jì)算與模型庫(kù)中所有模型向量之間的空間距離，或者通過(guò)構(gòu)建的分類(lèi)器，得出模型間的相似度，最終返回與輸入模型相似度最大的模型，即實(shí)現(xiàn)了基于形狀的檢索。

設(shè)CAD模型庫(kù)為D={Mi|i=1,2,…,n}，其中Mi為庫(kù)中第i個(gè)模型。當(dāng)前研究最小重復(fù)單元為U={Uj|j=1,2,…,m}，其中Uj表示該單元中第j個(gè)點(diǎn)云集。分別對(duì)模型采用上述特征定義方法進(jìn)行表征。得到輸入模型的向量表示為X=(x1,x2,…,xk)∈Rk,模型庫(kù)中任意一個(gè)模型的向量可表示為Y=(y1,y2,…,yk)∈Rk。本文采用歐式距離的度量方式來(lái)衡量?jī)蓚€(gè)模型之間的相似程度，即：

(8)

2.4 模板擬合

在擬合的過(guò)程中，首先將模型的中心與點(diǎn)云聚類(lèi)的中心重合，得到初配準(zhǔn)的結(jié)果，然后在初配準(zhǔn)的基礎(chǔ)上進(jìn)行精配準(zhǔn)。設(shè)M和P分別表示檢索得到的CAD模型和對(duì)應(yīng)的點(diǎn)云。通過(guò)優(yōu)化下面的函數(shù)，即可得到兩者之間的變換關(guān)系:

(9)

式中：S、R、T分別表示模型的尺度、旋轉(zhuǎn)和平移變換?！琾i-S(R.M+T)‖2表示點(diǎn)pi與經(jīng)過(guò)變換之后的模型之間的歐式距離。將兩者的中心在二維平面上重合，可以獲得一個(gè)較好的初始變換參數(shù)，然后將點(diǎn)云按照法矢反向投影至模型上，點(diǎn)與模型之間的距離即為投影點(diǎn)與自身點(diǎn)之間的距離。最后采用ICP算法來(lái)最小化點(diǎn)與模型之間的距離，從而實(shí)現(xiàn)模型到點(diǎn)云的精配準(zhǔn)。

3 實(shí)驗(yàn)結(jié)果

根據(jù)上述的數(shù)據(jù)處理和建模方法，在Intel(R) Core(TM) i7-4910MQ CPU @ 2.90 GHz 32 GB內(nèi)存的電腦上實(shí)現(xiàn)該快速建模系統(tǒng)?；谠撓到y(tǒng)完成了某220 kV變電站的重建，該變電站設(shè)備的范圍為(248×136) m2，其中電力設(shè)備數(shù)目有576個(gè)。圖8-圖10分別為該220 kV變電站模型的展示。其中，圖8展示了變電站模型建立的過(guò)程，圖9所示為變電站的整體模型，圖10所示為添加地面后的場(chǎng)景效果圖。

圖8 某220kV變電站模型建立的過(guò)程

圖9 某220kV變電站的整體三維模型

為了展示快速建模方法對(duì)其他變電站建模的效果，某110kV變電站建模結(jié)果如圖11所示。

(a) (b) 圖11 某110kV變電站快速建模的場(chǎng)景圖

為了測(cè)試不同抽稀采集程度下快速建模方法對(duì)不同設(shè)備的檢索能力，本文對(duì)檢索結(jié)果進(jìn)行了對(duì)比。表1是不同抽稀采集程度下不同模式的對(duì)比結(jié)果，比較可知：不同模式間平均檢索正確率有著一定的區(qū)別，當(dāng)設(shè)備特征較為明顯、投影面覆蓋面積較大時(shí)，取得了較高的平均檢索正確率。當(dāng)抽稀點(diǎn)云數(shù)據(jù)的40%時(shí)，算法取得較高的正確率，檢索的平均正確率為95.7%，可證明本文的檢索算法對(duì)稀疏的點(diǎn)云數(shù)據(jù)仍具有較強(qiáng)的魯棒性。

表1 不同抽稀采集程度下不同模式的檢索正確率對(duì)比

(10)

式中：‖p-?i‖表示的是p和?i之間的歐氏距離；|ρi|表示的是ρi的點(diǎn)云數(shù)量。在建模之前，把所有實(shí)驗(yàn)數(shù)據(jù)均勻地放在一個(gè)單位范圍內(nèi)，然后計(jì)算上述的定量指標(biāo)。

如圖12所示，隨著抽稀采樣程度的加劇，擬合的精度緩慢地降低，當(dāng)抽稀采樣原數(shù)據(jù)的50%時(shí)，設(shè)備模型仍能正確擬合，且精度保持相對(duì)較高。因此，本文方法具有較強(qiáng)的魯棒性，可以處理點(diǎn)云較稀疏的情況。

圖12 對(duì)稀疏點(diǎn)云擬合的魯棒性

變電站的建模主要需要建立設(shè)備模型與場(chǎng)景模型，為了對(duì)比本文的建模方法與手動(dòng)的三維建模方法，本文設(shè)計(jì)了表2進(jìn)行簡(jiǎn)單比較。這里衡量建模工作量使用的單位為“人·時(shí)”，即表示一個(gè)人工作一小時(shí)的意思。

表2 兩種方法效率及要求的對(duì)比

表2主要為建模工作量和建模要求上的比較，所有數(shù)據(jù)為研究過(guò)程記錄所得。可以看出，這兩種方法在效率上有著較明顯的差別。另外，手動(dòng)建模對(duì)點(diǎn)云的數(shù)據(jù)要求較高，因此其數(shù)據(jù)量較大，對(duì)處理數(shù)據(jù)的設(shè)備要求也較高。而本文的方法對(duì)數(shù)據(jù)要求一般，點(diǎn)云數(shù)據(jù)在本文中只需顯示基本的形狀，能檢測(cè)到重復(fù)模式，并且可以確定設(shè)備的位置。在對(duì)建模人員的要求上，本文的方法只需掌握簡(jiǎn)單的系統(tǒng)操作即可，而手動(dòng)的三維建模方法則需要掌握較好的建模技巧以及良好的處理方法。綜上，本文研究的基于組件匹配的變電站快速建模方法具有一定的高效性及魯棒性。

4 結(jié) 語(yǔ)

為實(shí)現(xiàn)變電站的快速建模，本文提出了一種基于組件匹配的快速建模方法。這種方法高效地構(gòu)建出了大規(guī)模電站的場(chǎng)景，與手動(dòng)三維建模方法相比，顯示出了較大的優(yōu)勢(shì)。本文首先通過(guò)預(yù)處理得到獨(dú)立部件點(diǎn)云模型；然后利用基于二維平面包圍盒拓?fù)浣Y(jié)構(gòu)的點(diǎn)云重復(fù)結(jié)構(gòu)檢測(cè)的算法，檢測(cè)變電站場(chǎng)景中的重復(fù)結(jié)構(gòu)；采用基于組件匹配的建模方法對(duì)最小重復(fù)單元進(jìn)行建模；最后將建好的最小單元按照檢測(cè)的重復(fù)模式進(jìn)行重建，即可快速得到整個(gè)電站的精確模型。實(shí)驗(yàn)表明，本文提出的快速自動(dòng)建模方法具有良好的普適行和有效性，并且極大地減少了人工參與，顯著提高了建模的效率和精度，特別是針對(duì)大規(guī)模的電站模型，重建效率更為明顯。

在今后的工作中，將研究變電站電力線的快速提取與建模，進(jìn)一步完善變電站的建模工作。對(duì)于500 kV甚至面積更大的變電站，研究以間隔為單位的變電站重復(fù)結(jié)構(gòu)檢測(cè)，根據(jù)區(qū)域模板快速檢索并進(jìn)行陣列處理，將加速變電站的快速建模。