□ 鄭長春 梁艷玲

（1.山西亞太數(shù)字遙感新技術(shù)有限公司，山西 太原 030006；2.山西眾智檢測科技有限公司，山西 太原 030032）

0.引言

隨著國民經(jīng)濟的高速發(fā)展，對高電壓、大功率、長距離輸電需求的提高，線路走廊穿越的地理環(huán)境越來越復(fù)雜，對其運行維護日趨困難。傳統(tǒng)的直升機巡線大多搭載紅外線攝像儀、數(shù)碼攝像機、照相機等設(shè)備，在飛行的同時，對途經(jīng)線路進行觀察、獲取線路走廊可見光和紅外影像，但這些技術(shù)的空間定位精度均不高，很難精確判斷線路走廊地物到線路的距離。而機載激光雷達測量技術(shù)可以很好地解決空間定位和測量精度等問題。它可直接采集線路走廊高分辨率的航空數(shù)碼影像和高精度高密度三維激光點云數(shù)據(jù)，進而快速地獲得高精度三維線路走廊的地形、地貌、地物和線路設(shè)施的空間信息。

目前激光雷達在電力線提取方面的應(yīng)用正處于初始階段，國內(nèi)在此方面研究甚少，且提取的過程大都利用Hough變換提取電力線，即將三維點云轉(zhuǎn)化到二維空間后，在進行Hough變換，此類方法損失了點云的高程信息，對于平面位置相同的多層電力線點云，不能快速實現(xiàn)單條電力線分類。此外，利用Hough變換檢測電力線，計算過程復(fù)雜，不利于大數(shù)據(jù)的應(yīng)用。Liang Jing等人直接根據(jù)同一根電力線上激光腳點緊密相連的特性，利用點云聚類的思想，并結(jié)合KD樹組織數(shù)據(jù)結(jié)構(gòu)進行最近鄰搜索，實現(xiàn)了電力線的快速自動提取。但該算法需要滿足聚類閾值K需小于兩根電力線的最小距離，當點云間距大于兩根電力線的最小距離，K值無法滿足聚類需要，降低了聚類的完整性。

本文重點分析了超高壓輸電線路走廊的基本特征，簡化電力線提取流程，提出一種從機載激光雷達點云中快速提取電力線點云的方法，并運用不同層電力線的高程差異實現(xiàn)電力線的分股，并通過試驗驗證了該方法的可靠性和有效性。

1.電力線提取方法

電力線的快速高效提取，首先充分掌握原始激光雷達點云數(shù)據(jù)中電力線路設(shè)施的特征，即桿塔和輸電線路的基本特征；在此基礎(chǔ)上需要找有效的方法，使用這些特征，將這些設(shè)施從激光雷達點云中分隔提取。

1.1 電力線路的基本特征

與一般輸電線路走廊不同，超高壓輸電線路相對于地面點的高差很大。其中，桿塔相對于地面點的最大高差達55m，遠遠超過附近植被點，且沿垂直方向桿塔具有較好的連續(xù)性（如圖1（a）所示）；導(dǎo)、地線懸掛于兩座桿塔之間，沿豎直方向按照高低分列式排布，導(dǎo)線弧垂最低點與地面之間保持較大的高程差（如圖1（b）所示）。

圖1 （a）桿塔剖面圖

1.2 提取流程

本研究將電力線提取分為電力線點云數(shù)據(jù)粗分類、精分類和電力線點云分股三個過程，具體流程（如圖2所示）。

1.3 激光點云粗分類

圖1 （b）導(dǎo)線縱向剖面圖

在狹長的電力線走廊區(qū)域內(nèi)，激光點云主要分為地面點、植被點、建筑物點、電塔點和電力線點。本文首先采用濾波的方法濾除地面點，保留非地面點云數(shù)據(jù)。根據(jù)濾波后獲取的非地面點云的空間幾何特性，電力線點不同于植被點和桿塔點，在局部范圍內(nèi)，電力線點云的高程值與非電力線點云高程呈現(xiàn)分布不連續(xù)。因此，首先以地面點建立基準高程面，通過設(shè)置合理的高程閾值，即可快速剔除大部分非電力線點云。

圖2 機載激光點云數(shù)據(jù)快速提取電力線流程

1.4 激光點云精分類

經(jīng)過粗分類后的電力線點云基本剔除了植被點，但還包括桿塔點和部分散亂的噪聲點。由于電力線點云在XY投影的平面內(nèi)具有線狀特征，因此本文運用隨機抽樣一致算法（RANSAC）進行進一步的精細分類。該算法是從一組包含離群的被觀測數(shù)據(jù)中估算出數(shù)學(xué)模型，對于含錯50%離群數(shù)據(jù)的樣本集，能夠有效獲得參數(shù)數(shù)學(xué)模型，具有較強的魯棒性，方法如下：

（1）將粗分類得到的電力線點云投影到XY平面，得到二維平面點集A。

（2）設(shè)置迭代變量K=0，迭代變量閾值K0=1；在 A中隨機選擇兩個點（A0，A1），并構(gòu)造一條直線L。

（3）遍歷A中的每個點Ai（Ai二維平面點集中任意點），計算Ai到直線L的垂距d；確定一個垂距閾值d0，其大小取決于每股電力線的直徑大??；如果d＜d0，則判定該點為直線L上的點，反之棄之。

（4）統(tǒng)計直線L上點的個數(shù)n，并與閾值n0比較（n0為估計的每段電力線大致的點云數(shù)目，視點云密度而定）。如果n＞n0，更新迭代變量閾值（如公式（1）所示），并遞增迭代變量 k；否則，無需更新，只遞增迭代變量k。

式中：p代表所有直線上的點全為電力線點云的概率，由于電力線點云在粗分類點集中占有很大的比例，因此可設(shè)置為一個較大的值；r為n與點集A的點云數(shù)量的比值。

（5）迭代步驟（2）-（4），直至 k＜k0，或者 k0小于最大迭代次數(shù)kmax。

（6）迭代完成后，統(tǒng)計L上點的個數(shù)N，并與閾值n0比較。由于電力線走廊寬度較窄，因此交跨的電力線點云數(shù)量較少，可通過設(shè)置此變量達到剔除交跨電力線的目的；如果N≥n0，則判定直線L上的所有點為電力線點。以粗分類結(jié)果中的非電力線點為原始數(shù)據(jù)，重復(fù)步驟（1）-（6）直至N＜n0；或者重復(fù)的次數(shù)達到一個次數(shù)限制的閥值K，其大小可根據(jù)電力線的股數(shù)以及電力線轉(zhuǎn)折的次數(shù)來確定。

RANSAC算法雖然能夠剔除大部分電塔點云，但不能剔除電塔上絕緣子的點云，由于與電力線在同一垂直面上，也被投影到A～[m,n]平面?？捎酶叱探y(tǒng)計分析的方法剔除這部分點云。圖3為RANSAC算法處理后的數(shù)據(jù)，比較1號和2號方框的點云，在一定的高程范圍內(nèi)1號點高程呈現(xiàn)連續(xù)性分布，基于這一特性來剔除絕緣子點云。

圖3 RANSAC算法處理后的點云

1.5 電力線分股

通過精分類處理激光點云后，一方面電力線激光點云與地面、電塔等背景激光點云數(shù)據(jù)分離，獨立成為一類地物；另一方面將電力線在XY平面上分成了多段直線。由于高壓輸電線路往往包含多層電力線數(shù)據(jù)，同一垂直面上的電力線投影到XY平面上會表現(xiàn)為同一條電力線，因此還需要對電力線進行分股，方法如下：

（1）針對每段電力線L，利用RANSAC算法得到該段電力線的走勢，將L上的點投影到L與Z軸構(gòu)成的平面上。圖4為同一垂直面上1號電力線和2號電力線投影后的意圖。

（2）對投影后的電力線進行分段。如果直接對整段電力線進行高程比較，受電力線走廊地形或電力線弧垂的影響，可能會導(dǎo)致錯分，因此對電力線點云進行分段，取小范圍內(nèi)的電力線點云進行高程比較。

（3）取每段電力線中高程值最小的點，其該值記為Z0，將該段電力線中每個點的高程值與Z0作差，得到高差h。

（4）設(shè)定一個高差閥值h0其大小根據(jù)電力線的弧垂情況確定；如果h＜h0，則可以看作是同一根電力線上的點。

（5）對于未確定屬于哪根電力線的點，重復(fù)步驟(3)和步驟(4)，直到所有的點都歸屬某一電力線為止。

（6）如果直接分析整段電力線，高差閥值最小應(yīng)設(shè)定為h1，才能找到2號電力線上的所有點，但由于1號電力線a段的高程值較小，使得1號線的a段被錯分為2號線；如果取b段進行分析，設(shè)定h2為高差閥值，則能很好地區(qū)分2號電力線。

圖4 投影到走向面內(nèi)的電力線示意圖

（7）電力線點云分析比較完成后，根據(jù)點云數(shù)據(jù)地理空間位置和屬性信息自動連接成完整分股電力線。

2.實驗與結(jié)果分析

本文以Microsoft Visual Studio 2010為研發(fā)平臺，集成使用Open CV圖像處理庫，實現(xiàn)機載激光點云數(shù)據(jù)的電力線提取。采用電網(wǎng)公司±800kV的輸電線路機載激光雷達數(shù)據(jù)進行試驗驗證。該線路長度為17.4km，包含37個電塔，4根電力線，總點數(shù)19397萬個點，平均點密度為每平方米54個點。經(jīng)量測，電力線高差間距為20m，水平間距為22m，電力線距地表高差最小為25m，每股電力線直徑約為1.2m，絕緣子直徑約為2.8m。線路上的地形起伏較大，最大坡度約47°，地表覆蓋主要包含建筑、樹木、河流、公路、電塔、電力線、交跨線等。針對以上特點，首先利用濾波算法，分出地面點云與非地面點云，然后以地面點建立基準高程面，通過高程閾值進行粗分類試驗，整體效果（如圖5（a）所示），可以看出，除了電力線點云外，還包含部分桿塔點云和少量的噪聲點。利用RANSAC算法，選用參數(shù)分別為：d0=1，n0=150，p=0.99，Kmax=60，K=10，實驗效果（如圖5（b）所示），其中電塔點云和噪聲點已被剔除，但是仍然包含了一些絕緣子點云。選用最小分析單元，即絕緣子直徑2.8m、高差20m為高程統(tǒng)計閾值，實驗效果（如圖 5（c）所示），此時絕緣子點云已經(jīng)被剔除。最后進行電力線分股，即選用5m長度范圍內(nèi)的點云為最小的分析單元，判斷是否屬于同一根電力線的高程差標準為1m，分股效果（如圖 5（d）所示）。

圖5 （a）粗分類結(jié)果

圖5 （b）精分類結(jié)果

圖5 （c）剔除絕緣子后局部放大效果

圖5 （d）分股后電力線效果

上述實驗的粗分類過程耗時21.4S，精分類以及電力線分股過程耗時45.8S，總耗時67.2S。統(tǒng)計該方法提取的每根電力線點云數(shù)，并與人工結(jié)合Terrasolid軟件提取電力線點云結(jié)果進行對比（如表1所示）。由于受電塔結(jié)構(gòu)與點云密度等因素的影響，除了遺漏部分電力線點云，提取結(jié)果中還包含少量非電力線點。

表1 電力線提取結(jié)果分析

3.結(jié)束語

本研究在充分分析高壓線路走廊結(jié)構(gòu)特征的基礎(chǔ)上，采用濾波分類和隨機抽樣一致性相結(jié)合的方法，有效地從機載激光雷達數(shù)據(jù)中提取電力線，并通過實際工程數(shù)據(jù)驗證了該方法的可靠性和穩(wěn)健性，為輸電線路巡檢提供可靠的數(shù)據(jù)處理方案。但該方法不足之處有兩個方面，一是涉及的參數(shù)多且設(shè)置繁瑣，一些參數(shù)的大小嚴格依賴于點云數(shù)據(jù)密度。二是剔除絕緣子時，把整個絕緣子垂直范圍內(nèi)的點云全部剔除，包括與絕緣子相連的電力線點也被剔除。如何建立參數(shù)與點云密度關(guān)系，自動獲取相應(yīng)參數(shù)及如何更好的區(qū)分絕緣子點與電力線點有待于深入探討問題。