沈小軍， 秦 川， 杜 勇， 于忻樂(lè)

(1.同濟(jì)大學(xué) 電子與信息工程學(xué)院，上海 200092；2.國(guó)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(zhǎng)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(yùn)維帶來(lái)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(cè)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(cè)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(shì)，可快速探測(cè)植被下的地表信息，在復(fù)雜地形、甚至危險(xiǎn)地區(qū)的線路走廊三維信息獲取中具有獨(dú)特優(yōu)勢(shì)，已在輸電線路巡檢領(lǐng)域得到了運(yùn)用和廣泛關(guān)注[2-5].

基于機(jī)載激光雷達(dá)的輸電線路巡檢技術(shù)會(huì)產(chǎn)生海量的點(diǎn)云數(shù)據(jù)，快速、高效地實(shí)現(xiàn)線路走廊內(nèi)的地物、桿塔、電力線及相關(guān)附件的點(diǎn)云數(shù)據(jù)的分割提取能有效提升該項(xiàng)技術(shù)的時(shí)效性和工程應(yīng)用價(jià)值.文獻(xiàn)資料檢索分析結(jié)果表明，電力線的自動(dòng)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(shí)現(xiàn)地面點(diǎn)的剔除，但是該方法僅適用于地形平坦且干擾較少的場(chǎng)合，對(duì)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(shí)現(xiàn)植被點(diǎn)與電力線點(diǎn)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(shù)木和電力線混合區(qū)域的提取結(jié)果差的問(wèn)題；文獻(xiàn)[8]提出了一種基于監(jiān)督知識(shí)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(diǎn)云分割成段，該方法存在操作復(fù)雜繁瑣、精度較低等問(wèn)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(guò)將點(diǎn)云分布情況分為三種模式，并分別選定分割閾值實(shí)現(xiàn)電力線、電塔、地表點(diǎn)的自動(dòng)分類，但該方法存在著將桿塔橫擔(dān)點(diǎn)誤判為電力線點(diǎn)的問(wèn)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(píng)估的基礎(chǔ)數(shù)據(jù)，關(guān)系到輸電線路三維實(shí)景量測(cè)評(píng)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(jī)載LiDAR點(diǎn)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(wèn)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(diǎn)云分割，重點(diǎn)實(shí)現(xiàn)基于激光LiDAR點(diǎn)云數(shù)據(jù)的復(fù)雜地形下電力線高效精準(zhǔn)提取，為機(jī)載激光雷達(dá)海量點(diǎn)云數(shù)據(jù)的處理提供參考.

1 電力線點(diǎn)云自動(dòng)提取問(wèn)題描述

1.1 架空線路機(jī)載LiDAR點(diǎn)云特征

由架空線路機(jī)載LiDAR掃描作業(yè)方法可知，線路機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中除電力線點(diǎn)云外，還含有桿塔點(diǎn)云與地物點(diǎn)云等，如圖1所示.桿塔點(diǎn)及地物點(diǎn)的自動(dòng)識(shí)別與分割是實(shí)現(xiàn)電力線點(diǎn)云數(shù)據(jù)自動(dòng)提取的必要環(huán)節(jié)，為提高地物、桿塔以及電力線點(diǎn)云的提取效率與精度，需對(duì)架空線路機(jī)載LiDAR點(diǎn)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(diǎn)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(diǎn)云分布高程空間與地面點(diǎn)分布高程空間無(wú)重疊；在丘陵、山區(qū)等地勢(shì)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(shí)，電力線點(diǎn)云分布高程與地面點(diǎn)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(diǎn)、桿塔點(diǎn)與電力線點(diǎn)：地物點(diǎn)云分布于整個(gè)區(qū)域，具備高程值較小、連續(xù)分布等特征；桿塔點(diǎn)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(gè)小范圍的矩形區(qū)域中，密度較大的特征；電力線點(diǎn)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(dòng)提取算法局限性分析

電力線自動(dòng)識(shí)別與提取的過(guò)程即為剔除電力線點(diǎn)云以外其他物體點(diǎn)云的過(guò)程.由于輸電線路機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)中除電力線點(diǎn)云外主要包含地物點(diǎn)云及桿塔點(diǎn)云，因此，電力線自動(dòng)識(shí)別與提取過(guò)程主要分為地物點(diǎn)云識(shí)別與分割、桿塔識(shí)別與分割兩部分.通過(guò)輸電通道機(jī)載激光雷達(dá)點(diǎn)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(diǎn)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(lái)實(shí)現(xiàn)地物點(diǎn)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(shí)現(xiàn)地物點(diǎn)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(shí)現(xiàn)地物點(diǎn)分割的基礎(chǔ)上，把非地物點(diǎn)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(gè)網(wǎng)格，通過(guò)統(tǒng)計(jì)每個(gè)網(wǎng)格中點(diǎn)云的個(gè)數(shù)作為網(wǎng)格中的點(diǎn)云密度值，并根據(jù)密度閾值將網(wǎng)格中的點(diǎn)劃分為非電力線點(diǎn)以及電力線點(diǎn)，實(shí)現(xiàn)電力線的提取.該環(huán)節(jié)需將三維點(diǎn)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(diǎn)之后，再次進(jìn)行二三維點(diǎn)云對(duì)照，實(shí)現(xiàn)電力線、桿塔點(diǎn)云的三維空間定位，多次的二三維映射會(huì)影響算法效率.

理論分析與工程實(shí)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(shí)，非地物點(diǎn)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(wèn)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(diǎn)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(diǎn)層次分明且地物點(diǎn)所在高程范圍的點(diǎn)云密度明顯大于電力線所在高程范圍的點(diǎn)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(diǎn)云高程分布空間可能與地物點(diǎn)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(shí)，將造成部分電力線點(diǎn)被判斷成地物點(diǎn)刪除，且高于閾值的地物點(diǎn)無(wú)法剔除，電力線提取效果差，如圖3所示.

a 點(diǎn)云高程分布

b 地物點(diǎn)分割

c 電力線提取

從圖3可以看出，由于左端地勢(shì)明顯低于右端地勢(shì)，整體點(diǎn)云的分割閾值處于左端電力線與右端地面點(diǎn)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(dòng)提取算法

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

2.1 地物點(diǎn)云識(shí)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(diǎn)分割時(shí)存在地物點(diǎn)以及電力線誤識(shí)別的問(wèn)題，是因?yàn)閷⑼暾麢n距數(shù)據(jù)采取了整體處理的策略，不能區(qū)分電力線點(diǎn)云分布高程與地面點(diǎn)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(zhǎng)距離、復(fù)雜地形下的地物點(diǎn)識(shí)別問(wèn)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(wèn)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(diǎn)高程重疊區(qū)間導(dǎo)致的電力線誤識(shí)別問(wèn)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(diǎn)云，算法工作原理如下：

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

(2)

式中，(x,y,z)為任意一個(gè)點(diǎn)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(gè)點(diǎn)云空間劃分為n個(gè)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(jì)每個(gè)子空間Mi(i=1,2,3,…,n)中點(diǎn)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(duì)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(diǎn)云可認(rèn)為是純地物點(diǎn)云；A類子空間中的點(diǎn)云仍含有地物點(diǎn)與非地物點(diǎn)，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(diǎn)云的流程如圖5所示.

2.2 桿塔識(shí)別與分割算法

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

點(diǎn)云特征分析結(jié)果表明，桿塔點(diǎn)以及樹(shù)木或者高坡頂端點(diǎn)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(diǎn)以及樹(shù)木或者高坡頂端點(diǎn)統(tǒng)稱為桿塔點(diǎn).此外，由于2.1節(jié)所提算法存在多次迭代計(jì)算，效率較低；同時(shí)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(wèn)題，為保證桿塔識(shí)別與分割的精度同時(shí)有效提高算法效率，本文提出采用高程密度分割算法實(shí)現(xiàn)桿塔及部分高程剩余物的識(shí)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(duì)桿塔及電力線點(diǎn)云邊界進(jìn)行定位，確定點(diǎn)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(gè)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(jì)每個(gè)子空間Mi,j的點(diǎn)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(diǎn)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(diǎn)為桿塔點(diǎn)，小于閾值C0的為電力線點(diǎn).需指出，由于掃描儀型號(hào)、掃描精度不同導(dǎo)致采集到的點(diǎn)云質(zhì)量也有所差異，因此，C0的設(shè)定需根據(jù)實(shí)際采集到的點(diǎn)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(diǎn)的子空間分別提取出來(lái)，完成桿塔與電力線的分割，實(shí)現(xiàn)電力線點(diǎn)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(shí)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(cè)試與討論

3.1 算法提取效果驗(yàn)證

為驗(yàn)證本文提出的復(fù)雜地形下電力線自動(dòng)提取算法的有效性，選取機(jī)載激光雷達(dá)實(shí)測(cè)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(diǎn)云數(shù)據(jù)，長(zhǎng)608.5 m，以下簡(jiǎn)稱起伏段，如圖8所示)作為試驗(yàn)對(duì)象，并以算法運(yùn)行能力較強(qiáng)且具備一定圖形展示功能的Matlab2016a作為算法測(cè)試及效果展示平臺(tái)進(jìn)行了可行性試驗(yàn)(地物分割時(shí)，取dx=5 m；桿塔識(shí)別中，取dx·dy=0.5 m×0.5 m)，試驗(yàn)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(diǎn)識(shí)別與分割，起伏段分離后的桿塔及電力線點(diǎn)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(diǎn)剔除，僅留下少量樹(shù)木、高坡頂端、桿塔點(diǎn)及電力線點(diǎn)，且電力線點(diǎn)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(shù)木及高坡頂端點(diǎn))分割及電力線的識(shí)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(diǎn)云由于桿塔點(diǎn)云干擾被識(shí)別成桿塔點(diǎn)云遭剔除外，其余區(qū)域電力線點(diǎn)云均得以完整識(shí)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(diǎn)被誤認(rèn)為地物點(diǎn)或桿塔點(diǎn)剔除的問(wèn)題，提取效果良好.

a 地物點(diǎn)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(duì)比分析

為進(jìn)一步測(cè)試算法效率，驗(yàn)證本文所提算法可靠性，另外選取三組地勢(shì)平坦區(qū)域的單檔距電力線點(diǎn)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(dòng)提取算法與本文提出的改進(jìn)算法進(jìn)行電力線自動(dòng)識(shí)別與提取測(cè)試，并統(tǒng)計(jì)各算法的處理時(shí)間以及提取的點(diǎn)云個(gè)數(shù)，然后對(duì)提取的電力線點(diǎn)云進(jìn)行人工復(fù)核，通過(guò)人工刪除非電力線點(diǎn)，統(tǒng)計(jì)留下的電力線有效點(diǎn)個(gè)數(shù)，并以有效點(diǎn)與提取點(diǎn)個(gè)數(shù)之比作為算法提取電力線點(diǎn)云的正確率，統(tǒng)計(jì)結(jié)果見(jiàn)表1.

表1平坦地區(qū)電力線點(diǎn)云提取結(jié)果對(duì)比

Tab.1Comparisonofpowerlinepointcloudextractionresultsinflatarea

方法數(shù)據(jù)編號(hào)原始點(diǎn)云數(shù)/個(gè)提取點(diǎn)云數(shù)/個(gè)人工提取點(diǎn)云數(shù)/個(gè)正確率/%耗時(shí)/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(diǎn)云數(shù)量與傳統(tǒng)方法提取的電力線點(diǎn)云數(shù)量相當(dāng)，但都比人工提取點(diǎn)云數(shù)量多，這是因?yàn)殡娏€點(diǎn)云相鄰空間存在的少量噪點(diǎn)，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(diǎn)云有效點(diǎn)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(diǎn)的存在可能會(huì)干擾電力線的擬合精度，特別是懸掛點(diǎn)和弧垂最低點(diǎn)，后續(xù)可通過(guò)研究電力線點(diǎn)云修正方法進(jìn)一步提高電力線點(diǎn)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(shí)多，提取效率有所下降，主要原因在于地物分離時(shí)將整個(gè)點(diǎn)云空間劃分為多個(gè)子空間，多次閾值計(jì)算使得算法運(yùn)行時(shí)間較長(zhǎng).需指出的是，由于點(diǎn)云分布特征不同，不同數(shù)據(jù)樣本的耗時(shí)長(zhǎng)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(shì)起伏較小的平坦地區(qū)，電力線點(diǎn)云自動(dòng)識(shí)別提取結(jié)果與傳統(tǒng)電力線自動(dòng)提取算法的結(jié)果基本一致；在地勢(shì)起伏較大的山區(qū)，所提算法能夠有效解決傳統(tǒng)算法無(wú)法實(shí)現(xiàn)電力線完整識(shí)別與提取的問(wèn)題，電力線點(diǎn)云提取效果較好，具有工程實(shí)用性.

4 結(jié)論

本文提出的基于機(jī)載激光雷達(dá)點(diǎn)云的電力線自動(dòng)提取算法不僅能夠?qū)崿F(xiàn)地勢(shì)平坦地區(qū)架空線路電力線點(diǎn)云數(shù)據(jù)的準(zhǔn)確提取，而且能夠提高地勢(shì)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(wèn)題，通用性與可靠性較高.后續(xù)可結(jié)合電力線分布特點(diǎn)，研究電力線點(diǎn)云修正方法，并基于修正點(diǎn)云進(jìn)行電力線懸掛點(diǎn)、最低點(diǎn)等關(guān)鍵參數(shù)提取.