張?zhí)K，齊立忠，韓文軍，朱笑笑，習(xí)曉環(huán)，王成，王濮，聶勝?

(1 國(guó)網(wǎng)經(jīng)濟(jì)技術(shù)研究院有限公司 電網(wǎng)工程航空遙感與線路智能巡檢聯(lián)合實(shí)驗(yàn)室， 北京 102209； 2 中國(guó)科學(xué)院遙感與數(shù)字地球研究所 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室， 北京 100094； 3 中國(guó)科學(xué)院大學(xué)， 北京 100049)(2019年10月17日收稿； 2019年12月31日收修改稿)

電力走廊內(nèi)的樹木生長(zhǎng)過(guò)快會(huì)對(duì)電力線路安全運(yùn)行造成威脅，從而形成樹障隱患。精確檢測(cè)樹障隱患，確定危險(xiǎn)樹木的準(zhǔn)確位置和數(shù)量，并將樹障區(qū)域內(nèi)的危險(xiǎn)樹木進(jìn)行砍伐對(duì)電網(wǎng)安全至關(guān)重要[1-2]。傳統(tǒng)的樹障檢測(cè)通常是基于人工巡查的方式實(shí)現(xiàn)的，電力部門工作人員親自到現(xiàn)場(chǎng)測(cè)量輸電線路到樹木的距離并記錄下來(lái)，一旦超過(guò)安全距離，則視為存在樹障隱患[3-4]。這種方法的樹障檢測(cè)結(jié)果受人為因素的影響極大，且會(huì)危及巡線工人的生命安危。同時(shí)該方法樹障檢測(cè)質(zhì)量無(wú)法得到保障，線路的安全狀況亦得不到保證?？傊?，傳統(tǒng)基于人工巡檢方式的樹障檢測(cè)巡檢周期長(zhǎng)、作業(yè)強(qiáng)度大，無(wú)法保證樹障檢測(cè)結(jié)果客觀性與完整性，可靠性差，難以滿足智能電網(wǎng)建設(shè)和大電網(wǎng)安全的需求[3-5]。如何提高輸電線路的樹障檢測(cè)精度和效率，成為困擾電力行業(yè)的一個(gè)重大難題。國(guó)內(nèi)外越來(lái)越多的研究學(xué)者開始利用低空可見(jiàn)光航拍影像、傾斜攝影等對(duì)架空輸電線路進(jìn)行樹障檢測(cè)[6-7]，這種樹障檢測(cè)方式雖然在一定程度上大大提高了效率，但存在定位精度低、不穩(wěn)定等問(wèn)題，且無(wú)法實(shí)現(xiàn)三維空間的精準(zhǔn)量測(cè)，很難精確判斷線路走廊內(nèi)樹木到導(dǎo)線的距離，無(wú)法實(shí)現(xiàn)樹障的有效檢測(cè)。

機(jī)載激光雷達(dá)技術(shù)的快速發(fā)展，使其成為樹障檢測(cè)最具潛力的技術(shù)之一。機(jī)載激光雷達(dá)技術(shù)通過(guò)集成激光掃描儀、GPS差分定位以及IMU姿態(tài)測(cè)量，生成高精度、高密度的三維激光點(diǎn)云數(shù)據(jù)，進(jìn)而快速獲取電力廊道內(nèi)各類地物的高精度三維空間信息[8-9]，且激光雷達(dá)技術(shù)能夠?qū)崿F(xiàn)三維空間的精準(zhǔn)量測(cè)，從而精確判斷樹木到導(dǎo)線的距離進(jìn)而大幅提高樹障檢測(cè)的精度[10-13]。此外，基于機(jī)載激光點(diǎn)云數(shù)據(jù)能夠?qū)崿F(xiàn)單木尺度的精準(zhǔn)分割，從而高精度估算樹障內(nèi)需要砍伐樹木的數(shù)量。因此，基于機(jī)載激光雷達(dá)獲取的三維激光點(diǎn)云數(shù)據(jù)，能夠快速發(fā)現(xiàn)和檢測(cè)樹障區(qū)域，且能精確確定需要砍伐樹木的數(shù)量。

目前已有學(xué)者基于激光雷達(dá)開展了樹障檢測(cè)研究[12, 14-18]。毛強(qiáng)[15]提出基于機(jī)載激光雷達(dá)數(shù)據(jù)的輸電線路樹障檢測(cè)方案，該方案可以有效檢測(cè)出樹障點(diǎn)，但是其首先要構(gòu)建輸電線路走廊三維數(shù)字模型，大大增加了工作量且樹障檢測(cè)精度受三維模型精度的影響。阮峻等[16]提出基于固定翼無(wú)人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)的輸電線路三維建模和樹障分析方法，但是該方法不是基于原始的電力線點(diǎn)云數(shù)據(jù)進(jìn)行樹障分析，而是基于擬合的電力線，其與原始點(diǎn)云存在一定的誤差，會(huì)降低樹障檢測(cè)的精度。丁薇等[17]提出一種輸電線路走廊樹障自動(dòng)化檢測(cè)方法，其直接利用電力線點(diǎn)云數(shù)據(jù)實(shí)現(xiàn)樹障檢測(cè)，但需計(jì)算每個(gè)電力線點(diǎn)到每個(gè)植被點(diǎn)的距離，工作量大，計(jì)算效率低。因此基于無(wú)人機(jī)激光雷達(dá)技術(shù)的輸電線路樹障檢測(cè)應(yīng)用在國(guó)內(nèi)外尚處于探索階段，還未形成完整、高效的技術(shù)方案。此外，已有的研究重點(diǎn)關(guān)注樹障隱患區(qū)域的檢測(cè)，沒(méi)有進(jìn)一步確定需要砍伐樹木的數(shù)量及其準(zhǔn)確位置，也就是說(shuō)目前沒(méi)有利用激光雷達(dá)開展樹木砍伐樹木數(shù)量估算的研究,該領(lǐng)域尚屬空白。

本項(xiàng)目基于無(wú)人機(jī)系統(tǒng)獲取激光雷達(dá)數(shù)據(jù)，開展基于無(wú)人機(jī)激光三維掃描技術(shù)的樹障檢測(cè)和砍伐樹木數(shù)量估算研究，精確檢測(cè)出樹障隱患區(qū)域的位置與范圍，確定需要砍伐樹木的棵數(shù)，并給出砍伐每木的位置、樹高等信息?？傊?，所提方法可以快速發(fā)現(xiàn)與檢測(cè)樹障隱患，為樹障隱患的消除提供技術(shù)支撐，同時(shí)為電網(wǎng)運(yùn)維單位制定樹木砍伐計(jì)劃提供可靠依據(jù)。

1 無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)

為了驗(yàn)證樹障檢測(cè)與砍伐樹木數(shù)量估算方法的可行性，本研究利用無(wú)人機(jī)搭載Riegl VUX-1激光雷達(dá)系統(tǒng)獲取安徽電力輸電廊道500 kV電壓的高精度激光點(diǎn)云數(shù)據(jù)，該電力廊道激光點(diǎn)云數(shù)據(jù)長(zhǎng)度達(dá)10 km。研究區(qū)以丘陵為主，海拔范圍為68～316 m，地形起伏較大(地形坡度范圍為0°～45°)，且植被覆蓋比較密集。無(wú)人機(jī)飛行高度為150 m，激光點(diǎn)云密度為100 點(diǎn)/m2，激光點(diǎn)云水平精度和垂直精度分別為20和10 cm。本研究獲取的激光點(diǎn)云密度和精度均能夠滿足后期點(diǎn)云分類、樹障檢測(cè)和砍伐樹木數(shù)量估算的需求。

2 研究方法

本文提出一種基于無(wú)人機(jī)激光點(diǎn)云的樹障檢測(cè)與砍伐樹木數(shù)量估算方法。該方法首先通過(guò)對(duì)無(wú)人機(jī)激光點(diǎn)云進(jìn)行去噪預(yù)處理、點(diǎn)云分類處理，實(shí)現(xiàn)植被點(diǎn)與電力線點(diǎn)的精細(xì)分離，然后通過(guò)樹障檢測(cè)確定樹障隱患區(qū)域，最后對(duì)隱患區(qū)域樹木進(jìn)行單木分割，精確估算需要砍伐的樹木數(shù)量，其總體技術(shù)流程圖如圖1。

2.1 激光點(diǎn)云去噪預(yù)處理

由于環(huán)境、設(shè)備、人為等因素影響，激光掃描數(shù)據(jù)通常存在噪聲點(diǎn)，進(jìn)而影響后續(xù)數(shù)據(jù)處理與應(yīng)用[19-20]。相比信號(hào)激光點(diǎn)的聚集分布，噪聲點(diǎn)分布比較離散且隨機(jī)。鑒于激光信號(hào)點(diǎn)云和噪聲點(diǎn)云的明顯差異，本項(xiàng)目擬提出基于點(diǎn)云局部空間分布統(tǒng)計(jì)的去噪算法。首先基于原始激光雷達(dá)數(shù)據(jù)的點(diǎn)云密度進(jìn)行分段處理，然后建立點(diǎn)云局部高程頻率直方圖，最后利用最大類間方差法設(shè)置自適應(yīng)閾值實(shí)現(xiàn)激光信號(hào)點(diǎn)云與噪聲點(diǎn)云的有效分離。

圖1 算法總體技術(shù)流程圖Fig.1 The overall flowchart of algorithm

2.2 激光點(diǎn)云分類

1)點(diǎn)云濾波

利用朱笑笑等[21]提出的多級(jí)移動(dòng)曲面擬合的自適應(yīng)閾值點(diǎn)云濾波方法快速實(shí)現(xiàn)地面點(diǎn)和非地面點(diǎn)的分離，此方法首先對(duì)去噪后的點(diǎn)云數(shù)據(jù)劃分格網(wǎng)建立格網(wǎng)索引，初始格網(wǎng)大小根據(jù)研究區(qū)最大物體(比如建筑物)大小確定，然后利用每個(gè)格網(wǎng)中的最低點(diǎn)建立曲面方程，最終通過(guò)高程閾值分離地面點(diǎn)和非地面點(diǎn)。此方法基于真實(shí)高程與擬合高程的差值自動(dòng)設(shè)置高程閾值，具有一定的自適應(yīng)性，能夠快速且準(zhǔn)確地實(shí)現(xiàn)地面點(diǎn)和非地面點(diǎn)的分離(圖2)。

圖2 點(diǎn)云濾波結(jié)果Fig.2 The result of point cloud filtering

2)電力線點(diǎn)提取

濾波后的非地面點(diǎn)中含有電力線點(diǎn)和其他地物點(diǎn)，其中電力線是懸空狀分布的，基于電力線點(diǎn)云的空間分布特征，可以粗提取電力線點(diǎn)云[11, 22-24]，此時(shí)電力線點(diǎn)云中可能包含其他地物點(diǎn)，因此基于電力線點(diǎn)的投影分布特點(diǎn)，采用隨機(jī)抽樣一致性算法(random sample consensus, RANSAC)實(shí)現(xiàn)電力線點(diǎn)的精確提取。首先，基于電力線在水平面上的投影呈線性分布的特點(diǎn)，利用RANSAC直線擬合的線性檢測(cè)方法剔除與電力線不在同一線上的噪點(diǎn)；然后基于電力線在垂直面上的投影呈拋物線分布的特點(diǎn)，采用RANSAC拋物線擬合剔除與高壓線處于同一垂直面上的噪點(diǎn)；最終在剔除所有噪聲點(diǎn)后實(shí)現(xiàn)電力線點(diǎn)云的精提取，提取精度高達(dá)98.1%，完全可以滿足樹障檢測(cè)的要求(圖3)。

圖3 電力線點(diǎn)提取結(jié)果Fig.3 Extraction results of power line points

3)植被點(diǎn)提取

電力線點(diǎn)提取后，非地面點(diǎn)仍舊包含植被點(diǎn)、桿塔點(diǎn)和建筑點(diǎn)。本文首先利用植被分布區(qū)域與桿塔分布區(qū)域的相對(duì)高度差異，設(shè)置一定的高度閾值去除非地面點(diǎn)中的桿塔點(diǎn)；然后根據(jù)樹木和建筑物在幾何形態(tài)上的巨大差異，實(shí)現(xiàn)植被點(diǎn)和建筑物點(diǎn)的精確分離。建筑表面平坦且局部面元的法向量趨向于豎直狀態(tài)，不同面元的法向量之間也近似平行或呈現(xiàn)一定的規(guī)律性；而植被葉片方向隨機(jī)分布，植被點(diǎn)局部法向量方向雜亂無(wú)序，不同法向量的夾角在[0,π]之間隨機(jī)分布。因此本研究采用法向量分析法來(lái)分離植被點(diǎn)和建筑物點(diǎn)，進(jìn)而實(shí)現(xiàn)植被點(diǎn)的精細(xì)提取。該方法首先基于局部點(diǎn)云計(jì)算每個(gè)點(diǎn)的局部面元法向量；然后比較目標(biāo)點(diǎn)局部面元法向量與鄰域內(nèi)其他點(diǎn)的法向量，并計(jì)算法向量夾角的方差；接著建立法向量夾角方差的頻率直方圖；最終根據(jù)頻率直方圖呈現(xiàn)雙峰分布，將雙峰之間的波谷位置設(shè)置為閾值，將方差小于閾值的點(diǎn)判定為建筑物點(diǎn)，否則為植被點(diǎn)，植被點(diǎn)提取結(jié)果見(jiàn)圖4。

圖4 植被點(diǎn)提取結(jié)果Fig.4 Extraction results of vegetation points

2.3 樹障檢測(cè)

點(diǎn)云數(shù)據(jù)分類完成后，可以通過(guò)判斷導(dǎo)線與植被之間的距離是否超過(guò)安全規(guī)范實(shí)現(xiàn)樹障檢測(cè)。目前最常用的樹障檢測(cè)方法是分別計(jì)算每一個(gè)電力線點(diǎn)到每個(gè)植被點(diǎn)的距離，從而分析是否超過(guò)電力線安全運(yùn)行所規(guī)定的安全距離閾值，如果超過(guò)安全距離，則將該植被點(diǎn)當(dāng)成樹障點(diǎn)。該類方法能夠有效檢測(cè)樹障位置和范圍，但是該算法復(fù)雜度高、計(jì)算量大，難以滿足快速檢測(cè)的需求。為了提高樹障檢測(cè)的效率，本文首先將電力線點(diǎn)沿x方向進(jìn)行分段，通過(guò)實(shí)驗(yàn)發(fā)現(xiàn)分段間距為1 m時(shí),計(jì)算效率和精度均很高。對(duì)每段電力線點(diǎn)，找出其所在x范圍內(nèi)的所有植被點(diǎn)，并計(jì)算該段所有植被點(diǎn)到電力線點(diǎn)的水平、垂直和凈空距離，然后與安全距離進(jìn)行比較分析，最終精確檢測(cè)出樹障點(diǎn)，并確定樹障隱患區(qū)域的位置和范圍。

2.4 單木分割與砍伐樹木數(shù)量估算

本文單木分割與砍伐樹木數(shù)量估算方法通過(guò)對(duì)樹障隱患區(qū)域的植被點(diǎn)進(jìn)行單木分割，從而確定砍伐樹木的數(shù)量，主要包括單木分割、砍伐樹木數(shù)量估算和精度驗(yàn)證3個(gè)部分。

1)單木分割算法

分別利用基于冠層高度模型(canopy height model, CHM)和無(wú)人機(jī)激光點(diǎn)云的單木分割方法實(shí)現(xiàn)單木點(diǎn)云的精確分離[25-26]。基于CHM分割使用分水嶺分割算法，首先分別基于地面點(diǎn)和植被點(diǎn)生成數(shù)字高程模型(digital elevation model, DEM)和數(shù)字表面模型(digital surface model, DSM)；然后DSM減去DEM可以得到CHM，把CHM模型的局部最大值認(rèn)為是冠頂，低點(diǎn)是冠層底部，從而利用分水嶺的原理實(shí)現(xiàn)單木的高精度分割；基于點(diǎn)云的單木分割采用歸一化分割(normalized cut, Ncut)方法[25-26]，該方法首先提取點(diǎn)云的局部最大值作為初始樹頂，然后利用Ncut方法進(jìn)行初始單木分割，接著進(jìn)行迭代約束進(jìn)一步探測(cè)冠層中下層單木，進(jìn)而盡可能識(shí)別所有的單木。

2)砍伐樹木數(shù)量估算方法

在樹障隱患區(qū)域，對(duì)植被點(diǎn)進(jìn)行單木分割，經(jīng)分割后可以獲取每木的位置、樹高、冠幅等信息，然后重新計(jì)算分割后每棵樹木到電力線的水平距離、垂直距離和凈空距離，最后統(tǒng)計(jì)超出安全距離范圍的單木數(shù)量，進(jìn)而精確確定需要砍伐樹木的數(shù)量。

3)精度驗(yàn)證

電力走廊單木分割和樹木砍伐數(shù)量估算精度評(píng)價(jià)采用人工實(shí)地驗(yàn)證，以人工實(shí)地勘測(cè)確定的砍伐樹木作為真值進(jìn)行精度評(píng)價(jià)。本研究將采用召回率R、正確率P、總體精度F3個(gè)指標(biāo)來(lái)評(píng)價(jià)精度。其中R是正確砍伐的單木數(shù)量與真實(shí)需要砍伐樹木數(shù)量的比值，P是正確砍伐的單木數(shù)量占提取單木數(shù)量的比例,F表示綜合考慮R和P的總體精度。因此，F(xiàn)可描述如下

(1)

3 實(shí)驗(yàn)結(jié)果分析與討論

1)樹障檢測(cè)

利用無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)對(duì)該試驗(yàn)區(qū)進(jìn)行樹障檢測(cè)，其中一段電力線的樹障檢測(cè)結(jié)果如圖5所示。由圖5可知，總共檢測(cè)出樹障隱患區(qū)域2處。每處樹障隱患的相關(guān)信息，包括位置、距離等均以樹障檢測(cè)報(bào)告的形式輸出，如表1所示。為了驗(yàn)證本文樹障檢測(cè)方法的有效性，采用兩種不同的方法進(jìn)行樹障結(jié)果的檢驗(yàn)。第1種方法是對(duì)植被點(diǎn)和電力線點(diǎn)進(jìn)行手工距離量測(cè)，利用“點(diǎn)云魔方”軟件中的距離量測(cè)工具，手動(dòng)測(cè)量植被點(diǎn)與電力線點(diǎn)的水平和垂直距離，結(jié)果共發(fā)現(xiàn)兩處樹障隱患區(qū)域。通過(guò)測(cè)量樹障隱患所在的位置及其與電力線的水平距離、垂直距離等，可以發(fā)現(xiàn)通過(guò)手工量測(cè)的樹障結(jié)果與本文提出樹障檢測(cè)算法結(jié)果基本一致。第2種方法是通過(guò)實(shí)地勘測(cè)，同樣發(fā)現(xiàn)存在兩處隱患，并且隱患區(qū)域的位置和范圍與樹障結(jié)果同樣呈現(xiàn)一致性。

圖5 危險(xiǎn)點(diǎn)分布圖Fig.5 Distribution of dangerous points

表1 樹障檢測(cè)報(bào)告Table 1 Danger tree detection report

2)單木分割與砍伐樹木數(shù)量估算

本研究分別利用基于CHM和點(diǎn)云的分割方法對(duì)樹障隱患區(qū)域進(jìn)行單木分割，其中基于點(diǎn)云的單木分割結(jié)果如圖6所示。結(jié)果表明，基于點(diǎn)云的單木分割方法能有效地分割單木點(diǎn)云，不僅可以識(shí)別大的單木，還可以分割中下層單木，而基于CHM的分割方法僅能識(shí)別大的單木。

利用上述兩種方法分割之后，統(tǒng)計(jì)分析樹障隱患區(qū)域內(nèi)的單木數(shù)量，對(duì)砍伐樹木數(shù)量進(jìn)行估算，最終采用實(shí)測(cè)數(shù)據(jù)對(duì)單木分割與砍伐樹木數(shù)量估算方法進(jìn)行精度評(píng)估，其結(jié)果見(jiàn)表2。由表2可知，兩種方法均能夠識(shí)別需要砍伐的樹木，其砍伐樹木數(shù)量的估算精度達(dá)到90%，一定程度上表明本文提出的方法能夠適用于確定樹障隱患區(qū)的砍伐樹木數(shù)量。此外，結(jié)果還表明相比基于CHM的方法，基于點(diǎn)云的方法能夠更好地估算砍伐樹木的數(shù)量，這是因?yàn)榛贑HM的單木分割方法無(wú)法有效檢測(cè)下層低矮樹木，而基于點(diǎn)云的單木分割采用Ncut方法，能夠進(jìn)一步探測(cè)中下層樹木，從而提高砍伐樹木數(shù)量估算精度。

圖6 單木分割結(jié)果Fig.6 The results of tree segmentation

表2 單木分割與砍伐樹木數(shù)量估算方法精度驗(yàn)證結(jié)果Table 2 The validation of individual tree segmention and danger tree number estimation

雖然本文提出的砍伐樹木數(shù)量估算方法具有比較高的估算精度，但仍存在一定的誤差，這極可能是由于單木分割引起的，基于點(diǎn)云的單木分割算法能一定程度地實(shí)現(xiàn)單木的有效分離，但仍存在過(guò)分割與欠分割的問(wèn)題，進(jìn)而給砍伐樹木數(shù)量估算帶來(lái)不確定性。

4 結(jié)論

本文提出一種基于無(wú)人機(jī)激光雷達(dá)點(diǎn)云數(shù)據(jù)的樹障檢測(cè)與砍伐樹木數(shù)量估算方法。該方法通過(guò)點(diǎn)云精細(xì)分類、樹障檢測(cè)分析以及單木分割等步驟，有效檢測(cè)出樹障的具體位置和區(qū)域范圍，并實(shí)現(xiàn)砍伐樹木數(shù)量的精確估算?？傊?，本文研究為電力線安全提供了遙感技術(shù)支持，同時(shí)為電力基層單位制定砍伐計(jì)劃提供了重要的參考依據(jù)。然而本文的研究著重分析當(dāng)前工況下樹障檢測(cè)與砍伐樹木數(shù)量估算，無(wú)法實(shí)現(xiàn)樹障的預(yù)警分析，也無(wú)法明確未來(lái)時(shí)期樹木的砍伐計(jì)劃。未來(lái)研究將著重樹木的智能生長(zhǎng)模型研究，從而進(jìn)行樹障預(yù)警分析，并結(jié)合機(jī)載激光點(diǎn)云數(shù)據(jù)制訂更為科學(xué)的巡檢頻率與砍伐計(jì)劃。