占曉明

（1.浙江華東測繪與工程安全技術(shù)有限公司，浙江 杭州 310014）

電塔是輸電線路中支撐導(dǎo)線的重要裝置，按期對電塔進(jìn)行巡檢是確保電網(wǎng)安全穩(wěn)定運(yùn)行的重要環(huán)節(jié)，同時(shí)，建設(shè)智慧電網(wǎng)也需要來對電塔進(jìn)行定位提取和建模，傳統(tǒng)的電力線路巡檢主要依靠人工來進(jìn)行，但這種方式耗時(shí)長、效率低且具有一定的危險(xiǎn)性[1]。近年來，隨著自動、便捷、高效的機(jī)載雷達(dá)測量技術(shù)（LiDAR）逐步發(fā)展，人們開始逐漸將其應(yīng)用到電力線路的巡檢中，通過對掃描得到的電力線路點(diǎn)云進(jìn)行處理可以實(shí)現(xiàn)電塔點(diǎn)云的提取和重建[2]。

目前，針對電塔LiDAR點(diǎn)云提取和重建的研究較少，所取得的成果也較有限，而且一般只是針對電塔點(diǎn)云提取或者電塔模型重建進(jìn)行單獨(dú)研究[3]。針對目前研究存在的問題，本文基于機(jī)載LiDAR點(diǎn)云，提出一種綜合點(diǎn)云預(yù)處理、地面點(diǎn)濾波、電塔點(diǎn)云定位獲取以及電塔結(jié)構(gòu)線建模的電塔點(diǎn)云提取與重建方法，研究成果為機(jī)載LiDAR測量技術(shù)在電塔點(diǎn)云提取和重建的應(yīng)用提供技術(shù)支撐。

1 機(jī)載LiDAR電塔點(diǎn)云提取

1.1 點(diǎn)云數(shù)據(jù)預(yù)處理及濾波

1.1.1 點(diǎn)云去噪和回波次數(shù)判斷

機(jī)載LiDAR系統(tǒng)掃描的原始點(diǎn)云數(shù)據(jù)中會存在粗差也就是噪聲點(diǎn)，其主要分為低位誤差和和高位誤差兩種，一般數(shù)量較少且以孤立形式分布[8]。由于噪聲點(diǎn)特別是低位噪聲點(diǎn)會對點(diǎn)云濾波產(chǎn)生影響，因此，在濾波前需對點(diǎn)云進(jìn)行去噪，本文根據(jù)噪聲點(diǎn)分布的特點(diǎn)，采用高程分布直方圖法進(jìn)行去噪處理[9]。

機(jī)載LiDAR系統(tǒng)掃描的點(diǎn)云數(shù)量較大，其中不僅包含電力線和電塔點(diǎn)云，還包含樹木植被、建筑物以及地面等點(diǎn)云，因此在濾波處理時(shí)會耗費(fèi)大量時(shí)間。由于LiDAR系統(tǒng)發(fā)射的激光具有一定的穿透性，這就會使得系統(tǒng)能接收到同一發(fā)射激光返回的多次回波信號，通過對不同屬性點(diǎn)云的回波次數(shù)特點(diǎn)進(jìn)行分析，發(fā)現(xiàn)地面點(diǎn)一般存在于單次回波以及多次回波的末次回波集合中[10]。為了減少濾波算法的耗時(shí)，本文利用回波次數(shù)先提取出地面點(diǎn)所在集合，再對該集合中的點(diǎn)云使用濾波算法進(jìn)行處理。

1.1.2 漸進(jìn)三角網(wǎng)加密濾波

架設(shè)電塔的電力線路一般位于地形起伏的山區(qū)之中，這就加大了濾波的難度。目前常用的濾波算法有曲面擬合濾波、區(qū)域生長濾波、形態(tài)學(xué)濾波以及漸進(jìn)三角網(wǎng)加密濾波等[11]，不同的濾波算法有其各自的優(yōu)缺點(diǎn)，其中漸進(jìn)三角網(wǎng)加密濾波比較適合處理地形起伏較大的點(diǎn)云數(shù)據(jù)且濾波的精度較高，其缺點(diǎn)是比較耗時(shí)，但本文在濾波前已經(jīng)對點(diǎn)云數(shù)據(jù)進(jìn)行了預(yù)處理，算法的耗時(shí)也會減少。漸進(jìn)三角網(wǎng)加密濾波的示意如圖1所示，圖中P1~P3為地面種子點(diǎn)，P4是待判斷點(diǎn)，待判斷點(diǎn)到不規(guī)則三角網(wǎng)中對應(yīng)的三角形的距離設(shè)為ρ，β1~β3分別為各地面種子點(diǎn)與待判斷點(diǎn)的連線與地面種子點(diǎn)形成的平面夾角。其中，地面種子點(diǎn)是點(diǎn)云格網(wǎng)劃分后各格網(wǎng)內(nèi)的最低點(diǎn)，不規(guī)則三角網(wǎng)（triangulated irregular network，TIN）模型是以地面種子點(diǎn)根據(jù)狄洛尼準(zhǔn)則構(gòu)建得到的。通過遍歷待判斷點(diǎn)的距離和角度閾值對于TIN模型不斷更新，當(dāng)達(dá)到規(guī)定的迭代次數(shù)或者TIN模型不再更新時(shí)，算法結(jié)束，此時(shí)構(gòu)成TIN模型的點(diǎn)就是濾波得到的地面點(diǎn)。

圖1 漸進(jìn)三角網(wǎng)加密濾波

1.2 電塔點(diǎn)云提取

1.2.1 電塔分段點(diǎn)云定位

將濾波后的地面點(diǎn)集合從預(yù)處理后的點(diǎn)云數(shù)據(jù)中去除，然后用垂直平面按一定間隔對電力線路進(jìn)行分段，分段間隔取電塔邊長，這樣能夠使電塔點(diǎn)云最多只存在于相鄰的2個(gè)分段內(nèi)。由于包含電塔中心位置點(diǎn)云的分段在每一個(gè)高程區(qū)間內(nèi)都有點(diǎn)云存在，因此可以通過高程連通性判斷出電塔中心位置所在分段。又由于分段時(shí)電塔點(diǎn)云可能被分在相鄰的兩個(gè)分段內(nèi)，因此將電塔中心位置分段與其左右兩個(gè)相鄰分段都作為電塔點(diǎn)云的候選分段。

1.2.2 電塔聚類塊點(diǎn)云確定

對于得到的候選分段點(diǎn)云，由于建筑物，樹木以及電塔點(diǎn)云都是分布較集中的，因此將其投影到XOY水平面上時(shí)，也會呈現(xiàn)聚集的分布。對此，本文采用密度聚類算法對不同屬性的投影點(diǎn)云進(jìn)行聚類。密度聚類算法的優(yōu)點(diǎn)是不需要事先確定初始的聚類數(shù)目，其核心思想是通過判斷各點(diǎn)鄰域內(nèi)的點(diǎn)云密度來建立密度的連通性，從而達(dá)到將距離相近的點(diǎn)云合并到同一個(gè)聚類塊的目的，其具體方法可以參考文獻(xiàn)[12]。

密度聚類算法可以將投影到XOY水平面上的電塔分段點(diǎn)云分成不同的聚類塊，但還需要從各聚類塊中確定包含電塔點(diǎn)云的聚類塊。由于電塔點(diǎn)云聚類塊中的點(diǎn)云最大高程差大于建筑物和樹木等點(diǎn)云聚類塊的，因此本文根據(jù)此特點(diǎn)對電塔點(diǎn)云聚類塊進(jìn)行確定。

1.2.3 電塔點(diǎn)云提取

通過上述處理后得到的電塔點(diǎn)中還包含部分電力線點(diǎn)，為了完整準(zhǔn)確地提取電塔點(diǎn)云，需要去除電塔聚類塊點(diǎn)中的電力線點(diǎn)。為此，本文使用生長算法[13]對電力線點(diǎn)進(jìn)行自動識別和生長去除。算法首先對電塔點(diǎn)云聚類塊以較小的間隔進(jìn)行二次分段，然后在高程方向上進(jìn)行高程區(qū)間劃分，并判斷各高程區(qū)間內(nèi)是否都有點(diǎn)云，若不是，則此分段是包含電力線點(diǎn)云的分段，然后從上往下對此分段進(jìn)行區(qū)間遍歷，將搜索到的位于同一高程范圍內(nèi)的點(diǎn)云作為一根電力線的種子點(diǎn)，直至搜索到等同于電力線數(shù)量的電力線種子點(diǎn)為止。由于同一根電力線上的相鄰點(diǎn)距離較近且兩者高差較小，因此可以基于電力線種子點(diǎn)根據(jù)距離和高差閾值進(jìn)行生長，直至完成所有電力線點(diǎn)的生長，就得到了所有的電力線點(diǎn)。將電力線點(diǎn)從電塔點(diǎn)云聚類塊中去除，就可以得到準(zhǔn)確完整的電塔點(diǎn)云。

2 基于霍夫變換的電塔結(jié)構(gòu)線重建

電塔的形狀各異且細(xì)節(jié)結(jié)構(gòu)很多，這使得參數(shù)化電塔建模的方法有一定的難度且比較繁瑣，本文提出的電塔重建算法是基于電塔模型由各個(gè)結(jié)構(gòu)線組成的假設(shè)之上的，通過霍夫變換提取出電塔點(diǎn)云中位于同一直線上的點(diǎn)，并利用最小二乘法擬合得到其結(jié)構(gòu)線，最后將結(jié)構(gòu)線在空間進(jìn)行組合就可以得到電塔的結(jié)構(gòu)線模型。

霍夫[14-15]變換的核心思想是將平面點(diǎn)映射到霍夫參數(shù)空間，使得平面中的點(diǎn)對應(yīng)成霍夫空間中的一條正弦曲線，利用霍夫變換提取直線就是求取霍夫空間中各正弦曲線的交點(diǎn)，交點(diǎn)信息對應(yīng)著平面中位于同一直線上點(diǎn)擬合直線的參數(shù)。

將提取到的完整電塔點(diǎn)云投影到XOY水平面上，使用霍夫變換提取其直線點(diǎn)云，設(shè)置直線提取的閾值為直線段的長度和位于此直線上的點(diǎn)云數(shù)量。使用霍夫變換時(shí)需要注意投影到XOY面上的點(diǎn)云有可能是重合的，這就使得提取到的在XOY面上同一直線上的點(diǎn)云在空間中位于同一平面上，如圖2所示。因此，需要將提取到的在XOY面上位于同一直線上的點(diǎn)云再投影到XOZ面或者YOZ面上進(jìn)行二次霍夫變換提取，這樣提取到的位于同一直線上的點(diǎn)云在空間中才會是位于同一直線上的，在二次霍夫變換的時(shí)候也需要設(shè)置直線段長度和點(diǎn)云數(shù)量閾值，然后將經(jīng)過2次霍夫變換且符合閾值條件的點(diǎn)云進(jìn)行最小二乘擬合得到構(gòu)成電塔的結(jié)構(gòu)直線，最后利用首尾點(diǎn)云位置確定電塔的結(jié)構(gòu)線段。將所有提取到的結(jié)構(gòu)線段在空間中進(jìn)行組合和調(diào)整就可以得到最終的電塔結(jié)構(gòu)線模型。

圖2 提取的電塔點(diǎn)云的空間分布情況

3 工程實(shí)例及精度評定

3.1 數(shù)據(jù)源

為了驗(yàn)證本文提出的電塔點(diǎn)云提取和結(jié)構(gòu)線模型重建算法的可行性，采用某電力線路機(jī)載LiDAR掃描數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。此電力線路測區(qū)的面積約為37 940 m2，共掃描點(diǎn)云數(shù)量為1 645 758個(gè)，點(diǎn)云密度約為43.6個(gè)/m2。測區(qū)內(nèi)地形起伏較大、植被茂密，共有三座電塔，其上掛載了8根電力線。對電力線路的原始點(diǎn)云進(jìn)行去噪和點(diǎn)云回波次數(shù)判斷處理得到的點(diǎn)云圖像如圖3所示。

圖3 去噪和回波次數(shù)判斷后的點(diǎn)云圖像

3.2 實(shí)例計(jì)算

進(jìn)行漸進(jìn)三角網(wǎng)加密濾波時(shí)，以測區(qū)內(nèi)最大建筑物即電塔邊長的12 m作為格網(wǎng)邊長對測區(qū)進(jìn)行規(guī)則格網(wǎng)劃分，以各格網(wǎng)內(nèi)的最低點(diǎn)作為地面種子點(diǎn)依據(jù)狄洛尼準(zhǔn)則構(gòu)建TIN模型，設(shè)置加密的距離閾值為0.5 m，角度閾值為15°。最終濾波處理得到的地面點(diǎn)和非地面點(diǎn)的圖像如圖4所示。

a地面點(diǎn) b非地面點(diǎn)

對經(jīng)過濾波處理后的非地面點(diǎn)云進(jìn)行分段處理，分段的間隔為電塔的邊長，通過高程連通性判斷得到的包含電塔點(diǎn)云的候選分段點(diǎn)云，如圖5所示。

圖5 高程連通性判斷得到的包含電塔的候選分段點(diǎn)云

使用密度聚類算法對不同屬性的點(diǎn)云塊進(jìn)行聚類，再利用高程差性質(zhì)對所有點(diǎn)云聚類塊進(jìn)行判斷，最終提取到的電塔點(diǎn)云聚類塊如圖6中的紅色點(diǎn)云聚類快所示。

圖6 提取到的不同電塔點(diǎn)云的聚類塊圖像

密度聚類算法得到的電塔點(diǎn)云聚類塊中還包含了部分的電力線點(diǎn)，如圖10中的黃色方框的點(diǎn)云，因此再對其使用生長算法去除，二次分段的間隔為1 m，分層的間隔為0.5 m，生長的距離閾值和高差閾值分別是0.1 m和0.05 m，去除電力線點(diǎn)后得到的完整準(zhǔn)確的電塔點(diǎn)云圖像如圖7所示。

圖7 提取到的電塔完整點(diǎn)云

將得到的電塔點(diǎn)云投影到對應(yīng)的參考平面上，然后使用兩次霍夫變換提取在空間中位于同一直線的點(diǎn)云并使用最小二乘擬合出對應(yīng)的直線，最后根據(jù)直線上的首尾點(diǎn)云位置確定直線段。將提取得到的所有直線段在空間中進(jìn)行組合調(diào)整就可以得到電塔結(jié)構(gòu)線模型。

3.3 精度評定

目前，針對電塔點(diǎn)云提取和模型重建算法的性能評價(jià)還沒有明確的準(zhǔn)則，本文主要依據(jù)電塔點(diǎn)云提取完整率、提取效率、電塔重建模型的精度以及重建效率這4個(gè)方面對算法進(jìn)行評價(jià)。對于電塔點(diǎn)云提取完整率，則通過參照人工提取的電塔點(diǎn)云數(shù)量對其進(jìn)行分析。對于電塔重建的精度，本文用電塔各頂點(diǎn)的實(shí)際位置與重建模型位置的最大距離Lmax、最小距離Lmin以及平均距離Lmean來表示，電塔點(diǎn)云提取和模型重建的效率主要通過耗時(shí)來表示。表1表示的是本文實(shí)驗(yàn)數(shù)據(jù)中三座電塔提取完整率和耗時(shí)的統(tǒng)計(jì)結(jié)果，表2表示的是各電塔模型重建的精度和效率的統(tǒng)計(jì)結(jié)果。

表1 各電塔點(diǎn)云提取的完整率及耗時(shí)

表2 各電塔重建模型精度和耗時(shí)

由表1可知，本文研究的電塔點(diǎn)云提取算法對電塔點(diǎn)云具有較高的提取完整率，平均的提取完整率達(dá)到了97.2%，對電塔3這種掃描點(diǎn)云不完整的電塔依然具有較高的提取完整率，這說明本文算法具有較高的穩(wěn)定性和普適性。從耗時(shí)統(tǒng)計(jì)項(xiàng)可以看出，算法耗時(shí)主要和電塔的點(diǎn)云數(shù)量有關(guān)，但總體上看，本文算法具有較高的提取效率。

由表2可知，本文提出結(jié)構(gòu)線重建算法對電塔重建具有較高的重建精度，其統(tǒng)計(jì)得到的Lmax、Lmin和Lmean都較小。在重建效率方面，本文算法和電塔的點(diǎn)云數(shù)量成正比關(guān)系，電塔的掃描點(diǎn)云越多，其在檢測直線時(shí)花費(fèi)的時(shí)間也就越多，總的耗時(shí)也就越長，但是總體看來，本文的電塔重建算法的效率還是比較高的。

4 結(jié)語

隨著智慧電網(wǎng)的不斷建設(shè)以及電力線路巡檢效率要求的不斷提高，基于機(jī)載LiDAR的電塔點(diǎn)云提取與重建已經(jīng)得到了越來越廣泛的運(yùn)用，本文在深入分析已有的電塔點(diǎn)云提取與重建算法的基礎(chǔ)上，提出一種綜合點(diǎn)云預(yù)處理、地面點(diǎn)濾波、電塔點(diǎn)云定位獲取以及電塔結(jié)構(gòu)線建模的電塔點(diǎn)云提取與重建方法，通過實(shí)測數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，驗(yàn)證了本文算法在電塔點(diǎn)云提取與重建時(shí)的準(zhǔn)確性和高效性，適用于對基于機(jī)載LiDAR電塔點(diǎn)云的提取與重建。