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。
1.1.1 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
1.2.1 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。
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
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
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。
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。
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。