黃緒勇，林中愛，唐 標，滕啟韜

（云南電網(wǎng)有限責任公司電力科學研究院，昆明 650012）

輸電線路螺栓的巡檢多采用無人機或激光掃描的方式，通過激光雷達采集現(xiàn)場數(shù)據(jù)并傳輸至云數(shù)據(jù)平臺中進行對比分析。為了提高激光掃描的精準性，并改善視場角的限制，需要對激光點云數(shù)據(jù)進行自動化配準，將采集到的前后幀不同點云數(shù)據(jù)轉換到同一坐標下，并將重合部分連接在一起。將其應用在輸電線路螺栓的檢測中，可通過點云數(shù)據(jù)自動化配準來獲取精準的姿態(tài)信息，幫助實現(xiàn)故障點的高效定位，提高自動化檢測效率和精準度。

文獻[1]建立數(shù)據(jù)采集模型，并提取了電力線路中具有穩(wěn)定結構的目標特征點，采用雙向最鄰近距離比函數(shù)對其中點云數(shù)據(jù)進行初始配準，設定距離最精準閾值以該值作為配準參照。該方法魯棒性較強，但在配準前未對數(shù)據(jù)進行去噪處理，導致配準誤差較大；文獻[2]則采用一種基于關鍵特征加密的點云數(shù)據(jù)配準方法。采集被測位置點周圍相鄰站點的點云數(shù)據(jù)信息，計算點云數(shù)據(jù)集中符合正態(tài)分布的數(shù)據(jù)點屬性參數(shù)，根據(jù)特征信息距離來完成自動化配準。該方法對每個數(shù)據(jù)均進行特征所需運算量較大，實際應用性能較差。

因此，本文研究一種輸電線路螺栓檢測的激光點云數(shù)據(jù)自動化配準研究。通過自動化的激光點云數(shù)據(jù)配準，能夠精確地對輸電線路螺栓進行匹配和定位，實現(xiàn)對整個輸電線路螺栓的快速全覆蓋掃描。從而提高了檢測的精度和一致性。

1 激光點云數(shù)據(jù)分類

1.1 均勻化抽稀

由于輸電線路螺栓各區(qū)域的特征不同，不同激光強度、角度位置掃描以及掃描速度得到的特征信息也存在一定差異，造成點云密度分布不均勻。為提高激光點云數(shù)據(jù)采集的細節(jié)完整性和真實性，在采集時自動選擇密度較大的數(shù)據(jù)，盡可能降低數(shù)據(jù)之間的密度混淆，因此，通過建立三維空間[3-4]，對原始輸電線路激光點云數(shù)據(jù)進行抽稀化處理。具體操作步驟為

（2）設定空間大小為（dx，dy，dz），其中dx、dy、dz表示3 個空間方向距離[5]，將點云數(shù)據(jù)分為多個相同大小的矩形框。為了保證抽稀化處理精準度，將空間格網(wǎng)大小設定為dz＜5 cm，在第i 位置的格網(wǎng)約束范圍如下：

式中：Xi、Yi、Zi分別表示在第i 個位置的點云采集數(shù)據(jù)三方向的稀疏信息[6]。根據(jù)上述公式將所有激光點云數(shù)據(jù)按照所對應的空間位置分配到各個格網(wǎng)中；

（3）在每個格網(wǎng)中選擇一個中心點作為保留點，對該保留點外的數(shù)據(jù)進行抽稀處理；

（4）將每個網(wǎng)格中保留點進行保存，清空其余數(shù)據(jù)，這樣即可完成激光點云數(shù)據(jù)的均勻化抽稀處理。

經(jīng)過抽稀處理后的數(shù)據(jù)密度分布較為平衡，點云數(shù)據(jù)均勻散落在空間中，提高后續(xù)的自動化配準的精準度和效率。

1.2 激光點云數(shù)據(jù)去噪

對激光點云數(shù)據(jù)進行抽稀處理后，由于輸電線路環(huán)境中存在天氣、自然以及長期損耗等多種因素影響，導致抽稀處理后激光點云數(shù)據(jù)噪聲含量過高，在螺栓檢測時會影響干擾檢測結果，同時還會導致點云數(shù)據(jù)自動化配準出現(xiàn)誤差。因此，采用雙邊濾波算法對經(jīng)過抽稀處理后的點云數(shù)據(jù)進行去噪處理，修正激光點云數(shù)據(jù)的雙邊噪點，在保留原始特征的同時對激光點云數(shù)據(jù)進行去噪處理，為提高后續(xù)數(shù)據(jù)自動化配準效率做好準備。

在δ 中選取任意目標點pi、pj，設相鄰點集合為N（pi，pj），目標點pi、pj的標準參數(shù)為gˉij，在保證整體數(shù)據(jù)方向一致的前提下，定義雙邊濾波權重因子β[7]，表達式為

2）任務驅(qū)動教學法。任務驅(qū)動教學法是一種先進的教學方法，以理論功底扎實為前提，結合學生的學習活動及任務，以探索問題為契機，引導學生的學習興趣，模擬真實的教學環(huán)境，讓學生帶著真實的任務去學習，掌握學習的主動權。將任務驅(qū)動教學法引入機器人學課程教學，與教學內(nèi)容更加契合。將整個班級分成幾個小組，每個小組內(nèi)部根據(jù)具體的任務來分工，教師現(xiàn)場宏觀指導，幫助學生明確方向，選擇適合自己的研究課題，具體設計研究過程由小組內(nèi)部獨立完成。小組內(nèi)學生通過觀察教師演示并初步分析程序后，進行討論和嘗試，親自動手進行操作，發(fā)現(xiàn)問題、解決問題，既能培養(yǎng)獨立思考的能力，也能體現(xiàn)出自己的真正價值[6]。

式中：ωc表示雙邊濾波[8]空間域的高斯核函數(shù)，可用于調(diào)節(jié)濾波范圍；ωs表示雙邊濾波頻率域的高斯核函數(shù)，可用于控制點云數(shù)據(jù)特征的保留程度。

更新ωc和ωs，則有基于雙邊濾波空間域的高斯核函數(shù)ωc計算公式為

基于雙邊濾波頻率域的高斯核函數(shù)ωs計算公式為

由此，更新后的濾波權重因子β 的計算公式為

得到的最終雙邊濾波結果即為激光點云數(shù)據(jù)的去噪結果，其表達式為

1.3 激光點云數(shù)據(jù)分類

去噪后的激光點云數(shù)據(jù)中的類別繁多且復雜，無法精準地從全部輸電線路點云數(shù)據(jù)找到螺栓數(shù)據(jù)。同時，因螺栓點云數(shù)據(jù)與其他類別數(shù)據(jù)因拓撲關系較為相近導致后續(xù)自動化配準混淆，降低配準概率。因此，基于螺栓點云數(shù)據(jù)的特征屬性值，采用k-means 聚類算法分類去噪后的全部激光點云數(shù)據(jù)。

將去噪后的全部激光點云數(shù)據(jù)p′分為k 個類別，則有k＝1，2，…，i，…，k 個初始的聚類中心。每個類別之間的特征都具有極高的相似度，表達式為

式中：mi表示k 中的某一個類別。

對于每個點，在所有的聚類中心中找到距離最近的一個，并將其分配到該聚類中心所代表的類別。

根據(jù)當前所有分配給某個聚類中心的點，通過d（p′）的平均值，可以得到新的聚類中心：

重復式（8）和式（9），直到聚類中心不再改變，得到最終的聚類中心和相應的分類結果，將激光點云數(shù)據(jù)分成不同的類別，從中得到螺栓點云數(shù)據(jù)中心，實現(xiàn)數(shù)據(jù)分類。激光點云數(shù)據(jù)分類流程如圖1所示。

圖1 激光點云數(shù)據(jù)分類流程Fig.1 Laser point cloud data classification flow chart

根據(jù)圖1 所示的激光點云數(shù)據(jù)分類流程，完成激光點云數(shù)據(jù)的抽稀化處理、濾波去噪以及分類，使激光點云數(shù)據(jù)內(nèi)的各個特征清晰化，便于進行輸電線路螺栓激光點云數(shù)據(jù)的自動化配準。

2 激光點云數(shù)據(jù)自動化配準算法

由于對點云數(shù)據(jù)進行了抽稀化處理、濾波去噪以及分類多次處理，使點云數(shù)據(jù)之間的配準產(chǎn)生微小偏移。因此，為實現(xiàn)輸電線路螺栓檢測，通過自動化配準使其在同一坐標系下對齊。在激光點云數(shù)據(jù)自動化配準時，由于螺栓處于三維空間中，激光掃描得到的數(shù)據(jù)在角度方向上的誤差較大，所以，將自動化配準轉換為角度配準問題。具體配準過程如下所示：

以螺栓點云數(shù)據(jù)中心k′為基礎，建立空間坐標系，在三維坐標系中對螺栓點云數(shù)據(jù)的坐標點進行自動化配準。設空間坐標為（Xk′，Yk′，Zk′），直角坐標系為（o-xk′，yk′，zk′），其中，o 為原點，得到空間坐標系（Xk′，Yk′，Zk′）與直角坐標系（o-xk′，yk′，zk′）之間的映射關系為

式中：R（A，B，C）表示空間中3 個最大旋轉角，分別對應繞xk′、yk′、zk′軸轉動；t 表示周期參數(shù)；ξ 表示尺度因子；X0、Y0、Z0為三方向上的平移參數(shù)。則自動化配準點與螺栓檢測點在余弦角9 個方向上的線性關系為

式中：aij表示旋轉矩陣在9 個方向上的線性系數(shù)。由此，自動化配準結果為

式中：H 表示高度上的配準誤差；L 表示橫向距離上的配準誤差；V 表示誤差約束。

3 實驗與分析

3.1 實驗設置

為驗證文中提出輸電線路螺栓檢測的激光點云數(shù)據(jù)自動化配準方法的實際應用性能，以激光雷達無人機作為實驗設備進行輸電線路螺栓及現(xiàn)場參數(shù)掃描設備，在其周圍放置多個無線傳感器，并將傳感器與無人機進行信號連接，可第一時間得到無人機的采集圖像和數(shù)據(jù)。掃描到的螺栓結果如圖2所示，實驗涉及到的激光掃描數(shù)據(jù)信息如表1 所示。

表1 激光掃描數(shù)據(jù)信息Tab.1 Laser scanning data information

圖2 輸電線路螺栓激光點云數(shù)據(jù)自動化配準結果Fig.2 Automated registration results of laser point cloud data for transmission line bolts

3.2 實驗分析

給出所提方法對輸電線路螺栓激光點云數(shù)據(jù)自動化配準結果，以紅外點云圖像形式進行展現(xiàn)，實驗結果如圖3 所示。

圖3 輸電線路螺栓激光點云數(shù)據(jù)自動化配準結果Fig.3 Automated registration results of laser point cloud data for transmission line bolts

圖3（a）中的黑色的紅外線段為多個配準點之間的連線，線段兩側的黑色點代表目標配準點。分析圖3（b）可知，所提方法針對輸電線路螺栓激光點云數(shù)據(jù)自動化配準結果表現(xiàn)較好，各點配準精準度較高，通過水平方向的配準結果來看，所有點幾乎全方位覆蓋，基于不同高度和不同距離以及不同方向上的配準準確性都較強。結果表明，所提方法可以實現(xiàn)高效且精準的激光點云數(shù)據(jù)自動化配準，應用在實際中可提升輸電線線路螺栓檢測效率，確保點云數(shù)據(jù)配準精度。

為了進一步檢驗所提方法對輸電線路螺栓點云數(shù)據(jù)自動化配準結果的有效性，以手動配準數(shù)據(jù)為參照，對所提方法進行定量性評價，即以RMSE（root mean squared error）均方根誤差指標為驗證指標，通過指標大小進行分析。并基于雙向最近鄰距離比的點云數(shù)據(jù)配準方法、關鍵特征加密的點云配準方法數(shù)據(jù)配準方法作對比，RMSE 計算公式為

式中：N 表示數(shù)據(jù)量；Tg表示源點云數(shù)據(jù)的真值轉換參數(shù)值；Tc表示源點云數(shù)據(jù)的估計轉換參數(shù)值；RMSE 表示越小，2個點云數(shù)值之間的接近程度。通過式（13）可知，RMSE數(shù)值越高代表2 個點云之間接近程度越高。得到實驗結果如圖4 所示。

圖4 三種方法RMSE 曲線對比Fig.4 Comparison of RMSE curves for three methods

分析圖4 可知，3 種方法的RMSE 指標數(shù)值隨著數(shù)據(jù)量的增加逐漸下降，所提方法的RMSE 指標數(shù)值最大值為0.3；雙向最近鄰距離比方法和關鍵特征加密方法的RMSE 指標數(shù)值高于所提方法，均大于0.3。結果表明，經(jīng)過所提方法的自動化配準精準度較高，源點和配準點之間接近程度較高，提高了輸電線路螺栓檢測性能，驗證了所提方法自動化配準的實用性能。

4 結語

本文提出了一種輸電線路螺栓檢測的激光點云數(shù)據(jù)自動化配準研究。實驗結果表明，所提方法可以有效實現(xiàn)激光點云數(shù)據(jù)自動化配準，各點配準精準度較高，基于不同高度和不同距離以及不同方向上的配準準確性較強。同時，經(jīng)過所提方法自動化配準，源點和配準點之間接近程度較高，有效提高了配準精度。