摘 要：為了構(gòu)建輸電線路走廊、導(dǎo)地線與桿塔本體的高精度三維模型，采用激光雷達點云數(shù)據(jù)處理技術(shù)，對不同桿塔重要巡檢對象的自動精準定位方法進行研究，提出了一種直接從點云數(shù)據(jù)中自動提取桿塔并精確定位其位置的方法。該方法能夠獲取包括塔身、塔頭等關(guān)鍵部位的位置信息。將提取的桿塔位置、絕緣子位置、掛點位置等信息進行展示、分析以及精度定位評估。結(jié)果表明，所提方法的效果很好、完成度高，能夠真實地展現(xiàn)輸電線路的走廊環(huán)境、桿塔架構(gòu)、導(dǎo)地線布局以及絕緣子串等部件的信息。

關(guān)鍵詞：輸電線路走廊；激光雷達；點云數(shù)據(jù)；三維模型；數(shù)據(jù)提??；特征分析

中圖分類號：TP39；TM75 文獻標識碼：A 文章編號：2095-1302（2025）01-0-04

0 引 言

為了實現(xiàn)輸電線路無人機全自主巡檢，減少手動飛行控制操作，本文構(gòu)建了輸電線路的高精度三維模型，并對不同類型桿塔的巡檢對象進行精準定位，為后期無人機自主巡檢的航跡規(guī)劃工作奠定了基礎(chǔ)，同時還提高了輸電線路巡檢效率，降低了巡檢成本，做到線路精細化巡檢。此方法能夠有效保證無人機的飛行安全，降低電網(wǎng)潛在風險，提高輸電線路巡檢效率和運行可靠性，為后續(xù)輸電線路巡檢探索提供新的發(fā)展方向。本研究也間接提高了輸電線路運營的可靠性，減少了維修巡檢的人工成本，規(guī)范了輸電線路網(wǎng)的管理[1-2]。

在研究過程中，充分考慮了設(shè)備輕量化、數(shù)據(jù)成果即時化、系統(tǒng)操作簡單化等因素，利用無人機激光Lidar技術(shù)，對輸電線路走廊高精度三維模型的構(gòu)建方法進行了研究。構(gòu)建了紋理精細度高、空間坐標準確的三維高精度模型，該模型能夠全面反映桿塔本體模型空間結(jié)構(gòu)的信息。依托該模型，可以對重點巡檢對象（絕緣子、掛點等）進行分類提取與識別，并結(jié)合輸電線路三維模型的空間參考坐標信息，實現(xiàn)對重要巡檢對象精準坐標的提取。

1 原理分析

激光雷達測量技術(shù)主要包含激光掃描裝置、全球?qū)Ш叫l(wèi)星系統(tǒng)、慣性導(dǎo)航系統(tǒng)以及電腦處理單元等四個關(guān)鍵方面。飛行平臺可采用旋翼無人機或固定翼飛機，激光掃描裝置主要有相位測距掃描和脈沖測距掃描儀兩種。定位和慣性測量模塊主要由GNSS接收機和IMU慣性導(dǎo)航單元構(gòu)成。同時為提高測量精度與增加模型色彩，還需要在機載激光雷達系統(tǒng)內(nèi)配置高精度的數(shù)碼量測相機[3-5]。

三維激光掃描儀及數(shù)碼相機采用固定的頻率對航行區(qū)域進行攝像，激光掃描儀向地面輸出激光脈沖，然后根據(jù)激光脈沖從輸出到接收所需要的時間來計算掃描設(shè)備到地面光斑之間的距離，利用實時動態(tài)載波相位差分技術(shù)（Real-Time Kinematic， RTK）來獲取掃描裝置的三維坐標[6-8]；通過高精度慣性測量儀，便能夠分析出激光掃描儀攝像過程中的位置信息（航偏角、傾斜角及旁向傾角），從而建立起空間幾何與參數(shù)間的關(guān)系，最終確定地表地物激光位置點的三維坐標（x， y， z）。輸電走廊的分類激光點云數(shù)據(jù)效果以及高程著色激光點云數(shù)據(jù)效果分別如圖1和圖2所示。

激光三維數(shù)據(jù)憑借其厘米級別的精度，能夠準確定位桿塔、絕緣子串等部件的空間位置，從而獲取準確的空間坐標信息。這些信息為無人機自主巡檢的航跡規(guī)劃、目標識別與定位提供了堅實的數(shù)據(jù)基礎(chǔ)。另外，激光三維數(shù)據(jù)模型中蘊含的導(dǎo)線走向、導(dǎo)線弧垂等信息，為無人機的沿線飛行、導(dǎo)線數(shù)據(jù)采集任務(wù)提供了精確的數(shù)據(jù)參考。

針對輸電線路中不同桿塔的重要巡檢對象，計劃在高精度三維模型構(gòu)建的基礎(chǔ)上，進一步探索自動精準定位的方法。具體的研究步驟如下：

（1）利用輸電線路走廊點云的空間分布特征，提出一種直接從點云數(shù)據(jù)自動提取桿塔，并精確定位桿塔位置的方法。該方法能夠精確獲取包括塔身、塔頭等關(guān)鍵部位的位置信息。

（2）結(jié)合輸電線路桿塔、絕緣子、導(dǎo)線相對關(guān)系及特征信息，基于KD樹子鄰域，結(jié)合半徑搜索算法，自動提取絕緣子、掛點位置信息。

（3）對提取的桿塔位置、絕緣子位置、掛點位置等信息進行成果展示、分析以及精度定位評估。

針對不同桿塔巡檢對象的自動精準定位方法的流程如圖3所示。其中虛線區(qū)域已經(jīng)在輸電線路高精度三維模型構(gòu)建方法中實現(xiàn)，當無人機采集輸電線路三維點云數(shù)據(jù)后，首先采用濾波去噪、粗差剔除、格網(wǎng)采樣技術(shù)，對這些點云數(shù)據(jù)進行預(yù)處理，實現(xiàn)點云的自動分類，將其分為桿塔、導(dǎo)地線、地面和植被四大類[9-10]。其中，利用采集的桿塔數(shù)據(jù)建立桿塔模型庫，利用采集的導(dǎo)地線數(shù)據(jù)分離單根導(dǎo)地線，利用采集的地面和植被數(shù)據(jù)構(gòu)建輸電線路走廊信息。結(jié)合導(dǎo)地線臨近點，通過對桿塔模型進行特征分析，可以得出塔頭、塔身、掛點和絕緣子信息模型，最終完成無人機巡檢架空輸電線路走廊激光點云數(shù)據(jù)的檢測。

2 三維點云信息分類

對輸電走廊地物進行詳細的分類和標注，主要分出地面、樹木、房屋、桿塔、導(dǎo)地線等，為線路的三維測量和安全性評估提供數(shù)據(jù)支撐。自動分類算法可以解決電力走廊在復(fù)雜地形地貌條件下的三維激光點云分類問題，同時使用平面拓展算法分離出點云內(nèi)部的公共平面，就可以完成點云的初步空間分割。然后獲得各個分割區(qū)域的點云，實現(xiàn)主成分解析，并且開展特征值分析，從而獲得這個分割區(qū)域的維度類型。最后形成一個多尺度分類器，通過比較可以得到合理的尺度方案，從而完成各種類型點云信息的智能化識別。分類器是一種基于支持向量機技術(shù)的線性分類器，通過子空間投影實現(xiàn)點云信息的迭代識別。設(shè)置分類器的目的是為了實現(xiàn)點云分類的監(jiān)督，可以合理地開展點云信息的分類。

激光點云數(shù)據(jù)經(jīng)過分類后，會獲取輸電線路走廊、道路、植被等多個激光點云分類數(shù)據(jù)，可以實現(xiàn)單類點云數(shù)據(jù)瀏覽，也可以進行多類型數(shù)據(jù)疊加瀏覽，方便后期生成DEM、DOM等數(shù)據(jù)以及輸電走廊三維建模。圖4是基于上述方法完成的500 kV耐張塔的部件分類提取效果。

3 輸電線路三維區(qū)域提取

由于輸電線路需要經(jīng)過不同的地形，不同的地形環(huán)境使得輸電線路走廊環(huán)境也非常復(fù)雜。通過無人機采集輸電線路走廊點云數(shù)據(jù)時，包含了桿塔數(shù)據(jù)，同時還包含地表環(huán)境數(shù)據(jù)、植被數(shù)據(jù)、建筑數(shù)據(jù)等。在采樣過程中，這些數(shù)據(jù)可能會和桿塔數(shù)據(jù)重疊，而架空輸電線路的基本特點為將桿塔通過導(dǎo)地線連在一起。由此可以實現(xiàn)桿塔的數(shù)據(jù)提取，從而提高點云數(shù)據(jù)處理技術(shù)的準確性。

輸電線路經(jīng)過的區(qū)域信息在激光雷達點云數(shù)據(jù)中呈現(xiàn)出高差大、坡度大的特點，輸電桿塔信息在點云數(shù)據(jù)中呈現(xiàn)出高密度的特點。因此，對輸電線路信息中關(guān)鍵信息進行提取與建模時可依據(jù)三個方面：高差、坡度與密度；同時可以借鑒特征圖方法進行模型的構(gòu)建。

以激光點云采集的數(shù)據(jù)為基礎(chǔ)形成的特征圖，需要設(shè)置格網(wǎng)尺寸對這些點云數(shù)據(jù)進行初步劃分。通過逐步分析這些點云數(shù)據(jù)，確立這些點云數(shù)據(jù)在格網(wǎng)中的具體位置，以此來實現(xiàn)無人機采集的點云數(shù)據(jù)的規(guī)則格網(wǎng)化。如何設(shè)置格網(wǎng)大小，主要決定因素為字節(jié)的體素濾波器尺寸，需要滿足格網(wǎng)尺寸超過體素濾波器尺寸的條件，這樣才能使得特征圖像連貫，通常設(shè)置格網(wǎng)尺寸為2～4倍的體素濾波器尺寸。這樣，格網(wǎng)化設(shè)置的點云數(shù)據(jù)才能夠較好地對特征圖進行分析。依照特征分析的要求，包含五類參數(shù)，其中一階特征包含密度、數(shù)字高程模型、數(shù)字表面模型三個方面，二階特征包含高差和坡度兩個方面。

（1）密度參數(shù)：作為架空輸電線路定位的基礎(chǔ)條件，采用格網(wǎng)作為統(tǒng)計單位，分析每個格網(wǎng)中包含的點數(shù)，從而實現(xiàn)桿塔的具體定位，每個格網(wǎng)內(nèi)的點數(shù)就是密度；

（2）數(shù)字高程模型參數(shù)：由于架空輸電線路走廊海拔存在一定的差異，為了消除地理因素對桿塔定位造成的影響，通常以格網(wǎng)內(nèi)最低點的高程為基準；

（3）數(shù)字表面模型參數(shù)：該參數(shù)顯示走廊的地表信息，可以區(qū)別輸電線路本地和走廊內(nèi)的其他事物，通常以格網(wǎng)內(nèi)最高點的高程為基準；

（4）坡度參數(shù)：在進行高程分析時，由于輸電線路高度超過10 m，使得部分區(qū)域高程變化非常大，這種情況稱為坡度；

（5）高差參數(shù)：在每個格網(wǎng)內(nèi)，為了顯示高程分布，通過比較高程參數(shù)和表面參數(shù)，從而獲得架空輸電線路走廊內(nèi)的植被、桿塔等信息。

4 重點巡檢對象分類提取

4.1 導(dǎo)線掛點提取建模

實現(xiàn)桿塔、架空輸電線路及其附屬設(shè)備等結(jié)構(gòu)的穩(wěn)定提取后，即可利用所得分類提取結(jié)果實現(xiàn)輸電線路關(guān)鍵懸掛點的三維結(jié)構(gòu)拓撲信息的可靠提取。基于模型生長的界面分析技術(shù)，通過對架空輸電線路模型的分析，依據(jù)架空輸電線路走向分析點云數(shù)據(jù)。如果采集的點云數(shù)據(jù)截面積超過了系統(tǒng)預(yù)設(shè)值，那么系統(tǒng)將自動重新設(shè)置模型參數(shù)，此時已經(jīng)采集的點云數(shù)據(jù)將被定義為屬于架空輸電線路部分?；诩芸蛰旊娋€路模型插值的截面跟蹤算法提取懸掛點。桿塔主要掛點的提取效果如圖5所示。

4.2 絕緣子串提取建模

根據(jù)導(dǎo)線、桿塔、絕緣子之間的關(guān)系，能夠知道導(dǎo)地線是通過絕緣子和桿塔進行連接的。通過導(dǎo)線、桿塔的點云數(shù)據(jù)提取方法，可以快速實現(xiàn)在激光點云中進行桿塔、導(dǎo)線的提取。在此基礎(chǔ)上，僅需要實現(xiàn)在單個桿塔中提取出絕緣子串即可。

在搭建絕緣子激光點云模型過程中，可以認為絕緣子為圓柱形，為了簡單分析，假設(shè)絕緣子串是豎直直線狀且長度為2.4 m，以220 kV架空輸電線路為例，依據(jù)絕緣子最下端的位置信息和絕緣子串模型屬性，便可以建立絕緣子串提取模型，如圖6所示。

4.3 實例分析

針對不同桿塔模型巡檢對象的自動精準定位方法，選取不同桿塔類型進行實際測驗，以500 kV輸電線路雙回路干字型桿塔為例，分析巡檢對象定位精度。通過無人機機載激光雷達設(shè)備對該線路桿塔進行數(shù)據(jù)采集，識別巡檢對象的效果如圖7所示。其點云數(shù)據(jù)量為90.1 MB，點云數(shù)量為2 781 368個點，點云密度達到121點/m2，經(jīng)過抽稀后達到76點/m2，在點云數(shù)據(jù)處理軟件中可以清晰分辨桿塔的詳細部件，同時軟件可以流暢運行。第1、2基桿塔是500 kV雙回路干字型直線塔，按照無人機相關(guān)巡檢標準，該塔需要巡檢的對象點有27處；第3基桿塔是雙回路干字型耐張塔，按照國家電網(wǎng)無人機巡檢標準，該塔需要巡檢的對象點有45處。

針對輸電線路巡檢對象拍照要求，分為通道、桿塔、架空地線和絕緣子4大類別，并且將每一大類根據(jù)位置信息分為具體的識別對象名稱點， 點位提取圖如圖8所示。

通過對比識別定位的巡檢點位和實際激光雷達測量巡檢點位發(fā)現(xiàn)，分析結(jié)果與實際測量結(jié)果的最大誤差為0.20 m，最小誤差為0.01 m，其中X方向誤差為0.18 m，Y方向誤差為0.20 m，H方向誤差為0.17 m，滿足無人機自主巡檢對桿塔主要掛點的拍照定位精度要求。

采用多旋翼無人機搭載可見光相機的巡檢方式是線路桿塔精細化巡檢作業(yè)中的常用手段。該巡檢方式的主要巡檢對象包括：架空桿塔本體、附屬設(shè)施、絕緣子、導(dǎo)線掛點、地線掛點等。通過點云自動分類（桿塔、電力線、地面、植被等）實現(xiàn)對不同地物的提取，在此基礎(chǔ)上建立不同塔型模型庫并進行特征分析，實現(xiàn)塔頭、塔身、懸掛點、絕緣子等類別的提取。同時，通過精準的空間坐標（X， Y， H）提取，獲取了架空輸電線路重要巡檢對象的精準位置信息。這些信息為基于輸電線路三維點云數(shù)據(jù)的架空輸電線路全自動巡檢航跡規(guī)劃提供了堅實的基礎(chǔ)，從而推動了輸電線路無人化全自動巡檢技術(shù)的發(fā)展。

5 結(jié) 語

在利用激光雷達測量技術(shù)進行輸電線路三維建模的過程中，前期數(shù)據(jù)采集階段需要對單邊飛行激光雷達覆蓋范圍、激光雷達點云密度、精度要求等進行仔細評估。最終試驗結(jié)果表明，利用該技術(shù)所建立的三維模型，不僅效果卓越，完成度高，而且能夠極為真實地展現(xiàn)輸電線路的走廊環(huán)境、桿塔結(jié)構(gòu)、導(dǎo)地線布局以及絕緣子串等關(guān)鍵部件的詳細信息。

參考文獻

[1] LI S， ZHOU Q， WANG K. Video-based tunnel luminance detection [J]. Automation in construction， 2019， 107： 102900.

[2] LU R， BRILAKIS I K， MIDDLETON C R. Detection of structural components in point clouds of existing RC bridges [J]. Computer-aided civil and infrastructure engineering， 2019， 34： 191-212.

[3]鄒彪，王和平，孟小前，等.基于激光點云技術(shù)的架空輸電線路夜間巡檢系統(tǒng)設(shè)計[J].信息技術(shù)，2020，44（7）：44-47.

[4] CHENG Y J， QIU W G， DUAN D Y. Automatic creation of as-is building information model from single-track railway tunnel point clouds [J]. Automation in construction， 2019， 106： 102911.

[5]張勝.基于兩類神經(jīng)網(wǎng)絡(luò)算法在輸電線路中的缺陷識別研究[J]. 長江信息通信，2023，36（9）：201-204.

[6]曾昭強，夏榮輝.基于實時動態(tài)載波相位差分技術(shù)運用于施工安全范圍管控的討論[J].建筑技術(shù)開發(fā)，2022，49（18）：136-138.

[7]倪孝.基于載波相位差分技術(shù)的高精度定位系統(tǒng)研究與實現(xiàn)[D].揚州：揚州大學(xué)，2021.

[8]蘇曉剛，楊亮亮，彭小強，等.載波相位差分技術(shù)在車載導(dǎo)航中的應(yīng)用[J].現(xiàn)代導(dǎo)航，2019，10（4）：262-267.

[9]呂揚.復(fù)雜三維規(guī)劃模型和現(xiàn)狀地形無縫集成方法研究[J].測繪科學(xué)，2020，45（10）：149-154.

[10]趙昕.基于影像匹配技術(shù)的點云數(shù)據(jù)精簡算法研究[D].西安：西安科技大學(xué)，2017.