三維激光云掃描技術(shù)在變電站電氣設(shè)備識(shí)別中的應(yīng)用 ①

王 菲， 王 球， 任佳依， 劉曉波， 劉 浩， 栗志元

(1.國網(wǎng)江蘇省電力有限公司經(jīng)濟(jì)技術(shù)研究院，江蘇 南京 210000；2.北京博超時(shí)代軟件有限公司，北京 102206)

0 引 言

相較于其他工業(yè)領(lǐng)域，目前普遍采用的先進(jìn)測繪儀器在變電站模型重構(gòu)中的實(shí)際應(yīng)用并不良好，尤其在變電站某些特殊運(yùn)行環(huán)境中無法正常作業(yè)，且實(shí)際中仍多以人工識(shí)別的方式獲取變電站電氣設(shè)備的外廓、位置、姿態(tài)等數(shù)據(jù)，進(jìn)而完成變電站數(shù)字重構(gòu)。存在的問題簡述如下[1]：

(1)變電站的占地面積相對(duì)較廣，諸多主要設(shè)備的外廓、尺寸、安裝位置、姿態(tài)均存在明顯差異，且分布在變電站內(nèi)的各個(gè)區(qū)域，識(shí)別過程中存在較大難度。

(2)諸如電力線路、基座、穿墻套管等附屬設(shè)施較多，其尺寸、外形、位置、姿態(tài)也存在較大差異，進(jìn)行變電站重構(gòu)時(shí)可能會(huì)對(duì)主要設(shè)備產(chǎn)生影響。

(3)測繪儀器采集角度的不同，導(dǎo)致變電站電氣設(shè)備可能遭受不同程度的障礙物遮擋，不利于精準(zhǔn)測繪。

(4)人工方式獲取設(shè)備的外形、位置、姿態(tài)等會(huì)出現(xiàn)不同程度的誤差，效率較低。

所以，需要尋找更加快速、精確、高效的變電站電氣設(shè)備數(shù)字重構(gòu)方法，既降低人工識(shí)別方式的工作量，又能夠提升識(shí)別精度與識(shí)別效率。

基于此，采用三維激光掃描儀獲取非接觸式的變電站電氣設(shè)備點(diǎn)云數(shù)據(jù)，對(duì)三維點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理后提取變電站電氣設(shè)備的特征量，應(yīng)用先進(jìn)算法對(duì)其進(jìn)行數(shù)字重構(gòu)，進(jìn)而實(shí)現(xiàn)變電站電氣設(shè)備的自動(dòng)劃分與精準(zhǔn)識(shí)別，為變電站三維數(shù)字重構(gòu)提供有效保證。

1 變電站電氣設(shè)備三維點(diǎn)云數(shù)據(jù)的獲取及預(yù)處理

變電站電氣設(shè)備三維數(shù)字重構(gòu)與識(shí)別的流程如圖1所示。

圖1 變電站電氣設(shè)備分類識(shí)別流程

由圖1可知：變電站電氣設(shè)備三維重構(gòu)與識(shí)別主要有三維點(diǎn)云數(shù)據(jù)獲取、點(diǎn)云數(shù)據(jù)預(yù)處理、特征量提取、分類識(shí)別等主要階段。

其中，三維點(diǎn)云數(shù)據(jù)獲取主要采用地面激光雷達(dá)掃描系統(tǒng)，該系統(tǒng)主要包含三維激光掃描儀、相機(jī)、旋轉(zhuǎn)平臺(tái)、后臺(tái)PC及相關(guān)輔助系統(tǒng)共同構(gòu)成，通過激光脈沖信號(hào)對(duì)待掃描物體進(jìn)行旋轉(zhuǎn)掃描，利用探測器接收反射后的激光脈沖信號(hào)，并利用控制系統(tǒng)對(duì)反射后的信號(hào)進(jìn)行記錄、存儲(chǔ)、最終獲得實(shí)時(shí)掃描后的三維點(diǎn)云數(shù)據(jù)[2]。在此基礎(chǔ)上，對(duì)三維點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)、合并、派生、排序、分割、精簡、去噪等點(diǎn)云數(shù)據(jù)預(yù)處理。

2 變電站電氣設(shè)備特征提取

描述變電站電氣設(shè)備的主要特征有長度、寬度、高度、體積、投影密度等參數(shù)。在此基礎(chǔ)上，本文采用投影邊界曲率、三維點(diǎn)云法向量、三維點(diǎn)云灰度、設(shè)備投影面積直方圖等描述變電站電氣設(shè)備特征。

2.1 投影邊界曲率

根據(jù)工程需要，本文選用三角網(wǎng)格法提取點(diǎn)云邊界點(diǎn)。曲率表征平面或者是空間曲面的曲線彎曲程度。本文在得到平面點(diǎn)云邊界點(diǎn)云集的基礎(chǔ)上，采用距離累積描述變電站電氣設(shè)備的投影邊界曲率。距離累積的判斷矩陣如式(1)。

(1)

式(1)中，i，j，L,x，y分別表示某段曲線的前端點(diǎn)、后端點(diǎn)、前端點(diǎn)與后端點(diǎn)之間所取的L個(gè)點(diǎn)、x坐標(biāo)、y坐標(biāo)。

其中

(2)

式(2)中，sgn(i,j,L)表征某個(gè)點(diǎn)到曲線的距離Di,j(如式(3))。

(3)

得到計(jì)算點(diǎn)與曲線的所有距離和，如式(4)。

(4)

2.2 三維點(diǎn)云法向量

本文采用以K-L變換為基礎(chǔ)的主元成分分析(Principal Component Analysis，PCA)獲取三維點(diǎn)云法向量[5]。首先，以K-L為基礎(chǔ)，尋找K點(diǎn)的鄰域點(diǎn)云集，然后，采用Delaunay球法求取鄰域點(diǎn)云集的平面法向量。通常，可以采用近似平面法向量代替點(diǎn)云集法向量，即基于最小二乘求取點(diǎn)K的臨近點(diǎn)的擬合平面(如式(5))。

(5)

式(5)中，d，n分別表示p到坐原點(diǎn)的距離、點(diǎn)云平面集法向量。

2.3 三維點(diǎn)云灰度

三維點(diǎn)云灰度提取的基本思路是：首先，獲取三維點(diǎn)云集X，Y，Z三個(gè)軸向的最大值、最小值，然后對(duì)其進(jìn)行水平方向的投影處理，接著根據(jù)最大值、最小值進(jìn)行水平方向的網(wǎng)格劃分，網(wǎng)格間隔為GSD，如式(6)。

(6)

式(6)表示三維點(diǎn)云灰度與網(wǎng)格平面距離、點(diǎn)云集密度以及高程差異等有關(guān)。

2.4 設(shè)備投影面積直方圖

本文采用三角網(wǎng)格剖分算法提取變電站電氣設(shè)備的投影面積，即在應(yīng)用三角網(wǎng)格法獲取三維點(diǎn)云集的基礎(chǔ)上，計(jì)算三角網(wǎng)格的面積，并對(duì)其進(jìn)行不同分層的投影面積計(jì)算，從而得到變電站電氣設(shè)備在每一層上的投影面積。

3 變電站電氣設(shè)備分類識(shí)別

分類識(shí)別是指從時(shí)間信息或者是空間信息中將屬于目標(biāo)的主要特征提取出來，對(duì)其進(jìn)行機(jī)器學(xué)習(xí)并完成統(tǒng)計(jì)的過程。

3.1 設(shè)定目標(biāo)特征

變電站環(huán)境相對(duì)特殊，考慮識(shí)別目標(biāo)的位置不同、有無障礙物遮擋、有無設(shè)備相互交叉等因素，本文基于激光脈沖反射強(qiáng)度、空間位置以及三維點(diǎn)云統(tǒng)計(jì)特征給出復(fù)合特征，如表1。

表1 復(fù)合目標(biāo)特征

由表1可知，統(tǒng)計(jì)信息主要包括三維點(diǎn)云集內(nèi)的點(diǎn)云數(shù)目、點(diǎn)云離散距離、點(diǎn)云協(xié)方差矩陣及其特征值、點(diǎn)云慣性張量矩陣及其特征值。其中，點(diǎn)云離散距離主要描述邊界點(diǎn)云的偏離程度；協(xié)方差主要描述點(diǎn)云在X,Y,Z方向上的相關(guān)性；慣性張量主要描述點(diǎn)云的整體穩(wěn)定性，即去噪能力。

3.2 點(diǎn)云數(shù)據(jù)關(guān)聯(lián)分析

本文采用模糊聚類與信息熵的改進(jìn)算法，變常規(guī)數(shù)據(jù)關(guān)聯(lián)算法的尋求最優(yōu)為尋求次優(yōu)，即：首先，對(duì)三維點(diǎn)云數(shù)據(jù)進(jìn)行模糊聚類分析，將點(diǎn)云數(shù)據(jù)歸納為最接近目標(biāo)估計(jì)值的中心類數(shù)據(jù)，然后根據(jù)信息熵極大值原理，將點(diǎn)云數(shù)據(jù)關(guān)聯(lián)分析轉(zhuǎn)化為求取條件極值的聚類問題，也就是信息熵概率極大時(shí)，其對(duì)應(yīng)的概率分布越接近于最真實(shí)的值。

設(shè)：t時(shí)刻，點(diǎn)云數(shù)據(jù)集為zj，存在c個(gè)目標(biāo)，則期望值與實(shí)際值之間的差異代價(jià)函數(shù)為：

(7)

依據(jù)信息熵的相關(guān)理論，引入熵H(μji)。當(dāng)H(μji)最大時(shí)，表示點(diǎn)云數(shù)據(jù)的概率分布最大。

(8)

引入拉格朗日系數(shù)λj,ηj，應(yīng)用拉格朗日函數(shù)判斷H(μji)最大時(shí)zj與ci的隸屬度如式(9)。

(9)

則某個(gè)點(diǎn)云數(shù)據(jù)j與目標(biāo)值i之間的概率pji可以用μji表示。

3.3 基于SVM與Adaboost 算法的目標(biāo)識(shí)別算法

Adaboost 算法是基于統(tǒng)計(jì)理論的機(jī)器學(xué)習(xí)算法，在每一次迭代學(xué)習(xí)中產(chǎn)生一個(gè)弱分類器，將最終的若干個(gè)弱分類器進(jìn)行線性加權(quán)便可得到強(qiáng)分類器。但是，在實(shí)際應(yīng)用中，Adaboost 算法因其框架式的特點(diǎn)，使得其在高維復(fù)雜環(huán)境中的計(jì)算精度下降，且極易受到噪聲干擾，因此本文采用SVM分類器對(duì)其改進(jìn)，步驟如下。

(3)樣本權(quán)重更新。對(duì)于分類錯(cuò)誤的樣本，令其權(quán)重為

(10)

其中，Zt為歸一化系數(shù)。

(11)

(4)當(dāng)所有迭代訓(xùn)練全部完成后，得到基于SVM與Adaboost 算法的強(qiáng)分類器H(X)[10]。

(12)

如此，基于SVM改進(jìn)的Adaboost 算法提升高維復(fù)雜應(yīng)用環(huán)境與非線性下的分類能力。

4 變電站電氣設(shè)備識(shí)別仿真實(shí)驗(yàn)及結(jié)果分析

以某變電站為例，選取主要電氣設(shè)備共計(jì)244個(gè)樣本，并根據(jù)設(shè)備外形的不同，分為11類。在進(jìn)行仿真實(shí)驗(yàn)的過程中，選取訓(xùn)練樣本174個(gè)，測試樣本50個(gè)。變電站電氣設(shè)備識(shí)別流程如圖2所示。

圖2 改進(jìn)后的識(shí)別流程

經(jīng)過預(yù)處理與特征量提取，變電站電氣設(shè)備的點(diǎn)云數(shù)據(jù)如圖4所示(以避雷器、變壓器為例)，對(duì)應(yīng)的三維點(diǎn)云法向量如圖5所示。根據(jù)圖4、圖5可見，不同電氣設(shè)備的法向量與X軸、Z軸的夾角不盡相同。

圖3 變電站電氣設(shè)備的點(diǎn)云數(shù)據(jù)可視化圖形

經(jīng)過數(shù)據(jù)關(guān)聯(lián)分析以及基于SVM改進(jìn)的Adaboost 算法的分類識(shí)別，其訓(xùn)練精度與測試精度如圖6所示。

由此可見，應(yīng)用模糊聚類與信息熵的數(shù)據(jù)關(guān)聯(lián)分析以及基于SVM改進(jìn)的Adaboost 算法的分類識(shí)別對(duì)于變電站電氣設(shè)備的識(shí)別精度有著很大提升。經(jīng)過改進(jìn)后的方案，變電站電氣設(shè)備的訓(xùn)練樣本識(shí)別精度接近于1，測試樣本的識(shí)別精度達(dá)到了98.16%。此外，根據(jù)多次仿真實(shí)驗(yàn)發(fā)現(xiàn)，設(shè)備投影面積對(duì)分類識(shí)別率的精度影響較大，而投影邊界曲率對(duì)識(shí)別精度的影響較小，這說明變電站電氣設(shè)備不同的外形、尺寸、位置、姿態(tài)會(huì)對(duì)識(shí)別結(jié)果產(chǎn)生很大影響。

圖4 點(diǎn)云數(shù)據(jù)預(yù)處理與特征量提取效果

圖5 迭代訓(xùn)練精度

5 結(jié) 語

有別于傳統(tǒng)圖像識(shí)別，三維激光云掃描技術(shù)具有很強(qiáng)的實(shí)時(shí)性。本文利用三維激光掃描系統(tǒng)獲取變電站電氣設(shè)備的實(shí)時(shí)三維點(diǎn)云數(shù)據(jù)，經(jīng)過排序、精簡、分割、去噪等數(shù)據(jù)預(yù)處理后，通過基于最大模糊信息熵的數(shù)據(jù)關(guān)聯(lián)分析，以加強(qiáng)似然系數(shù)修正目標(biāo)關(guān)聯(lián)概率矩陣，獲取最接近于真實(shí)值的數(shù)據(jù)聚類，然后將其送入基于SVM改進(jìn)的Adaboost 算法分類器進(jìn)行強(qiáng)分類識(shí)別。仿真結(jié)果表明，本文方案的訓(xùn)練精度、測試精度均高于98%，優(yōu)于未改進(jìn)的方案，且發(fā)現(xiàn)設(shè)備外形、位置、姿態(tài)會(huì)對(duì)識(shí)別結(jié)果產(chǎn)生影響，其中，設(shè)備投影面積對(duì)識(shí)別結(jié)果影響較大。