機(jī)載LiDAR高壓線塔點(diǎn)云自動化提取

譚弘武，王敬茹，劉武能，劉麗龍，習(xí)曉環(huán)

(1.北京煜邦電力技術(shù)股份有限公司，北京 100029；2.中國科學(xué)院空天信息創(chuàng)新研究院 數(shù)字地球重點(diǎn)實(shí)驗(yàn)室，北京 100094；3.云南電網(wǎng)有限責(zé)任公司迪慶供電局，云南 迪慶 674400)

0 引言

機(jī)載激光雷達(dá)(light detection and ranging，LiDAR)可直接快速獲取高壓輸電線路高密度、高精度三維空間信息[1-2]，為高壓線塔空間定位和三維建模提供可靠的數(shù)據(jù)源[1]，也為輸電線路資產(chǎn)數(shù)字化管理和安全巡檢提供強(qiáng)有力的技術(shù)支撐[4-6]。

從機(jī)載LiDAR數(shù)據(jù)快速、精確提取高壓線塔點(diǎn)云是其三維數(shù)字化重建的基礎(chǔ)。早期輸電線路地物點(diǎn)云分類研究更多關(guān)注電力線點(diǎn)云的快速高精度提取和三維數(shù)字重建[7-8]，目的是為線路安全、增容分析、大風(fēng)覆冰等預(yù)警模擬提供支撐[9-12]。近年來，隨著無人機(jī)和激光雷達(dá)系統(tǒng)性能的飛速提升，機(jī)載LiDAR飛行方式靈活多變、作業(yè)水平顯著提高，能夠獲取高壓線塔高密度、高精度的完整三維信息，關(guān)于高壓線塔點(diǎn)云提取、數(shù)字化重建等方面的研究也逐漸增多。彭向陽等[13]根據(jù)輸電桿塔在激光點(diǎn)云中具有高密度、大坡度、大高差特征，提出了一種基于二維格網(wǎng)多維特征分析的輸電桿塔自動定位方法；Li等[14]對點(diǎn)云濾波后包含的電力線點(diǎn)、電塔點(diǎn)和少量的噪點(diǎn)(地面點(diǎn)、植被點(diǎn)等)作垂直投影，根據(jù)投影后的點(diǎn)云密度和高程變化來確定桿塔點(diǎn)云及其位置。然而以上兩種方法只能定位桿塔，無法實(shí)現(xiàn)桿塔的自動精細(xì)化提取。為從輸電線路點(diǎn)云中提取完整的桿塔點(diǎn)云，韓文軍等[15]通過計(jì)算電力線連接點(diǎn)的位置，生成三維立方體外包來提取桿塔數(shù)據(jù)點(diǎn)；虢韜等[16]將點(diǎn)云投影到水平面上并進(jìn)行格網(wǎng)化，采用區(qū)域增長算法聚類包含桿塔的網(wǎng)格數(shù)據(jù)，利用一定高度上的電塔點(diǎn)云垂直投影的面積、電塔塔頭長度閾值等過濾掉不符合要求的數(shù)據(jù)，得到獨(dú)立的電塔點(diǎn)云。但以上兩種方法只能粗提取桿塔，提取結(jié)果仍包含植被和電力線等雜點(diǎn)，需人工進(jìn)一步剔除。

本文充分分析高壓線塔空間拓?fù)涮匦耘c點(diǎn)云幾何分布特征，提出適用于多種類型的高壓線塔點(diǎn)云自動化精確提取算法，并用實(shí)驗(yàn)驗(yàn)證該算法的有效性和精度。

1 方法

1.1 高壓線塔點(diǎn)云數(shù)據(jù)粗提取

首先，基于輸電線路點(diǎn)云數(shù)據(jù)和高壓線塔中心位置，采用Kd樹距離分割法將桿塔點(diǎn)云從輸電線路點(diǎn)云中分離；然后，利用歐氏聚類算法剔除桿塔點(diǎn)云周圍噪聲;最后，基于移動曲面擬合算法[17]和空間格網(wǎng)區(qū)域向下生長算法剔除桿塔底部地面點(diǎn)及其周圍雜點(diǎn)。流程如圖1所示。

圖1 線塔點(diǎn)云數(shù)據(jù)粗提取流程圖

1.2 高壓線塔點(diǎn)云數(shù)據(jù)精提取算法

根據(jù)高壓線塔空間結(jié)構(gòu)特征將其分為塔頭和塔身兩部分。首先，通過分析線塔長寬比例-高度直方圖識別塔頭和塔身的關(guān)鍵分割位置；其次，基于空間格網(wǎng)區(qū)域向上生長算法去除塔頭周圍的電力線與絕緣子串等點(diǎn)云，得到塔頭點(diǎn)云；然后，利用RANSAC直線擬合算法剔除塔身周圍植被點(diǎn)云，得到塔身點(diǎn)云；最后，整合塔頭塔身即得到線塔點(diǎn)云。流程如圖2所示。

圖2 線塔點(diǎn)云精提取流程圖

1)關(guān)鍵分隔位置識別。通過線塔點(diǎn)云重定向和垂直分層，繪制線塔的長寬比例-高度直方圖，并基于其空間幾何特征在直方圖中識別關(guān)鍵分割位置。

線塔點(diǎn)云在水平面上常表現(xiàn)為任意方向，為便于后續(xù)操作，將其沿Z軸旋轉(zhuǎn)一定角度θ。由于線塔水平方向取決于塔頭，可將塔頭點(diǎn)云投影至XY平面并均勻采樣，然后利用主成分分析(principal component analysis，PCA)求解點(diǎn)云的特征值和特征向量，將最小特征值對應(yīng)的向量V(v1，v2)記為X′軸，利用式(1)計(jì)算旋轉(zhuǎn)角度θ和旋轉(zhuǎn)后的點(diǎn)坐標(biāo)(x′p，y′p)。

(1)

沿Z軸將線塔點(diǎn)云垂直分為等間隔的若干層，每層為一個(gè)包圍盒。從圖3可看出，塔頭投影形狀近似為矩形，塔身投影近似為正方形。為避免塔底植被的影響，設(shè)定高程閾值T，依次向上計(jì)算每層包圍盒在水平面投影的長度Δx與寬度Δy之比ratio，繪制線塔長寬比例-高度直方圖(圖4)。若ratio大于比例閾值則計(jì)算停止，并將該層記為線塔的關(guān)鍵分隔位置。該位置以上的點(diǎn)云標(biāo)記為塔頭點(diǎn)云，以下的點(diǎn)云為塔身點(diǎn)云。通過后續(xù)操作，分別對塔頭和塔身點(diǎn)云數(shù)據(jù)進(jìn)行精細(xì)化提取。

圖3 高壓線塔投影

圖4 高壓線塔投影及長寬比例-高度直方圖

2)塔身點(diǎn)云提取。塔身包括四條主要棱線，通過擬合棱線來提取其內(nèi)部的塔身點(diǎn)云，該過程分為兩步。一是提取每層長方體包圍盒底面的四個(gè)頂點(diǎn)；二是將每條棱線上的頂點(diǎn)擬合為直線，并提取四條棱線構(gòu)成的塔身框架內(nèi)部點(diǎn)云。

首先，用凸包算法構(gòu)建每層包圍盒輪廓多邊形；然后，利用管道算法簡化輪廓多邊形以檢測角點(diǎn)，根據(jù)角點(diǎn)相對于最小包圍矩形中心的方向?qū)⑵浞指顬樗膫€(gè)子集，每個(gè)子集可以近似地描述為三維直線[18]，利用RANSAC擬合塔身的四條棱線即可形成塔身的框架。遍歷線塔關(guān)鍵分隔位置以下點(diǎn)云，若數(shù)據(jù)點(diǎn)在框架內(nèi)部，則記為塔身點(diǎn)，否則記為雜點(diǎn)并予以剔除。如圖5所示，圖5(a)為經(jīng)RANSAC算法擬合得到的空間直線點(diǎn)；圖5(b)為精提取塔身點(diǎn)云數(shù)據(jù)。

圖5 高壓線塔塔身棱線擬合示意圖

2 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)數(shù)據(jù)為2019年9月利用Riegl VUX1無人機(jī)LiDAR系統(tǒng)采集，地點(diǎn)為國網(wǎng)廣西段某超高壓輸電通道，長度為52 km，包含118個(gè)線塔，平均點(diǎn)密度為每190 點(diǎn)/m2。表1為激光雷達(dá)系統(tǒng)與飛行作業(yè)的具體參數(shù)。

表1 數(shù)據(jù)詳細(xì)信息

2.1 實(shí)驗(yàn)結(jié)果

選取研究區(qū)域內(nèi)T型塔、門型塔與O型塔三種典型塔形進(jìn)行實(shí)驗(yàn)，主要參數(shù)設(shè)置包括分割半徑15 m、格網(wǎng)尺寸1 m×1 m×1 m、垂直分層間隔1 m。圖6(a)、圖6(b)和圖6(c)分別為T型、門型和O型塔點(diǎn)云提取過程。其中，①為原始點(diǎn)云；②為利用移動曲面擬合算法進(jìn)行底部濾波后的點(diǎn)云，該方法能夠很好剔除地面點(diǎn)，并將線塔底部點(diǎn)與周圍植被點(diǎn)分離，避免后續(xù)區(qū)域生長時(shí)將植被點(diǎn)生長到線塔點(diǎn)云中；③為經(jīng)過空間格網(wǎng)區(qū)域向下生長的線塔點(diǎn)云，可有效分離線塔與周圍植被點(diǎn)；④為經(jīng)過空間格網(wǎng)區(qū)域向上生長的線塔點(diǎn)云，剔除了塔頭的電力線和絕緣子串等非高壓線塔點(diǎn)；⑤為經(jīng)過RANSAC直線擬合后的線塔點(diǎn)云，剔除了與線塔塔身相連的植被點(diǎn)；⑥為塔頭和塔身整合后的線塔點(diǎn)云。

圖6 高壓線塔提取過程示意圖

2.2 定量分析

通過比較線塔點(diǎn)云數(shù)據(jù)的特征(線塔相對高度H)、粗提取的線塔點(diǎn)云數(shù)目N、經(jīng)過人工分類得到的線塔點(diǎn)云數(shù)目N人、本文自動提取算法得到的線塔點(diǎn)云數(shù)目N塔、除塔自身點(diǎn)以外的其他地物點(diǎn)數(shù)目N非塔和算法效率等指標(biāo)評價(jià)本文算法的性能。同時(shí)為對比不同密度點(diǎn)云數(shù)據(jù)的應(yīng)用效果，選取了另一段線路的T型塔(記為T型塔2)進(jìn)行對比分析，將之前線路的T型塔記為T型塔1，對比結(jié)果如表2所示?？傮w來說，本文方法提取的線塔點(diǎn)云正確率達(dá)到了95%以上，平均每個(gè)塔提取時(shí)間約2 s，完全滿足長距離輸電線路線塔快速提取的應(yīng)用需求。

表2 高壓線塔點(diǎn)云數(shù)據(jù)實(shí)驗(yàn)結(jié)果

2.3 高壓線塔提取結(jié)果比較

與文獻(xiàn)[19]高壓線塔提取結(jié)果對比，文獻(xiàn)[13]提出的方法能從輸電線路中提取出高壓線塔點(diǎn)云數(shù)據(jù)，但仍存在以下問題：①提取高壓線塔主干部分點(diǎn)云時(shí)，直接利用經(jīng)驗(yàn)值判斷高壓線塔主干區(qū)位置，即將高壓線塔下方5 m以及上方5 m之間的點(diǎn)直接判定為主干部分點(diǎn)云(如圖7(a)陰影所示)，但這種方法對于塔頭與塔身之比較大或所處地形起伏較大的高壓線塔(圖7)而言，該范圍并不是線塔主干區(qū)域，因此這種方法具有一定的局限性。②求取每層高壓線塔寬度與其高度之間線性關(guān)系的操作，僅適用于塔身周圍沒有植被干擾的情況；一旦塔身周圍有植被干擾，則在求高壓線塔寬度時(shí)易把植被點(diǎn)云當(dāng)做高壓線塔塔身點(diǎn)云進(jìn)行計(jì)算，極大地影響計(jì)算結(jié)果(圖7(b))。③沒有去除高壓線塔上部電力線、電力懸線及絕緣子串等非高壓線塔點(diǎn)云數(shù)據(jù)(圖7(c))。

圖7 多因素干擾的高壓線塔提取

綜上，本文提出的高壓線塔自動化提取方法能夠有效避免預(yù)設(shè)經(jīng)驗(yàn)值和高壓線塔周圍植被對提取結(jié)果的影響，并可剔除線塔塔頭電力線點(diǎn)云數(shù)據(jù)，得到精細(xì)化提取結(jié)果。

3 結(jié)束語

本文提出了一種高壓線塔自動精細(xì)化提取方法，并通過實(shí)驗(yàn)驗(yàn)證了算法的精度與適用性，為后續(xù)線塔三維數(shù)字重建及輸電線路數(shù)字化管理等提供重要的基礎(chǔ)數(shù)據(jù)。不足之處在于，使用空間格網(wǎng)區(qū)域向上生長算法剔除電力線點(diǎn)云時(shí)，當(dāng)電力線高度與高壓線塔橫擔(dān)高度相等時(shí)，易將該部分電力線點(diǎn)云誤判為高壓線塔點(diǎn)云。此外，復(fù)雜地形區(qū)域的塔腳內(nèi)部噪聲點(diǎn)剔除效果不佳，需進(jìn)一步分析塔腳分界面與線塔結(jié)構(gòu)之間的關(guān)系，建立約束條件來剔除。在后續(xù)研究中仍需對線塔細(xì)節(jié)部分的提取進(jìn)行優(yōu)化，如顧及局部點(diǎn)云結(jié)構(gòu)特征等，進(jìn)一步提高算法的準(zhǔn)確度與穩(wěn)定性。