基于多時(shí)相點(diǎn)云數(shù)據(jù)的輸電走廊地物變化檢測(cè)

胡 偉，王和平，劉成強(qiáng)，馬春田，田茂杰，王 寧，李致東

(國(guó)網(wǎng)通用航空有限公司，北京 102209)

隨著人類社會(huì)的發(fā)展和電力行業(yè)的不斷擴(kuò)大，電力工程已成為一項(xiàng)促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展的工程。輸電線路作為電力電網(wǎng)運(yùn)行的基礎(chǔ)，其安全性直接關(guān)系到整個(gè)電網(wǎng)運(yùn)行的命脈，故輸電線路走廊的合理設(shè)置非常重要。考慮到我國(guó)幅員遼闊，地形地貌多樣化，地物變化速度快，因此對(duì)地物變化的檢測(cè)及預(yù)測(cè)可為輸電走廊的合理設(shè)置提供參考。目前，地物變化檢測(cè)方法主要有植被變化追蹤(vegetation change tracker,VCT)算法和多特征融合變化檢測(cè)方法，如胡圣元等[1]基于VCT算法和時(shí)間序列Landsat 8 OLI數(shù)據(jù)，實(shí)現(xiàn)了對(duì)森林突發(fā)性變化和時(shí)間序列趨勢(shì)變化的檢測(cè)；徐俊峰等[2]基于多特征融合，借助高分辨率遙感影像飛機(jī)，實(shí)現(xiàn)了用飛機(jī)檢測(cè)地物變化。上述檢測(cè)方法雖可實(shí)現(xiàn)地物變化檢測(cè)，但由于輸電走廊容易受人類活動(dòng)影響，且多特征融合變化檢測(cè)方法難以檢測(cè)微小的特征變化，故本文根據(jù)輸電走廊特點(diǎn)，基于多時(shí)相點(diǎn)云數(shù)據(jù)，提出基于改進(jìn)迭代最近點(diǎn)(iterative closest point,ICP)算法的三維地表變化檢測(cè)策略，以提高輸電走廊地物變化檢測(cè)的準(zhǔn)確率。

1 ICP算法改進(jìn)

ICP算法是一種可快速精確處理二維、三維形狀配準(zhǔn)問題的算法，具有可靠性高、魯棒性佳等特點(diǎn)。ICP算法的原理是基于點(diǎn)間距離最近和點(diǎn)面距離最近的原則，尋求不同點(diǎn)集的最佳空間匹配關(guān)系，以求解點(diǎn)集之間的空間旋轉(zhuǎn)和平移關(guān)系[3]。采用ICP算法匹配兩個(gè)時(shí)相點(diǎn)集的核心是利用最小二乘法，實(shí)現(xiàn)對(duì)三維相似變化的計(jì)算[4-5]。由于最小二乘法計(jì)算時(shí)不具備最優(yōu)的估算特性，加之在數(shù)據(jù)處理過程中，數(shù)據(jù)的剔除處理會(huì)產(chǎn)生一定的誤差，最終導(dǎo)致計(jì)算結(jié)果存在一定誤差[6-7]。因此，為使基于多時(shí)相點(diǎn)云數(shù)據(jù)的輸電走廊地物變化檢測(cè)結(jié)果更為精確，基于穩(wěn)健估計(jì)方式，對(duì)ICP算法進(jìn)行改進(jìn)，以抑制因?yàn)榇植顚?dǎo)致的最終匹配結(jié)果誤差。

理論上，M估計(jì)屬于極大似然估計(jì)類的估值，其表達(dá)式為：

∑ρ(vi)=min

(1)

式中：vi為殘差；ρ(vi)為代價(jià)函數(shù)。

本文中M估計(jì)用∑ρ(vi)替代傳統(tǒng)最小二乘法中的殘差平方和。因此，對(duì)式(1)求導(dǎo)，得：

(2)

式中：x為訓(xùn)練樣本屬性。

∑wiviai=0

(3)

通過上述變換，M估計(jì)則轉(zhuǎn)化為選權(quán)迭代的最小二乘估計(jì)。同時(shí)，Huber權(quán)函數(shù)修正為：

(4)

式中：c為調(diào)節(jié)因子，一般取值為1.345。

每次迭代時(shí)，通過式(4)對(duì)權(quán)重進(jìn)行修正，由此逐步減少傳統(tǒng)M估計(jì)中粗差的權(quán)重，進(jìn)而減少粗差對(duì)結(jié)果的影響。

2 基于改進(jìn)ICP算法的輸電走廊地物變化檢測(cè)

2.1 不規(guī)則三角網(wǎng)構(gòu)建

基于不規(guī)則三角網(wǎng)(triangulated irregular network，TIN)的三維建模是實(shí)現(xiàn)地表智能檢測(cè)的基礎(chǔ)，因此首先進(jìn)行TIN的構(gòu)建[8]。考慮到實(shí)際地形復(fù)雜，激光點(diǎn)云受間距限制，容易出現(xiàn)對(duì)地形表達(dá)失真的現(xiàn)象，本文采用可提高精細(xì)度的特征線對(duì)TIN進(jìn)行約束，并在約束條件下進(jìn)行TIN構(gòu)建。為簡(jiǎn)化特征線在三角網(wǎng)中的處理方法，以密集點(diǎn)替代特征線，具體如圖1所示。采用Delaunay三角網(wǎng)快速構(gòu)建方法構(gòu)建TIN[9]，具體如圖2所示。TIN構(gòu)建步驟如下：

圖1 基于密集點(diǎn)的特征線

圖2 基于特征線的TIN構(gòu)建

1)根據(jù)最大范圍和最小范圍分別構(gòu)建一個(gè)三角形，并將插入點(diǎn)置于其中一個(gè)三角形內(nèi)，按照Delaunay法則進(jìn)行分裂，得到3個(gè)新三角形[9]。

2)調(diào)整三角網(wǎng)中每個(gè)三角形的鄰邊關(guān)系，并以原三角形某邊為基礎(chǔ)，將其中一個(gè)三角形作為新插入點(diǎn)，形成三角形頂點(diǎn)。

3)判斷新插入點(diǎn)是否落入鄰邊三角形外接圓，若是則對(duì)這兩個(gè)三角形進(jìn)行重構(gòu)。

2.2 檢測(cè)流程

完成TIN構(gòu)建后，基于改進(jìn)ICP算法對(duì)輸電走廊地物變化進(jìn)行檢測(cè)。具體流程為：

1)根據(jù)正向檢測(cè)原則，依次設(shè)置前時(shí)相點(diǎn)云為檢測(cè)點(diǎn)云，后時(shí)相點(diǎn)云為目標(biāo)點(diǎn)云，并以檢測(cè)點(diǎn)云為基準(zhǔn)。

2)對(duì)連接線的航帶平差計(jì)算，并基于特征屬性的多層次濾波依次對(duì)檢測(cè)點(diǎn)云、目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行處理。

3)對(duì)全部點(diǎn)云數(shù)據(jù)進(jìn)行分類，并對(duì)分類后的點(diǎn)云數(shù)據(jù)進(jìn)行坡度熵抽稀，以此得到不同點(diǎn)云數(shù)據(jù)的抽稀率。

4)將檢測(cè)點(diǎn)云、目標(biāo)點(diǎn)云數(shù)據(jù)進(jìn)行TIN數(shù)據(jù)結(jié)構(gòu)設(shè)計(jì)，并進(jìn)行抽稀后的地面點(diǎn)云數(shù)據(jù)構(gòu)網(wǎng)差值計(jì)算，精細(xì)化計(jì)算結(jié)果。

5)根據(jù)計(jì)算結(jié)果進(jìn)行輸電走廊地物變化檢測(cè)精度分析及評(píng)價(jià)。

3 試驗(yàn)驗(yàn)證

3.1 數(shù)據(jù)來源及處理

本文仿真實(shí)驗(yàn)選取河北省某市實(shí)驗(yàn)區(qū)域2015年8月和2019年8月機(jī)載激光雷達(dá)數(shù)據(jù)，并以2015年8月數(shù)據(jù)作為前向點(diǎn)云數(shù)據(jù)，2019年8月數(shù)據(jù)作為后向點(diǎn)云數(shù)據(jù)?？紤]到獲取的原始點(diǎn)云數(shù)據(jù)復(fù)雜、數(shù)據(jù)量大的問題，故對(duì)獲取的數(shù)據(jù)依次進(jìn)行連接線的航帶平差計(jì)算、基于特征屬性的多層次濾波、坡度墑的關(guān)鍵點(diǎn)抽稀處理。

3.1.1基于連接線的航帶平差計(jì)算

基于連接線的航帶平差計(jì)算方法為，以地表和建筑物表面為基礎(chǔ)，首先定義連接線類型和屬性，計(jì)算重疊航帶內(nèi)相同區(qū)域的連接線的航帶平差，建立航帶點(diǎn)云數(shù)據(jù)間偏移關(guān)系；然后根據(jù)分類策略對(duì)航帶進(jìn)行分類，生成連接線并采用最小二乘法計(jì)算系統(tǒng)偏移值；最后判斷偏移值精度是否滿足條件，若滿足則輸出結(jié)果。

3.1.2基于特征屬性的多層次濾波

考慮到機(jī)載激光雷達(dá)數(shù)據(jù)具有高密度和離散型等特點(diǎn)，點(diǎn)云會(huì)表現(xiàn)出不同高程屬性，因此可根據(jù)高程值大小判斷地面點(diǎn)與非地面點(diǎn)。為準(zhǔn)確區(qū)分地面點(diǎn)與非地面點(diǎn)，基于特征屬性，采用多層次濾波對(duì)獲取的點(diǎn)云數(shù)據(jù)進(jìn)行預(yù)處理。

3.1.3基于坡度墑的關(guān)鍵點(diǎn)抽稀

自然界中，地形地貌十分復(fù)雜，通常存在一定坡度，這些坡度對(duì)輸電走廊地物檢測(cè)結(jié)果存在一定程度的影響。因此，為使檢測(cè)結(jié)果與實(shí)際相符，基于地形坡度，提出采用坡度熵對(duì)地形進(jìn)行描述。假設(shè)a為沒有坡度的平坦地形，b為坡度變化規(guī)則的簡(jiǎn)單地形，c為坡度變化無任何規(guī)律的復(fù)雜地形，如圖3所示。

圖3 不同坡度的地表類型

定義坡度熵為H(s)：

(5)

(6)

式中：si為第i個(gè)坡度面的坡度值；n為實(shí)際計(jì)算使用到的坡面數(shù)。H(s)值大，表示地形相對(duì)平緩；H(s)值小，表示地形變化劇烈。

由于獲取的激光雷達(dá)點(diǎn)云數(shù)據(jù)量龐大，為提高運(yùn)算效率，基于坡度熵對(duì)時(shí)相點(diǎn)云進(jìn)行抽稀處理。具體抽稀方法如下：

1)讀取TIN模型三角網(wǎng)中第一個(gè)頂點(diǎn)，并根據(jù)空間屬性查找其相鄰三角形。

2)根據(jù)網(wǎng)格劃分原則，讀取第一個(gè)網(wǎng)格中的第一個(gè)三角網(wǎng)數(shù)據(jù)，并根據(jù)拓?fù)潢P(guān)系和空間屬性找到與第一個(gè)三角形鄰邊的三角形。

3)依次計(jì)算與中心頂點(diǎn)相鄰的全部三角面坡度，并以塊文件為基礎(chǔ)，計(jì)算塊中局部地形的坡度墑。

4)遍歷所有數(shù)據(jù)塊，計(jì)算坡度墑。

5)根據(jù)預(yù)設(shè)熵閾值，保留熵閾值內(nèi)數(shù)據(jù)點(diǎn)，剔除熵閾值外數(shù)據(jù)點(diǎn)。

3.2 結(jié)果與分析

3.2.1數(shù)據(jù)處理結(jié)果

采用連接線的航帶平差計(jì)算等方法對(duì)獲取的原始點(diǎn)云數(shù)據(jù)進(jìn)行處理，得到圖4所示的預(yù)處理后的結(jié)果。

圖4 基于坡度墑的關(guān)鍵點(diǎn)抽稀結(jié)果

3.2.2實(shí)例驗(yàn)證

采用布爾運(yùn)算方法對(duì)以上多時(shí)相點(diǎn)云數(shù)據(jù)的輸電走廊地物變化檢測(cè)模型進(jìn)行計(jì)算，得到如圖5所示的A2區(qū)域變化結(jié)果。由圖5可知，從2013年到2019年A2區(qū)域的輸電走廊地物發(fā)生了較大的變化；相較于2013年地表，2019年地表測(cè)量區(qū)域明顯存在下陷變化。

圖5 A2區(qū)域不同時(shí)相點(diǎn)云分析

4 結(jié)束語

本文通過獲取多時(shí)相點(diǎn)云數(shù)據(jù)，開展了輸電走廊地物的檢測(cè)，并提出一種適應(yīng)性強(qiáng)、檢測(cè)精度高的基于改進(jìn)ICP算法的三維地表變化檢測(cè)方法。該檢測(cè)方法利用改進(jìn)ICP算法對(duì)形變前后點(diǎn)云進(jìn)行配準(zhǔn)，精確檢測(cè)輸電走廊地物的變化情況。基于多時(shí)相點(diǎn)云數(shù)據(jù)的智能檢測(cè)方法是未來城市智能變化檢測(cè)的一個(gè)新方向，本文僅實(shí)現(xiàn)了輸電走廊地物變化的檢測(cè)，對(duì)基于多時(shí)相點(diǎn)云數(shù)據(jù)的特征自動(dòng)檢測(cè)及提取技術(shù)沒有進(jìn)行研究，未來將開展以上技術(shù)的研究工作，以更好實(shí)現(xiàn)地物檢測(cè)。