基于机载LiDAR点云数据的电力线自动提取方法与研究.pdf

8月曹中森（福建永福电力设计股份有限公司，福建 福州 350108）基于机载 LiDAR 点云数据的电力线自动提取方法与研究摘要：机载激光雷达（Light Detection and Ranging，LiDAR）技术作为一种能够在短时间内高效获取地面点云数据的新型测绘技术，目前已经在三维地表模型重建、电力巡检中发挥着重要的作用。为了更加有效地实现电力线测绘，本文设计并实现了基于机载 LiDAR 点云数据的电力线提取与重建方法。首先，通过改进形态学滤波法实现地面点与地物点分割，并通过高差阈值实现电力线点粗提取；其次，对粗提取电力线点进行栅格化处理与拟合残差计算，将计算结果与临界阈值对比实现电力线候选点集的提取；最后，通过双重 K-means 算法以及 RANSAC 算法实现单根电力线的提取与重建。使用福建北电南送特高压交流输变电工程中实测的部分机载 LiDAR 点云数据进行实验，结果表明：本文提出方法对电力线候选点集提取正确率在 98%以上，较传统方法正确率更高，验证了本文电力线提取方法的有效性与优越性。关键词：机载 LiDAR；电力线提取；改进形态学滤波；高差阈值；双重 K-means 算法中图分类号：P225文献标识码：A文章编号：2095-7319（2023）04-0043-05Research on automatic power line extraction methodbased on airborne LiDAR point cloud dataCAO Zhongsen(Fujian Yongfu Electric Power Design Co.,Ltd.,Fuzhou 350108,China)Abstract:Airborne LiDAR(Light Detection and Ranging,LiDAR)technology as a new surveying technology can efficiently obtainground point aloud data in a short period of time,it has played an important role in 3D surface model reconstruction and powerinspection.In order to achieve more effective power line mapping,a power line extraction and reconstruction method based on theairborne LiDAR point cloud data is designed and implemented in this paper.Firstly,the improved morphological filtering method isused to segment ground points and object points,and the coarse extraction of power line points is achieved through height differencethreshold.Secondly,the coarse extracted power line points are rasterized and fitted with residual calculations,and the calculationresults are compared with the critical threshold to achieve the extraction of the power line candidate point set.Finally,the extractionand reconstruction of a single power line are achieved through the dual K-means algorithm and the RANSAC algorithm.Theexperiment was conducted using some airborne LiDAR point cloud data measured in the Fujian North to South UHV AC transmissionand transformation project.The results showed that the accuracy of the proposed method in extracting candidate point sets for powerlines is over 98%,which is higher than traditional methods.This validates the effectiveness and superiority of the proposed powerline extraction method.Key words:airborne LiDAR;power line extraction;improve morphological filtering;height difference threshold;Dual K-meansalgorithm收稿日期:20230508作者简介:曹中森（1981），男，福建连城人，大学本科，工程硕士，高级工程师，注册测绘师，主要从事电力工程测绘技术应用工作。E-mail：曹中森：基于机载 LiDAR 点云数据的电力线自动提取方法与研究0引言为了应对严峻的环境压力以及化石能源的枯竭危机，能源行业正在世界范围内共同推进能源互联网这一新型能源系统，目标以智能电网为骨架，43经纬天地Survey World2023年第4期No.42023综合电、气、热等多种能源形式，大幅提升能源系统对可再生能源的消纳能力1。作为能源物联网骨架的电网规模也在不断扩大。电力线可以将电能从发、变电站输送至各地，因此电力线的定期巡检对于电力系统的高效正常运行具有重要意义。目前，国内外针对电力线巡检的方式主要包括传统人工巡检、无人机巡检、卫星巡检、机器人巡检以及直升机巡检这 5 种方式2-3。随着无人机以及激光雷达技术软硬件设备的发展，基于无人机载 LiDAR 技术的电力线巡检的应用较为广泛，同时，基于无人机载 LiDAR 技术扫描点云数据的电力线提取也成了电力线巡检中的研究热点。目前，基于机载 LiDAR 扫描点云数据的电力线提取仍然存在一些不足，如自动化程度不高、人工工作量大、提取结果精度低等。在基于机载 LiDAR点云的电力线提取方面，刘晓磊等提出一种种子点跟踪算法进行电力线提取4，该算法的缺陷在于需要人工进行种子点选取；时磊等提出一种分段投影聚类方法5，该方法提取电力线精度较高，但是该方法的处理步骤较为复杂；尹辉增等对局部范围内点云的高程直方图分布进行分析6，实现电力线与其他地物的分类，但是该方法容易将电力线点与铁塔点混淆，并且提取效果受区域大小影响较大；叶岚等提出了基于高程阈值的电力线提取方法7，但是该方法对于地势平坦地区的电力线提取效果较好，不适用于地势复杂区域的电力线提取。综上所述，现有的电力线提取方法在提取精度、提取效率上均有较大的提升空间。基于此，本文通过充分分析电力线在机载LiDAR 点云中的分布特征，提出了一种电力线提取方法。该方法主要包括 2 个部分，分别为地物分割以及电力线自动检测。首先，通过改进形态学滤波算法以及基于高差阈值实现电力线点以及少量铁塔点的提取，其次，通过双重 K-means 算法以及RANSAC 算法实现电力线的自动提取与建模。通过实测机载 LiDAR 点云数据对本文提出的电力线提取方法进行检验。1机载 LiDAR 点云电力线自动提取方法1.1电力线提取流程为了更加高效、精确地从机载 LiDAR 点云数据中提取电线点云，首先应分析电力线点云在机载LiDAR 点云数据中的分布特征，主要分布特征包括：1）电力线的高程变化幅度较其他地物的更小；2）相较于其他地物，电力线的高程更大，距离地面点距离更长；3）电力线的水平投影为多条相互平行的直线，在走向上类似抛物线8-9。针对电力线的上述特征，本文提出了一种基于机载 LiDAR 点云的电力线提取方法，技术路线如图 1 所示。1.2地物点去除通常情况下会存在电力线点与其他地物点相重叠的现象，而传统高差阈值分割方法采用整体平均高差进行分割阈值的确定，因此该类方法在针对复杂地形时可能会导致电力线过分割。本文在高差阈值的基础上提出一种新的分割方法，主要步骤为：1）地面点获取。渐进形态学滤波算法能够对点云进行简单高效地处理，受地形条件影响较低，但是该算法在进行点云平面投影时，存在将电力线点投影至地面点格网内的情况，造成电力线点误判。本文在传统渐进形态学滤波算法的基础上引入坡度阈值思想，将格网内最低点作为参考点，计算格网内其他点与参考点之间的坡度，将坡度值小于阈值的点作为地面点。参考点与其他点之间坡度计算式如式（1）所示：式中：（xmin，ymin，zmin）为格网内最低点；（x，y，z）为格网内其他点。2min2minmin)()(yyxxzzslope-+-=（1）图 1电力线提取技术路线448月2）计算各点距地高差。将高程最小地面点作为参考地面点，计算格网内所有点距离参考地面点之间的高差，如果该格网内没有地面点，将该格网最近格网的参考地面点作为该格网参考地面点。3）通过不断迭代确定高差阈值，将高差小于高差阈值的点剔除，包括植被点、房屋点以及大部分铁塔点。计算格网内所有点的距地高差，根据高差平均值 z 将点云划分为 2 个部分，计算 2 个部分的距地高差 z1与 z2，将 z1与 z2的平均值作为新的 z，迭代上述步骤直到 z 收敛即可得到最佳高差阈值，将高于高差阈值的点集作为电力线点所在点集。1.3电力线候选点集自动提取作为单根电力线提取前的重要环节，电力线候选点集的提取直接关系到单根电力线提取的效率与精度。本文在高差阈值分割的基础上提出了一种基于栅格化密度阈值以及拟合残差阈值的电力线候选点集提取算法，主要步骤为：1）确定输入点云的边界值以及分布空间 S0，如（2）所示：=)max()min()max()min()max()min(maxminmaxminmaxminzzzzyyyyxxxx式中：（x，y，z）为输入点云数据任意一点坐标。2）根据输入点云数据的质量与尺度确定栅格化尺度以及分布空间 S0，并将原始点云数据沿 X轴、Z 轴方向划分 mn 个子空间，如式（3）所示：+-=+-=1/)(1/)(minmaxminmaxzxdzzndxxm式中：dx、dz为栅格化尺度；x 为求取不大于该 x 值的最大整数。3）使用 Si，j表示子空间，子空间内点云数量表示为 Ni，j，计算某子空间点云数量 Ni，j与邻域 8 个子空间及该子空间内点云数量总和的比值 pi，j，如式（4）所示：+-=+-=1111,irkjjrrkjijiNNp式中：子空间 Si，j的特征值可以用 Ni，j以及 pi，j进行表示。4）设置阈值 dN以及 dp，若某子空间特征值同时满足 Ni，jdN、pi，jdp，将该子空间定为 1 类子空间，否则为 2 类子空间。此时，2 类子空间内点云为铁塔点云，1 类子空间内点云为电力线点云与更少量的铁塔点云。5）通过抛物线模型以及直线模型的组合对 1类子空间点云进行曲线拟合，计算点的拟合残差，如式（5）所示：22zxvvv+=（5）式中：vx为 X 方向拟合残差分量；vz为 Z 方向拟合残差分量。6）设置临界阈值 dv，通过对比拟合残差与临界阈值 dv的大小对 1 类空间点进行分类，若某点拟合残差满足 vdv，表示该点为铁塔点，否则为电力线候选点，dv的表达式如式（6）所示：dv=mv+lsv（6）式中：mv为拟合残差平均值；l 为标准差系数；sv为拟合残差的标准差。1.4电力线提取结构上，电力线可分为分裂导线与单根导线，空间特征上，各电力线相互平行。本文根据电力线的空间分布特征，引入双重 K-means 算法10进行电力线自动提取，该算法实现电力线提取的主要步骤为：1）通过直线与抛物线组合模型对电力线候选点进行拟合并计算出拟合残差值 v；2）使用 K-means 算法对电力线候选点拟合残差进行聚类，算法参数包括种子点间距 D 以及聚类数目 K 等；3）随机选择 K 个种子点并进行迭代，当种子点集合不再发生变化时即可实现单根电力线点云的提取。对提取得到的单根电力线点云使用 RANSAC算法进行矢量化处理，该算法使用随机选取数据进行模型拟合参数的初选取，通过反复迭代获取最优模型拟合参数。2实验与结果分析2.1实验数据为了对本文所提电力线提取方法的有效性进行检验，选择福建北电南送特高压交流输变电工程中实测的部分机载 LiDAR 点云数据作为实验数据（2）（3）（4）曹中森：基于机载 LiDAR 点云数据的电力线自动提取方法与研究45经纬天地Survey World2023年第4期No.42023进行相关实验，工程主要使用 Eclipse 机载 LiDAR扫描系统进行扫描工作。本文实验数据共包括 6个铁塔、28 根电力线，如图 2 所示。2.2实验结果与分析首先使用高程阈值分割法进行电力线粗提取，算法中涉及的参数包括坡度阈值、高差阈值，通过实验以及迭代计算将坡度阈值设置为 1，高差阈值为 24.8 m。基于高程阈值分割算法的电力线点以及少量铁塔点提取结果如图 3 所示。可以看到，原始点云中的植被点、建筑物点以及大部分铁塔点被滤除，没有出现电力线过分割的情况。将提取的电力线与少部分铁塔点云作为输入数据，使用基于栅格化密度阈值与拟合残差阈值方法进行电力线候选点云的自动提取，综合考虑该实验数据的特征，将栅格化密度阈值算法中的栅格化尺度 dx与 dz均取 5 m；拟合残差阈值算法中的临界阈值 dN、dp分别取 280 以及 0.4、标准差系数 l 取2.3，最终提取的电力线候选点集结果如图 4 所示。为了定量分析本文算法提取电力线提取精度，将本文方法电力线候选点集结果与传统方法电力线候选点集提取结果进行对比，其中将人工提取电力线候选点集作为正确结果，2 种方法提取结果统计如表 1 所示。通过表 1 可知：本文提出的电力线提取结果较传统电力线提取结果的正确率更高，达到了 98%以上，同时可以看到 2 种方法提取电力线点云数均大于人工提取点云数，原因在于电力线附近存在与电力线点云空间分布特征相似的噪声点，在后续使用双重 K-means 算法进行电力线点云聚类时将该类噪声点剔除。将提取电力线候选点集作为输入数据，使用双重 K-means 进行电力线提取，并使用 RANSAC 算法进行矢量化处理，处理结果如图 5 所示。可以看到，使用双重 K-means 算法以及 RANSAC 算法能够准确进行单根电力线的提取与重建。实验结果验证了本文提出电力线提取与重建的可行性，具有较高的正确性。3结语本文根据机载 LiDAR 点云中电力线点云数据的空间分布特征，提出并实现了一整套电力线提取方法。该方法实现电力线提取的流程主要有：首先，使用高差阈值算法实现电力线点以及部分铁塔点的粗提取，该算法克服了传统方法在提取电力线点时将地物点误分为电力线点的不足；其次，基于栅格化密度阈值以及拟合残差阈值的算法提取得到电力线候选点集。方法传统方法本文方法原始点云数/个3 212 116人工提取点云数/个61 436提取点云数/个63 63862 075正确率/（%）96.5498.97图 4电力线候选点集最终提取结果图 2原始点云数据图 3高差阈值分割提取结果图 5电力线提取与矢量化结果表 1电力线提取结果表（下转第81页）468月统 1500、11000 大比例尺地形图数据实体化改造中成功进行了实践，同时也为解决类似的数据转换问题提供了一定的参考价值。参考文献：1张悦丽,王海银,张立涛.Microstation DGN到MAPGIS数据转换的研究与应用C.山东省“数字国土”学术交流会论文集,2007:215-217.2邵春丽,黄承义,李志刚.基于FME实现Microstation DGN到MapGIS SUV的数据转换与应用J.测绘通报,2009(4):1-3.3王晓烨,陈立桢,王新来,等.用 FME 实现 DWG 数据到SHP数据的转换J.科技信息,2011(16):357-358.4张国强.一种基于Microstation的地形图入库与数据转换方法J.测绘技术装备,2021,23(4):102-105.5李文博,张伟鹏.基于FME Server的地形图数据在线转换研究J.城市勘测,2020(6):28-31.图 5转换日志高文静，李文博，王璐：Microstation DGN 与 GIS 空间数据有向点转换技术研究最后，使用双重 K-means 算法实现单根电力线的提取并根据 RANSAC 算法对提取结果进行矢量化处理。通过实测机载 LiDAR 点云数据对本文提出方法进行检验，实验结果表明：本文方法较传统方法提取电力线结果正确性更高，在实际项目工程中的应用价值高。参考文献：1Yonghua Song,Jin Lina,Ming Tangb,Shufeng Dong.AnInternet of Energy Things Based on Wireless LPWANJ.Engineering 2017,3(4):460-466.2王杰栋,张良.基于线性体素分割的机载LiDAR点云数据电力线提取J.测绘与空间地理信息,2021,44(7):38-42.3李德友,李彩林,李祥坤,等.激光雷达点云电力线自动提取算法J.测绘通报,2021(6):33-38.4刘晓磊,郑顺义,许磊.基于LiDAR点云数据的电力线自动提取算法研究J.测绘地理信息,2017,42(4):13-16.5时磊,虢韬,彭赤,等.电力线激光点云的分割及安全检测研究J.激光技术,2019,43(3):341-346.6尹辉增,孙轩,聂振钢.基于机载激光点云数据的电力线自动提取算法J.地理与地理信息科学,2012,28(2):31-34,2.7叶岚,刘倩,胡庆武.基于LiDAR点云数据的电力线提取和拟合方法研究J.测绘与空间地理信息,2010,33(5):30-34.8王果,王强,徐棒,等.机载激光雷达电力线提取的布料模拟法J.激光技术,2022,46(1):134-138.9程宇航,白征东,辛浩浩,等.机载激光点云中电力线的自动提取与重建J.测绘工程,2021,30(5):58-63.10 麻卫峰,王金亮,王成,等.一种基于机载LiDAR点云电力线自动提取方法J.测绘科学技术学报,2019,36(1):39-44.（上接第46页）81