CN109829199A - 基于LiDAR点云的电力线快速分层提取方法 - Google Patents

Abstract

本发明提出一种基于LiDAR点云的电力线快速分层提取方法，包括以二维格网为单位对输电线走廊点云进行局部高程分布分析，对电力线点云进行粗提取；利用RANSAC抛物线拟合算法对电力线点云进行分层提取；利用RANSAC直线拟合算法对电力线点云进行精提取，将分层提取得到的每层电力线点云数据投影到XOY平面上并使用RANSAC直线拟合算法提取水平排列的单根电力线点云；利用电力线直线和抛物线模型进行模型生长，获取完整的电力线点云；根据电力线的层数和每层电力线的根数获取电力线的排列方式。本发明具有全自动、参数设置简单、对电力线不同排列方式适应性好，提取精度高等优点，可以有效提高机载激光雷达的输电线路巡检的效率和精度。

Description

基于LiDAR点云的电力线快速分层提取方法

技术领域

本发明涉及对地观测领域，具体涉及一种基于LiDAR点云的电力线快速 分层提取方法。

背景技术

电网是高效快捷的能源输送通道和优化配置平台，在我国的能源供应体 系中发挥着举足轻重的作用，电网安全对我国的能源安全至关重要。随着电 网规模的不断扩大、复杂程度的不断提高，对输电线路安全和可靠性进行保 障的工作量和难度也不断增加，当前电网运行管理部门迫切需求一种高效、 科学、快速、低成本的输电线路巡检方式。机载激光雷达测量***是一种集 合了激光雷达测距***(Light Detection and Ranging,LiDAR)能够快速获 取具有较高密度且可以精确描述地面物体三维空间信息的激光点云数据。近 年来，机载激光雷达测量技术由于其精度高、成本低、适用性广，可以快速 获取输电线路的三维空间信息，实现输电线路安全状况的精确定量分析，在 电力巡检中得到了广泛应用。现有的电力线提取算法多数使用了二维投影提 取直线的方法，包括Hough变换、RANSAC直线拟合等，未考虑电力线垂直排 列方式的影响，对于多层排列的电力线提取效果不佳。

发明内容

本发明的目的在于提供一种基于LiDAR点云的电力线快速分层提取方法， 提高电力线提取效率。

为实现上述目的，本发明采用以下技术方案：

基于LiDAR点云的电力线快速分层提取方法，包括以下步骤：

S1、以二维格网为单位对输电线走廊点云进行局部高程分布分析，对电 力线点云进行粗提取；

S2、利用RANSAC抛物线拟合算法对电力线点云进行分层提取；

S3、利用RANSAC直线拟合算法对电力线点云进行精提取，将分层提取得 到的每层电力线点云数据投影到XOY平面上并使用RANSAC直线拟合算法提取 水平排列的单根电力线点云；

S4、利用电力线直线和抛物线模型进行模型生长，获取完整的电力线点 云；

S5、根据电力线的层数和每层电力线的根数获取电力线的排列方式。

优选地，步骤S1包括：

S11、裁去单档输电走廊两端各占档距5％的塔杆的点云数据；

S12、对输电走廊点云数据进行二维格网化划分；确定格网大小；计算输 电走廊点云数据X和Y坐标的最值；计算格网的数量及确定每个点云所在的 格网编号；记录每个点云所在的格网，完成二维格网的构建；

S13、对输电走廊点云数据进行高程分布统计并确定分隔层，计算格网中 最低点到最高点高程的差值，设置距离阈值，剔除差值小于距离阈值的格网； 对差值大于阈值的格网，将其中所有点云数据从最低点按照间隔高度统计出 每个间隔层的点云数量，将相邻没有点云数据的间隔层合并；最后，设置分 隔层高度阈值，将高程最低且高度大于分隔层高度阈值的间隔层作为分隔层；

S14、根据每个格网中识别出的分隔层的高程，剔除地表点，得到粗提取 的电力线点云。

优选地，步骤S2包括：

S21、将粗提取后的电力线点云投影到平行于电力线走向的竖直平面内；

S22、使用PCA算法计算粗提取获得的电力线点云的主方向，根据主方向 对电力线点云进行坐标变换，使得电力线走向与X轴方向平行，再将电力线 点云投影到XOZ平面上；

S23、对粗提取的电力线点云进行二维格网化和格网归并，计算点云数据 X和Z坐标的最值；计算出格网的数量以及每个点云所在的格网编号；将存在 点云的格网赋值为1，不存在点云的格网赋值为0；设置格网归并阈值，逐列 对Z方向间距小于格网归并阈值的格网进行归并，将电力线上下格网归并阈 值范围内Z方向中心格网赋值为1，其余格网赋值为0；

S24、基于二维格网生成坐标数据并对其进行RANSAC抛物线提取；将所 有赋值为1的格网的坐标编号记录，获得一组二维坐标数据，对所述坐标数 据进行RANSAC抛物线提取；

S25、根据抛物线模型上各点的格网坐标，在原始格网中，提取出的网格 上下方格网归并阈值范围内搜索赋值为1的网格，提取网格中的抛物线原始 点云，得到分层之后的电力线点云。

优选地，步骤S24具体包括：

S241、在候选点中随机选择三个点作为局内点，建立抛物线模型 y＝a_iterationx²+b_iterationx+c，(iteration＝0，1，2...k)，iteration为已进行的 迭代次数，k为计算最优模型要迭代的次数阈值；

S242、计算其它所有网格到该抛物线模型的距离，根据电力线线路规格， 设置点到抛物线模型距离阈值，若计算出的距离满足所述点到抛物线模型距 离阈值要求，则把此点也当作局内点；

S243、根据输电线路走廊点云密度，设置电力线最小点数阈值，如果局 内点个数满足最小点数阈值，则采用最小二乘拟合算法评估该模型，计算中 误差；

S244、重复迭代S241-243步骤k次，得到满足精度条件且局内点数最多 的模型作为最优模型，将最优模型上的点从候选点中提取出来并记录；

S243、根据输电线路走廊点云密度，设置电力线最小点数阈值，如果局 内点个数满足最小点数阈值，则采用最小二乘拟合算法评估该模型，计算中 误差；

S244、重复迭代S241-243步骤k次，得到满足精度条件且局内点数最多 的模型作为最优模型，将最优模型上的点从候选点中提取出来并记录；

S245、需重复迭代步骤示S241-S244，直至迭代次数达到次数阈值上限或 检测不出符合最优模型的点云数据，迭代终止。

优选地，步骤S3包括:

S31、在所有候选点中随机选择两个点作为局内点，建立直线模型 y＝a_iterationx+b_iteration，(iteration＝0，1，2...k)，iteration为已进行的迭代 次数，k为计算最优模型要迭代的次数阈值；

S32、计算中其它所有网格到该直线模型的距离，根据电力线线路规格， 设置点到直线模型距离阈值，若计算出的距离满足点到直线模型距离阈值要 求，则此点也作为局内点；

S33、根据输电线路走廊点云密度，设置单根电力线最小点数阈值，如果 局内点个数满足最小点数阈值，则采用最小二乘拟合算法评估该模型，计算 中误差；

S34、重复迭代S31-S33步骤k次，得到满足精度条件且局内点数最多的 直线模型作为最优模型，将最优模型直线模型上的点从候选点中提取出来并 记录；

S35、重复迭代步骤S31-S34，直至迭代次数达到次数阈值上限或检测不 出符合最优模型的点云数据，迭代终止。

优选地，所述步骤S4，基于精提取电力线点云建立直线和抛物线三维模 型，分别计算原始输电走廊点云数据与每条电力线直线模型和抛物线模型的 距离，同时满足点到抛物线模型距离阈值和点到直线模型距离阈值要求的输 电走廊点云为此电力线点云上的点；通过电力线模型生长，可以获取完整的 每根电力线的点云数据，补全点云裁剪和粗提取造成的电力线点云残缺。

优选地，所述步骤S5，根据提取出的电力线层数和每层电力线的根数， 获得电力线的大致排列方式，并识别避雷线及导线。

本发明基于机载激光雷达测量***采集的单档电力走廊点云数据，提出 了一种使用RANSAC抛物线拟合方法和RANSAC直线拟合方法的全自动电力线 分层提取方法，实现电力线点云的自动提取。该方法参数设置简单，适用于 不同的电力线排列方式，并且在提取电力线点云同时可以获取电力线的排列 信息，具有很高的实用价值。

附图说明

图1为本发明技术路线流程图；

图2为本发明格网归并示意图；

图3为本发明电力线分层结果示意图；

图4为本发明电力线提取结果示意图。

图5为本发明常见架空输电线路导线排列方式。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及 实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施 例仅仅用以解释本发明，并不用于限定本发明。

实施例

参考图1所示，本发明公开了一种基于LiDAR点云的电力线快速分层提 取方法，包括以下步骤：

S1、以二维格网为单位对输电线走廊点云进行局部高程分布分析，对电 力线点云进行粗提取。

S11、为了适应不同的线路规格，裁去单档输电走廊两端各占档距5％的 塔杆点云数据；

在进行电力线点云粗提取之前，为了避免杆塔点的影响，首先裁去单档 电力走廊两端各占档距5％的杆塔点云数据。剩余的点云可以分为两大类：1、 地表点，即地面、植被、建筑物、道路等混合点；2、噪声点，电力线点混合 点云。根据电网相关安全规定，电力线与地面之间需要保留一定的安全距离， 通过局部点云数据高程分析的方法可以识别此段安全距离并以此来分割地表 点和噪声点。

S12、对输电走廊点云数据进行二维格网化划分。设置格网大小时，需要 充分考虑输电线路的规格和点云密度的影响，设置的格网太大将会增加局部 数据在高程空间上的连续性，导致过多的电力线点地表被误认为是杂点而剔 除，一般格网的大小设置为2-4m。计算输电走廊点云数据X和Y坐标的最值 x_max，x_min，y_max，y_min，从而可以计算出格网的数量 以及每个点所在的格网编号记录每个点所在的格网，完 成二维格网的构建。

S13、对输电走廊点云数据进行高程分布统计并确定分隔层。以电力线弧 垂最低点到地面的距离的近似值作为阈值，差值小于阈值的格网只包含地面 点和植被点，不存在电力线点，予以剔除；差值大于阈值的格网，对其中所 有点云数据从最低点按照0.8～1.5m的间隔高度统计每个间隔层的点云数量， 若间隔过大易导致统计不完全，若间隔过小，则影响计算速度，随后将相邻 没有点云数据的间隔层合并，最后，设置电网运行规范中规定的净空高度值 为分隔层高度阈值，将高程最低且高度大于分隔层高度阈值的间隔层作为分 隔层。为了更好的统计每个格网中分隔层，步长设置尽可能要小，一般为0.3m 左右。

S14、根据每个格网中识别出的分隔层的高程，剔除地表点，得到粗提取 的电力线点云。根据输电走廊点云数据的空间分布特征，利用每个格网中识 别出的分隔层的高程，可以将绝大部分地表点剔除，得到粗提取的电力线点 云。此时，电力线点云中还会包含一些高层植被点等噪声，主要位于电力线 正下方；并且由于地表水面、深坑等造成的地面点云空洞以及到电力线点距 离小于阈值的危险点、噪声点的影响，电力线会存在残缺。

S2、利用RANSAC抛物线拟合算法对电力线点云进行分层提取。

通过将电力线向平行于电力线走向的竖直平面内投影，处于同一层的电 力线点云会在一个小范围内重合，利用此特征可以实现电力线的分层提取。

S21、将粗提取后的电力线点云投影到平行于电力线走向的竖直平面内。

S22、使用PCA算法计算粗提取获得的电力线点云的主方向，根据主方 向对电力线点云进行坐标变换，使得电力线走向与X轴方向平行。再将电力 线点云投影到XOZ平面上，如图4所示，电力线呈现出明显的分层特征。

S23、对粗提取的电力线点云进行二维格网化和格网归并。对于投影后的 电力线点云进行格网化处理，计算点云数据X和Z坐标的最值 x_max，x_min，z_max，z_min，从而可以计算出格网的数量 以及每个点所在的格网编号 将存在点的格网赋值为1，不 存在点的格网赋值为0。设置电力线投影高度为格网归并阈值，取值约 0.5～1.5m。由于气温、大风、线路走向等原因，投影后的同一层电力线并不会 完全重合，而是存在一个远远小于层间距的偏差。利用这一特点，可以逐列 对Z方向间距小于网格归并阈值的格网进行归并，将电力线上下网格归并阈 值范围内Z方向中心格网赋值为1，其余格网赋值为0。完成所有层的格网归 并后，电力线呈现出明显的抛物线形态，如图2所示。

S24、基于二维格网生成坐标数据并对其进行RANSAC抛物线提取。将 所有值为1的网格的坐标编号记录下来，获得一组二维坐标数据，对此数据 进行RANSAC抛物线提取。

步骤如下：

S241、在所有候选点中随机选择三个点作为局内点，建立抛物线模型 y＝a_iterationx²+b_iterationx+c，(iteration＝0，1，2...k)，iteration为已进行的 迭代次数，k为计算最优模型要迭代的次数阈值，为避免出现死循环，通常设 置为500～1000次；

S242、计算其它所有网格到该抛物线模型的距离，根据电力线线路规格， 设置点到抛物线模型距离阈值为0.5-1.5m，若计算出的距离满足点到抛物线模 型距离阈值要求，则把此点也当作局内点；

S243、根据输电线路走廊点云密度，设置电力线最小点数阈值，通常为 100～200个点，如果局内点个数满足阈值，则该模型就足够合理，采用最小二 乘拟合算法评估该模型，计算中误差；

S244、重复迭代S241-243步骤k次，得到满足精度条件且局内点数最多 的模型作为最优模型，符合该模型的所有局内点都为此模型上的点，将此模 型上的点从候选点中提取出来并记录；

S245、由于电力线有多层，需重复迭代步骤S241-S244，直至迭代次数达 到次数阈值上限或检测不出符合最优模型的点云数据，迭代终止。

S25、提取出的抛物线上的点均为网格坐标，此时需要使用最初生成的格 网，通过在提取出的网格上下方格网归并阈值搜索值为1的网格，提取网格 中的原始点云，得到分层之后的电力线点，分层结果如图4所示。

S3、利用RANSAC直线拟合算法对电力线点云进行精提取。

分层获得的电力线点云中，可能包含多条水平排列的电力线点云，此时， 通过将每层电力线分别投影到XOY平面上，使用RANSAC直线拟合方法， 可以快速实现单根电力线的提取。具体步骤如下：

S31、在所有候选点中随机选择两个点作为局内点，建立直线模型 y＝a_iterationx+b_iteration，(iteration＝0，1，2...k)，iteration为已进行的迭代次 数，k为计算最优模型要迭代的次数阈值，通常设置为500-1000次，避免出 现死循环；

S32、计算中其它所有网格到该直线模型的距离，根据电力线线路规格， 设置点到直线模型距离阈值为0.5-1.5m，若计算出的距离满足点到直线模型距 离阈值要求，则此点也作为局内点；

S33、根据输电线路走廊点云密度，设置单根电力线最小点数阈值，通常 为50～200个点，如果局内点个数满足最小点数阈值，则采用最小二乘拟合算 法评估该模型，计算中误差；

重复迭代S31-S33步骤k次，得到满足精度条件且局内点数最多的直线模 型作为最优模型，符合该直线模型的所有局内点都为此模型上的点，将此直 线模型上的点从候选点中提取出来并记录；由于每层可能有多条电力线，需 重复迭代步骤S31-S34，直至迭代次数达到次数阈值上限或检测不出符合最优 模型的点云数据，迭代终止。

S4、利用电力线直线和抛物线模型进行模型生长，获取完整的电力线点 云。参考图5所示，基于上述步骤获取的单根电力线点云数据分别建立直线 和抛物线数学模型，如公式：

针对原始输电走廊点云数据，分别计算其与每条电力线直线和抛物线的 距离，，同时满足点到抛物线模型距离阈值和点到直线模型距离阈值要求的输 电走廊点云为此电力线点云上的点。通过电力线模型生长，可以获取完整的 每根电力线的点云数据，补全点云裁剪和粗提取造成的电力线点云残缺。

S5、根据电力线的层数和每层电力线的根数获取电力线的排列方式。如 图5所示，根据记录的每一档提取出的层数和每层电力线的根数，可以电力 线的大致排列方式。由于避雷线一般要远远细于导线，通过对电力线点云密 度的判断，可以识别出点云中的避雷线和导线。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不 局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可 轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明 的保护范围应该以权利要求的保护范围为准。

Claims (7)

1.基于LiDAR点云的电力线快速分层提取方法，其特征在于，包括以下步骤：

S1、以二维格网为单位对输电线走廊点云进行局部高程分布分析，对电力线点云进行粗提取；

S2、利用RANSAC抛物线拟合算法对电力线点云进行分层提取；

S3、利用RANSAC直线拟合算法对电力线点云进行精提取，将分层提取得到的每层电力线点云数据投影到XOY平面上并使用RANSAC直线拟合算法提取水平排列的单根电力线点云；

S4、利用电力线直线和抛物线模型进行模型生长，获取完整的电力线点云；

S5、根据电力线的层数和每层电力线的根数获取电力线的排列方式。

2.如权利要求1所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于：步骤S1包括：

S11、裁去单档输电走廊两端各占档距5％的塔杆的点云数据；

S12、对输电走廊点云数据进行二维格网化划分；确定格网大小；计算输电走廊点云数据X和Y坐标的最值；计算格网的数量及确定每个点云所在的格网编号；记录每个点云所在的格网，完成二维格网的构建；

S13、对输电走廊点云数据进行高程分布统计并确定分隔层，计算格网中最低点到最高点高程的差值，设置距离阈值，剔除差值小于距离阈值的格网；对差值大于阈值的格网，将其中所有点云数据从最低点按照间隔高度统计出每个间隔层的点云数量，将相邻没有点云数据的间隔层合并；最后，设置分隔层高度阈值，将高程最低且高度大于分隔层高度阈值的间隔层作为分隔层；

S14、根据每个格网中识别出的分隔层的高程，剔除地表点，得到粗提取的电力线点云。

3.如权利要求1所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于：步骤S2包括：

S21、将粗提取后的电力线点云投影到平行于电力线走向的竖直平面内；

S22、使用PCA算法计算粗提取获得的电力线点云的主方向，根据主方向对电力线点云进行坐标变换，使得电力线走向与X轴方向平行，再将电力线点云投影到XOZ平面上；

S23、对粗提取的电力线点云进行二维格网化和格网归并，计算点云数据X和Z坐标的最值；计算出格网的数量以及每个点云所在的格网编号；将存在点云的格网赋值为1，不存在点云的格网赋值为0；设置格网归并阈值，逐列对Z方向间距小于格网归并阈值的格网进行归并，将电力线上下格网归并阈值范围内Z方向中心格网赋值为1，其余格网赋值为0；

S24、基于二维格网生成坐标数据并对其进行RANSAC抛物线提取；将所有赋值为1的格网的坐标编号记录，获得一组二维坐标数据，对所述坐标数据进行RANSAC抛物线提取；

S25、根据抛物线模型上各点的格网坐标，在原始格网中，提取出的网格上下方格网归并阈值范围内搜索赋值为1的网格，提取网格中的抛物线原始点云，得到分层之后的电力线点云。

4.根据权利要求3所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于，步骤S24具体包括：

S241、在候选点中随机选择三个点作为局内点，建立抛物线模型y＝a_iterationx²+b_iterationx+c，(iteration＝0，1，2...k)，iteration为已进行的迭代次数，k为计算最优模型要迭代的次数阈值；

S242、计算其它所有网格到该抛物线模型的距离，根据电力线线路规格，设置点到抛物线模型距离阈值，若计算出的距离满足所述点到抛物线模型距离阈值要求，则把此点也当作局内点；

S243、根据输电线路走廊点云密度，设置电力线最小点数阈值，如果局内点个数满足最小点数阈值，则采用最小二乘拟合算法评估该模型，计算中误差；

S244、重复迭代S241-243步骤k次，得到满足精度条件且局内点数最多的模型作为最优模型，将最优模型上的点从候选点中提取出来并记录；

S245、需重复迭代步骤示S241-S244，直至迭代次数达到次数阈值上限或检测不出符合最优模型的点云数据，迭代终止。

5.根据权利要求3所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于：步骤S3包括:

S31、在所有候选点中随机选择两个点作为局内点，建立直线模型y＝a_iterationx+b_iteration，(iteration＝0，1，2...k)，iteration为已进行的迭代次数，k为计算最优模型要迭代的次数阈值；

S32、计算中其它所有网格到该直线模型的距离，根据电力线线路规格，设置点到直线模型距离阈值，若计算出的距离满足点到直线模型距离阈值要求，则此点也作为局内点；

S33、根据输电线路走廊点云密度，设置单根电力线最小点数阈值，如果局内点个数满足最小点数阈值，则采用最小二乘拟合算法评估该模型，计算中误差；

S34、重复迭代S31-S33步骤k次，得到满足精度条件且局内点数最多的直线模型作为最优模型，将最优模型直线模型上的点从候选点中提取出来并记录；

S35、重复迭代步骤S31-S34，直至迭代次数达到次数阈值上限或检测不出符合最优模型的点云数据，迭代终止。

6.根据权利要求1所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于：所述步骤S4，基于精提取电力线点云建立直线和抛物线三维模型，分别计算原始输电走廊点云数据与每条电力线直线模型和抛物线模型的距离，同时满足点到抛物线模型距离阈值和点到直线模型距离阈值要求的输电走廊点云为此电力线点云上的点；通过电力线模型生长，可以获取完整的每根电力线的点云数据，补全点云裁剪和粗提取造成的电力线点云残缺。

7.根据权利要求1所述的基于LiDAR点云的电力线快速分层提取方法，其特征在于：所述步骤S5，根据提取出的电力线层数和每层电力线的根数，获得电力线的大致排列方式，并识别避雷线及导线。