CN103413133B - 无序激光点云数据中自动提取电力线方法 - Google Patents

Abstract

本发明公开了无序激光点云数据中自动提取电力线方法，该方法通过基于高程的点云分割滤除地面点云，在分割后的点云的方向投影上检测直线段并将其反投影到三维空间，获得的三维提取线段，将该三维提取线段作为聚类核通过距离聚类的方法获取到电力线的精确点云并由此生成电力线矢量节点，输出电力线矢量，从而实现电力线的自动提取。本发明提取高效，能够自动提取电力线。

Description

无序激光点云数据中自动提取电力线方法

技术领域

本发明属于机载激光雷达应用于电力巡线领域，具体是指无序激光点云数据中自动提取电力线方法。

背景技术

为实现电网安全运营，电力部门需要定期进行电力巡线，以便及时发现和排除安全隐患。譬如，随着线下植被的生长，树木顶端至电路的安全距离不够，或者线下新增了建筑或已有建筑被加高，或者塔杆、电线遭到破坏等等，这些都是可能存在的安全隐患。采用机载激光雷达技术可直接获取线路走廊内的大量高精度LiDAR点云数据，弥补了传统航测对电力线测量无能为力的空白，节省了大量的外业勘测的时间和人力投入，提供数据的时间缩短，成本得到节约，数据精度却大大提高。国外已经将机载激光雷达系统广泛应用于电力工业。国内近几年也将机载激光雷达技术应用于电力线路设计中，但在电力巡线方面仍属空白。因此，研究LIDAR点云数据中电力线拟合技术，实现电力线自动提取对于电力巡线工作有着极其重要的现实意义。从LIDAR点云数据中自动提取电力线是基于LIDAR电力巡线的关键问题之一。2004年Thomas Melzer等提出了一套完整的基于机载LiDAR数据的电力线提取和建模处理流程，并在电力线检测方面提出了迭代Hough变换的方法，能有效的提取电力线。

结合分析LiDAR数据处理技术的原理和方法，LiDAR电力线扫描数据提取电力线矢量主要要解决以下几个问题：

1、激光点云数据高程分割算法滤波。以高程为依据，通过选择合适的分割算法，将点云初步分割为地面点和非地面点，滤除地面点及部分地表植被点。

2、投影影像生成。对非地面点进行密度分割，选择合适的投影方向，将三维点云数据投影到二维平面以便进行后续相关的电力线检测工作。

3、基于投影影像的电力线检测。选择合适的图像处理算法，检测出电力线投影线段。

4、二维投影线元反投影到三维空间。将使用图像处理方法检测到的二维直线元反投影到三维空间中，获得三维空间中的电力线多段线。

发明内容

本发明的目的是提供无序激光点云数据中自动提取电力线方法，该方法高效，能够自动提取电力线。

本发明的上述目的通过如下技术方案来实现的：无序激光点云数据中自动提取电力线方法，该方法包括如下步骤：

一、采用机载激光雷达航拍电力巡线，获得电力巡线的原始激光点云数据，电力巡线的原始激光点云数据包括电力塔、电力线、地表、植被的原始激光点云数据；

二、电力线点云数据粗提取：对步骤一获得的电力线原始激光点云数据与背景原始激光点云数据进行分割，实现电力线原始激光点云数据的粗提取，获得电力线点云离散点，所述的背景原始激光点云数据包括地表原始激光点云数据和植被原始激光点云数据，电力线原始激光点云数据的粗提取为进一步的电力线点云数据的直线拟合作数据准备；

三、电力线投影线自动拟合：对步骤二获得的电力线点云离散点自动拟合，获得二维直线段的电力线投影线，拟合后的电力线投影线按照连续点输出；

四、电力线投影线的反投影：对步骤三获得的电力线投影线进行反投影，将二维直线段的电力线投影线反投影到三维空间，获得三维提取线段，该三维提取线段用于描述电力线矢量；

五、电力线的精确点云数据提取：将步骤四获得的三维提取线段作为聚类核，通过距离聚类的方法来提取电力线的精确点云数据；

六、根据步骤五提取得到的电力线的精确点云数据，生成电力线矢量节点，输出电力线矢量并显示，从而实现电力线的自动提取。

本发明中，所述步骤二中，选取高程阈值分割法对步骤一获得的电力线原始激光点云数据与背景原始激光点云数据进行分割。

本发明中，所述步骤三中，对于多条电力线处于同一影像的情况需要对电力线点云进行分簇，确定参与特定电力线拟合的具体点云数据，提取直线的分簇采用Hough变换，或是最大似然法完成；对某直线簇所处点云数据采用最小二乘的方法实现直线拟合；考虑到电力塔之间电力线的伸展、下凸的状况，采用分段的最小二乘方式拟合直线，实现对真实情况下电力线为曲线的逼近与模拟。

本申请分析LiDAR电力线扫描数据处理要解决的问题，针对激光点云电力线拟合，设计出一种提方法，该方法通过基于高程的点云分割滤除地面点云，在分割后的点云的方向投影上检测直线段并将其反投影到三维空间，获得的三维提取线段，将该三维提取线段作为聚类核通过距离聚类的方法获取到电力线的精确点云并由此生成电力线矢量节点，输出电力线矢量，从而实现电力线的自动提取。经实验，该方法有较好的提取效果，提取精度可达到厘米级别。

本发明电力线拟合主要包括如下四个部分：

一、电力线点云数据粗提取

即电力线点云数据与其他背景点云数据的分割技术。鉴于电力线与同范围内其他地物的高程信息有较大区别这一特点，选取高程阈值分割的方法对电力线点云数据与其他背景点云数据进行初步的区分，实现电力线点云数据的粗提取。基于高程的分割方法种类较多，本方案使用迭代阈值分割法。

二、基于投影的电力线投影线自动拟合

本部分主要完成基于电力线点云离散点自动拟合电力线投影线，拟合电力线按照连续点输出。该部分主要采用数字图像处理中重采样、边缘检测、直线检测、直线拟合的相关理论作为支撑。

为进行进一步处理，提出可将点云数据规格格网化，生成类似数字图像的高程影像图，利用数字图像处理的手段进行点云数据的间接处理。在生成的高程影像中，电力线数据因高程突出体现为边缘，可采用边缘提取效果较好的Canny算子，或为减少计算量采用计算量稍小的各种模板算子，如拉普拉斯算子等，进行提取，获取电力线点云信息。

三、电力线投影线反投影及精确电力线点云提取

本部分主要完成二维直线段的反投影（电力线矢量粗提取）以及以其为基础的电力线点云精提取。该部分主要以投影以及空间聚类的相关理论作为支撑。通过反投影提取到的二维投影直线段到三维空间，可获得三维描述的电力线矢量。为近一步提高提取精度，使用该提取结果作为初始聚类核，对空间点云进行距离聚类，获取精确地电力线点云数据供生成电力线矢量使用。

四、基于精确点云数据区域分割的电力线矢量生成

本部分主要完成基于精确电力线点云数据的电力线矢量生成。该部分主要以线性规划中区域分割的相关理论、空间物体的形心、质心理论作为支撑。对精确提取的电力线点云数据进行区域划分，以区域质心作为矢量节点，输出电力线多段线。

附图说明

下面结合附图和具体实施方式对本发明作进一步详细说明。

图1为本发明中电力线提取拟合流程图；

图2为本发明中基于高程阈值分割的电力线点云粗提取流程图；

图3a为本发明中电力线点云粗提取的点云分割结果图；

图3b为本发明中电力线点云粗提取分割后获取的粗提取电力线点云图；

图4为本发明中激光点云数据投影、重采样算法流程图；

图5为本发明中Hough检测算法流程图；

图6a为本发明中投影线最小二乘拟合效果图；

图6b为本发明中原始投影影像图；

图7a为本发明中自动电力线提取实验结果图的观视角度一；

图7b为本发明中自动电力线提取实验结果图的观视角度二；

图7c为本发明中自动电力线提取实验结果图，显示精提取点云与提取矢量混合图；

图7d为本发明中自动电力线提取实验结果图，显示背景点云与提取矢量混合图。

具体实施方式

（1）理论基础

电力线由于其自身功能与结构的特殊性，对其周边环境有严格要求。考虑到输电安全等问题，电力线高于区域内周边地物，按相关建造标准，电力线与邻近地物的垂直距离必须超过相关规定值（安全距离）。因此机载LiDAR采集到的电力线点云数据的高程（Z方向）分布有鲜明的分布特点，即在一定区域范围内，电力线点云数据和地面及其他点云数据各自集中分布在一定高程范围内。基于这一分布特点，可以采用高程阈值分割的方法实现滤波，剔除地面点以及部分地物（如电线塔）点云，如图2所示。

迭代法阈值分割运用迭代逼近的思想，通过统计各分割类别中所有点的平均灰度，寻找最佳分割阈值。

以下给出迭代法阈值分割的算法原理：

1、选取初始阈值T₀为图像的平均灰度，即T_K=T₀；

2、依据阈值T_K，将图像的象素点分作两个集合，分别计算两个集合各自的平均灰度，小于T_K的集合平均灰度为T_A，大于T_K的集合平均灰度为T_B；

3、重新计算阈值T_K+1（计算公式如公式(1)所示）；

$T_{K+1}=\frac{T_A+T_B}{2}---\left(1\right)$

4、将T_K+1作为新的全局阈值代替T_K,即T_K=T_K+1；

5.重复以上过程，如此迭代，直至T_K收敛，即|T_K+1-T_K|小于给定阈值，则T_K为最终分割阈值T；

6、根据最终分割阈值T，将图像分割为两个部分。

考虑到电力线点云的线状空间分布特征，可以使用投影的方法将三维数据二维化，在一个二维的空间中进行线特征的检测，获得线段元，反投影到三维空间，获得三维线段元。

以下以电力线粗提取点云在XY平面投影为例，阐述投影以及重采样的原理，以下给出投影以及重采样算法原理：

1.统计区域范围。遍历所有数据点，统计数据点在XY平面上的覆盖范围以及高程范围，设X方向上范围为[X_Min,X_Max]，Y方向上的范围为[Y_Min,Y_Max]，高程范围为[Z_Min,Z_Max]；

2.计算采样间隔，影像宽高。输入投影影像的宽度WIDTH，计算采样间隔d（如公式(2)所示）即每一个栅格的宽度对应的地面距离，根据采样间隔依照公式(3)计算出高程值影像的高度HEIGHT；

$d=\frac{x_{\max }-x_{\min }}{\mathrm{WIDTH}}---\left(2\right)$

$\mathrm{HEIGHT}=\frac{y_{\max }-y_{\min }}{d}---\left(3\right)$

3.计算点的投影坐标。依据点的大地坐标按公式(4.4)将其转换成其应在的栅格行列数。设点的三维坐标为(x,y,z)，line为行号，col为列号，则该点的行列号如公式(4)所示；

$\left\{\begin{array}{c}\mathrm{line}=\mathrm{int}(\frac{x-x_{\min }}{d}+0.5)\\ \mathrm{col}=\mathrm{int}(\frac{y-y_{\min }}{d}+0.5)\end{array}\right.---\left(4\right)$

4.高程重采样。首先进行高程归一化处理，并将归一化后的高程值作为像素灰度值。若格网内没有LiDAR数据点，则其值赋为0；若有一个数据点，则直接将该点高程归一化到[a,b]的灰度范围；若有多个数据点，则取其中高程最大点进行归一化。设像素灰度值为gray,高程归一化公式如公式(5)所示。

$\mathrm{gray}=\frac{Z-Z_{\min }}{Z_{\max }-Z_{\min }}\×(b-a)+a---\left(5\right)$

5.生成高程值影像。经上述步骤处理输出高程影像。

电力线点云在电力线投影影像表现为围绕电力线分布的一系列离散的像素点，同根电力线上的像素点大部分不连接，总体上呈现线性，使用简单的边缘跟踪的方法无法取得满意的线提取效果。鉴于Hough变换直线检测对间断点的容错性以及检测方法自身具有的鲁棒性，可以较好应对电力线数据的离散性。

电力线在XY平面上的投影形状近似为平行直线，由于电力线点云经投影获得的平面离散点是大致均匀的分布在电力线上或电力线两侧，因此传统的Hough变换检测出很多斜率近似、截距也集中分布在某几个区间的很多条直线。为解决这一问题，使用阈值分割的方法将Hough变换检测到的直线进行分簇，并使用Hough变换检测检测到的直线的端点作为输入数据，进行直线的最小二乘拟合，获得初步提取的电力线矢量数据。

最小二乘法的基本思想是通过一组实验数据，按残差平方和最小原则，进行解析函数参数估计，寻找到最优的解析函数来描述各变量之间的函数关系。

对于二维直线拟合，对给定的一组数据(x_i,y_i)(i=0，1，2，…，m)，要求在函数类φ={φ₀,φ₁,…,φ_n}中找一个函数y＝f(x)，使误差平方和趋于最小（如公式(6)所述）。

${\left|\right|\mathrm{\δ}\left|\right|}^2=\underset{s\left(x_i\right)\∈\mathrm{\φ}}{\min }\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{[f\left(x_i\right)-y_i]}^2---\left(6\right)$

其中x和y之间的函数关系由直线方程给出：

y＝a₀+a₁x    (7)

按约束条件可解算出最佳参数估计如公式(8)、公式(9)所示。

${\hat{a}}_0=\frac{\left(\mathrm{\Σ}{x}_i^2\right)\left(\mathrm{\Σ}{y}_i\right)-\left(\mathrm{\Σ}{x}_i\right)\left(\mathrm{\Σ}{x}_i{y}_i\right)}{N\left(\mathrm{\Σ}{x}_i^2\right)-{\left(\mathrm{\Σ}{x}_i\right)}^2}---\left(8\right)$

${\hat{a}}_1=\frac{\left(\mathrm{\Σ}{x}_i{y}_i\right)-\left(\mathrm{\Σ}{x}_i\right)\left(\mathrm{\Σ}{y}_i\right)}{N\left(\mathrm{\Σ}{x}_i^2\right)-{\left(\mathrm{\Σ}{x}_i\right)}^2}---\left(9\right)$

电力线点云由于其在空间上的线状分布，传统聚类算法不可以直接处理。本文通过电力线的粗提取为距离聚类算法提供聚类核，将传统的最小距离聚类的方法运用到电力线点云的分类提取上来。最小距离聚类原理为分别计算待分类样本到各个类别中心的距离，认为待分类样本属于离其距离最近的一个类别。选取拟合方程作为其聚类核，认为扫描点属于距其空间距离最近的直线。

（2）实现过程

本发明采用迭代阈值分割的方法实现了电力线点云数据与其他背景点云数据的分割。为后续电力线拟合提供粗提取数据点云；完成电力线点云数据规格格网化，生成类似数字图像的高程影像图，为后一步利用数字图像处理的手段进行点云数据的间接处理提供数据；提供多个投影面上的规格网数据，完成点云数据在XY，YZ，ZX平面上的投影。对三个投影面数据进行直线提取。依据技术路线，采用先使用Canny算子提取边缘，然后利用Hough检测方法提取直线；设计投影重叠电力线点云的提取算法，避免了因为电力线在某方向上投影重叠，导致Hough检测漏检直线的状况发生；通过直线求交的方式获得电力线投影线多段线的各个节点，通过本文设计的反投影算法，反投影到三维空间，获得电力线粗提取矢量并输出显示；依据电力线粗提取矢量作为聚类核，使用最小距离法则聚类，完成电力线精确点云的提取。

结合激光点云数据特点及其常用的滤波方法，提出以下激光点云电力线提取拟合技术路线，如图1所示。

1、激光点云高程阈值分割算法以图像迭代法阈值分割算法为核心，将图像阈值分割算法中对像素点的灰度的统计替换为对激光点云数据的高程的统计，通过多次迭代计算，获得高程分割阈值。依据高程分割阈值，大于高程分割阈值的点划归为粗提取电力线点云，作为精提取数据输入，小于高程分割阈值的点划归于地面及其他点云数据，不参与后续处理。鉴于点云高程分布差异较大，为减少计算量，同时避免迭代次数过或出现不收敛情况出现，对点云高程进行重采样，将点云高程256级化。依照上述算法原理，给出阈值分割算法流程图如图2所示。

使用基于高程的迭代法阈值分割法，可以将电力线点云与其他点云数据区分开，较好的实现电力线点云的粗提取。如图3a、图3b所示。

2、经过上一步的处理，剔除了点云数据中的大部分非电力线点云，分割后的点云数据中包括电力线、电塔以及潜在危险地物点云数据。

考虑到电力线点云的线状空间分布特征，可以使用投影的方法将三维数据二维化，在一个二维的空间中进行线特征的检测，获得线段元，反投影到三维空间，获得三维线段元。依据理论基础中所提出的投影、重采样原理，给出算法流程如图4所示。

3、三维点云投影方向的选择多样，投影方向的选择决定了在投影影像上电力线点云的分布，直接影响到Hough变换直线检测的效果。为在保证精度的同时，控制计算量，本文选取三维点云在三个平面上的投影影像进行直线提取效果的对比，三个投影平面分别为XY、YZ、XZ平面。对Hough直线检测提取到的直线数目进行统计，按提取结果对比分析，经对比实验可知，使用XY平面投影影像可获得较好的直线检测效果。

4、电力线在XY平面上的投影形状近似为平行直线，由于电力线点云经投影获得的平面离散点是大致均匀的分布在电力线上或电力线两侧，因此传统的Hough变换检测出很多斜率近似、截距也集中分布在某几个区间的很多条直线。为解决这一问题，输出数目正确的电力线直线，使用阈值分割的方法将Hough变换检测到的直线进行分簇，并使用Hough变换检测检测到的直线的端点作为输入数据，进行直线的最小二乘拟合，获得初步提取的电力线矢量数据，图5为Hough检测流程图。

实验证明，经上述算法处理，可输出正确数目与原始点云投影贴合的电力线投影线检测线。图6a为检测效果图。

5、经过以上几个步骤的处理，获得了各条电力线在XY平面上的投影直线。根据投影的数学原理易知，确定一条空间直线至少需要该空间直线在两个平面上的投影直线方程，所以经过拟合的平面直线无法直接反投影到三维空间。为解决这一问题，实现二维直线段到三维空间直线段的转换，由此提出一种基于高程信息的二维直线段到三维空间直线段的反投影方法。

三维空间的直线段可以由线段的两个端点确定，因此，二维到三维的线段反投影可以看作是直线段的两个端点的反投影。以下通过二维直线段的反投影变换阐述“基于高程信息的二维直线段到三维空间直线段的反投影方法”的基本原理。

设有一平面直线段，其两个端点在影像坐标系中坐标分别为(x₁,y₁)，(x₂,y₂)。

激光点云在XY平面上的投影影像存储的像素灰度内容为高程信息，依据直线段端点的影像坐标，按公式(10)可查找到其对应的高程信息（根据灰度信息反算）。

$Z_i=\frac{\mathrm{gray}(x_i,y_i)}{256}\×(Z_{\max }-Z_{\min })+Z_{\min }---\left(10\right)$

其中gray(x_i,y_i)为点(x_i,y_i)在投影影像中的灰度值。

直线端点X、Y坐标可以通过投影公式逆推获得，逆推公式如下：

X_i＝x_i×(X_max-X_min)+X_min    (11)

Y_i＝y_i×(Y_max-Y_min)+Y_min    (12)

按公式(11)、公式(12)计算即可获得投影影像上某二维点(x_i,y_i)对应的三维坐标(X_i,Y_i,Z_i)。

6、依据二维直线的最小二乘拟合方法，求解出了二维平面的各条电力线直线方程，二维直线的矢量节点生成即可通过从各条直线上等间隔获取点的方法获得。二维直线的矢量节点生成后通过在投影影像中查找对应高程值，如步骤5阐述的内容，即可完成三维矢量节点生成。

7、由于投影影像重采样精度的问题，使用上述方法提取的矢量节点存在小额的高程数据波动，类似于椒盐噪音，具体表现为局部区域的突起或凹陷。所以采取经典的平滑噪声的方法——中值滤波方法对提取矢量节点的高程进行处理，剔除局部区域的突起或凹陷，提高节点提取精度。

原始点云数据经过点云分割、投影重采样、Hough直线检测、最小二乘直线拟合、生成三维矢量节点、矢量节点平滑处理后，提取出的粗提取电力线矢量如图6所示。

8、电力线点云由于其在空间上的线状分布，传统聚类算法不可以直接处理。通过电力线的粗提取为距离聚类算法提供聚类核，将传统的最小距离聚类的方法运用到电力线点云的分类提取上来，获得较好效果。

最小距离聚类原理为分别计算待分类样本到各个类别中心的距离，认为待分类样本属于离其距离最近的一个类别。选取拟合方程作为其聚类核，认为扫描点属于距其空间距离最近的直线。依照这一原理给出以下算法流程：

A、开始遍历分割点云；

B、计算当前激光扫描脚点到各个粗提取电力线的距离；

C、进行最小距离分类；

D、重复第B步、第C步直至遍历完成。

9、对于分块点云数据的处理可有多种方法选择。依据电力线点云的结构特点提出计算分段区域质心作为拟合线的矢量节点。

该方法采用矢量节点提取的方式获得对电力线的多段线描述，不存在三维空间直线的最小二乘拟合出现的分段线不衔接的情况。在分块点云中噪声点云数目较少，使用质心的方法可以很好地抑制噪声点云对提取结果的影响。

根据质心定义，质心坐标按公式(4.25)计算：

$\left\{\begin{array}{c}\stackrel{\‾}{x}=\frac{M_y}{M}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{m}_i{x}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{m}_i}\\ \stackrel{\‾}{y}=\frac{M_x}{M}=\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{m}_i{y}_i}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{m}_i}\end{array}\right.---\left(13\right)$

计算区域质心时，取每个激光扫描点的质量为单位质量。分块质心提取实验结果如图7a至图7d所示。实验证明，采用区域质心作为矢量节点对电力线进行描述，实现了输出矢量数据与电力线点云的较好贴合。

本发明的上述实施例并不是对本发明保护范围的限定，本发明的实施方式不限于此，凡此种种根据本发明的上述内容，按照本领域的普通技术知识和惯用手段，在不脱离本发明上述基本技术思想前提下，对本发明上述结构做出的其它多种形式的修改、替换或变更，均应落在本发明的保护范围之内。

Claims (1)

1.无序激光点云数据中自动提取电力线方法，该方法包括如下步骤：

一、采用机载激光雷达航拍电力巡线，获得电力巡线的原始激光点云数据，电力巡线的原始激光点云数据包括电力塔、电力线、地表、植被的原始激光点云数据；

二、电力线点云数据粗提取：选取高程阈值分割法对步骤一获得的电力线原始激光点云数据与背景原始激光点云数据进行分割，实现电力线原始激光点云数据的粗提取，获得电力线点云离散点，所述的背景原始激光点云数据包括地表原始激光点云数据和植被原始激光点云数据，电力线原始激光点云数据的粗提取为进一步的电力线点云数据的直线拟合作数据准备；

三、电力线投影线自动拟合：对步骤二获得的电力线点云离散点自动拟合，获得二维直线段的电力线投影线，拟合后的电力线投影线按照连续点输出，其中，对于多条电力线处于同一影像的情况需要对电力线点云进行分簇，确定参与特定电力线拟合的具体点云数据，提取直线的分簇采用Hough变换，或是最大似然法完成；对某直线簇所处点云数据采用最小二乘的方法实现直线拟合；考虑到电力塔之间电力线的伸展、下凸的状况，采用分段的最小二乘方式拟合直线，实现对真实情况下电力线为曲线的逼近与模拟；

四、电力线投影线的反投影：对步骤三获得的电力线投影线进行反投影，将二维直线段的电力线投影线反投影到三维空间，获得三维提取线段，该三维提取线段用于描述电力线矢量；

五、电力线的精确点云数据提取：将步骤四获得的三维提取线段作为聚类核，通过距离聚类的方法来提取电力线的精确点云数据；

六、根据步骤五提取得到的电力线的精确点云数据，生成电力线矢量节点，输出电力线矢量并显示，从而实现电力线的自动提取。