CN105844064A - 基于激光点云数据的三维变电站半自动重建方法 - Google Patents

Abstract

本发明公开了一种基于激光点云数据的三维变电站半自动重建方法，包括：依照电力行业中电力设备的现有标准，通过采集变电站的点云数据和纹理数据，建立高真实度的变电站电力设备的三维标准模型库；再结合已有的变电站的标准模型，基于光点云数据进行地物提取与识别，自动获取电力设备在空间中的位置和姿态；将三维电力设备放入对应的点云三维场景，从而完成对点云数据的矢量化，进而完成变电站场景的三维重建。本发明实现了变电站三维重建的半自动化，可减少人工干预，从而提高生产效率、缩短生产周期；利用激光点云在精度上的优势，可提高模型产品精度，整体仿真度高。

Description

基于激光点云数据的三维变电站半自动重建方法

技术领域

本发明属于电力工程、测绘和三维数字化技术领域，特别涉及一种基于激光点云数据的三维变电站半自动重建方法。

背景技术

随着数字城市、三维可视化技术在电力领域的深入研究和应用，建立高仿真度的三维变电站模型成为研究和应用的热点^[1-5]。基于电网资源的数字化应用，三维电网GIS平台不仅能够更加逼真、直观地表达智能电网的可视化管理特征，同时也能更加真实、有效的综合运用和管理复杂的电网空间数据。传统三维建模技术主要利用近景摄影测量技术和碎步测量技术对电力设备进行三维重建，但摄影测量技术难以满足高保真度、真实度的实际需求；基于碎步测量技术的三维重建，对层次数据立体测量细节度很难达到令人满意的效果，且工作量巨大，严重影响电网数据化进程。

激光雷达(LiDAR，又称：激光扫描)技术是近十几年来发展异常迅速的主动式测量技术，其硬件工艺日益成熟，能以每秒50万点、甚至100万点的速度获取测距精度达毫米级地物表面离散密集的非结构化方式点云数据，同时，还能接收具有一定规律的强度信号，在测绘、城市建模、土木工程中得到了大量的应用^[6-8]。由于点云数据本身的特点，其获取地物对象为三维坐标信息，而实际应用中需要的是矢量化的体框模型。因此，实际生产过程中，直接利用点云数据进行三维建模需要大量的人工干预，缺少自动、半自动方法，严重影响生产效率和周期。

文中涉及如下相关文献：

[1]刘求龙,胡伍生.利用点云数据进行惠泉变电站三维重建,地矿测绘.2009(04):7-8.

[2]李海庆,殷国富,彭必友.基于X3D的交互式变电站信息可视化管理系统,计算机工程,2007,33(03):265-267.

[3]李颖瑾,李波,李绍生.变电站三维设计的应用探讨.中国电业:技术版,2012(04).

[4]杨继勋.变电站工程三维设计系统,山东工业大学,山东大学,2000.

[5]刘求龙,胡伍生,王骢,徐君民.基于激光扫描技术的变电站三维模型的建立.测绘工程,2011,19(5).

[6]赵威成,三维激光扫描系统点云数据向AutoCAD数据格式的转换,测绘工程,2010,19(1):25-27.

[7]杨晶,刘守军.基于影像点云的三维激光扫描仪成图与建模软件,测绘通报,2013(6):119-120.

[8]王晓峰,三维激光扫描技术在土木工程领域的应用,同济大学土木工程学院,同济大学,2009.

发明内容

由于变电站设备结构复杂且多样化，所以变电站的三维建模过程中存在人工交互量大、模型精度难以保证、生产效率低下等问题，针对这些问题，本发明提供了一种可降低人工交互量、保证模型精度、提高生产效率的基于激光点云数据的三维变电站半自动重建方法。

本发明思路如下：

依照电力行业中电力设备的现有标准，通过采集变电站的激光点云数据和纹理数据，建立高真实度的变电站电力设备(后文简记为“电力设备”)的三维标准模型库；再结合已有的电力设备的标准模型，基于激光点云数据进行地物提取与识别，自动获取电力设备在空间中的位置和姿态；将三维电力设备放入对应的点云三维场景，从而完成对点云数据的矢量化，进而完成变电站场景的三维重建。

为解决上述技术问题，本发明采用如下的技术方案：

基于激光点云数据的三维变电站半自动重建方法，包括：

S1分别采用激光扫描设备和光学相机采集变电站的点云数据和纹理数据；

S2对点云数据进行预处理，即对点云数据依次进行去噪、去冗余、配准；

S3构建电力设备的三维标准模型库，本步骤包括：

3.1通过人机交互方式从预处理后的点云数据分割出各电力设备的点云数据；

3.2根据电力设备的点云数据量测电力设备的几何信息，基于几何信息构建电力设备的几何模型；

3.3将纹理数据映射到对应的几何模型表面，获得电力设备的三维标准模型，各电力设备的三维标准模型构成三维标准模型库；

S4采用形态学方法从预处理后的点云数据中分离地面点云，采用空间聚类法对分离地面点云后的点云数据进行分割，分离空间相离的各电力设备的点云数据；

S5将三维标准模型离散化为点集，记为初始模型点云集M；将步骤S4分割后的点云数据中与三维标准模型对应的点云数据记为目标点云集T；采用基于特征点的最邻近点迭代法对初始模型点云集M与目标点云集T配准，采用三维标准模型替换配准后的模型点云集。

步骤S4中所述的采用形态学方法从预处理后的点云数据中分离地面点云，具体为：

4.1从预处理后的点云数据中剔除低点；

4.2对剔除低点后的点云数据进行网格划分，将网格中高程最低的点云点作为初始地面点，并构建初始地形；

4.3利用初始地形点构建三角网，遍历未参与三角网构建的点云点，记为点云点a，对点云点a逐一执行：

①查找当前点云点a所在三角形t，计算当前点云点a到三角形t所在平面的距离d，若d不小于距离阈值，结束；否则，执行步骤②；

②计算点云点a和三角形t三个顶点所连的连线与三角形t所在平面的夹角，将所计算三个夹角的最小值定义为最小夹角θ；若最小夹角θ不小于角度阈值，结束；否则，将当前点云点a添加到三角网；

上述距离阈值和角度阈值均为经验值。

步骤S4中所述的采用空间聚类法对分离地面点云后的点云数据进行分割，具体为：

4.4对地面点云分离后的点云数据构建均构格网，统计各单单格内点云点数，记为DoPC值，将单单格内点云点数小于点云数阈值Pt_min的单单格的DoPC值设为0；

4.5随机选取一未标记的非空单单格，将其添加到集合Q，并标记该非空单单格，非空单单格即DoPC值不为0的单单格；

4.6对各未标记的非空单单格p逐一执行：

计算当前非空单单格p中心到集合Q中各非空单单格中心的距离，取最小距离，若最小距离小于阈值T，将当前非空单单格p添加到集合Q，同时标记当前非空单单格p；否则，对下一未标记的非空单单格p执行本步骤；

4.7判断是否存在未标记的非空单单格，若有，重新执行步骤4.5～4.6；否则，结束；

上述点云数阈值Pt_min为经验值，阈值T设置为2倍的单单格宽度。

步骤S5进一步包括：

5.1采用人机交互方式选取目标点云集T和初始模型点云集M中的同名点对，得同名点集T_F、M_F；；

5.2根据当前的旋转参数R和平移参数r计算当前模型点云集M'＝R*M+r，R和r根据当前同名点集T_F和M_F中同名点对计算得到；

5.3寻找同名点集T_F中各同名点在当前模型点云集M'中的最近点，采用最近点更新同名点集M_F；

5.4利用当前的旋转参数R和平移参数r计算当前同名点集T_F和M_F间的误差τ＝[T_F-(R·T_F-r)]²；若τ小于误差阈值，则收敛，执行步骤5.5；否则，重新执行步骤5.2；

5.5根据当前同名点集T_F、M_F获得同名点对，利用同名点对将当前模型点云集M'和目标点云集T配准；

5.6三维标准模型替换配准后的当前模型点云集M'，得点云数据的矢量化模型；

误差阈值为点云中相邻点间隔。

在步骤S5后，手动微调三维标准模型的空间位置和姿态，使三维标准模型与点云数据匹配更精确。

和现有技术相比，本发明具有如下优点和有益效果：

(1)实现了变电站三维重建的半自动化，可减少人工干预，从而提高生产效率、缩短生产周期。

(2)利用激光点云在精度上的优势，可提高模型产品精度。

(3)有激光点云做整体场景的控制，整体仿真度高。

(4)可促进激光雷达技术在变电站三维数字化中的应用，推进电网数字化的发展进程。

附图说明

图1为本发明方法的具体流程图；

图2为变电站点云数据示意图；

图3为变电站点云数据的分割示意图；

图4为变电站电力设备的三维标准模型示意图；

图5为点云匹配示意图。

具体实施方式

本发明关键技术在于获取以点云数据表达的变电站电力设备的分类和识别，以及变电站电力设备与三维标准模型库中三维标准模型间的匹配。

下面将详细说明本发明的具体实施方式。

(1)数据采集。

数据采集包括采用激光扫描设备采集变电站的点云数据和采用光学相机采集变电站的纹理数据，变电站的点云数据见图2。

点云数据的采集具体为：

根据现场情况，进行实地踏勘并布设标靶，标靶布设的基本原则为：①保证测站与测站之间至少有3个以上的公共标靶被观测到；②为保证点云数据的拼接精度，要求相邻两测站的点云数据至少有20％的重叠区域；③为保证配准精度，激光扫描过程中根据情况增设标靶，且需要在基准站对标靶进行精细扫描；④当天扫描完成后检查扫描数据的完整性，防止漏测。本具体实施中采用Z+F Imager5006型三维激光扫描仪进行点云数据采集。

纹理数据的采集具体为：

由于同一类型电力设备的纹理数据可重复使用，因此，纹理数据采集的基本原则是保证种类齐全、垂直拍摄且针对不同需求，相应调整纹理数据采集的分辨率。

(2)点云数据的预处理。

点云数据的预处理依次包括去噪、去冗余、配准。点云数据的采集是以单站形式进行，各测站之间坐标系独立，因此，需要对分站点云数据进行配准，将分站点云数据归化到统一坐标系。为实现配准，一般通过在场景布设标靶，多测站对同名标靶进行扫描，以此获得同名特征，通过同名特征计算各测站间的旋转、平移关系，从而将分站点云数据归划到统一坐标系中。点云数据的配准可采用Cyclone软件工具完成。

由于激光扫描过程中，激光扫描设备的噪声等会造成点云数据出现飞点、飘点等造噪声点。同时，点云数据采集过程中，为保证点云数据的完整性往往进行冗余采集，冗余会给后处理带来一定影响。因此，还需要剔除点云数据中的噪声点和冗余。

(3)构建变电站电力设备的三维标准模型库。

为保证高精度与高保真度的三维重建，本发明将分步处理变电站电力设备的几何重建与纹理重建。激光扫描设备能以毫米级精度获取电力设备的几何信息，但纹理信息表达能力较弱。光学相机能够获取与人眼观测一致的纹理信息，但缺乏几何单素。为结合激光扫描设备和光学相机的优势，本发明利用激光扫描仪采集电力设备的点云数据进行几何三维重建；基于几何模型，利用光学相机采集的纹理数据进行纹理重建，增强展示效果。

本步骤具体过程如下：

①通过人机交互方式从点云数据分割出各独立电力设备的点云数据。

②基于点云数据，量取电力设备的几何信息，即电力设备的尺寸及几何拓扑结构信息，并通过三维建模软件工具构建电力设备的几何模型。

③纹理贴图，即利用贴图工具将纹理数据映射到对应的几何模型表面，从而获得电力设备的三维标准模型。

通过以上方法，制作各独立电力设备的三维标准模型，形成三维标准模型库，见图4。

(4)点云数据的半自动分割。

本步骤包括地面点滤波和电力设备分割，其中，地面点滤波采用形态学方法，从点云数据中分出地面点。下面将提供地面点滤波的具体实施过程：

①低点剔除。

对点云数据中各点云点逐一进行高程验证，比较当前点云点与其邻域点集内邻域点的高程，若当前点云点高程低于其邻域点集内邻域点的平均高程且大于预设的高程阈值，则当前点云点为低点，剔除当前点云点。本具体实施中，高程阈值设定为3倍的局部点间距，但不限于此。局部点间距即当前点云点与其邻域点集内所有点的距离的平均值。

②构建初始地面。

根据实际情况，一定区域的点云场景中，高程最低的点云点应为地面点。因此，将剔除低点后的点云数据划分网格，将网格中高程最低的点云点作为初始地面点，并构建初始地形。

③利用初始地形点构建三角网，遍历剔除低点后的点云数据中未参与三角网构建的点云点，记为点云点a。三角网是由一系列连续三角形构成的网状图形。未参与三角网构建的点云点即点云数据中除低点和初始地形点外的点云点。

对所有未参与三角网构建的点云点a逐一执行步骤④～⑤：

④查找点云点a所在三角形t，计算点云点a到三角形t所在平面的距离d，比较距离d与距离阈值大小，若d不小于距离阈值，结束；否则，计算点云点a和三角形t三个顶点所连的连线与三角形t所在平面的夹角，将所计算三个夹角的最小值定义为最小夹角θ。距离阈值为经验值，本具体实施中距离阈值设为0.05。

⑤比较最小夹角θ与角度阈值大小，若最小夹角θ不小于角度阈值，结束；否则，将点云点a添加到三角网。具体实施过程中，角度阈值可依据地形起伏人工制定调节，本具体实施中将角度阈值设为15.0。

重复步骤④～⑤，直至所有未参与三角网构建的点云点a均执行了步骤④～⑤。

依据步骤①～⑤，可从点云数据中分离出地面点云，分离出地面点云后，场景中以点云表达的电力设备出现分离现象。本发明采用空间聚类法对地面点云分离后的点云数据进行分割，分离空间不相连的单个电力设备点云数据，具体实施过程如下：

①对点云数据构建均构格网，统计各单单格内点云点数，记为DoPC值，将单单格内点云点数小于点云数阈值Pt_min的单单格的DoPC值设为0。Pt_min根据经验取值，本具体实施中Pt_min设置为5。

②随机选取一未标记的非空单单格，将其添加到集合Q，并将此非空单单格标记为已处理。非空单单格即DoPC值不为0的单单格。

③对各未标记的非空单单格p逐一执行：

计算非空单单格p中心到集合Q中各非空单单格中心的距离，取最小距离，若最小距离小于阈值T，将非空单单格p添加到集合Q，同时将非空单单格p标记为已处理；否则，对下一未标记的非空单单格p执行本步骤。通常，阈值T设置为2倍的单单格宽度。本具体实施中，本子步骤所计算的距离为欧式距离。

④判断是否存在未标记的非空单单格，若有，重新执行步骤②～③；否则，结束。

完成本步骤后，可获得空间中相离的电力设备以及单个电力设备相连的点云数据集，但并不能指出类型，此时需要人机交互处理，进行电力设备的识别与重加。

图3为本步骤获得的点云数据分割示意图。

(5)分割后的点云数据与三维标准模型的配准。

给定三维标准模型对应点云所在区域的初始范围，在该初始范围内，将三维标准模型离散化为点集，记为模型点云集M；将模型点云集M与目标点云数据配准，具体可采用基于特征点的最邻近点迭代法进行配准，该方法采用人机交互方式指定初始特征点，在目标点云集中寻找若干同名点，利用迭代优化进行点云数据与三维标准模型的精确配准。

配准时，针对步骤(4)分割获得的各电力设备的点云数据及其对应的三维标准模型逐一进行。

下面将提供配准的具体实施过程：

①将电力设备的三维标准模型离散化为点集，即初始模型点云集M；将分割后的点云数据中与三维标准模型对应的点云记为目标点云集T；

②采用人机交互方式选取目标点云集T和初始模型点云集M中的同名点对，得同名点集T_F、M_F；

③根据当前的旋转参数R和平移参数r计算当前模型点云集M'＝R*M+r，R和r根据当前同名点集T_F和M_F中的同名点对计算得到；

④利用k-d tree构建点云的快速查找索引，寻找同名点集T_F中各同名点在当前模型点云集M'中的最近点，即欧式距离最短的点，采用最近点更新同名点集M_F；

⑤利用当前的旋转参数R和平移参数r计算当前同名点集T_F和M_F间的误差τ＝[T_F-(R·T_F-r)]²；若τ小于误差阈值，则收敛，执行步骤⑥；否则，重新执行步骤③。具体实施过程中，误差阈值一般设为点云中相邻点间隔。

⑥将配准后的当前模型点云集M'替换为原始的三维标准模型，即得到点云数据的矢量化模型，进而完成了变电站三维模型的重建。

作为优选方案，手动微调三维标准模型的空间位置和姿态，使三维标准模型与点云数据匹配更精确。

本发明已使用于变电站三维模型重建的项目中，完成的三维变电站模型见图5。

Claims (5)

1.基于激光点云数据的三维变电站半自动重建方法，其特征是，包括：

S1分别采用激光扫描设备和光学相机采集变电站的点云数据和纹理数据；

S2对点云数据进行预处理，即对点云数据依次进行去噪、去冗余、配准；

S3构建电力设备的三维标准模型库，本步骤包括：

3.1通过人机交互方式从预处理后的点云数据分割出各电力设备的点云数据；

3.2根据电力设备的点云数据量测电力设备的几何信息，基于几何信息构建电力设备的几何模型；

3.3将纹理数据映射到对应的几何模型表面，获得电力设备的三维标准模型，各电力设备的三维标准模型构成三维标准模型库；

S4采用形态学方法从预处理后的点云数据中分离地面点云，采用空间聚类法对分离地面点云后的点云数据进行分割，分离空间相离的各电力设备的点云数据；

S5将三维标准模型离散化为点集，记为初始模型点云集M；将步骤S4分割后的点云数据中与三维标准模型对应的点云数据记为目标点云集T；采用基于特征点的最邻近点迭代法对初始模型点云集M与目标点云集T配准，采用三维标准模型替换配准后的模型点云集。

2.如权利要求1所述的基于激光点云数据的三维变电站半自动重建方法，其特征是：

步骤S4中所述的采用形态学方法从预处理后的点云数据中分离地面点云，具体为：

4.1从预处理后的点云数据中剔除低点；

4.2对剔除低点后的点云数据进行网格划分，将网格中高程最低的点云点作为初始地面点，并构建初始地形；

4.3利用初始地形点构建三角网，遍历未参与三角网构建的点云点，记为点云点a，对点云点a逐一执行：

①查找当前点云点a所在三角形t，计算当前点云点a到三角形t所在平面的距离d，若d不小于距离阈值，结束；否则，执行步骤②；

②计算点云点a和三角形t三个顶点所连的连线与三角形t所在平面的夹角，将所计算三个夹角的最小值定义为最小夹角θ；若最小夹角θ不小于角度阈值，结束；否则，将当前点云点a添加到三角网；

上述距离阈值和角度阈值均为经验值。

3.如权利要求1所述的基于激光点云数据的三维变电站半自动重建方法，其特征是：

步骤S4中所述的采用空间聚类法对分离地面点云后的点云数据进行分割，具体为：

4.4对地面点云分离后的点云数据构建均构格网，统计各单元格单点云点数，记为DoPC值，将单元格单点云点数小于点云数阈值Pt_min的单元格的DoPC值设为0；

4.5随机选取一未标记的非空单元格，将其添加到集合Q，并标记该非空单元格，非空单元格即DoPC值不为0的单元格；

4.6对各未标记的非空单元格p逐一执行：

计算当前非空单元格p中心到集合Q中各非空单元格中心的距离，取最小距离，若最小距离小于阈值T，将当前非空单元格p添加到集合Q，同时标记当前非空单元格p；否则，对下一未标记的非空单元格p执行本步骤；

4.7判断是否存在未标记的非空单元格，若有，重新执行步骤4.5～4.6；否则，结束；

上述点云数阈值Pt_min为经验值，阈值T设置为2倍的单元格宽度。

4.如权利要求1所述的基于激光点云数据的三维变电站半自动重建方法，其特征是：

步骤S5进一步包括：

5.1采用人机交互方式选取目标点云集T和初始模型点云集M中的同名点对，得同名点集T_F、M_F；；

5.2根据当前的旋转参数R和平移参数r计算当前模型点云集M'＝R*M+r，R和r根据当前同名点集T_F和M_F中同名点对计算得到；

5.3寻找同名点集T_F中各同名点在当前模型点云集M'中的最近点，采用最近点更新同名点集M_F；

5.4利用当前的旋转参数R和平移参数r计算当前同名点集T_F和M_F间的误差τ＝[T_F-(R·T_F-r)]²；若τ小于误差阈值，则收敛，执行步骤5.5；否则，重新执行步骤5.2；

5.5根据当前同名点集T_F、M_F获得同名点对，利用同名点对将当前模型点云集M'和目标点云集T配准；

5.6三维标准模型替换配准后的当前模型点云集M'，得点云数据的矢量化模型；

误差阈值为点云中相邻点云间隔。

5.如权利要求1所述的基于激光点云数据的三维变电站半自动重建方法，其特征是：

在步骤S5后，手动微调三维标准模型的空间位置和姿态，使三维标准模型与点云数据匹配更精确。