CN107909582A - 一种机载LiDAR塔头电力线自动检测分割方法 - Google Patents

Abstract

本发明公开了一种基于几何特征从机载LiDAR中自动检测分割高压输电杆塔的塔头部位处电力线的方法；包括由高程约束的塔头区域点云数据分割、距离约束的塔身干扰点云数据剔除、剔除塔身的塔头区域点云数据投影特征图生成、穿线法提取电力线分层高程值、高程约束的塔头点云数据高程分层、高程分层点云数据投影密度特征图生成、投影密特征度图中电力线种子点提取和高差约束的迭代区域生长法电力线点云数据提取，通过以上步骤，完成电力走廊机载激光点云数据中高压输电杆塔的塔头部位处电力线的检测提取工作，可应用到电力走廊三维场景中电力线部件单体化展示、智能诊断环节杆塔部位电力线特征要素提取。

Description

一种机载LiDAR塔头电力线自动检测分割方法

技术领域

本发明属于电力领域，具体涉及到塔头电力线分层高程计算和分割，单根电力线完整点云数据提取。

背景技术

随着我国经济社会快速发展，电力系统建设不断扩容，电网规模越来越大，电网的安全运行维护及检测工作显得日益重要。而电网运行设备分布广，架空电力线路大部分处于农村或野外，电力杆塔等设备处于山川河流丘陵等复杂地形之上，目前电网运检工作中纯粹依赖人工巡视、计划检修、事后处置的方式，工作效率低，耗费大量的人力物力，并且很难做到及时全面地评估和预警，也导致相应的应急处理措施不够完善，阻碍坚强智能电网的发展。

基于机载激光扫描技术，可快速、准确的采集电力走廊内电力设备与地物的真三维场景数据，对于丘陵和山区等复杂地形区域的架空线路来说意义尤其重大，正被逐渐应用到输电线路运行维护中，因此机载激光点云数据进行要素地物的提取具有重要的研究价值和非常重要的现实意义。

电力线作为输电设备的重要组成部分，尤其在电力杆塔的塔头部位更包含电力线挂载点、绝缘子等繁多电力附件，提取出电力杆塔范围内的完整电力线点云数据和特征参数，在输电线路三维场景展示和智能诊断领域有着重要意义。

发明内容

以往从机载电力走廊点云数据中分割电力线点云数据的工作，通常按固定半径分割杆塔点云，使得塔头部分包含电力线数据，单独提取出来的电力线点云数据也在杆塔部位出现断线现象，后期仅通过手动交互方式提取杆塔部位的电力线数据。本发明解决了以上工作方法的不足，能有效的提高工作效率，且提取出完整的电力线点云数据。为实现上述目标，本发明采用如下技术方案。

第一步、首先统计杆塔区域内点云数据的最大高程值H_max，然后基于高差约束提取塔头区域内点云数据；再利用杆塔初始坐标，计算分割的塔头点云到杆塔初始坐标的水平距离Dis(P_i,P_c)，最终基于距离约束完成剔除塔身干扰的塔头点云数据检测提取工作。剔除塔身干扰的塔头点云数据提取计算公式如下：

其中Dis(P_i,P_c)为塔头激光点P_i(x,y,z)到杆塔初始点P_c的水平距离。

第二步、首先以相邻杆塔初始坐标计算电力线走向，以计算的电力走向线所在垂直面为投影面，生成剔除塔身的塔头区域点云数据高程分布特征图。然后，对电力线投影大致呈现水平线段的高程分布特征图，沿列进行穿线法交叉像元统计，最终可提取出不同分层电力线所在层的高程值。

塔头高程分布特征图计算方法如下：

其中(X_pro,Y_pro)为塔头点云坐标投影到电力走向线所在垂直面的投影坐标；θ为该杆塔初始坐标和邻近杆塔初始坐标连线，同x中的夹角；(r,c)为投影后的塔头点云数据以x和z值在垂直投影面内对应高程分布特征图的像元坐标，每个像元存储一个投影点的索引值。

高程分布特征图电力线分层高程值计算方法：

其中Num_c为从高程分布特征图的第一列开始，统计该列存在三维投影点的像元个数，依次向右统计每一列的投影像元个数，直至投影像元个数大于Num_thr阈值且同后一列的投影像元个数相同时，即认为到达电力线投影区域，记录改列包含投影像坐标，并获取每个投影像元对应存储的三维点索引值。利用三维点坐标，提取塔头区域内电力线分层高程值。

第三步、首先基于单个高程层点云数据生成投影密度特征图，然后，从投影密度特征图提取单根电力线种子点。

第四步，利用种子点基于高差和距离约束迭代区域生长提取完整单个电力线点云。

单根电力线点云数据提取方法如下：

i.基于第二步提取出的电力线分层高程值，在高程约束下H_l<H_i<H_u从原始塔头点云数据中，提取仅包含一层电力线的分层点云数据；

ii.将单层电力线点云数据沿电力线走向线方向旋转，并向XOY水平面投影，生成投影密度特征图，投影像元存储一个映射三维点索引值；

iii.统计投影密度特征图像元值，以第一交叉列作为电力线起始段，从而获取该层内所有电力线的种子点；

iv.基于提取的电力线种子点，迭代获取该种子点周边的k邻域点，并逐邻域点计算其与该种子点的高差值，剔除H_thr<H_i的塔身和绝缘子等噪点。同时计算其与种子点的水平距离值，保留到该种子点距离最大D_max的邻域点为新种子点，迭代生长直至不再查询出新邻域点，则完成单根电力线点云数据的提取工作，转至下一根电力线的种子点进行提取。

通过该提出算法，证明能满足性能与效果的要求，检测提取杆塔区域内电力线点云数据的质量较为理想。在分析电力杆塔中塔头部位电力线空间分布特点的基础上，提出一种首先基于高差和半径距离约束，提取剔除塔身的塔头区域点云数据，然后依据邻近杆塔初始坐标计算电力线走向，投影生成塔头区域高程分布特征图并利用穿线法提取电力线分层高程值，最后基于电力线分层高程值，分割包含单层电力线的点云数据，生成投影密度特征图并提取电力线种子点，最终基于邻域高差约束迭代区域生长提取单根电力线完整点云数据的检测提取方法。

附图说明

图1塔头电力线检测提取流程图

具体实施方式

一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，主要包括如下步骤

(1)基于杆塔区域原始点云数据和电力杆塔初始坐标，统计杆塔点云最大高程并在高差约束下提取塔头点云数据，在杆塔初始坐标和半径距离约束下剔除塔身干扰点云数据；

(2)基于剔除塔身的塔头区域点云数据，以相邻杆塔初始坐标计算电力线走向，以电力走向线所在垂直面为投影面，生成剔除塔身的塔头区域点云数据高程分布特征图；对高程分布特征图沿列进行穿线法交叉像元统计，并提取不同分层电力线所在层的高程值；

(3)基于提取的电力线分层高程值，在高差约束下从杆塔区域点云数据中提取包含电力线的分层点云数据，以提取的高程分层点云数据单独生成投影密度特征图，并从密度特征图中提取层内所有电力线的特征点作为区域生长操作种子点；

(4)基于高程分层内电力线种子点，在邻域高差和距离约束下，使用迭代区域生长法逐根提取电力线点云数据。

其中。针对杆塔区域机载激光点云数据中包含地面、植被、塔身、绝缘子和其他电力附件等复杂要素，无法直接检测提取塔头区域内电力线点云数据的问题，提出了一种基于高差和半径距离约束提取剔除了塔身干扰的塔头点云数据的方法。这种方法首先统计杆塔区域内点云数据的最大高程值，然后基于高差约束和到杆塔初始坐标的距离约束，完成剔除了塔身干扰的塔头点云数据检测提取工作；算法为：

剔除塔身干扰的塔头点云数据提取

其中Dis(P_i,P_c)为塔头激光点P_i(x,y,z)到杆塔初始点P_c的水平距离。

进一步的，针对提取出的剔除了塔身的塔头点云数据中，包含了地线和多相输电线并按高度分层挂载在塔头绝缘子上，无法直接一次性提取电力线点云数据的问题，提出了一种首先以相邻杆塔初始坐标计算电力线走向，并以计算的电力走向线所在垂直面为投影面，生成剔除塔身的塔头区域点云数据高程分布特征图。然后，对电力线投影大致呈现水平线段的高程分布特征图，沿列进行穿线法交叉像元统计，并提取出不同分层电力线所在层的高程值的方法。算法为：

塔头高程分布特征图计算算法

其中(X_pro,Y_pro)为塔头点云坐标投影到电力走向线所在垂直面的投影坐标；

塔头高程分布特征图电力线分层高程值统计

针对塔头部位分布在同一高程层内有两根或多根电力线，且高程约束下从原始点云分割出的分层点云数据中仍存在塔身和绝缘子等干扰点云数据，无法直接提取完整的单根电力线点云数据的问题，提出了一种投影密度特征图提取种子点并迭代区域生长提取电力线点云的方法。这种方法首先基于单个高程层点云数据生成投影密度特征图，然后，从投影密度特征图提取单根电力线种子点，最后，利用种子点基于高差和距离约束迭代区域生长提取完整单个电力线点云。算法为：

单根电力线点云数据提取，

i.基于如上提取出的电力线分层高程值，在高程约束下H_l<H_i<H_u从原始塔头点云数据中，提取仅包含一层电力线的分层点云数据；

ii.将单层电力线点云数据沿电力线走向线旋转，并向XOY水平面投影，生成投影密度特征图；

iii.统计投影密度特征图像元值，获取该层内所有电力线的种子点；

iv.基于提取的电力线种子点，迭代获取该种子点周边的k邻域点，并逐邻域点计算其与种子点的高差值，剔除H_thr<H_i的塔身和绝缘子等点。同时计算其与种子点的距离值，保留到该种子点距离最大D_max的邻域点为新种子点，迭代生长直至不再查询出新邻域点，则完成单根电力线点云数据的提取工作，转至下一根电力线的种子点进行提取。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于：包括如下步骤：

(1)基于杆塔区域原始点云数据和电力杆塔初始坐标，统计杆塔点云最大高程并在高差约束下提取塔头点云数据，在杆塔初始坐标和半径距离约束下剔除塔身干扰点云数据；

(2)基于剔除塔身的塔头区域点云数据，以相邻杆塔初始坐标计算电力线走向，以电力走向线所在垂直面为投影面，生成剔除塔身的塔头区域点云数据高程分布特征图；对高程分布特征图沿列进行穿线法交叉像元统计，并提取不同分层电力线所在层的高程值；

(3)基于提取的电力线分层高程值，在高差约束下从杆塔区域点云数据中提取包含电力线的分层点云数据，以提取的高程分层点云数据单独生成投影密度特征图，并从密度特征图中提取层内所有电力线的特征点作为区域生长操作种子点；

(4)基于高程分层内电力线种子点，在邻域高差和距离约束下，使用迭代区域生长法逐根提取电力线点云数据。

2.根据权利要求1所述的一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于，步骤一中，首先统计杆塔区域内点云数据的最大高程值H_max，然后基于高差约束提取塔头区域内点云数据；再利用杆塔初始坐标，计算分割的塔头点云到杆塔初始坐标的水平距离Dis(P_i,P_c)，最终基于距离约束完成剔除塔身干扰的塔头点云数据检测提取工作；剔除塔身干扰的塔头点云数据提取计算公式如下：其中Dis(P_i,P_c)为塔头激光点P_i(x,y,z)到杆塔初始点P_c的水平距离。

3.根据权利要求1所述的一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于，步骤(2)中，首先以相邻杆塔初始坐标计算电力线走向，以计算的电力走向线所在垂直面为投影面，生成剔除塔身的塔头区域点云数据高程分布特征图；然后，对电力线投影大致呈现水平线段的高程分布特征图，沿列进行穿线法交叉像元统计，最终可提取出不同分层电力线所在层的高程值；

塔头高程分布特征图计算方法如下：

其中(X_pro,Y_pro)为塔头点云坐标投影到电力走向线所在垂直面的投影坐标；θ为该杆塔初始坐标和邻近杆塔初始坐标连线，同x中的夹角；(r,c)为投影后的塔头点云数据以x和z值在垂直投影面内对应高程分布特征图的像元坐标，每个像元存储一个投影点的索引值。

4.根据权利要求1所述的一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于，步骤(2)中，高程分布特征图电力线分层高程值计算方法：

<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mi>N</mi> <mi>u</mi> <msub> <mi>m</mi> <mrow> <mi>t</mi> <mi>h</mi> <mi>r</mi> </mrow> </msub> <mo>&lt;</mo> <mi>N</mi> <mi>u</mi> <msub> <mi>m</mi> <mi>c</mi> </msub> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>Num</mi> <mi>c</mi> </msub> <mo>=</mo> <msub> <mi>Num</mi> <mrow> <mi>c</mi> <mo>+</mo> <mn>1</mn> </mrow> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>;</mo> </mrow>

其中Num_c为从高程分布特征图的第一列开始，统计该列存在三维投影点的像元个数，依次向右统计每一列的投影像元个数，直至投影像元个数大于Num_thr阈值且同后一列的投影像元个数相同时，即认为到达电力线投影区域，记录改列包含投影像坐标，并获取每个投影像元对应存储的三维点索引值；利用三维点坐标，提取塔头区域内电力线分层高程值。

5.根据权利要求1所述的一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于，步骤(4)中，单根电力线点云数据提取方法如下：

i.基于第二步提取出的电力线分层高程值，在高程约束下H_l<H_i<H_u从原始塔头点云数据中，提取仅包含一层电力线的分层点云数据；

ii.将单层电力线点云数据沿电力线走向线方向旋转，并向XOY水平面投影，生成投影密度特征图，投影像元存储一个映射三维点索引值；

iii.统计投影密度特征图像元值，以第一交叉列作为电力线起始段，从而获取该层内所有电力线的种子点。

6.根据权利要求1所述的一种基于几何特征的机载LiDAR塔头电力线自动检测分割方法，其特征在于，步骤(4)中，基于提取的电力线种子点，迭代获取该种子点周边的k邻域点，并逐邻域点计算其与该种子点的高差值，剔除H_thr<H_i的塔身和绝缘子等噪点；同时计算其与种子点的水平距离值，保留到该种子点距离最大D_max的邻域点为新种子点，迭代生长直至不再查询出新邻域点，则完成单根电力线点云数据的提取工作，转至下一根电力线的种子点进行提取。