CN109254586A - 线上点与非线上点分类、电力线提取及航迹规划方法 - Google Patents

Abstract

本发明提出一种地面点与线上点分类、电力线提取及航迹规划方法，采用支持向量机方法，通过投影、归一化数值范围、构造平面、引入超平面、构造函数等方法实现了有效的线上点与非线上点/地面点的分类，通过地面点剔除、点云分类、直线提取三大步骤拟合出的电力线描述，有效去除了大量的无效点云，精简了计算量，具有更加精确的电力线数据，解决激光点云数据包含过多无用信息、电力线提取精度不理想的问题，为飞行航迹规划提供精准的调整信息，满足近距离巡检的要求。

Description

线上点与非线上点分类、电力线提取及航迹规划方法

技术领域

本发明属于电力线走廊巡检技术领域，尤其与一种线上点与非线上点分类方法、电力线提取方法及航迹规划方法相关。

背景技术

通过激光雷达进行电力巡检的引导正在逐步推广和完善。由激光雷达对电力系进行扫描，然后通过扫描数据进行计算，经计算处理后的数据，可为巡检飞行的路径规划提供有效的帮助，为巡检飞行实时规划航迹，确保骑线飞行准确性，从而提高巡检排隐患的精度。

现有的电力线走廊巡检技术中，存在点云获取后包含过多无效信息，存在未能排除众多无效点云、点云解算数据量过大、解算耗时过长等缺陷，从而电力线提取精度不理想、航迹规划不能够满足近距离采集信息的需求等问题，未能满足电力应急、隐患快速排除等应用的实时性要求。因此，需要对激光数据进行更加精确的处理和分析，为航迹规划提供精确的信息反馈，以确保骑线飞行路径的精准性。

发明内容

针对上述现有技术缺陷，本发明提出一种线上点与非线上点分类、电力线提取及航迹规划方法，解决激光点云数据包含过多无用信息、无效点云排除力度不够、数据量过大、电力线提取精度不理想等问题，为飞行航迹规划提供精准的调整信息，满足近距离巡检的要求。

本发明采用以下技术：

一种线上点与非线上点分类方法，其特征在于，包括以下步骤：

S1、将所有待分类的数据D＝{(x₁,y₁,z₁),(x₂,y₂,z₂)...(x_n,y_n,z_n)}垂直投影到YOZ平面，得到一组新的点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}；

S2、将所有点的z轴数据归一化到[-1，1]区间内；

S3、构造一个平面wx+b＝0；

S4、引入超平面的几何间隔将参数w和b的确定转化为条件极值问题进行求解：

s.t.f(wx+b)≥1；

S5、利用S3所构造的平面将点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}划分为A类和B类，且A类中所有点的z坐标数据取值范围[-1,0]，且B类中所有点的z坐标数据取值范围[0,-1]；

S6、通过函数f(y)＝sgn(wx+b)将点归类到A类和B类中。

一种电力线提取方法，其特征在于：包括以下步骤：

S1、对电力线走廊的三维点云数据进行地面点剔除；

S2、对剔除地面点后的数据进行线上点与非线上点分类，分类包括：

S21、将所有待分类的数据D＝{(x₁,y₁,z₁),(x₂,y₂,z₂)...(x_n,y_n,z_n)}垂直投影到YOZ平面，得到一组新的点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}；

S22、将所有点的z轴数据归一化到[-1，1]区间内；

S23、构造一个平面wx+b＝0；

S24、引入超平面的几何间隔将参数w和b的确定转化为条件极值问题进行求解：

s.t.f(wx+b)≥1；

S25、利用S3所构造的平面将点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}划分为A类和B类，且A类中所有点的z坐标数据取值范围[-1,0]，且B类中所有点的z坐标数据取值范围[0,-1]；

S26、通过函数f(y)＝sgn(wx+b)将点归类到A类和B类中；

S3、保留分类获得的线上点，对来自不同电力线的线上点云数据进行提取，得到来自每一条电力线上的点云，并将其拟合为一条直线，得到电力线描述，完成提取。

其中，步骤S3具体包括：

S31、将保留的线上点在飞行器坐标系中的三个不同平面进行垂直投影，得到平面xOz、xOy和yOz上的投影点；

S32、取三个坐标平面上的所有点的重心，计算所有点到该重心的夹角θ_m，以Δθ为角度区间间隔，统计所有夹角θ_m在区间上的分布情况；

S33、将出现的连续区间出现峰值且邻近区间出现谷值的情况，判断为该投影点具有明显的聚集现象；

S34、取具有最大聚集程度的投影平面，统计局部峰值点的个数，并将该投影平面中连续出现峰值的区间内的所有点聚集为一个簇；

S35、同一个簇上的所有点，认为是来自于同一条电力线的点云，将同一个簇的点云拟合为一条直线，得到电力线描述，完成提取。

其中，步骤S1具体包括：

S11、以飞行器前进方向为y方向，以飞行平台垂直向上为z方向，建立坐标系，以z轴方向的高程信息为标准；

S12、将点云数据按高程进行分层，层高Δz，总层数

S13、统计第i层的点云数据量p_i；

S14、从最小z逐层往上，如果p_i＞300，判断为地面点，剔除该层数据；

S15、第一次层次剔除完成，将剩余的点云按照层次，再次进行划分，即：保留z较大的一端的所有层次中的点云，逐层往下，当层次k与最邻近的层次j高度差大于1m时，其中k>j，剔除该层数据以及往下的所有层次数据，只保留0-j层的数据；

S16、将所有余下的层次点存储作为备用点，完成地面点云剔除。

其中，电力线走廊的三维点云数据是通过结合激光扫描数据、位置数据、姿态数据进行三维点云解算获得。

三维点云解算，方法为：

x＝dcosαsinβ；y＝dcosαcosβ；z＝dsinα；

其中，α为激光扫描仪当前激光出射俯仰角度，β为激光出射方位角度，d为激光扫描仪与地面的距离。

一种航迹规划方法，其特征在于，包括如下步骤：

S1、采用所述的电力线提取方法完成电力线提取；

S2、基于电力线提取获得的直线参数，取高程最大的一条线作为目标地线，设目标地线 的直线方程为ax+by+cz＝d；

S3、将方向向量(a,b,c)归一化得到(a′,b′,c′)；

S4、通过公式计算获得电力线与x轴和y轴之间的夹角，获得飞行器的航向和俯仰角度；

S5、通过公式计算获得空间中点到直线的距离，获得飞行器到电力线的距离；

S6、根据当前的航向、俯仰角度，调整飞行器的姿态，使飞行器保持平行于电力线上方飞行，然后根据飞行器与电力线的距离，进行高度下降或升高，完成飞行航迹规划。

一种骑线飞行方法，其特征在于，包括如下步骤：

S1、采用所述的航迹规划方法使飞行器平行于电力线上方飞行，高度的下降根据飞行器与电力线的距离调整；

S2、下降高度后开始骑线滑行飞行，在遇到塔杆时，根据激光扫描数据进行点云解算，取最近的点云，若距离小于设定阈值，则减速并在接近塔杆时升起高度，避开塔杆，越过塔杆后，再重新降低高度至滑行飞行高度；若距离大于设定阈值，则继续骑线滑行飞行。

本发明有益效果：

1、本发明提供的分类方法，可以进一步优化地面点剔除后的数据。通过剔除仅能较大程度的去除地面点，去除后的点云中还包括许多无用的非线上点云，这部分点云无法通过地面点剔除去除，若是直接将数据直接输入提线环节，将极大增加运算的数据量，不利于算法的简化和飞行器的能耗节省，更加不利于时效性的提高。通过本发明设计的具有指导学习的方法，采用支持向量机方法，通过投影、归一化数值范围、构造平面、引入超平面、构造函数等方法实现了有效的线上点与非线上点的分类，为电力线的提取转化工作提供精确的点云数据支撑，进一步有效分割掉无效的非线上点云，在保留有效数据的情况下极大缩小了数据量，利于提高直线提取的精度，解决了现有技术对于点云中无效信息过滤度的不足而导致提取误差大等问题，具备较强的应用价值，可适用于电力线提取，作为剔除地面点数据这种粗滤处理方式的有效补充。

2、本发明提供的电力线提取方法，包含了地面点剔除、点云分类、直线提取三大步骤，先通过剔除获得粗略处理的点云数据，在处理中通过分层，并设定点云数据量pi＞300，判断地面点，实现了有效剔除；再通过支持向量机方法的指导学习，通过投影、归一化数值范围、构造平面、引入超平面、构造函数等方法实现了有效的线上点与非线上点的分类，进一步去除无效点云，缩小数据量；然后基于保留的线上点数据，通过三面投影、计算重心夹角、统计分布情况、聚集簇、拟合出电力线描述，获得了更加精确有效的电力线直线数据，能够为骑线飞行的航迹规划提供精准的位置调整参考信息数据，精简后的数据运算具有更高的时效性，且能确保近距离巡检的精确性；并且避免了采用Hough变换或者RANSAC算法的多次重复迭代计算，有效提高了算法效率。

3、本发明提供的航迹规划方法应用于基于激光雷达数据的骑线飞行电力巡检作业中，能够通过实时获取的相对位置关系，指导飞行器进行实时姿态调整和高度的升降，实时调整航迹，极大提高了骑线飞行的精度，确保飞行器实时保持与电力线匹配的航迹，实现近距离的巡检，为精确排查隐患提供了有效的航迹支持。

附图说明

图1是本发明的方法中进行三维点云解算的示意图。

图2是本发明的方法中进行地面点剔除的示意图。

图3是本发明的方法中进行线上点与非线上点分类的示意图。

图4是本发明的方法中进行线上点与非线上点分类的实例。

图5是本发明的方法中进行电力线提取的示意图。

图6是本发明的方法中进行相对位置关系计算的示意图。

图7是本发明的方法中进行航迹规划的示意图。

图8是本发明的方法中进行骑线飞行的方法流程图。

图9是本发明的方法中骑线飞行时的塔杆判断流程图。

具体实施方式

为了使本申请的目的、技术方案和具体实施方法更为清楚，结合附图实例对本申请进行进一步详细说明。

在实际的骑线飞行过程中，最为重要的就是参考激光点云以获取相对位置关系，从而反馈给飞行器进行姿态的调整，并形成航迹规划，确保飞行能够达到近距离的精准骑线效果。

在基于激光雷达/激光扫描仪引导的电力巡检飞行中，激光雷达/激光扫描仪获取扫描数据，例如采用16路激光扫描仪，还需要结合飞行器的飞控系统自身反馈的姿态数据和位置数据，具体可以分别是惯性导航单元和卫星导航单元的反馈，然后由处理器完成相对位置关系的计算等。优选的，可以由具有数据处理能力的DSP系统进行数据处理，例如C6000系列，DSP通过网口与激光扫描仪通信，并通过UART与飞控系统进行信息交互，并用DSP/BIOS实现多线程以确保信息传递和控制指令的传输。

具体获取流程：

首先，激光雷达/激光扫描仪获取扫描数据，通过飞控系统自身反馈姿态数据和位置数据，扫描数据、姿态数据、位置数据由DPS系统进行处理。

DPS系统结合激光扫描数据、位置数据、姿态数据进行三维点云解算获得，获得电力线走廊的三维点云数据。具体的三维点云解算方法，采用如图1所示的坐标图：

x＝dcosαsinβ；y＝dcosαcosβ；z＝dsinα；

其中，α为激光扫描仪当前激光出射俯仰角度，β为激光出射方位角度，d为激光扫描仪与地面的距离。

通过结算获得的电力线走廊的三维点云数据，不进包含了有效的电力线信息，还包含了来自地面、植被和建筑等的点云，需要将来自电力线的点云单独提取出来，才能精准的获取相对位置关系。

然后，进行地面点剔除，剔除后，可极大减少无效的点云数据量，提高后续计算速度。

如图2所示，以飞行平台前进方向为y方向，以飞行平台垂直向上为z方向，建立坐标系，以z轴方向的高程信息为标准进行地面点云剔除：

1)、以飞行器前进方向为y方向，以飞行平台垂直向上为z方向，建立坐标系，以z轴方向的高程信息为标准；

2)、将点云数据按高程进行分层，层高Δz，总层数

3)、统计第i层的点云数据量p_i；

4)、从最小z逐层往上，如果p_i＞300，判断为地面点，剔除该层数据；

5)、第一次层次剔除完成，将剩余的点云按照层次，再次进行划分，即：保留z较大的一端的所有层次中的点云，逐层往下，当层次k与最邻近的层次j高度差大于1m时，其中k>j， 剔除该层数据以及往下的所有层次数据，只保留0-j层的数据；

6)、将所有余下的层次点存储作为备用点，完成地面点云剔除。

剔除只是一次粗略的数据处理，去除大部分无效的点云数据，要达到精准提取，还需要进一步进行线上点与非线上点的分类。

剔除后的点云数据包括线上点云和非线上点云。如图3所示，线上点云和非线上点云在空间上存在明显的偏差，尤其是在高程上，线上点云的高程与非线上点云存在明显的断层现象，采用支持向量机方法SVM对在空间上线性可分的线上点云和非线上点云进行分类。

1)、考虑待分类的数据D＝{(x₁,y₁,z₁),(x₂,y₂,z₂)...(x_n,y_n,z_n)}，在高程方向有明显的分层，将所有点垂直投影到YOZ平面，得到一组新的点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}，如图4中的“.”和“x”所示，然后将所有点的z轴数据归一化到[-1，1]区间内；

2)、对于点集合D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}，构造一个平面wx+b＝0，该平面将点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}划分为A和B两个类，且A类中所有的点的z坐标取值范围[-1，0]，而所有的B类中的点坐标取值范围[0，1]，则可以通过定义函数f(y)＝sgn(wx+b)来判断集合中的某个点到底属于哪一个类；

3)、对于上述平面，需要确定的是其参数w和b，这样的参数有无数个取值，引入超平面的几何间隔确定参数的原则就是使得几何间隔最大化，那么参数确定问题转化为条件极值问题：

s.t.f(wx+b)≥1。

为求解上述条件极值问题，采用拉格朗日方法，求解得到参数w和b，对于所构造的超平面，对上述检验函数进行计算，可根据函数取值将上述所有点归类为A和B两个大类。

采用上述方法将点云数据分类为线上点和非线上点，保留线上点。线上点可能来自于不同的电力线，在暂时不考虑激光雷达/激光扫描仪的误差的情况下，明显，电力线上是一条光滑的曲线，而且电力线曲线是标准的二次函数曲线，但在激光扫描仪可探测的范围内，电力线可以看成是一条直线。在分类后的线上点云中提取电力线转化为在线上点集合中尽可能多 的提取直线。

由于骑线飞行过程中的特殊性，即飞行器的飞行方向始终是沿着电力线前进方向的(或者有一定的小夹角)，如果将电力线上点云向飞行器坐标系中的三个平面进行投影，将得到不同的结果。其中，向飞行器前进方向投影得到的是一堆明显聚集的点，而向地面和侧面投影，得到的是三条不同位置关系的直线。

1)将分类后保留的线上点在飞行器坐标系中的三个不同平面进行垂直投影，得到平面xOz、xOy和yOz上的投影点，如图5所示；

2)取三个坐标平面上的所有点的重心，计算所有点到该重心的夹角θ_m，以Δθ为角度区间间隔，统计所有夹角θ_m在区间上的分布情况；

3)将出现的连续区间出现峰值且邻近区间出现谷值的情况，判断为该投影点具有明显的聚集现象；

4)取具有最大聚集程度的投影平面，统计局部峰值点的个数，并将该投影平面中连续出现峰值的区间内的所有点聚集为一个簇；

5)同一个簇上的所有点，认为是来自于同一条电力线的点云，将同一个簇的点云拟合为一条直线，得到电力线描述，完成提取。

基于电力线提取的直线参数，可以估计飞行器当前所在位置和姿态与电力线之间的相对位姿关系。由于激光扫描仪/激光雷达可能一次提取到多条电力线，而电力线的地线必然是最高的线，取高程最大的一条线作为目标地线(跨骑目标)，如图6所示，取图中的直线Line1作为目标地线。

设直线1的方程为ax+by+cz＝d，那么直线的方向向量就是(a,b,c)，将方向向量归一化得到(a′,b′,c′)，则飞行器与电力线之间的夹角分别为：

其中，最关注的是电力线与x轴和y轴之间的夹角，即飞行器的航向和俯仰角度，而滚转角度对于飞行器跨骑过程影响不大，只需要通过飞控系统保证飞行器滚转角度稳定即可，一般飞行器飞行过程中滚转角度很小。

飞行器和电力线之间的另外一个关系，是飞行器到电力线之间的距离，空间中点到直线 的距离计算为：

如图7所示，根据当前的航向、俯仰角度，调整飞行器的姿态，使飞行器保持平行于电力线上方飞行，然后根据飞行器与电力线的距离，进行高度下降或升高，完成飞行航迹规划。

在完成航迹规划的基础上，进行骑线飞行，流程如图8所示，通过航迹规划使飞行器平行于电力线上方飞行，高度的下降根据飞行器与电力线的距离调整，下降高度后开始骑线滑行飞行，在遇到塔杆时，按照如图9所示的流程进行，根据激光扫描数据进行点云解算，取最近的点云，若距离小于设定阈值，如2m，则减速/刹车，并在接近塔杆时升起高度，避开塔杆，越过塔杆后，再重新降低高度至滑行飞行高度；若距离大于设定阈值，则继续骑线滑行飞行。在骑线过程中，航迹规划实时对飞行器进行规划调整，并对塔杆的情况进行判断，确保骑线飞行过程的精准性、安全性。

Claims (8)

1.一种线上点与非线上点分类方法，其特征在于，包括以下步骤：

S1、将所有待分类的数据D＝{(x₁,y₁,z₁),(x₂,y₂,z₂)...(x_n,y_n,z_n)}垂直投影到YOZ平面，得到一组新的点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}；

S2、将所有点的z轴数据归一化到[-1，1]区间内；

S3、构造一个平面wx+b＝0；

S4、引入超平面的几何间隔将参数w和b的确定转化为条件极值问题进行求解：

s.t.f(wx+b)≥1；

S5、利用S3所构造的平面将点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}划分为A类和B类，且A类中所有点的z坐标数据取值范围[-1,0]，且B类中所有点的z坐标数据取值范围[0,-1]；

S6、通过函数f(y)＝sgn(wx+b)将点归类到A类和B类中。

2.一种电力线提取方法，其特征在于：包括以下步骤：

S1、对电力线走廊的三维点云数据进行地面点剔除；

S2、对剔除后的数据进行线上点与非线上点分类，分类包括：

S21、将所有待分类的数据D＝{(x₁,y₁,z₁),(x₂,y₂,z₂)...(x_n,y_n,z_n)}垂直投影到YOZ平面，得到一组新的点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}；

S22、将所有点的z轴数据归一化到[-1，1]区间内；

S23、构造一个平面wx+b＝0；

S24、引入超平面的几何间隔将参数w和b的确定转化为条件极值问题进行求解：

s.t.f(wx+b)≥1；

S25、利用S3所构造的平面将点D＝{(y₁,z₁),(y₂,z₂)...(y_n,z_n)}划分为A类和B类，且A类中所有点的z坐标数据取值范围[-1,0]，且B类中所有点的z坐标数据取值范围[0,-1]；

S26、通过函数f(y)＝sgn(wx+b)将点归类到A类和B类中；

S3、保留分类获得的线上点，对来自不同电力线的线上点云数据进行提取，得到来自每一条电力线上的点云，并将其拟合为一条直线，得到电力线描述，完成提取。

3.根据权利要求2所述的电力线提取方法，其特征在于：步骤S3具体包括：

S31、将保留的线上点在飞行器坐标系中的三个不同平面进行垂直投影，得到平面xOz、xOy和yOz上的投影点；

S32、取三个坐标平面上的所有点的重心，计算所有点到该重心的夹角θ_m，以Δθ为角度区间间隔，统计所有夹角θ_m在区间上的分布情况；

S33、将出现的连续区间出现峰值且邻近区间出现谷值的情况，判断为该投影点具有明显的聚集现象；

S34、取具有最大聚集程度的投影平面，统计局部峰值点的个数，并将该投影平面中连续出现峰值的区间内的所有点聚集为一个簇；

S35、同一个簇上的所有点，认为是来自于同一条电力线的点云，将同一个簇的点云拟合为一条直线，得到电力线描述，完成提取。

4.根据权利要求2所述的电力线提取方法，其特征在于：步骤S1采用的地面点剔除方法，具体是：

S11、以飞行器前进方向为y方向，以飞行平台垂直向上为z方向，建立坐标系，以z轴方向的高程信息为标准；

S12、将点云数据按高程进行分层，层高Δz，总层数

S13、统计第i层的点云数据量p_i；

S14、从最小z逐层往上，如果p_i＞300，判断为地面点，剔除该层数据；

S15、第一次层次剔除完成，将剩余的点云按照层次，再次进行划分，即：保留z较大的一端的所有层次中的点云，逐层往下，当层次k与最邻近的层次j高度差大于1m时，其中k>j，剔除该层数据以及往下的所有层次数据，只保留0-j层的数据；

S16、将所有余下的层次点存储作为备用点，完成地面点云剔除。

5.根据权利要求2所述的电力线提取方法，其特征在于：所述电力线走廊的三维点云数据是通过结合激光扫描数据、位置数据、姿态数据进行三维点云解算获得。

6.根据权利要求5所述的电力线提取方法，其特征在于：所述三维点云解算，方法为：

x＝dcosαsinβ；y＝dcosαcosβ；z＝dsinα；

其中，α为激光扫描仪当前激光出射俯仰角度，β为激光出射方位角度，d为激光扫描仪与地面的距离。

7.一种航迹规划方法，其特征在于，包括如下步骤：

S1、采用如权利要求2～6中任意一项所述的电力线提取方法完成电力线提取；

S2、基于电力线提取获得的直线参数，取高程最大的一条线作为目标地线，设目标地线的直线方程为ax+by+cz＝d；

S3、将方向向量(a,b,c)归一化得到(a′,b′,c′)；

S4、通过公式计算获得电力线与x轴和y轴之间的夹角，获得飞行器的航向和俯仰角度；

S5、通过公式计算获得空间中点到直线的距离，获得飞行器到电力线的距离；

S6、根据当前的航向、俯仰角度，调整飞行器的姿态，使飞行器保持平行于电力线上方飞行，然后根据飞行器与电力线的距离，进行高度下降或升高，完成飞行航迹规划。

8.一种骑线飞行方法，其特征在于，包括如下步骤：

S1、采用如权利要求7所述的航迹规划方法使飞行器平行于电力线上方飞行，高度的下降根据飞行器与电力线的距离调整；

S2、下降高度后开始骑线滑行飞行，在遇到塔杆时，根据激光扫描数据进行点云解算，取最近的点云，若距离小于设定阈值，则减速并在接近塔杆时升起高度，避开塔杆，越过塔杆后，再重新降低高度至滑行飞行高度；若距离大于设定阈值，则继续骑线滑行飞行。