CN112785455B - 一种基于多激光雷达的带电导线监测预警系统和方法 - Google Patents
一种基于多激光雷达的带电导线监测预警系统和方法 Download PDFInfo
- Publication number
- CN112785455B CN112785455B CN202110115561.6A CN202110115561A CN112785455B CN 112785455 B CN112785455 B CN 112785455B CN 202110115561 A CN202110115561 A CN 202110115561A CN 112785455 B CN112785455 B CN 112785455B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- power line
- clustering
- laser radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 35
- 238000012545 processing Methods 0.000 claims abstract description 42
- 238000006243 chemical reaction Methods 0.000 claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 230000004927 fusion Effects 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 17
- 238000000513 principal component analysis Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000000638 solvent extraction Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000012212 insulator Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 229920000642 polymer Polymers 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 240000007651 Rubus glaucus Species 0.000 description 1
- 235000011034 Rubus glaucus Nutrition 0.000 description 1
- 235000009122 Rubus idaeus Nutrition 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明涉及一种基于多激光雷达的带电导线监测预警系统和方法,包括若干设于斗臂车不同面的激光雷达,若干激光雷达分别与若干数据处理平台连接;若干激光雷达之间不通视,各个激光雷达感应一个方向的信息;数据处理平台采集激光雷达信息,根据标定的空间位置关系,进行多激光雷达点云融合,将采集到的点云归算到以斗臂车中心点为原点的坐标系下;多台激光雷达通过外参标定求取转换参数,实现多台激光雷达的空间同步。本发明可在10kv输电线路带电工作环境中,地对工作人员带电作业安全距离进行测量和预警、对作业环境安全情况进行监测以及对作业环境进行可视化监控,实现作业现场的实时管控和作业人员的安全防护,提高带电作业的安全水平。
Description
技术领域
本发明涉及电力线路带电条件下监测和维护技术领域,尤其涉及一种基于多激光雷 达的带电导线监测预警系统和方法。
背景技术
电力对现代社会活动至关重要,为了保证电力设备的正常运转需要对电力线路进行 有效的监测和维护,在电力设施不足的情况下甚至需要带电作业。
根据电力行业相关规定,电力施工人员在输电线路带电或者部分带电的情况下施工 作业时,施工作业人员及其工具必须与带电区域保持安全距离,安全距离应该符合设备电压等级规定。但在实际作业中由于配电线路结构的复杂性、作业项目的难度、作业组 织流程多、现场安全管控能力不足、操作人员的技术技能水平及安全意识等综合因素影 响,在作业过程会出现带电作业的安全距离不足或触碰带电体或与接地体接触,导致安 全风险较高或发生触电事故。
现有技术中,顾植彬等在《MEMS结构的带电作业电场测量预警系统》中提出基于高性能的微机电系统(MEMS)敏感结构芯片研制了一种新型带电作业电场测量预警系 统,通过检测带电作业区域的电场强度大小判断安全距离;刘聪汉在《工频电场测量方 法及安全警示系统设计研究》中提出了通过检测超高压输电线周围工频电场强度的安全 警示系统;赵进军等《超高压线路检修作业安全距离监测智能预警装置设计研究》中提 出通过在施工作业人员佩戴的安全帽、手表等设备上加装近电报警器来进行安全距离提 示,上述设备只能在靠近带电设备到一定范围内时报警,并不能真实的监测安全距离, 且抗干扰干扰能力较差。李稳等在《基于ToF技术的带电作业安全监测与预警系统》提 出了一种基于TOF摄像机的带电作业安全监测预警系统,但存在的问题是TOF测距精 度有限。
发明内容
为了解决上述现有技术存在的问题,本发明提供了一种基于多激光雷达的带电导线 监测预警系统和方法,该系统速度快、精度高、自动化程度高、劳动强度低、使用方便、环境依赖性小,能很好的解决现有技术问题,可实现安全距离实时监测、抗干扰能力强, 监测精度极大提高。
本发明的技术方案具体如下:
一种基于多激光雷达的带电导线监测预警系统,包括若干设于斗臂车不同面的激光 雷达,若干激光雷达分别与若干数据处理平台连接;若干激光雷达之间不通视,各个激光雷达感应一个方向的信息;
数据处理平台采集激光雷达信息,根据标定的空间位置关系,进行多激光雷达点云 融合,将采集到的点云归算到以斗臂车中心点为原点的坐标系下;
多台激光雷达通过外参标定求取转换参数,实现多台激光雷达的空间同步。
进一步地,该系统还包括若干无刷电机,激光雷达设于无刷电机上,无刷电机与数据处理平台连接,带动激光雷达多角度转动。
进一步地,激光雷达还包括激光雷达传感器,激光雷达传感器与数据处理平台连接。
进一步地,数据处理平台包括处理单元,若干数据处理平台通过数传云台与监控终 端连接,监控终端包括显示单元和报警单元;当在设置的监测预警范围内出现障碍物时, 报警单元自动报警;
处理单元对当前帧电力线提取,从当前实时点云中截取一段时间内的点云,通过人 工交互选取特征关键点,拟合电力线。
进一步地,视场内单帧点云时间,选择按照100ms、200ms、500ms、1000ms时间 显示点云。
进一步地,处理器以可移动激光雷达云台的中心为原点的坐标系下并进行点云去噪 处理,去除一些噪点,在预警范围之内出现的点云视为障碍点云;对于障碍点云同样采用基于密度的聚类方法算法进行聚类,在完成障碍点聚类后,根据每个簇内所有点计算 该簇的质心及其坐标范围,给出预警信息。
进一步地,当前帧电力线提取过程如下:
采用基于密度聚类的DBSCAN算法,首先对网格化的点云进行高程阈值滤波和降采样,剔除不利于电力线提取的点,通过聚类将电力线和电力塔进行区分,最后应用基 于主成分分析的滤波对误检加以修正:
首先对LIDAR数据进行空间格网划分;其次依据电力线在三维空间中的水平分布特性,将包含电力塔点的网格滤除,并根据带电力线局部高程信息,利用改进的欧式聚 类实现电力线粗体去;再采用电力线与电力塔的相连性,估算电力塔顶端的空间坐标位 置,并将该位置附近的点视为残留部分电力线的电力塔;然后使用改进的欧式聚类实现 单根电力线提取,利用直线和抛物线相结合的模型求取单根电力线的中心线方程及其半 径;最后根据电力线方程和半径自适应生长电力线于绝缘子处,并得到单根电力线的完 整点云。
进一步地,具体按以下进行:
步骤(1)、高程阈值滤波
基于高程阈值的直通滤波去除地面点、粗提取电力塔点:
将激光点云划分成条带,每个条带被认为是一个局部区域,搜索区域内的轨迹点,地面高程则是预设高程与地面的固定高差ΔHmin,该高程以下的点都被认为是地面点, 电力线则是区域预设高程加上与电力线的固定高差ΔHmax,高程低于电力线而高出地面 的部分则是电力塔;
步骤(2)、点云降采样
采用Voxel Grid滤波器对点云进行降采样处理,在保持点云目标特征的前提下减小 点云的密度;
步骤(3)、DBSCAN聚类
采用基于DBSCAN的密度聚类分割点云:
3.1读入点云集X,将其设置为未访问,设定邻域半径,最小邻域点数;
3.2寻找点云集P中的核心点,当被访问区域的点云数量大于最小邻域点数则以最后被访问点为出发点,找出其密度可达的所有数据生成聚类簇,并将状态设置为已访问,迭代访问的过程直到所有数据点都已被归类至某聚类子簇;
3.3聚类完成后查看聚类的结果,如果对象被分离,则停止聚类,否则依据当前聚类情况重新选择邻域参数进行聚类,然后根据分类后的子类中心,检验各中心半径范围 内的点总数是否满足最小邻域点数;
3.4满足阈值条件的子类中心被作为电力塔的中心;
步骤(4)、基于主成分分析的滤波
基于主成分分析计算各点云集合的主轴方向,基于电力塔垂直于地面的先验知识, 排除所有与垂直方向偏差过大的误判数据集;
将分类中主方向平行于电力线的点云组重新分类为电力线,完成电力线的提取;电 力线提取完成之后将通过显示单元显示。
本发明还涉及的一种地面点去除与电力塔点提取方法,包括如下步骤:
步骤(1)、高程阈值滤波
基于高程阈值的直通滤波去除地面点、粗提取电力塔点:
采集数据后,将激光点云划分成条带,每个条带被认为是一个局部区域,搜索区域内的轨迹点,地面高程则是预设高程与地面的固定高差ΔHmin,该高程以下的点都被认 为是地面点,电力线则是区域预设高程加上与电力线的固定高差ΔHmax,高程低于电力 线而高出地面的部分则是电力塔;
步骤(2)、点云降采样
采用Voxel Grid滤波器对点云进行降采样处理,在保持点云目标特征的前提下减小 点云的密度;
步骤(3)、DBSCAN聚类
采用基于DBSCAN的密度聚类分割点云:
3.1读入点云集X,将其设置为未访问,设定邻域半径,最小邻域点数;
3.2寻找点云集P中的核心点,当被访问区域的点云数量大于最小邻域点数则以最后被访问点为出发点,找出其密度可达的所有数据生成聚类簇,并将状态设置为已访问,迭代访问的过程直到所有数据点都已被归类至某聚类子簇;
3.3聚类完成后查看聚类的结果,如果对象被分离,则停止聚类,否则依据当前聚类情况重新选择邻域参数进行聚类,然后根据分类后的子类中心,检验各中心半径范围 内的点总数是否满足最小邻域点数;
3.4满足阈值条件的子类中心被作为电力塔的中心;
步骤(4)、基于主成分分析的滤波
基于主成分分析计算各点云集合的主轴方向,基于电力塔垂直于地面的先验知识, 排除所有与垂直方向偏差过大的误判数据集;
将分类中主方向平行于电力线的点云组重新分类为电力线,完成电力线的提取;电 力线提取完成之后将通过显示单元显示。
本发明还涉及的一种基于多激光雷达的带电导线监测预警方法,基于上述的系统和 上述的方法,按以下进行:
将绝缘斗臂车停于目标电线附近,数据处理平台采集激光雷达数据,监控终端基于 非接触远距离高精度的激光雷达进行电力线路监测、安全距离测量预警以及可视化监控:
通过点云去噪后进行点云聚类,如果在预警范围内出现点云,监控终端提示报警。
与现有技术相比,本发明的有益效果和优点在于:
1、本发明通过将多台激光雷达安装于电力作业斗臂车四周扩大视野范围,该系统能实时、准确地监测距离,可靠地对危险情况进行提示与报警。
2、经过空间同步优化后,多台激光雷达的点云数据转换至同一个坐标系中,重叠度良好,经处理后的点云可达到厘米级精度,解决了现有技术中测距精度差的问题。
3、本发明还具有体积小、质量轻等优点,能良好适应作业现场条件,降低了综合作业成本,适用于中、高压输电线路的带电作业安全监控。
附图说明
图1为本发明的系统的结构框图;
图2为本发明的单线激光雷达的结构示意图;
图3为本发明的无刷电机的结构示意图;
图4为实施例的黑白格反光纸示意图;
图5为实施例的高精度静态点云;
图6为实施例的单线激光雷达点云;
图7为实施例的多激光雷达融合点云;
图8为实施例的方法的流程图。
具体实施方式
下面将结合本申请实施例中的附图,对实施例中的技术方案进行清楚、完整地描述, 显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于实施例, 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本 发明保护的范围。
除非另外定义,本申请实施例中使用的技术术语或者科学术语应当为所属领域内具 有一般技能的人士所理解的通常意义。本实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者 “包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元 件或者物件及其等同,而不排除其他元件或者物件。“安装”、“相连”、“连接”应做广义 理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连, 也可以通过中间媒介间接相连,可以是两个元件内部的连通。“上”、“下”、“左”、“右”、 “横”以及“竖”等仅用于相对于附图中的部件的方位而言的,这些方向性术语是相对的概 念,它们用于相对于的描述和澄清,其可以根据附图中的部件所放置的方位的变化而相 应地发生变化。
如图1所示,本实施例的基于多激光雷达的带电导线监测预警系统,包括4个设于斗臂车1不同面的激光雷达2,位置关系如图1所示。
4个激光雷达2分别与4个数据处理平台3连接;4个激光雷达之间不通视,各个 激光雷达感应一个方向的信息;数据处理平台采集激光雷达信息,根据标定的空间位置 关系,进行多激光雷达点云融合,将采集到的点云归算到以斗臂车1中心点为原点的坐 标系下;多台激光雷达2通过外参标定求取转换参数,实现多台激光雷达2的空间同步。 4个数据处理平台3与数传云台4连接,数传云台4与监控终端5连接。
如图2所示,本实施例的激光雷达2为现有技术,包括底座2.4,设于底座2.4上的UART接口2.5,底座2.4上设有接收窗口2.3,接收窗口2.3上设有发射窗口2.2,发射 窗口2.2上设有固定外罩2.1。
如图3所示,该系统还包括4个无刷电机7,激光雷达2设于无刷电机7上,无刷 电机7与数据处理平台3连接,带动激光雷达2多角度转动。激光雷达还包括激光雷达 传感器,激光雷达传感器与数据处理平台3连接。
数据处理平台3包括处理单元,处理单元对当前帧电力线提取,从当前实时点云中截取一段时间内的点云,通过人工交互选取特征关键点,拟合电力线。监控终端5包括 显示单元和报警单元;当在设置的监测预警范围内出现障碍物时,报警单元自动报警。
本实施例的激光雷达2为单线激光雷达,如下表所示,性能参数如下:
无刷电机性能参数如下表所示:
4台激光雷达2的底座侧面与无刷电机7的转子端固定连接。数据处理平台4内部包括数采计算机、电池、开关和蜂鸣报警器。数采计算机采用linux操作系统的主机(树 莓派4)。
激光雷达2通过电源线与数据处理平台3的供电接口连接,通过网线与数据处理平台3的以太网接口连接,实时网络传输数据。无刷电机7的底部与数据处理平台3的顶 部固定连接,通过电源线与数据处理平台的供电接口连接。
数据处理平台3用于数据采集操控及运行点云数据处理软件、可视化软件、安全预警软件的运行。
激光雷达2分别安装在斗臂车的四个侧面,相互之间不通视,单套设备只能感知到一个方向上的环境信息,因此需要融合四套设备点云数据以获取电力作业斗臂车全方位的环境信息。四套设备之间需要标定空间位置关系以进行多激光雷达点云融合,将采集 到的点云归算到以斗臂车中心点为原点的坐标系下。
多台激光雷达通过外参标定的方法求取转换参数,实现多台激光雷达的空间同步。
本实施例的数据处理平台3在windows 10操作系统下,基于QT平台以C++程序设计语言开发设计了实时数据采集,处理和可视化软件平台。软件功能主要包括:
(1)多台激光雷达传感器实时连接及数据采集;
(2)多视角点云切换(前视,侧视,俯视等);
(3)点显示像素大小选择;
(4)视场内单帧点云时间,可以选择按照100ms,200ms,500ms,1000ms时间显 示点云;
(5)最邻近障碍物点探测,当在设置的监测预警范围内出现障碍物时,系统自动报警;
(6)当前帧电力线提取,从当前实时点云中截取一段时间内的点云,通过人工交互选取特征关键点,并拟合电力线。
本实施例实现最邻近障碍物点探测,当在设置的监测预警范围内出现障碍物时,系 统自动报警。
本实施例的基于多激光雷达的带电导线监测预警方法,按以下进行:
在可移动激光雷达云台作业过程中,详细分析10KV带电作业周边环境及相对位置距离关系,考虑可移动激光雷达云台周围一定距离内的点云,根据激光雷达的测量最小 距离值,结合预设预警距离标准,给出预警信息。
首先需要将点云转换到载体坐标系也就是以可移动激光雷达云台的中心为原点的 坐标系下并进行点云去噪处理,去除一些噪点,在预警范围之内出现的点云视为障碍点云;对于障碍点云同样采用基于密度的聚类方法(Density-Based Spatial Clustering ofApplications with Noise,DBSCAN)算法进行聚类,该算法是基于密度聚类算法中一种具有代表性的方法,能够在存在噪声的空间中发现任意数目和任意形状的簇。只要一个区 域内的点附近的密度大于设定的值,就把它归入与之相邻的类别中。该算法根据密度值 和邻域半径来控制簇的增长,只要邻域半径范围内数据点的数目或密度超过某个阈值就 继续聚类。
DBSCAN算法能克服基于距离的算法只能发现球状簇的局限性,可发现任意形状的簇;可在聚类的同时发现异常点;对数据集中异常点不敏感。对数据输入顺序不敏感。 但对输入参数ε和Minpts敏感,确定参数困难;由于DBSCAN算法中,变量ε和Minpts 是全局唯一的,当聚类的密度不均匀时,聚类距离相差很大,聚类质量差;当数据量大 时,计算密度单元的计算复杂度大,需要建立空间索引来降低计算量,如KD树。在完 成障碍点聚类后,根据每个簇内所有点计算该簇的质心及其坐标范围,给出预警信息。 整体的数据流程如图8所示。
当前帧电力线提取过程如下:
从当前实时点云中截取一段时间内的点云,通过人工交互选取特征关键点,并拟合 电力线。
本实施例采用基于密度聚类的DBSCAN算法,首先对网格化的点云进行高程阈值滤波和降采样,剔除不利于电力线提取的点,通过聚类将电力线和电力塔进行区分,最 后应用基于主成分分析(PCA)的滤波对误检加以修正。
首先对LIDAR数据进行空间格网划分;其次依据电力线在三维空间中的水平分布特性,将包含电力塔点的网格滤除,并根据带电力线局部高程信息,利用改进的欧式聚 类实现电力线粗体去;再采用电力线与电力塔的相连性,估算电力塔顶端的空间坐标位 置,并将该位置附近的点视为残留部分电力线的电力塔;然后使用改进的欧式聚类实现 单根电力线提取,利用直线和抛物线相结合的模型求取单根电力线的中心线方程及其半 径;最后根据电力线方程和半径自适应生长电力线于绝缘子处,并得到单根电力线的完 整点云。
a)高程阈值滤波
点云数据中含有大量的地面点,为了提高效率需要剔除与电力线无关的数据。此外, 去除地面点和电力线后,这些电力塔将被分成空间间隔明显的独立点云组。本章采用了 基于高程阈值的直通滤波方法实现地面点去除与电力塔点粗提取。
由于课题的目的只是对接触网对象进行提取,并不需要对地面做过于精细的滤波。 基于地面大致平坦的假设,本文采用了一种基于高程的滤波算法分离地面、电力塔和电 力线。
将激光点云划分成条带,每个条带被认为是一个局部区域,搜索区域内的轨迹点,地面高程则是预设高程与地面的固定高差ΔHmin,该高程以下的点都被认为是地面点, 电力线则是区域预设高程加上与电力线的固定高差ΔHmax,高程低于电力线而高出地面 的部分则是电力塔。
b)点云降采样
为了减少存储和计算压力,在进行目标检测之前需要对点云数据进行预处理,即进 行点云的降采样。本文采用Voxel Grid滤波器对点云进行降采样处理,在保持点云目标特征的前提下减小点云的密度。该算法的核心思路是依据输入的点云数据创建一个空间体素栅格,并将点云中的数据点对映到每个体素栅格中。设栅格的对角线长为l,则单 元栅格的边长为
空间体素栅格设计完成后,则需要遍历原始点云将它们都划归到对应的栅格内,如 果有点位于栅格的边界线上则归属于左下前方的栅格。最后用每个体素格网的重心近似 表示该格网的所有其他点。对于一个含有N个点的空间体素格网,Voxel Grid滤波器的结果如公式所示:
c)DBSCAN聚类
失去了电力线与地面的连接,电力塔之间的空间间隔明显,考虑根据点云的密度将 电力塔的点云聚类成离散且包含属性的点云组;考虑采用基于DBSCAN的密度聚类方 法实现点云的分割。DBSCAN密度聚类算法将子类定义为密度可达点的最大集合,对 未滤除的接触悬挂噪声具有很强的抗差能力,可用于发现各类形状、大小的子类。
(1)首先读入点云集X,将其设置为未访问,设定邻域半径,最小邻域点数;
(2)然后寻找点云集P中的核心点,当被访问区域的点云数量大于最小邻域点数则以 最后被访问点为出发点,找出其密度可达的所有数据生成聚类簇,并将状态设置为已访问,迭代访问的过程直到所有数据点都已被归类至某聚类子簇。
(3)聚类完成后查看聚类的结果,如果对象被分离,则停止聚类,否则依据当前聚类 情况重新选择邻域参数进行聚类。然后根据分类后的子类中心,检验各中心半径范围内的点总数是否满足最小邻域点数。
(4)满足阈值条件的子类中心被作为电力塔的中心。
d)基于PCA的滤波
分割后的电力塔由于分类错误的电力线的可能出现定位错误。本文采用基于PCA的算法计算各点云集合的主轴方向,基于电力塔垂直于地面的先验知识,排除所有与垂 直方向偏差过大的误判数据集。将分类中主方向平行于电力线的点云组重新分类为电力 线,完成电力线的提取。
电力线提取完成之后将通过界面显示在屏幕上,可以更清晰的观察电力线点云数据。
该系统使用时,将绝缘斗臂车停于目标电线附近,利用数据处理平台启动系统,系统将基于非接触远距离高精度的激光雷达进行电力线路监测、安全距离测量预警以及可视化监控,监测预警功能通过点云去噪后进行点云聚类,如果在预警范围内出现点云, 例如人员出现,系统会自动语音提示报警,实现作业现场的实时管控和作业人员的安全 防护。
本实施例中,多台激光雷达通过外参标定的方法求取转换参数,实现多台激光雷达 的空间同步过程如下:
外参标定方法通过室内模拟来进行说明。
在室内平整墙面上贴黑白格子标靶纸作为参照物,黑白格子标靶纸如图4所示,在场地中央假设架设法如(Focus 3D)高精度三维激光扫描仪,假设其为斗臂车中心点, 在其四周摆放四套激光雷达设备进行数据采集。
高精度三维激光扫描仪和单线激光雷达采集的三维点云如图5、6、7所示,分别表示高精度静态点云、单线激光雷达点云、多激光雷达融合点云,在点云中可以找到标靶 纸的中心位置。
使用开源软件Cloud Compare可以提取出标靶纸中心点的坐标,记场景中所有标靶 纸的中心坐标在单线激光雷达坐标系L1系下的坐标为{(x1,y1,z1),(x2,y2,z2),······}L1,在世 界坐标系W即法如坐标系下的坐标系为{(x1,y1,z1),(x2,y2,z2),······}W。
世界坐标系与单线激光雷达坐标系L1之间的旋转参数表示为旋转矩阵平移参数表示为向量/>可以计算两者间的旋转矩阵为:
如下面公式所示,解算世界坐标系和激光雷达坐标系之间的转换参数是一个最小二 乘问题,其中S为发射器到目标点的距离,目标函数为最小化变换后两坐标系的平均偏差:
通过使用PCL库对点云进行预处理,并使用ceressolver库构建并求解上述问题的最小二乘优化解。通过重复上述步骤可以依次计算四个激光雷达坐标系L1与世界坐标系W的转换参数这样可以将四个激光雷达的数据统一到同 一个世界坐标系下,实现多激光雷达点云的拼接,标定结果如下表所示:
通过标定转换参数后,截取四台激光雷达融合后产生的部分点云如图7所示,结果表明点云重合度很高,反应了标定参数的准确性,统计同名点之间的差异,其RMS为0.03cm,表明标定参数可以很好的融合不同的激光雷达点云。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神 和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种基于多激光雷达的带电导线监测预警系统,其特征在于:包括若干设于斗臂车不同面的激光雷达,若干激光雷达分别与若干数据处理平台连接;若干激光雷达之间不通视,各个激光雷达感应一个方向的信息;
数据处理平台采集激光雷达信息,根据标定的空间位置关系,进行多激光雷达点云融合,将采集到的点云归算到以斗臂车中心点为原点的坐标系下;
多台激光雷达通过外参标定求取转换参数,实现多台激光雷达的空间同步;
若干无刷电机,激光雷达设于无刷电机上,无刷电机与数据处理平台连接,带动激光雷达多角度转动;激光雷达还包括激光雷达传感器,激光雷达传感器与数据处理平台连接;
数据处理平台包括处理单元,若干数据处理平台通过数传云台与监控终端连接,监控终端包括显示单元和报警单元;当在设置的监测预警范围内出现障碍物时,报警单元自动报警;
处理单元对当前帧电力线提取,从当前实时点云中截取一段时间内的点云,通过人工交互选取特征关键点,拟合电力线;视场内单帧点云时间,选择按照100ms、200ms、500ms、1000ms时间显示点云;
处理器以可移动激光雷达云台的中心为原点的坐标系下并进行点云去噪处理,去除一些噪点,在预警范围之内出现的点云视为障碍点云;对于障碍点云同样采用基于密度的聚类方法算法进行聚类,在完成障碍点聚类后,根据每个簇内所有点计算该簇的质心及其坐标范围,给出预警信息;
当前帧电力线提取过程按以下进行:
步骤(1)、高程阈值滤波
基于高程阈值的直通滤波去除地面点、粗提取电力塔点:
将激光点云划分成条带,每个条带被认为是一个局部区域,搜索区域内的轨迹点,地面高程则是预设高程与地面的固定高差ΔHmin,该高程以下的点都被认为是地面点,电力线则是区域预设高程加上与电力线的固定高差ΔHmax,高程低于电力线而高出地面的部分则是电力塔;
步骤(2)、点云降采样
采用Voxel Grid滤波器对点云进行降采样处理,在保持点云目标特征的前提下减小点云的密度;
步骤(3)、DBSCAN聚类
采用基于DBSCAN的密度聚类分割点云:
3.1读入点云集X,将其设置为未访问,设定邻域半径,最小邻域点数;
3.2寻找点云集P中的核心点,当被访问区域的点云数量大于最小邻域点数则以最后被访问点为出发点,找出其密度可达的所有数据生成聚类簇,并将状态设置为已访问,迭代访问的过程直到所有数据点都已被归类至某聚类子簇;
3.3聚类完成后查看聚类的结果,如果对象被分离,则停止聚类,否则依据当前聚类情况重新选择邻域参数进行聚类,然后根据分类后的子类中心,检验各中心半径范围内的点总数是否满足最小邻域点数;
3.4满足阈值条件的子类中心被作为电力塔的中心;
步骤(4)、基于主成分分析的滤波
基于主成分分析计算各点云集合的主轴方向,基于电力塔垂直于地面的先验知识,排除所有与垂直方向偏差过大的误判数据集;
将分类中主方向平行于电力线的点云组重新分类为电力线,完成电力线的提取;电力线提取完成之后将通过显示单元显示。
2.一种地面点去除与电力塔点提取方法,其特征在于:基于权利要求1所述的系统,按所述当前帧电力线提取过程进行。
3.一种基于多激光雷达的带电导线监测预警方法,其特征在于:基于权利要求1系统,按以下进行:
将绝缘斗臂车停于目标电线附近,数据处理平台采集激光雷达数据,监控终端基于非接触远距离高精度的激光雷达进行电力线路监测、安全距离测量预警以及可视化监控:
通过点云去噪后进行点云聚类,如果在预警范围内出现点云,监控终端提示报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110115561.6A CN112785455B (zh) | 2021-01-28 | 2021-01-28 | 一种基于多激光雷达的带电导线监测预警系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110115561.6A CN112785455B (zh) | 2021-01-28 | 2021-01-28 | 一种基于多激光雷达的带电导线监测预警系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785455A CN112785455A (zh) | 2021-05-11 |
CN112785455B true CN112785455B (zh) | 2023-10-20 |
Family
ID=75759288
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110115561.6A Active CN112785455B (zh) | 2021-01-28 | 2021-01-28 | 一种基于多激光雷达的带电导线监测预警系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785455B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296121A (zh) * | 2021-05-26 | 2021-08-24 | 广东电网有限责任公司 | 基于机载激光雷达的辅助导航系统、方法、介质和设备 |
CN113538264B (zh) * | 2021-06-30 | 2022-04-15 | 深圳大学 | 一种点云数据的去噪方法、装置及存储介质 |
CN114322768B (zh) * | 2021-12-29 | 2022-08-26 | 成都翰瑞威自动化测控设备有限责任公司 | 一种移动式接触网几何参数测量系统、方法及装置 |
CN115028094B (zh) * | 2022-08-10 | 2022-10-28 | 广东威恒输变电工程有限公司 | 一种基于激光雷达的吊车吊臂安全距离预警装置及方法 |
CN117250610B (zh) * | 2023-11-08 | 2024-02-02 | 浙江华是科技股份有限公司 | 基于激光雷达的入侵人员预警方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108574230A (zh) * | 2018-04-24 | 2018-09-25 | 国家电网公司 | 一种带电作业安全智能管控系统 |
KR102065975B1 (ko) * | 2019-11-04 | 2020-01-14 | 주식회사 영신 | 라이다를 이용한 중장비 안전관리 시스템 |
CN110889861A (zh) * | 2019-11-15 | 2020-03-17 | 广州供电局有限公司 | 一种电力杆塔点云提取方法 |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107704879A (zh) * | 2017-10-10 | 2018-02-16 | 国家电网公司 | 一种变电站带电作业安全距离计算方法 |
CN109100742A (zh) * | 2018-08-22 | 2018-12-28 | 上海华测导航技术股份有限公司 | 基于机载激光雷达进行电力巡线的方法 |
CN110190552B (zh) * | 2019-05-08 | 2020-11-24 | 国家电网有限公司 | 一种输电线路带电作业安全防护系统及其方法 |
-
2021
- 2021-01-28 CN CN202110115561.6A patent/CN112785455B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108574230A (zh) * | 2018-04-24 | 2018-09-25 | 国家电网公司 | 一种带电作业安全智能管控系统 |
KR102065975B1 (ko) * | 2019-11-04 | 2020-01-14 | 주식회사 영신 | 라이다를 이용한 중장비 안전관리 시스템 |
CN110889861A (zh) * | 2019-11-15 | 2020-03-17 | 广州供电局有限公司 | 一种电力杆塔点云提取方法 |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
Non-Patent Citations (10)
Title |
---|
Infrastructure based calibration of a multi-camera and multi-LiDAR system using apriltags;Xie YF;Proceedings of 2018 IEEE Intelligent Vehicles Symposium (IV);全文 * |
一种地形自适应的机载LiDAR点云正则化TPS滤波方法;张永军;黄星北;刘欣怡;;地球信息科学学报(第04期);全文 * |
一种高效的机载激光雷达点云电力线塔全自动分割方法;王柯;易琳;钱金菊;雷霆;朱曦荫;;地理信息世界(第04期);全文 * |
基于几何特征的无人机激光雷达电力线提取;赵浩杰;谭骏祥;雷杰;束子贤;;测绘通报(第S1期);全文 * |
基于多激光雷达的电力线安全距离监测预警系统;刘培贤;计算机系统应用;第30卷(第12期);全文 * |
基于激光雷达的输电线路对地距离安全分析研究;罗望春;李庭坚;姜诚;;自动化与仪器仪表(第12期);全文 * |
大型无人机电力巡检LiDAR点云安全距离诊断方法;陈驰;电网技术;第41卷(第8期);全文 * |
无人机载多载荷输电线路巡检方法研究;陈科羽;王萍;石书山;周筑博;杨鹤猛;;电力大数据(第02期);全文 * |
机载激光雷达技术在电力工程中的应用研究;郝蓉;;建材技术与应用(第03期);全文 * |
机载激光雷达点云电力线三维重建方法研究;段敏燕;博士电子期刊(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112785455A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785455B (zh) | 一种基于多激光雷达的带电导线监测预警系统和方法 | |
CN110780305B (zh) | 一种基于多线激光雷达的赛道锥桶检测及目标点追踪方法 | |
CN113255481B (zh) | 一种基于无人巡逻车的人群状态检测方法 | |
CN104374376B (zh) | 一种车载三维测量系统装置及其应用 | |
CN107392247B (zh) | 一种电力线下方地物安全距离实时检测方法 | |
CN109738910A (zh) | 一种基于三维激光雷达的路沿检测方法 | |
CN110794413B (zh) | 线性体素分割的激光雷达点云数据电力线检测方法和系统 | |
CN104821056A (zh) | 基于雷达与视频融合的智能警戒方法 | |
CN102435174A (zh) | 基于混合式双目视觉的障碍物检测方法及装置 | |
CN104091168A (zh) | 基于无人机影像的电力线自动提取定位方法 | |
CN109960269A (zh) | 一种服务于无人机自主导航的简化环境建模方法 | |
CN109816780B (zh) | 一种双目序列影像的输电线路三维点云生成方法及装置 | |
Nardinocchi et al. | Fully automatic point cloud analysis for powerline corridor mapping | |
CN110031828A (zh) | 一种基于输电线路电磁场分布的无人机测距系统及方法 | |
CN113516768A (zh) | 一种变电站可视化智慧物联管理系统 | |
CN114764885A (zh) | 障碍物的检测方法、装置、计算机可读存储介质和处理器 | |
CN115810161A (zh) | 一种变电站火灾识别方法及系统 | |
CN116052023A (zh) | 基于三维点云的电力巡检地物分类方法及存储介质 | |
Gézero et al. | An efficient method to create digital terrain models from point clouds collected by mobile LiDAR systems | |
CN115755088A (zh) | 一种基于激光点云的输电线路工程建造参数自动化量测方法 | |
CN115063698A (zh) | 斜坡地表变形裂缝自动识别与信息提取方法及系统 | |
CN107784682B (zh) | 一种基于三维点云数据的电缆自动提取重构方法 | |
CN116647032B (zh) | 一种目标施工车辆的输电线路实时防护系统和方法 | |
CN113686600B (zh) | 一种旋耕机、开沟机性能鉴定装置 | |
CN117828309B (zh) | 一种多源数据融合测距的变电站安全预警方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |