CN113869629A - 一种基于激光点云的输电线路安全风险分析判断评估方法 - Google Patents

Abstract

本发明涉及输电线路安全风险分析判断评估技术领域，且公开了一种基于激光点云的输电线路安全风险分析判断评估方法，通过S1：无人机激光雷达扫描，对无人机设备以及激光扫描仪设备进行调校使其满足激光扫描工作条件，扫描的过程中无人机通过信号接受装置将扫描获得的信号传输信号输出端；S2：通过三维激光扫描仪获取原始点云和全息影像数据，将输出的点云和全息影像数据，以工程化的方式管理，原始点云预处理，对原始点云进行拼接、去噪、分类、滤波处理，实现安全风险分析判断评估等优点，解决了现有无人机激光点云采集及处理技术，大多对输电线路生成点云模型，而缺乏在点云模型基础上进一步针对输电线路场景的细分应用拓展的问题。

Description

一种基于激光点云的输电线路安全风险分析判断评估方法

技术领域

本发明涉及输电线路安全风险分析判断评估技术领域，具体为一种基于 激光点云的输电线路安全风险分析判断评估方法。

背景技术

现有无人机激光点云采集及处理技术，大多对输电线路生成点云模型， 而缺乏在点云模型基础上进一步针对输电线路场景的细分应用拓展，其中安 全风险分析判断评估是输电线路的一个刚需，所以基于无人机激光点云的输 电线路安全风险分析判断评估具有现实意义，通过无人机激光雷达程序化采 集点云数据，在进行自动处理后，可以借助点云与建设方案的拟合，得出线 路之间的交跨工况模拟，得出安全距离预警，实现安全风险分析判断评估。

因此提出一种基于激光点云的输电线路安全风险分析判断评估方法，通 过对点云进行粗差剔除、回波分析、格网划分与方案拟合，实现基于激光点 云的输电线路安全风险分析判断评估。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于激光点云的输电线路安全 风险分析判断评估方法，具备安全距离预警，实现安全风险分析判断评估等 优点，解决了现有无人机激光点云采集及处理技术，大多对输电线路生成点 云模型，而缺乏在点云模型基础上进一步针对输电线路场景的细分应用拓展 的问题。

(二)技术方案

为实现上述更好的安全风险分析判断评估的目的，本发明提供如下技术 方案：一种基于激光点云的输电线路安全风险分析判断评估方法,包括S1：无 人机激光雷达扫描；对无人机设备以及激光扫描仪设备进行调校使其满足激 光扫描工作条件，确保激光扫描时设备的稳定性，然后启动无人机使其对输 电线路进行激光扫描，扫描的过程中无人机通过信号接受装置将扫描获得的 信号传输信号输出端。

S2：获取激光点云；通过三维激光扫描仪获取原始点云和全息影像数据， 将输出的点云和全息影像数据，以工程化的方式管理，原始点云预处理，对 原始点云进行拼接、去噪、分类、滤波处理等，输出预处理后的点云数据， 点云与全景配准，将三维点云和全息影像关联并自动配准映射，输出影像点 云数据，基于影像点云的三维建模，在三维点云俯视图上，利用点云切面， 快速勾画水平截面的轮廓线，自动利用点云计算高度将轮廓进行拉伸，构建 模型，对于构建好的模型，支持通过与全息影像融合进行纹理提取，在三维 模型中显示与其对应的贴图纹理。

S3：点云库；在吸收了前人点云相关研究基础上建立起来的大型跨平台 开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到 点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、 可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶， 那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可 以免费进行商业和学术应用，从算法的角度，PCL是指纳入了多种操作点云数 据的三维处理算法，其中包括：过滤，特征估计，表面重建，模型拟合和分 割，定位搜索等。每一套算法都是通过基类进行划分的，试图把贯穿整个流 水线处理技术的所有常见功能整合在一起，从而保持了整个算法实现过程中 的紧凑和结构清晰，提高代码的重用性、简洁可读。在PCL中一个处理管道 的基本接口程序是：创建处理对象；使用setInputCloud通过输入点云数据， 处理模块；设置算法相关参数；调用计算得到输出。

S4：粗差剔除；初始DTM是将格网内高程最低点的作为种子点加入到不 规则三角网中形成的，但是在复杂城市地区，地铁站的入口、窨井以及口径 较小的深坑等，高程值明显低于其它地面点，因此这类低局外点对地面点的 选取会产生很大的影响。如图中的红线所示，低位粗差会导致错误的初始地 形，因此在进行滤波之前需要对激光点云数据进行预处理，去除极低局外点， 以免构建一个错误的初始DTM，粗大误差是定义为明显偏离真实值所产生的差 值，是实验过程中不一定能够碰到的误差，计算方法主要是先求出所有测量值的标准差值，剔除误差绝对值大于3倍标准差值的那几个，再重新计算即 可。

S5：回波分析；对于多回波机载LiDAR系统而言，系统记录的回 波信息包括单次回波(singular return)和多次回波(multiple returns)，二者的区别在于对同一束激光脉冲是否发生多次反射。即， 当激光扫描仪发射的激光脉冲接触到被测目标时，部分脉冲能量的反 射信号会被系统接收并记录，而剩余的脉冲能量继续传播，当遇到另 一目标或原被测目标的另一部分时再次发生反射，直至能量消耗殆尽， 如果激光束只碰到一次目标且回波被接受纪录下来，则称此回波为单 次回波；如果发生多次反射、并使得机载激光扫描系统接收到多个反 射信号即多次回波。现有的机载LiDAR系统都具备记录2～5次(超过 5次以上回波的概率几乎为零)多回波信息的能力，对于多次回波， 接收到的第一个回波信号被称为首次回波；接收到的最后一个回波信 号被称为尾次(末次)回波；除首次和尾次回波外的中间的回波信号 被顺序编号，称为中间次回波，ASPRS激光委员会制定的保存激光点 云的LAS文件格式，从1.1版本开始已经支持多次回波的记录格式。 注意，对于纪录两次回波的机载LiDAR系统获取的数据，没有中间次 回波，但这两次回波可以换算为单次回波、首次回波和尾次回波，无 论对于森林地区还是城市区域，尾次回波和单次回波既可以来自地面、 又可以来自非地面目标；首次回波和中间次回波肯定来源于非地面目 标，如植被、建筑物边缘等。因此，首次回波和中间次回波可以不参 与后续的滤波运算，这既可以减少参与滤波的激光脚点数量，又会降 低将非地面点误分为地面点的概率，激光雷达是一个主动光学传感器， 它在沿着特定的测量路径移动时向一个目标发射激光束，激光雷达传 感器中的接收器会对从目标反射回来的激光进行检测和分析，这些接 收器会记录激光脉冲从离开系统到返回系统的精确时间，以此计算传 感器与目标之间的范围距离。这些距离测量值会与位置信息(GPS和 INS)一起转换为对象空间中反射目标实际三维点的测量值，完成激 光雷达数据采集测量之后，将通过分析激光的时间范围、激光的扫描 角度、GPS位置和INS信息将点数据后处理成高度精确的地理配准 x,y,z坐标。

S6：网格划分；首先根据点云数据在x、y方向的坐标范围，构建一个点 云数据的最小包围核，如图所示黑色方框。根据给定格网尺寸(cell_size) 分别对点云数据在x、y方向划分正方形格网，对激光点云建立二维分块格网 索引结构，初始DTM质量的好坏和格网尺寸相关，如果格网尺寸过小，比如 小于激光点云中建筑物的大小，则将建筑物点错误地认为是地形点加入到初 始TIN中，因此格网尺寸应该大于激光点云数据中最大建筑大小。但是最大 建筑物的尺寸大小很多时候不能被正确估计，在这种情况下，为了降低最大 建筑物大小对种子点选取的影响，对所选出来的种子点拟合一个平面，可根 据设定的阈值将残差大的点从种子点中去除，网格划分就是把模型分成很多 小的单元，作为有限元分析前处理的重中之重，网格划分与计算目标的匹配 程度、网格的质量好坏，决定了后期有限元计算的质量。

S7：内业收录数据；内业一般指的是在项目建设中负责工程项目资料档 案管理、计划、统计管理及内部文秘管理工作，工作职责是负责工程项目的 资料档案管理、计划、统计管理及内业管理工作，收录激光点云数据便于后 续模型库建立与比对。

S8：模型库；通过从模型库内匹配数据和模型进行对比，便于为后续方 案拟合提供数据支持。

S9：方案拟合；根据无人机激光扫描构建的激光点云经过粗差剔除、回 波分析、网格划分后与内业模型库数据进行比对、判断后，确定输电线路安 全风险系数，拟定方案。

S10：评估报告；根据拟定的方案出具详细评估报告进行汇报公示。

优选的，S4粗差剔除包括S41求出所有测量值的标准差值和S42剔除误 差绝对值大于3倍标准差值的数值，样本标准差＝方差的算术平方根 ＝s＝sqrt(((x1-x)^2+(x2-x)^2+......(xn-x)^2)/(n-1))，总体标准差＝σ ＝sqrt(((x1-x)^2+(x2-x)^2+......(xn-x)^2)/n)，上述两个标准差公式 里的x为一组数(n个数据)的算术平均值。当所有数(个数为n)概率性地 出现时(对应的n个概率数值和为1)，则x为该组数的数学期望。

优选的，S61：观察模型，导入到分析软件中的模型，先要观察、处理；

优选的，S62：模型交界线处理，比如有焊接线的，我们在划分的时候， 要在交界处，人为地切开一条边界线。这样在划分完网格，此处自然留下一 条网格线，符合实际情况。有时候做焊接线也是这样处理，然后根据节点连 接刚性单元；

优选的，S63：模型交界线处理，最好的情况是划分成六面体网格，数量 少，求解快。但有时模型复杂，划不成六面体，就只好划分成四面体。四面 体高阶的单元精度也很高，但是对比与低阶单元，求解时间也会长；

优选的，S64：模型交界线处理，网格密度大，网格密，求解精度高，但 同样会是求解成本提高。我们是这样处理的，在要求参数梯度要求大的地方， 我们要用密的网格，比方说，应力集中的地方。这种地方如果不用迷网，结 果往往也不正确；

优选的，S65：网格数量，密度大，数量就多，求解时间也长。我们需要 控制这个数量，在精度范围内，在可对比的情况下，可以适当降低数量以减 少计算时间。结构分析，关键点密度要大，模态分析，尽量统一大小，再考 量数量。

(三)有益效果

与现有技术相比，本发明提供了一种基于激光点云的输电线路安全风险 分析判断评估方法，具备以下有益效果：

1、由于无人机技术的日益成熟，相比常见的人工操作，无人机越来越多 的应用于各行各业，基于无人机激光点云的输电线路安全风险分析判断评估 具有现实意义。通过无人机激光雷达程序化采集点云数据，在进行自动处理 后，可以借助点云与建设方案的拟合，得出线路之间的交跨工况模拟，得出 安全距离预警，实现安全风险分析判断评估。

2、在粗差剔除中初始DTM是将格网内高程最低点的作为种子点加入到不 规则三角网中形成的，但是在复杂城市地区，地铁站的入口、窨井以及口径 较小的深坑等，高程值明显低于其它地面点，因此这类低局外点对地面点的 选取会产生很大的影响，低位粗差会导致错误的初始地形，因此在进行滤波 之前需要对激光点云数据进行预处理，去除极低局外点，以免构建一个错误 的初始DTM。

3、首次回波和中间次回波可以不参与后续的滤波运算，这既可以减少参 与滤波的激光脚点数量，又会降低将非地面点误分为地面点的概率。

4、在格网划分中初始DTM质量的好坏和格网尺寸相关，如果格网尺寸过 小，比如小于激光点云中建筑物的大小，则将建筑物点错误地认为是地形点 加入到初始TIN中，因此格网尺寸应该大于激光点云数据中最大建筑大小。 但是最大建筑物的尺寸大小很多时候不能被正确估计，在这种情况下，为了 降低最大建筑物大小对种子点选取的影响，对所选出来的种子点拟合一个平 面，可根据设定的阈值将残差大的点从种子点中去除。

5、现有无人机激光点云采集及处理技术，大多对输电线路生成点云模型， 而缺乏在点云模型基础上进一步针对输电线路场景的细分应用拓展，其中安 全风险分析判断评估是输电线路的一个刚需，本发明通过对点云进行粗差剔 除、回波分析、格网划分与方案拟合，实现基于激光点云的输电线路安全风 险分析判断评估。

附图说明

图1为基于激光点云的输电线路安全风险分析判断评估方法框架图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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。基于本发明中的实施例，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。

请参阅图1，一种基于激光点云的输电线路安全风险分析判断评估方法, 包括S1：无人机激光雷达扫描；对无人机设备以及激光扫描仪设备进行调校 使其满足激光扫描工作条件，确保激光扫描时设备的稳定性，然后启动无人 机使其对输电线路进行激光扫描，扫描的过程中无人机通过信号接受装置将 扫描获得的信号传输信号输出端。

S2：获取激光点云；通过三维激光扫描仪获取原始点云和全息影像数据， 将输出的点云和全息影像数据，以工程化的方式管理，原始点云预处理，对 原始点云进行拼接、去噪、分类、滤波处理等，输出预处理后的点云数据， 点云与全景配准，将三维点云和全息影像关联并自动配准映射，输出影像点 云数据，基于影像点云的三维建模，在三维点云俯视图上，利用点云切面， 快速勾画水平截面的轮廓线，自动利用点云计算高度将轮廓进行拉伸，构建 模型，对于构建好的模型，支持通过与全息影像融合进行纹理提取，在三维 模型中显示与其对应的贴图纹理。

S3：点云库；在吸收了前人点云相关研究基础上建立起来的大型跨平台 开源C++编程库，它实现了大量点云相关的通用算法和高效数据结构，涉及到 点云获取、滤波、分割、配准、检索、特征提取、识别、追踪、曲面重建、 可视化等。支持多种操作系统平台，可在Windows、Linux、Android、Mac OS X、部分嵌入式实时系统上运行。如果说OpenCV是2D信息获取与处理的结晶， 那么PCL就在3D信息获取与处理上具有同等地位，PCL是BSD授权方式，可 以免费进行商业和学术应用，从算法的角度，PCL是指纳入了多种操作点云数 据的三维处理算法，其中包括：过滤，特征估计，表面重建，模型拟合和分 割，定位搜索等。每一套算法都是通过基类进行划分的，试图把贯穿整个流 水线处理技术的所有常见功能整合在一起，从而保持了整个算法实现过程中 的紧凑和结构清晰，提高代码的重用性、简洁可读。在PCL中一个处理管道 的基本接口程序是：创建处理对象；使用setInputCloud通过输入点云数据， 处理模块；设置算法相关参数；调用计算得到输出。

S4：粗差剔除；初始DTM是将格网内高程最低点的作为种子点加入到不 规则三角网中形成的，但是在复杂城市地区，地铁站的入口、窨井以及口径 较小的深坑等，高程值明显低于其它地面点，因此这类低局外点对地面点的 选取会产生很大的影响。如图中的红线所示，低位粗差会导致错误的初始地 形，因此在进行滤波之前需要对激光点云数据进行预处理，去除极低局外点， 以免构建一个错误的初始DTM，粗大误差是定义为明显偏离真实值所产生的差 值，是实验过程中不一定能够碰到的误差，计算方法主要是先求出所有测量值的标准差值，剔除误差绝对值大于3倍标准差值的那几个，再重新计算即 可，S4粗差剔除包括S41求出所有测量值的标准差值和S42剔除误差绝对值 大于3倍标准差值的数值，样本标准差＝方差的算术平方根＝s＝sqrt(((x1-x)^2 +(x2-x)^2+......(xn-x)^2)/(n-1))，总体标准差＝σ＝sqrt(((x1-x)^2 +(x2-x)^2+......(xn-x)^2)/n)，上述两个标准差公式里的x为一组数(n 个数据)的算术平均值。当所有数(个数为n)概率性地出现时(对应的n个概率数值和为1)，则x为该组数的数学期望。

S5：回波分析；对于多回波机载LiDAR系统而言，系统记录的回 波信息包括单次回波(singular return)和多次回波(multiple ，二者的区别在于对同一束激光脉冲是否发生多次反射。即， 当激光扫描仪发射的激光脉冲接触到被测目标时，部分脉冲能量的反 射信号会被系统接收并记录，而剩余的脉冲能量继续传播，当遇到另 一目标或原被测目标的另一部分时再次发生反射，直至能量消耗殆尽， 如果激光束只碰到一次目标且回波被接受纪录下来，则称此回波为单 次回波；如果发生多次反射、并使得机载激光扫描系统接收到多个反 射信号即多次回波。现有的机载LiDAR系统都具备记录2～5次(超过 5次以上回波的概率几乎为零)多回波信息的能力，对于多次回波， 接收到的第一个回波信号被称为首次回波；接收到的最后一个回波信 号被称为尾次(末次)回波；除首次和尾次回波外的中间的回波信号 被顺序编号，称为中间次回波，ASPRS激光委员会制定的保存激光点 云的LAS文件格式，从1.1版本开始已经支持多次回波的记录格式。 注意，对于纪录两次回波的机载LiDAR系统获取的数据，没有中间次 回波，但这两次回波可以换算为单次回波、首次回波和尾次回波，无 论对于森林地区还是城市区域，尾次回波和单次回波既可以来自地面、 又可以来自非地面目标；首次回波和中间次回波肯定来源于非地面目 标，如植被、建筑物边缘等。因此，首次回波和中间次回波可以不参 与后续的滤波运算，这既可以减少参与滤波的激光脚点数量，又会降 低将非地面点误分为地面点的概率，激光雷达是一个主动光学传感器， 它在沿着特定的测量路径移动时向一个目标发射激光束，激光雷达传 感器中的接收器会对从目标反射回来的激光进行检测和分析，这些接 收器会记录激光脉冲从离开系统到返回系统的精确时间，以此计算传

S6：网格划分；首先根据点云数据在x、y方向的坐标范围，构建一个点 云数据的最小包围核，如图所示黑色方框。根据给定格网尺寸(cell_size) 分别对点云数据在x、y方向划分正方形格网，对激光点云建立二维分块格网 索引结构，初始DTM质量的好坏和格网尺寸相关，如果格网尺寸过小，比如 小于激光点云中建筑物的大小，则将建筑物点错误地认为是地形点加入到初 始TIN中，因此格网尺寸应该大于激光点云数据中最大建筑大小。但是最大 建筑物的尺寸大小很多时候不能被正确估计，在这种情况下，为了降低最大 建筑物大小对种子点选取的影响，对所选出来的种子点拟合一个平面，可根 据设定的阈值将残差大的点从种子点中去除，网格划分就是把模型分成很多 小的单元，作为有限元分析前处理的重中之重，网格划分与计算目标的匹配 程度、网格的质量好坏，决定了后期有限元计算的质量。

S61：观察模型，导入到分析软件中的模型，先要观察、处理；

S62：模型交界线处理，比如有焊接线的，我们在划分的时候，，要在交 界处，人为地切开一条边界线。这样在划分完网格，此处自然留下一条网格 线，符合实际情况。有时候做焊接线也是这样处理，然后根据节点连接刚性 单元；

S63：模型交界线处理，最好的情况是划分成六面体网格，数量少，求解 快。但有时模型复杂，划不成六面体，就只好划分成四面体。四面体高阶的 单元精度也很高，但是对比与低阶单元，求解时间也会长；

S64：模型交界线处理，网格密度大，网格密，求解精度高，但同样会是 求解成本提高。我们是这样处理的，在要求参数梯度要求大的地方，我们要 用密的网格，比方说，应力集中的地方。这种地方如果不用迷网，结果往往 也不正确；

S65：网格数量，密度大，数量就多，求解时间也长。我们需要控制这个 数量，在精度范围内，在可对比的情况下，可以适当降低数量以减少计算时 间。结构分析，关键点密度要大，模态分析，尽量统一大小，再考量数量。

S7：内业收录数据；内业一般指的是在项目建设中负责工程项目资料档 案管理、计划、统计管理及内部文秘管理工作，工作职责是负责工程项目的 资料档案管理、计划、统计管理及内业管理工作，收录激光点云数据便于后 续模型库建立与比对。

S8：模型库；通过从模型库内匹配数据和模型进行对比，便于为后续方 案拟合提供数据支持。

S9：方案拟合；根据无人机激光扫描构建的激光点云经过粗差剔除、回 波分析、网格划分后与内业模型库数据进行比对、判断后，确定输电线路安 全风险系数，拟定方案。

S10：评估报告；根据拟定的方案出具详细评估报告进行汇报公示。

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 (7)

1.一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述基于激光点云的输电线路安全风险分析判断评估方法包括以下步骤：

S1：无人机激光雷达扫描；

S2：获取激光点云；

S3：点云库；

S4：粗差剔除；

S5：回波分析；

S6：网格划分；

S7：内业收录数据；

S8：模型库；

S9：方案拟合；

S10：评估报告。

2.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S1无人机激光雷达扫描的内容包括以下步骤：

第一步：对无人机设备以及激光扫描仪设备进行调校；

第二步：无人机对输电线路进行激光扫描；

第三步：无人机将激光扫描获得的数据实时无线传输至信号接收器。

3.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S2获取激光点云具体包括以下步骤：

第一步：通过三维激光扫描仪获取原始点云和全息影像数据，将输出的点云和全息影像数据，以工程化的方式管理；

第二步：原始点云预处理，对原始点云进行拼接、去噪、分类、滤波处理等，输出预处理后的点云数据；

第三步：点云与全景配准，将三维点云和全息影像关联并自动配准映射，输出影像点云数据；

第四步：基于影像点云的三维建模，在三维点云俯视图上，利用点云切面，快速勾画水平截面的轮廓线，自动利用点云计算高度将轮廓进行拉伸，构建模型，对于构建好的模型，支持通过与全息影像融合进行纹理提取，在三维模型中显示与其对应的贴图纹理。

4.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S4粗差剔除包括以下步骤：

S41：求出所有测量值的标准差值；

S42：剔除误差绝对值大于3倍标准差值的数值。

5.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S5回波分析具体以下步骤：

第一步：激光雷达传感器中的接收器接收从目标反射回来的激光；

第一步：记录激光脉冲从离开系统到返回系统的精确时间；

第一步：测量值会与位置信息一起转换为对象空间中反射目标实际三维点的测量值；

第四步：将通过分析激光的时间范围、激光的扫描角度、GPS位置和INS信息将点数据后处理成高度精确的地理配准x,y,z坐标。

6.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S6网格划分具体以下步骤：

S61：观察模型；

S62：模型交界线处理；

S63：选择单元类型及阶次；

S64：网格密度；

S65：网格数量。

7.根据权利要求1所述的一种基于激光点云的输电线路安全风险分析判断评估方法，其特征在于：所述S10评估报告具体以下步骤：

第一步：数据分析；

第二步：数据库对比；

第三步：做出评估。

Images