CN117213446B - 一种基于激光点云的电力杆塔倾斜角度计算方法 - Google Patents

Abstract

本发明公开了一种基于激光点云的电力杆塔倾斜角度计算方法，涉及电力杆塔测量技术领域，步骤如下：S1、基于无人机激光雷达系统获取电力杆塔点云数据，进行点云滤波与杆塔重定向处理；S2、采用分层密度统计法对杆塔点云进行分割，得到杆塔塔身点云；S3、利用方向特征算子、城市聚类算法及RANSAC拟合技术，获取由4个主材方向线所构成的塔身结构线；S4、生成电力杆塔中轴方向线，计算电力杆塔倾斜角度。本发明采用上述步骤的一种基于激光点云的电力杆塔倾斜角度计算方法，能够机动灵活的解决输电线路电力杆塔倾斜度计算的应用需求。

Description

一种基于激光点云的电力杆塔倾斜角度计算方法

技术领域

本发明涉及电力杆塔测量技术领域，尤其是涉及一种基于激光点云的电力杆塔倾斜角度计算方法。

背景技术

电力杆塔是输电线路中的一个重要组成部分，负责将输电导线架设并远离地面，在实际运行中，不仅承受输电导线之间的力学作用，还会受到复杂天气条件及地质灾害的影响，使其发生倾斜甚至倒塌，带来不可低估的经济损失，甚至造成重大的安全事故。因此，准确计算电力杆塔的倾斜角度是输电线路验收巡检的一个重要技术指标，是确保输电线路能够长期安全稳定运行的一个必要条件。然而，传统的电力杆塔倾斜度测量技术大多采用铅锤法、全站仪测量及平面镜测量等方法，这些方法主要依赖作业人员登塔架设铅锤线或反射镜等测量标志物进行量测，不仅具有较高的测量难度，容易引发安全隐患，而且测量过程较为繁琐、测量效率相对低下，不能满足智能电网建设中的日常巡检需要。

无人机技术的普及应用与人工智能技术的兴起，为智能电网巡检中电力杆塔的自动倾斜检测带来了契机，目前研究主要采用影像数据与激光雷达点云数据两种类型。在基于影像数据的电力杆塔倾斜检测方面，主要通过光学投影、轮廓检测、样本训练分类等方法来实现，但是这些研究一般受到复杂地形及地物遮挡等因素的影响，导致对于杆塔这类复杂人造对象的识别不够准确、倾斜检测精度较低。

电力杆塔三维点云是由激光扫描系统向目标电力杆塔发射激光脉冲，收集回波反射信号，利用光速、往返时间来计算距离，结合惯性导航系统及定位系统，进而计算获取的，具有高穿透性、高方位分辨率、高空间分辨率等特性，能够解决传统电力杆塔倾斜角度计算中的地物遮挡问题，是目前电力杆塔三维重建的有效手段。在基于激光点云数据的电力杆塔倾斜检测方面，目前研究大多采用地面固定站式激光雷达系统，不够灵活机动且无法满足复杂环境下的测量需求，而采用无人机激光雷达系统开展研究还相对较少，尚未形成成熟的技术体系。

发明内容

本发明的目的是提供一种基于激光点云的电力杆塔倾斜角度计算方法，能够机动灵活的解决输电线路电力杆塔倾斜度计算的应用需求。

为实现上述目的，本发明提供了一种基于激光点云的电力杆塔倾斜角度计算方法，步骤如下：

S1、基于无人机激光雷达系统获取电力杆塔点云数据，进行点云滤波与杆塔重定向处理；

S2、采用分层密度统计法对杆塔点云进行分割，得到杆塔塔身点云；

S3、利用方向特征算子、城市聚类算法及RANSAC拟合技术，获取由4个主材方向线所构成的塔身结构线；

S4、生成电力杆塔中轴方向线，计算电力杆塔倾斜角度。

优选的，S1中，利用无人机激光雷达获取电力杆塔点云数据之后，需要对其进行滤波与重定向处理，具体步骤如下：

S1.1、采用最远点采样法对点云进行滤波降采样处理，去除噪声数据，在保留点云几何信息的同时降低数据量；

S1.2、将处理之后的杆塔点云投影到二维平面上，利用主成分分析方法，得到二维投影点云的主方向特征向量，在此基础上，计算主方向旋转角度，对杆塔点云进行旋转，得到重定向之后的点云数据。

优选的，S2中，采用分层密度统计法，将处理之后的电力杆塔点云进行结构分割，得到塔身、塔头与塔腿三个部分，具体步骤如下：

S2.1、将处理之后的杆塔点云投影到YZ平面上，沿着Z轴方向设定一定间隔对杆塔点云进行分层处理，得到分层杆塔点云；

S2.2、统计每层杆塔点云数量占比，生成电力杆塔点云的分层占比直方图；

S2.3、设定直方图局部极大值的搜索区间，从点云分层占比直方图中提取所有的局部极大值，作为杆塔结构分割的备选特征点；

S2.4、统计每层杆塔点云的密度分布，即沿着Y轴方向，按照一定间隔划分出N个格子，统计包含点云的格子数量n，计算该层点云的格网填充率γ，即γ＝n/N；

S2.5、从备选特征点中选出那些大于填充率阈值的点作为杆塔结构的分割特征点；

S2.6、根据杆塔分割特征点，将杆塔分为塔头、塔身与塔腿，塔身分割成多节，将自下而上的第一节塔身点云作为倾斜角度计算的数据基础。

优选的，S3的具体步骤如下：

S3.1、利用K最近邻算法，获取塔身点云中任意一点的邻居点集合，得到用于描述该点特征的局部点云；

S3.2、采用奇异值分解算法，计算任意一点在三个方向上的奇异值，用于描述当前点的方向特征，如果当前点位于杆塔的主材上，那么它的主方向特征显著大于其余方向特征且非主方向特征之间差异较小；否则，当前点就不在杆塔主材附近，应该被移除，通过此步骤实现对塔身点云的方向滤波；

S3.3、采用城市聚类算法，对滤波之后的塔身点云进行聚类，提取4个塔身主材点云，首先，从塔身点云中任取一点，在给定空间搜索范围之内获取邻居点集合，将该点加入到当前类簇中；第二，从邻居点集合中任取一点，同样在给定搜索范围之内获取新的邻居点，将其更新到邻居点集合中，将当前点从邻居点集合中移除，并将其加入到当前类簇中；第三，重复第二步操作，直到邻居点集合为空，得到了当前类簇；第四，回到第一步操作，直到当前点云都被访问过，从而得到4个类簇，也就是塔身4个主材点云；

S3.4、利用RANSAC空间直线拟合技术，分别对4个主材点云进行最优拟合，得到塔身主材的4个结构线。

优选的，S4中计算电力杆塔倾斜角度通过测量杆塔拟合方向线与杆塔所处平面中垂线的夹角实现，具体步骤如下：

S4.1、基于塔身主材的4个结构方向线，通过向量叠加，得到电力杆塔中轴方向线；

S4.2、基于电力杆塔的中心点位置，生成其所处平面的理论中垂线；

S4.3、计算电力杆塔方向线与理论中垂线的夹角，得到电力杆塔倾斜角度。

因此，本发明采用上述步骤的一种基于激光点云的电力杆塔倾斜角度计算方法，首先利用无人机激光雷达系统获取复杂环境下的电力杆塔三维点云数据，利用滤波与重定向技术对散乱杆塔点云进行处理，然后采用分层密度统计和方向特征算子，提取杆塔塔身主材结构，在此基础上，对其进行聚类并拟合最优直线，生成电力杆塔中轴方向线，进而计算电力杆塔的倾斜角度。这一方法自动化程度高、计算流程简单，且计算结果有效、可靠，能够在确保电力杆塔倾斜角度计算精度的前提下有效提升电力巡检的工作效率。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明主题名称一种基于激光点云的电力杆塔倾斜角度计算方法的步骤流程图；

图2为本发明实施例1的电力杆塔点云处理示意图；(a)为点云数据，(b)为滤波采样处理的点云，(c)为重定向的点云；

图3为本发明实施例1的电力杆塔结构分割示意图；

图4为本发明实施例1的电力杆塔塔身结构提取过程示意图，(a)为邻居点选取示意图；(b)为点云方向滤波示意图；(c)为城市聚类算法的聚类过程；(d)为主材拟合结构线示意图；

图5为本发明实施例1的电力杆塔倾斜角度计算示意图；

图6为本发明实施例2的第1个电力杆塔倾斜角度的计算过程，包括杆塔分割结果图(a)、塔身主材结构提取结果图(b)、杆塔主材结构线拟合结果图(c)以及杆塔中心线生成与倾斜角度计算结果图(d)；

图7为本发明实施例2的第2个电力杆塔倾斜角度的计算过程，包括杆塔分割结果图(a)、塔身主材结构提取结果图(b)、杆塔主材结构线拟合结果图(c)以及杆塔中心线生成与倾斜角度计算结果图(d)；

图8为本发明实施例2的第3个电力杆塔倾斜角度的计算过程，包括杆塔分割结果图(a)、塔身主材结构提取结果图(b)、杆塔主材结构线拟合结果图(c)以及杆塔中心线生成与倾斜角度计算结果图(d)；

图9为本发明实施例2的第4个电力杆塔倾斜角度的计算过程，包括杆塔分割结果图(a)、塔身主材结构提取结果图(b)、杆塔主材结构线拟合结果图(c)以及杆塔中心线生成与倾斜角度计算结果图(d)；

图10为本发明实施例4中邻居点数量对倾斜角度计算结果的影响分析图；(a)为第1个电力杆塔；(b)为第2个电力杆塔；(c)为第3个电力杆塔；(d)为第4个电力杆塔。

具体实施方式

以下通过附图和实施例对本发明的技术方案作进一步说明。

实施例1

如图1所示，一种基于激光点云的电力杆塔倾斜角度计算方法，步骤如下：

S1、基于无人机激光雷达系统获取电力杆塔点云数据，获取的点云数据如图2(a)所示，然后进行点云滤波与杆塔重定向处理，具体步骤如下：

S1.1、采用最远点采样法对点云进行滤波降采样处理，去除噪声数据，在保留点云几何信息的同时降低数据量，如图2(b)所示为进过滤波采样处理的点云；

S1.2、将处理之后的杆塔点云投影到二维平面上，利用主成分分析方法，得到二维投影点云的主方向特征向量，在此基础上，计算主方向旋转角度，对杆塔点云进行旋转，得到重定向之后的点云数据，如图2(c)所示。

S2、采用分层密度统计法，将处理之后的电力杆塔点云进行结构分割，得到塔身、塔头与塔腿三个部分，如图3所示，具体步骤如下：

S2.1、将处理之后的杆塔点云投影到YZ平面上，沿着Z轴方向设定一定间隔对杆塔点云进行分层处理，得到分层杆塔点云；

S2.2、统计每层杆塔点云数量占比，生成电力杆塔点云的分层占比直方图，

S2.3、设定直方图局部极大值的搜索区间，从点云分层占比直方图中提取所有的局部极大值，如图3中所示，形成了数个分层占比的尖峰，这些尖峰作为杆塔结构分割的备选特征点；

S2.4、统计每层杆塔点云的密度分布，即沿着Y轴方向，按照一定间隔划分出N个格子，统计包含点云的格子数量n，计算该层点云的格网填充率γ，即γ＝n/N；

S2.5、从备选特征点中选出那些大于填充率阈值的点作为杆塔结构的分割特征点，即为图3中格网填充率部分的突出值；

S2.6、根据杆塔分割特征点，将杆塔分为塔头、塔身与塔腿，塔身分割成多节，将自下而上的第一节塔身点云作为倾斜角度计算的数据基础。

S3、利用方向特征算子、城市聚类算法及RANSAC拟合技术，获取由4个主材方向线所构成的塔身结构线，具体步骤如下：

S3.1、利用K最近邻算法，获取塔身点云中任意一点的邻居点集合，得到用于描述该点特征的局部点云，如图4(a)所示；

S3.2、采用奇异值分解算法，计算任意一点在三个方向上的奇异值，用于描述当前点的方向特征，如果当前点位于杆塔的主材上，那么它的主方向特征显著大于其余方向特征且非主方向特征之间差异较小；否则，当前点就不在杆塔主材附近，应该被移除，如图4(b)所示，通过此步骤实现对塔身点云的方向滤波；

S3.3、采用城市聚类算法，如图4(c)所示，对滤波之后的塔身点云进行聚类，提取4个塔身主材点云，首先，从塔身点云中任取一点，在给定空间搜索范围之内获取邻居点集合，将该点加入到当前类簇中；第二，从邻居点集合中任取一点，同样在给定搜索范围之内获取新的邻居点，将其更新到邻居点集合中，将当前点从邻居点集合中移除，并将其加入到当前类簇中；第三，重复第二步操作，直到邻居点集合为空，得到了当前类簇；第四，回到第一步操作，直到当前点云都被访问过，从而得到4个类簇，也就是塔身4个主材点云；

S3.4、利用RANSAC空间直线拟合技术，分别对4个主材点云进行最优拟合，得到塔身主材的4个结构线，如图4(d)所示。

S4、生成电力杆塔中轴方向线，计算电力杆塔倾斜角度，如图5所示，具体步骤如下：

S4.1、基于塔身主材的4个结构方向线，通过向量叠加，得到电力杆塔中轴方向线；

S4.2、基于电力杆塔的中心点位置，生成其所处平面的理论中垂线；

S4.3、计算电力杆塔方向线与理论中垂线的夹角，得到电力杆塔倾斜角度。

实施例2

选取广东汕尾某输电线路4个不同位置的电力杆塔作为实验对象，这些电力杆塔均为建设竣工状态且并未通电运行，它们主要涉及两种类型，即T型塔(字型塔)与O型塔(酒杯型)，且每种类型各2个。电力杆塔点云数据是通过大疆行业级无人机M300 RTK搭载禅思L1激光雷达获取的，量测精度达到厘米级别，点云密度大概为30000个/m²。

为了验证计算精度，采用数值仿真技术，模拟分析不同电力杆塔在不同倾斜角度下的计算精度。这里分别将4个电力杆塔旋转使其倾斜角度为0°，计算分析不同倾斜角度下的计算精度。

图6显示了第1个电力杆塔倾斜角度的计算过程，图7显示了第2个电力杆塔倾斜角度的计算过程，图8显示了第3个电力杆塔倾斜角度的计算过程，图9显示了第4个电力杆塔倾斜角度的计算过程。

可以看到，这4个电力杆塔的塔身及其4个主材结构线的提取结果都比较可靠，且不因杆塔类型的不同而有所偏差。此外，4个电力杆塔的倾斜角度分别计算为0.5679°、0.3395°、0.0300°以及0.1035°，与杆塔验收人工测量的倾斜角度0.5580°、0.3729°、0.0497°、0.0970°相比，平均绝对误差为0.0174°，说明本方法倾斜角度计算具有较高的精度，表明本方法计算结果的有效性。

实施例3

本实施例基于实施例2的4个电力杆塔，针对4个不同电力杆塔，首先将每一个杆塔旋转至垂直地面，使其倾斜角度为0°；其次，将每一个杆塔依次倾斜1°、2°、3°、4°、5°，并在每个倾斜角度下，按照顺时针方向，绕着Z轴，依次旋转45°、90°、135°、180°、225°、270°、315°以及360°；第三，计算每个杆塔在各种倾斜及旋转情况下的倾斜角度。

实验结果如下表1、表2、表3与表4所示，表明电力杆塔倾斜角度的计算精度较高，在1°、2°、3°、4°、5°倾斜角度下的平均绝对误差分别为0.0516°、0.0588°、0.0730°、0.1005°、0.1352°。

表1第1个杆塔的数值仿真实验结果表

表2第2个杆塔的数值仿真实验结果表

表3第3个杆塔的数值仿真实验结果表

表4第4个杆塔的数值仿真实验结果表

实施例4

本实施例基于实施例2的4个电力杆塔。

以本发明的方法计算电力杆塔倾斜角度主要受到塔身主材结构线提取结果的影响，而塔身主材结构线的提取质量在一定程度上受到点云方向滤波结果的影响。点云方向滤波又可能受到局部邻居点云数量的影响，这是因为如果局部邻居点云数量过多，塔身非主材点云则会被更多保留下来，不利于塔身主材结构线的提取，而如果局部点云数量过少，塔身主材点云将有可能被移除掉，也不能有效提取塔身主材结构线。

针对4个不同的电力杆塔，实验设定不同数量下的邻居点云，也就是探索K最近邻算法中K值大小对计算精度的影响。如图10所示，当邻居点数量从250以步长为10逐步增加到400的过程中，本技术方案计算的倾斜角度相对比较稳定，具有较高的精度。具体而言，与电力杆塔1、2、3、4验收人工测量的倾斜角度相比，不同邻居点数量下倾斜角度计算的最大绝对误差分别为0.0315°、0.0408°、0.0230°、0.0092°，平均绝对误差分别为0.0119°、0.0325°、0.0200°、0.0046°，说明了本发明选择邻居点数量对倾斜角度计算结果的影响是相对较低的。

因此，综合实施例2-4的结果，本方法计算4个不同电力杆塔倾斜角度的平均绝对误差为0.0174°，说明本方法计算结果的准确性与有效性；本方法中局部邻居点的数量大小对倾斜角度计算结果的影响是相对较低的，因此在不同参数下均具备较高的精度。

最后应说明的是：以上实施例仅用以说明本发明的技术方案而非对其进行限制，尽管参照较佳实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对本发明的技术方案进行修改或者等同替换，而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。

Claims (3)

1.一种基于激光点云的电力杆塔倾斜角度计算方法，其特征在于：步骤如下：

S1、基于无人机激光雷达系统获取电力杆塔点云数据，进行点云滤波与杆塔重定向处理；

S2、采用分层密度统计法对杆塔点云进行分割，得到塔身、塔头与塔腿三个部分，具体步骤如下：

S2.1、将处理之后的杆塔点云投影到YZ平面上，沿着Z轴方向设定一定间隔对杆塔点云进行分层处理，得到分层杆塔点云；

S2.2、统计每层杆塔点云数量占比，生成电力杆塔点云的分层占比直方图；

S2.3、设定直方图局部极大值的搜索区间，从点云分层占比直方图中提取所有的局部极大值，作为杆塔结构分割的备选特征点；

S2.4、统计每层杆塔点云的密度分布，沿着Y轴方向，按照一定间隔划分出N个格子，统计包含点云的格子数量n，计算该层杆塔点云的格网填充率γ，即γ=n/N；

S2.5、从备选特征点中选出那些大于填充率阈值的点作为杆塔结构的分割特征点；

S2.6、根据杆塔分割特征点，将杆塔分为塔头、塔身与塔腿，塔身分割成多节，将自下而上的第一节塔身点云作为倾斜角度计算的数据基础；

S3、利用方向特征算子、城市聚类算法及RANSAC拟合技术，获取由4个主材方向线所构成的塔身结构线，具体步骤如下：

S3.1、利用K最近邻算法，获取第一节塔身点云中任意一点的邻居点集合，得到用于描述该任意一点特征的局部点云；

S3.2、采用奇异值分解算法，计算任意一点在三个方向上的奇异值，用于描述当前点的方向特征，如果当前点位于杆塔的主材上，那么它的主方向特征显著大于其余方向特征且非主方向特征之间差异较小；否则，当前点就不在杆塔主材附近，将其移除，通过此步骤实现对塔身点云的方向滤波；

S3.3、采用城市聚类算法，对滤波之后的塔身点云进行聚类，提取4个塔身主材点云，第一步，从塔身点云中任取一点，在给定空间搜索范围之内获取邻居点集合，将塔身点云中任取的该点加入到当前类簇中；第二步，从邻居点集合中任取一点，同样在给定搜索范围之内获取新的邻居点，将获取的新的邻居点更新到邻居点集合中，将从邻居点集合中任取的当前点从邻居点集合中移除，并将从邻居点集合中任取的当前点加入到当前类簇中；第三步，重复第二步操作，直到邻居点集合为空，得到了当前类簇；第四步，回到第一步操作，直到当前点云都被访问过，从而得到4个类簇，为塔身4个主材点云；

S3.4、利用RANSAC空间直线拟合技术，分别对4个主材点云进行最优拟合，得到塔身主材的4个结构线；

S4、生成电力杆塔中轴方向线，计算电力杆塔倾斜角度。

2.根据权利要求1所述的一种基于激光点云的电力杆塔倾斜角度计算方法，其特征在于：S1中，利用无人机激光雷达系统获取电力杆塔点云数据之后，需要对其进行点云滤波与杆塔重定向处理，具体步骤如下：

S1.1、采用最远点采样法对点云进行滤波降采样处理，去除噪声数据，在保留点云几何信息的同时降低数据量；

S1.2、将处理之后的杆塔点云投影到二维平面上，利用主成分分析方法，得到二维投影点云的主方向特征向量，在此基础上，计算主方向旋转角度，对杆塔点云进行旋转，得到重定向之后的点云数据。

3.根据权利要求2所述的一种基于激光点云的电力杆塔倾斜角度计算方法，其特征在于：S4中计算电力杆塔倾斜角度通过计算电力杆塔中轴方向线与杆塔所处平面中垂线的夹角实现，具体步骤如下：

S4.1、基于塔身主材的4个结构线，通过向量叠加，得到电力杆塔中轴方向线；

S4.2、基于电力杆塔的中心点位置，生成其所处平面的理论中垂线；

S4.3、计算电力杆塔中轴方向线与理论中垂线的夹角，得到电力杆塔倾斜角度。