一种基于LiDAR点云的多分裂导线全自动三维重建方法与流程

本发明专利是一种对地观测领域的技术，涉及一种基于机载激光点云数据重建输电线路三维模型的方法。该方法具有很高的普适性，是一项具有实际应用价值的方法。

背景技术：

随着国民经济对电力需求的增加，高压/超高压电网的数量和规模不断扩大，电网设计单位和运行管理部门对输电线路安全和可靠性的要求也越来越高，因此高效、科学、低成本的线路巡检方式就显得尤为迫切而重要。激光雷达测距(Light Detection And Ranging,LiDAR)是一种集激光、全球定位系统(Global Positioning System，简称GPS)和惯性导航系统(Intertial Navigation System，简称INS)技术于一身的主动遥感技术，通过发射和接收激光脉冲来获取较高密度的地物点云，能够精确地描述地物的三维空间信息。近年来LiDAR被引入到输电线路巡线中，并且由于其高效率、高精度、低成本的三维数据实时获取优势，在电力巡检中得到了广泛应用。

导线三维数字重建(矢量化)是输电线路安全分析与模拟分析的基础。基于导地线模型，巡检部门可以研究输电线路在不同的温度、风速、风向、覆冰等环境下导线风偏、弧垂等的变化过程。同时，导线模型也是输电线路增容分析的数据基础。基于精细导线模型，并结合植被点云、地形等数据，还可以预测不同工况下输电线路的安全状况，这些应用对输电线路高效管理意义重大。

目前，机载LiDAR在线路巡检中的应用绝大部分局限在非分裂导线的提取和建模，而在高压、超高压、特高压输电线路架设中，为抑制电晕放电和线路电抗，一般采用分裂线的方式进行导线架设。分裂导线的每相导线由几根直径较小的分导线组成，各分导线之间的距离一般在20cm至45cm之间，且呈多边形状分布，如四分裂导线呈分布在矩形的四个顶点上。同时，沿输电线路方向，每隔一段距离，通常采用间隔棒对分裂导线进行固定。可见，相比常见的非分裂输电线，分裂导线的空间结构更加复杂，精细建模的难度更大。然而随着输电线路精细化、数字化管理的发展，分裂导线的矢量化、可视化管理与分析变得十分必要。

技术实现要素：

本发明专利即基于机载激光雷达系统采集的高密度高精度三维点云数据，自动提取输电线路走廊内的导线点云，并进行导地线的精细三维重建。该方法参数设置简单，自适应程度与自动化程度高，并且实现了多分裂导线的精细重建，具有一定的科研意义和重要的实际应用价值。

附图说明

下面结合附图和实例对本发明专利进一步说明。

图1是算法流程图

图2是电力线自动提取基本原理图

图3是四分裂导线区段投影示意图

图4是二分裂导线聚类合并示意图

图5是四分裂导线原始点云与模型重建实例

具体实施方式

本发明专利的总体思路为：首先从原始点云中提取电力线点云，接着利用杆塔坐标对电力线点云进行分段处理，然后识别每一段导线并提取单股导线点云，最后对每一股多分裂导线进行精细三维重建(图1)。

电力线在激光点云中表现出较明显的空间特征，表现为：1)线状分布、通常贯穿整个数据区域等；2)相邻的电力线点云数据高程变化小，而与下方非电力线点相距较远；3)电力线点在水平面上投影呈相互平行的直线。但是由于电力线非常窄/细，只能反射部分激光脉冲，因此在点云的多回波信息中，电力线点 往往仅表现为首次回波点等。基于这些特征，可以设计特定算法将电力线点云从原始点云中分离出来。本发明专利利用电力线点云的高程显著大于非电力线点高程的特征，首先对原始数据进行简单网格化，然后统计每个格网中点的高程分布，通过设置合理的高程阈值，即可快速剔除大部分非电力线点云。

其中基于格网化提取电力线点云的具体做法是：确定了网格大小后，需要按照一定的间隔统计格网内的高程分布。如果间隔较大，则有可能刚好无法探测到高程不连续的特性。如图2，如以虚线之间的间隔为高程统计分布的间隔值，导致1、2号点之间的间隔被判定为连续，因此无法探测到非连续性的特性；如以实线和虚线之间的距离为间隔，由于线a和线b之间无点，则表明有非连续性的特征。本方法首先设定一个较小的高程间隔值，然后查找不包含点云的高程间隔；对于连续的不包含点云的间隔，则进行合并。如图2，A号间隔区与B号间隔区内都不包含点，则合并二者的高程间隔。

基于上述流程可以从原始点云中提取完整的电力线点云，导线分段是多分裂导线识别与提取的基础，本实用型基于杆塔坐标对导线点云进行多相分段，而其中的杆塔坐标也是从原始点云中自动获取。获取杆塔中心坐标的算法如下：

对于归属同一分组的电力线点云，需要采用一定的算法识别导线聚类与数目。本专利采用了基于欧几里德距离的空间聚类算法，主要流程如下：

多分裂导线三维重建是本专利的核心内容，是基于单股分裂导线进行的三维建模，主要包括单股导线点云分段，逐段局部投影，聚类合并和分裂线拟合四个步骤。

首先，将导线点云投影到二维水平面上，接着需要确定投影面上的点水平走向。由于导线的跨度较长，一般都大于100m，而分裂导线间的距离不超过0.5m，因此投影面上的点云可视作线状分布。算法利用二维平面上所有的点云进行直线拟合，拟合得到的直线视为导线点云集合的水平走向。同时，将点云中横坐标(或纵坐标)的最小值对应的走向线上的点作为导线的起始端点。然后，从起始端点开始，沿着走向线方向，每隔一定距离，将原始三维导线点云进行分段管理。分段的长度依赖于悬链线的曲率，曲率越大则分段长度约小。通过对不同弧垂的电力线进行试验分析，分段长度一般不大于30m。

电力线在两个杆塔之间的分布呈悬链线形态，通常在导线挂点位置处最高，而弧线最低点与挂点落差可达十多米，而在极端情况下可达数十米。然而，高压输电线路的跨度往往较大，因此局部的导线的弯曲特征并不明显，若分段区间较小，则每段的分裂线点云可视为较为笔直的线段。据此，本实用型提出了基于分段数据投影的分裂线点云聚类方法。方法首先将区间内点云的坐标投影到可对分裂导线点云进行分类的平面上，算法将与区段点云主方向垂直的平面作为投影平面。通过利用区段内的所有点云进行主成分分析，如公式(1)-(3)所示：

其中，p_i表示点云的三维坐标，n表示区段内点云的数目，通过公式(1)和公式(2),可得到区段内所有点云坐标构成的协方差矩阵C,而通过主成份分析，C可分解为特征值λ_i(i＝1,2,3)和对应特征向量v_i(i＝1,2,3)构成矩阵的乘积，如公式(3)所示。算法将其最大特征值对应的特征向量作为区段分裂线点云的主方向，然后利用区间的端点坐标，即空间坐标最大范围，确定与主方向垂直的投影平面。最后，将区间内所有的点投影到该平面上。图3(a)表示四分裂导线点云的局部主方向和投影平面之间的关系，图3(b)表示点云投影后在投影平面上的分布。

在二维投影平面上，各个分裂导线点云呈聚集分布。以图3(b)为例，四分裂导线投影后呈现4个聚集中心，但是由于存在噪声点以及局部电力线的弯曲，四个聚类的边缘点非常接近，为了将点云自动分配到四个聚类中，此处采用k-means聚类算法，同时为了避免种子选择对结果的影响并增加算法的稳定性，聚类分析得到的每一类别代表了该区段的某一分裂导线。同时，为增加算法对分裂数的自适应能力，在对第一区段数据进行聚类分析时，先设置一个较大的分裂数(如6)，然后计算聚类分析后各个类别间的三维距离，如果聚类小于阈值，则分裂数减1，直到所有的距离均大于阈值，此时的分裂数即为整条导线的分裂数。从第二区段开始，即采用确定的分裂数进行聚类分析。依据分裂导线的架设规范，分裂线间的距离一般不小于20cm，故可设置阈值为20cm。

当每一段导线点云完成聚类分析以后，区段间归属同一导线的聚类需要进行合并。本专利采用的合并策略如下：

(1)依据分裂导线数目，采用全排列方法求出相邻区段聚类间所有可能的合并方式，如分裂导线数目为n，则所有可能的连接组合共有种；

(2)在每一种组合中，累计合并聚类间的空间距离；

(3)比较所有组合的空间距离和，最小值对应的连接方式被认为是正确的组合；

(4)沿着电力线走向，重复步骤(1)-(3)，直到所有的聚类被分配到某一分裂导线中。

图4以二分裂导线为例，实线和虚线分别表示相邻2个投影平面上4个聚类间潜在的种合并组合。图4中虚线方式组合的空间距离小于实线，故依据虚线将相邻的聚类进行合并。

最后，本实用型基于悬链线模型数学模型，采用最小二乘算法拟合多分裂导线点云，建模结果如图5所示。