本发明属于输电线路树障安全距离检测技术，尤其涉及一种基于机载激光点云不同时段树障的快速巡检方法。
背景技术：
保障输电线路设备及其通道走廊内的安全不仅关系到整个电网的正常运行，对地区的供电及人生财产也有着至关重要的影响。植被过度生长导致的树障入侵输电线路走廊，使得输电线路与植被的安全距离减小，是影响架空输电线路运行安全、造成架空输电线路发生舞动闪络及短路等事故的一个重要原因。由于大部分植被的生长是持续的、不可逆的，当植被侵入输电线路走廊并发生安全距离超限情况时，会严重影响输电线路的运行安全。因此，想要对输电线路走廊内的植被生长情况进行较为准确的把控，必要要开展常态化的输电线路通道巡检。
过去，对树障的检测多采用人工目视、地面激光测距仪或光学经纬仪等方法，不仅消耗大量的人力物力，也通常难以在短时间内进行多次检测。随着机载激光雷达的出现，这一问题得到很好的解决。基于机载激光雷达进行电力巡检是近几年较为热门的一种科学技术手段，通过在飞行器上（如无人机、载人直升机等）安装激光雷达测距系统，从而快速地、高效地获取目标区域的激光点云数据，并通过进一步的数据处理，达到实现二次数据生产和数据分析的应用价值。
由于激光雷达系统整合了测距仪设备、惯性导航系统及全球卫星定位系统等较为先进的精密测绘测量定位设备，不仅可以快速的获取雷达扫描区域内的相对坐标信息，还可以实现高精度的绝对坐标定向，极大地提高了输电线路安全距离量测的精度，为输电线路相关的运维工作提供了必不可少的技术支撑。
激光点云数据的滤波分类算法虽较几年前有较大的提高和改善，但并不能完全适应于所有的数据地形情况。为满足点云数据的滤波分类精度，必须根据数据的差异来调整相关的预设检验参数。在预设检验参数与实际情况有较大出入时，还会给技术人员增加数据处理的难度，不仅可能会影响成果数据的质量，还会因此导致工作量的增加，影响进一步的分析应用。另一方面，对于任务紧，工期短且需要反复开展的树障巡检工作来说，能够快速地对树障安全距离进行检查，是制定相应防治整改措施并得以实施的重要前提基础。
激光点云数据的数据处理需要进行滤波、精细化分类及线路检测等；对于同一地区多时段的检测数据、大量二次数据或在基于有历史巡检数据基础下多次数据获取后需要重复上述数据处理步骤；存在效率低下等技术问题。
技术实现要素：
本发明要解决的技术问题：提供一种基于机载激光点云不同时段树障的快速巡检方法，以解决点云数据的滤波分类精度，必须根据数据的差异来调整相关的预设检验参数。在预设检验参数与实际情况有较大出入时，还会给技术人员增加数据处理的难度，不仅可能会影响成果数据的质量，还会因此导致工作量的增加，影响进一步的分析应用；对于同一地区多时段的检测数据、大量二次数据或在基于有历史巡检数据基础下多次数据获取后需要重复进行数据处理步骤；存在效率低下等技术问题。
本发明技术方案：
一种基于机载激光点云不同时段树障的快速巡检方法，它包括：
步骤1、采集机载激光点云数据和航飞数据；
步骤2、对首次获取的点云数据进行预处理及滤波分类，进行危险点分析；将首次检测获取的电力导线坐标及树障危险点坐标数据进行保存并导出，以首次飞行航线作为参照，进行数据的二次采集；
步骤3、使用k-d树的最邻近搜索，以首次检测出的电力导线坐标作为参考点，通过预设检测数量，进行最邻近危险点数据查询，并将查询出的危险点导出；
步骤4、使用k-d树的范围搜索，以步骤2中首次检测出危险点的安全阈值作为范围进行k-d树范围查询；将查询出的点集与首次植被危险点集中的高程值进行对比，筛选出与首次植被危险点相关性较高的点集，并进行相应的复查和外业校核。
所述点云数据进行预处理及滤波分类包括：所述对点云数据进行预处理是对点云数据进行去噪处理；所述滤波分类首先进行地表分类，将点云分成地表类和非地表类；滤波分类的种类分为地面点、杆塔点、电力线点、植被点及其他点。
步骤3所述使用k-d树的最邻近搜索的方法为：以电力线点云坐标数据p作为参照，以一定的空间安全距离作为阈值，通过k-d树对首次采集外的点集数据j进行查询，进而检测出新的危险点集数据m。
本发明的有益效果：
本发明以同一地区，多时段采集的机载点云数据作为基础，以第一次数据处理获取电力导线坐标作为参照位置，通过k-d树的最邻近算法，对第二次或其他多次获取的点云数据进行快速查询，检测可能存在的危险点。通过比对历史的树障危险点数据或其他数据（如卫星影像、航拍影像及野外勘测数据），则可以快速对作业区域内的树障危险情况变化进行检测并制定相应的应对策略。该方法规避了同地区多时段激光点云数据在数据处理中不必要的滤波、精细化分类及线路检测等重复步骤，实现了树障问题的快速检测，间接提高输电线路电力巡检的工作效率；解决了点云数据的滤波分类精度，必须根据数据的差异来调整相关的预设检验参数。在预设检验参数与实际情况有较大出入时，还会给技术人员增加数据处理的难度，不仅可能会影响成果数据的质量，还会因此导致工作量的增加，影响进一步的分析应用；对于同一地区多时段的检测数据、大量二次数据或在基于有历史巡检数据基础下多次数据获取后需要重复进行数据处理步骤；存在效率低下等技术问题。
具体实施方式
一种基于机载激光点云不同时段树障的快速巡检方法，它包括：
步骤1、采集机载激光点云数据和航飞数据；
步骤2、对首次获取的点云数据进行预处理及滤波分类，进行危险点分析；将首次检测获取的电力导线坐标及树障危险点坐标数据进行保存并导出，以首次飞行航线作为参照，进行数据的二次采集；
所述点云数据进行预处理及滤波分类包括：所述对点云数据进行预处理是对点云数据进行去噪处理；所述滤波分类首先进行地表分类，将点云分成地表类和非地表类；滤波分类的种类分为地面点、杆塔点、电力线点、植被点及其他点。
步骤3、使用k-d树的最邻近搜索，以首次检测出的电力导线坐标作为参考点，通过预设检测数量，进行最邻近危险点数据查询，并将查询出的危险点导出；
步骤3所述使用k-d树的最邻近搜索的方法为：以电力线点云坐标数据p作为参照，以一定的空间安全距离作为阈值，通过k-d树对首次采集外的点集数据j进行查询，进而检测出新的危险点集数据m。
步骤4、使用k-d树的范围搜索，以步骤2中首次检测出危险点的安全阈值作为范围进行k-d树范围查询；将查询出的点集与首次植被危险点集中的高程值进行对比，筛选出与首次植被危险点相关性较高的点集，并进行相应的复查和外业校核。
为了便于本领域技术人员了解本发明技术方案，下述进行进一步的说明：
详细步骤一：根据具体工作内容的要求，对作业区域的飞行范围进行制定，对数据生产流程和技术指标进行详细的设计。首先验证技术可行性以及检验机载gnss/imu（pos）系统、激光雷达系统的工作性能参数等，并在测区内或其邻近区域选择合适的范围进行相应的安装测试和飞行测试；
充分考虑到测区的地形分布特点、测区附近机场分布情况以及机载gnss/imu系统、激光雷达系统对飞行的特殊要求；同时综合考虑飞行的技术需求，合理选择作为航飞任务实施的飞行器。为保证整个系统中pos系统获得高精度的定位和定姿数据，需要在地面布设同步观测的gnss基准站或进行相应的联测工作准备。
数据准备依照《cht-8023-2011机载激光雷达数据处理技术规范》进行，飞行结束时获取的数据包括a）原始点云数据、b）航迹文件（用于记录飞行的gnss时间、位置信息（x、y、z）与姿态信息（h、r、p等）、c）地面检查点（通过联测或其他手段获取具有绝对定向的实测参照数据）、d）成果坐标系统与点云坐标数据之间的转换参数、e）其他数据（影像、红外数据等）。获取的初始数据将进行相应的坐标转换、pos数据和控制点解算，获得用于后期数据处理的轨迹数据，并使得其相对坐标系转变为可供实际测量工程需要的坐标系。
详细步骤二：为保证计算机能高效处理点云数据，依据轨迹数据，将点云数据进行分块处理。具体分块范围按照计算机软硬件性能及点云数据的大小情况进行相应的设置。为保证数据不受噪点的影响，通过去噪处理，将明显低于地面的点或点群（低点）和明显高于地表目标的点或点群（空中点），以及孤立且无明显意义的点去除。
去噪后的数据需进行数据的滤波及分类，数据的滤波是指将毫无规律可言的点云数据区分为地面点和非地面点的过程（通常称为一级分类）；后期基于非地面点的进一步滤波称之为二级分类。分类后的点云数据才可进行相应的数据分析工作（即植被与导线的安全距离量测）。首先激光点云数据的滤波分类处理优先进行地表分类，将点云分成地表类和非地表类。其次，根据实际需求对数据进行进一步的二级分类。该发明中主要是对输电线路通道内的植被树障进行危险点检测，因此点云滤波分类的种类主要分为五个类别：地面点、杆塔点、电力线点、植被点及其他点。点云分类是点云数据处理中人工交互及干预最多的技术环节。为提高后续分析处理的精度，首次数据分类滤波工作需根据数据成果需求进行完整的分类。
遵照《dl/t741-2010架空输电线路运行规程》，对首次获取并分类的植被点云数据进行危险点分析，获取第一次树障危险点坐标（记为w）。将第一次树障危险点坐标w及首次检测获取的电力线点云数据的坐标（记为p）进行导出并以编号（id）、经度（x）、维度（y）、高程（z）格式进行保存。以首次飞行航线飞行参数作为参照，进行数据的二次或多次采集。以首次飞行航线飞行参数作为基础，进行数据采集，以保证与首次数据采集在空间位置上有高度一致性，便于进一步的数据查询。为了防止空中噪点对空间查询的影响，对第二次获取的数据进行去噪处理。
详细步骤三：k-d树（k-dimensiontree）是对数据点在k维空间划分的一种数据结构，主要应用于多维空间关键数据的搜索。通过分而治之的方式，把整个空间划分为特定的几个部分，然后在特定空间的部分内进行相关搜索操作，从而提高搜索速度的方法。
本文中以电力线点云坐标数据p作为基础参照，以一定的空间安全距离作为阈值（具体的阈值设定按照《dl/t741-2010架空输电线路运行规程》等相关规范），通过k-d树对第二次或除第一次采集外其他多次时间段的点集数据j进行查询，进而检测出新的危险点集数据，记为m。
k-d树主要包含两个基本流程，首先是建树，即将输入的电力线点云坐标数据p进行空间划分，以便于进行空间划分后空间内的快速搜索；第二个流程是以数据p进行作为基准，以某种查询条件作为要求，找到符合查询条件范围中的危险点集m（id，x，y，z）。
详细步骤四：依照详细步骤三，对找到符合查询条件的危险点集m建立k-d树，并以步骤二中首次检测出危险点的安全阈值作为搜索范围进行k-d树范围查询。范围查询就是给定查询点和查询距离的阈值，从数据集中找出所有与查询点距离小于阈值的数据。由于，k-d树在树的每一层对空间的范围做了分割，可以高效的执行范围查询。
最终搜索出的点集记为nx，对比nx点集中点的高程值（z值）和w点集中的高程值（z值），①若nx点集中点的z值大于w中点的z值，则记录该点；②若不大于，则不记录。通过该比较，最终在nx点集中筛选出一个新的点集kx。kx记作是与首次检测出的（或历史树障）植被危险点相关性较高的点，优先等级最高，可优先做进一步的复查和外业勘察；除kx以外其他的点（即nx-kx），记为ox，为其他潜在的危险点，可根据具体需求才进行相应复查和外业勘察。
通过该方法，可减少有历史巡检数据基础下多次数据获取后不必要的人工交互数据处理（包括预处理、分类滤波及分析）工作，在野外工作需要时，可较快实现同地区多时段树障点云数据查询和检测，提高电力巡检激光点云数据处理的分析效率。