基于格网划分的电力杆塔位置提取方法与流程

本发明涉及遥感技术领域，具体涉及一种基于格网划分的电力杆塔位置提取方法。

背景技术：

电力杆塔是电力系统的基本设备，当电力线路经过复杂地形的山坡、河床、煤炭矿区等特殊地带时，电路巡检就会变得非常困难。我国目前电网输电线路巡检主要是通过人工的工作方式来观测设备缺陷进行巡检，但人工巡检的方式作业周期长、工作效率低、劳动强度大，难以保障当今电网快速发展安全运行的需求。但lidar系统能够以离散的点云数据形式快速准确地采集电力杆塔的真实三维空间信息，为电力巡检工作提供一种新技术方案。基于lidar技术获取的点云数据中可分为地面点、指北店、建筑物点、杆塔点、以及电力线点等类型，属于无序的离散点云数据，无法直接应用到电力巡线中去。因此需将不同对象的点云数据进行分类，从中提取出有用的点云类型数据进行下一步的工作处理。目前从无序的lidar点云数据中提取杆塔类别的点云数据需要人工交互，或者依赖于先验知识的杆塔坐标数据。因此如何在工程中实现线路杆塔高效率高精度的位置定位是电力部门亟待解决的问题。特别是在越来越多特、超高压线路建成投运的大环境下，其杆塔位置提取定位的需求也是显得越来越重要。

在实际应用中，随着lidar测量技术的发展，其可快速扫描较为精准的三维点云数据，为后期杆塔位置提取提供可靠的分析支撑。目前三维激光雷达技术已广泛应用于地形测量、路桥检测、文物古建筑修复、管道变形检测等众多领域。基于理论分析表明，基于lidar技术的电力杆塔位置提取方法是一种值得研究并推广的新技术，能够方便高效地实现电力杆塔位置提取和数字化描述。

技术实现要素：

本发明的目的在于提供一种基于格网划分的电力杆塔位置提取方法，以克服传统的电力杆塔位置提取依赖于人工处理、工作效率低等缺点，能够方便高效地实现电力杆塔位置提取和数字化描述。

为实现上述目的，本发明采用以下技术方案：

基于格网划分的电力杆塔位置提取方法，包括以下步骤：

s1、格网划分：按照设置的格网的大小，根据点云平面坐标将每个激光点云分配到相应格网中；

s2、根据杆塔的空间分布特征，滤除不符合杆塔空间分布特征的格网；

s3、计算格网空间间隔总和与格网相对高度的比值，获得格网的空间间隔统计比率r，并设置空间间隔统计比率阈值r0，将r大于r⁰的格网滤除；统计格网的最大空间间隔，滤除最大空间间隔超过空间间隔阈值的格网；

s4、基于区域生长算法聚类杆塔点云数据，提取杆塔位置信息。

进一步地，所述步骤s1中格网大小设置为3m～5m。

进一步地，所述步骤s2具体包括：

s21、以高压线塔走廊中塔高的最小值为相对高度阈值h0，将格网相对高度h小于h0的格网滤除；

s22、对满足阈值要求的格网执行区域生长算法，滤除格网小于20的区域。

进一步地，s3中计算所述格网空间间隔总和过程中的步长设置为1m。

进一步地，所述空间间隔阈值为10m。

进一步地，所述步骤s4具体包括：

s41、运行区域生长算法直到高压线走廊走廊点云数据中每个格网都有归属，获得多个格网群；

s42、从高到低截取每个格网群中5-8m相对高度的点云数据并垂直投影到二维水平面上，计算凸壳顶点之间的最长距离l和面积a，保留同时满足l>l0及a>a0的格网群则为高压线塔粗点云数据，l0为塔头长度阈值，a0为塔头面积阈值；

s43、截取杆塔中间点云，计算杆塔位置。

进一步地，步骤s41具体包括：

s411、按照格网的排列顺序，找到一个符合判别准则的格网，并以其行号与列号作为格网坐标(x0,y0)；

s412、以初始格网(x0,y0)为中心，判断其周围八邻域的格网(x,y)是否满足生长准则，若满足则将(x,y)与(x0,y0)格网里的点云数据合并，同时将格网坐标(x,y)压入堆栈；

s413、从堆栈中取出一个格网作为(x0,y0)，重复步骤s412；

s414、当堆栈为空时，返回步骤s411；

s415、重复步骤s411～s414，直到高压线走廊点云数据中每个格网都有归属，生长结束。

进一步地，l0＝15m，a0＝100m²。采用上述技术方案后，本发明与背景技术相比，具有如下优点：

本发明适应好，对于复杂地形、噪声干扰等艰难情况下的电力杆塔位置提取定位可以得到很好的实验效果；

本发明利用lidar点云数据进行一种基于格网划分的电力杆塔位置提取方法，由于lidar点云数据不仅能够很好的对杆塔数据进行测量，而且其测量劳动强度低，测量精度也很高；通过对数据的一系列处理分析，能够实现杆塔位置提取定位结果的可视化和数字化表达；所得结果误差低，验收效果好。

附图说明

图1为本发明整体流程示意图；

图2为本发明每步骤具体流程示意图；

图3为输电走廊的机载lidar点云分类数据特征示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

实施例

参考图1所示，本发明公开了一种基于格网划分的电力杆塔位置提取方法，包括以下步骤：

s1、格网划分：按照设置的格网的大小，根据点云平面坐标将每个激光点云分配到相应格网中；

s2、根据杆塔的空间分布特征，滤除不符合杆塔空间分布特征的格网；

s3、计算格网空间间隔总和与格网相对高度的比值获得格网的空间间隔统计比率r，并设置空间间隔统计比率阈值r0，将r大于r0的格网滤除；统计格网的最大空间间隔，滤除超过空间间隔阈值的格网；

s4、基于区域生长算法聚类杆塔点云数据，提取杆塔位置信息。

其中步骤s1中所述的格网划分,其中格网大小是格网划分的关键，其影响高压线塔点云的粗提取效果。格网尺寸设置过大将导致更多格网被归类为第三类点云，特别是地形起伏较大的区域，将直接影响后续的高压线塔位置计算；格网尺寸太小导致每个格网点云密度过小，从而格网连续性的统计结果不可靠。本发明经过多次实验证明格网大小设置为3m～5m效果最佳。

所述步骤s2具体包括：

s21、以高压线塔走廊中塔高的最小值为相对高度阈值h0，将格网相对高度h小于h0的格网滤除；

s22、对满足阈值要求的格网执行区域生长算法，滤除格网小于20的区域(这些区域可能是满足高度阈值的高植被)。

其中，不同的输电线路电压等级与地形复杂度不同，其线塔类型和大小有差异，h0的设置应为高压线路走廊中塔高的最小值，本实施例为25m。

步骤s3中，空间间隔阈值优选为10m。此外，该步骤中所述的空间间隔统计比率(即空隙率)计算的关键是统计格网空间间隔总和过程中步长(即空间统计间隔的设置)。若设定的步长较小，则会占用较大内存空间并影响效率；设置的步长较大则会漏掉格网中一些小的间隙，导致统计不完全，统计精度较低。本发明经过大量试验证明，步长大小设置为1m。

经过步骤s2及s3，只有少量的非第三类点云数据的格网未被剔除，但比较分散，可以通过设置的高压线塔塔头的长度l0以及水平投影的凸壳面积a0进行再次筛选。

因此，步骤s4具体包括：

s41、运行区域生长算法直到高压线走廊走廊点云数据中每个格网都有归属，获得多个格网群；

s42、从高到低截取每个格网群中5-8m(此参数是由高压线塔塔头的高度确定的)相对高度的点云数据并垂直投影到二维水平面上，计算凸壳顶点之间的最长距离l和面积a，保留同时满足l>l0及a>a0的格网群则为高压线塔粗点云数据，l0为塔头长度阈值，a0为塔头面积阈值；

s43、截取杆塔中间点云，计算杆塔位置。

其中，步骤s22与s41采用八邻域种子生长算法计算，其基本思想是将具有相似性的像素(本发明为第三类点云数据格网)进行聚类，关键在于种子点选取与生长准则(本发明采用的生长准则为是否是第三类格网)。

其包括：

s411、按照格网的排列顺序，找到一个符合生长准则的格网，并以其行号与列号作为格网坐标(x0,y0)；

s412、以初始格网(x0,y0)为中心，判断其周围八邻域的格网(x,y)是否满足生长准则，若满足则将(x,y)与(x0,y0)格网里的点云数据合并，同时将格网坐标(x,y)压入堆栈；

s413、从堆栈中取出一个格网作为(x0,y0)，重复步骤s412；

s414、当堆栈为空时，返回步骤s411；

s415、重复步骤s411～s414，直到高压线走廊点云数据中每个格网都有归属，生长结束。

本发明经大量实验分析高压线塔粗点云数据提取的参数可设置为：塔头长度阈值l0为15m，塔头面积阈值a0为100m²。

综上所述，本发明中一共把原始点云数据分为三类，如图3所示：即第一类为除去杆塔和电力线的地形地形点云数据，第二类为电力线点云数据，第三类为杆塔点云数据。利用此三类点云的不同点(①第一类局部点云数据在垂直空间分布上是连续的；②第一类与第二类、第三类单个格网的点云数据相对高度(格网中最高点与最低点高程差)相差较大；③第二类格网的点云表现为有一定空间间隔的线性点云)，针对第一类与第三类点云格网空间特征上的相对高度差异，第二类与第三类点云格网的空间连续性差异，设置格网相对高差和格网点云空隙率(格网空隙总间隔与格网相对高度的比值)阈值滤除大部分的第一类和第二类格网，然后通过区域生长聚类相邻的格网，并对得到的每类点云数据进行分析，去除不符合要求的类别，即可得到独立的粗高压线塔点云数据。因此本发明适应性好，从点云数据中提取杆塔位置能够得到很好的效果。本发明设计通过对杆塔点云进行格网划分，格网空隙率的计算，最后基于区域生长算法聚类高压线塔点云数据从而提取杆塔位置信息，其检测效果及稳定性好。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。