CN115825984A - 一种基于激光点云的输电线路巡检系统及巡检方法 - Google Patents

Abstract

本发明提出了一种基于激光点云的输电线路巡检系统及方法，该方法包括：对采集的激光点云数据进行预处理；对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆数据以及电力线路数据；根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。本发明通过对获取的激光点云数据进行分析处理获得拍照点，实现了根据激光点云数据自动规划巡检航线，提高无人机巡检效率。

Description

一种基于激光点云的输电线路巡检系统及巡检方法

技术领域

本发明属于电力巡检技术领域，尤其涉及一种基于激光点云的输电线路巡检方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

输电线路的安全运行是保障电网稳定运行的基础，随着输电线路的常年运行，不可避免的会产生线路缺陷，为保障输电线路安全运行，需要及时排查并消除线路缺陷，将输电线路运维风险降到最低。

对建成并投入应用的输电线路进行巡线，是保证供电力络安全的重要措施，是运营维护管理部门开展的重要工作。原来的输电线路运行维护方式，工作人员劳动强度较大，工作效率也无法得到保证，尤其有输电线路出现突发故障，或者在异常气候条件下，输电线路运行维护人员需要乘座交通工具，或者地面行走的方式，采用普通的故障诊断设备，或者凭借经验来对输电线路和电力设备故障进行判断，这与信息化时代的快捷、高效完全不符，需要建立起满足当前智能电网要求的巡线技术，采用机载三维激光雷达进行巡线可以有效的提高工作效率。

导致无人机巡检效率低输电线路主要有两种线路形式，分别是架空输电线路和电缆线路，其中架空输电线路主要架设在地面之上，野外分布较广，地形复杂，自然环境较恶劣。输电线路设备受自然环境和人为因素的影响，自然环境影响表现在长时间暴露在野外，经常受到雷击、覆冰导致材料被腐蚀老化；而且交叉跨越线路的测量是架空输电线路测量工作中的重点，为了保证输电线路安全稳定运行，线路巡检时必须确保交叉跨越点对地距离满足规程要求，防止发生线路解除故障。因此，无人机如何自动规划合理巡检航线，迅速地实现输电线路自主无人机巡检是需要解决的技术问题。

发明内容

为克服上述现有技术的不足，本发明提供了一种基于激光点云的输电线路巡检方法及系统，通过精准三维的激光点云数据来实现航线的自主生成和自主的规划，从而实现无人机全程无人化巡检作业飞行。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

本发明第一方面提供了一种基于激光点云的输电线路巡检方法，包括：

利用机载雷达采集输电线路走廊激光点云数据，并对所述激光点云数据进行预处理；

对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆数据以及电力线路数据；

根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

本发明第二方面提供了一种基于激光点云的输电线路巡检系统，包括：

预处理模块，被配置为：对采集的输电线路走廊激光点云数据进行预处理；

三维激光模型建立模块，被配置为：对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

激光点云杆塔模型建立模块，被配置为：结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆点云以及电力线路点云；

无人机自主巡检轨迹模块，被配置为：根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种基于激光点云的输电线路巡检方法中的步骤。

本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种基于激光点云的输电线路巡检方法中的步骤。

以上一个或多个技术方案存在以下有益效果：

(1)本发明通过对获取的激光点云数据进行分析处理获得拍照点，将拍照点依次相连确定无人机自主巡检轨迹，实现了根据激光点云数据自动规划巡检航线，提高无人机巡检效率。

(2)本发明通过对激光点云数据进行粗分类和细分类结合的方式获取输电线路以及塔杆点，在获取输电线路后，根据特征对比获取导线点云以及交叉跨线点云，并建立拍照点，实现对交叉跨线点的精细化巡检。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1为第一个实施例的方法流程图。

具体实施方式

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。

在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

实施例一

如图1所示，本实施例公开了一种基于激光点云的输电线路巡检方法，包括：

步骤1、利用机载雷达采集输电线路走廊激光点云数据，并对激光点云数据进行预处理；

步骤2、对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

步骤3、结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆点云以及电力线路点云；

步骤4、根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

作为进一步的实施例，在步骤1中，考虑到通过无人机航摄完成的激光点云数据是以航线为单元提供的，一方面数据量大，另一方面航线间存在重叠，为了便于后续应用，因此需要按作业单元进行相关的镶嵌和裁切工作；

1)确定镶嵌线

在镶嵌线绘制过程中，重点考虑以下要求：(1)航线接边差应满足设计要求；(2)镶嵌线应尽量选择在重叠处的中央；(3)因激光扫描日期引起航线间地物存在明显差异时，错嵌线应尽量沿沟渠、行树、乡村路等带状覆盖的中心区域绘制，平原区域作物生长差异明显时尤其要避免在大面积平坦耕地中穿过。

2)噪声滤除

采用机载激光雷达扫描法获取的点云数据，在测量过程中不可避免地混有不合理的噪声点，噪声点的产生主要是由仪器的系统误差和被测对象的物理特性引起的。噪声点分为高于或低于地面的、孤立的，不成群的噪声点和与真实地表高差较小的，与地面点混合在一起的噪声点；因此，在对数据进行分析计算之前有必要进行数据的噪声去除。

本发明中去噪可以采用双边滤波算法进行点云去噪，双边滤波器是基于空间分布的一个高斯函数，能够较好地保存目标物的高频信息，它使点云数据的整体趋势更加平滑，数据点顺着法向发生位移；也可以采用基于曲率流的去噪算法，基于支持向量机和神经网络的算法等。

作为进一步的实施例，在步骤2中，对预处理后的激光点云数据进行解算处理包括：对点云数据进行配准；

点云是某个坐标系下的点的数据集，点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，点云配准旨在将多个点云正确配准到同一个坐标系下，形成更完整的点云；

本发明对点云数据进行配准时采用ICP算法，ICP(iterative closest point)通过迭代对应点搜寻和最小化点对整体距离以估计变换矩阵；

假设点云{Q}为目标点云(参考点云)，{P}为源点云(待配准的点云)，p_i(i∈1，2，…N)是{P}中的一个点，q_i是{Q}中与p_i距离最近的点，组成点对(q_i，p_i)；需要计算从{P}到{Q}的RT变换矩阵，即旋转矩阵R和平移矩阵T。如果变换参数是准确的，那么点云{P}中的每一个点p_i经过变换后应该与点云{Q}中的点q_i完全重合，定义误差函数如下：

通过上述误差方程可以求解得到对应的空间参数，最终实现点云数据的空间转换。

在步骤2中，建立输电线走廊的三维激光模型，包括：

采用开源的三维渲染引擎OSG(OpenSceneGraph)对经过处理的点云数据进行场景渲染，生成激光点云三维模型；采用分页技术对点云三维模型进行动态调整，实现大场景点云数据的浏览、缩放、移动、漫游，在交互界面实现选点、切割、正射图，满足对点云数据进行加工处理要求。在浏览大数据量点云数据时，根据点云数据距离视点的距离，距离远时加载低分辨率数据，距离近时加载高分辨率数据，进而实现海量点云数据的快速浏览。

作为进一步的实施例，在步骤3中，分类识别电力线路点云以及塔杆点云包括：

首先对处理后的激光点云进行粗分类，对输电线路点云进行空间三维栅格化，利用设置合理经验高程阈值的方式分割出非线路点云，获得输电线路点云数据，过滤掉了地面点云、高低植被点云；然后对输电线路点云数据进行细分类，识别出导线点云、交跨线点云以及杆塔点云；

具体包括：

(1)创建空间三维栅格，将输电线路点云数据按一定步长进行三维栅格划分、编号。

(2)三维栅格内高程方向进行分割。对三维栅格在垂直方向进行划分，为了防止划分尺寸过大引起非连续性特征识别不敏感，算法采用相对较小的尺寸进行划分，垂直方向如果两个相邻划分的点云数量为0，那么合并这两个邻近划分。最后合并划分高程记作H。

(3)获取三维栅格高程阈值。设定一个高程间隔阈值H0，代表导线和地面之间垂直方向的间距，对上一步计算得到的H和H0进行高程阈值比对：如果H<H0，则记录该高程间隔的最小高程值Z0，对三维栅格中所有点高程值Z进行遍历，如果Z>Z0，那么判定该点为导线点，否则为非导线。

(4)对得到的粗分类线路点云在XY面做投影，其中杆塔点云为簇状分布，交跨线点云和导线点云在XY面表现为线性分布，根据这种分布特性，本发明采用Hough变换及Kmeans聚类方法实现导线和杆塔的快速自动同步分类；

在步骤3中，还包括特征对比步骤：由于交跨线和导线点云在XY面投影均为直线模型，导线完全通过输电走廊，而交跨线为横(或斜)穿输电走廊，因此交跨线长度远远小于导线长度，通过点云长度对比、点云数量对比分离导线和交跨线，最终获取若干根交跨线点云。

作为进一步的实施例，在步骤4中，本发明依据高精度的激光点云杆塔模型的数据进行航迹规划，对每一个需要拍照的点进行确认，通过每个拍照点进行连接，从而获取一条高精度航线，不仅实现杆塔自身本体的精细化巡检和自动化拍照，而且还实现了交叉线路的精细化巡检和自动化拍照；在规划好航线后，对需要拍照的点进行危险点分析，设定好安全距离，这样就可以让无人机避开杆塔，从而降低无人机故障的风险保证安全飞行。

实施例二

本实施例公开了一种基于激光点云的输电线路巡检系统，包括：

预处理模块，被配置为：对采集的输电线路走廊激光点云数据进行预处理；

三维激光模型建立模块，被配置为：对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

激光点云杆塔模型建立模块，被配置为：结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆点云以及电力线路点云；

无人机自主巡检轨迹模块，被配置为：根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

实施例三

本实施例的目的是提供计算机可读存储介质。

计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本公开实施例1所述的一种基于激光点云的输电线路巡检方法中的步骤。

实施例四

本实施例的目的是提供电子设备。

电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例1所述的一种基于激光点云的输电线路巡检方法中的步骤。

以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。

本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种基于激光点云的输电线路巡检方法，其特征在于，包括：

利用机载雷达采集输电线路走廊激光点云数据，并对所述激光点云数据进行预处理；

对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆数据以及电力线路数据；

根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

2.如权利要求1所述的一种基于激光点云的输电线路巡检方法，其特征在于，所述预处理包括：根据航线接边差以及航线间地物信息确定航迹镶嵌线以及对机载雷达采集到的输电线路激光点云数据进行去噪处理。

3.如权利要求1所述的一种基于激光点云的输电线路巡检方法，其特征在于，所述对预处理后的激光点云数据进行解算处理，包括：采用ICP算法对激光点云数据进行配准，通过迭代对应点搜寻和最小化点对整体距离以估计变换矩阵。

4.如权利要求1所述的一种基于激光点云的输电线路巡检方法，其特征在于，所述建立输电线走廊的三维激光模型，包括：采用开源的三维渲染引擎对预处理的所述点云数据进行场景渲染，生成激光点云三维模型；采用分页技术对激光点云三维模型进行动态调整。

5.如权利要求1所述的一种基于激光点云的输电线路巡检方法，其特征在于，所述的分类识别电力线路点云以及塔杆点云包括：对处理后的激光点云进行粗分类，获得输电线路点云以及塔杆点云，过滤掉地面点云以及高低植被点云；然后对输电线路点云以及塔杆点云进行细分类，采用Hough变换及Kmeans聚类实现杆塔以及输电线路的自动分类。

6.如权利要求5所述的一种基于激光点云的输电线路巡检方法，其特征在于，在获取输电线路点云后，通过点云长度对比以及点云数量对比分离导线和交跨线，最终获取若干根交跨线点云。

7.如权利要求6所述的一种基于激光点云的输电线路巡检方法，其特征在于，所述的拍照点包括杆塔点以及交跨线点。

8.一种基于激光点云的输电线路巡检系统，其特征在于：包括：

预处理模块，被配置为：对采集的输电线路走廊激光点云数据进行预处理；

三维激光模型建立模块，被配置为：对预处理后的激光点云数据进行解算处理，建立输电线走廊的三维激光模型；

激光点云杆塔模型建立模块，被配置为：结合输电线走廊的实际物体进行激光点云分类，建立高精度的激光点云杆塔模型，分类识别塔杆点云以及电力线路点云；

无人机自主巡检轨迹模块，被配置为：根据建立的高精度的激光点云杆塔模型的数据，进行航迹规划，对每一个需要拍照的点进行确认，通过将每个拍照点进行连接，确定无人机自主巡检轨迹。

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于激光点云的输电线路巡检方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于激光点云的输电线路巡检方法中的步骤。

Images