試析大型無人機電力巡檢LiDAR點云安全距離診斷方法

熊勇良 羅志勇 羅澤雄

摘 要將大型無人機當成是激光雷達的承載平臺，能夠加強線路LiDAR點云數據提取分析，為線路安全檢測提供依據。基于此，本文結合電力巡檢LiDAR點云安全距離診斷內容，對基于大型無人機的線路LiDAR點云數據采集和分類提取問題進行了探討，提出了相應的安全距離診斷方法，為關注這一話題的人們提供參考。

關鍵詞大型無人機;電力巡檢;LiDAR點云;安全距離診斷

0 引言

伴隨著電力事業的快速發展，采用人工巡檢方式已經無法滿足電力工作的高效開展需求。而大型無人機可以用于搭載激光雷達測量設備，高效完成線路點云數據采集。用于對線路安全距離開展診斷，能夠及時完成安全隱患排查，在節約人力、物力和時間成本的同時，滿足線路安全管理要求。因此還應加強大型無人機電力巡檢LiDAR點云安全距離診斷方法研究，以便為巡檢工作的高效開展提供支撐。

1 電力巡檢LiDAR點云安全距離診斷

在電力巡檢中，需要完成線路安全距離診斷。具體來講，就是對電力線與周圍構筑物、植被、河流等其他走廊地物間距進行計算，確定是否有地物處于危險范圍。針對判定的危險隱患，需要結合相關數據提交危險點報告，確保巡檢人員能夠及時完成地物清理，保證線路運行安全。現階段，在電力巡檢中將采用激光雷達系統獲得電力線的LiDAR點云數據，通過數據處理完成電力線建模，用于區分電力線類別。在空間中，電力線屬于離散點，需要將點云生成矢量電力線，保存在矢量圖層中。電力線的安全距離與線路電壓等級和地物類型有關，如在220kV輸電線路安全規范中，與樹木應保持4.5m垂直距離，與建筑物則要保持6m垂直距離，與公路需要保持8m垂直距離。根據電力線走廊中導線與地物的安全距離標準，能夠通過分析矢量圖層完成危險距離診斷。

2 大型無人機電力巡檢LiDAR點云安全距離診斷方法

2.1 線路數據獲取

采用大型無人機進行電力巡檢，按照架空輸電線路運行規程管理要求，導線邊線向外側水平延伸的一定范圍與地面垂直形成的兩平行面內都屬于保護區。結合線路電壓等級，可以確定保護區范圍，然后兩側各加50-100m寬作為巡檢范圍。66-110kV外邊線距為10m，電壓等級越高線距越大，750kV線路外邊線距為25m，所以無人機巡檢寬度在100-200m范圍內[1]。無人機掃描帶寬與飛行高通常為0.8：1，在飛行高度達到100m的情況下，可以對80m寬范圍進行覆蓋。結合地形高度和激光點云密度，能夠對無人機飛行速度、高度等進行確認。結合影像拍攝的重疊度要求，可以提前完成拍攝時間間隔設定。

實際在對電力線路進行掃描檢測時，如果采用常規方式僅能獲取桿塔信息。為獲得地物和桿塔導線空間信息，需要采用橢圓掃描方式，對側面輪廓與信息進行采集，為后續矢量模型建立提供數據支撐。實際在外業數據采集期間，為滿足電力巡檢的高精度數據采集需求，需要在大型無人機底部完成激光雷達系統安裝，促使其以10～15m/s相對飛行高度飛行，通過自動化巡檢完成線路通道數據采集。系統利用GPS對信號發射參考點的空間位置進行確認，利用INS完成姿態參數測定，利用激光測距確定參考點到激光腳點的距離。

2.2 點云數據分類

在LiDAR點云數據提取方面，還要對采集到的數據進行預處理，得到LAS文件，然后利用TerraScan軟件完成三維點云數據分析，實現植被、桿塔等不同地物數據的分類提取，用于建立矢量模型和完成線路安全距離診斷。在實際操作中，需要將采集到的數據導入到Waypoint Inertial Explorer軟件中，通過處理慣性測量元件數據和GPS數據得到OUT格式的航跡文件。與RXP格式激光測距文件結合，能夠生成LAS格式激光點云文件。

文件中包含桿塔、植被等各種地物數據，同時也包含灰塵、水汽等外界因素帶來的噪點，還要通過去噪處理得到準確數據參數。由于噪點屬于孤立點，相較于周圍點存在高程突變。在對噪點進行濾除時，需要選擇點云數據中高程最低的點作為低點，考慮到這些點容易出現錯誤，還要作為初始計算點完成不規則三角網模型建立。采用迭代方法在模型中完成新點添加，能夠完成新模型構建。多次迭代后，得到的模型將會接近地面真實地物分布情況。如在構筑物尺寸為60m的情況下，可以認為60×60m范圍內存在落在地面的最低點。在三角面上，存在目標點的投影點，與最接近目標點的三角面頂點連線構成的角度最大。將三角形較大時迭代不發生大幅度跳躍當成是條件，可以完成迭代距離的設置。將地面模型當成是基礎，能夠完成地物點云數據分類。

2.3 矢量模型分析

完成點云數據分類后，需要對各種走廊地物到導線距離進行量測，為安全距離診斷提供數據支撐。結合這一目標，需要對導線垂弧坐標進行準確提取，完成矢量擬合，為導線到地物的距離分析提供便利。在三維空間中，位于桿塔之間的導線屬于曲線，擁有曲率，不能單純根據桿塔間距確認。在線路分布不均的情況下，采用分段質心擬合方法能夠輕松完成點云矢量擬合，但存在段間不平滑問題，容易造成激光點云數據的直線部分缺失[2]。針對這一問題，還要采用連續光滑的懸鏈線完成導線擬合，精確反映導線弧垂，避免點云數據缺失。采用懸鏈線模型，需要利用模型定義方程對模型參數進行求解，如式（1），用于實現曲線矢量重建。

采用上述方法，需要利用區域生長法對電力線路點進行分隔，然后利用Levenberg-Marquardt實現模型計算和擬合，經過2-3次循環迭代分析能夠使算法得到收斂。

2.4 安全距離診斷

根據得到的擬合曲線，可以完成導線與地物距離測算。具體來講，就是通過分段剖面運算對曲線矢量數據和地物點云數據進行處理，將計算得到的距離與標準安全距離比較。發現導線與地物的距離不符合安全標準要求，將設定為危險點，發出預警的同時，提交坐標、危險等級等信息。以某220kV線路巡檢為例采用Z5大型無人機搭載機載雷達進行線路走廊LiDAR點云數據采集。在完成線路導線矢量擬合的基礎上，按照高程完成線路數據分割，可以得到條帶狀點云數據，其中包含多個線路點云子集。與原始點云相比，對于導線不相關的走廊地物進行了剔除，并且能夠使地面點得到濾除，促使地物空間分布得到較好反映。如圖1所示，結合地物空間幾何分布特征，完成了植被、導線和桿塔點云數據分離。由于線路所在區域處于山區，因此不存在鐵路、建筑物等地物。從檢測結果來看，線路的兩個桿塔間存在四個安全隱患點，還要進一步與安全標準進行比較，為人員開展工作提供依據。

考慮到桿塔點云密度較大，相鄰桿塔點云密度將減小，可以完成桿塔分割，能夠得到多段數據。對垂直線路走向的剖面進行測算，能夠得到導線與地物的垂直距離、水平距離和凈空距離[3]。采用相同方法，也能完成相鄰桿塔剖面區段安全距離檢測，確定周圍地物與線路區段的安全距離。如表1所示，為提取得到的四個安全隱患點的安全距離診斷結果。通過人工方式對樹障點進行查找，然后對實際距離值進行測量。通過比較發現，利用采集到的點云數據計算得到的安全距離診斷結果與人工測量值誤差最大為0.14m，結果的一致性能夠達到96.5%，最終可以判定確實存在安全隱患，能夠達到巡檢目標。

3 結論

綜上所述，應用大型無人機開展電力巡檢工作，可以利用采集到的空間閾機載LiDAR數據完成線路快速提取，得到精準矢量模型開展安全距離診斷工作。結合診斷結果對超限地物發出預警，能夠幫助巡檢人員掌握線路安全狀況，及時完成線路安全隱患排查，繼而為線路穩定運行提供有效保障。

參考文獻

[1]李嘯嘯，范寶偉.機載LiDAR點云電力線數據處理及安全檢測[J].測繪地理信息，2020，45（01）：110-113.

[2]侯國瑞.激光LiDAR點云在電力巡線中的應用[J].經緯天地，2019（04）：19-22.