可見光影像與激光雷達點云融合技術在配網樹障巡檢中的應用

吳錦秋，劉漢君，楊家開，陳宇浩

(廣東電網有限責任公司中山供電局，廣東中山528400)

0 引言

灌木、樹種等植被是影響配電線路安全運行的最大走廊地物, 大多數配電網故障都是由樹障隱患引起的。當樹木與電線的安全距離不足時就會引起跳閘、放電等事故, 樹障隱患巡檢與分析已成為輸電部門的重要工作。傳統的樹障巡檢方法是線路巡檢人員攜帶專業測高儀器、經緯儀等笨重儀器計算導線弧垂到樹頂的距離是否滿足規范和安全運行的要求。巡檢人員個人狀態和測量角度的不同往往會引起較大測量誤差, 亂砍亂伐、破壞植被和樹障隱患識別不到位的現象時有發生[1-2]。傳統的樹障巡檢方式常常受到冰雪、洪水、滑坡等自然災害影響, 巡檢效率低下, 而且準確性不高, 已經不能滿足規模日益增長的配電網現代化作業的需求。

無人機作為電力線路巡檢的新方式, 通常搭載數碼攝像機、照相機等獲取線路走廊可見光影像資料的設備, 這種作業方式具有巡檢效率高、不受地域影響等優勢。但可見光影像數據為二維數據, 無法真實反映電線走廊的三維信息；另外, 其空間定位精度低, 難于測量樹、竹等地物到電線的距離,不能識別樹障隱患。激光雷達 (light detection and ranging, LiDAR) 技術的發展及成本的降低, 為電力線路巡檢提供一種新的有效手段。激光雷達技術具有空間定位和凈空距離測量準確、三維建?？焖俚葍烖c。但是激光雷達點云數據沒有顏色特征, 其可視化效果較差, 不利于判讀地物和非地物的信息。綜上所述, 可見光影像和激光雷達各有優缺點, 依靠單一的測量方法不能獲取完整的三維實景模型。

國內外對激光雷達測量技術或者可見光影像在電網的應用研究都比較多, 但是對兩者的結合應用卻比較少。本文探討可見光影像和激光雷達技術融合的方法, 將其運用于配網走廊樹障隱患巡檢, 從而達到是否需要砍伐樹木和清除障礙的目的。

1 機載激光雷達測量原理

LiDAR 是通過發射激光脈沖, 接收返回的脈沖信號, 經過系統處理, 快速獲取地面和地物三維信息的探測技術。機載激光雷達系統通常由飛行平臺、激光掃描儀、定位與慣性測量單元和控制單元等組成。其中, 飛行平臺既可以是旋冀無人機, 也可以是固定翼飛機, 或者無人直升飛機；激光掃描儀包括脈沖測距掃描儀和相位測距掃描儀；定位與慣性測量單元則由差分全球定位系統 (differential global positioning system, DGPS) 和慣性測量裝置(inertial measurement unil, IMU) 組成[3-6]。無人機沿電線走廊掃描作業時, 機載激光雷達系統通過激光掃描儀向地表發射激光脈沖信號, 根據信號從發射至返回激光掃描儀所經歷的時間來確定掃描儀中心至地表激光光斑之間的距離。利用DGPS 確定掃描儀中心坐標 (x0,y0,z0) 和IMU 確定的空間姿態參數, 再根據空間幾何關系, 即可確定地面激光點的三維坐標 (x,y,z)。激光雷達點云數據不僅包括空間三維坐標, 還含有回波次數、回波強度等信息, 利用這些數據可以生成高精度數字高程模型 (digital elevation model, DEM) 和數字地表模型[7-10]。

使用無人機機載激光雷達系統進行電力巡檢作業時, 激光脈沖遇到樹木、電線或者桿塔時, 激光脈沖就反射回探測器, 即可確定被掃描對象的空間位置。由于高密度的激光雷達數據非常適合還原樹冠形狀, 因而通過對不同激光回波的信息進行提取和處理, 進行電線走廊三維建模, 在三維模型中量測地物至電線間的距離, 以確保樹木、建筑物、交叉跨越等對線路的距離符合運行規范和滿足運行要求。

2 數據融合方法

將LiDAR 點云數據和可見光影像數據融合,充分發揮各自優勢。LiDAR 點云與可見光影像融合需要經過點云數據處理、配準及著色三個過程,方法流程如圖1 所示。

圖1 數據融合流程

2.1 點云數據處理

點云數據處理包含點云去噪、濾波和分類, 處理流程如圖2 所示。

圖2 激光雷達點云數據處理流程

由于被掃描對象表面粗糙程度不同和外部環境的各類噪聲影響等原因, 點云數據會出現一些與主體點云特征不同、離主體點云較遠的小片點云和離散點, 不利于點云特征的提取與匹配。使用高斯分布濾波方法對原始點云數據進行去噪處理, 其原理是對每個點的領域進行統計分析, 由高斯分布的均值和標準差確定閾值, 將閾值之外的點當作噪聲點剔除, 以提高后續激光點云與可見光影像配準的精度[11]。高斯函數的一維形式為:

式中,μ決定了分布函數的對稱中心；σ為函數平滑程度參數,σ越大, 平滑程度就越好。

將數值x轉變二維向量 (x,y), 高斯濾波二維形式為:

利用式 (2) 對每個點云的領域進行線性卷積, 鄰域內不同位置的點云被賦予不同的權值, 距離越近的點權重越大, 距離越遠的點權重越小。其計算過程如下:

1) 把鄰域內其他點云到鄰域中心的距離代入式 (2), 計算出高斯模板。

2) 若模板為小數形式, 則進行歸一化處理,將模板左上角值歸一為1。

3) 將高斯模板的中心對準待處理的點云矩陣, 然后把對應元素相乘后相加, 沒有元素的地方補零。

4) 每個元素分別進行上述計算, 得到的輸出矩陣就是高斯去噪的結果。

激光雷達系統采集的點云數據所包含信息復雜繁多, 不僅包含目標點的三維坐標 (x,y,z), 還包括物體反射強度等信息。在這些激光點中, 有些點位于真實地形表面, 有些點位于房屋、桿塔、輸電線等人工建筑物或者樹木、竹子、草叢等自然植被。把激光點云數據的地物回波點除掉, 將原始點云分為地面點和非地面點, 地面點經過插值, 得到配電走廊的DEM, 稱為點云數據的濾波。

而從點云數據中區分樹枝、房屋、道路等不同地物, 則稱為點云數據的分類[12]。樹障分析中電力線點的提取也是先通過濾波分離地面點與地物點, 然后使用分類方法分離植被點與電力線點。

2.2 點云與像素配準

激光點云數據與可見光影像數據配準必須將兩者建立在同一個坐標系。激光點云數據是基于世界大地坐標系1984 (World Geodetic System-1984,WGS-84) 所獲取, 將點云數據作為可見光影像的基準坐標系, 把可見光影像數據轉換至WGS-84 坐標系。可見光影像測量的共線方程如下:

令

式 (3) 中,R為旋轉矩陣；(x,y) 為影像點在影像平面坐標系中的坐標；(Xc,Yc,Zc) 為投影中心在物方空間坐標系下的坐標；f為焦距。旋轉矩陣及投影中心點的坐標由定位定姿系統(position and orientation system, POS) 獲取[13-14]。

為了實現從二維可見光影像坐標 (x,y) 到激光雷達三維空間坐標 (x,y,z) 的轉換, 先假定一個二維坐標值z0。獲取 (x1,y1), 利用雙線性內插的方法從LiDAR 數據中獲取坐標為 (x1,y1) 的點的z值z1。循環計算下去, 獲取 (xn-1,yn-1,zn-1) 及 (xn,yn,zn), 當最后兩個坐標相應的差值小于設定的閾值時即停止計算。相應可見光影像位置為 (x,y) 的點的三維空間坐標 (x, y,z):

重復以上步驟, 可以對可見光影像中的每一個像素加入三維坐標信息。

2.3 點云著色

可見光影像測量的共線方程式的另一種表達方式為:

將每個LiDAR 點的三維坐標 (X,Y,Z)、高精度的POS 數據以及相機參數, 利用公式 (5) 獲取點云數據相對應的像素在影像平面坐標系下的(x,y)。然后將 (x,y) 處的色相、飽和度、亮度(hue、saturation、lightness, HSL) 賦值給相對應的激光點[15-17]。點云數據不僅含有自身的三維坐標 (x,y,z)、回波強度、回波次數等信息, 還含有可見光影像所賦予的HSL 光譜信息, 即激光雷達點云與可見光影像進行融合, 融合影像如圖3所示。

圖3 點云與像素融合影像

3 設備選配

項目選用HDL-64E 型激光雷達, 具有64 線的激光束, 每秒能輸出220 萬個高密度脈沖點；激光波長為905 nm, 穿透能力強, 能完全穿透樹葉到達到地表平面, 非常適用于還原電線和樹冠形狀。以大疆S900 多旋翼無人機為載體, 一體化集成高密度激光雷達點云掃描儀、可見光高清相機、DGPS、IMU 等傳感器。系統具有重量輕、攜帶方便、操作使用簡單、飛行可靠性高、定位精度與影像分辨率高等特點, 滿足三維激光點云和可見光影像同步獲取的要求, 通過專業功能軟件, 識別樹障隱患。

4 實現功能

4.1 實時工況樹障分析

利用無人機融合系統對配網走廊進行數據采集, 巡檢人員實時、快速、準確確定當前工況下線樹距離, 判斷樹木到電線的距離是否滿足安全運行要求, 實現即時巡檢、即時發現缺陷的檢修一體作業模式[18]。

4.2 樹木生長預警分析

周期性地獲取配網走廊樹木的激光點云數據,計算出樹木的平均生長速率, 利用軟件模擬未來樹木的生長情況, 提前識別潛在的危險點, 防范于未然, 實現對未來工況的樹障預警[19]。

4.3 樹木倒伏分析

多數樹障停電事故都是電線走廊外的樹木倒入走廊內造成。這是因為樹木在倒伏過程與電線的安全距離不足?？紤]樹木高度和樹木的生長速率等因素, 利用彩色點云數據, 通過軟件進行樹木倒伏分析, 計算樹木倒伏的危險區域, 確定樹木的最佳剪伐量。

4.4 綜合工況樹障模擬分析

配電線路敷設面積廣、線路長、地形情況復雜, 各種天氣狀況都會改變電線與樹木的空間距離, 對電力線路的安全運行產生影響。利用彩色點云數據, 通過專業軟件模擬最高氣溫情況、覆冰情況或者最大風速情況等綜合工況下的最大弧垂和最大風偏與周圍樹木之間的距離, 及時給出安全距離不足預警。

5 結語

基于可見光影像與激光雷達點云實時融合技術獲取配電走廊的地物信息, 重現了激光點云三維實景, 實現了實時工況樹障分析、樹木生長預警分析、樹木倒伏分析和綜合工況樹障模擬分析的功能。該技術提高了配電走廊樹障巡檢的工作效率和樹障識別的準確性, 且可視化效果直觀；降低了輸電部門樹障巡檢的工作量和工作強度, 實現了配電線路運行維護的可視化、智能化管理, 值得推廣與應用。