激光雷達在輸電線路巡檢中的關鍵技術及應用

操松元，郭可貴，譚弘武，賈玲君

（1.國網安徽省電力有限公司，安徽 合肥 230061；2.國網安徽省電力有限公司檢修分公司，安徽 合肥 230061；3.北京煜邦電力技術股份有限公司，北京 100028）

我國不斷發展電力事業，電網建設得到迅速發展，現已形成華北、東北、華中、華東、西北、南方六大區域電網，規模位居世界首位。我國在“十三五”規劃期間又對電力行業提出更高要求，指出要在2016-2020 年間開始建設±1 100 kv 高壓輸電線路，同時提升大電網調度運行能力，加強電網災害預防，使電網安全運行技術達到世界前列。如今電網結構日益復雜，線路長度不斷增長，采用傳統人工巡檢不但耗時耗力，而且無法做到及時發現隱患、排除隱患。機載激光雷達技術作為一種新型對地觀測技術，能夠快速進行探測，獲取目標探測物的三維空間信息，并利用點云數據構建真三維模型，還原輸電線路走廊地貌，彌補了人工巡檢的不足，無疑成為輸電線路巡檢技術未來探索和發展的方向。

自20 世紀50 年代起，歐美、日本等發達國家開始將激光雷達系統應用于輸電線路搶修。我國則起步較晚，在2009-2013 年間還處于技術探索階段，主要進行小規模科研實驗，2013 年以后開始大規模應用，該技術在國網、南網等大型電網公司的生產項目中取得了不錯的成果，如國網通用航空有限公司在國內率先應用機載激光雷達進行輸電線路巡線，結合帶電維修，形成了系統的運維業務。2016 年河南省電力公司首次將無人機與激光雷達三維成像技術結合用于500 kv線路巡檢。同年，廣東電網采用無人機機載激光雷達對汕頭110 kv 崗河線、棉河線進行掃描。2018 年國網雅安電力（集團）公司對220 kv 下石一、二線輸電線路開展了實驗工作。機載激光雷達技術的產生大量減少了人力物力的投入，提高了生產效率，隨著成本逐步降低，必將在全國范圍內擴大應用。本文將對機載激光雷達關鍵技術和在電力巡檢中的具體應用進行論述，展望了激光雷達技術的發展前景。

1 關鍵技術

1.1 激光雷達系統

激光雷達技術是近十幾年發展起來的一種新的空間信息采集技術，通過發射高頻率激光脈沖，對目標地物進行掃描，獲取海量點云數據。這些數據不僅包含目標物體的三維信息，還包含幾何結構、弱紋理和語義信息。

激光雷達系統在功能上整合了激光雷達技術、全球定位系統（GPS）和慣性導航系統（INS），通過搭載于不同的遙感平臺，實現了高精度地形地貌數據的快速采集。其擁有以下幾個特點：①數據精度高，目前激光雷達可獲得毫米甚至微米級別的探測。②數據量大。激光雷達每秒可以獲取數十萬個點云數據，這為后期對目標地物進行還原和建模提供了大量可靠的數據資源。③不受天氣、太陽高度角、地形等自然條件影響，支持全天候作業。④激光雷達不受電磁波的干擾，因此在低空、超低空的條件下仍可獲得清晰的影像。激光雷達系統根據搭載平臺的不同可分為星載、機載、車載和地面4 類，其中機載激光雷達（如圖1）受天氣影響小，掃描角度靈活，應用最為廣泛，目前已有70 余種機載激光雷達系統投入市場，如瑞士Leica 公司研發的ALS60、加拿大Optech 公司的ALTM、奧地利IGI 公司的RIGEL 等。

1.2 數據存儲

激光雷達系統獲取的海量點云數據在豐富了地理空間信息的同時也產生了數據存儲管理問題。面對GB甚至TB 級別的點云數據，單機內存有限，基于全內存的存儲方式不再適用，如何進行高效存儲是一項重要的研究課題。基于分布式的存儲技術為海量數據存儲提供了新的思路，其采用可擴展的系統架構，利用多臺普通服務器組成分布式服務集群共同分擔存儲負荷，利用位置服務器定位存儲信息，提高了系統的可靠性、可用性和存取效率、降低了開發成本。

圖1 機載激光雷達系統

分布式存儲系統分為關系型數據庫和非關系型數據庫，其中非關系型數據庫更適合于非結構化的點云數據存儲。目前已經成熟的技術有HBase、Cassandra和MongoDB 等，研究人員基于非關系型數據庫進行了海量數據存儲的方案設計和研究。2010 年崔鑫[1]提出了基于HBase 的海量數據分布式存儲的解決方案，并設計了并行處理引擎Map Reduce GIS；2012 年張廣弟[2]提出一種基于MongoDB 和Map Reduce 的數據存儲與并行處理解決方案；2016 年郭瑞[3]基于MongoDB 搭建Sharding 集群，對激光點云數據存儲和并行處理進行了測試，結果表明該集群具有良好的故障轉移恢復和可擴展性等特性。

1.3 激光點云精細分類

激光點云精細分類（如圖2）是將一系列離散的、不連續的點云按照一定的標準規范進行提取和識別。這一部分內容是激光雷達數據處理的重中之重，約占整個數據后處理60%～70%的工作量，是構建數字地面模型、復雜場景建設等后續應用的基礎，因此研究也最多。由于激光雷達獲取的點云數據包含了所有地物點，所以對輸電線路走廊進行分析前需要先從海量點云數據中分離出地面點（即濾波），然后將非地面點按照一定的規則細分出輸電線路（桿塔、導線）、建筑、植被（高植被、低植被）、橋梁等，主要流程如圖3 所示。

其中地面點濾波主要分為基于坡度[4]、基于形態學、基于曲面擬合、基于不規則三角網（TIN）[5]、基于分割和基于機器學習6 種方法。其中基于不規則三角網算法最為穩健，能夠較好地處理具有階躍特征的地貌[6]，其原理是首先對區域進行網格劃分，然后將各網格中的最低點作為地面種子點建立不規則三角網，通過測量非種子點到所在三角形的反復角和反復距離，將滿足閾值條件的點加入TIN 中，最終分離出地面點[7]。

圖2 點云精細分類

圖3 點云分類流程圖

對于除地面以外的其他地物，多利用其自身點云形態、點云密度、高度差和回波次數等特征進行區分。例如導線位于電力走廊最上部，呈線狀分布且只具有一次回波；桿塔在空間上點云密度大，俯視時輪廓為矩形；樹木的點云形態多不規則、密度較大，具有多次回波；建筑物屋頂則多呈規則矩形，一般只具有一次回波。利用這些特性，通過一定算法可將不同地物從點云中分別提取出來。

由于輸電線路地處環境復雜，探索不同地形情景下的點云濾波仍是今后的熱點，融合不同濾波算法的優勢將有利于提高地面點云提取精度。此外目前地物分類技術多針對單一地物的提取，不同地物需要采取不同的分類算法，為了降低地物分類的復雜程度，擺脫過度依賴人工定義特征[8]，提高工作效率，研究人員正在朝著機器學習、神經網絡等方向進行輸電線路走廊地物自動識別和提取。李曉天等[9]基于層次分析和神經網絡對滁州市郊區地物進行自動分類，能夠較好的區分出大比例尺地形圖要素；熊艷等[10]利用隨機森林法分類，有效降低了數據特征維度。機器學習將在未來電力走廊地物分類中有很大的發展空間，但是在樣本特征選擇、樣本數量、分類器選擇、模型訓練等多個方面還需進行深入研究。此外由于激光雷達設備自身性能原因導致采集到的點云數據質量不高，常會出現點云數據缺失等問題，因此除了對方法進行改進外，對于硬件設備的研發也是突破地物精細分類的一個重要途徑。

1.4 三維重建技術

利用激光雷達獲取的海量高精度點云數據，采用三維重建技術可真實再現輸電線路及走廊內地物、地貌特征以及輸電設備的空間信息，便于巡檢人員進行危險點檢測，分析不同工況條件下線路安全情況，便于在電力走廊建設前期進行優化選線，提高線路設施集中數字化管理效率和水平，具有很好的社會效益和經濟效益。三維重建主要包括導線重建和桿塔、絕緣子等其他地物的重建（如圖4）。

圖4 三維可視化

輸電導線重建是后期散股、斷股等缺陷識別和交跨距離量測的基礎，因此是輸電線路設施重建的主要對象。輸電導線模型歸結起來主要分為兩類，一類是“間接法”，另一類是“直接法”。“間接法”在建模時考慮了點云的水平誤差和高程誤差，并將電力線三維重建模型分為兩部分，例如直線和懸鏈線模型[11]、直線和一元二次多項式（拋物線）模型[12]、直線和二元多次多項式模型[13]；而“直接法”僅考慮點云的高程誤差、直接對電力線進行建模，如多項式模型[13]。

直線與懸鏈線相結合的模型是最為經典的算法，主要涉及導線在水平面的投影和在鉛錘面的投影。其中水平投影采用法線式方程構建，如式（1）：

含義為過原點向直線做一條垂線段，該垂線段所在直線的傾斜角為α，其中d 代表導線在水平面的長度。

導線在鉛錘面上近似作為懸鏈線，如式（2）：

式中，k、C1、C2為懸鏈線系數。

對于導線模型構建的研究很多，梁靜等[14]采用人機交互法提取導線點云，利用多項式模型進行擬合；林祥國等[15]基于隨機分層抽樣和懸鏈線模型進行了單檔單根導線重建擬合；周汝琴等[16]利用二分法對分裂導線子導線進行提取，并采用懸鏈線模型擬合；汪駿等[17]基于點云分段、聚類分析和懸鏈線擬合進行分裂導線精細三維重建研究。

基于激光點云的其他地物重建多依據點云空間分布特點，采用人工勾畫或通用模型替代。以桿塔重建為例，國外雖有軟件可以利用人機交互方式生成模型，但是比較粗糙，因此一般通過點云獲取桿塔高度、桿塔掛點、絕緣子長度及類型等數據，生成簡易桿塔模型，該模型可用于分析導線的安全距離及受力情況，如不同工況的安全距離分析、風偏模擬分析、覆冰模擬分析、桿塔傾斜分析等。

三維重建技術為實現輸電線路三維可視化提供了技術支撐，為輸電線路信息管理提供了便利，其中仍存在一些問題：①在導線重建研究中，對于單一導線三維重建算法研究較多，而對于分裂導線的研究較少。由于分裂導線跨度大，相鄰導線間隔小，加之點云數據缺失、激光雷達系統噪聲等不可避免的因素影響使得擬合重建困難，通常只把分裂導線當作單導線處理，造成了許多細節丟失，在高壓、超高壓、特高壓電路分析時往往得不到理想結果；②目前電力走廊中的其他地物的模型多為輔助導線安全距離分析等簡單功能而建，其自身的缺陷無法識別分析，例如桿塔傾斜、絕緣子自爆別以及其他電力設施的故障。難以滿足輸電線路精細建模以及高精度分析等需求。

2 機載激光雷達主要應用

2.1 模擬工況分析

輸電線路常暴露在復雜的自然環境下，受到惡劣的自然條件影響。采用激光雷達技術可以快速獲取輸電線路的三維空間信息和影像信息，實現缺陷的識別、定位，便于巡檢人員對缺陷嚴重程度進行判斷，輔助制定缺陷修復進程安排。

導線與樹木距離過近是最常見的安全隱患。激光雷達技術利用采集的點云數據對樹木進行分類并構建三維模型，然后在系統中輸入各類樹木的基本生長參數，便可模擬出未來幾年樹木的生長模型，通過設置安全距離值，將小于安全距離值的區域標記為缺陷隱患點，可以幫助巡檢人員及時預防、發現危險。

此外在大風覆冰等惡劣自然條件下，輸電線會發生舞動，弧垂狀態隨之改變，通過在軟件系統中輸入氣溫、風速、覆冰厚度等自然條件參數以及導線自身參數，運用架空線路電線力學計算可實現電力線狀態動態模擬，結合掃描點云數據能夠對不同氣候條件下的電力線進行安全距離檢測，可及時發現輸電線走廊下的隱患點。

2.2 線路增容分析

傳統高壓輸電線隨著時間的推移，其輸電量和輸電距離都逐漸下降，而經濟建設的不斷發展對于電力的需求不斷增加，這使導線增容改造成為必然趨勢[18]。在不更換原有導線的情況下進行增容，會使線路溫度增加，受載荷影響弧垂增大，導致輸電線路與走廊內地物距離減小，同時隨著其電壓增加，安全距離也隨之增大，這要求對增容后的導線進行安全評估，判斷其是否能進行改造。利用激光點云可以模擬增容后導線模型，測量增大后的弧垂與地物的空間距離，對照更高電壓的安全距離標準檢查其距離是否符合要求。

2.3 線路防舞

在覆冰強風區，輸電線路常發生舞動現象，導致閃絡跳閘，給輸電部門帶來巨大損失。為防止導線舞動，通常會在易發生舞動的導線間架設相間間隔棒，這需要對導線間距進行測量。利用點云數據構建高精度導線模型，可以在沒有拉閘斷電的情況下進行導線間的距離測量，為制作相間間隔棒提供數據支持[17]，同時保證了社會各項生產生活的正常運行。

2.4 平斷面圖分析

利用激光點云構建的電力模型，可以實現任意角度斷面的提取，根據選定的角度，系統自動抽取該斷面上的激光點云，借助多維可視化平臺將三維模型信息轉化為二維的輸電線路平斷面圖信息（如圖5），包括地面高程信息、交叉跨越物及其距離、方位等，可以直觀地顯示路徑和跨越物的距離方位關系。

圖5 平斷面分析

基于激光點云的平斷面分析避免了傳統航測作業中由內業人員逐點進行立體量測的繁瑣過程，作業效率提高75%左右，絕大部分機載LiDAR 斷面點高程誤差在0.5 m 以內，能夠滿足線路設計、排桿的需要，還能建立地質預測模型，為防災提供參考。

2.5 空間距離量測

通過構建三維可視化模型，系統能夠在三維場景下進行距離量測，具體包括對地距離量測、最短距離量測和空間距離量測，實現線路交跨距離和安全距離檢測，在出現線路故障及自然災害時，能夠通過距離量測設計最優路線進行搶修。

2.6 輸電線路資產管理

通過巡線采集的點云和高清影像數據，處理成DOM、DEM 影像，結合分類后的點云實現電力線路的三維建模，恢復電力線沿線地表形態、地表附著物（建筑、樹木等）、線路桿塔三維位置和模型等，將線路的名稱、桿塔信息、巡檢歷史和缺陷故障等信息錄入系統，可實現線路三維信息化資產管理[19]（如圖6）。

圖6 線路資產管理

3 結 語

激光雷達技術彌補了傳統攝影測量對輸電線路巡檢的不足，利用機載激光雷達測量技術對線路走廊進行數據采集、存儲、精細分類和三維建模，可以對線路安全問題隱患和異常進行分析。為了充分發揮激光雷達技術的優勢，應從軟硬件設備研發、算法優化、系統優化管理等各個環節進行完善，隨著激光雷達技術與相關技術進一步的結合，使獲取電網相關環境信息速度更快、成本更低、精度更高，使輸電線路運行維護從人工化向數字化、智能化進一步邁進。