基于激光點云匹配算法的輸電線路塔材缺陷預警方法

摘要：架空輸電線路的覆蓋范圍較廣，且所處地形復雜，自然環境惡劣，其桿塔塔材在外部環境中容易出現缺陷問題，影響架空輸電線路的輸電安全。新時期對輸電線路的安全巡檢提出了新要求，為實現輸電線路的可靠性和安全性檢測，本研究提出基于塔材激光點云匹配算法的輸電線路塔材缺陷預警方法。該方法運用幾何原理轉換激光雷達三維場景，搭建輸電線路塔材視覺成像模型；在模型中對塔材圖像特征類型劃分，選擇高程閾值分割缺陷分布維度特征；基于激光點云匹配算法擬合缺陷特征，從而對輸電線路塔材缺陷進行預警。結果表明：選擇3種輸電線路塔材缺陷類型作為測試對象，所研究方法可以實現精準的缺陷類型區分，對不同類型的塔材缺陷均具有良好的預警效果。

關鍵詞：激光點云；匹配算法；缺陷預警；輸電線路塔材

中圖分類號：TP391文獻標志碼：A文章編號：1001-5922（2025）04-0186-04

A defect warning method for transmission line towermaterials based on laser point cloud matching algorithm

QIAN Bin，ZHANG Yurong

（State Grid Taizhou Power Supply Company Co.，Ltd.，Taizhou 225300，Jiangsu China）

Abstract：The coverage of overhead transmission lines is wide，and the terrain is complex and the naturalenviron-ment is harsh.The tower materials are prone to defects in the external environment，which affects the transmission safety of overhead transmission lines.In the new era，new requirements are put forward for the safety inspection of transmission lines.In order to achieve the reliability and safety inspection of transmission lines，this study proposes anearly warning method for transmission line tower materials defects based on tower laser point cloud matching al-gorithm.This method uses geometric principle to transform the three-dimensional scene of lidar，and builds the visu-al imaging model of transmission line tower materials.In the model，the tower image feature types are divided，and the elevation threshold segmentation defect distribution dimension features are selected.Based on the laser point cloud matching algorithm，the defect characteristics are fitted to warn the tower materials defects of transmission lines.The results show that the three types of transmission line tower materials defects are selected as the test ob-jects，and the research method can achieve accurate defect type discrimination，which has different types of towermaterial defect warning effects.

Key words：laser point cloud；matching algorithm；defect warning；transmission line tower materials

輸電線路長期暴露于外界中，受各種天氣因素影響，其桿塔塔材自身會產生磨損、腐蝕和斷股損傷，若不能及時對缺陷問題進行識別和檢測，會造成電力系統的停電事故。為保證電力輸電線的高精度檢測，國內外展開了缺陷預警方法的研究，歐美國家主要應用激光雷達搭載平臺對輸電線路進行檢測，該方式能夠無差別提取不同工況下輸電線路的特征，從而實現對不同類型輸電線路塔材缺陷的預警。國內也開展了激光雷達檢測技術的應用和研究，劉蘭蘭等[1]提出了超分辨率重建與多尺度特征融合的輸電線路缺陷檢測方法。王紅星等[2]提出了基于離線高斯模型的輸電線路缺陷識別方法。為實現更為精準的輸電線路缺陷識別，本次研究將輸電線路塔材缺陷類型作為研究對象，選用激光點云匹配算法設計一種全新的缺陷預警方法，旨在為保障輸電線路的使用周期提供理論支撐。

1幾何原理搭建輸電線路塔材視覺成像模型

實現電力桿塔的空間位置檢測，是對輸電線路塔材進行缺陷預警的前提。利用機載激光雷達系統模擬人眼成像原理，將三維場景轉化到二維圖像中，借助視覺坐標系建立輸電線路塔材視覺成像模型[3-5]。在模型中塔材圖像中任意像素在坐標系中的關系為

a= + a0（1）

s= + s0（2）

式中：（a s） 為以像素為單位的圖像坐標系中的坐標；a為列數，s為行數，當a、s作為坐標軸時，表示為a-s，其與X軸、Y軸為平行狀態；（a0 s0） 為在a-s中的原點坐標；uX、u Y為每個像素在X軸、Y軸的物理尺寸[6-8]。將2者以齊次坐標矩陣形式表示如下：

é

上式（3）為（a s） 在a-s與X- Y中的齊次坐標矩陣形式。在X- Y坐標系中，（a0 s0） 被定義為激光雷達攝影光軸與輸電線路塔材圖像的交點，表示為p1= （a0 s0） 。將其投影在二維平面成像時，激光雷達系統將輸電線路塔材某一景點i投影時，會產生一個攝像機光心p，引入攝像機光軸X″- Y″- Z″，此時成像模型中的關系矩陣為

式中：（Xi Yi Zi） 為輸電線路塔材某一景點i在世界坐標系中的坐標；（X″i Yi′′Z″i） 為塔材某一景點i在齊次坐標系中的坐標；g為平移向量；d為4′ 4矩陣；f為旋轉矩陣。根據幾何成像模型，通過激光雷達對任意輸電線路塔材位置進行成像轉換，獲取像素點在不同坐標系中的地理向量，并按照高程閾值方式，分割成像中的缺陷分布特征。

2高程閾值分割輸電線路塔材缺陷分布維度特征

激光雷達獲取輸電線路塔材圖像時，轉換得到的地理向量像素點云信息中存在多個目標點。這是因為桿塔會被植被點、地面點以及其他建筑物點所影響，且桿塔塔材容易與其他點云信息相融合，為實現輸電線路塔材缺陷的預警，需要根據輸電線路高程分布信息對點云信息進行分割，其過程為

v= （bc-h″） ′（bc-h″）- 1

式中：hk表示給定輸電線路塔材缺陷目標點；h為塔材目標點集合；c為由目標點空間距離最近的點云組成集合；bc為hk在c中的目標維度；在l為以目標點為中心的鄰域集合；j為點云數目；h″為h的重心；v為協方差矩陣[9-12]。在協方差矩陣中直接對塔材缺陷維度特征進行分解

式中：β1、β2、β3分別為塔材缺陷在矩陣中特征值，且具有β1gt;β2gt;β3關系；m1、m2、m3為β1、β2、β3的特征向量；Q為高程閾值；W為經過高程閾值對空間維度特征劃分的概率，W1Q、W2Q、W3Q分別為一維、二維、三維線性特征地物概率，存在有W1Q+ W2Q+ W3Q= 1。經過閾值分割后，hk可由（m1 m2 m3） 表示，組成為一個三維空間表達，具有如下關系：

gt;gt;β2? β3（W1Q）max

? β2gt;gt;β3（W2Q）max

? β2? β3（W3Q）max

1gt;gt;β2? β3時，表示hk服從W1Q max，將塔材缺陷標記為線性缺陷；當β1? β2gt;gt;β3時，表示hk服從（W） ，將塔材缺陷標記為面狀缺陷；當β? β? β時，表示hk服從（W3Q）max，將塔材缺陷標記為不規則缺陷。按照輸電線路塔材缺陷分布維度特征，通過塔材自身特性匹配點云算法，預警輸電線路塔材可能出現的缺陷問題。

3基于激光點云匹配特征預警輸電線路塔材缺陷

在輸電線路塔材缺陷預警中，以搭載激光雷達系統獲取塔材圖像，需要以缺陷特征匹配點云數據進行擬合，按照擬合曲線反應缺陷特征的分布形式，得出預警結果。假定輸電線路塔材存在一組缺陷點云數據，表示為（TU IU） ，其中U= 1 2…P，以最小二乘法進行點云匹配

I= ε0+ ε1T+ ε2 T2+ + εATA（11）

S= IU- εD TU 2（12）

式中：ε0、ε1、ε2、…、εD、…、εA為TU的擬合參數，且D? Alt;P；S為擬合偏差平方和，是關于ε0、ε1、ε2、ε2的多元函數，則可表示為S= S（ε0ε1…εA） [13-15]；（T I） 為（TU IU） 的函數表達。在點云數據多元匹配過程中，可以將擬合過程轉化為的極值求解

= 2 IU- εD TU 2 TU

TU（D）+ A）εD= IUTU（A）

...?（P）TU（A）ùú éê?（P）IUùú

...TU（2）A?ú ê?U?=0TU（A）IU?ú

（15）

式中：λ為擬合系數；[S″] 為對稱線性方程矩陣。以對稱矩陣對目標點云數據進行多元方程計算，可以獲取唯一解，即為輸電線路塔材缺陷目標點云數據預測結果。至此，本文在基于塔材激光點云匹配算法基礎上，實現輸電線路塔材缺陷預警方法設計。

4實驗測試結果分析及討論

上文中設計了輸電線路塔材缺陷預警方法，為驗證所研究方法具有應用價值，采用對比測試進行論證。具體而言，分別選擇文獻[1-2]中的方法作對照方法，驗證不同方法的預測效果。為保證測試真實性和適用性，搭建實驗室平臺，并模擬輸電線路塔材缺陷測試數據。實驗配置情況如表1所示。

基于搭建的測試平臺，構建輸電線路塔材缺陷測試數據集。常見的測試數據集有VOC、COCO等類型，本次選擇COCO數據集樣式對輸電線路塔材進行具體標識。在塔材缺陷預測中，缺陷目標識別是極為關鍵的一個步驟。由于輸電線塔材目標相對較小且分布密集，實際數據庫中的圖像往往具有模糊的特點。因此，在構建輸電線路塔材數據集的過程中，需剔除曝光嚴重和模糊的圖像，同時利用LABE-LIMG標注軟件對塔材目標進行標注。

在實驗室數據庫篩選過程中發現，具有識別困難和檢測困難的塔材目標，包括螺釘、防拴螺母、雙螺母3個類型，各自對應的缺陷問題為螺釘松動、螺母松動、螺母丟失。因此，直接借助實驗室平臺模擬桿塔地理像素圖像，參考實際工程中桿塔的構建標準，對螺釘、防松螺母、雙螺母的地理位置進行標注，具體情況如圖1所示。

由圖1可知，分別以地理信息展示輸電線路桿塔中各類型塔材，可以發現螺釘、防拴螺母、雙螺母的分布較為密集，數量分別為120組、80組、40組，各組塔材均包含缺陷問題，螺釘松動數量為40組、螺母松動數量為22組、螺母丟失數量為15組，符合測試要求。而對塔材缺陷進行預警的前提，是要實現對塔材缺陷目標的精準檢測。為體現各組預警方法的檢測效果，選擇此次評價指標，計算方式為qw=中w為單類別平均準確率，表示在召回率在[0 1] 之間對應的準確率均值，是以準確率和召回率為變量做出的曲線；e為類別個數，且r? e；wr為r類別平均準確率；qw為各個類別w的均值，既能體現方法的召回率又能體現準確率。根據選擇的評價指標，對螺釘、雙螺母、防拴螺母存在的缺陷目標進行檢測，首先驗證各組預警方法的檢測性能，結果見圖2。

由圖2可知，不同預警方法對各類型塔材缺陷的檢測結果具有差異性，兩組傳統方法檢測獲取的qw值，最高為0.86，出現在螺母丟失缺陷檢測過程中；對螺釘松動、螺母松動缺陷檢測qw值，僅為0.76和0.64。所研究方法對三種缺陷的檢測均可以達到0.96的qw值。這表明所研究的方法在螺釘松動、螺母丟失、螺母松動缺陷檢測方面具有更高的精度，能夠切實應用于輸電線路塔材缺陷預警工作中。

為進一步驗證所研究方法的預警效果，直接將圖1中各類型塔材的地理信息作為測試數據，從現有尚未出現缺陷的塔材里選取20組進行缺陷模擬，運用3組方法展開預警測試，以此驗證不同方法的預警成效，具體情況見圖3。

由圖3可知，在2組傳統方法對塔材缺陷預警中，除了存在將螺母松動缺陷標記為螺母丟失缺陷情況外，還出現了螺釘松動缺陷未標記情況。而所研究方法未出現上述問題，實現了全部類型塔材缺陷的預警，且每種類型缺陷的預警標記與與實際情況相符，具備投入實際應用的條件。

5結語

本文針對輸電線路塔材缺陷展開了深入研究，提出了一種基于激光點云匹配算法的預警方法。該方法具備較高的預警精度，具備投入實際應用的潛力。然而，受研究時間所限，本研究過程存在一定不足，例如未對預警時間進行分析。后續研究將著重針對這一方面展開深入探究，以期為實現更為全面的預警方法創新提供理論支撐。

【參考文獻】

[1]劉蘭蘭，萬旭東，汪志剛，等.基于超分辨率重建與多尺度特征融合的輸電線路缺陷檢測方法[J].電子測量與儀器學報，2023，37（1）：130-139.

[2]王紅星，陳玉權，張欣，等.基于離線高斯模型的輸電線路無人機巡檢缺陷智能識別方法研究[J].電測與儀表，2022，59（3）：92-99.

[3]趙栓峰，魏震宇，郭帥，等.三維激光掃描路面點云多頻率振動信息去除方法[J].激光與光電子學進展，2023，60（20）：251-262.

[4]李剛，張運濤，汪文凱，等.采用DETR與先驗知識融合的輸電線路螺栓缺陷檢測方法[J].圖學學報，2023，44（3）：438-447.

[5]余鵬，杜長青，范舟，等.基于LightGBM的輸電線路點云分類方法[J].電網與清潔能源，2022，38（12）：41-49.

[6]吳爭榮，樊靈孟，吳新橋，等.基于機載激光點云的輸電線路樹障隱患快速檢測方法[J].應用激光，2022，42（3）：128-134.

[7]曾旭，陳伯建，潘磊，等.基于機載激光點云的電網絕緣子識別方法[J].激光技術，2023，47（1）：80-86.

[8]周孝法，張越港，方宇，等.相似性度量與牛頓插值融合的架空輸電線弧垂測量方法[J].電子測量與儀器學報，2023，37（7）：221-229.

[9]李蓉.基于人機交互的全景智能化視頻目標自動監測方法[J].粘接，2022，49（1）：111-115.

[10]梁棟，趙愷，馬印懷，等.基于3D激光掃描的鋼橋塔節段虛擬裝配方法[J].橋梁建設，2021，51（3）：62-71.

[11]杜長青，陳兵，俞越中，等.基于三維模型比對的輸電線路弧垂檢測方法[J].電網與清潔能源，2021，37（6）：35-42.

[12]孫蓉，唐錦，盧茜.基于高精度三維數字技術的變電站運檢虛擬場景構建研究[J].粘接，2021，46（6）：152-156.

[13]徐梁剛，時磊，陳鳳翔，等.基于激光點云的輸電線路桿塔傾斜檢測算法[J].激光技術，2022，46（3）：390-396.

[14]王青.地面三維激光掃描技術在工程測量中的應用[J].粘接，2020，43（9）：94-97.

[15]李靖，錢建國，王偉璽，等.基于機載激光點云的電力線自動提取方法[J].激光技術，2021，45（3）：362-366.

（責任編輯：李睿）