针对点云缺失情况下的导线分割算法研究

吴绍华 余容 赵健

摘  要：提出了一种导线模型（XY面投影重合、XY面投影不重合，简称“模型一”和“模型二”）识别方法和基于该模型的导线分割算法，解决了点云缺失情况下导线分割困难、分割精度低的问题。经实验验证，模型一和模型二分割准确度为92.5%、90.9%。

关键词：点云;输电走廊;导线分割

0    引言

导线分割是输电走廊隐患检测工作中十分关键的步骤。导线局部聚类具有较高准确性，档内具有相对完整性，本文基于导线XY面投影直线模型的适用性，提出两种导线模型点云缺失的分割算法[1]。分段后的导线采用的聚类算法为k-means[2-3]，k-means具有算法效率高、实现相对简单等优点。

1    具体步骤

1.1    模型判断

模型一导线实际数量远大于导线在XY平面投影后的投影数量，模型二导线实际数量等于导线在XY平面投影后的数量。两种模型在XY平面和XYZ空间分布上有较明显的区分特征。

算法主要研究模型一、模型二两种导线模型，两种模型在XY平面和XYZ空间有较明显的区分特征，根据区分特征可以进行导线模型识别。

（1）将单档导线沿该档导线实际走向按经验步长分割成n段。

（2）对n段数据分别用k-means进行XYZ三维空间聚类，并记录每段聚类簇的数量，由于单档导线数据具有相对完整性，只存在部分缺失，所以统计出现次数最多的聚类簇数量即为导线的总数量，记为lineNum。

（3）同时对n段数据分别用k-means进行XY平面聚类，同时记录每段聚类簇的数量，统计出现次数最多的簇数量即为XY平面聚类数量，记为clusterNumXY。

（4）模型判断，如果lineNum等于clusterNumXY，即判断输入导线为模型二，否则是模型一。

1.2    模型一导线分割

模型一导线在XY面上投影重合。模型一在XYZ空間分段聚类结果统计确定实际导线数量，根据在XY面分段聚类结果统计确定导线重合情况进行直线模型分割，将导线分割为若干个在XY平面投影重合的部分，每个部分根据每一段聚类结果的z值高低关系确定每一根导线。图1是模型一导线，有三处点云缺失，该点云在XY平面投影重合为两个部分，每部分包括四根导线。

模型一导线分割流程如下：

（1）按经验步长沿导线走向分割为n段。

（2）对分割后n段导线分别用k-means进行XY面聚类，统计每段簇数量，出现最多的簇数量为XY平面分割数clusterNumXY，代表XY平面上聚类数。

（3）聚类完成后导线两端向中间遍历，找到两段簇数量等于clusterNumXY的段，分为clusterPart1和clusterPart2，如图1所示。

（4）在clusterPart1和clusterPart2中各取出一点，分别按y坐标升序排列，记为sortPoint1和sortPoint2，此时两组对应的点就在一条导线上，如图1所示。

（5）sortPoint1[i]和sortPoint2[i]（0≤i≤lineNum1）点确定导线在XY平面投影直线lineNum1条，根据公式求得lineNum1个导线投影表达式。如图1所示，上一步取出的两个点，确定了图中的两条直线模型。

（6）根据上一步所求表达式，应用XY平面点到直线距离公式遍历点云，按距离阈值将点划分入各部分。图1通过XY平面划分为两个部分;如图2所示，是经过XY平面分割后的一个部分，即图中4条导线在XY面投影重合。

（7）对每个部分（3 m）沿导线走向分割为m段。

（8）对分割后的m段导线分别用k-means进行XYZ空间聚类，出现最多的簇数量即为XY投影重合部分导线数量partLineNum，如图2中partLineNum为4。

（9）取出本部分聚类簇数量等于partLineNum的段，然后按高低进行导线分割。即每段中的每簇取一个点，按z值高低排列，把每段中z值最高的簇取出构成一条导线，z值第二高的簇取出构成一条导线，以此类推，分割成partLineNum个导线。如图2中①②两段中都有4簇，即为完整段，段内簇按取出点z排序，然后①②两段依次按z的高度提取，拼接成单根导线。

（10）对聚类簇数不等于partLineNum的段，采用取点邻近匹配原则，划分到对应的导线。图2中③仅三簇，取每一簇中的一个点，和临近段内每簇点进行z坐标对比，根据邻近匹配划入各导线。

1.3    模型二导线分割

针对模型二，采用基于局部聚类确定直线模型方程的方法进行导线分割。如图3所示，该导线包含五根导线，导线在XY面投影不重合，有两处导线严重缺失，另外有若干处一般性点云缺失。

分割流程如下：

（1）按经验步长沿导线走向分割为n段。

（2）对分割后n段导线分别用k-means聚类，统计每段的聚类簇数量。

（3）从聚类后导线两端向中间遍历，找到两段段内聚类数等于lineNum的段分别记为clusterPart1和clusterPart2。如图3所示，导线两端各取出一段，每段有5簇。

（4）在clusterPart1和clusterPart2每簇中取一个点，共取2×lineNum个点。如图3所示，在每段各簇中各取出一个点，每段取5个点。

（5）导线中点的y坐标有顺序性，对clusterPart1和cluster-

Part2取出的点分别按y坐标升序排列，记作sortPoint1和sortPoint2，此时两组对应的点就在一条导线上。如图3所示，在XY平面确定五个直线模型。

（6）根据sortPoint1[j]和sortPoint2[j]（0≤j

（7）根据上一步求得的导线投影模型，用XY平面点到直线距离公式分别遍历点云，按距离阈值将点划分入各导线。

2    实验与分析

研发平台为Visual Studio 2015，硬件为HP ZBook，内存64GB，处理器Xeon E5。

模型一采用某线110 kV导线，线路长0.6 km;档包含8根导线，在XY平面投影重合为两个部分，即每四根重合为一个部分。模型二采用某线500 kV导线数据，线路总长0.5 km;档包含5根导线，且5根导线在XY面投影不重合。

图4为模型一单档导线分割效果图，每根导线均有不同程度缺失，分割结果用不同颜色区分，从图中可以看出分割结果实际导线数量一致，分割效果准确。图5为模型二单档导线分割效果图，该档导线有两处较为明显的缺失，分割结果用不同颜色区分，从图5可以看出分割结果与实际导线数量一致，分割效果准确。

对模型一和模型二实验结果进行统计，再用Cloud Compare软件手动提取导线并统计，最后统计准确率，如表1和表2所示。

實验表明，导线分割结果与实际手动提取结果吻合度高，验证了算法的有效性和适用性，模型一和模型二分割准确度分别为92.5%、90.9%。

3    结语

针对导线缺失这一情况，提出了一种导线模型判断和分割算法，实现了导线分割自动化。实验表明，导线分割算法对导线空间排列方式、导线不规则断裂等因素不敏感，且分割结果正确、精度较高。

[参考文献]

[1] 林祥国，宁晓刚，夏少波.特征空间聚类的电力线激光雷达点云分割方法[J].测绘科学，2016，41（5）：60-63.

[2] 沈小军，杜勇，王仁德，等.基于地面激光雷达的输电线路铁塔倾斜度测量[J].电子测量与仪器学报，2017，31（4）：516-521.

[3] 吴绍华，李少波，侯稀垟，等.基于高维数据聚类的制造过程数据分析平台[J].微型机与应用，2017，36（1）：86-88.

收稿日期：2020-03-24

作者简介：吴绍华（1989—），男，黑龙江人，工程师，研究方向：软件研发。