可见光影像与激光雷达点云融合技术在配网树障巡检中的应用

吴锦秋，刘汉君，杨家开，陈宇浩

(广东电网有限责任公司中山供电局，广东中山528400)

0 引言

灌木、树种等植被是影响配电线路安全运行的最大走廊地物, 大多数配电网故障都是由树障隐患引起的。当树木与电线的安全距离不足时就会引起跳闸、放电等事故, 树障隐患巡检与分析已成为输电部门的重要工作。传统的树障巡检方法是线路巡检人员携带专业测高仪器、经纬仪等笨重仪器计算导线弧垂到树顶的距离是否满足规范和安全运行的要求。巡检人员个人状态和测量角度的不同往往会引起较大测量误差, 乱砍乱伐、破坏植被和树障隐患识别不到位的现象时有发生[1-2]。传统的树障巡检方式常常受到冰雪、洪水、滑坡等自然灾害影响, 巡检效率低下, 而且准确性不高, 已经不能满足规模日益增长的配电网现代化作业的需求。

无人机作为电力线路巡检的新方式, 通常搭载数码摄像机、照相机等获取线路走廊可见光影像资料的设备, 这种作业方式具有巡检效率高、不受地域影响等优势。但可见光影像数据为二维数据, 无法真实反映电线走廊的三维信息；另外, 其空间定位精度低, 难于测量树、竹等地物到电线的距离,不能识别树障隐患。激光雷达 (light detection and ranging, LiDAR) 技术的发展及成本的降低, 为电力线路巡检提供一种新的有效手段。激光雷达技术具有空间定位和净空距离测量准确、三维建模快速等优点。但是激光雷达点云数据没有颜色特征, 其可视化效果较差, 不利于判读地物和非地物的信息。综上所述, 可见光影像和激光雷达各有优缺点, 依靠单一的测量方法不能获取完整的三维实景模型。

国内外对激光雷达测量技术或者可见光影像在电网的应用研究都比较多, 但是对两者的结合应用却比较少。本文探讨可见光影像和激光雷达技术融合的方法, 将其运用于配网走廊树障隐患巡检, 从而达到是否需要砍伐树木和清除障碍的目的。

1 机载激光雷达测量原理

LiDAR 是通过发射激光脉冲, 接收返回的脉冲信号, 经过系统处理, 快速获取地面和地物三维信息的探测技术。机载激光雷达系统通常由飞行平台、激光扫描仪、定位与惯性测量单元和控制单元等组成。其中, 飞行平台既可以是旋冀无人机, 也可以是固定翼飞机, 或者无人直升飞机；激光扫描仪包括脉冲测距扫描仪和相位测距扫描仪；定位与惯性测量单元则由差分全球定位系统 (differential global positioning system, DGPS) 和惯性测量装置(inertial measurement unil, IMU) 组成[3-6]。无人机沿电线走廊扫描作业时, 机载激光雷达系统通过激光扫描仪向地表发射激光脉冲信号, 根据信号从发射至返回激光扫描仪所经历的时间来确定扫描仪中心至地表激光光斑之间的距离。利用DGPS 确定扫描仪中心坐标 (x0,y0,z0) 和IMU 确定的空间姿态参数, 再根据空间几何关系, 即可确定地面激光点的三维坐标 (x,y,z)。激光雷达点云数据不仅包括空间三维坐标, 还含有回波次数、回波强度等信息, 利用这些数据可以生成高精度数字高程模型 (digital elevation model, DEM) 和数字地表模型[7-10]。

使用无人机机载激光雷达系统进行电力巡检作业时, 激光脉冲遇到树木、电线或者杆塔时, 激光脉冲就反射回探测器, 即可确定被扫描对象的空间位置。由于高密度的激光雷达数据非常适合还原树冠形状, 因而通过对不同激光回波的信息进行提取和处理, 进行电线走廊三维建模, 在三维模型中量测地物至电线间的距离, 以确保树木、建筑物、交叉跨越等对线路的距离符合运行规范和满足运行要求。

2 数据融合方法

将LiDAR 点云数据和可见光影像数据融合,充分发挥各自优势。LiDAR 点云与可见光影像融合需要经过点云数据处理、配准及着色三个过程,方法流程如图1 所示。

图1 数据融合流程

2.1 点云数据处理

点云数据处理包含点云去噪、滤波和分类, 处理流程如图2 所示。

图2 激光雷达点云数据处理流程

由于被扫描对象表面粗糙程度不同和外部环境的各类噪声影响等原因, 点云数据会出现一些与主体点云特征不同、离主体点云较远的小片点云和离散点, 不利于点云特征的提取与匹配。使用高斯分布滤波方法对原始点云数据进行去噪处理, 其原理是对每个点的领域进行统计分析, 由高斯分布的均值和标准差确定阈值, 将阈值之外的点当作噪声点剔除, 以提高后续激光点云与可见光影像配准的精度[11]。高斯函数的一维形式为:

式中,μ决定了分布函数的对称中心；σ为函数平滑程度参数,σ越大, 平滑程度就越好。

将数值x转变二维向量 (x,y), 高斯滤波二维形式为:

利用式 (2) 对每个点云的领域进行线性卷积, 邻域内不同位置的点云被赋予不同的权值, 距离越近的点权重越大, 距离越远的点权重越小。其计算过程如下:

1) 把邻域内其他点云到邻域中心的距离代入式 (2), 计算出高斯模板。

2) 若模板为小数形式, 则进行归一化处理,将模板左上角值归一为1。

3) 将高斯模板的中心对准待处理的点云矩阵, 然后把对应元素相乘后相加, 没有元素的地方补零。

4) 每个元素分别进行上述计算, 得到的输出矩阵就是高斯去噪的结果。

激光雷达系统采集的点云数据所包含信息复杂繁多, 不仅包含目标点的三维坐标 (x,y,z), 还包括物体反射强度等信息。在这些激光点中, 有些点位于真实地形表面, 有些点位于房屋、杆塔、输电线等人工建筑物或者树木、竹子、草丛等自然植被。把激光点云数据的地物回波点除掉, 将原始点云分为地面点和非地面点, 地面点经过插值, 得到配电走廊的DEM, 称为点云数据的滤波。

而从点云数据中区分树枝、房屋、道路等不同地物, 则称为点云数据的分类[12]。树障分析中电力线点的提取也是先通过滤波分离地面点与地物点, 然后使用分类方法分离植被点与电力线点。

2.2 点云与像素配准

激光点云数据与可见光影像数据配准必须将两者建立在同一个坐标系。激光点云数据是基于世界大地坐标系1984 (World Geodetic System-1984,WGS-84) 所获取, 将点云数据作为可见光影像的基准坐标系, 把可见光影像数据转换至WGS-84 坐标系。可见光影像测量的共线方程如下:

令

式 (3) 中,R为旋转矩阵；(x,y) 为影像点在影像平面坐标系中的坐标；(Xc,Yc,Zc) 为投影中心在物方空间坐标系下的坐标；f为焦距。旋转矩阵及投影中心点的坐标由定位定姿系统(position and orientation system, POS) 获取[13-14]。

为了实现从二维可见光影像坐标 (x,y) 到激光雷达三维空间坐标 (x,y,z) 的转换, 先假定一个二维坐标值z0。获取 (x1,y1), 利用双线性内插的方法从LiDAR 数据中获取坐标为 (x1,y1) 的点的z值z1。循环计算下去, 获取 (xn-1,yn-1,zn-1) 及 (xn,yn,zn), 当最后两个坐标相应的差值小于设定的阈值时即停止计算。相应可见光影像位置为 (x,y) 的点的三维空间坐标 (x, y,z):

重复以上步骤, 可以对可见光影像中的每一个像素加入三维坐标信息。

2.3 点云着色

可见光影像测量的共线方程式的另一种表达方式为:

将每个LiDAR 点的三维坐标 (X,Y,Z)、高精度的POS 数据以及相机参数, 利用公式 (5) 获取点云数据相对应的像素在影像平面坐标系下的(x,y)。然后将 (x,y) 处的色相、饱和度、亮度(hue、saturation、lightness, HSL) 赋值给相对应的激光点[15-17]。点云数据不仅含有自身的三维坐标 (x,y,z)、回波强度、回波次数等信息, 还含有可见光影像所赋予的HSL 光谱信息, 即激光雷达点云与可见光影像进行融合, 融合影像如图3所示。

图3 点云与像素融合影像

3 设备选配

项目选用HDL-64E 型激光雷达, 具有64 线的激光束, 每秒能输出220 万个高密度脉冲点；激光波长为905 nm, 穿透能力强, 能完全穿透树叶到达到地表平面, 非常适用于还原电线和树冠形状。以大疆S900 多旋翼无人机为载体, 一体化集成高密度激光雷达点云扫描仪、可见光高清相机、DGPS、IMU 等传感器。系统具有重量轻、携带方便、操作使用简单、飞行可靠性高、定位精度与影像分辨率高等特点, 满足三维激光点云和可见光影像同步获取的要求, 通过专业功能软件, 识别树障隐患。

4 实现功能

4.1 实时工况树障分析

利用无人机融合系统对配网走廊进行数据采集, 巡检人员实时、快速、准确确定当前工况下线树距离, 判断树木到电线的距离是否满足安全运行要求, 实现即时巡检、即时发现缺陷的检修一体作业模式[18]。

4.2 树木生长预警分析

周期性地获取配网走廊树木的激光点云数据,计算出树木的平均生长速率, 利用软件模拟未来树木的生长情况, 提前识别潜在的危险点, 防范于未然, 实现对未来工况的树障预警[19]。

4.3 树木倒伏分析

多数树障停电事故都是电线走廊外的树木倒入走廊内造成。这是因为树木在倒伏过程与电线的安全距离不足。考虑树木高度和树木的生长速率等因素, 利用彩色点云数据, 通过软件进行树木倒伏分析, 计算树木倒伏的危险区域, 确定树木的最佳剪伐量。

4.4 综合工况树障模拟分析

配电线路敷设面积广、线路长、地形情况复杂, 各种天气状况都会改变电线与树木的空间距离, 对电力线路的安全运行产生影响。利用彩色点云数据, 通过专业软件模拟最高气温情况、覆冰情况或者最大风速情况等综合工况下的最大弧垂和最大风偏与周围树木之间的距离, 及时给出安全距离不足预警。

5 结语

基于可见光影像与激光雷达点云实时融合技术获取配电走廊的地物信息, 重现了激光点云三维实景, 实现了实时工况树障分析、树木生长预警分析、树木倒伏分析和综合工况树障模拟分析的功能。该技术提高了配电走廊树障巡检的工作效率和树障识别的准确性, 且可视化效果直观；降低了输电部门树障巡检的工作量和工作强度, 实现了配电线路运行维护的可视化、智能化管理, 值得推广与应用。