基于多源数据融合的输电杆塔三维重建

丁祥,龚坚刚,周文俊,杨继平,麻潇波

（浙江华云电力工程设计咨询有限公司，浙江杭州 310000）

1 引言

近年来，三维重建技术在城市规划，土地资源调查，文化遗产保护与修复等方面得到了广泛的应用[1-2]。此外将三维重建技术应用于电网设备也逐渐受到的更多的关注。对输电杆塔的三维重建，有利于电网的安全运行，同时也提高了输电线路运维检修的效率。但如何高精度，高效率地获取三维数据，逐渐成为目前实景三维建模的研究难点。获取三维重建数据源的方式主要3 种，即人工建模，无人机倾斜摄影技术和激光雷达建模。

人工建模技术制作周期长、测量工作量大，适合于尺寸和范围较小的物体进行三维建模，否则大范围的建筑物建模既不经济，建模效果也不好[3-4]。基于倾斜摄影技术的三维重建以其效率高、成本低等优点，广泛应用于三维建模的多个邻域中[5]。文献[6]利用倾斜摄影技术对街景工厂进行实景三维建模，在无人机上搭载多个传感器，其中一个获取垂直影像，另外五个获取倾斜影像，使用Pix4Dmapper软件实现对被观测物体的实景三维建模。文献[7]对无人机倾斜摄影技术进行进一步改进，使其与MAX 结合。实践案例表明，其改进方法可以提高三维建模的精度，但是此方法对三维模型的优化还是需要人工的二次处理。此外，倾斜摄影技术也有一定的局限性，比如受外部因素影响大，对细节部分的建模效果不好。激光雷达具有高精度、低空探测性能好、易于传输和处理信息的优点[8]，目前已有许多研究人员使用激光雷达技术进行三维重建。文献[9]使用机载激光雷达对电力线进行三维重建，为输电线路巡检工作提供一种新思路，克服了传统人工巡检效率低、工作量大、定位精度低等缺点。文献[10]基于地面激光雷达技术重建了森林场景的三维模型，利用激光点云提取了树木位置，树高等信息。

实践表明传统的基于单一数据源的三维建模具有很大的局限性，例如使用无人机倾斜摄影技术进行三维重建时，由于飞机作业模式的限制，输电杆塔内部和下部的模型信息不能进行完整获取，而采用激光雷达技术恰好可以弥补这一缺陷。因此本文联合倾斜摄影和激光雷达技术对目标输电杆塔进行数据获取，通过多源数据融合，以此获得更为精确完整的输电杆塔三维模型。

2 技术路线

基于多源数据融合的三维建模技术的主要原理是将无人机倾斜摄影获得的影像点云与激光雷达点云融合，构建TIN 三角网，再进行纹理映射，最后形成高精度的三维模型。其整体技术流程如图1所示。

图1 多源数据融合建模技术流程图

3 多源数据融合技术

将不同测量设备所获得的影像，点云等数据进行融合处理，弥补单一数据建模的局限性，获取目标输电杆塔的完整模型信息，使三维建模更加精确美观。主要流程分为三个方面：1．数据预处理，包括影像预处理，空中三角测量，点云数据预处理；2．多源数据坐标系的统一；3．影像点云与激光点云的高精度配准。最后将配准后的点云数据输入三维建模软件中，对目标输电杆塔进行三维重建。

3.1 多源数据坐标系的统一

激光点云数据和倾斜摄影测量数据空间坐标系的一致性是这两种数据融合的前提，因此我们要在统一的坐标系下进行一次数据的粗配准[11]。由式(1)、(2)可以求解出两个数据坐标变换所需的旋转参数和平移参数。

其中(x，y，z)是原始点云数据坐标，(X，Y，Z)是坐标变换后点云数据坐标。α、β、γ为旋转参数，为平移参数。通过手动选取同名特征点的三维空间坐标值可以计算旋转矩阵和平移矩阵，即可得到α、β、γ和等6个参数。

3.2 点云精配准

点云粗配准的精度不高，因此为了使三维重建模型更加美观真实，还需要进行点云的粗配准过程。其中传统的方法是迭代最近点法(Iterative Closest Point，ICP)[12]。假设源点云为P，目标点云为Q，首先对源云集合P 中的每个点，以点云集合Q上欧氏距离的最近点为对应关系，搜索所有成对点，然后根据对应关系，得到了式(3)所示目标函数的最小刚性变换，该变换包含旋转矩阵R 和移动向量T，并将该变换应用于源点云P，迭代执行上述过程，直到满足设定的收敛准则。在上述过程中，确定两点云之间的对应关系是整个算法的关键。对应关系的准确性对配准的精度和收敛速度有很大影响。

假设源云集合为P={pi|i=1，2，3…}，目标点云为Q={qi|i=1，2，3…}，经典ICP算法步骤如下：

(1)设置k=0，并给出一个阈值ξ；

(2)根据欧式距离，找到源点云P 中每个点pi对应目标点云最近点qi；

(3)根据P和Q的对应点集，用四元法或SVD算法得到刚性变换矩阵R和T；

(4)根据变换矩阵找到源点云对应的新的点集；

(5)如果两次迭代的迭代误差满足fk-fk+1＜ξ，则迭代终止。否则k=k+1，返回到第2步。

3.3 改进式ICP算法

从传统的ICP算法可以看出，它对点云之间的相对位置要求较高，计算量较大。此外，迭代过程可能不会收敛到全局最优解。在传统的ICP算法的点云配准过程中，源集中的每个采样点需找到其在目标点集中的最接近点[13]。然后通过使用相应的成对点来计算刚体变形，但是随着数量的增加对于点云数据，计算目标的最接近点将浪费大量时间，因此为了缩短ICP算法的执行时间，有必要对源数据集进行合理的重新采样，选择一些可靠的点集，以此提高算法的效率。

为了提高ICP算法的配准速度和精度，本文对传统的ICP算法进行了改进。使用体素网格方法对点云进行重新采样。主要思想是基于点云数据创建最小三维体素网格，然后计算出需要分割的小立方网格的长度L，并根据L的大小将3D体素网格分解为m×n×l小网格。分割网格后，将点云数据放入对应的小网格，删除没有数据点的小网格。然后，在每个体素中，所有存在的点都将以其质心进行近似。该方法快速且易于实现，并且不需要建立复杂的拓扑。简化了点云的数量，为加快后续配准奠定了基础。采用该方法的密集点云可以有效提高处理速度。计算步骤如下：(1)为目标点云P设置定向边界框B，并保存x，y，z轴坐标的最大值和最小值；(2)边界框B 被划分为大小为vx×vy×vz的区域Rijk(0＜i＜l，0＜j＜m，0＜k＜n)；(3)将体素网格分配给点云P 中的每个点pi；(4)对于每个体素网格Rijk，计算区域中所有点的重心vijk，将体素网格中的所有点替换为重心，并将重心插入到最后的点P′集中；(5)遍历所有体素网格，获得的P′为采样点云数据。如下式所示为：(0＜i＜l，0＜j＜m，0＜k＜n)。

根据上述体素网格法可获得重新采样点云，将其代入传统ICP算法的步骤(1)中，可以加快点云配准速度。

4 实验验证

为验证本文设计的基于多源数据融合的三维重建技术的有效性，用无人机倾斜摄影技术和激光雷达扫描对目标输电杆塔进行数据采集，得到点云和倾斜影像两种数据源。将这两种数据进行融合，并使用Smart3D Capture 软件得到满足要求的输电杆塔三维模型。

4.1 倾斜摄影和激光雷达数据采集

本次实验外业影像采集所用无人机为大疆悟四旋翼无人机。主要航测流程如图2所示。选定目标杆塔后应首先选定视野开阔且无遮挡的地方进行起飞和降落，同时影像拍摄时的光照条件要好。若测量区域过大时，应进行区域划分，保证影像重叠度要符合三维建模的要求。航线的高度要比目标输电杆塔最高点高出约50m，以保证飞行安全。

图2 无人机倾斜摄影航测流程

为提高三维实景模型的完整性，采用三维激光扫描技术获取目标杆塔内部点云信息，弥补单一数据源建模的局限性。本次激光数据采集使用FARO Focus3D X330扫描仪。

由于激光点云密度会影响模型细节部分的刻画，因此，对于杆塔结构复杂部分要采用高分辨率进行扫描。

4.2 单一数据源建模与多源数据融合建模效果对比

将不同测量设备所获取的影像点云和激光点云进行点云配准。选取同名特征点进行点云粗匹配，统一多源数据的空间坐标系。为了进一步提高点云配准的精度，在使用本文提出的改进式ICP算法进行点云的精配准。

图3(a)为基于无人机倾斜摄影技术的三维重建模型，如图所示，单一倾斜摄影数据重建的模型只能描绘出目标杆塔的外部轮廓，但杆塔内部一些细节信息获取的不多。输电杆塔三维建模的头部信息如图3(b)所示，模型出现了空洞现象，可见基于单一数据源不能满足精细化建模的要求。因此本文又引入一组点云数据，基于点云数据的三维建模和输电杆塔顶部细节如图4(a)、（b）所示。点云数据的引入可以增强对模型内部细节的刻画。图5(a)为基于多源数据融合的三维重建技术所获得的模型，可见所建模型没有空洞和模型扭曲现象。对于图5(b)所示的杆塔模型细节相对于单一点云数据建模刻画得更为完整，增强了模型的真实性，同时也弥补了单一建模的局限性，对于输电线路三维可视化以及运维检修提供了坚实的基础。

图3 基于无人机倾斜摄影技术的三维模型图

图4 基于激光点云数据的三维模型图

图5 基于多数据融合三维模型图

5 结束语

本文融合无人机倾斜摄影的高效性和激光雷达技术的精确性，提出了一种基于多源数据融合的输电杆塔三维实景建模方法。设计了一套多源数据处理的流程，其中包括多源数据坐标系的统一。并对传统的ICP算法进行改进，利用体素网格方法对点云进行重新采样，提高点云精配准的速度。实验结果表明，本文提出的多源数据融合三维建模相比于单一数据源建模效果更好。解决了单一数据源建模出现的地物扭曲和空洞问题，提高了建模的精度和完整性。对提高电力系统的安全运行，具有较好的应用前景。