賈 魁 張 晶

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048)

0 引 言

電力線為人們?nèi)粘Ｉ詈蜕虡I(yè)活動(dòng)輸送電能，電力線的安全情況不容忽視.傳統(tǒng)的人工巡線的方式檢查電力線及其周邊的安全情況，這種巡線方式效率低、人力成本高，而且在人工巡線監(jiān)測(cè)電力線的過(guò)程中，即使觀察到電力線周?chē)奈ｋU(xiǎn)狀況，也有可能記載錯(cuò)誤，復(fù)查電力線工作效率更低、更費(fèi)時(shí)費(fèi)力[1].

車(chē)載激光雷達(dá)系統(tǒng)可以快速獲取道路周?chē)母呔日嫒S點(diǎn)云數(shù)據(jù)，又如機(jī)載激光雷達(dá)系統(tǒng)可以快速獲取大范圍真三維點(diǎn)云數(shù)據(jù)[2]，閆利等[3]使用車(chē)載激光雷達(dá)點(diǎn)云數(shù)據(jù)，通過(guò)觀察電力線點(diǎn)云數(shù)據(jù)完成電力線巡查工作，既省時(shí)又省力.在山區(qū)完成電力線巡檢工作比較困難，有些地方人很難到達(dá)，機(jī)載激光雷達(dá)可以很方便的獲取山區(qū)電力線的真三維點(diǎn)云信息，從而可以服務(wù)于山區(qū)的電力線巡檢工作.與機(jī)載激光雷達(dá)相比，車(chē)載激光雷達(dá)可以獲得地物更高精度的三維信息[4-7].在城市區(qū)域，有樹(shù)木和高樓等可能影響機(jī)載方式飛行，電力線點(diǎn)云數(shù)據(jù)的獲取更適合用車(chē)載激光雷達(dá)系統(tǒng)[8].激光雷達(dá)技術(shù)代替?zhèn)鹘y(tǒng)的人工巡線方式可以更加高效率的服務(wù)于電力線巡線工作.在獲取點(diǎn)云數(shù)據(jù)之后，如何更完整、更準(zhǔn)確地提取出電力線點(diǎn)云數(shù)據(jù)成為需要解決的重要問(wèn)題.

在國(guó)內(nèi)外相關(guān)研究中，Kim和Sohn[9]提出基于特征值分析點(diǎn)云數(shù)據(jù)幾何結(jié)構(gòu)特征的方法，他們使用一個(gè)尺度計(jì)算目標(biāo)點(diǎn)云數(shù)據(jù)及其鄰域范圍內(nèi)構(gòu)成的數(shù)據(jù)集合的協(xié)方差，然后判斷分析當(dāng)λ1?λ2,λ3時(shí)，集合呈線分布特征，并通過(guò)Linearity=(λ1-λ2)/λ3計(jì)算分析可以得到該線分布的程度.Cheng等[10]也是通過(guò)特征值的分析提取了電力線點(diǎn)云數(shù)據(jù)，但是他們也只用了一個(gè)尺度進(jìn)行的電力線點(diǎn)云數(shù)據(jù)提取，然后結(jié)合電力線上下連續(xù)性和水平方向連續(xù)性去除噪點(diǎn)，并結(jié)合方向、距離分析得到單根電力線點(diǎn)云數(shù)據(jù)集合.Melzer和Briese[11]使用霍夫變換的方法計(jì)算電力線交點(diǎn)預(yù)估電線桿位置，進(jìn)而使用隨機(jī)抽樣一致性(random sample consensus)方法提取和重建電力線點(diǎn)云數(shù)據(jù)，但當(dāng)該方法受初始模型的限制，如果初始模型選取不合適就會(huì)嚴(yán)重影響提取和重建結(jié)果.Guan等[12]使用霍夫變換算法提取電力線點(diǎn)云數(shù)據(jù)，并通過(guò)歐式距離法聚類(lèi)每單根電力線點(diǎn)云數(shù)據(jù).余潔等[13]使用濾波算法初步去除干擾點(diǎn)，然后使用角度濾波和二維霍夫變換的方法提取電力線點(diǎn)云數(shù)據(jù).尹輝增等[14]使用霍夫變換特征空間全局方向特征分析，使用局部分段提取方法等對(duì)電力線點(diǎn)云數(shù)據(jù)進(jìn)行提取，并聚類(lèi)提取單根電力線點(diǎn)云數(shù)據(jù).本研究主要探討使提取更為完整的疊加多尺度電力線點(diǎn)云數(shù)據(jù)幾何結(jié)構(gòu)特征提取方法，本文使用多個(gè)尺度分析電力線點(diǎn)云數(shù)據(jù)幾何結(jié)構(gòu)特征，使用每個(gè)尺度分別提取線特征點(diǎn)云數(shù)據(jù)，最終將各個(gè)尺度提取的結(jié)果疊加，并計(jì)算各個(gè)尺度和疊加后的提取結(jié)果的電力線點(diǎn)云數(shù)據(jù)提取完整度，進(jìn)行對(duì)比和分析.本研究還參考使用開(kāi)源軟件CloudCompare V2.7.0手動(dòng)提取出電力線點(diǎn)云實(shí)驗(yàn)數(shù)據(jù)，該開(kāi)源軟件可以運(yùn)行在Linux和Winodws等平臺(tái)，具有點(diǎn)云數(shù)據(jù)裁剪、格式轉(zhuǎn)換等基本功能，方便且好用[15].

1 電力線點(diǎn)云數(shù)據(jù)提取方法

在電力線點(diǎn)云數(shù)據(jù)提取方法過(guò)程中，首先使用Kdtree[16](k-dimensional)建立索引的方式找到待分析目標(biāo)點(diǎn)云周?chē)狞c(diǎn)云數(shù)據(jù)集合，使用多個(gè)遞增的尺度，分析點(diǎn)云數(shù)據(jù)集合的幾何結(jié)構(gòu)特征，得到該目標(biāo)點(diǎn)呈現(xiàn)的幾何結(jié)構(gòu)分布特征(散亂點(diǎn)、線、面)，在分析完所有點(diǎn)云數(shù)據(jù)之后，提取出呈線分布特征的點(diǎn)云數(shù)據(jù)作為電力線點(diǎn)云數(shù)據(jù)，然后疊加各個(gè)尺度提取結(jié)果，這樣可以盡可能多的得到電力線點(diǎn)云數(shù)據(jù).

1.1 幾何結(jié)構(gòu)特征分析方法介紹

在使用幾何結(jié)構(gòu)特征分析方法分析點(diǎn)云數(shù)據(jù)的幾何結(jié)構(gòu)特征分布情況時(shí)，首先找到待分析的目標(biāo)點(diǎn)周?chē)c(diǎn)云數(shù)據(jù)的集合，根據(jù)點(diǎn)云數(shù)據(jù)集合的X、Y、Z坐標(biāo)數(shù)值計(jì)算該集合對(duì)應(yīng)的協(xié)方差矩陣，然后計(jì)算該協(xié)方差矩陣的特征值，分析特征值之間的關(guān)系，從而得到該目標(biāo)點(diǎn)所呈現(xiàn)的幾何結(jié)構(gòu)分布特征.對(duì)所有點(diǎn)云數(shù)據(jù)進(jìn)行幾何結(jié)構(gòu)特征分析，提取出所有呈線分布特征的點(diǎn)云數(shù)據(jù).

根據(jù)點(diǎn)云數(shù)據(jù)集合的X、Y、Z坐標(biāo)計(jì)算協(xié)方差矩陣公式[17](1)如下：

(1)

在計(jì)算分析目標(biāo)點(diǎn)云數(shù)據(jù)所呈現(xiàn)的幾何結(jié)構(gòu)特征時(shí)，首先計(jì)算出其周?chē)c(diǎn)云數(shù)據(jù)集合對(duì)應(yīng)的協(xié)方差矩陣，然后計(jì)算出三個(gè)特征值：λ1，λ2和λ3(λ1>λ2>λ3).然后分析λ1，λ2和λ3之間的關(guān)系，當(dāng)λ1?λ2,λ3時(shí)，該點(diǎn)云數(shù)據(jù)集合呈線分布特征，該目標(biāo)點(diǎn)云數(shù)據(jù)識(shí)別為是呈線分布特征的點(diǎn)；當(dāng)λ1≈λ2?λ3時(shí)，該點(diǎn)云數(shù)據(jù)集合呈面分布特征，該目標(biāo)點(diǎn)云數(shù)據(jù)識(shí)別為是呈面分布特征的點(diǎn)；當(dāng)λ1≈λ2≈λ3時(shí)，該點(diǎn)云數(shù)據(jù)集合呈散亂分布特征，該目標(biāo)點(diǎn)云數(shù)據(jù)識(shí)別為是呈散亂分布特征的點(diǎn).這三種情況，可以轉(zhuǎn)換為通過(guò)三個(gè)公式進(jìn)行計(jì)算和分析，這三個(gè)公式如(2)所示：

(2)

當(dāng)且僅當(dāng)Linearity≈1，Planarity≈0且Sphericity≈0時(shí)，該目標(biāo)點(diǎn)云數(shù)據(jù)鄰域范圍內(nèi)點(diǎn)云數(shù)據(jù)集合呈線分布特征[10].

1.2 多個(gè)遞增尺度分析點(diǎn)云數(shù)據(jù)幾何結(jié)構(gòu)特征

在分析目標(biāo)點(diǎn)云數(shù)據(jù)幾何結(jié)構(gòu)特征之前，需要設(shè)定領(lǐng)域半徑R來(lái)搜索該目標(biāo)點(diǎn)云數(shù)據(jù)周?chē)狞c(diǎn)云數(shù)據(jù)集合，從而運(yùn)用該點(diǎn)云數(shù)據(jù)集合進(jìn)行協(xié)方差矩陣計(jì)算.這里所謂的多個(gè)尺度即設(shè)定多個(gè)領(lǐng)域半徑R搜索，在不同尺度下，目標(biāo)點(diǎn)云數(shù)據(jù)可能計(jì)算為呈現(xiàn)不同的分布特征[18].

使用多個(gè)尺度即多個(gè)鄰域半徑R，分析點(diǎn)云數(shù)據(jù)是否呈線分布特征，不同尺度下分析得到的結(jié)果相互補(bǔ)充，最終得到更多、更準(zhǔn)確的線分布特征的點(diǎn)云數(shù)據(jù).如圖1示，圖中對(duì)同一個(gè)目標(biāo)點(diǎn)云數(shù)據(jù)在不同鄰域搜索半徑范圍內(nèi)進(jìn)行幾何結(jié)構(gòu)特征分析，根據(jù)圖中鄰域內(nèi)點(diǎn)云數(shù)據(jù)分布情況可以明顯看出當(dāng)R=0.15 m時(shí)，該目標(biāo)點(diǎn)云數(shù)據(jù)a周?chē)狞c(diǎn)云數(shù)據(jù)集合呈面或散亂分布特征；但當(dāng)R=0.3 m時(shí)，該目標(biāo)點(diǎn)云數(shù)據(jù)a周?chē)狞c(diǎn)云數(shù)據(jù)集合呈線分布特征.因此該呈線分布的點(diǎn)云數(shù)據(jù)在小尺度下不能正確識(shí)別出來(lái)，在之后的線分布特征的點(diǎn)云數(shù)據(jù)提取時(shí)會(huì)被遺漏掉.又如圖2所示，當(dāng)R=0.15 m時(shí)，該目標(biāo)點(diǎn)云數(shù)據(jù)b在鄰域半徑R范圍內(nèi)的點(diǎn)云數(shù)據(jù)集合呈線分布特征；當(dāng)R=0.3 m時(shí)，該目標(biāo)點(diǎn)云數(shù)據(jù)b在鄰域半徑R范圍內(nèi)的點(diǎn)云數(shù)據(jù)集合呈散亂分布特征.因此該呈線分布特征的點(diǎn)云數(shù)據(jù)在大尺度下不能正確的識(shí)別出來(lái)，如果只用一個(gè)大的尺度提取線分布特征的點(diǎn)云數(shù)據(jù)，該目標(biāo)點(diǎn)云數(shù)據(jù)會(huì)被錯(cuò)誤識(shí)別并被遺漏掉.若用兩個(gè)尺度分別進(jìn)行幾何結(jié)構(gòu)特征分析，疊加分析結(jié)果，會(huì)盡可能多的得到呈線分布特征的點(diǎn)云數(shù)據(jù)集合.由于使用Kdtree算法建立了每個(gè)目標(biāo)點(diǎn)云鄰域內(nèi)點(diǎn)集合索引，使用多個(gè)尺度分析相比單個(gè)尺度分析所用的時(shí)間不會(huì)提高太多計(jì)算時(shí)間和工作量.

圖1 目標(biāo)點(diǎn)云在大尺度下分析為線特征但在小尺度下不為線特征

圖2 目標(biāo)點(diǎn)云在小尺度下分析為線特征但在大尺度下不為線特征

在提取電力線點(diǎn)云數(shù)據(jù)的過(guò)程中，建議根據(jù)點(diǎn)云實(shí)驗(yàn)數(shù)據(jù)的點(diǎn)間距，設(shè)定點(diǎn)間距兩倍的長(zhǎng)度作為鄰域半徑R最小值，使用多個(gè)遞增尺度R進(jìn)行分析.在電力線周?chē)ǔＳ猩y的樹(shù)木點(diǎn)云數(shù)據(jù)，在較大的尺度下，因?yàn)闃?shù)木點(diǎn)云數(shù)據(jù)周?chē)ǔＪ巧y點(diǎn)，樹(shù)木上的點(diǎn)云數(shù)據(jù)會(huì)更可能的分析為散亂分布，而在小尺度下，由于樹(shù)枝等也可能呈線分布特征，容易識(shí)別為線分布特征的點(diǎn)云數(shù)據(jù)，從而錯(cuò)誤識(shí)別為電力線點(diǎn)云數(shù)據(jù).本研究使用最小的領(lǐng)域半徑R=0.15 m時(shí)可以很好的提取出大部分電力線點(diǎn)云數(shù)據(jù).使用6個(gè)尺度R=0.15 m，R=0.25 m，R=0.35 m，R=0.45 m，R=0.55 m，R=0.65 m分別對(duì)電力線點(diǎn)云數(shù)據(jù)進(jìn)行幾何結(jié)構(gòu)特征計(jì)算和分析，驗(yàn)證和分析不同尺度下提取線分布特征的點(diǎn)云數(shù)據(jù)結(jié)果完整度，并與合并結(jié)果的完整度進(jìn)行比較分析.

2 實(shí)驗(yàn)結(jié)果與討論

本文通過(guò)使用開(kāi)源軟件CloudCompare V2.7.0，人工手動(dòng)提取出實(shí)驗(yàn)區(qū)域電力線點(diǎn)云數(shù)據(jù)，然后使用多個(gè)尺度分析這些電力線點(diǎn)云數(shù)據(jù)的幾何結(jié)構(gòu)分布特征，在各個(gè)鄰域半徑尺度下提取出呈線分布特征的點(diǎn)云數(shù)據(jù)作為成功識(shí)別為電力線點(diǎn)云數(shù)據(jù)的集合，通過(guò)對(duì)比成功識(shí)別的點(diǎn)云個(gè)數(shù)并計(jì)算提取結(jié)果的完整度，來(lái)分析多尺度提取分析方法的優(yōu)勢(shì)，從而為電力線點(diǎn)云數(shù)據(jù)提取方法提供參考.該實(shí)驗(yàn)過(guò)程是在Visual Studio 2010編程軟件中編寫(xiě)C++代碼完成，電腦配置安裝內(nèi)存是16 GB.

2.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)區(qū)域選擇北京蓮花橋地區(qū)，采集的是車(chē)載點(diǎn)云數(shù)據(jù)，點(diǎn)間距大約為0.08 m，如圖3所示，通過(guò)在CloudCompare V2.7.0中手動(dòng)裁剪選取出電力線點(diǎn)云數(shù)據(jù)集合作為實(shí)驗(yàn)數(shù)據(jù)，總共有2 748個(gè)電力線點(diǎn)云數(shù)據(jù).

圖3 電力線點(diǎn)云實(shí)驗(yàn)數(shù)據(jù)

2.2 實(shí)驗(yàn)結(jié)果與討論

根據(jù)電力線點(diǎn)云實(shí)驗(yàn)數(shù)據(jù)，分別用遞增的6個(gè)尺度(R=0.15 m，R=0.25 m，R=0.35 m，R=0.45 m，R=0.55 m，R=0.65 m)對(duì)其進(jìn)行幾何結(jié)構(gòu)分析，實(shí)驗(yàn)數(shù)據(jù)一共有2 748個(gè)電力線點(diǎn)云數(shù)據(jù)，不同尺度下提取出的電力線點(diǎn)云數(shù)據(jù)結(jié)果如圖4所示，不同尺度下提取出的電力線點(diǎn)云數(shù)據(jù)結(jié)果是不一樣的，不同尺度下提取出的電力線點(diǎn)云數(shù)據(jù)的個(gè)數(shù)不同，對(duì)比各個(gè)尺度下提取出來(lái)的結(jié)果可以看出，在R=0.15 m尺度下可以提取出來(lái)的電力線點(diǎn)云數(shù)據(jù)，在其他尺度下基本可以提取出來(lái)，相反其他尺度下提取出來(lái)的電力線點(diǎn)云數(shù)據(jù)在0.15 m尺度下基本可以提取出來(lái).

如圖5所示，合并所有遞增尺度提取出的電力線點(diǎn)云數(shù)據(jù)結(jié)果，在同一個(gè)坐標(biāo)位置下只保留一個(gè)點(diǎn)，得到2 727個(gè)電力線點(diǎn)云數(shù)據(jù)，結(jié)果比各個(gè)遞增尺度提取出的電力線點(diǎn)云數(shù)據(jù)都多.表1中完整度是通過(guò)計(jì)算正確識(shí)別出的電力線點(diǎn)云個(gè)數(shù)與實(shí)驗(yàn)數(shù)據(jù)總的電力線點(diǎn)云數(shù)據(jù)個(gè)數(shù)比值得到的，從表1中可以看出，合并所有尺度的結(jié)果后，電力線點(diǎn)云提取的完整度比使用任一個(gè)鄰域半徑R提取出來(lái)的電力線點(diǎn)云數(shù)據(jù)的完整的高.從表1中還可以看出，隨著鄰域半徑R的增大，完整度越來(lái)越低，這是因?yàn)殡娏€在自然環(huán)境中是懸鏈線形狀，不是完全筆直的，電力線在局部接近直線，但是當(dāng)領(lǐng)域半徑R增大時(shí)，鄰域半徑范圍內(nèi)的電力線通常有一定的弧度，從而目標(biāo)點(diǎn)云被識(shí)別為非電力線點(diǎn)云數(shù)據(jù).這也是隨著半徑R的增大，電力線點(diǎn)云數(shù)據(jù)提取結(jié)果中漏分個(gè)數(shù)相對(duì)增多，正確識(shí)別出為電力線點(diǎn)云數(shù)據(jù)個(gè)數(shù)的減少原因.另外，在半徑是0.15 m的時(shí)候電力線點(diǎn)云數(shù)據(jù)正確識(shí)別個(gè)數(shù)相對(duì)于其他閾值半徑來(lái)講是最多的，并且接近于合并所有尺度結(jié)果的總的正確識(shí)別個(gè)數(shù)，如果是使用單個(gè)半徑閾值提取電力線點(diǎn)云數(shù)據(jù)，本實(shí)驗(yàn)建議使用0.15 m，該值設(shè)定是考慮到實(shí)驗(yàn)數(shù)據(jù)點(diǎn)間距來(lái)設(shè)定的，其大小約為點(diǎn)間距的2倍.

圖4 不同尺度幾何結(jié)構(gòu)特征提取電力線點(diǎn)云數(shù)據(jù)

圖5 合并多個(gè)尺度電力線點(diǎn)云數(shù)據(jù)提取結(jié)果

領(lǐng)域半徑R/m正確識(shí)別數(shù)量/個(gè)漏分?jǐn)?shù)量/個(gè)完整度/%0.152 6856397.70.251 6771 07161.30.351 5611 18756.80.451 5501 19856.40.551 5421 20656.110.651 0481 70038.11合并所有尺度的結(jié)果2 7272199.24

3 結(jié) 論

本研究使用CloudCompare V2.7.0開(kāi)源軟件提取出的電力線點(diǎn)云數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，多個(gè)遞增尺度提取呈線特征點(diǎn)云數(shù)據(jù)，并計(jì)算各個(gè)尺度提取結(jié)果的完整度，使用半徑0.15 m時(shí)進(jìn)行幾何結(jié)構(gòu)特征分析得到的電力線點(diǎn)云數(shù)據(jù)比使用其它半徑分析得到的電力線點(diǎn)云數(shù)據(jù)都多，但多尺度結(jié)果疊加后提取結(jié)果的完整度最高，疊加多個(gè)尺度電力線點(diǎn)云數(shù)據(jù)提取結(jié)果可以獲得更多、更完整的電力線點(diǎn)云數(shù)據(jù)，該疊加多尺度電力線點(diǎn)云數(shù)據(jù)提取結(jié)果的思路可供電力線點(diǎn)云數(shù)據(jù)提取與重建過(guò)程參考，但該研究也需要繼續(xù)進(jìn)行，由于激光雷達(dá)掃描過(guò)程中收到遮擋等原因，電力線點(diǎn)云數(shù)據(jù)出現(xiàn)數(shù)據(jù)缺口情況，這時(shí)可能影響提取精度，存在數(shù)據(jù)缺口時(shí)的解決辦法將在作者畢業(yè)設(shè)計(jì)中繼續(xù)研究進(jìn)行.