一种基于机载激光点云的电力线提取方法

为保障电力线路运营安全，保障国民经济，必须定期对电力线进行巡检。机载激光测量因其能够精准、高效地获取电力线路上地数字模型而被广泛地应用于线路安全检测，对此国内外也有一定研究，目前主要有三种方法：利用Hough变换提取电力线方法；利用主成分分析进行电力线提取方法；利用人机交互方式进行电力线提取。现有方法大多存在使用局限性，在运用于城市时存在很大误差，同时也缺乏对拟合坐标系的考虑，拟合模型连续性较差。

在本文中提出了的方法：一种基于机载激光点云的电力线提取方法。将电力线提取分为3个过程：电力线点云的初过滤、通过张量投票确定电力线点云、基于snake模型的电力线提取。

1  机载点云的电力线提取

本文采用张量投票识别线特征点云，用于提取电力线。张量投票中的三个分量：棒张量、板张量与球张量分别对应平面点、线点、特征点。本文通过确定出线点并结合snake模型提取电力线。

1.1  张量投票的分量求解

投票中，需要旋转、对齐标准张量场以完成投票计算，再此基础上先投票棒张量，继而投票板张量、球张量。

以空间（图1）中两点为例，其棒张量投票如下：设投票点，接受点，是点从点接收的张量矩阵，点和投票点包含的棒张量都在同一坐标中。棒张量沿着从到的平滑弧线传输。原点坐标所形成的张量矩阵的特征值，时，矩阵全由棒张量分量构成。接受点接收的投票张量为：

   (1)

其中，为点的单位法向量，为投票的衰减函数：

 (2)

为两点间的弧长，表示弧线的曲率，表示控制衰减变化的因子，决定着投票域大小，c为的函数。

当特征值，时，矩阵全由板张量构成，板张量投票是棒张量沿着Z轴旋转一个单位圆求和所得：

 (3)

其中，是变换矩阵，表示O-YZ面与OP连线的夹角。 

图1

同理可实现球张量投票。投票结束后，各散点均得到包含特征信息的张量矩阵。通过特征分解可得到各分量，根据每个分量的显著性，分类各点。

(1)当特征值且 时，棒张量显著性最大，表明该点为面元素。

(2)当且 时，表明该点为线上的点。

(3)当且 时，其球张量显著性大，表明该点为角点。

1.2  张量投票电力线点云提取

设置合理的高阈值，剔除大部分地面及低矮植物点云，得到粗略的电力线点云数据集；将点云数据进行张量编码成一系列33单位矩阵；将显著尺度参数设置为；在投票域范围内进行第一次张量投票并统计结果；对第一次张量投票结果进行二次投票，将每个输入点的张量信息进行精确估计；根据投票结果，保留符合且 的点云。

最后，根据线路走廊点云数据将整段电力线分割成多个单档距线路点云子集；根据统计分析法在高程方向对线路进行分层，根据空间中每根输电线路的线路差距来分离出单根输电线。

1.3  基于snake模型的电力线提取

Snake模型[4]以构成一定形状的一些控制点（轮廓线），通过模板自身的弹性形变，与图像局部特征相匹配达到调和，即某种能量函数极小化，完成对图像的分别，再通过对模板的进一步分析而实现图像的理解和识别。

Snake模型由一组控制点组成，在坐标系中这些点以首尾以直线相连构成轮廓线，曲线长度s是以傅里叶变换形式描述边界的自变量，在Snake控制点上定义能量函数

α，β分别控制Snake模型的弹性和刚性，将能量函数极小化，再结合欧拉方程，内部曲线能量写为：

snake模型要求初始轮廓尽可能的靠近真实轮廓，本文依据张量投票处理后的点云数据确定初始轮廓，进而更精准的提取有效电力线数据，做到对电力线进行分股。

2  实验与分析

本文以南京某区域机载点云为实验数据，通过上述方法进行数据处理 ，图2为原始机载点云，图3为经过采用本文方法提取的电力线点云。

图2  原始机载点云

图3  处理后数据

经上述初过滤，电力线提取，电力线分股等步骤，对本文方法提取出来的电力线数量进行统计。由表1可知，电力线全部正确提取，电力线点提取率较高。

表1 电力线统计

3  结语

本文中提出的方法优点采用张量模型结合snake区域增长模型提取电力线，上述结果表明各电力线提取的正确率较高，且近邻的多根电力线也能得到有效分离，证明了本文方法的有效性和可行性。本文方法在处理电力线提取上具有较大的优势，但电力线与电塔点不易分离方面还有待完善。

本文来源：《企业科技与发展》：http://www.zzqklm.com/w/qk/21223.html