一种基于模型匹配的输电线激光点云分割方法与流程

1.本发明属于输电线分割方法技术领域，尤其是涉及一种基于模型匹配的输电线激光点云分割方法技术领域。


背景技术：

2.高压、超高压输电线路作为电力能源远距离输送的载体，是电网运行维护与管理关注的重点，传统的地面巡检主要采用沿线人工观测，该方法作业效率低下、劳动强度大且存在人员不便达到的“盲区”。近年来，随着无人机载体平台和激光雷达传感器的快速发展，有/无人机载激光雷达系统得到快速发展，能够在较少地面控制点的前提下，只需一次飞行即可获取高精度、高密度的输电线路三维场景空间地理信息数据—激光点云，具有扫描速度快、自动化程度高点的优势，弥补了传统人工地面测量、星载光学传感器等获取方式受限于地理环境且数据分辨率低等不足，成为输电线路信息化建设和电网巡检技术智能化应用研究的热点。目前，激光点云输电线巡检主要包括输电线路激光点云数据获取、点云数据输电线提取、点云数据输电线建模、点云数据输电线工况模拟及健康状态检/监测四个部分，其中点云数据输电线提取是激光点云输电线巡检的基础，其结果直接影响后续输电线模型重建精度及状态检/监测的可靠性。
3.单档单根输电线是输电线模型重建及分析的最小单元，从原始点云数据中分类提取得到的输电线还包含多根输电线并存的现象，输电线点云分割就是把原始输电线路点云数据中提取得到的输电线点云划分为若干独立子集，每个独立子集中包含完整的单根输电线点。
4.常见的输电线点云分割方法可概括为两类：基于二维空间间接分割法和基于三维点云直接分割法，前者利用输电线空间线性分布特征将三维点云转化为水平面内的影像或垂直于截面的铅垂面，通过建立二维空间与点云空间的映射关系，根据二维数字图像直线检测或投影点聚类间接实现三维空间点云分割，具有操作简单、分割效率高的特点，典型代表性的有霍夫变换法和特征空间聚类法；后者则利用单根输电线紧密相连、不同输电线彼此分离的空间分布特性，根据点云空间输电线联通性直接实现三维空间点云分割，具有点云分割精度高的优势，典型代表性的有三维点云密度聚类法和连通性分析法。
5.文献调研发现，现有的输电线激光点云分割方法在点云数据完整、噪声较少等相对理想环境的非分裂导线点云具有较好的分割效果，研究较少涉及点云严重缺失、大量噪声点等电网工程应用中较为普遍的背景环境，其主要技术难点体现在：(1)点云缺失破坏了输电线空间连续性。正常状态下，激光点云沿输电线表面均匀分布，当点云存在缺失片段时，输电线空间连续性被破坏，使得基于二维空间间接分割法的特征计算出现异常，同时基于三维点云连通性的直接分割法失效；(2)点云噪声改变了输电线空间分布规则。噪声点离散度更大且极具不规则形状，这些点距离输电线点较近，改变了正常的输电线点云联通性延伸方向，导致基于三维点云直接分割方法出现错误的结果，另外，由于噪声点的存在，输电线在点云空间中线性特征表现能力减弱，造成直线检测算法输电线点云分割不能得到理
想的结果；(3)分裂导线空间尺度较小且结构复杂。为了抑制电晕放电和减少线路电抗，高压、超高压输电线路通常采用分裂导线的架设方式，不同于常规非分裂导线，分裂导线沿线间隔一定距离由形状呈多边形的间隔棒“约束”成束，在点云空间内各单导线彼此距离较近，同时间隔棒等非输电线点改变了导线的空间独立特征，使得单根输电线点云识别和分割难点增加。
6.现有输电线激光点云分割方法主要存在抗噪性差、普适性不高等不足，且分割过程将分裂导线视为整体，忽略了单根输电线空间形态的差异性，降低了激光点云输电线模型重建的精度。


技术实现要素：

7.本发明正是为了解决上述问题缺陷，提供一种基于模型匹配的输电线激光点云分割方法。
8.本发明采用如下技术方案实现。
9.基于模型匹配的输电线激光点云分割方法，其特征在于，所述方法包括改进ransac输电线模型重建和模型约束的输电线激光点云分割。
10.本发明所述改进ransac输电线模型重建为，输电线三维空间抛物线方程分解为直线-抛物线方程，公式(1)所示，其中(k,b0)为直线模型参数，(a,b,c)为抛物线模型参数，x
′
为激光点云投影至铅垂面的横坐标；
[0011][0012]
线性模型参数求解方法采用最小二乘法和随机一致性采样算法。
[0013]
本发明所述最小二乘法包括：
[0014]
(1)改进初始样本点选择原则和数目；
[0015]
沿输电线水平走向，将激光点云划分为k个分段，从每个分段中随机选择1个样本点组合k个初始种子点作为为初始模型参数求解样本数据集，其中k大于模型参数求解的最小样本点且小于最大样本数据集n；
[0016]
(2)引入最小二乘法初始模型参数求解；
[0017]
引入最小二乘法对k个样本数据集进行整体模型参数求解。
[0018]
本发明所述改进ransac输电线模型包括如下步骤：
[0019]
step 1：根据公式(2)计算迭代次数m，其中ω表示输电线点所占比例即内点概率，θ表示置信概率(通常取值范围0.95～0.99)，k表示随机采样点数目：
[0020]
m＝lg(1-θ)/lg(1-ωn)
ꢀꢀꢀꢀꢀꢀ
(2)
[0021]
step 2：沿档距将激光点云分为k个分段并在各个分段随机抽取激光点组成k个样本数据集，利用最小二乘法分别求解公式(1)中直线和抛物线模型参数解，重建空间抛物线初始模型；
[0022]
step 3：利用初始模型对整体点云数据集进行检验，计算并统计模型的有效点数，若当有效点数最大，则将当前模型标记为最优模型；
[0023]
step 4：若当前最优模型的有效点数大于设定的阈值而算法提前收敛或迭代次数大于设定次数，则迭代停止；否则重复step 2～step 3；
[0024]
step 5：输出最优模型参数和最佳模型，算法执行结束。
[0025]
本发明所述k为初始样本点选择数目，取值为30～45。
[0026]
本发明所述模型约束的输电线激光点云分割，具体为，
[0027]
单档输电线激光点云
[0028][0029]
设置参数k，d，j＝0，
[0030]
改进ransac输电线模型重建；
[0031]
单根输电线点提取并标号
[0032][0033]
搜索待分割点云
[0034][0035]
判断n是否足够大，若为是，则回到改进ransac输电线模型重建步骤；若为否，则标记为噪声点
[0036][0037]
分割结果p＝{p0，p1，p2...pj}，结束。
[0038]
本发明的有益效果为，输电线激光点云分割是单档单根输电线提取的重要内容，本发明从单档输电线激光点云数据出发，以直线-抛物线方程为单根输电线模型重建的理论模型，逐根输电线识别与分割的基本思路，提出了模型约束的输电线点云分割方法，本发明主要贡献点包括两个方面：
[0039]
(1)改进了随机一致性采样激光点云输电线模型重建。通过全局范围内初始种子点选择原则和种子点选择数目k的改进、引入最小二乘法初始模型重建等原始随机一致性模型参数求解方法的改进策略，提高了从激光点云数据中识别并模型重建的精度；
[0040]
(2)提出了模型约束的输电线点云分割方法。以改进随机一致性采样激光点云输电线模型为约束条件，通过设置距离阈值识别单根输电线点集，采用输电线逐根识别的基本思路，实现了输电线激光点云分割，克服了基于局部特征的输电线点云分割方法对数据完整性和点云连续性的依赖。实验结果表明，较已有k均值聚类法和密度聚类激光点云分割方法，本发明方法能在点云分割过程中自动识别噪声点，具有较好的精度，同时对点云噪声、数据缺失等复杂背景环境下仍具有较好的普适性。
[0041]
下面结合附图和具体实施方式本发明做进一步解释。
附图说明
[0042]
图1单档输电线激光点云模型重建结果图；(a)原始ransac模型重建、(b)改进ransac模型重建；
[0043]
图2激光点云输电线分割技术流程图；
[0044]
图3输电线激光点云实验数据图；(a)实验数据1点云、(b)实验数据2点云；
[0045]
图4不同方法实验数据1分割结果图；(a)k均值聚类法、(b)密度聚类法、(c)本发明方法；
[0046]
图5不同方法实验数据1分割结果图；(a)k均值聚类法、(b)密度聚类法、(c)本发明方法。
具体实施方式
[0047]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。
[0048]
因此，以下对本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0049]
1改进ransac输电线模型重建
[0050]
通常情况下，基于离散三维激光点云数据的输电线三维模型重建精度的主要影响因素有激光点云数据质量、模型选择和模型参数求解方法。
[0051]
根据荷载分布方式不同，输电线空间形态可用悬链线方程和抛物线方程描述，悬链线方程是输电线理论模型，抛物线方程是悬链线方程点的近似表达，但基于激光点云的输电线模型重建，抛物线方程具有更高的模型重建精度和效率，在电网工程应用中具有普遍适用性。由于输电线输电线悬弧曲线长度远大于其截面直径，自然状态下输电线只承受垂直方向荷载悬挂于两杆塔之间处于静止平衡状态，此时输电线悬弧曲线分布在过悬挂点连线且垂直于水平面的铅垂面内，因此输电线三维空间抛物线方程可分解为直线-抛物线方程，如公式(1)所示，其中(k,b0)为直线模型参数，(a,b,c)为抛物线模型参数，x
′
为激光点云投影至铅垂面的横坐标。
[0052][0053]
线性模型参数求解方法大多借鉴数值分析相关理论与方法，常见的有最小二乘法和随机一致性采样算法，两者的区别在于初始样本点的选择方案，前者以全部样本点为初始模型参数求解的样本数据集，具有稳定性强收敛速度快的优势，但其样本点选择原则使得模型参数求解精度受限于噪声点的干扰；后者则以随机选择最小样本点为初始，模型参数求解样本数据集，该算法的迭代计算过程能很好弥补前者噪声因素的不足，但其样本随机选择原则将导致模型参数求解稳定性和效率降低，总之，两种方法均不能同时兼顾稳定性和抗噪性，不利于从点云数据中快速准确识别单根输电线。
[0054]
基于此，引入最小二乘法基本原理，对原始随机采样一致性算法进行改进，主要改进点包括以下两点：
[0055]
(1)改进初始样本点选择原则和数目。
[0056]
沿输电线水平走向，将激光点云划分为k个分段，从每个分段中随机选择1个样本点组合k个初始种子点作为为初始模型参数求解样本数据集，其中k大于模型参数求解的最小样本点且小于最大样本数据集n，以抛物线方程模型参数求解为例，3＜k＜n；
[0057]
(2)引入最小二乘法初始模型参数求解。
[0058]
引入收敛速度快、稳定性高的最小二乘法对k个样本数据集进行整体模型参数求解，以提高随机一致性采样算法收敛速度。
[0059]
通过从全局范围内随机选择初始样本点的原则，克服原始随机采样原则的模型参数陷入局部最优；通过更多的样本数据选择数目，削弱了初始样本点选择的随机性；通过引入最小二乘模型参数求解和原始随机一致性算法迭代选优过程，使得改进后的随机一致性模型参数求解算结果同时兼顾稳定性和抗噪性。
[0060]
改进的输电线模型参数求解及模型重建流程主要包括5个步骤。
[0061]
step 1：根据公式(2)计算迭代次数m，其中ω表示输电线点所占比例即内点概率，θ表示置信概率(通常取值范围0.95～0.99)，k表示随机采样点数目：
[0062]
m＝lg(1-θ)/lg(1-ωn)
ꢀꢀꢀꢀꢀꢀ
(2)
[0063]
step 2：沿档距将激光点云分为k个分段并在各个分段随机抽取激光点组成k个样本数据集，利用最小二乘法分别求解公式(1)中直线和抛物线模型参数解，重建空间抛物线初始模型。
[0064]
step 3：利用初始模型对整体点云数据集进行检验，计算并统计模型的有效点数，若当有效点数最大，则将当前模型标记为最优模型。
[0065]
step 4：若当前最优模型的有效点数大于设定的阈值而算法提前收敛或迭代次数大于设定次数，则迭代停止；否则重复step 2～step 3。
[0066]
step 5：输出最优模型参数和最佳模型，算法执行结束。
[0067]
图1展示了原始随机一致性采样算法和改进后的随机采样一致性算法模型重建结果，其中蓝色点为单档输电线激光点云，红色曲线为模型重建结果。
[0068]
原始随机一致性采样算法的单档输电线模型曲线纵横交错地穿梭在激光点云之间，与少量的点云距离较近，改进后的随机一致性模型曲线均匀地穿过单根激光点云中间，且与离散的单根输电线激光点云很好的贴合，表明改进后的随机一致性算法具有较高的单根输电线形态表达和模型重建精度。
[0069]
特别说明原始随机一致性算法稳定性较差，图1(a)展示曲线为实验随机选择结果，另外改进后的随机一致性采样算法初始样本点选择数目k取值为30～45时效果最佳，具体取值视点云密度大小决定，点云密度越大其取值愈大，反之愈小。
[0070]
2模型约束输电线激光点云分割
[0071]
输电线路设计与管理部门的电网台账数据存储了输电线路杆塔坐标数据，可将不同走向、不同高程分布的输电线点云数据进行单档提取，因此本发明研究对象是利用坐标台账提取后的单档输电线路点云数据。
[0072]
在点云空间中，悬挂于两固定杆塔的单根输电线彼此近似平行且彼此保持一定的空间距离，改进后的随机一致性采样算法能从单档输电线点云数据中重建单根输电线模型，单根输电线激光点云紧紧围绕在三维空间模型曲线周围，其余噪声点和输电线点与输电线模型曲线保持隔离。
[0073]
以改进后的随机一致性采样算法重建输电线直线-抛物线空间模型为约束条件，将模型曲线周围一定范围内的点分割为单根输电线点集，采用输电线逐根识别的基本思路，提出了模型约束的输电线激光点云分割方法。
[0074]
首先，设置参数k,d，其中d表示待分割点云距离模型曲线的距离阈值，理想环境下，激光点云均匀分布在单根输电线表面呈空间弯曲圆柱形状分布，模型曲线穿过输电线截面圆的圆心，考虑到激光点云的离散行，距离阈值d取输电线截面半径的3～5倍。当激光点距离模型曲线的距离小于阈值时，标记该点为该模型曲线约束下的单根输电线识别点云数据集，并标记为已分割点，反之，标记为待分割点，然后对待分割点云重复上述操作，直至剩余点云数量较少，点云分割完成并将剩余点标记为噪声点，最终实验单档单根输电线点云分割。主要技术流程如图2所示。
[0075]
3实验与分析
[0076]
选择两景具有典型代表性的单档输电线激光点云为实验数据，如图3所示。其中实验数据1为有人机载激光雷达系统获取的单档非分裂输电线点云，包含5根输电线(2根避雷线和3根非分裂导电线)，该实验数据共有激光点数目5932，其中导电线点云存在严重缺失现象和少量噪声点，如图3(a)所示；实验数据2为无人机载激光雷达系统获取的四分裂导电线点云，由4根单导线组成，单导线之间空间距离0.4m，该实验数据共有激光点数目7589，点云数据中存在间隔棒点、大量噪声点等非输电线点，如图3(b)所示。总之，所选实验数据在电网工程中具有普遍代表性且为输电线机载激光点云分割处理的技术难点。
[0077]
图4展示了不同方法实验数据1单档输电线点云分割结果，颜色显示随机选择，其中图4(a～c)分别采用二维特征空间间接分割法(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，简称k均值聚类法)、基于三维点云直接分割法(一种基于机载lidar点云电力线自动提取方法[j].测绘科学技术学报,2019，简称密度聚类法)和本发明方法单档输电线点云分割结果。当输电线点云存在缺失现象时，k均值聚类法通过先验知识设置分割数目等于输电线根数，保证了分割目标类别数目正确，但k均值聚类法将数据缺失段与非缺失段视为等同的k个分类目标，没有考虑数据缺失段对分类对象类别数目的减少影响，导致数据缺失段点云分割结果标记混乱出现错误的分割结果，如图3(a)所示相同单根输电线包含多个分割类别；当激光点云存在数据缺失时，缺失片段改变了输电线彼此联通的特性，导致单根输电线被分割为多个目标类别且点云分割目标数目与输电线根数偏差较大，出现过分割现象，如图3(b)所示；本发明方法通过从全局范围内随机选择多个种子点，克服了k均值聚类法和密度聚类法对局部范围内点云连续性和完整性的限制，削弱了点云数据缺失片段对输电线点云分割结果的影响，单根输电线标记为相同的目标类别标签且分割数目与输电线根数保持一致，表明当激光点云存在缺失时，本发明方法输电线点云分割结果完全正确，具有较好的适用性。
[0078]
图5展示了不同方法实验数据2分裂导线点云分割结果，其中红色点为分割过程中识别得到的噪声点，其余颜色点为单根输电线点。三种方法均能得到理想的分割数目，但密度聚类法和本发明方法能在点云分割过程中识别夹杂在单导线之间的间隔棒和噪声点等非输电线点，相比于密度聚类法，本发明方法对靠近输电线的噪声点识别效果更好，表明本发明方法具有抗噪性强的优势。
[0079]
以手动分割结果为标准参考，选择识别噪声点数m/个、准确率最大值和最小值为
输电线激光点云分割结果的精度评价指标，其中准确率表示单根输电线分割结果与标准参考的比值，三种方法输电线点云分割结果对比如表1所示。本发明方法对输电线类型不敏感，非分裂输电线和分裂导线均有较高的分割精度，当输电线点云存在噪声和缺失现象时，本发明方法点云分割准确率均接近于100％，明显优于k均值聚类法和密度聚类法，特别说明：该精度对比结果为实验数据多次重复实验结果的精度统计，表明本发明方法具有稳定性好、普适性强、噪声和缺失因素不敏感的优势。
[0080]
表1实验数据点云分割结果精度统计
[0081][0082]
本发明方法涉及初始种子点选择数目k、噪声识别阈值d两个关键参数，虽然文中给定了参数选择的参考，但作为先验知识参数输入降低了方法的自动化程度，后续研究将重点关注如何提高参数选择的自适应性。
[0083]
以上所述的仅是本发明的部分具体实施例，方案中公知的具体内容或常识在此未作过多描述(包括但不仅限于简写、缩写、本领域惯用的单位)。应当指出，上述实施例不以任何方式限制本发明，对于本领域的技术人员来说，凡是采用等同替换或等效变换的方式获得的技术方案均落在本发明的保护范围内。本技术要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

技术特征：
1.一种基于模型匹配的输电线激光点云分割方法，其特征在于，所述方法包括改进ransac输电线模型重建和模型约束的输电线激光点云分割。2.根据权利要求1所述的方法，其特征在于，所述改进ransac输电线模型重建为，输电线三维空间抛物线方程分解为直线-抛物线方程，公式(1)所示，其中(k,b0)为直线模型参数，(a,b,c)为抛物线模型参数，x
′
为激光点云投影至铅垂面的横坐标；线性模型参数求解方法采用最小二乘法和随机一致性采样算法。3.根据权利要求2所述的方法，其特征在于，所述最小二乘法包括：(1)改进初始样本点选择原则和数目；沿输电线水平走向，将激光点云划分为k个分段，从每个分段中随机选择1个样本点组合k个初始种子点作为为初始模型参数求解样本数据集，其中k大于模型参数求解的最小样本点且小于最大样本数据集n；(2)引入最小二乘法初始模型参数求解；引入最小二乘法对k个样本数据集进行整体模型参数求解。4.根据权利要求1所述的方法，其特征在于，所述改进ransac输电线模型包括如下步骤：step 1：根据公式(2)计算迭代次数m，其中ω表示输电线点所占比例即内点概率，θ表示置信概率(通常取值范围0.95～0.99)，k表示随机采样点数目：m＝lg(1-θ)/lg(1-ω
n
)
ꢀꢀꢀꢀꢀ
(2)step 2：沿档距将激光点云分为k个分段并在各个分段随机抽取激光点组成k个样本数据集，利用最小二乘法分别求解公式(1)中直线和抛物线模型参数解，重建空间抛物线初始模型；step 3：利用初始模型对整体点云数据集进行检验，计算并统计模型的有效点数，若当有效点数最大，则将当前模型标记为最优模型；step 4：若当前最优模型的有效点数大于设定的阈值而算法提前收敛或迭代次数大于设定次数，则迭代停止；否则重复step 2～step 3；step 5：输出最优模型参数和最佳模型，算法执行结束。5.根据权利要求1所述的方法，其特征在于，所述k为初始样本点选择数目，取值为30～45。6.根据权利要求1所述的方法，其特征在于，所述模型约束的输电线激光点云分割，具体为，单档输电线激光点云设置参数k，d，j＝0，改进ransac输电线模型重建；单根输电线点提取并标号
搜索待分割点云判断n是否足够大，若为是，则回到改进ransac输电线模型重建步骤；若为否，则标记为噪声点分割结果p＝{p0，p1，p2...p
j
}，结束。

技术总结
本发明涉及一种基于模型匹配的输电线激光点云分割方法，所述方法包括改进RANSAC输电线模型重建和模型约束的输电线激光点云分割。本发明方法能在点云分割过程中自动识别噪声点，具有较好的精度，同时对点云噪声、数据缺失等复杂背景环境下仍具有较好的普适性。等复杂背景环境下仍具有较好的普适性。等复杂背景环境下仍具有较好的普适性。


技术研发人员：麻卫峰 吴小东 王冲 闻平 吴弦骏 曹磊 王莹 付航 杨彦梅 朱琪
受保护的技术使用者：中国电建集团昆明勘测设计研究院有限公司
技术研发日：2023.05.26
技术公布日：2023/8/16