一種基于機載激光點云的電力線提取方法

為保障電力線路運營安全，保障國民經濟，必須定期對電力線進行巡檢。機載激光測量因其能夠精準、高效地獲取電力線路上地數字模型而被廣泛地應用于線路安全檢測，對此國內外也有一定研究，目前主要有三種方法：利用Hough變換提取電力線方法；利用主成分分析進行電力線提取方法；利用人機交互方式進行電力線提取。現有方法大多存在使用局限性，在運用于城市時存在很大誤差，同時也缺乏對擬合坐標系的考慮，擬合模型連續性較差。

在本文中提出了的方法：一種基于機載激光點云的電力線提取方法。將電力線提取分為3個過程：電力線點云的初過濾、通過張量投票確定電力線點云、基于snake模型的電力線提取。

1  機載點云的電力線提取

本文采用張量投票識別線特征點云，用于提取電力線。張量投票中的三個分量：棒張量、板張量與球張量分別對應平面點、線點、特征點。本文通過確定出線點并結合snake模型提取電力線。

1.1  張量投票的分量求解

投票中，需要旋轉、對齊標準張量場以完成投票計算，再此基礎上先投票棒張量，繼而投票板張量、球張量。

以空間（圖1）中兩點為例，其棒張量投票如下：設投票點，接受點，是點從點接收的張量矩陣，點和投票點包含的棒張量都在同一坐標中。棒張量沿著從到的平滑弧線傳輸。原點坐標所形成的張量矩陣的特征值，時，矩陣全由棒張量分量構成。接受點接收的投票張量為：

   (1)

其中，為點的單位法向量，為投票的衰減函數：

 (2)

為兩點間的弧長，表示弧線的曲率，表示控制衰減變化的因子，決定著投票域大小，c為的函數。

當特征值，時，矩陣全由板張量構成，板張量投票是棒張量沿著Z軸旋轉一個單位圓求和所得：

 (3)

其中，是變換矩陣，表示O-YZ面與OP連線的夾角。 

圖1

同理可實現球張量投票。投票結束后，各散點均得到包含特征信息的張量矩陣。通過特征分解可得到各分量，根據每個分量的顯著性，分類各點。

(1)當特征值且 時，棒張量顯著性最大，表明該點為面元素。

(2)當且 時，表明該點為線上的點。

(3)當且 時，其球張量顯著性大，表明該點為角點。

1.2  張量投票電力線點云提取

設置合理的高閾值，剔除大部分地面及低矮植物點云，得到粗略的電力線點云數據集；將點云數據進行張量編碼成一系列33單位矩陣；將顯著尺度參數設置為；在投票域范圍內進行第一次張量投票并統計結果；對第一次張量投票結果進行二次投票，將每個輸入點的張量信息進行精確估計；根據投票結果，保留符合且 的點云。

最后，根據線路走廊點云數據將整段電力線分割成多個單檔距線路點云子集；根據統計分析法在高程方向對線路進行分層，根據空間中每根輸電線路的線路差距來分離出單根輸電線。

1.3  基于snake模型的電力線提取

Snake模型[4]以構成一定形狀的一些控制點（輪廓線），通過模板自身的彈性形變，與圖像局部特征相匹配達到調和，即某種能量函數極小化，完成對圖像的分別，再通過對模板的進一步分析而實現圖像的理解和識別。

Snake模型由一組控制點組成，在坐標系中這些點以首尾以直線相連構成輪廓線，曲線長度s是以傅里葉變換形式描述邊界的自變量，在Snake控制點上定義能量函數

α，β分別控制Snake模型的彈性和剛性，將能量函數極小化，再結合歐拉方程，內部曲線能量寫為：

snake模型要求初始輪廓盡可能的靠近真實輪廓，本文依據張量投票處理后的點云數據確定初始輪廓，進而更精準的提取有效電力線數據，做到對電力線進行分股。

2  實驗與分析

本文以南京某區域機載點云為實驗數據，通過上述方法進行數據處理 ，圖2為原始機載點云，圖3為經過采用本文方法提取的電力線點云。

圖2  原始機載點云

圖3  處理后數據

經上述初過濾，電力線提取，電力線分股等步驟，對本文方法提取出來的電力線數量進行統計。由表1可知，電力線全部正確提取，電力線點提取率較高。

表1 電力線統計

3  結語

本文中提出的方法優點采用張量模型結合snake區域增長模型提取電力線，上述結果表明各電力線提取的正確率較高，且近鄰的多根電力線也能得到有效分離，證明了本文方法的有效性和可行性。本文方法在處理電力線提取上具有較大的優勢，但電力線與電塔點不易分離方面還有待完善。

本文來源：《企業科技與發展》：http://www.007hgw.com/w/qk/21223.html