摘要：针对无人机电力巡检算法缺乏问题，本文提出了基于无人机LiDAR点云的影像分类和安全距离判定算法，并依此算法对实验区进行巡检精度验证，结果发现本文提出的方法鲁棒性较好，具有较高的巡检精度，是一种快速有效的无人机LiDAR点云电力巡检新方法。
关键词：无人机遥感;电力巡检;影像分类;安全距离判定
1 引言
架空电力线路覆盖范围广、穿越区域地形复杂并且自然环境恶劣，由于电力线路、杆塔长期在野外暴露，容易发生导地线断股及腐蚀、绝缘子破损及发热、杆塔倾斜等安全隐患，如不及时发现并处理，可能会导致严重事故，因此电力巡线是一项重要而必备的工作。传统的巡检方法是人工巡检，工作人员按照输电线路的走向实际遍走巡查，其缺点是工作人员必须面对恶劣的自然环境，即使是难以到达的高山和河流也要去现场遍走，这就大大增加了工作人员工作的难度，巡检成本大大增加[1]。目前，无人机巡线技术在国外已广泛应用，而国内起步较欧洲等发达国家晚很多，我国从20世纪80年代开始进行无人机巡线方面的研究，2002年华北电网公司正式启动无人机电力巡线项目。但是，目前国内无人机电力巡线项目还处于硬件开发层面，而发达国家已经逐渐关注后续的图像数据处理方面，其巡检技术已经相对完善[2]。因此，本文基于无人机LiDAR点云影像进行了电力巡检距离安全性分析，得到了较高的巡检精度。
2安全距离判定
输电线路走廊安全距离判定，即测量林木植被、建筑物、交叉跨越等各种位于线路走廊内的地物到电力线的距离，判断距离是否在安全范围内。输电线路巡检必须保证输电导线和线路走廊中的各种地物间的距离符合安全距离规程要求。无人机电力巡检LiDAR系统采集的线路通道点云含有多类目标，包括隶属于输电设施的电力线、杆塔及其附属设施，隶属于非输电设施的植被、建筑物等其他地物目标。对采集到的LiDAR点云数据进行分类，区分出海量三维点云中的电力线点云与其他地物点云是实现自动安全距离诊断的前提。本文首先对无人机载 LiDAR点云进行分类，提取出输电导线点云与线路走廊中的其他地物点云，继而自离散的电力线点云拟合电力线悬链线矢量数据，最后基于此拟合曲线分段计算线路安全距离，排查出安全距离超限区域。
2.1LiDAR影像分类
无人机飞行线路走廊点云数据主要包括林木植被、地面、被巡杆塔、被巡输电线路及少量建筑物，其中林木植被列为主要危险地物。输电线路下方即量测一定范围内区域为安全距离检测的研究对象，本文首先依据已知的线路位置与走向对无人机巡检系统采集LiDAR点云进行裁剪，获得线路走廊区域点云。无人机载LiDAR点云分类是从原始点云数据中分离出地面点、导线点及包括植被、建筑物在内的其它地物点，为进一步的输电导线曲线拟合和安全距离判断做准备。点云维度特征[3]可对点云形状分布进行描述，目前已在点云分割分类中广泛应用。在点云数据中，林木为自然地物，建筑物为人工构筑物，二者对应的激光点云数据在空间几何分布特性上有极大的不同。本文使用维度特征结合区域生长的方法进行建筑物提取，并在剔除建筑物点云的基础上，利用点云维度特征进行林木植被目标的分类。LiDAR 点云中点的维度特征由其邻域内的点集组成的协方差矩阵特征值计算而来。建筑物点云通常具有平直的空间分布特性。在空间中平直分布点集中的某一点其邻域点云在X、Y、Z3个方向上的特征值在平直面所处的2个方向上特征值较为接近，且远大于第3个方向上的特征值。林木植被点由于其生长不规则，空间分布杂乱，在点云空间中呈多向同性分布，邻域点云X、Y、Z3个方向上的特征值较为接近。逐点计算剩余点云维度特征，依据植被的球状分布特征，滤除其他噪声目标的干扰，从而提取出激光点云中的植被目标。
2.2安全距离界定
安全距离判定算法的流程是：首先假设电力线分段安全距离阈值（如基于经验值），沿着电力线下垂曲线向量将其按阈值进行分段，目的是在不同分段内进行当前剖面与邻近剖面所包含的地物与导线间距距离测量。然后计算电力线在所有剖面上距离剖面内地物的净空高、垂直距离和水平距离，同时计算植被倒伏的安全距离，根据植被类别点与数字高程模型记录的地面高差计算植被高度作为林木倒伏半径，根据植被点与地面的交点作为林木倒伏中心，计算植被倒伏轨迹圆弧，若它与导线间的最小距离大于安全距离，则认为此处安全，否则被标定为存在距离安全隐患。接着检索邻近电力线剖面区段，根据上一步定义的安全距离检测方法将邻近区段中的地物作为安全距离计算对象，并计算相邻剖面中地物到当前电力线区段的安全距离值。最后计算获得的最小安全距离，作为当前电力线区段安全距离判定结果。
3实验与分析
实验采用Z5大型无人机作为线路巡检飞行器，对福建省某山区一段7.3km、220kv电压线路进行巡检，机载LiDAR传感器，获取LiDAR点云影像。飞行的线路下方植被情况较为复杂，有平原、山区植被和稀少建筑物，总共18座基塔，无人机飞行共获取5421万点，构成走廊点云，LiDAR点云原始数据如图1（a）所示，局部放大如图1（b）所示。分类和安全距离判定算法在VS2012中编程实现，以验证提出方法的正确性。
（a）
（b）
（c）
图1 实验区LiDAR点云及其分类
图1（c）为线路分类的局部细节图，红色代表提取的电力线点云，绿色为干塔点云，灰色为地表植被点云，由于建筑物稀少，在分类图中未见其分类。点云分类前，对无人机传感系统采集的LiDAR点云进行裁切，获得走廊区域点云。
执行安全距离判定算法，计算后发现该段共有11处安全距离超限。对这11处超限区进行人工巡检，利用本文提出的算法与之比较，发现间距误差最小值为0.03m，最大为0.15m，平均值为0.07m，中误差为±0.05m，而文献[4]所记录方法三项误差分别为0.04m、0.31m、0.09m，由此可见，本文提出的算法优于文献[4]所提方法。
4 结论
通过设计无人机LiDAR点云分类和安全距离算法，实现了LiDAR点云电力线安全距离检测，结果证明本文提出的方法具有较高巡检的精度。后续的研究应丰富检验地物类型，达到巡检地物与电力线关系的全面检验，从而逐步代替人工巡检方法。
参考文献
[1]陶承志,黄禹铭,李宇程,等.无人机电力巡检技术[J].中国科技信息,2016, (18):24-25.
[2]钱金菊,韩正伟,易琳,等.图像处理技术在无人机电力线路巡检中的应用[J].电子技术与软件工程,2017,(15):72-73.
[3] Lalonde J-F，Vandapel N，Huber D F，et al．Natural terrain classification using three-dimensional ladar data for ground robot mobility[J]．Journal of Field Robotics，2006，23(10)：839-861．
[4]彭向阳，陈驰，徐晓刚，等．基于无人机激光扫描的输电通道安全距离诊断技术[J]．电网技术，2014，38(11)：3254-3259．
论文作者:孙鸿博,程海涛,王和平,刘宁,张佳佳
论文发表刊物:《电力设备》2018年第11期
论文发表时间:2018/8/6
标签：距离论文; 无人机论文; 地物论文; 电力线论文; 植被论文; 线路论文; 建筑物论文; 《电力设备》2018年第11期论文;