一种基于激光雷达点云的输电线路通道树障检测方法与流程

本发明属于输电线路运维，尤其涉及一种基于激光雷达点云的输电线路通道树障检测方法。

背景技术：

1、输电线路通道的树障巡检通常通过机载激光扫描或移动激光扫描采集点云。als（airborne laser scanning，机载激光扫描）适合对较长线路进行快速覆盖，但局部点云往往较稀；mls（mobile laser scanning，移动激光扫描）能够获得较密集的数据，却受到道路、地形和通道可达性的限制。城市线路两侧常有建筑物、广告牌和树木，山地通道则多受坡地及高大植被影响。激光雷达从单一方向扫描时，枝叶后方、杆塔背面或导线附近可能没有足够的回波点，采集结果中会留下空缺。玻璃和金属表面的反射还会产生位置异常的散点，导致局部点云忽密忽疏。遇到这类数据时，树冠边缘、异物位置以及植被至导线的距离都可能出现判断偏差。

2、已有方法常用分水岭算法划分点云区域，或者用规则边界框圈定目标。分水岭的划分结果受点密度、高程差和噪声分布影响较大。树木与导线、杆塔或建筑立面靠得较近时，算法可能在树冠内部形成多条分界，也可能没有识别出目标之间原本存在的边界，最终把同一树冠拆成数块，或将附近的杆塔点、导线点混入植被区域。

3、边界框通常采用矩形或长方体圈定目标，但树冠本身并不是规则实体。在线路通道中，枝条会向导线、杆塔甚至建筑物一侧伸展，框体很难与树冠外缘保持一致。框取范围偏大，周围的线缆、杆塔和建筑物点可能混入其中；缩小范围后，靠近导线的细枝又容易被排除；当点云缺失较多或存在目标相互遮挡的区域，边界框的位置和尺度还会随着数据完整程度发生变化，树障边界及净空距离的计算也会受到影响。

4、由于激光雷达在不同平台和作业距离下采集的数据并不完全一致，导致同一线路各区段的点云疏密程度会发生变化。当树木、杆塔、导线或建筑物距离较近时，部分目标点容易混在一起，采用分水岭划分或规则边界框处理点云数据，会出现植被漏分或非植被点混入的情况；因此在进行输电线路通道树障检测时准确度较低。

技术实现思路

1、本发明要解决的技术问题是：一种基于激光雷达点云的输电线路通道树障检测方法，以解决现有技术在进行输电线路通道树障检测时，采用分水岭划分或规则边界框处理点云数据，会出现植被漏分或非植被点混入的情况；因此在进行输电线路通道树障检测时准确度较低等技术问题。

2、发明技术方案：

3、一种基于激光雷达点云的输电线路通道树障检测方法，所述方法包括：

4、步骤1、采集输电线路通道的三维点云数据；

5、步骤2、对三维点云数据中的电力线点和植被点进行分类，将点云分为“植被”、“电力线”和“未分类”；

6、步骤3、分类后的点云采用 ped 算法识别植被靠近电力线的侵占区域。

7、采集数据时，通过激光雷达持续扫描通道，雷达回波数据中保存扫描点的距离和反射强度；通过gnss/imu在同一时间记录设备的位置与姿态，利用这些信息校正各批次点云数据的空间坐标，将不同位置和观测方向得到的数据配准后合并，最终形成覆盖导线、杆塔、植被及线路附近地物的三维点云数据。

8、在进行点云数据分类时，通过pointcnn进行局部特征提取，通过randla-net的进行语义分割，完成对点云数据分类。

9、输入点云进入分类网络后，按照点间距离为各采样点建立局部邻域，通过pointcnn读取邻域点的坐标和已有属性，计算对应的局部几何特征，再将这些特征送入randla-net，randla-net向深层传递数据时随机选取部分点，并为保留点重新搜索邻域，使参与计算的点数逐层下降。

10、pointcnn在邻域卷积前执行χ变换，邻域点相对于中心点的坐标及当前特征共同输入χ变换求得对应矩阵；矩阵用于重新组织邻域特征，并改变各点在卷积运算中的贡献，当点云的输入次序发生变化时，网络仍按邻域内部的相对位置进行计算，得到用于分类的局部特征。

11、所述χ变换实现方法为：

12、先定义变换：

13、；

14、式中，为代表点处得到的聚合特征，表示随网络训练更新的卷积核，为点附近选取的邻域点集合，为这些邻域点对应的输入特征；分别处理各邻域点相对于的坐标，并映射至更高维度；另一多层感知机以邻域相对坐标为输入，计算变换矩阵；矩阵用于调整邻域点的排列及特征权重，使后续卷积能够处理点云无固定顺序及局部分布不均的问题，并获得局部轮廓和空间排列特征。

15、采用 ped 算法识别植被靠近电力线的侵占区域的方法包括：

16、步骤3.1、初始化与点云预分区：

17、将 n 个点的分类点云集 ，，为该点在三维空间中的坐标，label为该点的标签，为该点的激光反射强度；根据每个点的x,y,z坐标将点云划分为离散的矩形部分，每个截面的截面面积 s 为：

18、；

19、表示沿 y 轴的截面数，表示沿 x 轴的截面数；和表示点云分区中的点在x、y上的特征；

20、点云预分区将数据划分为 n 个样本；

21、步骤3.2、点云分区：隔离同时包含植被和电力线点的路段，；

22、代表分区后的结果，表示单个体素样本，和表示此样本中的各个点；这些点的标签用  和 表示；

23、步骤3.3、进行体素级选择区下采样；

24、体素坐标 为：

25、

26、表示为 的代表点被计算为体素内所有点的 和坐标的平均值：

27、；

28、式中   为点云 在x,y,z上的分量，为由点云分区以边长v切分开的体素网格中所有点的集合；

29、步骤3.4、进行植被体素与电力线体素的邻近分析，确定计算靠近电力线的植被位置。

30、步骤3.4的实现方法包括：

31、步骤3.4.1、对于在中的每个点 ，计算间隔最近的靠近电力线的植被位置：

32、；

33、式中为植被体素点，为最近电力线体素点；

34、步骤3.4.2、设置两个阈值，表示严重侵占， 表示轻度侵占，两个阈值的作用为：

35、；

36、步骤3.4.3、，严重侵占的体素归入集合，轻度侵占的体素存入集合 ；

37、。

38、本发明的有益效果：

39、本发明通过pointcnn和randla-net负责在输电通道点云中标出植被和电力线，p-bed读取分类标记以判断植被是否已经接近导线。通过实际测试测试结果，p-bed在mls数据集上的检测精度为100%，在mls、als两类数据集上得到的召回率分别为96.0%和98.0%。

40、由于一次线路扫描会产生数量较多的点云数据，因此本发明通过randla-net在网络各层随机选取部分点继续计算，并依据周围点的坐标和几何关系补充局部特征；分类点云进入p-bed后，按所在位置划分区块，只出现植被或只出现电力线的区块被排除，两类点均存在的部分才进行体素下采样，并计算二者之间的邻近距离。不同区段的扫描点数即使相差较大，也可以按同一流程进行处理。点云完成类别标记和区块检查后，建筑物及杆塔等背景数据不再进入后续运算，距离计算只保留植被与电力线。树障判定不依赖分水岭划出的边界或规则框的大小，而是读取两类体素之间的实际间距。

41、解决了现有技术在进行输电线路通道树障检测时，采用分水岭划分或规则边界框处理点云数据，会出现植被漏分或非植被点混入的情况；因此在进行输电线路通道树障检测时准确度较低等技术问题。