一种基于无人机激光点云建模的杆塔形变缺陷检测方法与流程

1.本发明涉及电力巡检技术领域，具体为一种基于无人机激光点云建模的杆塔形变缺陷检测方法。


背景技术：

[0002]“十三五”期间，我国电网建设经历了高速发展的阶段，规模已跃居世界首位。目前我国已经建成了六大跨省区的电网，分别是南方、西北、华东、华中、华北和东北这六大电网，输电线路总长度超过了115万千米，500kv及以上的输电线路已成为各区电网输电主力。并且根据国网公司的计划，新一轮的农网改造过程中，国家电网公司规划总投资将会达到5222亿元。随着我国电网规模的不断扩大以及消费者对于供电稳定性要求的不断提高，提升我国输电线路巡检业务技术含量，使巡检业务向着智能化、自动化、高效化方向发展。
[0003]
无人机搭载激光雷达进行巡视，是在综合以往无人机巡线的优势后，利用激光雷达扫描的方式，对线路空间环境进行测绘，完整获取电力线路走廊的三维点云模型数据，使得巡检线路变成了可任意测量分析的精准立体模型。
[0004]
无人机通过飞行扫描，可以将线路铁塔、导地线、线路通道及其周边环境的影像数据通过空间三维解算形成三维点云数据，可以直观地观察到线路通道走廊内目标物的空间位置和轮廓，确定导地线与地面、建筑、植被等目标物之间的距离。在点云模型中获取高精度的数据信息，结合影像文件可对其进行三维动态分析与模拟，实现对输电线路巡检的范围全覆盖，属性状态全覆盖，位置结构全覆盖，使巡检结果数字化、可追溯化和可分析化。
[0005]
通过精细化建模，即可直接以全局视角观察线路情况，或通过三维模型规划无人机自主巡检线路，辅助无人机对线路进行自主巡检。
[0006]
现有技术的缺陷和不足：1、点云模型利用率低。现阶段，无人机通过激光扫描已能构建出相当高精度的线路杆塔模型，但模型往往用于辅助选择空间坐标，规划无人机自主巡检路径。此过程中只有杆塔部分点位的空间位置信息起到了作用，其余绝大多数的点云数据仅用于可视化展示。
[0007]
2、缺陷查找工作繁杂。构建点云模型后，一般需通过规划无人机自主巡检路径实现无人机自主巡检，然后对巡检成果照片进行缺陷筛查。筛查方法分为人工筛查和ai缺陷识别。人工筛查工作量过大，全部流程加起来不比普通人工巡检效率高多少；ai识别的识别率至今仍难以达到实用级别，主要原因包括现有可用于训练的素材太少和ai训练本身可靠性较低等，导致ai识别效果较差，查出率低且误报率高，识别完还需进行人工复核，进一步加大了工作量。


技术实现要素：

[0008]
本发明的目的在于克服现有技术的不足之处，提供一种基于无人机激光点云建模的杆塔形变缺陷检测方法，该方法可快速巡检并发现实际线路运行中最易出现的绝缘子及金具等的破损、缺失等问题，此外，当线路出现树障或杆塔本体倾斜时，点云数据也会大面
积改变，本方法对此类问题针对性极强，特别是对于及时发现输电杆塔形变缺陷具有较好的实用价值。
[0009]
一种基于无人机激光点云建模的杆塔形变缺陷检测方法，包括以下步骤：步骤一：控制无人机以激光雷达扫描某一正常运行状态的输电杆塔，定义此时输电杆塔的状态为正常状态，并且激光雷达将扫描后得到的点云数据发送至云端服务器；步骤二：云端服务器内搭载的数据分析系统将本次点云数据进行解算并建立三维模型，作为线路标准化模型；步骤三：对三维模型按空间区域划分，给不同区域命名，并将这些区域划分为5cm3的小正方体空间，给每个空间按中心位置坐标的x，y，z值做标记，并统计每个区域内被标记的小正方体的空间数量；步骤四：后续有巡检需要时，使用搭载激光雷达的无人机再次对输电杆塔及线路进行激光扫描，将得到的数据回传至数据分析系统；步骤五：将步骤四得到的激光点云数据发送至云端服务器，由数据分析系统再次建立三维模型，并与步骤二中建立的标准点云数据按空间坐标进行对比；步骤六：统计步骤五中每个区域内被标记的小正方体空间数量，当某个区域内标记数量超过该区域设定的阈值时认为该区域发生了可能影响线路健康运行的形变，需进行检修。
[0010]
而且，步骤五中，将后续巡检得到的点云数据按空间坐标与步骤三中每个小正方体空间的点云数据进行对比；若巡检结果与准化模型的数据密度相差过大则进行标记。
[0011]
而且，步骤五中，需设定数据差异阈值，该阈值为步骤三与步骤六的小正方体空间数量的差值，若阈值大于15且大数大于小数的5倍，则判断此小正方体空间将被标记。
[0012]
而且，步骤三中给不同区域命名内容包括：导线、塔基、横担、绝缘子、防振锤。
[0013]
本发明的优点和技术效果是：本发明的一种基于无人机激光点云建模的杆塔形变缺陷检测方法，高效利用点云数据，挖掘出点云数据中的更多信息，避免了数据浪费和后续为完成其他操作带来新的技术要求，进而导致技术成本上升的问题，并且无需事先具备海量的案例用于ai学习，且本发明尤其对于形变类缺陷的识别简单、快速且可靠。
附图说明
[0014]
图1为本发明中输电杆塔点云区域划分示意图；图2为图1中绝缘子串的点云区域划分示意图；图3为本发明中杆塔形变缺陷检测的方法流程图。
具体实施方式
[0015]
为能进一步了解本发明的内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。需要说明的是，本实施例是描述性的，不是限定性的，不能由此限定本发明的保护范围。
[0016]
一种基于无人机激光点云建模的杆塔形变缺陷检测方法，包括以下步骤：步骤一：控制无人机以激光雷达扫描某一正常运行状态的输电杆塔，定义此时输
电杆塔的状态为正常状态，并且激光雷达将扫描后得到的点云数据发送至云端服务器；步骤二：云端服务器内搭载的数据分析系统将本次点云数据进行解算并建立三维模型，作为线路标准化模型；步骤三：对三维模型按空间区域划分，给不同区域命名，并将这些区域划分为5cm3的小正方体空间，给每个空间按中心位置坐标的x，y，z值做标记，并统计每个区域内被标记的小正方体的空间数量；步骤四：后续有巡检需要时，使用搭载激光雷达的无人机再次对输电杆塔及线路进行激光扫描，将得到的数据回传至数据分析系统；步骤五：将步骤四得到的激光点云数据发送至云端服务器，由数据分析系统再次建立三维模型，并与步骤二中建立的标准点云数据按空间坐标进行对比；步骤六：统计步骤五中每个区域内被标记的小正方体空间数量，当某个区域内标记数量超过该区域设定的阈值时认为该区域发生了可能影响线路健康运行的形变，需进行检修。
[0017]
而且，步骤五中，将后续巡检得到的点云数据按空间坐标与步骤三中每个小正方体空间的点云数据进行对比；若巡检结果与准化模型的数据密度相差过大则进行标记。
[0018]
而且，步骤五中，需设定数据差异阈值，该阈值为步骤三与步骤六的小正方体空间数量的差值，若阈值大于15且大数大于小数的5倍，则判断此小正方体空间将被标记。
[0019]
而且，步骤三中给不同区域命名内容包括：如导线、塔基、横担、绝缘子、防振锤等。
[0020]
另外，本发明优选的，激光雷达及云服务器均采用现有技术中的成熟产品，其中云服务器中搭载的数据分析系统亦采用现有技术中的成熟产品。
[0021]
另外，本发明优选的，无人机沿电力线缆巡检飞行，当飞行至杆塔位置时对杆塔进行激光扫描并构建杆塔的三维网格模型，该三维网格模型中的每个网格均为以无人机为主视角的5cm3小正方体，即如图1所示的输电杆塔点云区域划分示意图（三维网格示意图）。另外，图1中仅为示意图，实际划分区域体积远小于图示，可保证检测精确度更高。
[0022]
另外，本发明优选的，如图2所示，仅需对比两次点云数据中该3个方块区域内的点云数据的差异程度，即可分析出绝缘子串位置是否存在形变缺陷。
[0023]
为了更清楚地说明本发明的具体实施方式，下面提供一种实施例：本发明的一种基于无人机激光点云建模的杆塔形变缺陷检测方法，采用的硬件设备包括：无人机及可载荷的激光雷达，以及云服务器，该云服务器内搭载有一套可对点云数据建模及对比的数据分析系统。无人机与其遥控器通过固有无线链路连接，智能手机与遥控器有线连接，显示全景相机实时画面。激光雷达安装于无人机上，由专人操控，用于对输电线路进行激光扫描，获取点云数据。
[0024]
而且，数据分析系统用于接收点云数据，并通过点云数据建立三维模型。
[0025]
而且，后期再次进行激光扫描时，若某一地理空间区域内点云数据偏差率过高，则认为此处发生形变缺陷。
[0026]
本发明的一种基于无人机激光点云建模的杆塔形变缺陷检测方法，其各部分功能如下：1、无人机：用于搭载激光雷达对输电杆塔及线路进行扫描，需具备可搭载激光雷达的云台。
[0027]
2、激光雷达：与无人机飞控相连，进行激光扫描并回传数据。
[0028]
3、数据分析系统：利用点云数据进行三维建模，并对多次的点云数据进行空间数据对比。
[0029]
最后，本发明的未述之处均采用现有技术中的成熟产品及成熟技术手段。
[0030]
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。