張 英，汪 勇，廖如超，袁新星，康泰鐘

（1.廣東電網(wǎng)有限責(zé)任公司機(jī)巡作業(yè)中心，廣東 廣州 510145; 2.北京數(shù)字綠土科技有限公司，北京 100089）

0 引 言

生長(zhǎng)在輸電線路附近，并且對(duì)線路造成安全隱患的樹木會(huì)被定義為危險(xiǎn)樹障。及時(shí)清理危險(xiǎn)樹障是架空線路安全運(yùn)行的重要工作，其保證電網(wǎng)安全、經(jīng)濟(jì)、可靠運(yùn)行[1-2]。

對(duì)輸電線路定期巡檢和及時(shí)發(fā)現(xiàn)并清理危險(xiǎn)樹障，能夠有效消除樹障導(dǎo)致的隱患或事故。但是，人工巡線勞動(dòng)強(qiáng)度大、效率低，維護(hù)人員在高壓線路上作業(yè)存在危險(xiǎn)，并且線路所在環(huán)境復(fù)雜，人與設(shè)備難以進(jìn)入荒山野嶺，無人機(jī)作業(yè)成為電力巡檢的新手段[3-6]。而在巡檢過程中，如何通過無人機(jī)測(cè)量樹木與導(dǎo)線的距離是判斷樹木是否為危險(xiǎn)樹障的關(guān)鍵。而隨著測(cè)量?jī)x器的不斷進(jìn)步，目前導(dǎo)線激光測(cè)距、超聲波測(cè)距、傾斜攝影測(cè)距、直升飛機(jī)機(jī)載激光雷達(dá)建模測(cè)距技術(shù)在我國架空輸電線路巡檢作業(yè)中都被普遍使用。這些方法不僅提高了樹障測(cè)量的精度，還提高了線路巡檢作業(yè)的效率。然而這些方法還存一些不足，在導(dǎo)線激光測(cè)距中，其通過向目標(biāo)發(fā)射一簇激光反射進(jìn)行測(cè)距，覆蓋面小，在巡檢過程中難以獲知全面的樹木信息，對(duì)日后運(yùn)維管理造成困難[7-8]；在超聲波測(cè)距中，通過超聲波傳輸和反射之間時(shí)間差進(jìn)行距離測(cè)量，而在實(shí)際作用中，超聲波測(cè)量距離有限，并且超聲波的速度還受溫度和風(fēng)向的干擾，會(huì)被吸音面吸收導(dǎo)致實(shí)際測(cè)量數(shù)據(jù)不穩(wěn)定[9]；在傾斜攝影測(cè)距中，通過攝像頭從不同角度拍攝照片進(jìn)行三維建模，而實(shí)際作業(yè)中，線路檔距普遍較長(zhǎng)，需要拍攝耗費(fèi)時(shí)間較長(zhǎng)，在無人機(jī)電量有限的情況下，難以支持長(zhǎng)檔距的傾斜攝影[10-11]；在機(jī)載激光雷達(dá)建模測(cè)距中，通過機(jī)載激光雷達(dá)掃描，獲取輸電線路及其走廊附近物體的三維坐標(biāo)，以此對(duì)線路附近進(jìn)行三維建模并且后臺(tái)計(jì)算輸電線路與地表物距離，在實(shí)際作業(yè)中存在成本高，直升飛機(jī)受航空管制，巡檢間隔長(zhǎng)等問題[12]。

為了彌補(bǔ)以上測(cè)量手段的不足，本文提出基于三維激光雷達(dá)的樹障實(shí)時(shí)測(cè)量系統(tǒng)及方法，搭建了無人機(jī)基于三維激光雷達(dá)測(cè)量的硬件框架，提供一種無人機(jī)樹障測(cè)量解決方案，克服了傳統(tǒng)無人機(jī)先采集后處理分析而導(dǎo)致操作比較繁瑣的問題。最后在實(shí)地巡檢中，與傳統(tǒng)樹障測(cè)量方式進(jìn)行比較，驗(yàn)證該測(cè)量方式的有效性。

1 三維激光雷達(dá)

本文選用的是Velodyne-16 lite三維激光雷達(dá)。飛機(jī)端的板載計(jì)算機(jī)通過網(wǎng)口線與激光雷達(dá)的驅(qū)動(dòng)板相連接，樹障檢測(cè)軟件系統(tǒng)則通過ROS系統(tǒng)的Velodyne驅(qū)動(dòng)程序獲取其掃描的三維數(shù)據(jù)。

1.1 Velodyne-16 lite三維激光雷達(dá)簡(jiǎn)介

Velodyne-16 lite是Velodyne公司出品的最小型的三維激光雷達(dá)，保留了電機(jī)轉(zhuǎn)速可調(diào)節(jié)的功能，能夠?qū)崟r(shí)上傳周圍距離和反射率的測(cè)量值。雷達(dá)質(zhì)量只有700 g，能夠在小型無人機(jī)和小型移動(dòng)機(jī)器人上進(jìn)行搭載。Velodyne-16 lite三維激光雷達(dá)具體參數(shù)如表1所示。

表1 Velodyne-16 lite三維激光雷達(dá)參數(shù)說明

1.2 三維激光雷達(dá)的坐標(biāo)軸建立

在原始數(shù)據(jù)中，數(shù)據(jù)包括點(diǎn)云相對(duì)應(yīng)垂直角ω、方位角α和距離R。每個(gè)激光點(diǎn)都具有X、Y、Z坐標(biāo)，如圖1所示。而硬件實(shí)際掛載雷達(dá)結(jié)構(gòu)如圖2所示。實(shí)際掛載雷達(dá)掃描點(diǎn)云數(shù)據(jù)如圖3所示。

圖1 三維激光雷達(dá)XYZ坐標(biāo)轉(zhuǎn)換

圖2 M210三維激光雷達(dá)掛載結(jié)構(gòu)側(cè)面圖

圖3 測(cè)量過程中三維激光雷達(dá)掃描點(diǎn)云圖

2 多線雷達(dá)樹障檢測(cè)算法

2.1 點(diǎn)云數(shù)據(jù)預(yù)處理

在巡檢過程中，雷達(dá)產(chǎn)生數(shù)據(jù)量巨大，Velodyne 16線三維激光雷達(dá)每秒能夠產(chǎn)生30萬個(gè)激光點(diǎn)，若把原始數(shù)據(jù)作為處理對(duì)象會(huì)使得機(jī)載計(jì)算機(jī)處理時(shí)間過長(zhǎng)。該研究通過對(duì)點(diǎn)云原始數(shù)據(jù)進(jìn)行降采樣等預(yù)處理，通過直通濾波器對(duì)XYZ軸坐標(biāo)間范圍進(jìn)行過濾并劃定感興趣區(qū)域，降低處理數(shù)據(jù)量，減少機(jī)載計(jì)算機(jī)的計(jì)算量。另外，為了避免噪點(diǎn)數(shù)據(jù)的干擾，本文通過統(tǒng)計(jì)濾波器去除明顯離群點(diǎn)和孤立點(diǎn)。上述預(yù)處理使采樣數(shù)據(jù)減少，計(jì)算機(jī)處理速度加快。預(yù)處理后的點(diǎn)云數(shù)據(jù)如圖4所示。

圖4 預(yù)處理后的點(diǎn)云數(shù)據(jù)

2.2 非地面點(diǎn)云與地面點(diǎn)云分離

為了實(shí)現(xiàn)對(duì)樹木點(diǎn)云的檢測(cè)，首先，需要將預(yù)處理后的感興趣區(qū)域點(diǎn)云數(shù)據(jù)中的地面點(diǎn)云與非地面點(diǎn)云進(jìn)行分離劃分。現(xiàn)有的主要點(diǎn)云分割濾波算法有5類：基于坡度、基于形態(tài)學(xué)、基于曲面擬合、基于TIN[13]和基于機(jī)器學(xué)習(xí)的濾波算法[14]。其中，基于坡度算法的實(shí)現(xiàn)原理簡(jiǎn)單并且具有實(shí)時(shí)性；機(jī)器學(xué)習(xí)、形態(tài)學(xué)的濾波算法涉及統(tǒng)計(jì)計(jì)算，算法處理時(shí)間長(zhǎng)、無法滿足實(shí)時(shí)性要求；另外，Himmelsbach等[15]提出的地面坡度分離算法將地面分成扇形微分區(qū)域，在每個(gè)扇形中提取直線進(jìn)行地面分割，以此實(shí)現(xiàn)對(duì)地面點(diǎn)云數(shù)據(jù)的實(shí)時(shí)分割。本文在該算法基礎(chǔ)上提出了地面坡度分離算法，具體流程如下：

1）本文采用的三維激光雷達(dá)的掃描范圍為[–15°，15°]，共有16條不同垂直角的掃描射線，每相鄰兩條射線間隔為2°，將不同射線掃描采集的點(diǎn)云數(shù)據(jù)進(jìn)行劃分，記為集合St，其中t為掃描射線的編號(hào)，0≤t≤15。將地面點(diǎn)云集設(shè)為G，設(shè)非地面點(diǎn)云集NG。

2）在每條射線集St中以每個(gè)點(diǎn)云數(shù)據(jù)Pt,α（i）的方位角大小α進(jìn)行排序，其中Pt,α（i）∈St，0≤i≤Len（St）–1。

3）將該射線集的初始點(diǎn)Pt,α（i）∈NG，記為前點(diǎn)Pr，即Pr∈NG。將下一個(gè)點(diǎn)云數(shù)據(jù)Pt,α（i）記為當(dāng)前點(diǎn)Cu。

4）遍歷該射線集St的點(diǎn)云數(shù)據(jù)Pt,α（i），進(jìn)行點(diǎn)云集劃分，在排序好的射線集中計(jì)算前點(diǎn)Pr和當(dāng)前點(diǎn)Cu的高度差為H。

If Pr∈ NG，H<0，|H|≥β，則Cu∈G。

If Pr∈ NG，H≥0，則Cu∈NG。

If Pr∈ G，H>0，|H|≥β，則Cu∈G。

If Pr∈ G，H≤0，則Cu∈NG。

其中坡度閾值為β。

5）Pr=Cu，i=i+1，重復(fù)4），直到i=Len（St）?1。

6）St遍歷完，t=t+1，重復(fù)2），直到t=15，St完成遍歷。

7）點(diǎn)云集劃分完成。

經(jīng)過非地面與地面點(diǎn)云分類算法處理的后點(diǎn)云數(shù)據(jù)效果，如圖5所示。

2.3 非地面物體點(diǎn)云檢測(cè)

通過點(diǎn)云分割算法對(duì)地面和非地面的點(diǎn)云數(shù)據(jù)進(jìn)行分類后，進(jìn)一步地需對(duì)非地面點(diǎn)云數(shù)據(jù)進(jìn)行聚類檢測(cè)。本文通過K-D樹搜索的歐氏聚類算法，將非地面點(diǎn)云聚類為物體群，并且計(jì)算出非地面物體的最大最小XYZ軸坐標(biāo)，并以立方體標(biāo)記區(qū)分，完成非地面點(diǎn)云物體群的檢測(cè)。

另外，聚類算法需根據(jù)距離對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行大量的臨近點(diǎn)搜索，若通過簡(jiǎn)單的遍歷方法會(huì)導(dǎo)致其處理速度太慢而無法滿足實(shí)時(shí)要求，而K-D樹是歐幾里得空間中組織點(diǎn)的基本數(shù)據(jù)結(jié)構(gòu)，通過K-D樹可加快聚類算法的搜索速度。聚類算法過程如下：

1）將非地面的點(diǎn)云的X軸全部置為0，即所有點(diǎn)云處于ZOY平面中。

2）設(shè)定非地面點(diǎn)云中隨機(jī)的一點(diǎn)云為初始點(diǎn)P。

3）通過K-D樹近鄰搜索算法找到k個(gè)離點(diǎn)P最近的點(diǎn)集Vi，若點(diǎn)集Vi的點(diǎn)與P的距離小于設(shè)定的閾值點(diǎn)，則屬于Ci類空間中。

4）統(tǒng)計(jì)Ci空間的點(diǎn)云數(shù)量N，在Ci選取點(diǎn)P以外的點(diǎn)，重復(fù)步驟3）。若N∈[Nmin,Nmax]，則該Ci類空間已經(jīng)聚類完成。

5）計(jì)算Ci內(nèi)點(diǎn)云最大最小的XYZ坐標(biāo)，在最大坐標(biāo)外隨機(jī)尋找一點(diǎn)P，重復(fù)步驟2）～4），形成新的Ci+1類，直至C類不在增加，結(jié)束聚類。

為了確定類C的空間位置，可對(duì)各個(gè)類C中的所有點(diǎn)云計(jì)算最大最小的XYZ坐標(biāo)。聚類檢測(cè)的結(jié)果如圖6所示。

圖6 聚類后檢測(cè)密集樹木點(diǎn)云圖

2.4 樹障判斷

三維激光雷達(dá)的水平方位角為0°平面以上為導(dǎo)線區(qū)域，如圖7所示。

圖7 樹障測(cè)量模型側(cè)面示意圖

定義雷達(dá)激光掃描一圈為一個(gè)周期T，T為一次樹障距離的計(jì)算間隔，HBT為飛機(jī)在T周期中檢測(cè)樹木最高點(diǎn)云與飛機(jī)的距離，HLT為飛機(jī)在T周期中檢測(cè)導(dǎo)線區(qū)域最低點(diǎn)云與飛機(jī)的距離，二者的和為檢測(cè)物離線高度H，而L為檢測(cè)樹木距小號(hào)塔的距離，在T周期中，檢測(cè)樹木離線高度為H、距小號(hào)塔的距離L的檢測(cè)樹木定義為BT（H,L），S為檢測(cè)樹障的集合，θ為樹障離線距離閾值。

即樹木物體的樹障判斷為

為了避免在雷達(dá)掃描間隔T中對(duì)樹障重復(fù)檢測(cè)，引入檢測(cè)處理時(shí)間T1，即檢測(cè)樹障后，飛機(jī)需拍攝樹障圖片后，經(jīng)過樹障時(shí)間為T1，繼續(xù)巡檢掃描檢測(cè)。

3 系統(tǒng)組成

該系統(tǒng)包含無人機(jī)上的板載計(jì)算機(jī)、三維激光雷達(dá)和樹障測(cè)量算法等部分，通過無人機(jī)搭載的三維激光雷達(dá)和板載計(jì)算機(jī)從導(dǎo)線起始點(diǎn)進(jìn)行檢測(cè)、分析數(shù)據(jù)，達(dá)到數(shù)據(jù)采集、處理的目的。另外，基于三維激光雷達(dá)的樹障測(cè)量系統(tǒng)由數(shù)據(jù)分析軟件系統(tǒng)和硬件采集系統(tǒng)兩部分組成。

3.1 硬件框架

硬件采集系統(tǒng)主要基于ROS系統(tǒng)進(jìn)行設(shè)計(jì)開發(fā)，主要負(fù)責(zé)采集樹木的空間位置信息、樹障圖像信息和GPS信息，并且利用無線通信技術(shù)將測(cè)量數(shù)據(jù)返回控制終端。本文通過GPS系統(tǒng)組建RTK差分的方法，使無人機(jī)的GPS定位精度更加準(zhǔn)確。其ROS硬件節(jié)點(diǎn)框架圖如圖8所示。

圖8 系統(tǒng)硬件架構(gòu)圖

3.2 軟件實(shí)現(xiàn)流程

軟件系統(tǒng)在板載計(jì)算機(jī)和測(cè)量終端中運(yùn)行，主要負(fù)責(zé)對(duì)硬件采集的點(diǎn)云數(shù)據(jù)做實(shí)時(shí)分析處理，其中包括預(yù)處理、點(diǎn)云分割、聚類檢測(cè)、樹障判斷。測(cè)量流程如圖9所示。

圖9 導(dǎo)線樹障測(cè)量流程圖

4 實(shí)驗(yàn)結(jié)果與分析

4.1 實(shí)驗(yàn)條件

本文選取了某實(shí)際運(yùn)行同塔雙回線路進(jìn)行了現(xiàn)場(chǎng)測(cè)試，環(huán)境溫度29 ℃，風(fēng)速3 m/s。采用了一架多旋翼無人機(jī)搭載三維激光雷達(dá)進(jìn)行飛行巡檢，分別在#40-#41檔、#41-#42檔、#42-#43檔、#43-#44、#52-#53檔進(jìn)行三維激光雷達(dá)樹障巡檢實(shí)驗(yàn)。

為了保障飛機(jī)與導(dǎo)線的安全，設(shè)定飛機(jī)與導(dǎo)線的水平距離為5 m，而在巡檢規(guī)定中，樹障離線的安全距離為7 m以外，該實(shí)驗(yàn)設(shè)定樹障離線距離閾值θ為7.7 m。根據(jù)樹木密集程度設(shè)定 Nmin、Nmax分別為 100，2 000。坡度閾值β為 0.8 m，聚類簇的最大距離為0.5 m。

另一方面，實(shí)驗(yàn)采用激光測(cè)距望遠(yuǎn)鏡等傳統(tǒng)手段進(jìn)行樹障距離實(shí)測(cè)進(jìn)行對(duì)比，計(jì)算兩者的相對(duì)誤差，以驗(yàn)證本文提出測(cè)量方法的準(zhǔn)確性。

4.2 實(shí)驗(yàn)結(jié)果分析

在實(shí)地實(shí)驗(yàn)中，通過無人機(jī)搭載三維激光雷達(dá)系統(tǒng)對(duì)選定的線路進(jìn)行樹障檢測(cè)，結(jié)果如表2所示。另外，兩種測(cè)量手段得出的結(jié)果進(jìn)行對(duì)比，分析相對(duì)誤差，其中相對(duì)誤差的計(jì)算方式如下式所示：

表2 樹障巡檢報(bào)告表

式中：dl——實(shí)時(shí)三維激光雷達(dá)測(cè)量的樹障離線距離；

dr——激光測(cè)距望遠(yuǎn)鏡測(cè)量的樹障離線距離。

兩種測(cè)量方式對(duì)比分析結(jié)果如表3所示。

表3 不同測(cè)量方法下的樹障距離測(cè)量結(jié)果表

由表3記錄的結(jié)果可知，本文提出的基于無人機(jī)三維激光雷達(dá)系統(tǒng)測(cè)量方法與利用激光測(cè)距望遠(yuǎn)鏡的傳統(tǒng)測(cè)量方法中，兩者的最大相對(duì)誤差在±1.52%以內(nèi)，證明了測(cè)量結(jié)果可信有效。此外，在相同線路進(jìn)行巡檢過程中，因無需巡檢人員翻山越嶺巡線，本文所述方法對(duì)比傳統(tǒng)測(cè)量方式所需巡檢耗時(shí)大大減少，較大地提高了作業(yè)效率。

5 結(jié)束語

本文提出了基于三維激光雷達(dá)的樹障實(shí)時(shí)測(cè)量方法，將三維激光雷達(dá)、無線通信技術(shù)、GPS以及無人機(jī)技術(shù)應(yīng)用于架空輸電線路樹障測(cè)量，該方法不僅克服了現(xiàn)場(chǎng)地理環(huán)境的影響，而且有利于提高工作效率，提高樹障距離測(cè)量的精度。在實(shí)地實(shí)驗(yàn)中，對(duì)某實(shí)際運(yùn)行線路進(jìn)行實(shí)際測(cè)量和對(duì)比，結(jié)果驗(yàn)證了文章所提出方法的有效性及可行性。本文提出的實(shí)時(shí)測(cè)量方法為樹障測(cè)量技術(shù)提供了新的思路和解決方案。