李繼輝,廖云杰,鄔 劍,王鴻飛,劉 瑋,楊生蘭

(國網(wǎng)四川省電力公司超高壓分公司,四川 成都 610036)

1 引 言

輸電線路是電網(wǎng)的重要組成部分,也是維持國計(jì)民生的重要基礎(chǔ)設(shè)施。國家電網(wǎng)部門需要定期對輸電線路進(jìn)行巡檢以消除各種安全隱患[1]。傳統(tǒng)的人工巡檢方式效率低下、操作危險、工人勞動強(qiáng)度大。近年來,基于激光雷達(dá)的自動化巡檢方式逐漸代替人工巡檢[2]。輸電線路巡檢主要包括以下方面:電路危險距離判斷[3]、導(dǎo)線弧垂及風(fēng)偏角測量[4]、輸電走廊三維可視化[5-6]等。而輸電線路三維重建技術(shù)是上述應(yīng)用的基礎(chǔ),因此,開發(fā)一種高精度輸電線路實(shí)時建模技術(shù)具有重要的研究意義。

近年來,三維激光掃描技術(shù)不斷發(fā)展,相較于傳統(tǒng)建模技術(shù)而言,該技術(shù)憑借其高速、全面且高自動化的特點(diǎn),顯示出極大優(yōu)勢,因此世界各國均在研究基于激光雷達(dá)的輸電線路巡檢技術(shù)[7-9]。激光雷達(dá)按掃描方式主要可以分為兩類:機(jī)械激光雷達(dá)和固態(tài)激光雷達(dá)。機(jī)械激光雷達(dá)的出現(xiàn)早于固態(tài)激光雷達(dá),截止目前已有大量基于機(jī)械激光雷達(dá)的輸電線路三維重建技術(shù)方案[10-12],傳統(tǒng)機(jī)械激光雷達(dá)存在價格高昂、體積較大等缺點(diǎn),難以普及應(yīng)用。隨著固態(tài)激光雷達(dá)技術(shù)的發(fā)展,低成本、小體積的固態(tài)激光雷達(dá)逐漸走向市場。機(jī)械激光雷達(dá)帶有控制激光發(fā)射角度的旋轉(zhuǎn)部件,而固態(tài)激光雷達(dá)則無需機(jī)械旋轉(zhuǎn)部件,主要依靠電子部件來控制激光發(fā)射角度。由于掃描方式的不同,基于機(jī)械激光雷達(dá)的三維重建方法也無法直接應(yīng)用于固態(tài)激光雷達(dá)。以本文采用的livox固態(tài)激光雷達(dá)為例,其獨(dú)特的非重復(fù)掃描原理為三維重建帶來了全新的挑戰(zhàn)。

基于固態(tài)激光雷達(dá)的三維重建可以得到厘米級分辨率的高精度三維模型,而高精度模型必然造成儲存空間的大量占用。

本文中重建的模型為架空輸電線路,是典型的戶外大規(guī)模場景,針對此類場景建模得到的點(diǎn)云模型點(diǎn)數(shù)通?？蛇_(dá)到數(shù)十萬甚至百萬級。若直接使用原始數(shù)據(jù),必然會對儲存及傳輸造成極大的負(fù)擔(dān)。因此,本文還提出了一種基于實(shí)時時空點(diǎn)云壓縮的模型壓縮方法,可有效減小模型占用。

2 輸電線路實(shí)時建模

基于機(jī)械激光雷達(dá)的三維建模技術(shù)已經(jīng)較為成熟。與機(jī)械激光雷達(dá)相比,本文采用的livox固態(tài)激光雷達(dá)具有以下特性:

(1)小視場。livox相較于機(jī)械激光雷達(dá)視場更小,每一幀點(diǎn)云的特征變得非常少,因此用傳統(tǒng)特征匹配方法容易發(fā)生退化,使特征匹配失敗。另外,特征點(diǎn)的減少也使得匹配過程更易受運(yùn)動目標(biāo)的影響。

(2)不規(guī)則掃描模式。機(jī)械式激光雷達(dá)采用多個平行的激光接收器,掃描到的點(diǎn)云由許多平行的環(huán)組成,這種規(guī)則的點(diǎn)云大大簡化了特征提取過程,如圖1所示。Livox固態(tài)激光雷達(dá)使用少量激光收發(fā)組件也能達(dá)到多組激光收發(fā)器同時掃描的效果。其采用的非重復(fù)掃描原理如下:在激光光路上增加2～3組可旋轉(zhuǎn)的棱鏡,利用光的折射來控制光在現(xiàn)實(shí)空間中的掃描區(qū)間與位置,同時,這套方案通過精準(zhǔn)控制電機(jī)轉(zhuǎn)動模式也能將點(diǎn)云集中分布在感興趣掃描區(qū)域(ROI)?；诜侵貜?fù)掃描的特性,激光雷達(dá)點(diǎn)云分辨率也會隨著時間積分不斷提升,實(shí)現(xiàn)更加稠密的建圖效果。圖2為livox mid-40視場覆蓋率隨時間變化圖。

圖1 機(jī)械激光雷達(dá)點(diǎn)云

圖2 livox mid-40視場覆蓋率隨時間變化

(3)運(yùn)動模糊。由于采用單個激光頭連續(xù)掃描,同一幀點(diǎn)云中各個點(diǎn)的實(shí)際采集時間并不完全相同,這種幀內(nèi)運(yùn)動會使點(diǎn)云扭曲,導(dǎo)致運(yùn)動模糊。傳統(tǒng)機(jī)械式激光雷達(dá)也存在這樣的問題,但機(jī)械式激光雷達(dá)有多束激光,所以通常不會那么嚴(yán)重。

針對以上問題,本文在經(jīng)典激光SLAM框架的基礎(chǔ)上做了一系列改進(jìn),包括小視場提取特征、運(yùn)動目標(biāo)濾除、以及運(yùn)動模糊補(bǔ)償?shù)?。具體流程如下文所述。

2.1 優(yōu)質(zhì)點(diǎn)選擇

首先定義如下幾個關(guān)于點(diǎn)云的物理量:

(1)點(diǎn)云中點(diǎn)的深度為:

(1)

(2)點(diǎn)與點(diǎn)的偏轉(zhuǎn)角為:

(2)

(3)點(diǎn)云中點(diǎn)的強(qiáng)度為:

I(p)=R/D(p)

(3)

其中,R為點(diǎn)云點(diǎn)的反射率,由激光雷達(dá)直接測得,可以看出強(qiáng)度較小代表點(diǎn)云點(diǎn)距離較遠(yuǎn)或者所屬物體反射率較低。

(4)入射角定義為激光線與點(diǎn)云點(diǎn)周圍平面的夾角:

(4)

為減少點(diǎn)云數(shù)據(jù)量,便于后續(xù)處理,基于上述指標(biāo)刪除如下種類的點(diǎn):

(1)偏轉(zhuǎn)角大于17°的點(diǎn)。這類點(diǎn)接近雷達(dá)視場的邊緣,曲率較大導(dǎo)致特征提取結(jié)果可信度降低。

(2)強(qiáng)度過大或過小的點(diǎn)。反射強(qiáng)度不在正常范圍內(nèi)的點(diǎn)其測量值可能有較大誤差。

(3)入射角接近水平的點(diǎn)。這類點(diǎn)的光斑會被拉成橢圓,不能作為點(diǎn)的信息。

去除上述點(diǎn)后剩下的點(diǎn)成為優(yōu)質(zhì)點(diǎn)(good points),特征提取將在優(yōu)質(zhì)點(diǎn)中進(jìn)行。

2.2 特征提取

實(shí)現(xiàn)點(diǎn)云匹配需計(jì)算點(diǎn)的局部平滑度來提取平面特征或邊線特征。本文提取的特征主要是點(diǎn)到線的殘差和點(diǎn)到面的殘差。

(1)點(diǎn)到線的殘差。令εk表示當(dāng)前點(diǎn)云幀中的邊線特征,εm表示已構(gòu)建地圖中的邊線特征。對于εk中的每個點(diǎn),在εm中搜索它的5個最近鄰點(diǎn)。εk中的點(diǎn)pl在雷達(dá)坐標(biāo)系下,εm中搜索到的點(diǎn)pw在世界坐標(biāo)系下,將pl投影到pw,有如下變換:

pw=Rkpl+tk

(5)

其中,(Rk,tk)是第k幀中最后一個采樣點(diǎn)的位姿,使用它代表這一幀所有點(diǎn)的位姿,即當(dāng)前幀所有點(diǎn)都以(Rk,tk)進(jìn)行坐標(biāo)變換。

設(shè)pi是pw的第i個最近點(diǎn)(i=1,2…,5),計(jì)算這5個點(diǎn)的均值μ和協(xié)方差矩陣Σ,設(shè)Σ中最大特征值為λmax,在其余特征值中任取一個為λ,若λmax>3λ,則認(rèn)為pi形成了一條直線。關(guān)聯(lián)點(diǎn)pw到這條線的殘差計(jì)算公式如下:

(6)

(2)點(diǎn)到面的殘差。與點(diǎn)線殘差計(jì)算方法類似。令Pk表示當(dāng)前點(diǎn)云幀中所有的邊線特征,Pm表示已構(gòu)建地圖中的邊線特征。對于Pk中的每個點(diǎn),在Pm中搜索pw的5個最近鄰點(diǎn)。設(shè)pi是pw的第i個最近點(diǎn)(i=1,2,…,5),計(jì)算這5個點(diǎn)的均值μ和協(xié)方差矩陣Σ,設(shè)Σ中最小特征值為λmin,在其余特征值中任取一個為λ,若λmax<3λ,則認(rèn)為pi形成了一個平面。關(guān)聯(lián)點(diǎn)pw到這個面的殘差計(jì)算公式如下:

(7)

2.3 運(yùn)動補(bǔ)償

t時刻的幀內(nèi)點(diǎn)pl在全局地圖中的對應(yīng)點(diǎn)pw的位姿為:

pw(t)=Rk-1pl+tt

(8)

改進(jìn)后總體算法流程如圖3。

圖3 建模算法流程

3 點(diǎn)云降噪濾波

使用激光雷達(dá)原始數(shù)據(jù)建圖得到的模型會包含較多的噪聲及離群點(diǎn),不便于后續(xù)處理。為得到更加光順的輸電線路三維模型,本文采用基于改進(jìn)模糊C均值聚類(FCM)的點(diǎn)云去噪算法去除離群點(diǎn)和噪點(diǎn)。FCM是一種算法簡單且相對有效的聚類方法。其算法流程如下文所述。

設(shè)包含N個點(diǎn)的點(diǎn)云為P={p1,p2,…,pN},經(jīng)聚類處理后被分為C類O={o1,o2,…,oC},其中oi為每個類別的聚類中心。優(yōu)化函數(shù)為:

(9)

式中,μjk為pj相對于ok的隸屬度,djk表示pj于ok的歐氏距離。

本文對原始FCM算法進(jìn)行改進(jìn),在對距離djk的定義中加入了權(quán)重因子ω,改進(jìn)后的djk定義為:

(10)

(11)

這樣改進(jìn)的目的在于,使遠(yuǎn)離聚類中心的點(diǎn)的權(quán)重更低,而靠近聚類中心的點(diǎn)的權(quán)重更高。這樣處理可以提高算法對噪聲的魯棒性。去噪算法流程如下:對于點(diǎn)云中的每個點(diǎn)pj,如果其鄰近點(diǎn)的數(shù)量小于設(shè)定閾值,則將pj去除;否則,用上述改進(jìn)FCM算法將pj移向ok。

4 點(diǎn)云模型壓縮

本文采用在點(diǎn)云序列中利用空間和時間冗余的時空壓縮技術(shù)。該系統(tǒng)主要有距離圖像轉(zhuǎn)換、空間編碼和時間編碼三個模塊。圖4給出了編碼過程中的結(jié)構(gòu)圖。

圖4 壓縮系統(tǒng)結(jié)構(gòu)圖

一個連續(xù)的點(diǎn)云序列區(qū)分了兩種點(diǎn)云類型:一個關(guān)鍵幀點(diǎn)云(K-frame)和其他的預(yù)測幀點(diǎn)云(P-frame)。首先使用IMU測量值將P-frame轉(zhuǎn)換到K-frame的坐標(biāo)系:

(12)

變換后,將三維笛卡爾空間中的點(diǎn)(x,y,z)轉(zhuǎn)換成距離圖像中的點(diǎn)(θ,φ,r):

(13)

其中,θr和φr分別為激光雷達(dá)的水平和垂直分辨率;r為像素值。

然后通過擬合平面對K-frame進(jìn)行空間編碼,將距離圖像統(tǒng)一劃分為單元塊(例如4×4)。首先對第一個塊的點(diǎn)擬合一個平面,然后擴(kuò)展到相鄰的塊,最終得到一個大的塊?？臻g編碼過程水平增長塊,因?yàn)楝F(xiàn)在的激光雷達(dá)水平分辨率更高。擬合平面給定點(diǎn)可表述為線性最小二乘問題。

將K-frame中擬合的平面用于對P-frame進(jìn)行時間編碼,使用一個平面來編碼多個連續(xù)的點(diǎn)云的重疊場景,避免在每幀點(diǎn)云中進(jìn)行平面擬合,提高壓縮效率。

最后,經(jīng)過時間和空間編碼后,對區(qū)域圖像中的大部分塊進(jìn)行平面編碼;,未被擬合的塊被留在殘余圖中。然后平面和殘余圖被一個無損壓縮方案(例如,霍夫曼編碼)進(jìn)一步壓縮,生成最終編碼的數(shù)據(jù)。

5 實(shí)驗(yàn)分析

本文在ubuntu 18.04和ros平臺上實(shí)現(xiàn)了輸電線路建模、濾波和壓縮算法。實(shí)驗(yàn)平臺配置為:大疆mainfold2邊緣計(jì)算設(shè)備,cpu為Intel i7-8550U,8 GB內(nèi)存,固態(tài)激光雷達(dá)選擇livox mid-70。

5.1 輸電線路實(shí)時建模實(shí)驗(yàn)

實(shí)驗(yàn)場地為四川某地220 kV架空輸電線路使用livox mid-70雷達(dá)進(jìn)行實(shí)時建模得到的結(jié)果如圖5所示。

圖5 輸電線路建模結(jié)果

圖6 模型濾波結(jié)果

得到的模型精度為0.05 m,實(shí)時建模幀率在10 f/s以上,可滿足實(shí)時性要求。

5.2 點(diǎn)云濾波實(shí)驗(yàn)

原始數(shù)據(jù)得到的模型包含較多噪聲,對其進(jìn)行濾波處理得到結(jié)果如圖。濾波前為5763943個點(diǎn),濾波后為4938425個點(diǎn),去除了15 %的噪聲點(diǎn)及離群點(diǎn)。

5.3 點(diǎn)云壓縮實(shí)驗(yàn)

原始數(shù)據(jù)經(jīng)過建模和濾波后,為減輕傳輸壓力,需要對其進(jìn)行數(shù)據(jù)壓縮。首先將模型pcd文件轉(zhuǎn)換為bin文件,然后使用本文提出的壓縮算法進(jìn)行編碼壓縮。壓縮前模型大小為227 MB,壓縮后為43 MB,壓縮率為18.9 %,可大幅減小傳輸帶寬。將壓縮后的模型解碼即可還原為pcd文件,可視化后點(diǎn)云如圖7所示。

圖7 經(jīng)過壓縮后的點(diǎn)云模型

壓縮后的模型與原始模型相比,并未損失太多細(xì)節(jié)。驗(yàn)證了壓縮算法的有效性

6 結(jié) 語

本文針對輸電線路巡檢場景,提出了一種基于固態(tài)激光雷達(dá)的實(shí)時建模、濾波及數(shù)據(jù)壓縮技術(shù),解決了傳統(tǒng)機(jī)械激光雷達(dá)成本高昂、難以普及的痛點(diǎn)。實(shí)驗(yàn)分析表明,本文提出的方案可以實(shí)現(xiàn)高精度實(shí)時建模,有效去除模型噪聲及離群點(diǎn),在保留模型細(xì)節(jié)信息的前提下,大幅減少儲存及傳輸空間消耗,有效降低了巡檢工作的成本,提高了其效率及自動化程度。