基于激光点云输电线覆冰厚度检测与融冰防灾方法及系统

1.本发明涉及输电线检修监测技术领域，具体地说，是一种基于激光点云输电线覆冰厚度检测与融冰防灾方法及系统。
技术背景
2.输电线是电力系统的重要构成部分，输电线路上发生周期较长的覆冰现象，会造成导线上附着的冰雪等效厚度不断增大，覆冰会使导线的垂直荷载增加，容易导致线路断线、短路、接地、通讯中断、导线过载断线、融冰跳跃、倒塔、跳闸以及绝缘子闪络等事故，不仅对电力系统(超高压(uhv)/高压/中压输电线路等)的安全检查、稳定运行造成威胁，而且还会给社会造成巨大经济损失。
3.目前常用的覆冰厚度检测方法主要有：人工测量法(测量人员需要去陡峭的山区测量风偏差，这往往会带来很大的风险)、图像处理法(图像质量相对粗糙、数据误差大)、传感器间接计算法等方法。人工测量法主要采用卡尺或卷尺实地接触式直接量取覆冰输电线直径或截面周长，或者勾勒出覆冰导线的截面，计算覆冰厚度或将冰融化为水称重计算。该方法测量准确性高，但是效率较低，测量危险性大。图像处理法主要是通过对导线覆冰图像进行边缘检测，对比覆冰前后的轮廓来判断覆冰的严重程度。该方法克服了人工测量的安全方面的问题，但覆冰厚度检测的精度较低。传感器间接计算法是采用拉力或倾角传感器，实时测量姿态倾角和导线拉力，根据力学平衡关系计算出覆冰厚度，该方法能够实时地测量，但是要面对传感器性能，外界干扰(微地形和微气象)等挑战。覆冰厚度预测和提取精度不高，模型可靠性低和适用范围窄。
4.而对于交通不便的地区、自然环境通常恶劣复杂，维护人员检查输电线路难度大，甚至危险，用于检测和监测现有输电线路上仪器设备受到走廊内的外力和环境侵蚀、受人为等因数影响采样图片、图像精度低、现有的技术不能完全发现组件缺陷或侵占植被，无法实时提供输电线路运行情况，无人机载激光雷达系统能够提取输电线路三维空间信息数据，自动化程度高，逐渐成为电网运行安全监测和风险评估、覆冰险情监测与预警的热点，但是，现有无人机载激光雷达系统受环境与传感器的影响，激光点云图像弯曲电力线和覆冰成像几何相关的变形，尤其是侧倾和透视缩短，会影响影像及设计、预测精度。其中还存在激光点云数据缺失、地形起伏过大、点云拼接、点云去噪、点云滤波处理处理海量数据、工作量大，交叉建模精度低、输电线建立数学模型不可靠、适用范围小、输电线建模与覆冰厚度计算、预测与实践误差较大等问题，且鉴于现有输电线与覆冰厚度进行输电线路风险评估、除冰策略、及提取、检测、监测、存储、识别、存在需要专用设备人工、或半自动实现等精度不高、效率低、成本低不足等问题，本技术研究一种基于激光点云的输电线覆冰厚度检测与融冰防灾方法及系统，为防止冰害事故的发生和输电线路结冰状况快速提供依据，及实现输电线路的有效的监测和维护。


技术实现要素：

5.本发明的目的是在于提供一种基于激光点云输电线覆冰厚度检测与融冰防灾系统及方法，以解决现有技术中覆冰厚度检测精度低、效率低等不足。
6.根据本发明的一个方面，提供一种基于激光点云输电线覆冰厚度检测与融冰防灾方法，所述的方法包括如下步骤：
7.s1、采集输电线的点云数据，并对所采集的点云数据进行滤波处理；
8.s2、粗提取：使用高程阈值从所述点云数据中筛选出输电线的候选点，依据ndt单元特征，在所述候选点中筛选出具有线性特征的点作为特征点；
9.s3、细提取：使用dbscan聚类算法对所述特征点进行聚类，得到单根覆冰输电线；
10.s4、建立所述单根覆冰输电线的抛物线数学模型，计算出弧垂值；
11.s5、根据所述单根覆冰输电线状态方程，基于所述弧垂值计算出无风工况下的所述单根覆冰输电线的水平张力和所述单根覆冰输电线综合比载，进而计算出覆冰比载；
12.s6、基于所述弧垂值以及所述覆冰比载，根据质量守恒定律计算所述单根覆冰输电线的等值覆冰厚度。
13.作为一个优选方案，所述点云数据利用无人机载激光雷达系统获取。
14.作为一个优选方案，步骤s1中所述滤波处理的步骤，包括；
15.将所述点云数据中的任意一点作为采样点，并取所述采样点的k个近邻点；
16.计算所述采样点到k个近邻点距离的欧式均值m和标准差σ；
17.其所述采样点到k个近邻点的欧式距离大于m
±
σ的点视为异常点，对其去除。
18.作为一个优选方案，步骤s2中对所述滤波处理后的点云数据进行所述单根覆冰输电线粗提取的步骤，包括；
19.寻找最佳的高程阈值，对所述滤波处理后的点云数据进行阈值分割处理，将所述点云数据分割为(近)地面点和所述候选点；
20.计算所述候选点的正态分布变换ndt单元，并用一组ndt单元表示点云；
21.期间根据ndt单元的几何外形特征，将ndt单元分为线性单元和非线性单元；
22.并对所述非线性单元的点进行剔除，得到所述覆冰输电线粗提取的结果。
23.作为一个优选方案，步骤s3中对所述粗提取的结果进行细提取得到单根输电线，包括；
24.利用基于密度的聚类方法dbscan对所述粗提取的单根覆冰输电线进行聚类分割，得到聚类分割后的所述单根覆冰输电线。
25.作为一个优选方案，步骤s4中对所述细提取的单根覆冰输电线建立数学模型，计算弧垂值的步骤，包括；
26.s41、采用抛物线模型对单根覆冰输电线空间模型构建,a(0，y0)，b(l，y0+h)为单档内输电线的悬挂点，l为档距，c(x，y)为输电线的任意一点，拟合出抛物线模型：
27.y1＝ax2+bx+c
28.s42、计算悬挂点直线ab的表达式：
[0029][0030]
s43、所述弧垂值为覆冰导线的任意一点到直线ab的铅垂距离得到所述弧垂值表
达式；
[0031]fx
＝y
2-y1[0032]
其中，y1代表重建所述单根覆冰输电线的抛物线模型，y2代表所述单档内输电线的悬挂点a、b的连线，fx代表所述的弧垂值。
[0033]
作为一个优选方案，步骤s5中所述单根覆冰输电线的综合比载的计算步骤，包括；
[0034]
s51、档距中央所述弧垂值的计算公式为：
[0035][0036]
其中γ为导线比载，ε为导线的水平张力，θ为直线ab的水平夹角；
[0037]
s52、所述单根覆冰输电线的状态方程为：
[0038][0039]
其中εn、εm分别为n状态和m状态下的导线水平张力，tn、tm分别为n状态和m状态下的温度，η、e分别为所述单根覆冰输电线温膨系数和弹性系数。
[0040]
s53、已知m状态下的导线水平张力εm和导线比载γm，以及覆冰状态n的档距中央所述弧垂值f
1/2
，计算出覆冰状态n的导线水平张力εn；
[0041]
s54、根据所述覆冰状态n的导线水平张力εn，由档距中央所述弧垂值的计算公式得到覆冰状态下的导线覆冰比载γn。
[0042]
作为一个优选方案，在无风工况下建立导线综合比载γ、覆冰比载γn和自重比载γm的荷载平衡；
[0043]
γ＝γn+γm[0044]
其中γn、γm分别代表导线覆冰比载和自重比载，γ代表导线综合比载。
[0045]
作为一个优选方案，步骤s6中根据质量守恒定律计算出所述等值覆冰厚度的步骤，包括：
[0046]
已知所述单根覆冰输电线的综合比载γ和自重比载γm，所述覆冰比载计算公式：
[0047]
γn＝γ-τm[0048]
由单位长度覆冰质量相等的原则，建立质量守恒的关系式：
[0049][0050]
得到所述等值覆冰厚度的计算公式：
[0051][0052]
其中r、s为无覆冰状态下导线的半径和截面积，ρ为覆冰密度。
[0053]
根据本发明的另一个方面，还提供一种基于激光点云输电线覆冰厚度检测与融冰防灾系统，所述的系统包括以下模块：
[0054]
采集模块，用于采集输电线的点云数据，并对所采集的所述点云数据进行滤波处理；
[0055]
粗提取模块，用于使用高程阈值从所述点云数据中筛选出候选点，依据ndt单元特
征，在所述候选点中筛选出具有线性特征的点作为特征点；
[0056]
细提取模块，用于使用dbscan聚类算法对所述特征点进行聚类，得到所述单根覆冰输电线；
[0057]
模型构建模块，用于建立所述单根覆冰输电线的抛物线数学模型，计算出所述的弧垂值；
[0058]
覆冰比载计算模块，用于根据所述单根覆冰输电线状态方程，基于所述弧垂值计算出无风工况下所述单根覆冰输电线的水平张力和所述单根覆冰输电线综合比载，进而计算出覆冰比载；
[0059]
覆冰厚度计算模块，用于基于所述弧垂值以及所述覆冰比载，根据质量守恒定律计算所述单根覆冰输电线的等值覆冰厚度。
[0060]
根据上述技术方案，本发明的优点在于：
[0061]
1.本发明首先利用对所采集的单根覆冰输电线的点云数据进行滤波处理，对所述滤波后的点云数据进行基于高程阈值的分割和ndt线性单元筛选，实现输电线的粗提取，采用基于密度聚类的方法进行输电线点云数据分割得到单根输电线；然后重建出单根覆冰输电线的数学模型，根据曲线方程计算出弧垂值；根据弧垂值和状态方程计算出覆冰状态下的水平张力，进而计算出覆冰状态下的输电线综合比载，在无风工况下得到冰重比载，最终根据质量守恒定律得到输电线的等值覆冰厚度。
[0062]
2.本发明加入了滤波算法，可以有效的对一些离主体较远的离群点进行去除，利用竖坐标z值根据kd树查找的连通域确定自适应的值将交叉、重叠数据利用高程阈值的分割快速剔除海量的非电力线和非覆冰数据去除、而且本发明在保证不影响点云数据特征的前提下，大大的提高了数据处理的速度。
[0063]
3.本发明根据正态分布变换(ndt)单元的几何形状，可以提取具有线性特征的点，提高了输电线提取的准确度。
[0064]
4.本发明提取线性输电线采用dbscan聚类算法对粗提取的输电线进行聚类，将不同段的线性输电线按密度要求符合和可达，消除了交叉、重叠、缺失、弯曲、变形、模糊图像数据的错误分割；可以有效的提取单根输电线。
[0065]
5.本发明采用抛物线数学模型重构输电线，计算出弧垂，通过弧垂和输电线状态方程计算出等值覆冰厚度，克服了传统力学传感器定点局部监测法精度低的不足的问题，有效准确提取了单根输电线和覆冰厚度、长度，有效准确识别与单根输电线和覆冰连接的组件，为电力线和覆冰线的安全可靠运行状态、维护、设计、防撞、火灾险情预测、规划、检测与监测识别、防止不同类冰害事故的发生和输电线路结冰状况监测与预警快速、为除冰除灾害提供及时快速的依据、及有效实现输电线路与输电线覆冰、其它灾害预测、安全运行、维护、设计管理的准确性和通用性。
附图说明
[0066]
附图1是本发明中所述基于激光点云输电线覆冰厚度检测与融冰防灾方法的流程示意图。
[0067]
附图2是本发明中所述基于激光点云输电线覆冰厚度检测与融冰防灾方法的另一流程示意图。
[0068]
附图3是本发明中所述阈值高程选择的示意图。
[0069]
附图4是本发明中所述三维ndt单元几何特征示意图。
[0070]
附图5是本发明中所述覆冰输电线弧垂测量数值示意图。
[0071]
附图6是本发明中所述等值覆冰断面示意图。
[0072]
附图7是本发明另一实例中所述电线路多灾害预测检测监测智能系统及多种激光点云的输电覆冰线路建模示意图。
[0073]
附图8是本发明中所述基于激光点云的输电覆冰厚度检测点云分割效率比较图。
[0074]
附图9是本发明中115.4公里弧垂输电线覆冰厚度利用mls、als、常规点云、传统摄像图像覆冰厚度点云数据对比误差图。
[0075]
附图10是本发明中所述基于激光点云的输电覆冰厚度检测弧垂输电线除冰预测运行示意图。
[0076]
附图11是本发明中所述基于激光点云的输电覆冰厚度检测融冰示意图。
[0077]
附图12是本发明中所述基于激光点云输电线覆冰厚度检测与融冰防灾系统的结构流程图。
具体实施方式
[0078]
下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明记载的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本技术所附权利要求书所限定的范围。
[0079]
附图12中涉及的附图标记和组成部分如下所示：
[0080]
11、采集模块；
[0081]
22、粗提取模块；
[0082]
33、细提取模块；
[0083]
44、模型构建模块；
[0084]
55、覆冰比载计算模块；
[0085]
66、覆冰厚度计算模块；
[0086]
请参见附图1,2所示，附图1是本发明中所述基于激光点云输电线覆冰厚度检测与融冰防灾方法的流程示意图。附图2是本发明中所述基于激光点云输电线覆冰厚度检测与融冰防灾方法的另一流程示意图。在本实施例中主要解决现有技术中覆冰厚度检测精度低、效率低等问题，对于此涉及了一种基于激光点云输电线覆冰厚度检测与融冰防灾方法，所述的方法包括：
[0087]
s1、利用无人机载激光雷达系统采集所述的点云数据，并对所采集的点云数据进行滤波处理，得到滤波后的点云数据。
[0088]
具体的，步骤s1中所述对采集到的点云数据进行滤波处理的步骤，包括：
[0089]
将所述的点云数据中的任意一点作为采样点，取所述采样点的k个近邻点；
[0090]
计算所述采样点到k个近邻点的欧式距离di的均值m和标准差σ，计算公式为：
[0091]
[0092][0093][0094]
接着将所述采样点到k个近邻点的欧式距离di大于m
±
σ的点视为异常点，并进行对异常点的去除。完成采样点滤波处理后进入粗提取；
[0095]
s2、粗提取：使用高程阈值从所述点云数据中筛选出输电线的候选点，依据ndt单元特征，在所述候选点中筛选出具有线性特征的点作为特征点
[0096]
具体的，粗提取包括所述采样点到k个近邻点的欧式距离di小于m
±
σ进入确定高程阈值h；且对所述滤波处理后的点云数据进行高程阈值分割，筛选出输电线候选点，其中包括：
[0097]
采用布料模拟滤波算法对输电线路点云数据进行滤波处理，识别地面点并生成数字高程模型(dem)；竖坐标z是根据kd树查找的连通域确定自适应的值，竖坐标z不大于高程阈值h，将点云数据分割为(近)地面点；
[0098]
以dem为参考基准面，对布料模拟滤波处理后的非地面点进行高程归一化处理；高程归一化前后点云之间具有映射关系；
[0099]
具体的，请参阅图3，对高程归一化后的点云进行高程分布统计并绘制高程-点云数目曲线，转折点对应的高度为最佳阈值，则大于高程阈值的点识别为输电线候选点。
[0100]
在本发明的一实施例中，其依据ndt单元特征对输电线候选点进行筛选步骤，包括：
[0101]
计算输电线候选点的正态分布变换(ndt)单元，用一组ndt单元表示点云,每个ndt单元的协方差矩阵的计算公式为：
[0102][0103]
其中w表示ndt单元中点云数目，为单元点集的重心；
[0104]
计算每个单元的协方差矩阵的特征值，将特征值从小到大排序：λ1＜λ2＜λ3，ndt单元的每个轴长度代表一个特征，特征值对应单元三个轴的长度；λ1、λ2、λ3；需要说明的是，协方差矩阵为一个3
×
3的矩阵；
[0105]
根据ndt单元的几何外形特征；如果ndt单元第二轴和第三轴的比值小于某阈值to，即ndt单元为线性单元，不满足阈值条件则为非线性单元；具体的，请参阅图4；
[0106]
对非线性ndt单元的点进行剔除，得到输电线粗提取的结果。完成粗提取进入细提取。
[0107]
s3、细提取：使用dbscan聚类算法对所述特征点进行聚类，得到单根覆冰输电线；
[0108]
具体的，步骤s3中对所述粗提取中的点云数据进行单根覆冰输电线细提取的步骤，包括：
[0109]
选择合适的聚类参数eps、minpts，将线性ndt单元点云和聚类参数eps，minpts的
输入，达到密度要求和且密度可达的点输出所有生成的簇，利用基于密度的聚类方法dbscan对所述粗提取的输电线进行聚类分割，得到单根覆冰输电线。其该聚类算法为现有技术，本发明实施例在此不做赘述。
[0110]
s4，建立所述单根覆冰输电线的抛物线数学模型，计算出弧垂值；
[0111]
具体的，请参阅图5，步骤s4中对所述细提取的单根覆冰输电线建立数学模型，计算弧垂值的步骤，包括；
[0112]
s41、采用抛物线模型y2(a、b、c)与l对覆冰输电线空间模型构建,a(0，y0)，b(l，y0+h)为单档内输电线的悬挂点，l为档距，c(x，y)为输电线的任意一点，拟合出抛物线模型y1：
[0113]
y1＝ax2+bx+c
[0114]
s42、计算单档内单根覆冰输电线的悬挂点a,b连线悬挂点直线ab的表达式：
[0115][0116]
s43、所述弧垂值为覆冰导线的任意一点到直线ab的铅垂距离得到弧垂值表达式：
[0117]fx
＝y
2-y1[0118]
其中，y1代表重建所述单根覆冰输电线的抛物线模型，y2代表所述单档内输电线的悬挂点a、b的连线，fx代表所述的弧垂值。
[0119]
s5、根据所述单根覆冰输电线状态方程，基于所述弧垂值计算出无风工况下的所述单根覆冰输电线的水平张力和所述单根覆冰输电线综合比载，进而计算出覆冰比载；
[0120]
具体的，步骤s5中所述单根覆冰输电线的综合比载的计算步骤，包括；
[0121]
s51、档距中央弧垂的计算公式为：
[0122][0123]
其中γ为导线比载，ε为导线的水平张力，θ为直线ab的水平夹角；
[0124]
s52、输电线的状态方程为：
[0125][0126]
其中εn、εm分别为n状态和m状态下的导线水平张力，tn、tm分别为n状态和m状态下的温度，η、e分别为输电线温膨系数和弹性系数。
[0127]
s53、已知m状态下的导线水平张力εm和导线比载γm，以及覆冰状态n的档距中央弧垂f
1/2
，计算出覆冰状态n的导线水平张力εn；
[0128]
s54、根据所述覆冰状态n的导线水平张力εn，由档距中央弧垂的计算公式得到覆冰状态下的导线比载γn。
[0129]
在本实施例中，在无风工况下建立导线综合比载γ、覆冰比载γn和自重比载γm的荷载平衡：
[0130]
γ＝γn+γm[0131]
其中γn、γm分别代表导线覆冰比载和自重比载，γ代表导线综合比载。
[0132]
s6、根据质量守恒定律计算所述单根覆冰输电线的等值覆冰厚度。
[0133]
具体的，请参阅图6，步骤s6中所述单根覆冰输电线覆冰厚度的计算步骤，包括：
[0134]
已知输电线的综合比载γ和自重比载γm，所述覆冰比载计算公式：
[0135]
γn＝γ-γm[0136]
由单位长度覆冰质量相等的原则，建立质量守恒的关系式：
[0137][0138]
得到覆冰厚度的计算公式：
[0139][0140]
其中r、s为无覆冰状态下导线的半径和截面积，ρ为覆冰密度。
[0141]
同时，如附图12所示，本发明还提供了一种基于激光点云输电线覆冰厚度检测与融冰防灾系统，所述的系统包括以下模块：
[0142]
采集模块11，用于采集输电线的点云数据，并对所采集的所述点云数据进行滤波处理；
[0143]
粗提取模块22，用于使用高程阈值从所述点云数据中筛选出候选点，依据ndt单元特征，在所述候选点中筛选出具有线性特征的点作为特征点；
[0144]
细提取模块33，用于使用dbscan聚类算法对所述特征点进行聚类，得到所述单根覆冰输电线；
[0145]
模型构建模块44，用于建立所述单根覆冰输电线的抛物线数学模型，计算出所述的弧垂值；
[0146]
覆冰比载计算模块55，用于根据所述单根覆冰输电线状态方程，基于所述弧垂值计算出无风工况下所述单根覆冰输电线的水平张力和所述单根覆冰输电线综合比载，进而计算出覆冰比载；
[0147]
覆冰厚度计算模块66，用于基于所述弧垂值以及所述覆冰比载，根据质量守恒定律计算所述单根覆冰输电线的等值覆冰厚度。
[0148]
可见，输电线覆冰厚度检测与融冰防灾系统的上述模块分别用于实现本发明中输电线覆冰厚度检测方法中s1-s6的操作功能。
[0149]
具体实施例1：线路湖北白鹤滩-浙江
±
800kv特高压直流输电分包合同8的线路长度输电工程135.164公里。海拔500m-2000m，路线经过穿过四个行政县横穿林区115.4公里，白鹤滩共有313座塔楼、174座直线塔以及132座张力塔、取样线路长度38.8公里。有34个这一部分的塔楼、交叉点是一条110kv的电力线和166栋房屋、山区高差大、地形差、路径面积为500米至2000米、激光点云数据由多旋翼smartcopter无人机与机载激光雷达参数设置如表1所示；
[0150]
多旋翼smartcopter：飞行时间(满载)/min≧14；最大上升速度(m/s)≧48；最大速度(km/h)≧75；工作温度环境/℃-15～45；悬停精度/m垂直
±
0.2、水平
±
0.5；
[0151]
机载激光雷达als传感器和sar)传感器；测量距离/m≧150；最大有效测量速率(pts/s)≧1.3
×
103；波长：近红外、c、x和ka波段、l波段、w波段、ka波段、测距精度：1.5cm；水平视：360度；
[0152]
多旋翼smartcopter配置锂聚合物电池续航半小时到两小时之间、多旋翼smartcopter配置至少一组als传感器，与至少一组合成孔径雷达(sar)传感器配合，通过gnss(全球导航卫星系统)和imu(惯性测量单元)测量值获得精确位置和方向组成。
[0153]
表1多旋翼smartcopter和机载激光雷达主要项目参数
[0154][0155]
如图1到图7所示，多旋翼无人机多模式激光雷达智能自动输电线路多灾害预测检测系统(简称输电线路多灾害预测检测监测智能系统)包括：carabas多旋翼无人机携带inteli7-8700kcpu和geforce rtx2080tigpu的机载计算机、lidar360点云数据处理软件、表一所示的多组als与配套多组sar(x、c、w、ka和l波段)机载激光雷达传感器及gnss与imu系统组成，按照空域批准、起飞和着陆点、测量区域航空测量数据的飞行质量，高度、熟悉度、路线曲率和点密度符合相关行业规范，沿白鹤滩-浙江
±
800kv特高压直流输电工程，路线起于恩施崔家坝镇李家湾村终点位于宜昌市兴山县昭君镇龚家崖村。路线经过穿过陡峭复杂的山区四个行政县，并横穿林区115.4公里，分三个区段飞行，飞行高度离地面230-280米、线路的树木和导体之间的安全距离为4m、飞行线与电源线大致平行、多头als+多组sar激光头根据地形，自动调整水平或倾斜角度，在线及时水平测量和竖直测量电力线、铁塔、绝缘子、地面、森林、可再生新型电力线走廊光伏电池板和风电旋翼上的覆冰雪、电力线上的异物(雪、覆冰冰厚度)，通过选择跨越两个连续塔架、绝缘子之间空间的方框内的所有点来提取电力线及输电线路的覆冰、多组als与配套多组sar、gnss与imu采集激光点云数据、imu数据、gps机载移动站和地面基站数据；同时inteli7-8700kcpu和geforcertx2080tigpu机载计算机对激光点云数据集存储、利用lidar360点云数据处理软件完成解析、激光雷达导航带拼接、点云去噪、点云滤波、分割、分类las模型转换为相应的gis并将其加载到3d设计平台、点云数据中的地面数据转换为数字高程模型(dem)和数字正射影像模型(dom)数据
叠加其用于对航拍段的地理信息三维场景进行建模。
[0156]
多组als与配套多组sar、gnss与imu利用8hz检测频率采集巡检激光雷达数据集数据，激光扫描雷达测量反射电力线、铁塔、绝缘子、地面、森林、电力线上的异物(雪、冰等)、天空中的物的位置地理参考点云(x，y，z坐标)坐标信息，返回脉冲的强度和激光扫描仪系统记录发送到目标的每个脉冲的四个回波，雷达激光波强度值以及第一个和最后一个脉冲数据之间的高度差异来分离识别电力线和树木、第一个和最后一个脉冲高度之间的差异以及强度，结合多个回波和强度的信息将电力线点与植被、地面、山坡、峡谷、房屋、铁塔、绝缘子或其它器件、表面、森林、可再生新型电力线走廊光伏电池板和风电旋翼上的冰雪、电力线上的异物(雪、冰层等)、天空中的物予以识别检测区别。
[0157]
sar系统传输微波辐射，记录来自目标的反向散射信号，并创建照明区域的2d图像式呈现，sar结合als的3d图像点云数据、其中合成孔径雷达(sar)采用3厘米至25厘米(x、c和l波段)的波长。微波穿透云层e-sar机载l波段sar图像。图像的像素大小为1m
×
1m。c、x和ka波段不同类型的电力线导体与进行了极化反向散射测量(c波段极化反向散射测量出组件缺陷或侵占植被信息)、根据同极化和交叉极化反向散射组件之间的一致性检测电力线信息数据。使用极化w波段散射行为或ka波段检测电力线的水或冰层厚度等数据，通过冰层厚度变化对于输电覆冰险情监测与预警；carabas机载sar图像检测l波段低频数据(55兆赫；空间分辨率3米)5公里
×
5公里探测森林风暴破坏及电力线走廊及其周围地区的过载断线、融冰跳跃、倒塔、跳闸以及绝缘子闪络、可再生新型电力线走廊光伏电池板和风电旋翼上的覆冰雪等的灾害监测、terrasar-x数据中提取森林边界和变化检测，预测和防止树木高度及防撞危害、检测风投掷区和监测清理，3dsar或立体测量(雷达测量)insar查看森林风暴破坏、地面、光伏电池板和风电旋翼上的覆冰雪的灾害、als输电线(覆冰厚度)数据的绝对平面(xy)精度通常约为5-10厘米。在坚硬的表面上约2-5厘米的绝对高度精度。als点密度为每米5-100点、2光栅dsm。dsm显示每个1m
×
1m像元的最高高程值。
[0158]
多旋翼无人机多模式激光雷达智能自动输电线路多灾害预测检测监测系统(简称输电线路多灾害预测检测监测智能系统)以激光点云的输电线覆冰厚度检测例说明原理：
[0159]
如图1到图7所示，输电线路多灾害预测检测监测智能系统在采集输电线点云数据同时、机载计算机对激光点云数据集存储器中提取铁塔、绝缘子、输电线点云数据、利用lidar360点云数据处理软件对所采集的每一段38.8公里飞行输电线路，按跨越两个连续塔架、绝缘子之间空间的方框内的位置地理参考所有点云(x，y，z坐标)、按返回脉冲或雷达回波强度来提取电力线(如遇到输电线路的覆冰及光伏电池板和风电旋翼上的覆冰雪)与塔架、绝缘子的点云数据集；采用方框盒分别对塔架、绝缘子、输电线、光伏电池板和风电旋翼等物及其遇到的覆冰标注、通过对在线检测与历史数据的对比差别，预测和监测塔架、绝缘子、电力线、房屋、森林、植被、地面、山坡、河谷、光伏电池板和风电旋翼等运行状态及灾害的预警。
[0160]
s1:将点云数据集分成1m
×
1m的多段(见图7a框图)；如图7b和图7c所示分别粗取点云数据，图2所示程序和图3所示采用布料模拟滤波算法对、als输电线(覆冰厚度)数据的绝对平面(xy)精度为5-10厘米点云、与(sar)采用3厘米至25厘米(x、c和l波段ka波段)的波长内的输电线路点云进行滤波，识别地面点并生成数字高程模型(dem)处理方法采样点到k个近邻点的欧式距离di大于m
±
σ的点视为异常点，对异常点进行去除。去除离群点，完成采
样点滤波进入粗提取；
[0161]
s2:粗提取包括采样点到k个近邻点的欧式距离di小于m
±
σ进入确定高程阈值h；竖坐标z是根据kd树查找的连通域确定自适应的值，竖坐标z不大于高程阈值h，将点云数据分割(近)地面点；以dem为参考基准面，对布料模拟滤波处理后的非地面点进行高程归一化处理；对高程归一化后的点云进行高程分布统计并绘制高程-点云数目曲线(als点云5-10cm曲线、sar点云3厘米至25厘米曲线)，转折点对应的高度为最佳阈值，则大于高程阈值的点识别为输电线候选点。依据图4所示ndt单元特征，从3
×
3协方差矩阵为一个3
×
3的矩阵；第二轴和第三轴的比值小于某阈值，则ndt单元为线性单元，不满足阈值条件则为非线性单元剔除，在候选点线性单元中筛选出具有线性特征的点云；
[0162]
s3、细提取：利用基于密度的聚类方法dbscan对所述粗提取的输电线进行聚类分割,选择合适的聚类参数eps、minpts；将变形的点云数据和缺失的点云数据(图7d所示)、采集点云数据实现92％平均完整性和99％的平均正确性、检测测的正确率为99.6％，聚类的准确性为98％；将线性ndt单元点云和聚类参数eps，minpts的输入，达到密度要求且密度可达的点云输出所有生成的簇(图4所示输电线候线性特征的als点云5-10cm曲线点云、sar点云3厘米至25厘米曲线点云)、遇到重叠或交叉点云时，使用水平和竖直imu测量的als点云或sar点云单独识别提取、也可选用sar点云c、x和ka波段极化反向散射测量识别获取als不能识别提取的重叠或交叉点云、包括将变形的变形的点云数据修正为dbscan密度可连线性点云，簇利用线性ndt单元第三轴λ3将坐标点云(x，y，z坐标)内的线性点云、按首尾相连形成将不合格的或缺失的点云插补为dbscan密度可连的als点云5-10cm点云曲线、sar点云3厘米至25厘米点云曲线、本发明不限制als点云、sar点云之间的单独或组合、或局部补偿补充使用利用线性ndt单元第三轴λ3的首尾相连、将点云拼接为1m线性点云簇(图7d所示)；1m线性点云簇的精度在平均在99.97％到99.99％，召回率95％到97％；
[0163]
s4、建立单根覆冰输电线的抛物线数学模型，计算出弧垂值；同理1m线性点云簇经细提取，进入输电线弧垂数学模型、沿着输电线弧垂表面切线，使用1m线性点云簇第三轴λ3首尾相连dbscan聚类算法进行聚类，得到两个连续塔架、绝缘子之间空间的单根弧垂输电线图7e所示；多组弧垂输电线由第三轴λ3首尾相连dbscan聚类算法进行聚类连接为单端弧垂输电线38.8公里；，依次将三段38.8公里弧垂输电线使用1m线性点云簇第三轴λ3首尾相连得到图7f所示和图10所示115.4公里弧垂输电线；
[0164]
s5、15.4公里als点云弧垂输电线根据输电线状态方程，计算出无风工况下的覆冰输电线的水平张力和输电线综合比载，进而计算出覆冰比载；
[0165]
s6、根据质量守恒定律计算输电线的等值覆冰厚度。sar点云使用极化w波段散射行为或ka波段检测识别电力线冰层厚度、同时输电线的等值覆冰厚与sar点云检测识别电力线冰层厚度差，及实测冰厚之间的误差，根据电力线上冰层厚度厚度的检测、监测变化精准预测预防冰灾及为融冰、及输电线路安全运行及设计提供依据和实际参考。
[0166]
如图8所示，采用本发明经对mls、als、常规点云、传统摄像图像云数据，经采用机载计算与软件测试所知，常规点云比传统摄像图像云数据提取分割云数据相比高30％、als点云与常规点云相比高6％，mls点云(99.7％)与als点云(96.2％)相比高3.5％。
[0167]
如图9、图10所示115.4公里弧垂输电线自动计算、分三段38.8公里检测建模基于
激光点云的输电线覆冰厚度检测、按照本发明智能自动sar点云w/ka波段检测/mm(a)、als/mls计算(b)、实测冰厚/mm(c)、从三个不同段的数据集测试，其激光点云的输电线长度相对误差不超3.5％-6.35％(图中未表达)，绝对冰厚预测；输电线与输电线覆冰厚度误差最大值为0.27mm，相对误差不超过5.23％.去除冰厚的不规则误差，其等效sar点云w/ka波段检测/mm(a)相对als/mls计算(b)输电线覆冰厚度相对误差不超过0.77％。
[0168]
如图11根据本发明的输电线综合比载，覆冰比载结合气象参数与实际温度、与输电线调整承载最大电流，迅速自动查找出实际的冰厚，与本发明激光点云的输电线覆冰的最大厚度，预测规划、监测、电力线、铁塔、绝缘子的运行状态和危险预警、提前调整负载线路最大电流，例如在电力线覆冰厚度为5.2mm时，最大电流850a,融化1830秒，即可融化5.2mm电力线覆冰；电力线覆冰厚度为4.2mm时，最大电流750a,融化1830秒，即可融化5.2mm电力线覆冰；在电力线覆冰厚度为4.2mm时，最大电流750a,融化1830秒，即可融化4.2mm电力线覆冰；电力线覆冰厚度为3.2mm时，最大电流650a,融化1830秒，即可融化3.2mm电力线覆冰；在电力线覆冰厚度为2.2mm时，最大电流530a,融化1830秒，即可融化2.2mm电力线覆冰；电力线覆冰厚度为1.2mm时，最大电流400a,融化1830秒，即可融化1.2mm电力线覆冰；防止线路断线、短路、接地、通讯中断、导线过载断线、融冰跳跃、倒塔、跳闸以及绝缘子闪络等事故。有效预防监测控制防止冰害事故的发生和输电线路结冰状况,保证稳定可靠智能电网、可再生省能源中高压电网输电电路的安全运行、预测、规划和监测控制。可提前灵活的传输网络负载管理系统边界和最高级别的监控动态评级的所有功能以及正常和紧急情况下的负荷预测(n-1)网络的状态，早其防止预测输电线路中的各种灾害。
[0169]
本发明不限于低压、中压、高压输电线路检修、检测安全运行、及输电线覆冰厚度从1mm到35mm厚度的检测、点云数据本发明不限与不同遥感数据源在电力线走廊点云数据源sar图像、光学卫星图像、固定翼或直升机无人机光学航拍、空中热图像、als数据、mls数据、陆基扫描移动数据、四种不同的邻域类型(球形、垂直圆柱形、k最近邻域和最佳k最近邻域)、六种不同的分类器(svm、rf、dt、nb、da和nn)结合，输电线走廊输电线在线动态安全运行、检测、监测、规划、预防、预测覆冰等自然灾害。

技术特征：
其中，y1代表重建所述单根覆冰输电线的抛物线模型，y2代表所述单档内输电线的悬挂点a、b的连线，fx代表所述的弧垂值。7.根据权利要求6述的基于激光点云输电线覆冰厚度检测与融冰防灾方法，其特征在于，步骤s5中所述单根覆冰输电线的综合比载的计算步骤，包括；s51、档距中央所述弧垂值的计算公式为：其中γ为导线比载，ε为导线的水平张力，θ为直线ab的水平夹角；s52、所述单根覆冰输电线的状态方程为：其中ε
n
、ε
m
分别为n状态和m状态下的导线水平张力，t
n
、t
m
分别为n状态和m状态下的温度，η、e分别为所述单根覆冰输电线温膨系数和弹性系数。s53、已知m状态下的导线水平张力ε
m
和导线比载γ
m
，以及覆冰状态n的档距中央所述弧垂值f
1/2
，计算出覆冰状态n的导线水平张力ε
n
；s54、根据所述覆冰状态n的导线水平张力ε
n
，由档距中央所述弧垂值的计算公式得到覆冰状态下的导线覆冰比载γ
n
。8.根据权利要求7所述的基于激光点云输电线覆冰厚度检测与融冰防灾方法，其特征在于，在无风工况下建立导线综合比载γ、覆冰比载γ
n
和自重比载γ
m
的荷载平衡；γ＝γ
n
+γ
m
其中γ
n
、γ
m
分别代表导线覆冰比载和自重比载，γ代表导线综合比载。9.根据权利要求8所述的基于激光点云输电线覆冰厚度检测与融冰防灾方法，其特征在于，步骤s6中根据质量守恒定律计算出所述等值覆冰厚度的步骤，包括：已知所述单根覆冰输电线的综合比载γ和自重比载γ
m
，所述覆冰比载计算公式：γ
n
＝γ-γ
m
由单位长度覆冰质量相等的原则，建立质量守恒的关系式：得到所述等值覆冰厚度的计算公式：其中r、s为无覆冰状态下导线的半径和截面积，ρ为覆冰密度。10.一种基于激光点云输电线覆冰厚度检测与融冰防灾系统，其特征在于，所述的系统包括以下模块：采集模块，用于采集输电线的点云数据，并对所采集的所述点云数据进行滤波处理；粗提取模块，用于使用高程阈值从所述点云数据中筛选出候选点，依据ndt单元特征，在所述候选点中筛选出具有线性特征的点作为特征点；细提取模块，用于使用dbscan聚类算法对所述特征点进行聚类，得到所述单根覆冰输
电线；模型构建模块，用于建立所述单根覆冰输电线的抛物线数学模型，计算出所述的弧垂值；覆冰比载计算模块，用于根据所述单根覆冰输电线状态方程，基于所述弧垂值计算出无风工况下所述单根覆冰输电线的水平张力和所述单根覆冰输电线综合比载，进而计算出覆冰比载；覆冰厚度计算模块，用于基于所述弧垂值以及所述覆冰比载，根据质量守恒定律计算所述单根覆冰输电线的等值覆冰厚度。

技术总结
本发明涉及一种基于激光点云输电线覆冰厚度检测与融冰防灾方法及系统，其利用输电线的空间维度特征快速、准确地识别输电线，并采用基于密度聚类的方法够准确的提取单根覆冰输电线，并根据曲线方程计算弧垂值和无风工况下的覆冰厚度，为输电线的运行状态与覆冰险情检测、防止识别不同类冰害事故的发生和输电线路结冰状况检测、监测与预警快速提供技术参考，及实现输电线路与输电线覆冰、光伏电池板和风电旋翼覆冰、融冰预测维护、设计管理的准确性和通用性、及有效的监测和维护预防电力线廊与可再生新型电力的运行与防护灾害。廊与可再生新型电力的运行与防护灾害。廊与可再生新型电力的运行与防护灾害。


技术研发人员：陈辉 谢婷婷 黄和平 杨宁 陈晓琳 崔承刚
受保护的技术使用者：上海电力大学
技术研发日：2023.03.28
技术公布日：2023/7/18