激光雷达在输电线路巡检中的关键技术及应用

操松元，郭可贵，谭弘武，贾玲君

（1.国网安徽省电力有限公司，安徽 合肥 230061；2.国网安徽省电力有限公司检修分公司，安徽 合肥 230061；3.北京煜邦电力技术股份有限公司，北京 100028）

我国不断发展电力事业，电网建设得到迅速发展，现已形成华北、东北、华中、华东、西北、南方六大区域电网，规模位居世界首位。我国在“十三五”规划期间又对电力行业提出更高要求，指出要在2016-2020 年间开始建设±1 100 kv 高压输电线路，同时提升大电网调度运行能力，加强电网灾害预防，使电网安全运行技术达到世界前列。如今电网结构日益复杂，线路长度不断增长，采用传统人工巡检不但耗时耗力，而且无法做到及时发现隐患、排除隐患。机载激光雷达技术作为一种新型对地观测技术，能够快速进行探测，获取目标探测物的三维空间信息，并利用点云数据构建真三维模型，还原输电线路走廊地貌，弥补了人工巡检的不足，无疑成为输电线路巡检技术未来探索和发展的方向。

自20 世纪50 年代起，欧美、日本等发达国家开始将激光雷达系统应用于输电线路抢修。我国则起步较晚，在2009-2013 年间还处于技术探索阶段，主要进行小规模科研实验，2013 年以后开始大规模应用，该技术在国网、南网等大型电网公司的生产项目中取得了不错的成果，如国网通用航空有限公司在国内率先应用机载激光雷达进行输电线路巡线，结合带电维修，形成了系统的运维业务。2016 年河南省电力公司首次将无人机与激光雷达三维成像技术结合用于500 kv线路巡检。同年，广东电网采用无人机机载激光雷达对汕头110 kv 岗河线、棉河线进行扫描。2018 年国网雅安电力（集团）公司对220 kv 下石一、二线输电线路开展了实验工作。机载激光雷达技术的产生大量减少了人力物力的投入，提高了生产效率，随着成本逐步降低，必将在全国范围内扩大应用。本文将对机载激光雷达关键技术和在电力巡检中的具体应用进行论述，展望了激光雷达技术的发展前景。

1 关键技术

1.1 激光雷达系统

激光雷达技术是近十几年发展起来的一种新的空间信息采集技术，通过发射高频率激光脉冲，对目标地物进行扫描，获取海量点云数据。这些数据不仅包含目标物体的三维信息，还包含几何结构、弱纹理和语义信息。

激光雷达系统在功能上整合了激光雷达技术、全球定位系统（GPS）和惯性导航系统（INS），通过搭载于不同的遥感平台，实现了高精度地形地貌数据的快速采集。其拥有以下几个特点：①数据精度高，目前激光雷达可获得毫米甚至微米级别的探测。②数据量大。激光雷达每秒可以获取数十万个点云数据，这为后期对目标地物进行还原和建模提供了大量可靠的数据资源。③不受天气、太阳高度角、地形等自然条件影响，支持全天候作业。④激光雷达不受电磁波的干扰，因此在低空、超低空的条件下仍可获得清晰的影像。激光雷达系统根据搭载平台的不同可分为星载、机载、车载和地面4 类，其中机载激光雷达（如图1）受天气影响小，扫描角度灵活，应用最为广泛，目前已有70 余种机载激光雷达系统投入市场，如瑞士Leica 公司研发的ALS60、加拿大Optech 公司的ALTM、奥地利IGI 公司的RIGEL 等。

1.2 数据存储

激光雷达系统获取的海量点云数据在丰富了地理空间信息的同时也产生了数据存储管理问题。面对GB甚至TB 级别的点云数据，单机内存有限，基于全内存的存储方式不再适用，如何进行高效存储是一项重要的研究课题。基于分布式的存储技术为海量数据存储提供了新的思路，其采用可扩展的系统架构，利用多台普通服务器组成分布式服务集群共同分担存储负荷，利用位置服务器定位存储信息，提高了系统的可靠性、可用性和存取效率、降低了开发成本。

图1 机载激光雷达系统

分布式存储系统分为关系型数据库和非关系型数据库，其中非关系型数据库更适合于非结构化的点云数据存储。目前已经成熟的技术有HBase、Cassandra和MongoDB 等，研究人员基于非关系型数据库进行了海量数据存储的方案设计和研究。2010 年崔鑫[1]提出了基于HBase 的海量数据分布式存储的解决方案，并设计了并行处理引擎Map Reduce GIS；2012 年张广弟[2]提出一种基于MongoDB 和Map Reduce 的数据存储与并行处理解决方案；2016 年郭瑞[3]基于MongoDB 搭建Sharding 集群，对激光点云数据存储和并行处理进行了测试，结果表明该集群具有良好的故障转移恢复和可扩展性等特性。

1.3 激光点云精细分类

激光点云精细分类（如图2）是将一系列离散的、不连续的点云按照一定的标准规范进行提取和识别。这一部分内容是激光雷达数据处理的重中之重，约占整个数据后处理60%～70%的工作量，是构建数字地面模型、复杂场景建设等后续应用的基础，因此研究也最多。由于激光雷达获取的点云数据包含了所有地物点，所以对输电线路走廊进行分析前需要先从海量点云数据中分离出地面点（即滤波），然后将非地面点按照一定的规则细分出输电线路（杆塔、导线）、建筑、植被（高植被、低植被）、桥梁等，主要流程如图3 所示。

其中地面点滤波主要分为基于坡度[4]、基于形态学、基于曲面拟合、基于不规则三角网（TIN）[5]、基于分割和基于机器学习6 种方法。其中基于不规则三角网算法最为稳健，能够较好地处理具有阶跃特征的地貌[6]，其原理是首先对区域进行网格划分，然后将各网格中的最低点作为地面种子点建立不规则三角网，通过测量非种子点到所在三角形的反复角和反复距离，将满足阈值条件的点加入TIN 中，最终分离出地面点[7]。

图2 点云精细分类

图3 点云分类流程图

对于除地面以外的其他地物，多利用其自身点云形态、点云密度、高度差和回波次数等特征进行区分。例如导线位于电力走廊最上部，呈线状分布且只具有一次回波；杆塔在空间上点云密度大，俯视时轮廓为矩形；树木的点云形态多不规则、密度较大，具有多次回波；建筑物屋顶则多呈规则矩形，一般只具有一次回波。利用这些特性，通过一定算法可将不同地物从点云中分别提取出来。

由于输电线路地处环境复杂，探索不同地形情景下的点云滤波仍是今后的热点，融合不同滤波算法的优势将有利于提高地面点云提取精度。此外目前地物分类技术多针对单一地物的提取，不同地物需要采取不同的分类算法，为了降低地物分类的复杂程度，摆脱过度依赖人工定义特征[8]，提高工作效率，研究人员正在朝着机器学习、神经网络等方向进行输电线路走廊地物自动识别和提取。李晓天等[9]基于层次分析和神经网络对滁州市郊区地物进行自动分类，能够较好的区分出大比例尺地形图要素；熊艳等[10]利用随机森林法分类，有效降低了数据特征维度。机器学习将在未来电力走廊地物分类中有很大的发展空间，但是在样本特征选择、样本数量、分类器选择、模型训练等多个方面还需进行深入研究。此外由于激光雷达设备自身性能原因导致采集到的点云数据质量不高，常会出现点云数据缺失等问题，因此除了对方法进行改进外，对于硬件设备的研发也是突破地物精细分类的一个重要途径。

1.4 三维重建技术

利用激光雷达获取的海量高精度点云数据，采用三维重建技术可真实再现输电线路及走廊内地物、地貌特征以及输电设备的空间信息，便于巡检人员进行危险点检测，分析不同工况条件下线路安全情况，便于在电力走廊建设前期进行优化选线，提高线路设施集中数字化管理效率和水平，具有很好的社会效益和经济效益。三维重建主要包括导线重建和杆塔、绝缘子等其他地物的重建（如图4）。

图4 三维可视化

输电导线重建是后期散股、断股等缺陷识别和交跨距离量测的基础，因此是输电线路设施重建的主要对象。输电导线模型归结起来主要分为两类，一类是“间接法”，另一类是“直接法”。“间接法”在建模时考虑了点云的水平误差和高程误差，并将电力线三维重建模型分为两部分，例如直线和悬链线模型[11]、直线和一元二次多项式（拋物线）模型[12]、直线和二元多次多项式模型[13]；而“直接法”仅考虑点云的高程误差、直接对电力线进行建模，如多项式模型[13]。

直线与悬链线相结合的模型是最为经典的算法，主要涉及导线在水平面的投影和在铅锤面的投影。其中水平投影采用法线式方程构建，如式（1）：

含义为过原点向直线做一条垂线段，该垂线段所在直线的倾斜角为α，其中d 代表导线在水平面的长度。

导线在铅锤面上近似作为悬链线，如式（2）：

式中，k、C1、C2为悬链线系数。

对于导线模型构建的研究很多，梁静等[14]采用人机交互法提取导线点云，利用多项式模型进行拟合；林祥国等[15]基于随机分层抽样和悬链线模型进行了单档单根导线重建拟合；周汝琴等[16]利用二分法对分裂导线子导线进行提取，并采用悬链线模型拟合；汪骏等[17]基于点云分段、聚类分析和悬链线拟合进行分裂导线精细三维重建研究。

基于激光点云的其他地物重建多依据点云空间分布特点，采用人工勾画或通用模型替代。以杆塔重建为例，国外虽有软件可以利用人机交互方式生成模型，但是比较粗糙，因此一般通过点云获取杆塔高度、杆塔挂点、绝缘子长度及类型等数据，生成简易杆塔模型，该模型可用于分析导线的安全距离及受力情况，如不同工况的安全距离分析、风偏模拟分析、覆冰模拟分析、杆塔倾斜分析等。

三维重建技术为实现输电线路三维可视化提供了技术支撑，为输电线路信息管理提供了便利，其中仍存在一些问题：①在导线重建研究中，对于单一导线三维重建算法研究较多，而对于分裂导线的研究较少。由于分裂导线跨度大，相邻导线间隔小，加之点云数据缺失、激光雷达系统噪声等不可避免的因素影响使得拟合重建困难，通常只把分裂导线当作单导线处理，造成了许多细节丢失，在高压、超高压、特高压电路分析时往往得不到理想结果；②目前电力走廊中的其他地物的模型多为辅助导线安全距离分析等简单功能而建，其自身的缺陷无法识别分析，例如杆塔倾斜、绝缘子自爆别以及其他电力设施的故障。难以满足输电线路精细建模以及高精度分析等需求。

2 机载激光雷达主要应用

2.1 模拟工况分析

输电线路常暴露在复杂的自然环境下，受到恶劣的自然条件影响。采用激光雷达技术可以快速获取输电线路的三维空间信息和影像信息，实现缺陷的识别、定位，便于巡检人员对缺陷严重程度进行判断，辅助制定缺陷修复进程安排。

导线与树木距离过近是最常见的安全隐患。激光雷达技术利用采集的点云数据对树木进行分类并构建三维模型，然后在系统中输入各类树木的基本生长参数，便可模拟出未来几年树木的生长模型，通过设置安全距离值，将小于安全距离值的区域标记为缺陷隐患点，可以帮助巡检人员及时预防、发现危险。

此外在大风覆冰等恶劣自然条件下，输电线会发生舞动，弧垂状态随之改变，通过在软件系统中输入气温、风速、覆冰厚度等自然条件参数以及导线自身参数，运用架空线路电线力学计算可实现电力线状态动态模拟，结合扫描点云数据能够对不同气候条件下的电力线进行安全距离检测，可及时发现输电线走廊下的隐患点。

2.2 线路增容分析

传统高压输电线随着时间的推移，其输电量和输电距离都逐渐下降，而经济建设的不断发展对于电力的需求不断增加，这使导线增容改造成为必然趋势[18]。在不更换原有导线的情况下进行增容，会使线路温度增加，受载荷影响弧垂增大，导致输电线路与走廊内地物距离减小，同时随着其电压增加，安全距离也随之增大，这要求对增容后的导线进行安全评估，判断其是否能进行改造。利用激光点云可以模拟增容后导线模型，测量增大后的弧垂与地物的空间距离，对照更高电压的安全距离标准检查其距离是否符合要求。

2.3 线路防舞

在覆冰强风区，输电线路常发生舞动现象，导致闪络跳闸，给输电部门带来巨大损失。为防止导线舞动，通常会在易发生舞动的导线间架设相间间隔棒，这需要对导线间距进行测量。利用点云数据构建高精度导线模型，可以在没有拉闸断电的情况下进行导线间的距离测量，为制作相间间隔棒提供数据支持[17]，同时保证了社会各项生产生活的正常运行。

2.4 平断面图分析

利用激光点云构建的电力模型，可以实现任意角度断面的提取，根据选定的角度，系统自动抽取该断面上的激光点云，借助多维可视化平台将三维模型信息转化为二维的输电线路平断面图信息（如图5），包括地面高程信息、交叉跨越物及其距离、方位等，可以直观地显示路径和跨越物的距离方位关系。

图5 平断面分析

基于激光点云的平断面分析避免了传统航测作业中由内业人员逐点进行立体量测的繁琐过程，作业效率提高75%左右，绝大部分机载LiDAR 断面点高程误差在0.5 m 以内，能够满足线路设计、排杆的需要，还能建立地质预测模型，为防灾提供参考。

2.5 空间距离量测

通过构建三维可视化模型，系统能够在三维场景下进行距离量测，具体包括对地距离量测、最短距离量测和空间距离量测，实现线路交跨距离和安全距离检测，在出现线路故障及自然灾害时，能够通过距离量测设计最优路线进行抢修。

2.6 输电线路资产管理

通过巡线采集的点云和高清影像数据，处理成DOM、DEM 影像，结合分类后的点云实现电力线路的三维建模，恢复电力线沿线地表形态、地表附着物（建筑、树木等）、线路杆塔三维位置和模型等，将线路的名称、杆塔信息、巡检历史和缺陷故障等信息录入系统，可实现线路三维信息化资产管理[19]（如图6）。

图6 线路资产管理

3 结 语

激光雷达技术弥补了传统摄影测量对输电线路巡检的不足，利用机载激光雷达测量技术对线路走廊进行数据采集、存储、精细分类和三维建模，可以对线路安全问题隐患和异常进行分析。为了充分发挥激光雷达技术的优势，应从软硬件设备研发、算法优化、系统优化管理等各个环节进行完善，随着激光雷达技术与相关技术进一步的结合，使获取电网相关环境信息速度更快、成本更低、精度更高，使输电线路运行维护从人工化向数字化、智能化进一步迈进。