面向混合输电线路巡检的点云数据处理优化方法

摘要

【目的】由于架空线路长期暴露在野外且受自然环境因素的影响较大，及时监测其运行状态对电网安全运行具有关键作用。随着无人机飞控技术的发展，在其上搭载红外、紫外与激光雷达等检测模块被广泛应用于输电线路的巡检中。但目前传统方法仅在单一场景线路巡检过程中具有较优的处理效果，而面对混合输电线路巡检等复杂环境，难以快速准确地分析输电线路巡检数据，为此提出了一种面向混合输电线路巡检的点云数据处理优化方法。【方法】构建输电线路巡检点云数据处理平台，通过搭载在无人机平台上的激光雷达采集输电线路混合点云数据，且点云数据处理包括数据管理、预处理、分类与智能巡检4个环节。利用八叉树方法对混合点云数据进行抽稀处理以减少冗余数据量，从而保证数据的精准性。设计了一种神经网络模型对抽稀后的数据进行优化处理，该模型主要包括特征学习层、卷积层和分类层。特征学习层通过多次投影和最大池化处理可以避免三维点云数据自身的无序性对特征提取造成的影响；卷积层用于提取各个体素栅格与周边个体的共同特征，并引入传统输电线路特征提取算法提取体素栅格特征；分类层包含全连接层与ReLU激活函数，并以Softmax模型作为分类函数以获得混合点云数据的分类结果。【结果】选择LDLRS3100激光雷达采集某地区输电线路通道的点云数据，无人机雷达系统测距范围为360 m,飞行速度为20 km/h,飞行高度为150 m。基于Pytorch平台进行实验分析，结果表明，面向混合输电线路巡检的点云数据处理优化方法能够有效识别输电线路与地物的差别，并获取清晰的杆塔及其所处环境信息，总体准确率达到了92.71%,明显优于其他对比方法。为兼顾最高抽稀率和最佳点云数据视觉效果，可将抽稀密度设置为0.02 m。【结论】利用八叉树抽稀法和神经网络模型对混合输电线路巡检的点云数据进行优化处理，能够快速准确地划分各类点云数据，有效提升输电线路智能巡检的可靠性。

关键词

输电线路 / 无人机平台 / 点云数据 / 八叉树 / 抽稀处理 / 神经网络模型 / 数据分类 / 智能巡检