闫国云，张发岳， 张建
中国电建集团青海省电力设计院有限公司，青海 西宁，810000
摘要：输电线路作为电力传输的一种途径，在维护人民日常生活，企业生产运行，社会长治久安扮演着重要的角色。文中提出了一种基于机载雷达测量技术的输电线种类快速识别方法，开展输电线路树障预警工作，准确识别存在树障风险的树木类别。
关键词：机载激光雷达；输电线
机载点云激光雷达（LiDAR）能够通过主动发射和被动接收激光的方法，快速获取地面物体的空间坐标信息、回波强度，其获取到的数据量大，数据形式为空间点云，能够直接反应地面物体三维空间特征。其优良的特性使得LiDAE及机载型LiDAR在各行各业得到了广泛的运用。
1 无人机机载激光雷的主要功能与监测误差
基于输电线监测的基本原理，同样适用于无人机激光雷达监测任务上。对多个目标进行重复扫描，获取多期墩面点云或DEM数据，进而将多期点云或DEM作一阶差分运算，以获取每次间隔时间内的水准变化量。由于无人机激光雷达扫描系统高空作业所受影响因素较多，为了获取高质量点云数据，降低系统误差，需要系统分析各误差的来源的影响因素，进而对每项干扰作出改进，提高测量精度。飞行扫描前应对目标表面作清洁处理，在重复观测中，其航高、飞行平台与扫描设备必须是同一套设备，尽可能减小系统误差。最后提取多期数据成果进行比对分析。相对有人机，无人机激光雷达扫描系统在空中作业遇到的影响因素较多，主要区别是平稳性不如有人机，导致飞机与激光设备的空中姿态不稳定。通过系统分析其误差来源，有助于提高数据精度。具体分析，主要包括5种影响因素
（1）航高因素：在保持其它参数不变的情况下，由于红外测距比例误差的存在，航高从0～1000m引起的定位误差与航高近似成线性关系。降低航高是提高点云数据精度的一个重要途径，航高的降低还有利于地面点云密度的增大。此外，在重复扫描作业中，应确保每次飞行的线路轨迹要一致。
（2）激光测距误差：激光测距仪本身的误差有时延估计误差和时间测量误差，激光束在传播过程中遇到地物发生散射现象，会导致激光回波信号变形，激光接收装置不能准确分辨回波信号，产生时延估计误差。而由于计时器本身存在一定分辨率，小于该分辨率的时间无法测定，导致时间测量误差的产生。若要减小此项误差，则需对激光接收装置与计时器校正，使激光测距精度得到系统性的提升。
（3）扫描角因素：扫描角在-60°～60°时，保持其它条件不变，当扫描角大于0°，扫描角越大，在垂直方向上的误差越大。因此，可以通过对扫描电机的检校，使其均匀转动，可使适当调小扫描角，降低由于扫描角因素给点云带来的定位误差。
（4）IMU姿态角因素：姿态角主要包含航偏角、俯仰角与侧滚角。在保持其它参数不变的情况下，航偏角从0°～15°变化时，对高程定位精度没有明显的影响，航偏角越大，x坐标误差越大；俯仰角在0°～15°时，其对高程上的定位误差影响并不明显；侧滚角在0°～15°时，其变化与垂直方向上的定位误差近似成线性关系，侧滚角越大，其点位z向精度越低。
（5）安置角因素：安置角误差是由激光扫描参考坐标系与惯性平台参考坐标系的不平行引起的误差。因此，需严格校正两者位置关系，以消除或最大程度的减弱由于安置角误差对点云质量的影响。
2 机载激光雷达在输电线路巡线中的应用
2.1 点云数据获取与预处理
无人机搭载激光测距仪，激光测距仪横向进行地面扫描，获取地面点与传感器之间的距离参数，飞行器依靠GPS导航实现纵向飞行，使得激光测距仪能够获取整个地表平面的距离数据。
2.2 研究区域基本情况
研究区域选择某地220kV高压输电走廊#44杆塔所处的植被区，经调研该地区杆塔为旧式水泥塔，塔高为22m，杆塔周围及下方生长着极具生长威胁的树种，此地种单木为该地区主要的主要树种，均能生长至20m以上，具有树障威胁，因此利用机载点云数据对4种单木进行识别。
2.3 冠层高度模型(CHM)单木分割
CHM通过像素亮度的方式在一定的地表面积上反映了地表冠层距离地面的垂直高度，在CHM上单棵树冠中央具有极大亮度值，认为是树冠顶点。周围树冠高度依次降低，整个地表冠层呈现山峰一样的高低起伏，树冠和树冠间存在明显灰度低值区域，发生像素亮度的跃变。CHM分割使用分水岭分割算法[16]识别和分割单棵树木，将CHM高点看作山峰，低点看作峡谷，以峡谷为界将各个区域分隔开，以此完成对区域点云的分割，获取单木空间位置。
2.4 无人机LiDAＲ输电线数据采集
在无人机LiDAＲ输电线数据采集前，首先，应根据测区范围向所属空域管辖部门进行空域申请，收集测区气象资料，线路资料，和已有测量成果;其次，现场踏勘确定起飞场地，采用航迹线规划软件进行航线设计，确定航摄分区。在外业航摄作业时，地面基站要在启动机载LiDAＲ设备航摄开始前30min进行数据采集，数据采集间隔设置为1s，航摄结束30min后关闭接收机，中途不能因断电等原因引起数据中断。机载LiDAＲ设备在起飞前和降落后都要进行至少5min的静态观测，以便IMU及GNSS数据记录完整。无人机LiDAＲ数据采集后进行数据预处理，检查数据采集范围是否符合设计以及是否存在航摄漏洞，检查航线间及摄区间匹配精度。
2.5 内业数据处理
在确保航摄数据无漏洞、点云精度满足设计要求后，采用TerroSolid软件对点云数据进行坐标转换、点云滤波以及分离地面点与非地面点处理，然后采用地面点制作高程注记点、等高线和DEM。同时根据DOM以及分类后的点云数据采集地物要素，再将地物地貌以及外业调绘数据合并编辑数字线划图。
2.6 LiDAＲ点云精度分析
本项目主要分析LiDAＲ点云的高程精度，即对分类后的LiDAＲ点云数据与实测的对应高程点进行比较和误差统计分析。外业高程检查点需要采集输电线路、裸露地表、灌木林、竹林、茶树林、乔木林等不同地类数据，采集点尽量分布在测区不同地方，尽可能反映测区的真实情况。野外还需采集多个个检核点，通过与LiDAＲ点云数据进行对比。
2.7 基于光谱数据输电线路下树种识别
能够用机载方式进行树种识别的方法也包括光学影像法，目前也有相关研究人员开展这一方面的研究，通过采集树种的反射光谱，提取不同树种的光谱特征进行树种识别。同样是机载方式进行输电线路下方树障树种识别，不同于所提出的点云识别方法，光学影像存在“异物同谱”的问题，在树种的精细识别上还存在精度低的问题，特别是机载光谱影像。为了对比两种方式的树种识别效果，采集了研究区域不同树木冠层的400nm~1000nm波段光反射数据，并进行数据预处理。
2.8 工况模拟分析
输电线路长期处于动态的野外环境中，环境的变化会给线路的安全运行带来巨大的威胁，如由自然环境引起的线路舞动、覆冰、风偏都会对输电线路造成损害，且在恶劣的环境下，巡检人员工作受到限制，因此需要进行工况模拟。根据悬链线方程及气温、风速等因子模拟分析线路的变化，动态评估输电线路的状态。
3 结束语
基于机载激光雷达点云数据提取的方法能够实现单木种类的高精度识别，可以作为输电线路区域植被信息获取和树障预警的有效手段。利用无人机机载激光雷达技术对输电线路进行外业巡检，根据数据的处理分析实现点云数据的分析、危险点分析、工况模拟分析，可实现对输电线路通道的快速巡检。此技术解决了复杂地区巡检难的问题，大幅度降低了人力劳动成本，提高了巡检效率。
参考文献：
[1]李志杰.国产机载LiDAR技术及其在电力巡线中的应用[D].昆明：昆明理工大学，2013.
[2]邓志远.无人机在高压输电线路巡视中的应用研究[D].北京：华北电力大学，2015.
[3]侯国瑞.激光LiDAR点云在电力巡线中的应用[J].经纬天地，2019（4）：19-22.