基于三维重构数据的输电线路通道智能清理

陈 杰，陈正宇

（中国能源建设集团江苏省电力设计院有限公司，江苏 南京211102）

0 引言

随着国民经济的不断发展，我国输电走廊、输电线路输送容量越来越大，输送距离越来越长，使输电走廊通道日益紧张。输电走廊通道对路径合理性、可行性、工程投资和建设进度有较大影响，妥善处理通道清理对工程建设至关重要。基于重构数据的通道清理创新统计方法，对通道内房屋、林木进行识别和单体化建模，根据通道清理原则绘制控制范围面，自动选取需处理的房屋或林木信息，大幅度地提高了工作效率。

1 基于点云的房屋拆迁量自动统计与林木智能调查

通过点云滤波获得对应的建筑物分类点云，采用随机抽样一致性RANSAC（random sample consensus）算法自动提取房屋顶面，基于Delaunay三角网提取房屋的顶面轮廓，采用强制正交最小二乘法进行房屋顶面轮廓的规则化，获得单层房屋的面积；根据经验值设定高度阈值自动判定房屋的楼层，从而获得房屋的面积；自动计算输电线路与房屋角点的最近偏距，完成房屋拆迁的判定，从而实现满足初步设计要求的房屋拆迁量自动统计；利用激光雷达多回波的特性，采用面向单木提取的激光点云分割算法智能获取输电线路设计关心的高耸林木的密度、行距、株距、胸径等信息，自动完成林木信息的统计调查；通过输电线路房屋拆迁量、林木信息等工作的自动统计，为输电线路路径的优化设计提供数据支撑。

1.1 房屋面积统计

根据地物特征设置不同的特征参数，预先对原始点云进行分类，并通过人工编辑得到分类成果。在对水系、电力线、道路分类时，仍需要人工借助影像和点云数据进行判读实现分类。

在点云数据的后处理中，已经将房屋点云提取出来，而要实现自动面积计算统计，就需要提取房屋顶面轮廓和获取房屋的高度这两项重要信息。本文提出的基于RANSAC的建筑物顶面提取方法是一种稳健的模型参数估计算法，它根据一组含有异常数据的数据集，计算出数据的模型参数，得到有效样本数据。RANSAC算法的基本思想如下[1]。

a）考虑1个最小抽样集的势为n的模型（n为初始化模型参数所需的最小样本数）和1个样本集P，P的样本数num（P）＞n，从P中随机抽取包含n个样本的P的子集S初始化模型M。

b）余集CpS=PS中与模型M的误差小于某一设定阈值t的样本集以及S本身构成S*。S*认为是模型M的内点集，它们构成S的一致集。

c）若num（S*）≥N（其中N表示正确模型所含一致集的最小个数），认为得到正确的模型参数，并利用集S*（内点）采用最小二乘等方法重新计算新的模型M*，重新随机抽取新的S，重复以上过程。

d）在完成一定的抽样次数后，若未找到一致集则算法失败，否则选取抽样后得到的最大一致集判断内外点，算法结束。

RANSAC算法具有效率高、运算快并且计算精度高的特点[2]。因此，本课题利用RANSAC算法提取房屋顶面的三维模型。实验表明，RANSAC拥有强大的抗噪声能力，能够实现良好的房屋顶面提取效果。

在提取房屋顶面之后，需进一步进行建模分析处理，必须从离散的点云中提取建筑物的顶面轮廓。本课题首先基于Delaunay三角网提取房屋的顶面轮廓，再基于强制正交最小二乘法进行房屋顶面轮廓的规则化[3]。图1为建筑物轮廓规则化流程图。实验获取的房屋顶面轮廓经过实地验证，精度优于点云的平均间隔距离，达到了“亚像元”的精度。

图1 建筑物轮廓规则化流程

获取了建筑物顶面轮廓，再与RANSAC提取的空间三维平面结合，即可构建房屋顶面的空间三维模型。得到矢量化后的单体房屋模型后，再利用无人机生成的数字高程模型DEM（digital elevation model）和数字表面模型DSM（digital surface model），经过空间差值运算，生成归一化数字表面模型NDSM（normalized digital surface model）[4]，以判断房屋的高度，从而估计房屋的面积。将层数的属性值赋予每一个房屋的面，从而可以自动计算出房屋面积。接下来进一步对线路通道内房屋的总面积进行估计，就可为房屋拆迁面积统计提供可靠支撑。

对线路路径做拆迁范围之内的缓冲区分析，将缓冲区（拆迁范围）与房屋矢量做空间计算，统计与缓冲区相交的房屋面积，全部相交求和即为输电线路全路径的房屋拆迁预估量。

经过验证，用激光雷达数据估算的线路房屋拆迁量与实地测量得到的拆迁量相比，两者相差不大，仅相差7.5%，满足对于成本计算的要求。由此证明，基于激光雷达的分类精度和统计方法是十分高效和精确的，具有良好的应用前景和推广价值。

兵马未动粮草先行。云南电网提前建立应急物资储备台账，明确应急物资储备地点并梳理了应急物资需求，并连夜从普洱运送移动变电站支援。金沙江沿江各供电所、变电站、生产驻点已做好值班值守工作，梳理检查维护发电装备，清理应急抢险物资，准备低压供电套装，应急抢险队伍进入待命状态。

1.2 林木砍伐统计

考虑到输电线路工程的政策处理成本和施工成本，输电线路穿越林区时，需要评估被穿越林区的面积和体积。采用激光雷达测量技术，通过发射并搜集激光点云，可获取林区的树高和树冠等集合特征后合成林地空间结构初步模型，也可判别树木种类、林分结构参数，如胸径、树木干枝结构、孔隙度、LAI、叶面积密度、冠层高度轮廓等，最后估算出输电线路勘测、设计、施工与后期运行中的林地损失。另外，可以用专业软件对林区内树木的点云数据通过单木分割法来提取单木结构信息，从激光雷达点云中识别树冠顶点、树冠边界、位置等属性。

林分结构信息提取常采用高度分布法，即从点云中直接计算高度分位数、回波指数等点云特征量，或者按照指定的高度间隔生成频率或强度合成波形，计算波形分位数、波形前沿、波形后沿等波形特征量，根据点云特征量、波形特征量与地面测量值之间的关系，估测森林结构参数。对于高郁闭度区域，使用SLAM获取点云提取林下地形精度可达厘米级。

依据《110～750 kV架空输电线路设计规范》（GB 50545—2010），结合环保要求以及沿线线路通道工作经验，林木砍伐主要控制因素如下。

a）跨越林区时，导线与树木（考虑自然生长高度）之间的垂直距离不小于7 m；导线与果树、经济作物、城市绿化灌木以及街道行道树木之间的垂直距离不应小于7 m。

b）线路通过公园、绿化区或防护林带，导线与树木之间的净空距离在最大计算风偏情况下不小于7 m。

对于林木砍伐设计，需考虑导线对林木垂直距离和风偏净距两个因素。在常规二维平面下，林木的垂直净距较易计算，但是风偏后的净距受弧垂变化、风偏后地面高程变化等信息影响，设计深度也很难满足。对于平地线路，由于其地面高程基本不变，通过计算导线档中弧垂，辅以风偏角度，生成纺锤状的控制范围，可基本满足设计深度要求。但对于山区线路，其四周地面高程不断变化，风偏净距控制的林木砍伐范围基本无规律可言，仅能通过大量采集风偏危险点生成风偏断面，再人为判断砍伐范围，效率低下，准确度较低。

依据林木砍伐原则，计算垂直距离和风偏净距情况下的砍伐控制面。考虑导线实际位置和最大风偏位置，以此画一个距导线7 m的弧（砍树线），对地面树木以地面高程为准，向上平移树木自然生长高度，当其高于砍树线时，则为需要砍伐的范围。

根据树木信息，结合各地制定的树木自然生长高度数值，自动生成林木自然生长高度面。根据三维排位成果，生成导线静止和风偏情况下的砍伐控制面，而后计算砍伐控制面与自然生长高度面的重合区段，对需砍伐的单木信息进行标记。根据树木标记结果，平地段可生成纺锤状的林木砍伐一览图，山区段可生成实际林木砍伐一览图。

根据激光点云的单木分割数据，自动统计位置、高度、冠幅、树冠面积和树冠体积等信息，通过对砍伐区域的空间计算，可以智能化地统计线路中的树木砍伐量。

2 几种通道清理方法的对比

几种通道清理的测量技术方案对比情况如表1所示。

表1 各测量技术方案比较表

由表1可知，常规测量技术虽然成本较低，但其房屋、林木需要人工提取，精度也不高。倾斜摄影和激光雷达技术数据精度高，可自动识别通道中房屋及林木，尤其是激光雷达数据可识别单棵树木，具有更高精确度。对于通道清理，可研阶段可以采用常规的测量方法进行数量估算，而施工图阶段则应在常规测量方法基础上配合外业数据，或采用倾斜摄影或激光雷达技术。因此，三维通道清理系统主要基于三维重构数据。

3 结束语

传统的通道清理工作模式人工参与多、效率低、易出错。本文通过创新的三维通道清理模式，对通道内房屋、林木进行识别建模，结合已排位路径，根据通道清理原则绘制控制范围面，并计算重叠面，达到自动化、智能化统计的效果。