基于激光雷达的抽水蓄能电站地形数据采集方法

戚国香

(江苏省工程勘测研究院有限责任公司，江苏 扬州 225002)

现阶段抽水蓄能电站地形数据的采集主要采用模拟图解的方法，通过测绘大比例尺地形图例，读取目标地形数据[1]。这种方法虽然在一定程度上降低了数据采集阶段的成本和时间投入，但是在精度方面存在明显的不足[2]，后续的施工图设计阶段对平面线形的设定需求要进行多次完善修正[3]。不仅如此，从数据采集操作角度进行分析，中间环节多、精度损失大是限制数据应用的主要问题，在高出错率、低效率的背景下[4]，地形数据采集质量的好坏与实际投资的多少并未表现出同比关系。

激光雷达作为一种高精度的扫描技术[5]，可以实现有障碍和无障碍环境下信息的快速识别获取[6]，将其应用在地形数据采集中，具有极为广阔的发展空间[7]。与其他类型的数据采集方式相比，激光雷达的一个较为突出的优势就是其采集频率的可调节范围更大，对于不同规模的地形变化均可以实现有效获取。

为了解决现阶段抽水蓄能电站地形数据采集方法精度不足的问题，本文提出基于激光雷达的抽水蓄能电站地形数据采集方法，并对该方法开展实际应用测试，分析验证了设计方法的可靠性，可以为抽水蓄能电站的规划设计提供帮助。

1 抽水蓄能电站地形数据采集

1.1 以激光雷达为核心的多线程数据采集控制模式

抽水蓄能电站的地形具有明显的不规则特性，实现对其数据的准确采集，需要遍历所在环境的各个位置[8]。因此，本文采用具有激光雷达、惯性测量单元以及GPS的地形扫描系统实现对基础地形数据信息的多元并行采集。需要注意到的是，地形结构的复杂程度不同，对应的数据采集频率也需要进行差异化的设置[9]。为了获取高精度的地形高程数据，本文构建了针对激光雷达、惯性测量单元和GPS接收机的基准时钟，其可以表示为：

T=ts=tc=tg

(1)

式中，T—基准时钟；ts—激光雷达的时间参量；tc—惯性测量单元的时间参量；tg—GPS接收机的时间参量。通过这样的方式，利用1个控制器实现对多线程运行模式的同时调节，确保数据采集的有效配合。

在此基础上，对激光雷达、惯性测量单元和GPS接收机的采集目标进行设置，其中，激光雷达的采集目标可以表示为：

s={t，sx，sy，sz}

(2)

式中，s—激光雷达的地形数据采集目标；t—在设置基准时钟标准下，采集数据的时间；sx—x轴方向的地形位置信息；sy—y轴方向的地形位置信息；sz—z轴方向的地形位置信息。

惯性测量单元的采集目标可以表示为：

c={t，cy，cc，ch}

(3)

式中，c—惯性测量单元在地形数据采集阶段获取的目标数据；cy—惯性测量单元的仰角信息；cc—惯性测量单元的侧角信息；ch—惯性测量单元的航向信息。

GPS的采集目标可以表示为：

g={t，gj，gw，gc}

(4)

式中，g—GPS的地形数据采集目标；gj—地形的经度信息；gw—地形的纬度信息；gc—地形的高程信息。

影响抽水蓄能电站地形数据采集效果的另一因素就是地形扫描装置实际输出的滞后性，由此导致的数据精度较低问题是限制其数据利用价值的关键。为此，本文通过保障激光雷达和姿态位置测量装置，也就是惯性测量单元和GPS，三者之间的协同性，确保采集数据的可靠性。并采用多线程技术对激光雷达、惯性测量单元以及GPS的运行状态进行控制。考虑到实际运行环境的设置，本文利用C++语言标准库提供扩展的C/C+第三方库组织开发Boost库，通过这样的方式确保控制系统具有良好的可移植性和稳定性，并且在这种源代码开放的环境下，也可以根据需求进行个性化设置。构建的控制逻辑可以表示为：

K=(Ti，Pis，Pic，Pig)

(5)

式中，K—多线程控制的指令；Ti—基准时钟的参量设置；Pis—在Ti基准时钟标准下，激光雷达的采样效率；Pic—在Ti基准时钟标准下，惯性测量单元的采样效率；Pig—在Ti基准时钟标准下，GPS接收机的采样效率。通过这样的方式，利用单一指令即可同时实现对采集系统不同单元的同步控制，确保激光雷达、惯性测量单元和GPS的采样间隔和时间保持高度一致，避免滞后问题带来的影响。

由此，实现对抽水蓄能电站地形数据采集阶段采集状态的有效控制，为采集数据的可靠性提供保障。

1.2 地形数据采集

抽水蓄能电站的环境具有一定的野外环境特征，因此在地形数据采集阶段，本文对现场测区地形数据的扫描主要包括以下几个步骤。

首先对采集数据的波动情况进行分析，综合了激光雷达、惯性测量单元以及GPS的数据信息，对其波动情况的计算方式表示为：

(6)

式中，ε—数据的波动强度；st、st-1—相邻采集时刻的激光雷达数据采集结果；ct和ct-1、gt和gt-1—相邻采集时刻的惯性测量单元以及GPS的数据采集结果。通过式(6)可以看出，ε值越高，表明采集到的地形数据波动越明显，对应的地形情况越复杂；相反，ε值越小，表明采集到的地形数据波动越小，对应的地形情况越稳定。

以此为基础，本文对数据采集过程中参数的设置方式可以表示为：

(7)

式中，Ki—多线程控制的目标指令；d—抽水蓄能电站地形数据采集精度要求。

通过这样的方式，确保在数据采集阶段，其执行情况能够根据实际的地形状况进行差异化设置，确保采集结果的精确性。

2 测试分析

为了测试本文提出的基于激光雷达的抽水蓄能电站地形数据采集方法在实际应用中的性能，进行了对比试验。

以某抽水蓄能电站为测试对象，将该电站地形参数为基准，开展试验测试。在此基础上，设置激光雷达地形数据成像的像素值为160×160，240×240的2种规格，对应的灰度级数为20。为了更加直观地对数据采集结果进行分析，本文采用M1—M7的7级Mallat小波提升方法，对采集到的地形数据进行场景重建处理，再测试计算。设计硬件平台为Intel Core i3- 445，对应的CPU大小为256G，装置运行的主频为4.0GHz，内存大小为64G，为了确保数据的完整性，设置了大小为2T的拓展硬盘，用于对测试数据的计算。

以抽水蓄能电站0点方向为基础，在不同角度下采集到的测试抽水蓄能电站地形数据信息的计算结果见表1。

将表1的数据输入到计算机中，以小波分层增强处理的方式进行地形场景重建，考虑到地形的相对微观变化难以通过纹理图实现完成体现，因此本文在场景重建过程中融合了灰度像素值角点检测技术，通过这样的方式确保对地形关键点的跟踪渲染能够充分体现其走势特征，最终得到地形场景重建结果如图1所示。

图1 测试场景地形重建结果

从图1中可以看出，利用本文设计方法采集到的数据重构的地形能够详细地体现相对微观地势信息的变化情况。为了更加具体地对其进行分析，本文以归一化均方根误差为指标，对地形重建结果与实际地形情况的误差进行分析。将文献[8]和文献[9]提出的方法作为对照组，得到的结果如图2所示。

图2 地形信息归一化均方根误差对比图

从图2中可以看出，对比3种采集方法下的地形数据中，文献[8]方法虽然归一化均方根误差均保持在相对较低的水平，但是整体波动性较大，最小值为0.10%，最大值达到了0.175%，采集数据的可靠性存在一定的提升空间；文献[9]方法虽然归一化均方根误差整体稳定性较高，但是其始终处于相对高的水平，采集数据的准确性相对较低。相比之下，本文方法采集结果的归一化均方根误差一直稳定在0.05%～0.10%范围内。测试结果表明，本文提出的基于激光雷达的抽水蓄能电站地形数据采集方法实现对地形数据的高精度采集，对于实际的地势分析具有实际意义。

3 结语

本文提出基于激光雷达的抽水蓄能电站地形数据采集方法，有效克服传统采集方法中存在的采集精度较低，采集数据可靠性较差的问题，从抽水蓄能电站一体化的角度出发，对地形数据采集的全过程进行系统化的研究与分析，在一定程度上提高了数据采集的效果。为抽水蓄能电站相关建设规划提供可靠的地形数据基础。