數字綠土國際部 (GVI): 用手持式的移動激光雷達設備進行城市電力線巡檢

 

(一份初始調查研究報告)

數字綠土國際部 (GVI) 于近期發表了一篇題為《電力線走廊地區制圖——數據獲取與處理的方法》的文章,文中向國際讀者們展示了我們成熟且經過實地檢驗的技術解決方案——如何使用無人機激光雷達系統以及LiDAR360后處理軟件完成電力線巡檢。文章引起了巨大的反響,各種詢問接踵而至。與其他所有業界一樣,電力行業也一直在尋求方法,將新科技與新解決方案應用到工作中,并以此提高產量和效率。激光雷達以其出色的能力,包括它的速度、準確性、自動化處理、以及便于與其他地理信息數據整合等特點,已經成為了許多能源服務公司工具庫中非常重要的一員。

上一篇文章向讀者們展示了數字綠土用無人機載激光雷達進行高壓輸電線巡檢的解決方案。現在,我們要來探討另一個問題,如果用激光雷達去巡檢分布在城市中的城市配電線路怎么樣呢?由于管制等原因,在城市區域使用無人機系統要么是被嚴格禁止的,要么效率低下(美國相關規定要求無人機不能飛離自己的視線范圍)。那如果我們用地面激光雷達雷達系統,再具體一點,用手持式的移動激光雷達系統呢?為了回答這個問題,我們做了一個快速的測試。這篇文章詳述了我們做了什么,以及我們發現了什么。

我們必須強調,我們不是提供一個解決方案,而只是展現一些我們在測試中的一些發現。這有可能開發出激光雷達在城市電力線巡檢中的一些潛能。我們在接下來的幾周內將開展后續的測試,我們歡迎大家的各種提問,評價,以及建議。

實驗地點

圖1.?實驗地點在谷歌地球上的俯瞰圖

圖2.?實驗地點的街景照片

我們選擇這片兩個街區大小的地方作為我們的實驗地點,它位于Allston Way與Spaulding Ave (SW)的交叉路口,到Addison St與Jefferson Ave (NE)的交叉路口。此處具有非常典型的城市區域布局特點。而我們選擇這個地點的原因也非常簡單,它就在我們位于伯克利市中心的辦公室附近。

激光雷達系統

圖片?3. GVI LiBackpack 50

這次實驗中,我們選擇了第二代單激光雷達背包LiBackpack 50。LiBackpack 50是我們目前銷量最好的基于SLAM算法的移動激光雷達掃描產品。它獨特的設計也使得該產品可以改為手持使用,以提供額外的便捷性。LiBackpack 50搭載了Velodyne VLP-16激光雷達傳感器。

傳感器的測量距離最大為100米,具有3厘米的精度以及2°的角度分辨率。在單反回模式下,VLP-16傳感器每秒最多可以生成30萬個三維點數據。基于我們SLAM算法的手持移動掃描設備的一大主要優勢就在于,這個設備可以持續不斷的生成三維點云數據,并將行走的軌跡,行走的閉環數,以及時間戳等信息顯示在手持設備上。這使得用戶不需要進行手動配準工作,自動生成工作環境的三維點云數據。

數據獲取

圖4.?測試掃描中的兩個閉環路線圖樣

我們采用LiBackpack的手持模式,完成兩個閉環的測量工作。大約使用了10分鐘時間。操作者以相對較慢的速度走完了既定路線。完成之后,LiBackpack系統會生成三個輸出文件:掃描所經過的路線(.xyz),原始數據(.bag),以及點云數據(.ply)。全部的三個文件都是可以直接進行后處理的。文件的總大小在2GB左右。

數據處理及結果

由于LiBackpack系統可以在掃描完成時即刻生成標準的點云數據,所以用戶不需要再對原始數據進行任何轉換。輸出的點云數據即可使用。因為本次測試所使用的硬件設備不帶有GPS模塊,所以在絕對坐標系下的坐標是沒有獲取的。但如果有需要,通過地面控制點,可以非常容易的在LiDAR360軟件中完成地理參考校正,以此獲取絕對坐標。

注:LiDAR360是一款綜合軟件,可以提供高效的可視化,生成并管理激光雷達數據。點擊此處可獲取新用戶30天免費試用。https://greenvalleyintl.com/software/software-downloads/

圖5.?在LiDAR360中可視化顯示測試中得到的點云數據

圖6.?在LiDAR360中可視化顯示測試中得到的點云數據

我們采用了LiDAR360軟件中的機器學習分類對得到的地物進行了基本的分類,僅僅只對輸電線和電線桿進行分類。在這次快速簡單的測試中,我們沒有將有線電視線和電話線從輸電線中分離出來。

圖8.?分類后的點云數據

發現及討論

圖9.?點云與街景照片

圖10.?分類后的點云數據與街景照片

圖11.?分類后的點云數據與谷歌地球中的景象

再一次重申,這次簡單的測試只是為了發掘使用手持移動激光雷達掃描設備在城市電力線巡檢中的潛力。使用數字綠土的LiBackpack手持式移動激光雷達掃描設備,是可以得到非常不錯的數據的。正如這次測試所示,即使是使用VLP-16掃描儀,所得到的結果也已經出人意料的令人滿意了。

通過LiDAR360中的機器學習分類器,從點云數據中提取關鍵信息是非常有可能的。但如果想要最佳的結果,我們仍然需要人工檢視,并編輯分類結果。這一點,機器學習分類和其他自動分類并無區別。

關鍵地物分類完成之后,所得到的數據可以非常容易的并入標準工程數據,或是地理信息工作流程中去。與上一篇文章中提到的危險點檢測一樣,使用LiDAR360中的電力線模塊中的工具,可以非常高效的進行危險點檢測并給出報告。

誠然,Velodyne?VLP-16有它的局限性。想要掃描某一個物體,必須保證激光雷達中發射的激光束可以達到物體表面。而該激光雷達傳感器的有效測量高度是30~40米。

圖12.?測試中用于表現配電線的點數據不充足時顯示的圖像

當我們意識到了硬件的這些局限性的時候,線路規劃就顯得尤為重要了。除了最基本的行走需要完成閉環線路之外,儀器的使用者必須確保需要掃描的地物可以被激光雷達的光束直接接觸到。因此,LiBackpack所提供的手持模式,在這種情況下就非常重要了。同時,系統的SLAM算法的表現也必須非常精確且可靠。最近,數字綠土發布了全新的背包激光雷達系統LiBackpack D50,它擁有兩個VLP-16激光雷達傳感器,這使得使用背包系統長時間的在配電線路下直接掃描配電線路變得更加容易。D50的最大掃描高度提升至了70米,這為掃描更高的輸電線路和電線桿提供了更好的解決方案。

圖片?13. GVI LiBackpack D50

黑龙江36选7开奖走势图