47
的重点先行产业。随着经济的发展，超高压、大容量、长距离输电线路数量快速增长，线路走廊穿越的地理环境日趋
复杂，给线路的勘测设计带来了极大挑战[1]。三维设计是 落实“数字国网”建设要求的重要方法。设计作为工程数据 的重要源头，通过三维设计构建数字化和结构化的输变电工程设计，规范纳入电力企业全业务统一的数据中心，实
现工程数据信息在工程建设全生命周期的“一次录入、共
享共用”[2]
。三维设计同时也是建立电力单位全业务数据链
的关键环节，依托三维设计平台与数据中心，实现规划、设计、采购、施工、运行等各阶段数据协同与
共享，提高电力企业的信息化水平。三维设计集成应用建模、信息、网络等技术可实现设计各专业的协同设计，有效避免专业间
“错、漏、碰、缺”等问题出现，实现工程量精确统计，提升工程设计质量。
结合塔型、呼高，塔基地形是控制塔腿的重要因素，在
输电线路的三维设计中起着重要作用[3]
。长期以来，塔基
地形传统测量方法主要包括全站仪、RTK 。全站仪测量需
要从已知点做闭合导线，转点较多，山区树木遮挡，测量流
程繁琐、作业效率低；RTK 测量依赖卫星信号，在茂密的树下信号很难固定，容易丢失一些关键地形点，造成后期设计困难。三维激光SLAM 技术作为一种快速获取地理信息的新兴技术，以三维激光扫描仪、IMU 为传感器，结合
SLAM 算法，能够在未知环境中给自身定位的同时，对未
知环境建立增量式地图。该方法对已知点信息依赖程度较低，可以快速获取周围地物地貌信息，能够完成电力塔基
三维地形测量任务。
1.三维激光SLAM 技术
SLAM （Simultaneous Localization and Mapping ），即
时定位与地图构建技术，由Smith 、Self 、Cheeseman 等
基于三维激光SLAM 技术的电力塔基地形测量方法
■ 中国能源建设集团安徽省电力设计院有限公司 徐博 葛奎 许邦鑫
人首次提出，历经30余年发展，SLAM 已成为机器人、三维
空间重建等热点问题[4]。即使在树木遮挡严重、GPS 信号较弱的情况下，三维激光扫描仪能够有效快速测量实物与
环境信息，完成高精度的三维测量作业。
三维激光SLAM 技术原理分为前端和后端，如图1所
示，前端即通过传感器在每一个位置上采集到的环境数据进行帧间扫描匹配，构建多重数据关联，在估算机器人位姿的同时，建立起初步感知的环境地图。后端即进行闭环检测，如果未检测到闭合环，则直接输出机器人位置与地图；一旦检测出闭合环的情况，便需要根据闭合环约束条件进行图优化，从而得出更为精确的机器人位置与高精度 地图[5]。
前端的关键问题在于数据扫描匹配，包括点对点匹
配、点对图匹配以及概率栅格匹配三种。
管式热交换器原理图
点对点匹配主要使用ICP （Iterative Closest Point ，迭
代最近点）算法通过相邻帧间相对位姿变化的计算，匹配融合两帧数据，但其对位姿初始值依赖性较大[6]。当出现配准的点云数据与原始参考点云数据之间位姿差过大、偏移较多的情况，如果没有较好的初始值，ICP 算法便容易陷
入非全局最优的局部区域，使得配准结果出错，同时，ICP
图1 三维激光SLAM 算法流程
前端
后端
LiDAR
IMU Odometry
数据预处理
闭环检测
涂料分散机
更新图节点
图优化
位置
地图
帧间扫描
匹配、图构建
GPS
算法也随着时间推移，产生累积误差，限制该算法的应用范围。
点对图匹配的方法利于降低累积误差，其中，最经典的是Hector SLAM算法[7]。该算法是将空间划分成栅格，用双线性插值法计算每个点插入栅格的得分，通过高斯-牛顿法优化目标函数得到点云投影到栅格的转换关系，进而构建地图。该算法需要激光扫描仪具备足够高的数据采集传输速率，提供良好的初始估计姿态。
概率栅格匹配方法主要包括Karto SLAM算法[8]以及栅格相关性（Correlative Scan Matching，CSM）SLAM方法[9]。概率栅格匹配SLAM算法进一步降低了局部误差累积，方便后端的闭环检测，基于点云距离直方图的匹配方法或者点云特征匹配建立机器学习模型，完成相似环境检测，缺点是需要占用巨大的计算资源。
后端的关键问题在于闭环检测，闭环检测（Closed-
loop Detection）又称为回环检测，是机器人SLAM技术研究中五大关键问题之一[10]。闭环检测指机器人通过传感器
数据来识别判断当前位置是否为曾经来过的区域，本质上是一种检测两次观测数据的相似性算法[11]。如果闭环检测成功，形成闭合环路，就可根据此结果优化闭环内的位姿信息，对SLAM定位以及建图数据进行校正，减少因时间增加、范围增大带来的累积误差，提高定位精度和建图质量。主要包括基于场景外观匹配方法和基于位姿概率估计方法。
图2（a）为实际环境，（b）为未闭环检测SLAM构建的地图[12]。SLAM构建地图过程中没有进行闭环检测，机器人无法识别出是否经过当前位置，因此，在该位置以当前位姿继续构建环境地图，会最终导致构建地图冗余，产生偏差。
2.三维激光SLAM技术测量电力塔基地形截至2020年底，所有新建、改建、扩建35kV及以上具备数字移交条件的输变电工程，总体要求实现三维设计、三维评审和三维移交。在整个三维化的环节中，最基础的是实现对电力线路塔基选址的三维数据采集，主要使用三维激光扫描设备，采集高精度现场数据。
2.1三维激光SLAM数据采集设备
本文测试GeoSLAM公司ZEB-HORIZON手持移动式三维激光SLAM设备。ZEB-HORIZON采用边走边扫的工作方式，只需在塔基范围内行走，即可采集完整的环境数据。对于有灌木覆盖的区域，也可穿透灌木获取一部分地表数据。
2.2三维激光SLAM测量塔基地形流程
应用三维激光SLAM技术测量电力塔基地形流程，包括外业数据获取和内业数据处理两个步骤。
2.2.1外业数据获取
（1）对塔基范围地形进行踏勘，规划行走线路，一般以
S或者Z型路线进行数据采集。对地形高程变化大、坡度陡峭、地面湿滑的区域进行提前处理，路线中灌木过于密集
区域提前砍伐，为外业采集提供良好环境。
（2）在地形采集范围内布设至少3个控制点。传统方法是在三个已知点架标靶球，较为繁琐。本文对其改进，在
SLAM测量过程中，使用RTK实测三个控制点，点云拟合
RTK手持对中杆底部尖端处坐标。采集时需要对控制点位进行刻意采集，便于后期内业时转换坐标系。CCSVC
（3）使用ZEB-HORIZON进行现场数据采集，每次任务控制在20分钟以内，起止时设备放在同一位置，用于内
业闭环检测，防止依赖低精度IMU、位置产生较大漂移，降低累积误差。
（4）使用U盘自动拷贝采集到的原始数据。芯片破解
2.2.2内业数据处理
（1）使用自处理软件GeoSLAM HUB全自动处理点云数据，同时可以处理1-5次任务数据。
（2）数据拼接：将得到的多段Las数据进行匹配。可以通过GeoSLAM HUB的MERGE功能进行平移对齐拼接；
或者通过Trimble RealWorks加载所有点云数据，每两段之间选取1个共同点进行拼接，短时间内即可还原塔基地形数据。
（3）坐标转换：将整体点云数据在Trimble RealWorks
图2 未闭环检测SLAM
（a）（b）
48
49
等高线生成进行设置，选取原点及间隔，一般间隔为0.5米。生成后的等高线可以在AtuoCAD 中直接加载并编辑
操作。
2.3 实验结果与分析手提式割草机
实验场景选择杂树、灌木覆盖的斜坡，斜率0.6左右，
面积50m ×50m ，采集时间9min 30s ，内业处理得到Las
进化标记
点云数据2.1G 左右，8.3千万余点，滤波地面点2.7千万余点。图3为外业实际场景与按高程附点云场景；图4为点云数据中RTK 控制点测量与提取；图5为点云数据滤波得到的地面点云数据与生成的等
高线；图6为SLAM 点云数
表1 RTK 与点云高程对比
点号
X Y
Z （RTK ）Z （SLAM ）差值/m
12 855 312.1191 032 124.62864.76364.5370.226
22 855 314.7811 032 127.67965.78865.943-0.15532 855 319.3081 032 125.22865.24465.448-0.20442 855 324.4881 032 147.53777.23576.9830.25252 855 312.0021 032 138.27971.72771.5900.13762 855 305.8521 032 132.46768.26768.1040.16372 855 314.2821 032 142.55974.35574.1540.20182 855 298.7031 032 147.29577.26177.1140.147
92 855 3231 032 141.98573.72473.873-0.149102 855 321.2541 032 131.76568.36968.493-0.124112 855 295.8261 032 126.33264.86964.6470.222122 855 322.2251 032 135.26169.88369.6370.246132 855 302.4221 032 139.2573.08372.9480.135142 855 308.3191 032 128.36765.81265.7130.099152 855 301.4561 032 127.84165.49465.2070.287
162 855 295.4451 032 131.70567.94168.236-0.295172 855 301.0751 032 132.44668.30168.2000.101182 855 308.671 032 142.24974.41074.1210.289192 855 298.2221 032 143.09274.97474.7920.182
202 855 300.6131 032 140.73173.60773.888-0.281212 855 307.341 032 136.3470.89870.6500.248222 855 314.3321 032 132.82368.10667.8210.285232 855 318.1181 032 138.43671.44971.2230.226
242 855 320.0731 032 143.26174.53674.676-0.140252 855 314.1721 032 148.0477.69677.4710.22526
2 855 309.549
1 03
2 147.129
77.336
77.141
0.195
中进行地理坐标系转换，选取外业时控制点所在的位置，以及对应的绝对坐标值，即可实现由相对坐标系到绝对坐标系的转换。
（4）地面提取：在Trimble RealWorks 中，对整片地形
数据进行地面提取操作，软件会根据形状特征进行自动算法计算，准确提取出地表数据，有效过滤灌木、树木、噪点等无用数据，保留完整地面数据。
（5）等高线绘制：等高线绘制前，可根据需要，对点云
数据进行随机取样，在保持细节特征的情况下，对点云数据进行抽稀，等间距取样，每0.5米设一个地形点。然后对
50
据等高线与RTK 实测数据对比。
取均匀分布在测区内的26个RTK 已测点高程与点云
相同位置数据高程进行对比，误差在30cm 以内，高程中误
差为20.1cm
（表1）。3.结语
电力三维设计是信息化社会发展的大趋势，其中前期
的勘测勘察工作采集电力三维环境信息，是三维设计的基础。本文提出传统电力塔基测量中的不足，在介绍三维激光SLAM 技术原理的基础上，结合生产实践，利用三维激光SLAM 技术测量电力塔基地形进行测试实验。实验结果表明，使用三维激光SLAM 技术的ZEB-HORIZON 手持
式设备可以实现对电力塔基地形的三维数据采集，通过滤波得到地面点，与RTK 实测地面点高程精度在30cm 以内，高程中误差为20.1cm ，能够满足电力塔基测量需要，给电
力塔基测量提供了一种新方法，对电力三维设计有一定应用价值。参考文献
[1] 周鹤良.我国电力装备工业发展机遇与挑战[J].电气技术,2008(2):1-4.[2] 孙斌.美、日三维设计应用调查报告[J].电力勘测设计,2004(2):61-65.[3] 于周忠，侯瑞国，齐江.线路终勘定位中塔基数据粗差自检方法研究[J].
电力勘测设计,2017(S 1):231-233.
[4] Smith R,Self M,Cheeseman P.Estimating Uncertain Spatial Relationships in Robotics[M]//Autonomous robot vehicles. Springer-Verlag New York,Inc.1990:435-461.
[5] 徐博，刘正军，王坚.基于激光点云数据电力线的提取及安全检测[J].
激光杂志,2017(7):48-51.
[6] Besl P J ，Mckay N D.A Method for registration of 3-D shapes[J].IEEE Transactions on Pattern Analysis & Machine Intelligence ，1992, 14(2):239-256.[7] Kohlbrecher S,Stryk O V,Meyer J,et al.A flexible and scalable SLAM system with full 3D motion estimation[C]//IEEE International Symposium on Safety,Security,and Rescue Robotics.IEEE, 2011:155-160.
[8] Konolige K ,Chou K.Markov Localization using Correlation[C]//Sixteenth International Joint Conference on Artificial Intelligence. Morgan Kaufmann Publishers Inc.1999:1154-1159.
[9] Olson E B.Real-time correlative scan matching[C]//IEEE Internationa Conference on Robotics and Automation.IEEE Press,2009:1233-1239.[10] Kalman R E.A New Approach to Linear Filtering and Prediction Problems[J].Journal of Basic Engineering Transactions,1960,82:35-45.[11]郑雪鹤，孙
作雷.基于双向激光回环检测的SLAM 算法研究[J].微
型机与应用,2017,36(20):19-22.
[12]张学广.室内环境中基于多传感器融合的主动闭环检测方法研究[D].
秦皇岛：燕山大学
,
2014.
图4 控制点测量与提取
（
a ）实测点等高线
（b ）点云数据等高线
（c ）
实测点与点云数据等高线（d ）实测点等高线与点云数据等高线
图6 实测数据与点云数据等高线对比
（a ）地面点云数据（b ）由地面点云数据生成等高线
图5 地面点云数据与等高线
（a ）实际外业场景
（b ） 按高程附点云场景
图3 实验场景
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议