Наши партнеры постоянно спрашивают о решениях, которые позволят быстро и эффективно проводить инспекции ЛЭП (провисание проводов и зарастание коридоров растительностью), поэтому предложенные автоматические решения по использованию технологии LiDAR могут значительно ускорить работу в поле и автоматизировать анализ информации. В этом юзкейсе мы разделили работы на две части: полевую съемку и предварительную обработку сырых данных, выполненных нашими специалистами, а также классификацию облака точек, которую провели профессионалы своего дела и наши друзья из GEOinnovation+.
Цель:
Протестировать возможность и эффективность использования данных лазерного сканирования для анализа состояния ЛЭП и долгосрочного планирования (противопожарных мер, аварийных состояний и т.п.).
Оборудование: Matrice 300 RTK, подвес LiDAR Zenmuse L1
Программа постобработки: DJI Terra, Terrasolid
Планирование работ
Перед основным этапом работы мы провели привычные предполетные процедуры:
- Определение препятствий, которые могут помешать полету
- Проверка зон запрета или ограничения полетов на сайтах DJI и Государственной авиационной службы
- Настройка миссии:
- высота — 59 м
- тип миссии — линейный
- поперечное перекрытие — один пролет
- Настройка подвеса
- режим сканирования — non repitetive
- частота сканирования — 120kHz
- количество повторов — до 3-х отражений
- колоризация облака точек — включена
Для тестирования LiDAR мы выбрали небольшой участок ЛЭП длиной 700 м с разными объектами, чтобы оценить возможности автоматической классификации на разных видах территории.
В общей сложности планировка маршрута заняла 5 минут.
Полевые работы
Время выполнения – 10 минут.
Время полевых работ включает развертывание (сбор дрона и подвеса), калибровку компаса, подключение к сети базовых станций (System.net), окончательную проверку ключевых моментов для безопасности проведения полетов:
- высота возвращения домой – высота, на которой будет возвращаться дрон в случае потери связи или окончания миссии
- точка «Дом» — место, куда автоматически возвращается дрон при потере сигнала или завершении миссии
- проверка настроек миссии
- наличие ошибок или сообщений
Сам полет занял несколько минут и выполнялся автоматически:
- время на взлет и быстрое движение к точке старта
- калибровка IMU (инерционной системы) — дрон автоматически выполняет полет по форме восьмерки для калибровки инерционной системы
- выполнение полета — дрон автоматически пролетает вдоль ЛЭП по заданной миссии, оператор следит за безопасностью выполнения полета и качеством собранной информации с помощью функции предварительного просмотра, что позволяет просмотреть собранный материал
- финальная калибровка по завершению миссии — дрон выполняет автоматическую калибровку инерционной системы каждые 100 секунд полета и после завершения миссии.
- возврат домой — дрон поднимается на заданную безопасную высоту и возвращается на заданную точку «Дом»
Весь процесс сбора данных LiDARом очень быстрый и занял примерно 10 минут. Это в несколько раз быстрее, чем сбор данных для фотограмметрии. Такая разница связана с разными принципами сбора данных и последующей обработкой. Например, при обследовании того же участка с Phantom 4RTK необходимо выполнить не менее двух вылетов вокруг ЛЭП, чтобы получить достаточно информации хотя бы об опорах. Чтобы получить информацию о проводах, нужно минимум три пролета, что занимает больше времени и таким образом делает процесс затратным и снижает эффективность. Matrice300 RTK с Zenmuse L1 выполняет эту миссию за один пролет на скорости 10 м/с. Использование LiDARа в поле делает процесс более быстрым и эффективным.
Следующий вопрос – это обработка данных
Камеральные работы
Базовая обработка
В результате работы дрон создает набор из 9 файлов (данные калибровки модулей и накопленные данные из LiDARа, антенн, IMU, фотографии для колоризации и файл с базовой станции). Их нужно сохранить на ПК.
Обработка производится в комплектном ПО DJI Terra, время на обработку занимает несколько минут, хотя, конечно, зависит от размера объекта и мощности ПК. По сравнению с фотограмметрической проработкой, мы получаем облако точек в разы быстрее, поскольку оно формируется во время работы LiDARа, и программа лишь корректирует ее положение в пространстве. В то время в фотограмметрии программа анализирует снимки и после выравнивания создает облако точек, что занимает гораздо больше времени.
Для улучшения позиционирования облака точек, уравнивания траектории движения оборудования и избегания раздвоения смежных данных мы рекомендуем всегда выполнять ППК (постобработку траекторий полета).
В результате обработки мы получаем облако точек в формате LAS, S3MB, PLY, что поддерживает большинство программ для классификации или анализа облака точек.
Из доступных вариаций отображения в DJI Terra по нашему выбору:
- колоризированное облако точек (RGB) — все точки отображаются в цвете поверхности
- высотная градация — точки в цвете в соответствии со шкалой от самой низкой до самой высокой
- интенсивность — интенсивность отражения луча от поверхности, зависящая от типа и цвета поверхности
- отражение — поскольку луч лазера способен проходить сквозь определенные поверхности, мы можем получать данные о поверхности и том, что находится за ней (на примере деревьев, о листьях и земле за ними); данный LiDAR поддерживает до 3-х отражений
Уже на этом этапе, используя доступные инструменты измерения, можно оценить провисание проводов и расстояние до растительности. Однако, если мы исследуем обширную территорию, то более подходящий вариант — работа с алгоритмами классификации, поскольку это значительно повышает эффективность работы.
Классификация облака точек
Классификация облака точек выполнялась в программном продукте Terra solid нашими коллегами из GEOinnovation+. Классификация облака точек — это процесс распределения точек в различные классы в соответствии с заданными параметрами и типом объекта, которому они соответствуют.
Классификация выполнялась в два этапа:
- Автоматическая классификация (используются самые современные алгоритмы)
- Ручная классификация (исправление ошибок автоматической классификации)
Для данного примера использования мы выбрали следующие 9 классов:
- Default (неклассифицированные точки)
- Ground (земная поверхность)
- Low vegetation (низкая растительность)
- Building (здания)
- Low points (шум)
- Bridge (мосты)
- Wires (провода)
- Pole (опора ЛЭП)
Количество классов (определение объектов) может изменяться в зависимости от цели.
С этой информацией можно проводить анализ коридоров зарастания, провисания и других параметров и даже автоматизировать этот процесс, используя определенные алгоритмы.
Посмотреть на классифицированное облако точек можно онлайн по ссылке: https://las.teofly.com/view/NpsJETzc
Следующий этап — это автоматическая векторизация проводов для дальнейшего расчета провисания проводов и определения коридоров зарастания. Также векторизовать можно столбы. По векторизованным слоям можно провести измерение или экспортировать их в другое программное приложение в соответствующих открытых форматах.
Результаты
По полученным данным из LiDAR и после проведенной классификации в автоматическом режиме рассчитали следующие характеристики:
- дистанцию между точками крепления проводов
- провисание проводов между двумя опорами
- расстояние до земли от самой низкой точки
- длину провода
- коридоры зарастания
Обработка не занимает много времени и может производиться автоматически с минимальным вмешательством персонала. Определение вышеуказанных характеристик очень информативно и удобно для пользователя (пример отображения приведен ниже).
Самым интересным для нас оказались коридоры зарастания — расстояние до посторонних объектов или растительности.
Для данного кейса были рассчитаны коридоры в 5 и 8 метров, но этот коридор может быть изменен в соответствии с действующими нормами и по типу и мощности ЛЭП (на схеме обозначены красным и синим цветом соответственно). Эти зоны можно экспортировать в формате DXF или KML и четко давать координаты команде по расчистке.
Вывод
Использование сенсора LiDAR в инспекции ЛЭП — эффективный инструмент, позволяющий быстро собирать информацию на местности, что значительно увеличивает производительность бригады.
Обработка данных LiDAR не занимает много времени и выполняется автоматически, что уменьшает затраты времени персонала на обработку. Кроме того, цифровую информацию можно легко хранить, распространять и демонстрировать, а также интегрировать в ГИС-системы.
DroneUA — международный системный интегратор беспилотных решений. В структуре компании функционируют собственные инженерные и производственные подразделения, открыт центр по обработке данных. DroneUA — дистрибьютор коммерческих и промышленных решений компании XAG, DJI и Parrot, дистрибьютор программного обеспечения Drone Deploy и Pix4D на территории Восточной Европы и Кавказа.
Компания ведет свою деятельность в сферах энергетики, нефтегазовой промышленности, геодезии и топографии. Основными направлениями работы DroneUA является разработка и внедрение отраслевых решений, основанных на технологии дронов, предоставление услуг с использованием БПЛА, а также обработка полученных с помощью беспилотников данных. Технологии DroneUA используются на более чем 4 млн гектаров посевных площадей Украины.
Группа компаний DroneUA входит в ТОП 3 самых инновационных компаний в сельскохозяйственном секторе Украины по версии издания FORBES и в ТОП 20 самых инновационных компаний Украины.