基于实景三维模型的变电站应用研究实例「虚拟变电站」

今天带来基于实景三维模型的变电站应用研究实例「虚拟变电站」，关于基于实景三维模型的变电站应用研究实例「虚拟变电站」很多人还不知道，现在让我们一起来看看吧！

【摘要】变电站数字化和三维化是电力行业发展的重要内容，但现有的三维建模方式存在效率低、不真实、应用面窄等问题。本研究采用即时定位与地图构建（Simultaneous Localization And Mapping，SLAM）技术的移动扫描和倾斜摄影技术来获取变电站室内外环境信息，实现快速、高精度的室内外一体化实景三维建模。在此基础上，采用WebGL技术构建变电站实景三维模云平台，为多个场景应用提供服务。在教学培训上，在实景的展示和漫游基础上加入虚拟现实技术（Virtual Reality，VR），增强沉浸式体验，达到更好的效果；在设备管理中，通过感兴趣点（Point of Interest，POI）实现实景和属性的信息整合，提高设备管理水平。在变电站工程技改设计、建设验收中，通过地理连接实现二维平面地图、建筑信息模型（Building Information Modeling，BIM）等与实景三维的空间联动，真实反馈现场情况，减少现场勘测次数，节约人力物力。

0引言

随着我国经济建设的快速发展，电力工程建设、技改不断深化，真实精细的三维可视化电网数据已成为电力企业智能发展的重要信息基础。变电站作为电力系统的重要组成部分，集中了大量的重要电力设施，变电站的数字化和智能化作为其日常监测、维护的基础对电力安全发展意义重大，也是近年来国内外研究的热点。

近年来，无人机遥感、激光扫描、近景摄影测量等新型的测绘技术广泛应用于智慧城市发展的各行业部门中，在电力行业，三维可视化建模，以及无人机在电力行业的巡线等方面均有技术上的突破。目前变电站建立的三维模型主要用于实现教学培训、漫游巡视等方面，采用的建模方法主要可分为人工建模和自动建模。人工建模一般根据现有的图片、设计图纸、勘测图纸等，复原变电站内部的环境和设备信息；自动建模一般通过激光扫描获取变电站点云数据，建立三维模型。这种方式相比于主动人工建模，在效率、精度上都有极大的提高，建模的难度也相对降低。目前常用的激光扫描设备为站式激光扫描仪，不少研究也会结合CCD相机获取场景纹理信息，建立更具有真实感的三维模型。在数据获取上，静态站式扫描需要事先充分了解场景环境，规划设站方案，在复杂大场景中，获取效率较低。此外，在数据的处理上，一般采用专业的三维建模软件，如Cyclone、3D MAX、PointCloud等，仍然需要依赖很多专业的人工建模步骤。

即时定位与地图构建（Simultaneous Localization And Mapping，SLAM）技术源于计算机视觉识别领域，目前是移动测绘领域的研究应用热点，基于SLAM的移动测量相比静态站式激光扫描效率提高30倍以上。在SLAM设备上同步安装影像相机和激光扫描仪传感器，同时获取三维激光点云数据和高分辨率影像数据，通过点云和影像的融合自动构建实景三维可视化模型，较现行激光扫描建模方式大大提高了数据获取和处理效率。在变电站三维模型的应用服务上，往往局限于仿真培训、浏览观看等基础功能，相对于模型高制造成本，三维可视化的应用面窄，性价比低。基于SLAM扫描的实景三维模型能够完全复制现实场景，包含真实的视觉和空间感，完全能为变电站工程的设计勘测验收、日常管理等应用服务提供支持。

因此，本次研究采用无人机倾斜摄影和SLAM移动扫描技术分别采集宁波市某变电站室内外数据，并建立变电场站的室内外一体化实景三维模型。在此基础上，采用WebGL技术开发了以实景三维数据为基础的多功能应用平台，实现了实景三维在变电场站教学培训、设备管理、工程设计勘测验收等场景中的可视化应用。

1总体研究思路

本研究的主要思路和内容为数据采集、数据处理和平台研究，如图1所示。其中，①数据的采集即获取变电站室内外的基本信息，包括无人机获取的影像数据、定资定位系统数据（Position and Orientation System，POS）、SLAM移动扫描获取的点云全景和惯性测量装置（Inertial Measurement Unit，IMU）数据；②在内业的数据处理，包括检查获取数据的质量、进行建模前的预处理、分别建立室内和室外实景三维模型，其中关键步骤在本文的第二小节中进行了详细说明；③最终在实景模型的基础上构建应用平台，包括明确变电站三维模型的应用场景、设计开发和实现相应的功能，在本文的第三小节中进行了阐述。

图1总体研究框架

Fig.1 Overall research framework

2数据采集与处理

2.1 数据采集

采用的无人机倾斜摄影能够从不同视角采集影像，经过计算机图形计算，结合POS信息进行空三处理、TIN网构建和纹理映射，最终可生成室外三维模型。因相关的文献和应用研究较多，本文不再介绍。变电站的室内三维建模采用SLAM移动扫描系统，设备包括3台测程为30 m的呈立体交叉排列激光扫描仪、6台摄影中心统一的全景相机以及高精度IMU传感器。在扫描的过程中能够同步获取空间点云、影像和姿态POS数据。在移动扫描的过程中，点云数据是连续不间断采集的，而全景影像会根据实际情况以相同的距离或时间间隔采集。

2.2 数据处理

SLAM扫描数据的处理流程包括：根据IMU数据初步匹配点云数据，相邻点云数据集之间通过特征点匹配算法，最小化误差值得到局部最优解。通过闭环检测将闭合差按激光点云的帧数平差到每帧，减小IMU累计误差，进一步优化全局轨迹。通过传感器之间的姿态参数，将点云、全景按照时空信息进行配准，最终建立实景三维模型。

2.2.1 IMU姿态解算

IMU内部系统由三轴陀螺仪和3个方向的加速器分别获取物体在三维空间中的加速度和角速度，以此估算物体运动姿态。加速度和角速度公式为：

式中，上标W ，B 表示世界坐标系和IMU坐标系，RWB下标W、B 表示从IMU坐标系转到世界坐标系，t 表示瞬时时刻，右下标g和a分别表示角速度测量值相关和线加速度测量值相关，

是世界坐标系下的重力加速度。η 为加性白噪声，b为传感器零偏。

为测量得到的IMU坐标系相对于世界坐标系的角速度，

为测量得到的IMU坐标系下的加速度。以上计算得到的加速度和角速度公式其实可看作真实值、漂移值和高斯误差之和。

假设从t到tΔt时间段内的角速度

和加速度

保持不变，得到tΔt 时刻的空间位置RWB (tΔt )，t Δt 时刻的运动速度

，tΔt时刻的姿态

，公式如下所示：

2.2.2 点云匹配

虽然点云在扫描的过程中是连续采集环境信息的，但是变电站包含多个房间和楼层，被迫在空间上中断，拆分为若干工程，不同工程文件之间的拼接采用半自动化的方式，即先将点云集按照实际空间位置手动移动，获取较为准确的初始位置，然后采用经典的最近邻点(Iterative Closest Point,ICP)算法进行迭代优化。

通过构建不同点云集之间的映射关系进行信息融合才能构建完整的空间点云，本研究中采用的是经典的数据配准算法—迭代求解点云之间的变换关系。

ICP本质是基于最小二乘的最优匹配方法，假设两个点云集合X ={x 1,x 2,…,xm }, Y ={y 1,y 2,…,ym}，通过求解旋转矩阵R 和平移矩阵T 能够进行变换。函数f (R ,T )表示X，Y点集之间的差异程度。

最小化目标函数f (R ,T )得到误差函数E (R ,T )，就能求解R 和T ，获取变换过程。求解的过程通过计算机完成，可自定义迭代次数或误差的阈值。

这一步中的点云匹配和上一步IMU运动模型均可以给出两帧点云之间的位置约束，结合两者使用非线性的方法联合两个预测结果的误差项，求解Etotal函数的最小值，得到更优化的位姿估算。

迭代前后结果对比如图2所示。

图2手动匹配点云（左）迭代后的点云（右）

Fig.2 Point cloud matching by manual matching (left) and iteration (right)

2.2.3 闭环优化

IMU的姿态解算中得到的预积分值和点云匹配都能得到两帧之间的位置约束条件，综合两条件，能够得到更加准确的位姿估算，优化局部结果，生成初步轨迹和三维点云空间。但在长距离的扫描中，IMU存在累积性误差不可避免，影响空间地图整体的准确性。我们采用闭环检测对轨迹进行的全局校正。闭环的基本原理是利用扫描过程中通过路径闭环方式，实现回环约束，利用误差最小化的非线性可求解。

经过上述扫描匹配、连续位置估计和全局定位（闭环全局校正）获取准确的运动轨迹。根据各传感器之间的转换关系，将各传感器的点云数据转换至世界坐标系，解算出整个采集环境的三维点云，最终的效果如图3所示。

图3点云地图和轨迹

Fig.3 Point cloud map and track map

2.2.4 影像和点云的融合

在构建好的点云三维空间之中，利用时空一致性实现全景和点云的匹配，如图4所示。首先根据时间记录仪记录数据调取同一时间的点云和全景影像数据，空间上，通过坐标转换实现空间统一。设备直接采集到的数据都是以各自传感器为坐标原点，如点云数据即以扫描仪为坐标系原点、以扫描光束为极轴建立的激光扫描仪极坐标系。每台全景相机都以其摄影光心为成像平面中心，垂直成像平面为z 轴构建的单独相机坐标系。这里涉及到几个坐标系：激光扫描仪极坐标系、激光扫描仪直角坐标系、全景相机坐标系、（所有全景）相机坐标系和平台坐标系。每台激光扫描仪均有各自的极坐标系，三台扫描仪构建一个自定义的直角坐标系。多台全景相机共同组成全景相机坐标系。平台坐标系统一了内部各传感器的虚拟直角坐标系。最终数据的匹配需要通过以下步骤的坐标系转换：

1）激光扫描仪极坐标系统向直角坐标系统转换；

2）扫描仪、相机坐标系向平台系统转换；

在实际中，坐标转换的过程一般利用传感器之间严格标定的轴系空间位置关系完成，实现全景和点云的空间指向一致性，即每一张全景影像都对应特定空间的点云数据。在此基础上，采用共线方程法进行点云赋色，激光点云采集的信息可转化成实际物体的绝对坐标。在全景相机中，从全景相机中心发出光线到实际物体之间的连线投影在全景像片上，即实际物点、球面像点和相机中心的共线。通过共线方程求解每一个点云和与之相匹配的全景像素点，实现点云着色和生成全景深度信息，结果如图5所示。

图4全景影像（a）点云数据（b）

Fig.4 Panoramic image (left) point cloud (right)

图5点云和影像融合结果

Fig.5 The fusion results of panoramic image and point cloud

2.2.5 精度验证

精度验证的原理是将实际空间坐标和三维模型中的同名点进行比较，计算两者空间距离的相对误差。在扫描过程中均匀布设一定数量的控制点和检查点并通过GPS测得其精确的地理坐标，其中控制点用于整个三维模型本地坐标系向世界坐标系转换，检查点用于三维模型的精度检验，即获取同名点点云坐标Pckp和真实测得的坐标Pckt之差，采用均方根误差RMSE 作为精度指标。

本项目共布设了10个检查点和10个控制点，获取坐标信息(X ,Y )见表1，空间分布如图6所示。通过全景图上标记好的点获取检查点在三维模型上的同名点(X 1,Y 2)见表2，最终计算得到本次变电站模型的均方根误差为（0.013 98 m，0.010 98 m），精度符合预期要求。

表1控制点和验证点坐标

Tab.1 Coordinates list of control point and verification point

图6控制点和验证点分布图

Fig.6 The distribution map of control points and verification points

表2验证点精度对比结果

Tab.2 Accuracy comparison result of verification point

2.2.6 附加处理

根据最终平台开发的功能要求，变电站的实景模型还需要完成主要电力设施设备的兴趣点（Point of Interest,POI）创建、生成和编辑导航路径，连接室外三维模型完成地理注册等工作，如图7、图8所示。

图7创建导航网格

Fig.7 Navigation grid creation

图8变电站室外模型

Fig.8 Substation outdoor model

3实景三维云服务平台

本研究首先分析了目前变电站三维建模可用的场景，根据现实应用的工作内容和需求设计开发平台功能。

3.1 变电站应用场景分析

目前的变电站三维模型最常应用于培训教学中，本次研究在此基础上拓展变电站工程建设过程中以及建成后的内部管理两方面的应用。

变电站的工程建设一般需要多次现场调查，效率低且不经济。实景三维模型快速真实地复刻了变电站室内室外全部信息，能够将现场情况提供给工程的设计、施工、验收各个时段和环节的工作人员，减少传统的现场作业量。在变电站内部的管理中，设备的属性信息、空间位置、外部环境都是日常管理规划的重要信息，但数据之间的关联性不强，信息体系不健全，室内的实景三维可作为基础地理信息，整合各类信息，建立全息地图。

3.2平台功能开发

本研究开发的变电场站室内外一体化三维实景平台基于WebGL技术，系统采用B/S构架，无需安装软件插件，可在PC、移动端等多种设备中浏览器访问，降低了成果使用的限制，提高了利用率。

1）三维可视化和场景漫游

本次建立的变电站三维可视化平台能够实现室内和室外、点云和全景、实景和平面地图等多种模式的切换，全方位展示变电站信息。用鼠标点击地图内的任意区域，就能实现场景的快速跳转和漫游，如图9所示。

图9变电站室内外三维可视化

Fig.9 3D visualization of indoor and outdoor substation

本次研究还将虚拟现实技术（Virtual Reality,VR）应用于变电站实景模型中，在虚拟浏览的过程中增加视频、音频、文字、图片等多种多媒体信息，为浏览者提供一种沉浸式体验，加强培训教学、参观示范的效果，如图10所示。

图10VR应用于变电站模型

Fig.10 VR technology applied to substation model

2）实景勘测

平台支持多种形式的设计、施工等二维电子地图导入。通过地理控制点实现二维和三维的场景联动，点云和全景的融合能够直接在全景中进行距离和面积的量测，直接为设计、施工核验提供准确的现场反馈，减少人员的现场作业量，提高工作效率。此外，还能通过网络共享场景位置信息，满足工程各阶段各部门的合作交流需求，如图11所示。

图11实景测量

Fig. 11 Measurement by panoramic image

3）实景和BIM联动

建筑信息模型（Building Information Modeling，BIM）在变电站的设计建设中具有重要作用，但还是具有很强的抽象性，不能反映真实的场景细节。本研究开发用于Revit软件中的插件，能将实景三维地图和Revit中的BIM模型通过同名点关联，实现实景三维和BIM三维的空间联动。还可对不同施工阶段的变电站进行多次扫描，帮助设计验收人员远程获取真实的场景信息，确保设计的合理性和施工的准确性，提高工程建设的效率和质量，如图12所示。

图12实景地图和BIM结合

Fig.12 The combination of real map and BIM

4）定位导航

本次建立的SLAM定位采用高精度的视觉识别技术，通过现场拍摄所处位置环境影像，在系统中和已建立地图进行快速准确的匹配计算，返回当前最可能的位置。该方法不依赖外部信号，在室内复杂、封闭的环境中具有稳定性。首次进入现场的变电站工作人员或访客，可在平台上确定起止点后实现最优路径规划，如图13所示。

图13路径导航

Fig.13 Path navigation

5）基于位置的设备信息管理

传统的变电站设施运行和维护管理过程信息化程度较低，设备的基本属性、维护记录等大多记录储存不全或未进行电子化。本次项目可在全景中直接自定义设备POI，添加如名称、材质和规格等基本属性和维修计划、记录等运维信息，实现基于位置的信息统一。POI编辑的内容支持图片、表格、多媒体等多种表达形式。在实景中获取设备全部信息。当设备运行故障时，传统的方式下维修人员需要先查询设备型号、维修记录等各类信息，维修效率低且易产生错检、漏检等情况。建立设备POI管理体系后，现场维修人员可根据设备的历史维修记录做出预先保养计划，在移动端随时记录设备状态，提高变电站运行和维护管理效率，如图14所示。

图14电力设备的POI建立

Fig.14 Establish POI for electrical equipment

4结束语

本次研究以宁波市某变电站为例，采用无人机倾斜摄影和SLAM技术建立变电站完整的室内外实景模型，并基于B/S构架开发实景三维服务平台为变电站多个应用场景提供支持。优势包括：①数据的快速获取和自动化处理，很好地解决了变电站内部结构复杂、数字化困难的问题。建立的实景三维模型实现了纹理和空间的真实统一，是电力行业数字化，智能化的主要数据基础；②WebGL云服务器平台，极大地改变了数据的时空使用限制，提高了数据的利用率，增强了工作弹性；③个性化功能定制，基于云服务的平台能够根据实际需求提供更多场景定制服务。目前已开发的基本功能能够为变电站培训教学、工程设计验收审批、设备管理等方面提供一种智能化技术支持，有效整合内部信息，改善工作体验，提高工作效率，更好地服务于 “智能化”“数字化”的电力服务体系建设。

业务咨询请私信小编或者百度搜索—艾三维