基于點(diǎn)云技術(shù)和參數(shù)化模型的變電站三維數(shù)據(jù)管理研究_珞珈德毅科技

1、基于點(diǎn)云技術(shù)和參數(shù)化模型的變電站三維數(shù)據(jù)管理研究實(shí)施方案武漢珞珈德毅科技發(fā)展有限公司2014年2月1. 目的與意義變電站是電力系統(tǒng)中重要的組成部分，具有變換電壓等級(jí)，匯集配送電能的重要功能。隨著數(shù)字城市，三維GIS技術(shù)在電力領(lǐng)域的深入研究和應(yīng)用，建立高仿真度三維電力站模型成為研究和應(yīng)用的熱點(diǎn)。傳統(tǒng)三維建模技術(shù)主要利用近景攝影測(cè)量技術(shù)和碎步測(cè)量技術(shù),但攝影測(cè)量技術(shù)對(duì)層次數(shù)據(jù)立體測(cè)量精度很難達(dá)到令人滿意的效果而碎步測(cè)量的工作量巨大，不能快速獲取數(shù)據(jù)。珞珈德毅科技長(zhǎng)期扎根電力行業(yè)，深入研究電力行業(yè)的各項(xiàng)需求，基于二三維一體化地理信息系統(tǒng)平臺(tái)DEUGlobe®自主研發(fā)了智能電網(wǎng)輸變電資源管理

2、平臺(tái)。輔以云計(jì)算、通訊、LiDAR及遙感技術(shù)，實(shí)現(xiàn)電力基礎(chǔ)數(shù)據(jù)的處理、三維數(shù)據(jù)快速瀏覽、空間分析、三維渲染、輔助設(shè)計(jì)、專業(yè)分析等功能，支持地上、地下一體化三維展現(xiàn)、儲(chǔ)存、發(fā)布與共享，支持云服務(wù)架構(gòu)，為GPMS、ERP等業(yè)務(wù)系統(tǒng)提供完美的數(shù)據(jù)服務(wù)支撐，數(shù)據(jù)安全性和可靠性高。系統(tǒng)通過三維可視化技術(shù)和空間信息技術(shù)構(gòu)筑“智能電網(wǎng)”，實(shí)時(shí)、直觀地了解電網(wǎng)的各類信息，輔助工作人員進(jìn)行業(yè)務(wù)管理和決策，從而實(shí)現(xiàn)對(duì)電網(wǎng)實(shí)時(shí)、科學(xué)、高效的管理，提高電網(wǎng)管理質(zhì)量和運(yùn)行效率、降低運(yùn)營(yíng)成本。激光雷達(dá)（LiDAR，又稱：激光掃描）技術(shù)是近十幾年來發(fā)展異常迅速的主動(dòng)式測(cè)量技術(shù)，其硬件工藝日益成熟，能以每秒50萬點(diǎn)（甚至更高

3、）的速度獲取測(cè)距精度達(dá)2mm的密集點(diǎn)云數(shù)據(jù)，同時(shí)，還能接收具有一定規(guī)律的強(qiáng)度信號(hào)，在測(cè)繪、城市建模、土木工程中得到了大量的應(yīng)用。與成熟的數(shù)據(jù)采集硬件相比，激光掃描數(shù)據(jù)后處理軟件技術(shù)有明顯的滯后，盡管激光掃描數(shù)據(jù)處理是近年來國(guó)內(nèi)外非常熱門的研究領(lǐng)域，在波形分析、數(shù)據(jù)配準(zhǔn)、點(diǎn)云濾波、對(duì)象識(shí)別和重建等方向上都有許多成果和方法，但是，這些方法大多是針對(duì)某種特殊的數(shù)據(jù)密度或區(qū)域進(jìn)行的實(shí)驗(yàn)性研究，無法解決由激光掃描數(shù)據(jù)生產(chǎn)結(jié)構(gòu)復(fù)雜，種類多樣的變電站電器件三維重建的實(shí)際問題，在數(shù)據(jù)生產(chǎn)中，仍需要大量的人工干預(yù)，生產(chǎn)效率和產(chǎn)品精度較低，難以體現(xiàn)激光掃描的優(yōu)勢(shì)。電力站的數(shù)字化是將測(cè)繪、信息、計(jì)算機(jī)等多學(xué)科技術(shù)有

4、機(jī)結(jié)合為一體的交叉學(xué)科，是三維重建的新方法與手段，通過客觀、完整地獲取電站設(shè)備元器件幾何、色彩和電力知識(shí)等資料，實(shí)現(xiàn)對(duì)變電站的三維結(jié)構(gòu)重建與展示。為了實(shí)現(xiàn)國(guó)網(wǎng)山東省電力站資源、景觀和環(huán)境管理等資源的數(shù)字化、網(wǎng)絡(luò)化及動(dòng)態(tài)可視化的目標(biāo)。在此共識(shí)，利用目前發(fā)達(dá)的傳感器和信息技術(shù)等數(shù)字化的手段，比如激光掃描技術(shù)快速、精確的獲取電力站的三維信息以及實(shí)時(shí)紋理，并為以后的場(chǎng)區(qū)管理工作提供最全面最基礎(chǔ)的信息支持。在點(diǎn)云的基礎(chǔ)上實(shí)現(xiàn)變電站模型參數(shù)化和三維數(shù)據(jù)管理的研究。本項(xiàng)目是國(guó)內(nèi)少有幾個(gè)對(duì)變電站建立三維數(shù)字化信息系統(tǒng)，將數(shù)字化展示分析與變電站管理有機(jī)結(jié)合，能為變電站信息化建設(shè)、展示、管理、分析，應(yīng)急響應(yīng)等應(yīng)用

5、提供基礎(chǔ)服務(wù)的同時(shí)，研究變電站三維建模過程中存在的若干關(guān)鍵技術(shù)并給出相應(yīng)的解決方案。本項(xiàng)目服務(wù)范圍主要是山東地區(qū)，能提升山東電力集團(tuán)公司的社會(huì)影響與宣傳力度；能以信息化管理和決策的方式直接帶來經(jīng)濟(jì)效益；能增加文化知名度和社會(huì)影響力，帶來社會(huì)效益；研究了點(diǎn)云在三維變電站數(shù)字化過程中的若干關(guān)鍵技術(shù)，推動(dòng)技術(shù)進(jìn)步。本項(xiàng)目將來可以推廣應(yīng)用到國(guó)內(nèi)變電站數(shù)字化進(jìn)程，潛在效益巨大。2. 研究?jī)?nèi)容和預(yù)期效果2.1. 研究?jī)?nèi)容針對(duì)變電站的規(guī)模、分布、三維重建內(nèi)容、設(shè)備現(xiàn)狀等特點(diǎn)，本項(xiàng)目的研究?jī)?nèi)容包括以下幾個(gè)方面：1. 研究與變電站設(shè)備業(yè)務(wù)ID對(duì)應(yīng)的點(diǎn)云數(shù)據(jù)管理方法2. 研究點(diǎn)云關(guān)鍵數(shù)據(jù)的抽取和分類辦法3. 研究

6、點(diǎn)云數(shù)據(jù)快速轉(zhuǎn)化為參數(shù)化模型的方法4. 研究參數(shù)化模型與點(diǎn)云套合程度的計(jì)算指標(biāo)5. 研究點(diǎn)云數(shù)據(jù)、參數(shù)化模型在非結(jié)構(gòu)化平臺(tái)的存儲(chǔ)和調(diào)用方法2.2. 重點(diǎn)解決問題針對(duì)以上這些研究?jī)?nèi)容，擬重點(diǎn)解決的問題是：1. 有效的點(diǎn)云數(shù)據(jù)管理方法2. 有效的點(diǎn)云數(shù)據(jù)分割分類方法3. 點(diǎn)云數(shù)據(jù)的參數(shù)化建模方法2.3. 預(yù)期成果及提交形式1. 建立一套變電站點(diǎn)云數(shù)據(jù)分類管理、構(gòu)造參數(shù)化模型、參數(shù)模型符合度評(píng)價(jià)的作業(yè)方法和工作機(jī)制2. 采集2個(gè)變電站的點(diǎn)云數(shù)據(jù)，構(gòu)造參數(shù)化模型并與電網(wǎng)GIS平臺(tái)設(shè)備業(yè)務(wù)ID對(duì)應(yīng)，實(shí)現(xiàn)GIS平臺(tái)二三維一體化；3. 申報(bào)1項(xiàng)發(fā)明專利、1項(xiàng)實(shí)用新型專利，發(fā)表2篇論文。3. 實(shí)施方案3.1.

7、 總體流程變電站數(shù)字化工作分為控制測(cè)量、三維激光掃描數(shù)據(jù)采集、紋理數(shù)據(jù)處理、三維平臺(tái)搭建等步驟，總體流程如圖 1所示。數(shù)據(jù)采集階段場(chǎng)區(qū)坐標(biāo)系建立控制點(diǎn)加密標(biāo)靶放置激光掃描紋理拍攝點(diǎn)云數(shù)據(jù)配準(zhǔn)點(diǎn)云坐標(biāo)系轉(zhuǎn)換點(diǎn)云數(shù)據(jù)處理建模紋理貼圖后期成果展示數(shù)據(jù)處理階段地形及局部場(chǎng)景數(shù)字化場(chǎng)區(qū)激光掃描精確掃描點(diǎn)云數(shù)據(jù)配準(zhǔn)紋理貼圖標(biāo)靶放置標(biāo)靶網(wǎng)構(gòu)建點(diǎn)云數(shù)據(jù)處理重點(diǎn)設(shè)備器件數(shù)字化數(shù)據(jù)采集階段數(shù)據(jù)處理階段模型生成圖 1總體流程圖Ø 采集變電站三維幾何基礎(chǔ)資料數(shù)據(jù)激光掃描系統(tǒng)獲取密集的場(chǎng)區(qū)點(diǎn)云可精確記錄場(chǎng)區(qū)現(xiàn)狀的幾何形態(tài)與空間結(jié)構(gòu)，作為場(chǎng)區(qū)數(shù)字化的基礎(chǔ)性工作，是非常有價(jià)值的底層資料，可作為場(chǎng)區(qū)數(shù)字化的重要數(shù)據(jù)

8、長(zhǎng)期存檔。Ø 重建變電站的精細(xì)三維外觀利用不同尺度和精度的激光掃描數(shù)據(jù)構(gòu)建場(chǎng)區(qū)部分器件外觀與其周圍環(huán)境的三維幾何模型，并賦予準(zhǔn)確的空間位置信息。對(duì)于場(chǎng)區(qū)的精確的三維幾何建模和空間定位，給場(chǎng)區(qū)數(shù)字化工作提供了最全面的基礎(chǔ)“框架”，各單體和部分精細(xì)局部地形等數(shù)字化工作成果可直接對(duì)接到場(chǎng)區(qū)總體三維幾何數(shù)據(jù)中，從而快速將其數(shù)字化成果定位到絕對(duì)的空間位置中。Ø 搭建變電站三維數(shù)字化管理系統(tǒng)平臺(tái)完成場(chǎng)區(qū)的雕塑、地形等三位重建后，搭建三維場(chǎng)區(qū)管理平臺(tái)，將構(gòu)建的模型、搜集的各種歷史文化資料等信息導(dǎo)入該平臺(tái)，方便場(chǎng)區(qū)工作人員查閱、整理、觀看場(chǎng)區(qū)的各種實(shí)景以及資料。為場(chǎng)區(qū)管理單位提供更準(zhǔn)確詳細(xì)

9、的場(chǎng)區(qū)管理支撐平臺(tái)。3.2. 三維激光數(shù)據(jù)采集方案3.2.1. 總體控制數(shù)據(jù)采集示意如下圖所示，大體上可分為激光掃描和控制測(cè)量?jī)蓚€(gè)步驟。附合導(dǎo)線支導(dǎo)線激光掃描測(cè)站激光掃描標(biāo)靶支導(dǎo)線圖 2 激光掃描數(shù)據(jù)采集方案示意圖（1）激光掃描在變電站內(nèi)布設(shè)若干激光掃描標(biāo)靶，作為多站激光掃描多站連接的公共點(diǎn)，也作為單獨(dú)洞窟掃描與整體控制測(cè)量連接的控制點(diǎn)。激光掃描利用筆記本電腦運(yùn)行Leica Cyclone軟件對(duì)激光掃描儀的掃描進(jìn)行控制。首先對(duì)洞窟進(jìn)行合適分辨率的掃描，然后對(duì)激光掃描標(biāo)靶進(jìn)行精確掃描。（2）控制測(cè)量利用山東省測(cè)繪局在場(chǎng)區(qū)內(nèi)測(cè)量的已知點(diǎn)作為場(chǎng)區(qū)坐標(biāo)系的控制點(diǎn)，加密測(cè)量出一條控制導(dǎo)線，控制導(dǎo)線要求每

10、個(gè)掃描站都能與導(dǎo)線的至少一個(gè)節(jié)點(diǎn)通視，以便為每個(gè)掃描站測(cè)量場(chǎng)區(qū)內(nèi)激光掃描控制點(diǎn)的坐標(biāo)建立支導(dǎo)線。支導(dǎo)線最多只能有兩個(gè)節(jié)點(diǎn)，第一個(gè)節(jié)點(diǎn)在對(duì)象入口，能與附合導(dǎo)線的節(jié)點(diǎn)通視；第二個(gè)節(jié)點(diǎn)延伸至對(duì)象內(nèi)部，與入口的節(jié)點(diǎn)通視，同時(shí)要求能觀測(cè)到對(duì)象內(nèi)部3個(gè)以上的激光掃描標(biāo)靶。3.2.2. 激光掃描儀器設(shè)備由于變電站特殊的環(huán)境，激光掃描將采用短距離地面激光掃描儀與長(zhǎng)距離地面激光掃描儀相結(jié)合的方式進(jìn)行。部分結(jié)構(gòu)復(fù)雜儀器采用短距激光掃描儀精掃描，建筑物、局部結(jié)構(gòu)簡(jiǎn)單的對(duì)象采用短距離地面激光掃描儀，局部大地形采用長(zhǎng)距離激光掃描儀。地面測(cè)量激光掃描儀：（1）50米測(cè)量距離，單點(diǎn)實(shí)際測(cè)距精度在3mm左右（注意：非儀器標(biāo)稱

11、精度）；（2）為了保證工作效率，儀器要達(dá)到每秒10萬點(diǎn)的測(cè)量速度；（3）為了保證在洞窟中方便使用，儀器體積不可太大；（4）儀器要提供方便的控制軟件，方便儀器使用和不同掃描站之間的配準(zhǔn)。短距離地面激光掃描儀采用我實(shí)驗(yàn)室已經(jīng)購(gòu)置的Z+F Imager5006型三維激光掃描儀，儀器外形如圖3所示，主要參數(shù)如所示。圖 3 Z+F Imager5006型三維激光掃描儀表1 Z+F Imager5006型三維激光掃描儀測(cè)量性能參數(shù)最大測(cè)程: 79 m 最小測(cè)程: 0.4 m 測(cè)距分辨率: 0.1 mm 測(cè)量頻率: 508 000 點(diǎn)/秒測(cè)距線性誤差精度（50m） 1 mm 角度分辨率: 0.0018

12、76;角度精度: 0.007°rms由參數(shù)表1可知，Z+F Imager5006型三維激光掃描儀測(cè)距范圍、分辨率、精度、掃描速度等各項(xiàng)指標(biāo)均適合在場(chǎng)區(qū)內(nèi)近距離對(duì)局部地形、地宮等對(duì)象進(jìn)行掃描。在之前的敦煌莫高窟崖壁掃描中，利用該款激光掃描儀，得到了比較理想的效果。長(zhǎng)距離地面激光掃描儀采用RIEGL VZ-1000三維地面激光掃描儀，儀器外形如圖4所示，主要參數(shù)如所示。圖 4 RIEGL VZ-1000型三維激光掃描儀表2 RIEGL VZ-1000型三維激光掃描儀測(cè)量性能參數(shù)最大測(cè)程: 1200 m 測(cè)距分辨率: 5 mm 測(cè)量頻率: 300 000 點(diǎn)/秒測(cè)距線性誤差精度（100m）

13、5mm 掃描視場(chǎng)范圍: 100° x 360°（垂直x 水平）RIEGL VZ-1000型三維激光掃描儀屬于長(zhǎng)距離激光掃描儀，適合在高處對(duì)周圍的局部地形進(jìn)行遠(yuǎn)距離激光掃描。此儀器也可用LeicaScanStation2等脈沖式長(zhǎng)距離激光掃描儀代替。針對(duì)數(shù)據(jù)的完整性與工作實(shí)施的可行性問題，必須根據(jù)不同的具體情況使用不同的激光掃描儀。如一般遮擋較少、對(duì)象不豐富區(qū)域，使用長(zhǎng)距離產(chǎn)生的數(shù)據(jù)即可，重點(diǎn)展示區(qū)域，需要利用激光掃描儀數(shù)據(jù)構(gòu)建精細(xì)的三維模型，需要短距離三維激光掃描儀，盡可能真實(shí)還原現(xiàn)狀。3.2.3. 激光掃描儀參數(shù)設(shè)置在場(chǎng)區(qū)的掃描過程中，將采用2種激光掃描儀進(jìn)行掃描。同時(shí)不

14、同的掃描儀將采用不同的設(shè)置參數(shù)以發(fā)揮其作用。（1）激光強(qiáng)度RIEGL VZ-1000型三維激光掃描儀沒有激光強(qiáng)度的設(shè)置，而Z+F Imager5006型三維激光掃描儀的激光強(qiáng)度有高和低2個(gè)選項(xiàng)，高強(qiáng)度激光發(fā)射的激光功率大，穩(wěn)定性好、測(cè)距精度高、數(shù)據(jù)噪音小，通常會(huì)選擇這個(gè)選擇。（2）點(diǎn)云分辨率RIEGL VZ-1000型三維激光掃描儀三維激光掃描儀可用的點(diǎn)云相關(guān)設(shè)置如表所示,一共有4個(gè)強(qiáng)度選項(xiàng)，根據(jù)場(chǎng)區(qū)的具體地形，在實(shí)際操作中應(yīng)選用300kHz的激光強(qiáng)度，以達(dá)到更好的掃描效果。表3 RIEGL VZ-1000型三維激光掃描儀點(diǎn)云分辨率激光強(qiáng)度掃描線數(shù)/秒最大距離最小距離70kHz29000120

15、0m560m100kHz420001000m470m150kHz62000800m380m300kHz122000450m270mZ+F Imager5006型三維激光掃描儀可用的點(diǎn)云分辨率設(shè)置如表所示，一共有6個(gè)選擇項(xiàng)，不同的分辨率設(shè)置改變的是掃描一周的掃描線數(shù)量，從而改變掃描的角分辨率。在實(shí)際操作中，對(duì)于崖壁掃描分辨率使用super high，對(duì)于標(biāo)靶以及固定標(biāo)志物針對(duì)性的對(duì)其使用ultra high，以提高后期配準(zhǔn)工作的精度。表4 Z+F Imager5006型三維激光掃描儀點(diǎn)云分辨率點(diǎn)云分辨率掃描線數(shù)/360°掃描時(shí)間/360°角分辨率preview1 25025

16、sec0.288°middle 5 0001 min 40 sec0.072°high 10 0003 min 22 sec0.036°super high20 0006 min 44 sec0.018°ultra high40 00026 min 40 sec0.009°3.2.4. 激光數(shù)據(jù)采集方案流程（1）場(chǎng)區(qū)坐標(biāo)系的建立在項(xiàng)目最初根據(jù)場(chǎng)區(qū)具體的地理環(huán)境進(jìn)行場(chǎng)區(qū)坐標(biāo)系的建立，選取坐標(biāo)系原點(diǎn)以及各軸線的方向并進(jìn)行標(biāo)示。（2）控制點(diǎn)加密利用全站儀，對(duì)GPS控制點(diǎn)進(jìn)行加密。所有加密出來的點(diǎn)都必須易于放置標(biāo)靶。控制點(diǎn)加密的密度以后期每站激光掃描儀

17、掃描時(shí)能夠通視的數(shù)量不少于5個(gè)為準(zhǔn)，并且分布較為均勻，此外，每個(gè)GPS控制點(diǎn)分出去的支導(dǎo)線的長(zhǎng)度不可大于1。（3）標(biāo)靶的放置每次在進(jìn)行激光掃描前，應(yīng)進(jìn)行標(biāo)靶的放置。此項(xiàng)目中，標(biāo)靶分為2類。一類為控制點(diǎn)標(biāo)靶，用來將最后的點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到世界坐標(biāo)系中去，掃描站點(diǎn)可覆蓋的掃描范圍內(nèi)選擇不少于5個(gè)的控制點(diǎn)來放置控制點(diǎn)標(biāo)靶。另一類為普通標(biāo)靶，不用要求放置在控制點(diǎn)上，主要用來站點(diǎn)與站點(diǎn)之間配準(zhǔn)用。在放置時(shí)，應(yīng)該保證此類標(biāo)靶在需要配準(zhǔn)的兩站中公共個(gè)數(shù)不少于5個(gè)。另外，此兩類標(biāo)靶在數(shù)量上盡可能的大于其需要的個(gè)數(shù)，以防止人為或其他因素導(dǎo)致的標(biāo)靶破壞。（4）掃描站點(diǎn)的架設(shè)根據(jù)先整體再局部的原則，以“先長(zhǎng)距離后短距離

18、”的原則進(jìn)行激光掃描工作。首先，分別在場(chǎng)區(qū)地形較高的地方進(jìn)行RIEGL VZ-1000型三維激光掃描儀的架設(shè)工作，用來獲取局部大場(chǎng)景的點(diǎn)云數(shù)據(jù)。此外，RIEGL VZ-1000型三維激光掃描儀自帶NIKON D700或NIKON D300(s)高精度、低畸變的專業(yè)單反數(shù)碼相機(jī)，可以同時(shí)獲取現(xiàn)場(chǎng)的實(shí)時(shí)彩色影像，使后期數(shù)據(jù)更具真實(shí)感。然后，所有“長(zhǎng)距離”的激光掃描工作完成后，應(yīng)進(jìn)行一次數(shù)據(jù)檢查整理工作，來查看場(chǎng)區(qū)的哪些地方存在數(shù)據(jù)不完整的情況。若數(shù)據(jù)不完整的情況（不完全屬于遮擋問題而是存在漏掃的情況），則應(yīng)繼續(xù)使用RIEGL VZ-1000型三維激光掃描儀進(jìn)行補(bǔ)掃，直到所有“長(zhǎng)距離”的激光掃描工作

19、全部完成。之后，根據(jù)整理后的“長(zhǎng)距離”的激光掃描工作的結(jié)果，對(duì)數(shù)據(jù)不完整的地方用Z+F Imager5006型三維激光掃描儀進(jìn)行補(bǔ)充掃描，以求數(shù)據(jù)的絕對(duì)完整性。另外對(duì)與各洞窟窟口等需要精掃的地方可以用Z+F Imager5006型三維激光掃描儀進(jìn)行highest的精確掃描。（5）紋理照片拍攝RIEGL VZ-1000型三維激光掃描儀自帶NIKON D700或NIKON D300(s)高精度、低畸變的專業(yè)單反數(shù)碼相機(jī)，已經(jīng)獲取了大部分的地形紋理影像，對(duì)于沒有獲取到的紋理影像，需要利用其他單反數(shù)碼相機(jī)進(jìn)行紋理獲取。紋理在獲取時(shí)，應(yīng)注意光線等因素的影像，以免為后期紋理拼接時(shí)勻光等過程帶來不必要的困難

20、。3.3. 數(shù)據(jù)預(yù)處理方案3.3.1. 激光點(diǎn)云數(shù)據(jù)配準(zhǔn)在完成激光數(shù)據(jù)采集后，將獲得的各站點(diǎn)云數(shù)據(jù)導(dǎo)入到Leica Cyclone軟件中進(jìn)行各站點(diǎn)點(diǎn)云間的配準(zhǔn)。配準(zhǔn)的原則是，遠(yuǎn)距離站點(diǎn)先與近距離站點(diǎn)進(jìn)行配準(zhǔn)，先把所有RIEGL VZ-1000型三維激光掃描儀的點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)，得到重點(diǎn)場(chǎng)區(qū)的一個(gè)整體模型。然后在將Z+F Imager5006型三維激光掃描儀的點(diǎn)云數(shù)據(jù)與這個(gè)整體模型進(jìn)行配準(zhǔn)。在具體的配準(zhǔn)工作實(shí)施中，將利用各站點(diǎn)間公共的標(biāo)靶點(diǎn)進(jìn)行配準(zhǔn)如圖6，從而在本階段可以精確的將不同站點(diǎn)的兩塊點(diǎn)云配準(zhǔn)到一起，形成一個(gè)新點(diǎn)云。圖 5 點(diǎn)云配準(zhǔn)示意圖通過控制點(diǎn)標(biāo)靶，將上步配準(zhǔn)得到的相對(duì)坐標(biāo)系的點(diǎn)云轉(zhuǎn)

21、移到變電站控制坐標(biāo)系中。由于，此控制點(diǎn)標(biāo)靶的個(gè)數(shù)前期是以每站不少于5個(gè)的指標(biāo)進(jìn)行的，此時(shí)可以利用這些數(shù)據(jù)檢查前期的配準(zhǔn)精度，同時(shí)進(jìn)行配準(zhǔn)平差工作，已達(dá)到更高精度。3.3.2. 大量高密度點(diǎn)云的數(shù)據(jù)管理方法目前，點(diǎn)云數(shù)據(jù)的組織與管理多采用文件形式的數(shù)據(jù)管理方案。然而，文件管理點(diǎn)云數(shù)據(jù)的方法尚存在許多不足之處，如：信息共享不便、安全級(jí)別較低、并發(fā)訪問難等。Oracle Spatial作為領(lǐng)先的空間數(shù)據(jù)庫管理平臺(tái)，在管理空間數(shù)據(jù)方面有保證數(shù)據(jù)的完整性、可恢復(fù)性和安全性等基本特性。Oracle Spatial從11g開始推出了專門用于點(diǎn)云數(shù)據(jù)組織與管理的SDO_PC數(shù)據(jù)類型，針對(duì)點(diǎn)云數(shù)據(jù)的特點(diǎn)擴(kuò)展了存

22、儲(chǔ)對(duì)象創(chuàng)建、查詢、可視化等多方面的功能。針對(duì)SDO_PC的存儲(chǔ)模型和功能結(jié)構(gòu)研究Oracle數(shù)據(jù)庫的點(diǎn)云數(shù)據(jù)導(dǎo)入、創(chuàng)建存儲(chǔ)對(duì)象和檢索點(diǎn)云數(shù)據(jù)的操作。SDO_PC是Oracle數(shù)據(jù)庫的一種對(duì)象關(guān)系數(shù)據(jù)模型，是存取管理點(diǎn)云數(shù)據(jù)信息的基礎(chǔ)，提供了存取、索引、查詢、分析點(diǎn)云數(shù)據(jù)的能力，同時(shí)提供了并發(fā)訪問和安全控制等機(jī)制，并將相關(guān)函數(shù)集成在一起。在Oracle中使用SDO_PC類型表示點(diǎn)云的存儲(chǔ)體系結(jié)構(gòu)?；砭哂袛?shù)據(jù)類型為SDO_PC的列，這個(gè)列存儲(chǔ)與點(diǎn)云相關(guān)的元數(shù)據(jù)。點(diǎn)云被分成多個(gè)子集，并存儲(chǔ)為塊表的多行。塊表同時(shí)記錄了分塊的其他屬性，如：分塊的范圍、分塊中點(diǎn)的數(shù)目、分塊點(diǎn)云的分辨率范圍等。塊表中的每

23、個(gè)分塊都唯一關(guān)聯(lián)到一個(gè)pc元數(shù)據(jù)對(duì)象上，同時(shí)每個(gè)pc對(duì)象記錄了對(duì)應(yīng)塊表的屬性信息，如：塊表名稱、塊表的范圍、分塊的大小等。Oracle Spatial為實(shí)現(xiàn)快速、高效地存取、分析空間數(shù)據(jù)而將相關(guān)功能函數(shù)及其過程完全集成在數(shù)據(jù)庫服務(wù)器內(nèi)，并為數(shù)據(jù)庫管理系統(tǒng)管理空間數(shù)據(jù)提供了完全開放的體系結(jié)構(gòu)。用戶通過SQL定義和操縱空間數(shù)據(jù)，可以訪問對(duì)象關(guān)系數(shù)據(jù)模型的存取、檢索、分析等功能。表5為集成在Oracle數(shù)據(jù)庫內(nèi)部的SDO_PC相關(guān)功能。表6. SDO_PC_PKG集成函數(shù)函數(shù)功能SDO_PC_PKG.CLIP_PC對(duì)點(diǎn)云數(shù)據(jù)的查詢操作SDO_PC_PKG.CREATE_PC創(chuàng)建點(diǎn)云存儲(chǔ)對(duì)象SDO_P

24、C_PKG.DROP_DEPENDENCIES刪除塊表和基表及其pc列之間的依賴關(guān)系SDO_PC_PKG.INIT初始化一個(gè)PC對(duì)象SDO_PC_PKG.TO_GEOMETRY轉(zhuǎn)存為Geometry數(shù)據(jù)類型（1）點(diǎn)云數(shù)據(jù)的數(shù)據(jù)庫導(dǎo)入LAS文件為存儲(chǔ)點(diǎn)云數(shù)據(jù)的常用數(shù)據(jù)格式。目前有兩種方法可以實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)LAS文件的Oracle數(shù)據(jù)庫導(dǎo)入，分別是libLAS和PDAL。仿照libLAS的las文件讀取方式讀取點(diǎn)云數(shù)據(jù)，使用OCCI接口將點(diǎn)云數(shù)據(jù)插入到Oracle數(shù)據(jù)庫中，根據(jù)要存儲(chǔ)的點(diǎn)云屬性創(chuàng)建Inputtable來存儲(chǔ)點(diǎn)云坐標(biāo)和屬性信息。（2）創(chuàng)建SDO_PC存儲(chǔ)對(duì)象在Oracle數(shù)據(jù)庫中，創(chuàng)建

25、SDO_PC存儲(chǔ)對(duì)象的實(shí)質(zhì)是基于點(diǎn)云數(shù)據(jù)構(gòu)建R-tree索引。導(dǎo)入到輸入表（InpTable）的點(diǎn)云數(shù)據(jù)最終按照R-tree索引的原理被分塊存儲(chǔ)到塊表的多行。Oracle數(shù)據(jù)庫的基于點(diǎn)云數(shù)據(jù)構(gòu)建R-tree索引的程序被集成在Oracle數(shù)據(jù)庫服務(wù)器的SDO_PC_PKG.INIT函數(shù)和SDO_PC_PKG.CREATE_PC函數(shù)中。（3）點(diǎn)云數(shù)據(jù)的檢索Oracle數(shù)據(jù)庫提供了兩種檢索點(diǎn)云數(shù)據(jù)的方法，窗口查詢和基于分辨率的查詢。兩者相比而言，窗口查詢的檢索結(jié)果更加精準(zhǔn)。主要針對(duì)窗口查詢進(jìn)行了實(shí)驗(yàn)。查詢過程包括兩個(gè)階段：1）檢索與所給窗口范圍相交的候選分塊；2）檢索候選分塊中與檢索窗口范圍相交的所

26、有點(diǎn)。該過程被集成在Oracle數(shù)據(jù)庫服務(wù)器的SDO_PC_PKG.CLIP_PC函數(shù)中。3.3.3. 點(diǎn)云數(shù)據(jù)的抽取點(diǎn)云分類場(chǎng)景較為復(fù)雜，目標(biāo)多樣，如：對(duì)于變電站對(duì)象，不僅有變壓器、管線，還有電力線各種支架等。這要求所定義的特征要更加的細(xì)致和準(zhǔn)確，能有效區(qū)分每一種類別。特征值的計(jì)算通常需要連同三維鄰域內(nèi)的其他點(diǎn)一起統(tǒng)計(jì)和分析，因此，特征的定義需要考慮鄰域的大小，同時(shí)還要考慮鄰域的形狀。（1）階躍指數(shù)（）非地面點(diǎn)通常高于其周圍地面點(diǎn)，且局部地形點(diǎn)高程變化較少，基于此，設(shè)計(jì)了階躍指數(shù)特征。如果待分類點(diǎn)在各個(gè)方向上比周圍的點(diǎn)高一定的閾值，此點(diǎn)是非地面點(diǎn)的概率較大。為了便于特征值計(jì)算，將待分類點(diǎn)云數(shù)

27、據(jù)劃分為格網(wǎng)，統(tǒng)計(jì)待分類點(diǎn)在所有方向上同周圍點(diǎn)的高差。實(shí)際計(jì)算過程中，可對(duì)八個(gè)方向進(jìn)行了統(tǒng)計(jì)（如Error! Reference source not found.6所示），具體細(xì)節(jié)如下：圖 6 階躍指數(shù)特征計(jì)算示意圖，圖中格網(wǎng)灰度值代表格網(wǎng)最低高程值如Error! Reference source not found.所示，從待分類點(diǎn)所在的中心網(wǎng)格開始，依次比較每個(gè)方向上相鄰網(wǎng)格的最低高程差，當(dāng)前一個(gè)網(wǎng)格的最低高程值比后一個(gè)網(wǎng)格的最低高程值小于一定的閾值，且此方向的長(zhǎng)度小于閾值，則認(rèn)為該方向?yàn)殡A躍方向。階躍指數(shù)（）是所有八個(gè)方向中階躍方向的數(shù)目。由于此特征計(jì)算需要考慮八個(gè)方向，在邊緣格網(wǎng)處計(jì)

28、算不穩(wěn)定；在地面大范圍點(diǎn)云測(cè)量及工程應(yīng)用中，數(shù)據(jù)獲取一般有一定的冗余，可以彌補(bǔ)此缺陷。（2）高程相關(guān)的特征這一類特征包括多個(gè)內(nèi)容，具體為：球狀鄰域和垂直柱體鄰域內(nèi)所有點(diǎn)的高程方差（,）、最大值最小值之差（,）；以及歸一化的高程值（），即：待分類點(diǎn)與其2D格網(wǎng)中最低值的差值。（3）協(xié)方差矩陣相關(guān)特征計(jì)算球狀鄰域內(nèi)點(diǎn)云三維坐標(biāo)的協(xié)方差矩陣，此矩陣可以被視為表示球狀鄰域內(nèi)點(diǎn)分布信息的三維結(jié)構(gòu)張量。各向異性（），線性（），平面性（），球度性（）是協(xié)方差矩陣的數(shù)學(xué)特征，這些特征描述了點(diǎn)云局部空間分布特性。（4）回波相關(guān)特征點(diǎn)云一般記錄有多次回波，不同的地物對(duì)應(yīng)的回波次數(shù)有所差異，可以結(jié)合待分類點(diǎn)球狀鄰域

29、內(nèi)不同回波點(diǎn)所占比例提取出：建筑物回波（），地面回波（），線回波（），植被回波（）等特征16。回波相關(guān)特征對(duì)區(qū)分不同類別的地物具有較重要的作用。（5）回波強(qiáng)度相關(guān)特征 不同材質(zhì)的物體點(diǎn)云回波強(qiáng)度不同，因此，統(tǒng)計(jì)球狀鄰域內(nèi)所有點(diǎn)的回波強(qiáng)度均值（）用于區(qū)分不同地物。（6）Hough變換特征（）Hough變換能提取出線狀物體，分類場(chǎng)景中可以幫助區(qū)分電力線。將球狀鄰域內(nèi)所有點(diǎn)投影到xy平面上，進(jìn)行Hough變化后，探測(cè)出角度極值，結(jié)合其附近的值，計(jì)算球狀鄰域內(nèi)通過該角度極值區(qū)域的點(diǎn)的比例，稱為Hough變換特征。（7）密度相關(guān)特征點(diǎn)密度（）是球狀鄰域內(nèi)單位體積內(nèi)點(diǎn)的數(shù)量；不同類型的物體點(diǎn)密度不同，如：

30、地面和建筑物表面點(diǎn)密度最高，植被的點(diǎn)密度比電力線的密度高等。同時(shí)，定義密度比率（）為球狀鄰域內(nèi)點(diǎn)的數(shù)目同柱狀鄰域內(nèi)點(diǎn)的數(shù)目的一定比率。（8）面相關(guān)特征將球狀鄰域內(nèi)所有點(diǎn)擬合成一個(gè)平面，計(jì)算鄰域內(nèi)所有點(diǎn)到此平面的距離的方差，此特征為平面指數(shù)（）。地面和建筑物頂面平面指數(shù)較小，而植被平面指數(shù)較大。由于屋頂類型不僅有平面屋頂，還有人字形屋頂?shù)?；在人字形屋脊上，平面指?shù)可能失效。針對(duì)這一特點(diǎn)，引入了表面指數(shù)（）。表面指數(shù)是待分類點(diǎn)格網(wǎng)鄰域內(nèi)所有點(diǎn)的平面指數(shù)的平均值。（9）投影相關(guān)特征將球狀鄰域內(nèi)所有點(diǎn)投影到一定的平面上，計(jì)算其投影面積：對(duì)投影平面進(jìn)行一定大小的格網(wǎng)劃分，當(dāng)格網(wǎng)內(nèi)有投影點(diǎn)時(shí)，此格網(wǎng)為非空

31、格網(wǎng)，投影面積為非空格網(wǎng)的數(shù)目。選取兩種投影方式：xy平面和與xy平面垂直的平面。xy投影面積（）是以xy平面為投影平面計(jì)算得到的特征。地面及屋頂xy投影面積較大，而電力線xy投影面積較小。由于與xy垂直的平面有無窮多個(gè)，按照一定的角度間隔遍歷一定數(shù)量的平面，取具有最小投影面積的平面；此平面的投影面積為z方向的最小投影面積（）。使用z方向的最小投影面積（），植被有較大值，地面及屋頂投影面積次之，而電力線投影面積最小。（10）垂直剖面相關(guān)特征對(duì)垂直柱體鄰域在Z方向上劃分為等距離分段（如Error! Reference source not found.7所示），可以提取出垂直剖面的特征；一般植被

32、、電力塔在垂直剖面上的占有多個(gè)分割，且分割具有連續(xù)性，而電力線等在垂直剖面上只有少量的非空分割。當(dāng)垂直剖面某一分割內(nèi)有點(diǎn)時(shí)，稱此分割非空。非空分割數(shù)目（）是待分類點(diǎn)所在垂直柱體鄰域上所有非空分割的數(shù)目。同時(shí)，計(jì)算最大連續(xù)非空分割數(shù)目（）和最大連續(xù)空分割數(shù)目（）；這些特征對(duì)于區(qū)分電力塔、電力線有一定的意義。圖 7 垂直剖面分割示意圖3.3.4. 點(diǎn)云數(shù)據(jù)分類JointBoost分類器是一類增強(qiáng)快速學(xué)習(xí)算法規(guī)則，是傳統(tǒng)Boost分類規(guī)則的多類別擴(kuò)展，使用特征方式簡(jiǎn)單，可以通過對(duì)弱分類器的增減實(shí)現(xiàn)對(duì)特征的不同使用。通過改變JointBoost分類器的判別方式，由原始的全部類別一起判斷的規(guī)則轉(zhuǎn)變?yōu)榘凑?/p>

33、待分類點(diǎn)云可能類別的概率大小逐步判別，降低分類過程中所使用的特征數(shù)量，提高了分類速度。JointBoost分類器是一種增強(qiáng)的多類別分類算法，它具有很多有吸引力的性質(zhì)，如：自動(dòng)特征選擇、適合處理多類別分類中的大量的特征輸入。JointBoost在設(shè)計(jì)上考慮了多類物體的特征共享，這種機(jī)制能極大的降低特征維數(shù)和提高分類精度。JointBoost分類器的輸入是待分類對(duì)象的特征向量, 輸出是對(duì)待分類對(duì)象每一個(gè)可能類別（是待分類對(duì)象所有可能類別的集合）的概率值函數(shù)：分類器由個(gè)弱分類器組成：當(dāng)時(shí)，即把特征向量代表的待分類物體分為類。每一個(gè)弱分類器依據(jù)特征向量的第f維分量值對(duì)可能的類別進(jìn)行評(píng)分，具體見下式：弱

34、分類器在訓(xùn)練階段依據(jù)損失函數(shù)最小化的原則對(duì)參數(shù)（包括，）進(jìn)行選擇及計(jì)算。（1）特征排序本文已分析了基于空間相關(guān)性提取，可以對(duì)待分類點(diǎn)屬于不同類別的概率進(jìn)行預(yù)測(cè)當(dāng)要判定待分類對(duì)象的類別是否為類時(shí)，需要對(duì)此類相關(guān)的特征進(jìn)行重要性排序。對(duì)分類器訓(xùn)練完成后，依據(jù)每個(gè)弱分類器對(duì)應(yīng)的類別集合，可以從所有訓(xùn)練得到的弱分類器集合中確定類相關(guān)的弱分類器子集合。對(duì)特定類別相關(guān)的每一維向量，計(jì)算涉及到的弱分類器最小值的和：式中，代表與特征以及類別相關(guān)的所有弱分類器子集合；，定義見公式 。由于在強(qiáng)分類器判決中，與類別和特征相關(guān)的弱分類器子集合計(jì)算的值不可能小于此最小值，因此可以用此值對(duì)類別相關(guān)的特征進(jìn)行排序，在分類過

35、程優(yōu)先采用數(shù)值較大的特征。采用此排序方式，可能采用較少的特征滿足類別的判斷條件，提前終止類別判斷。（2）判決結(jié)構(gòu)序列化對(duì)待分類對(duì)象的可能類別概率進(jìn)行計(jì)算及對(duì)特定類別的特征進(jìn)行排序后，使用下述序列化的判決結(jié)構(gòu)，對(duì)原始的判決方式進(jìn)行改進(jìn)。在判斷待分類對(duì)象是否屬于某一固定類別時(shí)，首先，對(duì)未涉及到該類別的弱分類器的值進(jìn)行相加，判決過程中此部分?jǐn)?shù)值不會(huì)改變；然后，依次使用排序好的特征對(duì)強(qiáng)分類器進(jìn)行更新和類別判斷。具體算法如圖 8所示。1) 基于空間相關(guān)性提取對(duì)待分類點(diǎn)類別概率進(jìn)行計(jì)算，排序后的可能類別依次為，設(shè)置所有類別的判據(jù)為0：，。2) 依次取第類別，a) 選取和類別無關(guān)的弱分類器，設(shè)置b) 依據(jù)特

36、征排序準(zhǔn)則，對(duì)類別相關(guān)的維特征進(jìn)行排序，獲得排序后的特征序列c) 依次取排序后的第m維特征，i) 選擇和類別以及特征相關(guān)的弱分類器集合ii) 對(duì)強(qiáng)分類器的數(shù)值進(jìn)行更新 iii) 選取所有和類別相關(guān)，且未使用的特征弱分類器集合如果 設(shè)置待判定點(diǎn)的類別為 ，并且停止2)迭代。圖 8 序列化JointBoost分類判決過程圖序列化判斷過程中，判斷待分類對(duì)象類別是否為某一類時(shí)，將所有弱分類分成三部分：第一部分為和類別無關(guān)的弱分類器組合，統(tǒng)計(jì)值；第二部分為類別相關(guān)，已使用特征的弱分類組合，按照原始相關(guān)的弱分類計(jì)算相應(yīng)的值；第三部分為類別相關(guān)，未使用特征的弱分類組合，計(jì)算弱分類器中，的最小值。當(dāng)時(shí)，依據(jù)公

37、式可以判斷，即可將待分類對(duì)象判定為類。由于考慮了地物目標(biāo)之間的空間相關(guān)性并從訓(xùn)練樣本中預(yù)先提取地物的空間關(guān)聯(lián)關(guān)系，此方法能對(duì)待分類對(duì)象類別進(jìn)行有效預(yù)測(cè)。所以，在優(yōu)化的判決結(jié)構(gòu)中，不需要提取所有類別相關(guān)的特征，可以達(dá)到特征降維從而減少特征計(jì)算時(shí)間的目的。3.4. 點(diǎn)云數(shù)據(jù)快速參數(shù)化方案電力器件重建的意義：（1）能獲取電力器件的位置及參數(shù)，對(duì)電力器件的作用力分析以及電力線路的安全進(jìn)行模擬分析；（2）建立信息化系統(tǒng)，對(duì)于電力器件的保護(hù)有意義；在城市規(guī)劃及項(xiàng)目施工設(shè)計(jì)階段，就可以對(duì)施工方案進(jìn)行有針對(duì)性的規(guī)劃，用于避免破壞電力器件；（3）當(dāng)電力器件因?yàn)槟撤N原因損壞后（工程施工、自然災(zāi)害等），可以依據(jù)存檔

38、的模型對(duì)其進(jìn)行修復(fù)。3.4.1. 電力器件參數(shù)化建模針對(duì)常見的電力環(huán)境（220KV-500KV）中常見的電力器件模型進(jìn)行重建。此類電力器件是當(dāng)前中國(guó)較常用的，在國(guó)民經(jīng)濟(jì)建設(shè)中起了較大的作用。由于在實(shí)際的電力器件建模過程中，需要對(duì)提取的電力器件的模型進(jìn)行參數(shù)化定義，如下：，為需要重建電力器件模型的區(qū)域。是中電力器件的數(shù)量。，為參數(shù)配置空間的元素，對(duì)應(yīng)的是相關(guān)提取電力器件的參數(shù)配置；由區(qū)域中所有電力器件的類型和參數(shù)組成。，每一個(gè)電力器件模型由模型庫中定義的類型和具體的一組參數(shù)組成。由于對(duì)電力器件模型重建為一個(gè)復(fù)雜的過程，我們?cè)谖闹性O(shè)計(jì)了貝葉斯概率模型，用于測(cè)量電力器件模型和電力器件實(shí)測(cè)點(diǎn)的配合程度

39、。此概率模型同Gibbs能量模型的關(guān)系為： 為歸一化參數(shù)?？梢员槐硎緸橄闰?yàn)概率和似然性的能量模型： 因此非歸一化的概率函數(shù)為： 電力器件模型重建為尋找最優(yōu)化的參數(shù)的配置空間： 由于電力器件景中有多個(gè)對(duì)象，為了對(duì)電力場(chǎng)景中電力器件都有較好的重建效果，因此設(shè)計(jì)數(shù)據(jù)似然性的能量函數(shù)為參數(shù)配置空間中的每一個(gè)電力器件的能量的疊加： 上式中具體為單個(gè)電力器件模型與其對(duì)應(yīng)數(shù)據(jù)的配合程度的測(cè)度。由于電力器件模型為復(fù)雜的多面體，其與數(shù)據(jù)的配合程度的能量函數(shù)，用以下的歸化距離公式來表示： 在公式中定義為兩部分: 為電力塔實(shí)測(cè)點(diǎn)到模型的歸化距離（圖中紅色箭頭所示），其距離最小化可以使測(cè)量點(diǎn)與模型很好的貼合；為模型關(guān)

40、鍵點(diǎn)（模型組成面的角點(diǎn)以及其中心點(diǎn)）到實(shí)測(cè)點(diǎn)的Hausdoff距離，描述電力器件實(shí)測(cè)點(diǎn)到模型的平均距離能反映實(shí)測(cè)點(diǎn)和模型的套合程度；同時(shí)加入Hausdoff距離的原因?yàn)椋河捎陔娏ζ骷Y(jié)構(gòu)復(fù)雜，當(dāng)構(gòu)建的模型有一定空置時(shí)，有可能所有實(shí)測(cè)點(diǎn)到模型的距離依然較近。在此種情況下，構(gòu)建的模型是失敗的。如果沒有引入Hausdoff距離，得不到懲罰，這樣的模型也是有缺陷的。為第個(gè)電力器件所有測(cè)量點(diǎn)集合到模型的歸化距離。為了避免不同的數(shù)據(jù)密度對(duì)此項(xiàng)計(jì)算值造成影響，我們計(jì)算了距離的平均值；由于平均距離對(duì)異常點(diǎn)的探測(cè)不敏感，我們需要在計(jì)算平均距離的基礎(chǔ)上中加入最大距離： 式中，為測(cè)量點(diǎn)的數(shù)目。為點(diǎn)到模型的最近的歸化

41、距離。由于在模型重建過程中，模型應(yīng)該包含所有的實(shí)測(cè)點(diǎn)，因此本文對(duì)建模過程中，模型內(nèi)部點(diǎn)和外部點(diǎn)的距離采用不同的公式進(jìn)行計(jì)算，對(duì)位于模型外部的點(diǎn)進(jìn)行懲罰。（1）如果點(diǎn)在模型內(nèi)： （2）如果點(diǎn)在模型外： 式中，為點(diǎn)到模型的最近的馬氏距離，為的最大值。和分別為內(nèi)部及外部距離的歸化參數(shù)，用于將馬氏距離歸化到一定的范圍。在文中，我們?cè)O(shè)置， 。經(jīng)過公式和公式的歸化，模型內(nèi)部點(diǎn)到模型的歸化距離的取值范圍為；同時(shí)模型外部點(diǎn)到模型的歸化距離的取值范圍為。為模型關(guān)鍵點(diǎn)到實(shí)測(cè)點(diǎn)的歸化的Hausdoff距離： 式中和的含義同上式一樣。3.4.2. MCMC優(yōu)化優(yōu)化的實(shí)質(zhì)是求解吉布斯自由能變模型的全局最小能量（最大后驗(yàn)

42、概率），以便實(shí)現(xiàn)點(diǎn)云數(shù)據(jù)與模型的最佳匹配，從而對(duì)電力器件得到重建。由于電力器件模型由不同數(shù)量的參數(shù)進(jìn)行定義，對(duì)電力器件的類別和參數(shù)進(jìn)行選擇的優(yōu)化模型是一個(gè)高維、可變空間的非凸優(yōu)化模型。此類問題求解較復(fù)雜，不能采用直接解法進(jìn)行求解。本文采用蒙特卡洛-馬爾卡夫鏈（MCMC）框架、利用采樣的方法對(duì)最優(yōu)模型進(jìn)行迭代求解。MCMC方法具有諸多優(yōu)點(diǎn)，很多研究已經(jīng)證明了其在處理多參數(shù)建模問題時(shí)的實(shí)用性。Dicket al利用MCMC方法從地面圖像中對(duì)建筑物模型進(jìn)行了建立；參數(shù)化模型集合包含有門、窗戶、柱子、基礎(chǔ)等。Ripperda基于可逆跳變的蒙特卡洛-馬爾卡夫鏈（RJMCMC）提出了一種語法驅(qū)動(dòng)的建筑物外

43、立面提取方法。MCMC方法在優(yōu)化過程中需要同模擬退火算法進(jìn)行結(jié)合，使優(yōu)化過程收斂。該方法能獲得近似全局最優(yōu)值，獲得較好的重建效果。下面對(duì)MCMC算法和模擬退火算法進(jìn)行說明。RJMCMC算法是一種特殊的Metropolis-Hastings算法(Hastings 1970)，主要用于不同維度之間的可逆跳轉(zhuǎn)。因此此方法適合本文的優(yōu)化過程。RJMCMC方法對(duì)離散的馬爾科夫鏈在配置空間內(nèi)進(jìn)行了仿真；此馬爾科夫鏈最終能收斂到一個(gè)不變的測(cè)度（本文中利用后驗(yàn)概率）。馬爾科夫鏈設(shè)計(jì)的依據(jù)為可遍歷性（ergodic）；可使處于不同初始配置空間的馬爾科夫鏈能最終迭代至目標(biāo)測(cè)度。每一個(gè)抽樣迭代過程包含兩個(gè)步驟：第一步為對(duì)現(xiàn)狀態(tài)空間進(jìn)行擾動(dòng)獲得一個(gè)新的狀態(tài)空間；第二步為確定擾動(dòng)是否被接受為新的狀態(tài)空間，如果未被接受，繼續(xù)保持原來的狀態(tài)空間。設(shè)為定義在內(nèi)的目標(biāo)測(cè)度，在這里定義為后驗(yàn)概率；為定義的轉(zhuǎn)移核，在（節(jié)Error! Reference source not found.）中進(jìn)行了詳細(xì)定義。因此轉(zhuǎn)換的接受率為： 因此 的接受概率為RJMCMC的抽樣法則為：1. 首先依據(jù)概率選擇轉(zhuǎn)移核，2. 抽樣出配置參數(shù)依據(jù)選擇的核函數(shù)：，3. 計(jì)算相關(guān)的Green比率，以及接受概率，4. 依據(jù)概率，接受轉(zhuǎn)換，否則拒絕轉(zhuǎn)換。公式中為從模型跳變到模型的概率。模擬退火用于保證MCMC收斂于近似全局最優(yōu)解（