CN104359418A - 一种激光和视频融合的铁路雪深多点自动测量装置及方法 - Google Patents

Abstract

本发明公开了一种激光和视频融合的铁路雪深多点自动测量装置及方法，该装置包括激光雪深传感器、云台、支架、第一固定架、第二固定架、数据处理平台、终端计算机、量雪尺、地面参考板、倾角传感器、网络摄像机，所述数据处理平台包括数据处理单元、3G路由器，其中3G路由器采用3G移动数据通信平台；所述的激光雪深传感器固定设置在所述云台上，随云台的俯仰转动而转动，输出信号经数据处理平台采集和处理，并经通讯单元传递到终端计算机。该装置能够实现多点雪深自动测量，引入视频拍摄量雪尺图像及地面积雪情况，验证激光雪深传感器测量精度，同时识别地面积雪图像轮廓，估算周围地面积雪分布情况。本发明测量精度高、稳定性好、实时性强，使用方便。

Description

一种激光和视频融合的铁路雪深多点自动测量装置及方法

技术领域

本发明涉及气象观测技术领域，特别是一种激光和视频融合的铁路雪深多点自动测量装置及方法。

背景技术

下小雪对铁路运输并无大碍，但大雪或飞雪会严重影响运输安全和运输效率，雪崩则可能造成铁路安全事故。通过对铁路沿线雪情的实时监测，可以有效的避免雪灾引起铁路安全事故，提高运输安全和运输效率，为铁路安全运营提供量化参考。

雪深是从积雪表面到地面的垂直深度。传统的雪深测量方法是人工观测法，将雪尺或有同样刻度的测杆插入雪中至地表面来进行地面积雪深度的测量。人工观测费时、费力，随机误差较大，且天气变化对测量精度及实施难度均有较大影响，难以实现高精度、实时雪深监测。

目前的雪深自动化观测方法，包括图像识别法、超声波测量法和激光传感器测距法。图像识别法是先将量雪尺立在雪地，用摄像机采集量雪尺图像，然后通过图像识别软件识别量雪尺当前刻度，得出雪的深度。这种方法虽能够实时测得雪深数据，但在大雪或者能见度较低的情况下，识别精度低，测量误差大。超声波雪深传感器是应用超声波在声阻抗不同的两种物质界面上产生反射的性质测量界面距离的原理来测量雪的深度。风速、不平整的雪面、低吹雪、较低的温度等因素却会影响超声波传感器的测量结果，使得其测量距离比较短，测量精度较低。激光传感器测量雪深精度高，实时性好，但传统的单一激光传感器进行雪深测量，可能因为激光检测点的位置不同，得出不同的测量结果，造成列车的错误调度或者是误报警的情况。除此之外，通过超声波传感器和激光传感器测量雪深，只对同一位置点进行连续测量，当这一观测点受到人为破坏等因素影响，装置会误报数据或者观测点废掉等问题。

发明内容

本发明的目的在于提供一种测量精度高、稳定性好、实时性强、结构简单、使用方便的激光和视频融合的铁路雪深多点自动测量装置及方法。

实现本发明目的的技术解决方案为：

一种激光和视频融合的铁路雪深多点自动测量装置，包括激光雪深传感器、云台、支架、第一固定架、第二固定架、数据处理平台、终端计算机、量雪尺、地面参考板、倾角传感器、网络摄像机；所述激光雪深传感器固定在云台上，激光雪深传感器随云台的俯仰转动而转动；所述倾角传感器固定设置于激光雪深传感器侧壁，实现转动角度的测量；所述支架与地面垂直固定，沿着支架从下到上依次设置有第一固定架、第二固定架、云台，其中云台安装在支架顶端，并通过第一螺栓固定；所述数据处理平台通过第一螺钉设置在第二固定架上，所述网络摄像机通过第二螺钉设置在第一固定架上，第一固定架、第二固定架分别通过第二螺栓水平安装在支架上；所述地面参考板水平安装且与地面平齐，量雪尺设置在地面参考板中心，并与地面垂直；

所述数据处理平台包括数据处理单元、3G路由器，其中3G路由器采用3G移动数据通信平台，通过3G路由器无线传输视频图像及积雪深度信息；所述激光雪深传感器、倾角传感器与网络摄像机的数据线均接入数据处理平台，数据处理平台采集激光雪深传感器的输出信号和网络摄像机采集的视频信号，经数据处理单元处理后得到视频图像及积雪深度信息并由3G路由器发送到3G无线网络，终端计算机通过配套的路由器对处理结果进行接收。

一种激光和视频融合的铁路雪深多点自动测量方法，包括以下步骤：

第1步，在直条状量雪尺的纵向中心设置1条竖直线，刻度线垂直于该竖直线形成十字线交叉点，设定交叉点个数为n，分度值用m表示，量雪尺总长为L；

第2步，获取积雪前网络摄像机采集的量雪尺图像，确定量雪尺的图像与实际量雪尺的比例关系，记为1:λ；

第3步，调整云台的转动角度，使得激光雪深传感器和量雪尺测量同一点雪深值，数据处理平台的数据处理单元分别获得积雪后激光雪深传感器采集的数值、网络摄像机采集的图像；

第4步，数据处理单元根据激光雪深传感器采集的数值得到当前第一积雪深度值h₁；

第5步，数据处理单元根据网络摄像机采集的图像进行图像识别得到量雪尺十字线交叉点的个数，从而确定刻度线条数，则第二积雪深度值h₂＝L-m·(n-1)；

第6步，比较第一积雪深度值h₁和第二积雪深度值h₂：如果误差超过5mm，则返回第3步进行装置校正；如果两者误差不超过5mm，则采用加权平均法将两者数据进行融合，得到最终雪深数据并通过3G无线通信发送给终端计算机，然后进入下一步估算周围地面积雪分布；

第7步，数据处理单元接收网络摄像机采集的量雪尺周围地面积雪分布图像，并根据地面积雪分布图像提取地面积雪轮廓；

第8步，调整云台的转动角度，将激光雪深传感器的激光点打到地面积雪坐标点(x₁，y₁)，此时激光雪深传感器测量值为H₁，设地面积雪轮廓任一点坐标为(x，y)，则地面积雪轮廓上任一点对应的积雪深度为H＝H₁+λ·|y-y₁|，由此估算周围地面积雪分布。

本发明与现有技术相比，其显著优点为：(1)测量精度高、稳定性好、实时性强，结构简单，使用方便；(2)云台俯仰转动实现激光传感器可以测量多个点的积雪深度值；(3)引入视频拍摄量雪尺图像及地面积雪情况，验证激光雪深传感器测量精度，为减小安装误差提供依据；(4)根据量雪尺十字线交叉点的个数确定刻度线条数，无需直接识别量雪尺刻度，提高测量精度，同时根据积雪轮廓估算周围地面积雪分布情况，为列车安全运行提供依据。

附图说明

图1为本发明激光和视频融合的铁路雪深多点自动测量装置的结构示意图。

图2为本发明装置中激光雪深传感器的安装结构示意图。

图3是本发明装置中网络摄像机的安装结构示意图。

图4是本发明激光和视频融合的铁路雪深多点自动测量装置的工作流程图。

图5是本发明激光和视频融合的铁路雪深多点自动测量方法的工作原理图。

图6是本发明提取出的量雪尺图像及处理结果，其中(a)为提取出的量雪尺图像，(b)为量雪尺交叉点的个数求取结果图。

图7是地面积雪边缘检测示意图，其中(a)为拍摄地面积雪图，(b)为边缘检测图，(c)为剔除干扰点结果图，(d)为激光检测点示意图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步详细说明。

结合图1～3，本发明激光和视频融合的铁路雪深多点自动测量装置，包括激光雪深传感器1、云台2、支架3、第一固定架4、第二固定架7、数据处理平台5、终端计算机8、量雪尺9、地面参考板10、倾角传感器11、网络摄像机15；所述激光雪深传感器1固定在云台2上，激光雪深传感器1随云台2的俯仰转动而转动；所述倾角传感器11固定设置于激光雪深传感器1侧壁，实现转动角度的测量；所述支架3与地面垂直固定，沿着支架3从下到上依次设置有第一固定架4、第二固定架7、云台2，其中云台2安装在支架3顶端，并通过第一螺栓12固定；所述数据处理平台5通过第一螺钉6设置在第二固定架7上，所述网络摄像机15通过第二螺钉14设置在第一固定架4上，第一固定架4、第二固定架7分别通过第二螺栓13水平安装在支架3上；所述地面参考板10水平安装且与地面平齐，量雪尺9设置在地面参考板10中心，并与地面垂直；

所述数据处理平台5包括数据处理单元、3G路由器，其中3G路由器采用3G移动数据通信平台，通过3G路由器无线传输视频图像及积雪深度信息；所述激光雪深传感器1、倾角传感器11与网络摄像机15的数据线均接入数据处理平台5，数据处理平台5采集激光雪深传感器1的输出信号和网络摄像机15采集的视频信号，经数据处理单元处理后得到视频图像及积雪深度信息并由3G路由器发送到3G无线网络，终端计算机8通过配套的路由器对处理结果进行接收。

结合图1，所述云台2控制激光雪深传感器1俯仰转动，实现多点测量，云台2俯仰角度为30～60°。所述量雪尺9直条状，量雪尺9纵向中心为1条竖直线，刻度线沿该竖直线均匀分布，量雪尺9测量范围为0～2000mm，精度为1mm。所述量雪尺9与支架3的垂直距离为3～5m。所述云台2离地面高度为3～4m，所述第一固定架4与云台2之间距离为0.5～1m，第一固定架与第二固定架相距0.5～1m。所述激光雪深传感器1采用PC-X32型激光雪深传感器；倾角传感器11采用ACA616-45-48型倾角传感器；所述云台2采用方天科技FT-M10型云台；所述数据处理平台5采用QY-IMX6S-V1嵌入式主板。

本发明激光和视频融合的铁路雪深多点自动测量方法，包括以下步骤：

第1步，在直条状量雪尺9的纵向中心设置1条竖直线，刻度线垂直于该竖直线形成十字线交叉点，设定交叉点个数为n，分度值用m表示，量雪尺总长为L；

第2步，获取积雪前网络摄像机15采集的量雪尺9图像，确定量雪尺9的图像与实际量雪尺9的比例关系，记为1:λ；

第3步，调整云台2的转动角度，使得激光雪深传感器1和量雪尺9测量同一点雪深值，数据处理单元分别获得积雪后激光雪深传感器1采集的数值、网络摄像机15采集的图像；

第4步，数据处理单元根据激光雪深传感器1采集的数值得到当前第一积雪深度值h₁；

第5步，数据处理单元根据网络摄像机15采集的图像进行图像识别得到量雪尺9十字线交叉点的个数，从而确定刻度线条数，则第二积雪深度值h₂＝L-m·(n-1)；

第6步，比较第一积雪深度值h₁和第二积雪深度值h₂：如果误差超过5mm，则返回第3步进行装置校正；如果两者误差不超过5mm，则采用加权平均法将两者数据进行融合，得到最终雪深数据并通过3G无线通信发送给终端计算机8，然后进入下一步估算周围地面积雪分布；

第7步，数据处理单元接收网络摄像机15采集的量雪尺9周围地面积雪分布图像，并根据地面积雪分布图像提取地面积雪轮廓；包括以下步骤：

(7.1)利用小波函数对原地面积雪分布图像I(x,y)平滑去噪，得到小波幅值图像J(x,y)；

(7.2)计算小波系数的幅值和相位，二维Gabor奇部滤波器为：

${\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)=\frac{{k_j}^2}{{\mathrm{\σ}}^2}\exp (-\frac{{k_j}^2{x}^2}{2{\mathrm{\σ}}^2})\sin \left({\stackrel{\→}{k}}_j\stackrel{\→}{x}\right)$

${\stackrel{\→}{k}}_j=\left(\begin{array}{c}{k}_{\mathrm{jx}}\\ k_{\mathrm{jy}}\end{array}\right)=\left(\begin{array}{cc}{2}^{-\frac{v+2}{2}\mathrm{\π}}& \cos (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\\ 2^{-\frac{v+2}{2}\mathrm{\π}}& \sin (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\end{array}\right)$

式中，为Gabor核函数，是Gauss函数；为给定位置的图像坐标；σ为常量；为滤波器中心频率，k_j为的模，k_jx为在x轴分量，k_jy为在y轴分量；v为滤波器尺度因子，μ为滤波器方向参数；本发明中σ＝π/3，v＝0，方向μ＝0，2，4，6；

当输入图像I(x,y)，则Gabor奇部滤波器的输出响应W_x(x,y)为：

$W_x(x,y)=I(x,y)*{\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)={\left[\begin{array}{cc}{W_x}^{1}f(x,y),& {W_x}^{2}f(x,y)\end{array}\right]}^T$

式中，W_x ¹f(x,y)、W_x ²f(x,y)分别为滤波器输出响应W_x(x,y)在x，y轴分量；

小波系数的幅值||W_x(x,y)||及相位∠W_x(x,y)为：

$\begin{array}{c}\left|\right|W_x(x,y)\left|\right|=\sqrt{{\left|{W_x}^{1}f(x,y)\right|}^2+{\left|{W_x}^{2}f(x,y)\right|}^2}\\ \∠W_x(x,y)=\arctan \left(\frac{{W_x}^{2}f(x,y)}{{W_x}^{1}f(x,y)}\right)\end{array}$

(7.3)对小波幅值图像J(x,y)进行非极大值抑制，得到图像J_μ,υ(x,y)；

(7.4)将v＝0、μ＝0，2，4，6得到的4幅边缘图像J_μ,υ(x,y)进行系数融合得到J₁(x,y)；

(7.5)连接边缘得到积雪轮廓图J₂(x,y)，则得到J₂(x,y)轮廓任一点像素坐标。

第8步，调整云台2的转动角度，将激光雪深传感器1的激光点打到地面积雪坐标点(x₁，y₁)，此时激光雪深传感器1测量值为H₁，设地面积雪轮廓任一点坐标为(x，y)，则地面积雪轮廓上任一点对应的积雪深度为H＝H₁+λ·|y-y₁|，由此估算周围地面积雪分布。

实施例1

本发明基于激光雪深传感器和网络摄像机的铁路雪深多点自动测量方法，包括以下步骤：

第1步，在直条状量雪尺9的纵向中心设置1条竖直线，刻度线垂直于该竖直线形成十字线交叉点，设定交叉点个数为n，分度值用m表示，量雪尺总长为L；

第2步，获取积雪前网络摄像机15采集的量雪尺9图像，确定量雪尺9的图像与实际量雪尺9的比例关系，记为1:λ；

第3步，调整云台2的转动角度，使得激光雪深传感器1和量雪尺9测量同一点雪深值，数据处理单元分别获得积雪后激光雪深传感器1采集的数值、网络摄像机15采集的图像；

第4步，数据处理单元根据激光雪深传感器1采集的数值得到当前第一积雪深度值h₁；

第5步，数据处理单元根据网络摄像机15采集的图像进行图像识别得到量雪尺9十字线交叉点的个数，从而确定刻度线条数，则第二积雪深度值h₂＝L-m·(n-1)；进行图像识别得到量雪尺9十字线交叉点的个数，包括以下步骤：

(5.1)视频流的截取

摄像机拍摄到的视频流都是AVI格式，利用微软MSDN提供的AVI处理函数，可以从视频中截取图像。

(5.2)将彩色图像转换成灰度图像以方便后续处理。转换公式如下：

Y＝0.299R+0.587G+0.114B

式中：R，G，B对应的是红，绿，蓝3中颜色的亮度值。

(5.3)量雪尺图像提取

因摄像机固定不动，故量雪尺在每帧图像中的位置不变。依据这一情况，建立一个要提取区域的图像模板，大小包含刻度区域，通过“与”和“或”操作提取出量雪尺图像。

(5.4)图像分割

设T是最大与最小灰度的中间值，灰度级≤T的像素标记为黑色(0)，灰度级＞T的像素标记为白色(1)。

(5.5)细化处理

二值化后的图像脊线比较粗大，需要提取出线宽为一像素的二值图像，这就要求对图像进行细化处理。

(5.6)十字交叉点的求取

对细化的图像中的每个点进行扫描并进行交叉点的判断。设p点为图像中一个目标像素点，p1，p2，…，p8分别表示p点周围8邻域的像素值。通过下式对p点8邻域进行计算：

$\mathrm{Tdotl}\left(p\right)=\frac{1}{2}\underset{i=0}{\overset{8}{\mathrm{\Σ}}}|p_i-p_{i-1}|$

Tdotl(p)的值等于1，则该点为端点；如果Tdotl(p)的值等于2，则该点为内点，如果Tdotl(p)的值等于3，则该点位交叉点。

第6步，比较第一积雪深度值h₁和第二积雪深度值h₂：如果误差超过5mm，则返回第3步进行装置校正；如果两者误差不超过5mm，则采用加权平均法将两者数据进行融合，得到最终雪深数据并通过3G无线通信发送给终端计算机8，然后进入下一步估算周围地面积雪分布；

第7步，数据处理单元接收网络摄像机15采集的量雪尺9周围地面积雪分布图像，并根据地面积雪分布图像提取地面积雪轮廓；包括以下步骤：

(7.1)利用小波函数对原地面积雪分布图像I(x,y)平滑去噪，得到小波幅值图像J(x,y)；

(7.2)计算小波系数的幅值和相位，二维Gabor奇部滤波器为：

${\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)=\frac{{k_j}^2}{{\mathrm{\σ}}^2}\exp (-\frac{{k_j}^2{x}^2}{2{\mathrm{\σ}}^2})\sin \left({\stackrel{\→}{k}}_j\stackrel{\→}{x}\right)$

${\stackrel{\→}{k}}_j=\left(\begin{array}{c}{k}_{\mathrm{jx}}\\ k_{\mathrm{jy}}\end{array}\right)=\left(\begin{array}{cc}{2}^{-\frac{v+2}{2}\mathrm{\π}}& \cos (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\\ 2^{-\frac{v+2}{2}\mathrm{\π}}& \sin (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\end{array}\right)$

式中，为Gabor核函数，是Gauss函数；为给定位置的图像坐标；σ为常量；为滤波器中心频率，k_j为的模，k_jx为在x轴分量，k_jy为在y轴分量；v为滤波器尺度因子，μ为滤波器方向参数；本发明中σ＝π/3，v＝0，方向μ＝0，2，4，6；

当输入图像I(x,y)，则Gabor奇部滤波器的输出响应W_x(x,y)为：

$W_x(x,y)=I(x,y)*{\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)={\left[\begin{array}{cc}{W_x}^{1}f(x,y),& {W_x}^{2}f(x,y)\end{array}\right]}^T$

式中，W_x ¹f(x,y)、W_x ²f(x,y)分别为滤波器输出响应W_x(x,y)在x，y轴分量；

小波系数的幅值||W_x(x,y)||及相位∠W_x(x,y)为：

$\begin{array}{c}\left|\right|W_x(x,y)\left|\right|=\sqrt{{\left|{W_x}^{1}f(x,y)\right|}^2+{\left|{W_x}^{2}f(x,y)\right|}^2}\\ \∠W_x(x,y)=\arctan \left(\frac{{W_x}^{2}f(x,y)}{{W_x}^{1}f(x,y)}\right)\end{array}$

(7.3)对小波幅值图像J(x,y)进行非极大值抑制，得到图像J_μ,υ(x,y)；

(7.4)将v＝0、μ＝0，2，4，6得到的4幅边缘图像J_μ,υ(x,y)进行系数融合得到J₁(x,y)；

(7.5)连接边缘得到积雪轮廓图J₂(x,y)，则得到J₂(x,y)轮廓任一点像素坐标。

第8步，调整云台2的转动角度，将激光雪深传感器1的激光点打到地面积雪坐标点(x₁，y₁)，此时激光雪深传感器1测量值为H₁，设地面积雪轮廓任一点坐标为(x，y)，则地面积雪轮廓上任一点对应的积雪深度为H＝H₁+λ·|y-y₁|，由此估算周围地面积雪分布。

结合图2，所述云台2通过第一螺栓12安装在所述支架3顶端；所述倾角传感器11固定在激光雪深传感器1一侧，实现转动角度的测量。

结合图3，所述网络摄像机15通过两个第二螺钉14紧固在所述支架4一侧，支架4另一侧通过第二螺栓13水平紧固在支架3上。

结合图4，所述云台2控制激光雪深传感器1俯仰转动，测得地面参考板10雪深数据，发送给数据处理平台5；所述网络摄像机15拍摄量雪尺9经过识别量雪尺图像，获得一组雪深数据，与激光雪深传感器1数据进行加权平均法融合，得到最终雪深数据，并将相关信息通过3G无线通信发送给终端计算机8。电源单元给激光雪深传感器、云台、网络摄像机、倾角传感器以及数据处理平台提供工作电压。

结合图5，激光雪深传感器1测量地面参考板10到探头距离L₁，雪面到探头距离L₂，倾角传感器11获得此时激光雪深传感器1倾角α，当前雪深按如下公式获得：H＝(L₁-L₂)cosα。

结合图6，提取出的量雪尺图像如图6(a)所示，量雪尺交叉点的个数求取如图6(b)所示。根据求取出的量雪尺交叉点个数n和分度值m，即可获得未被积雪覆盖的量雪尺部分，积雪深度h＝L-m·(n-1)。

结合图7，拍摄地面积雪如图7(a)所示，边缘检测如图7(b)所示，剔除干扰点如图7(c)所示，激光检测点在图7(d)所示。激光雪深传感器测量值为H₁，圆圈所标为激光点所在坐标为(x₁，y₁)，设积雪轮廓上任一点坐标为(x，y)，则轮廓上任一点对应的积雪深度为H＝H₁+λ·|y-y₁|，由此可以估算周围地面积雪分布情况。

综上所述，本发明采用云台俯仰转动实现激光传感器的多点测量，同时引入图像识别测量雪深后，判断激光测量结果是否足够精确，为减小安装误差提供技术支持，同时根据图像识别地面积雪轮廓，估算周围地面积雪深度分布情况，对列车安全运行提供理论依据。

Claims (8)

1.一种激光和视频融合的铁路雪深多点自动测量装置，其特征在于，包括激光雪深传感器(1)、云台(2)、支架(3)、第一固定架(4)、第二固定架(7)、数据处理平台(5)、终端计算机(8)、量雪尺(9)、地面参考板(10)、倾角传感器(11)、网络摄像机(15)；所述激光雪深传感器(1)固定在云台(2)上，激光雪深传感器(1)随云台(2)的俯仰转动而转动；所述倾角传感器(11)固定设置于激光雪深传感器(1)侧壁，实现转动角度的测量；所述支架(3)与地面垂直固定，沿着支架(3)从下到上依次设置有第一固定架(4)、第二固定架(7)、云台(2)，其中云台(2)安装在支架(3)顶端，并通过第一螺栓(12)固定；所述数据处理平台(5)通过第一螺钉(6)设置在第二固定架(7)上，所述网络摄像机(15)通过第二螺钉(14)设置在第一固定架(4)上，第一固定架(4)、第二固定架(7)分别通过第二螺栓(13)水平安装在支架(3)上；所述地面参考板(10)水平安装且与地面平齐，量雪尺(9)设置在地面参考板(10)中心，并与地面垂直；

所述数据处理平台(5)包括数据处理单元、3G路由器，其中3G路由器采用3G移动数据通信平台，通过3G路由器无线传输视频图像及积雪深度信息；所述激光雪深传感器(1)、倾角传感器(11)与网络摄像机(15)的数据线均接入数据处理平台(5)，数据处理平台(5)采集激光雪深传感器(1)的输出信号和网络摄像机(15)采集的视频信号，经数据处理单元处理后得到视频图像及积雪深度信息并由3G路由器发送到3G无线网络，终端计算机(8)通过配套的路由器对处理结果进行接收。

2.根据权利要求1所述的激光和视频融合的铁路雪深多点自动测量装置，其特征在于，所述云台(2)控制激光雪深传感器(1)俯仰转动，实现多点测量，云台(2)俯仰角度为30～60°。

3.根据权利要求1所述的激光和视频融合的铁路雪深多点自动测量装置，其特征在于，所述量雪尺(9)直条状，量雪尺(9)纵向中心为1条竖直线，刻度线沿该竖直线均匀分布，量雪尺(9)测量范围为0～2000mm，精度为1mm。

4.根据权利要求1所述的激光和视频融合的铁路雪深多点自动测量装置，其特征在于，所述量雪尺(9)与支架(3)的垂直距离为3～5m。

5.根据权利要求1所述的激光和视频融合的铁路雪深多点自动测量装置，其特征在于，所述云台(2)离地面高度为3～4m，所述第一固定架(4)与云台(2)之间距离为0.5～1m，第一固定架与第二固定架相距0.5～1m。

6.根据权利要求1所述的激光和视频融合的铁路雪深多点自动测量装置，其特征在于，所述激光雪深传感器(1)采用PC-X32型激光雪深传感器；倾角传感器(11)采用ACA616-45-48型倾角传感器；所述云台(2)采用方天科技FT-M10型云台；所述数据处理平台(5)采用QY-IMX6S-V1嵌入式主板。

7.一种激光和视频融合的铁路雪深多点自动测量方法，其特征在于，包括以下步骤：

第1步，在直条状量雪尺(9)的纵向中心设置1条竖直线，刻度线垂直于该竖直线形成十字线交叉点，设定交叉点个数为n，分度值用m表示，量雪尺总长为L；

第2步，获取积雪前网络摄像机(15)采集的量雪尺(9)图像，确定量雪尺(9)的图像与实际量雪尺(9)的比例关系，记为1:λ；

第3步，调整云台(2)的转动角度，使得激光雪深传感器(1)和量雪尺(9)测量同一点雪深值，数据处理平台(5)的数据处理单元分别获得积雪后激光雪深传感器(1)采集的数值、网络摄像机(15)采集的图像；

第4步，数据处理单元根据激光雪深传感器(1)采集的数值得到当前第一积雪深度值h₁；

第5步，数据处理单元根据网络摄像机(15)采集的图像进行图像识别得到量雪尺(9)十字线交叉点的个数，从而确定刻度线条数，则第二积雪深度值h₂＝L-m·(n-1)；

第6步，比较第一积雪深度值h₁和第二积雪深度值h₂：如果误差超过5mm，则返回第3步进行装置校正；如果两者误差不超过5mm，则采用加权平均法将两者数据进行融合，得到最终雪深数据并通过3G无线通信发送给终端计算机(8)，然后进入下一步估算周围地面积雪分布；

第7步，数据处理单元接收网络摄像机(15)采集的量雪尺(9)周围地面积雪分布图像，并根据地面积雪分布图像提取地面积雪轮廓；

第8步，调整云台(2)的转动角度，将激光雪深传感器(1)的激光点打到地面积雪坐标点(x₁，y₁)，此时激光雪深传感器(1)测量值为H1，设地面积雪轮廓任一点坐标为(x，y)，则地面积雪轮廓上任一点对应的积雪深度为H＝H₁+λ·|y-y₁|，由此估算周围地面积雪分布。

8.根据权利要求7所述的激光和视频融合的铁路雪深多点自动测量方法，其特征在于，第7步所述数据处理单元接收网络摄像机(15)采集的量雪尺(9)周围地面积雪分布图像I(x,y)，并根据地面积雪分布图像I(x,y)提取地面积雪轮廓，包括以下步骤：

(7.1)利用小波函数对原地面积雪分布图像I(x,y)平滑去噪，得到小波幅值图像J(x,y)；

(7.2)计算小波系数的幅值和相位，二维Gabor奇部滤波器为：

${\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)=\frac{{k_j}^2}{{\mathrm{\σ}}^2}\exp (-\frac{{k_j}^2{x}^2}{2{\mathrm{\σ}}^2})\sin \left({\stackrel{\→}{k}}_j\stackrel{\→}{x}\right)$

${\stackrel{\→}{k}}_j=\left(\begin{array}{c}{k}_{\mathrm{jx}}\\ k_{\mathrm{jy}}\end{array}\right)=\left(\begin{array}{c}{2}^{-\frac{v+2}{2}\mathrm{\π}}\cos (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\\ 2^{-\frac{v+2}{2}\mathrm{\π}}\sin (\mathrm{\μ}\·\frac{\mathrm{\π}}{8})\end{array}\right)$

式中，为Gabor核函数，是Gauss函数；为给定位置的图像坐标；σ为常量；为滤波器中心频率，k_j为的模，k_jx为在x轴分量，k_jy为在y轴分量；v为滤波器尺度因子，μ为滤波器方向参数；本发明中σ＝π/3，v＝0，方向μ＝0，2，4，6；

当输入图像I(x,y)，则Gabor奇部滤波器的输出响应W_x(x,y)为：

$W_x(x,y)=I(x,y)*{\stackrel{\‾}{\mathrm{\ψ}}}_j\left(\stackrel{\→}{x}\right)={[{W_x}^{1}f(x,y),{W_x}^{2}f(x,y)]}^T$

式中，W_x ¹f(x,y)、W_x ²f(x,y)分别为滤波器输出响应W_x(x,y)在x，y轴分量；

小波系数的幅值||W_x(x,y)||及相位∠W_x(x,y)为：

$\left|\right|W_x(x,y)\left|\right|=\sqrt{{\left|{W_x}^{1}f(x,y)\right|}^2+{\left|{W_x}^{2}f(x,y)\right|}^2}$

$\∠W_x(x,y)=\arctan \left(\frac{{W_x}^{2}f(x,y)}{{W_x}^{1}f(x,y)}\right)$

(7.3)对小波幅值图像J(x,y)进行非极大值抑制，得到图像J_μ,υ(x,y)；

(7.4)将v＝0、μ＝0，2，4，6得到的4幅边缘图像J_μ,υ(x,y)进行系数融合得到J₁(x,y)；

(7.5)连接边缘得到积雪轮廓图J₂(x,y)，则得到J₂(x,y)轮廓任一点像素坐标。