CN107792115B - 一种利用三维激光点云自动提取既有线轨顶高程方法 - Google Patents
一种利用三维激光点云自动提取既有线轨顶高程方法 Download PDFInfo
- Publication number
- CN107792115B CN107792115B CN201710802183.2A CN201710802183A CN107792115B CN 107792115 B CN107792115 B CN 107792115B CN 201710802183 A CN201710802183 A CN 201710802183A CN 107792115 B CN107792115 B CN 107792115B
- Authority
- CN
- China
- Prior art keywords
- rail
- point cloud
- dimensional laser
- laser point
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种利用三维激光点云自动提取既有线轨顶高程方法，实现从散乱、高密度点云中分离出轨道并计算轨顶高程，为三维激光扫描移动测绘在铁路既有线路勘测、检测和信息化中提供技术支撑。包括以下步骤：1)、从原始扫描激光点云中分割轨道三维激光点云；2)、根据轨道三维激光点云计算左、右轨中心线；3)、根据中心线里程建立左、右轨里程编码系统；4)、抽取左、右轨轨顶面元三维激光点云；5)、对轨顶面元三维激光点云进行轨顶高程平差计算，计算剔除高程异常点和噪点后的轨顶面元三维激光点云的高程平均值，即为对应轨顶高程值。
Description
技术领域
本发明属于既有线铁路勘测技术领域，尤其针对通过陆基激光雷达获取的铁路高密度三维激光点云数据进行轨道轨顶高程自动提取，实现铁路既有线勘测中左、右轨高程自动提取和高精度稳健计算。
背景技术
铁路既有线勘测是铁路养护维修及增建二线的重要环节，传统的既有线既有线静态测量采用以既有铁路中线为基本控制线的接触式测量，如水准测量、GPS测量、全站仪测量等直接测量轨道轨面高程，对运营干扰大，安全性低，数据采集效率不高。三维激光移动扫描可以快速获取轨道高密度、高精度的点云数据，为铁路既有线勘测提供了一种高效率、高精度的测量手段。但是利用三维激光扫描移动获取的三维点云只是一个个非结构化的离散点，在轨道表面受到干扰，噪声点较多，并且数据量极其庞大。如何利用散乱的三维激光点提取并计算轨道轨面高程，是三维激光移动扫描技术用于铁路既有线勘测，提高精度和提升效率亟待解决的问题和难点。
发明内容
本发明所要解决的技术问题是提供一种利用三维激光点云自动提取既有线轨顶高程方法，实现从散乱、高密度点云中分离出轨道并计算轨顶高程，解决铁路勘测中利用三维激光扫描手段时高密度激光点云处理和智能分析关键问题，为三维激光扫描移动测绘在铁路既有线路勘测、检测和信息化中提供技术支撑。
本发明解决其技术问题所采用的技术方案如下：
本发明一种利用三维激光点云自动提取既有线轨顶高程方法，包括以下步骤：
1)、从原始扫描激光点云中分割轨道三维激光点云：根据三维激光扫描系统的轨迹数据，确定轨道概略中心线，以此中心线按照轨道间距生成缓冲区，去除高于轨道轨面和左、右轨两旁的大量三维激光点云数据，使得轨道提取范围更为精确；
2)、根据轨道三维激光点云计算左、右轨中心线，该计算过程在三维点云空间中进行，对左、右轨三维激光点云分段统计每一段钢轨三维激光点云的高程最大值，以分段高程极大值筛选出左、右轨轨面上下一定范围内的三维激光点云，根据轨面三维激光点云提取单根钢轨两边轨面边缘线，将分段提取的钢轨两边轨面边缘线连接成单根钢轨两边边缘线，根据单根钢轨两边边缘线分别求其平均值计算左、右轨中心线；
3)、对左、右轨中心线进行里程编码，根据导入铁路里程桩号信息及对应的坐标，将里程桩号垂直投影至左、右轨中心线，垂足所在中心线处里程即为对应桩号里程，根据中心线里程建立左、右轨里程编码系统；
4)、抽取左、右轨轨顶面元三维激光点云，设定左、右轨顶高程提取点的里程号，根据里程号查询里程编码系统，计算对应轨顶高程提取点的三维坐标，以轨顶高程提取点的三维坐标从轨面三维激光点云中按照设定的大小抽取轨顶面元三维激光点云；
5)、对轨顶面元三维激光点云进行轨顶高程平差计算，计算轨顶面元三维激光点云高程平均值和方差，以此对高程异常点、噪点进行剔除，计算剔除高程异常点和噪点后的轨顶面元三维激光点云的高程平均值，即为对应轨顶高程值。
本发明的有益效果是，提出了从海量三维激光点云数据中自动提取铁路既有线轨顶高程算法的一般流程，为利用三维激光扫描移动测量系统用于铁路既有线勘测、复测和运营监测提供了一种高效智能处理方法；利用多个轨顶三维激光点计算轨顶高程，能够克服三维激光扫描中轨道表面复杂反射带来的异常点和噪点，通过平差计算提高了轨顶高程提取和测量的精度；拓展了利用三维激光点云数据进行轨道勘测方法，同时适用于机载、车载和地面三维激光扫描铁路勘测，也适合于轨道线形几何参数计算、左、右轨超高检测等；可快捷稳健地实现铁路轨道轨面高程自动化提取，提高了铁路轨顶高程测量的精度、效率和自动化程度，且方法简单、容易实现。
附图说明
本说明书包括如下三幅附图：
图1是本发明一种利用三维激光点云自动提取既有线轨顶高程方法的流程图；
图2是本发明一种利用三维激光点云自动提取既有线轨顶高程方法中程编码原理示意图；
图3是本发明一种利用三维激光点云自动提取既有线轨顶高程方法中轨顶面元形状。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
参照图1，本发明一种利用三维激光点云自动提取既有线轨顶高程方法，包括以下步骤：
1)从原始扫描激光点云中分割轨道三维激光点云，根据三维激光扫描系统的轨迹数据，确定轨道概略中心线，以此中心线按照轨道间距生成缓冲区，去除高于轨道轨面和左、右轨两旁的大量三维激光点云数据，使得轨道提取范围更为精确。
将轨道区域三维激光点云转换到高程投影空间，该过程使用到的特征指标有：
①投影采样间隔，对投影采样间隔d取三维激光点云平均间隔GSD的3倍作为高程投影转换中投影采样间隔；
②投影影像灰度范围.实例对投影影像灰度范围[a,b]取[0,255]。
基于轨道区域点云高程投影影像，进行直线检测，得到钢轨所在的直线段，该过程中采样的直线检测方法为Hough变换直线检测。
将钢轨直线转换到三维点云空间，结合钢轨几何尺寸信息进行缓冲分析，抽取出左右钢轨的三维激光点云，该过程使用到的特征指标有：
①钢轨轨面宽度，钢轨轨面宽度取大于国标规定的钢轨轨面宽度，实际取9～10cm。
②钢轨高度，钢轨高度取大于国标规定的钢轨钢轨高度，实际取20～25cm。
步骤1)的具体过程如下：
步骤1.1，导入移动三维激光扫描系统采集的轨迹数据，根据采集时扫描仪距离轨道参数，计算概略的轨道中心线坐标；
步骤1.2，根据轨道中心线坐标，对铁路三维激光点云Pt进行筛选，剔除高于轨道面的三维激光点云，以及轨道两旁的三维激光点云,得到轨道区域三维激光点云集Pr；
步骤1.3，对轨道区域三维激光点云Pr进行高程投影转换，得到轨道高程投影影像；
点云高程投影是将三维点云按照其在XOY平面上的覆盖范围[Xmin,Xmax]和[Ymin,Ymax]投影为二维影像，投影采样间隔d由影像宽度Width和点云范围[Xmin,Xmax]确定，投影时以格网三维点云最大高程作为格网高程，然后根据点云高程范围[Zmin,Zmax]和投影影像灰度范围[a,b]将格网高程值转换为灰度值gray，生成点云高程投影影像，如式(1)：
式中，X、Y为三维点的平面坐标；Z为格网的内插高程值；d为投影采样间隔，(raw,col)为高程投影影像行列数，[a,b]为投影影像灰度范围；
步骤1.4，采用直线检测算法从轨道高程投影影像中提取并跟踪直线。
步骤1.5，将跟踪直线转换到三维激光点云空间。
高程投影影像上行列数为(raw,col)，灰度值为gray的像素，按照投影逆变换公式(2)映射得到三维空间中的点(X,Y,Z)。
式中，d为采样间隔；Xmin、Ymin、Zmin、Zmax为点云范围；[a,b]为投影影像的灰度范围，这些参数值采用高程投影相同值。
步骤1.6，根据轨道几何信息设置缓冲区，从轨道区域三维激光点云Pr中分离出左、右轨道三维激光点云
2)根据轨道三维激光点云计算左、右轨中心线，该计算过程在三维点云空间中进行，对左、右轨三维激光点云进行分段，采用的点云分段间隔根据轨面高程提取间隔确定，取四分之一的轨面高程提取间隔且不超过2m。
对左、右轨三维激光点云分段统计每一段钢轨三维激光点云的高程最大值，以分段高程极大值Hmax筛选出左、右轨轨面上下一定范围内的三维激光点云，上下范围为[Hmax+3cm,Hmax-3cm]。
根据轨面三维激光点云提取单根钢轨两边轨面边缘线，将分段提取的钢轨两边轨面边缘线连接成单根钢轨两边边缘线，根据单根钢轨两边边缘线分别求其平均值计算左、右轨中心线。
步骤2)的具体过程如下：
步骤2.1，对左、右轨三维激光点云进行分段；
步骤2.2，统计每一段钢轨三维激光点云的高程最大值；
步骤2.3，以分段高程极大值筛选出左、右轨轨面上下一定范围内的三维激光点云；
步骤2.4，根据轨面三维激光点云提取单根钢轨两边轨面边缘线；
步骤2.5，将分段提取的钢轨两边轨面边缘线连接成单根钢轨两边边缘线；
步骤2.6，根据单根钢轨两边边缘线分别求其平均值计算左、右轨中心线。
3)对左、右轨中心线进行里程编码，根据导入铁路里程桩号信息及对应的坐标，将里程桩号垂直投影至左、右轨中心线，垂足所在中心线处里程即为对应桩号里程，根据中心线里程建立左、右轨里程编码系统。
4)、抽取左、右轨轨顶面元三维激光点云，设定左、右轨顶高程提取点的里程号，根据里程号查询里程编码系统，计算对应轨顶高程提取点的三维坐标，以轨顶高程提取点的三维坐标从轨面三维激光点云中按照设定的大小抽取轨顶面元三维激光点云。
所述的步骤4)中，按照设定的面元大小以正方形或圆形抽取轨面三维点云数据，正方形中心或圆心为里程号对应的三维坐标，正方形边长取5cm，圆半径取2.5cm。
步骤4)具体过程如下：
步骤4.1，根据铁路既有线勘测技术规范，分别设定左、右轨顶高程提取点的里程号；
步骤4.2，根据里程号查询里程编码系统，计算对应轨顶高程提取点的三维坐标；
步骤4.3，以轨顶高程提取点的三维坐标从轨面三维激光点云中按照设定的大小抽取轨顶面元三维激光点云；
步骤4.4，重复步骤4.2～4.3，抽取出左、右轨待计算轨顶高程的轨顶面元三维激光点云。
5)、对轨顶面元三维激光点云进行轨顶高程平差计算，计算轨顶面元三维激光点云高程平均值和方差，以此对高程异常点、噪点进行剔除，计算剔除高程异常点和噪点后的轨顶面元三维激光点云的高程平均值，即为对应轨顶高程值。
所述的步骤5中)，确定高程异常点或噪点采用的判断依据为中粗差探测系数，取值为1～2倍，且剔除高程异常点和噪点后的高程方差小于5mm。
步骤5)具体过程如下：
步骤5.1，导入待计算的轨顶面元三维激光点云；
步骤5.2，计算轨顶面元三维激光点云高程平均值和方差σh；
步骤5.3，对高程异常点、噪点进行剔除。对高程异常点和噪点的判断采用粗差探测原理，如式(3)：
式中，hi为轨道面元任意点高程，k为粗差探测系数。若满足式(1)，该点即为高程异常点或噪点；
步骤5.4，计算剩余轨顶面元三维激光点云的高程平均值，即为对应轨顶高程值；
步骤5.5，重复步骤5.1～5.4，计算全部轨顶高程。
以上所述只是用图解说明本发明的一些原理，并非是要将本发明局限在所示和所述的具体结构和适用范围内，故凡是所有可能被利用的相应修改，均属于本发明所申请的专利范围。
Claims (6)
1.一种利用三维激光点云自动提取既有线轨顶高程方法，包括以下步骤：
1)、从原始扫描激光点云中分割轨道三维激光点云：根据三维激光扫描系统的轨迹数据，确定轨道概略中心线，以此中心线按照轨道间距生成缓冲区，去除高于轨道轨面和左、右轨两旁的大量三维激光点云数据，使得轨道提取范围更为精确；
2)、根据轨道三维激光点云计算左、右轨中心线，该计算过程在三维点云空间中进行，对左、右轨三维激光点云分段统计每一段钢轨三维激光点云的高程最大值，以分段高程极大值筛选出左、右轨轨面上下一定范围内的三维激光点云，根据轨面三维激光点云提取单根钢轨两边轨面边缘线，将分段提取的钢轨两边轨面边缘线连接成单根钢轨两边边缘线，根据单根钢轨两边边缘线分别求其平均值计算左、右轨中心线；
3)、对左、右轨中心线进行里程编码，根据导入铁路里程桩号信息及对应的坐标，将里程桩号垂直投影至左、右轨中心线，垂足所在中心线处里程即为对应桩号里程，根据中心线里程建立左、右轨里程编码系统；
4)、抽取左、右轨轨顶面元三维激光点云，设定左、右轨顶高程提取点的里程号，根据里程号查询里程编码系统，计算对应轨顶高程提取点的三维坐标，以轨顶高程提取点的三维坐标从轨面三维激光点云中按照设定的大小抽取轨顶面元三维激光点云；
5)、对轨顶面元三维激光点云进行轨顶高程平差计算，计算轨顶面元三维激光点云高程平均值和方差，以此对高程异常点、噪点进行剔除，计算剔除高程异常点和噪点后的轨顶面元三维激光点云的高程平均值，即为对应轨顶高程值。
2.根据权利要求1所述的一种利用三维激光点云自动提取既有线轨顶高程方法，其特征是：所述的步骤1)中，将轨道区域三维激光点云转换到高程投影空间，该过程使用到的特征指标有：
①投影采样间隔，对投影采样间隔d取三维激光点云平均间隔GSD的3倍作为高程投影转换中投影采样间隔；
②投影影像灰度范围，对投影影像灰度范围[a,b]取[0,255]。
3.根据权利要求1所述的一种利用三维激光点云自动提取既有线轨顶高程方法，其特征是：所述的步骤1)中，将钢轨直线转换到三维点云空间，结合钢轨几何尺寸信息进行缓冲分析，抽取出左、右轨的三维激光点云，该过程使用到的特征指标有：
①钢轨轨面宽度，钢轨轨面宽度取大于国标规定的钢轨轨面宽度，实际取9～10cm；
②钢轨高度，钢轨高度取大于国标规定的钢轨轨面高度，实际取20～25cm。
4.根据权利要求1所述的一种利用三维激光点云自动提取既有线轨顶高程方法，其特征是：所述的步骤2)中，根据轨道三维激光点云计算左、右轨中心线，对左、右轨三维激光点云进行分段，采用的点云分段间隔根据轨面高程提取间隔确定，取四分之一的轨面高程提取间隔且不超过2m；进一步统计每一段钢轨三维激光点云的高程最大值，以分段高程极大值Hmax筛选出左、右轨轨面上下一定范围内的三维激光点云，上下范围为[Hmax+3cm,Hmax-3cm]。
5.根据权利要求1所述的利用三维激光点云自动提取既有线轨顶高程方法，其特征是：所述的步骤4)中，按照设定的面元大小以正方形或圆形抽取轨面三维点云数据，正方形中心或圆心为里程号对应的三维坐标，正方形边长取5cm，圆半径取2.5cm。
6.根据权利要求1所述的利用三维激光点云自动提取既有线轨顶高程方法，其特征是：所述的步骤5中)，确定高程异常点或噪点采用的判断依据为中粗差探测系数，取值为1～2倍，且剔除高程异常点和噪点后的高程方差小于5mm。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710802183.2A CN107792115B (zh) | 2017-09-07 | 2017-09-07 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710802183.2A CN107792115B (zh) | 2017-09-07 | 2017-09-07 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107792115A CN107792115A (zh) | 2018-03-13 |
| CN107792115B true CN107792115B (zh) | 2019-01-04 |
Family
ID=61531768
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710802183.2A Active CN107792115B (zh) | 2017-09-07 | 2017-09-07 | 一种利用三维激光点云自动提取既有线轨顶高程方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107792115B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108657222B (zh) * | 2018-05-03 | 2019-06-07 | 西南交通大学 | 基于车载Lidar点云的铁路轨道轨距和水平参数测量方法 |
| CN109653045B (zh) * | 2019-01-28 | 2021-03-12 | 武汉光谷卓越科技股份有限公司 | 轨距测量方法及装置 |
| CN110490918B (zh) * | 2019-07-12 | 2023-04-07 | 中铁第六勘察设计院集团有限公司 | 基于三维激光扫描技术的既有铁路道岔岔心提取方法 |
| CN110647798B (zh) * | 2019-08-05 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
| CN111027903B (zh) * | 2019-12-03 | 2023-05-12 | 中铁第一勘察设计院集团有限公司 | 基于高精度车载移动测量系统无砟轨道资产台账调查方法 |
| CN110986878B (zh) * | 2019-12-03 | 2021-09-24 | 中铁第一勘察设计院集团有限公司 | 基于移动测量系统自动化提取铁轨断面的方法 |
| CN110986877B (zh) * | 2019-12-03 | 2021-09-24 | 中铁第一勘察设计院集团有限公司 | 基于高精度车载激光移动测量系统铁路工程限界检测方法 |
| CN111429498B (zh) * | 2020-03-26 | 2022-08-30 | 中国铁路设计集团有限公司 | 一种基于点云和影像融合技术的铁路营业线三维中线制作方法 |
| CN115123335B (zh) * | 2021-03-29 | 2023-09-19 | 株洲中车时代电气股份有限公司 | 一种轨道检测方法及装置 |
| CN113155098B (zh) * | 2021-04-20 | 2022-08-09 | 中国铁路设计集团有限公司 | 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 |
| CN113687429B (zh) * | 2021-08-30 | 2023-07-04 | 四川启睿克科技有限公司 | 一种确定毫米波雷达监测区域边界的装置及方法 |
| CN114312877B (zh) * | 2022-01-26 | 2023-05-02 | 株洲时代电子技术有限公司 | 铁路综合巡检系统 |
| CN114440767A (zh) * | 2022-01-26 | 2022-05-06 | 株洲时代电子技术有限公司 | 铁路综合巡检方法 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101913368B (zh) * | 2010-08-11 | 2012-04-25 | 唐粮 | 一种高速铁路快速精密测量和全要素数据获取系统及方法 |
| CN103569154B (zh) * | 2012-07-26 | 2016-04-27 | 上海工程技术大学 | 一种轨道建筑空间扫描信息的点云数据处理方法 |
| CN103569155B (zh) * | 2012-07-26 | 2016-01-20 | 上海工程技术大学 | 一种轨道建筑空间信息检测系统及方法 |
| CN103217688B (zh) * | 2013-04-16 | 2015-02-18 | 铁道第三勘察设计院集团有限公司 | 一种基于不规则三角网机载激光雷达点云平差计算方法 |
| AT514502B1 (de) * | 2013-07-10 | 2015-04-15 | Plasser & Theurer Export Von Bahnbaumaschinen Gmbh | Verfahren zur Ermittlung einer Gleis-Solllage |
| CN105547244B (zh) * | 2015-12-01 | 2017-11-21 | 中国科学院上海技术物理研究所 | 一种结合立体像对的激光高度计高程控制点生成方法 |
| CN105866791B (zh) * | 2016-05-20 | 2018-06-08 | 中铁第一勘察设计院集团有限公司 | 采用靶标控制网提高车载LiDAR点云数据精度的方法 |
-
2017
- 2017-09-07 CN CN201710802183.2A patent/CN107792115B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN107792115A (zh) | 2018-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107792115B (zh) | 一种利用三维激光点云自动提取既有线轨顶高程方法 | |
| CN106871805B (zh) | 车载钢轨轨距测量系统及测量方法 | |
| CN104536009B (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
| CN109633674A (zh) | 基于激光点云数据的输电巡视三维航迹自动规划方法 | |
| CN104005325B (zh) | 基于深度和灰度图像的路面裂缝检测装置和方法 | |
| CN113870123B (zh) | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 | |
| CN102521884B (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
| CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
| CN106123845A (zh) | 基于三维激光扫描技术的边坡位移监测方法 | |
| CN105571571B (zh) | 基于三维激光扫描的堆积剖面空间结构信息分析方法 | |
| CN104155638A (zh) | 一种基于LiDAR伪垂直波形模型的树种分类方法 | |
| CN104236498A (zh) | 一种道岔钢轨件端面尺寸的测量方法 | |
| CN103020966A (zh) | 一种基于建筑物轮廓约束的航空与地面LiDAR数据自动配准方法 | |
| CN102096072A (zh) | 一种城市部件自动化测量方法 | |
| CN105652895A (zh) | 基于激光传感器的移动机器人人体跟踪系统及跟踪方法 | |
| CN106500594B (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
| CN107220964A (zh) | 一种线状特征提取用于地质危岩体稳定性评估方法 | |
| CN109544607B (zh) | 一种基于道路标志线的点云数据配准方法 | |
| CN103065295B (zh) | 一种基于建筑物角点自修正的航空与地面LiDAR数据高精度自动配准方法 | |
| CN115128628A (zh) | 基于激光slam和单目视觉的道路栅格地图构建方法 | |
| CN106022694A (zh) | 一种基于点云数据处理技术的散杂货场堆取料机定位方法及实现所述方法的系统 | |
| CN105844707B (zh) | 基于城墙断面从LiDAR点云数据自动提取古城墙数据的方法 | |
| CN103018728B (zh) | 一种激光雷达实时成像和建筑物特征提取的方法 | |
| CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
| CN109993741A (zh) | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |