CN111547084B - 基于自移动式轨道交通移动三维扫描系统的数据处理方法 - Google Patents
基于自移动式轨道交通移动三维扫描系统的数据处理方法 Download PDFInfo
- Publication number
- CN111547084B CN111547084B CN202010323808.9A CN202010323808A CN111547084B CN 111547084 B CN111547084 B CN 111547084B CN 202010323808 A CN202010323808 A CN 202010323808A CN 111547084 B CN111547084 B CN 111547084B
- Authority
- CN
- China
- Prior art keywords
- data
- track
- mileage
- inclination angle
- point cloud
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
- B61D15/00—Other railway vehicles, e.g. scaffold cars; Adaptations of vehicles for use on railways
- B61D15/08—Railway inspection trolleys
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种基于自移动式轨道交通三维扫描系统的数据处理方法,包括以下步骤:((1)轨道交通的数据采集:利用自移动式轨道交通移动三维扫描系统采集被测轨道交通沿线的基础设施及周边环境数据,得到激光数据、轨道轮廓数据、倾角数据及里程数据,并将所述激光数据、轨道轮廓数据、倾角数据及里程数据传输给上位机;(2)多源数据预处理:所述上位机接收步骤(1)的所述激光数据、轨道轮廓数据、倾角数据及里程数据,并对多源数据进行多源数据融合处理,生成被测轨道交通沿线的三维点云及灰度影像。以上位机为核心操控处理器,实现一次数据采集,对多源数据融合生成三维点云集灰度图像,相比于传统测量方式,数据采集效率提高,减小了上线的安全风险。
Description
技术领域
本发明属于轨道交通快速综合检测技术领域,尤其是涉及一种基于自移动式轨道交通移动三维扫描系统的数据处理方法。
背景技术
轨道交通的轨道是整个轨道交通工程中最为重要的组成部分,轨道几何状态直接影响列车的安全平稳运营。轨道交通线路经过长期的运营维护,线路的地理空间位置会发生移动,轨道的几何形位会发生改变。随着高速铁路和城市轨道交通的发展,线路的检测需求越来越大,目前高铁和城市轨道交通检测需求主要包括轨道绝对坐标测量、线路限界检测、隧道结构断面检测、站台间距检测、接触网状态检测、轨距测量、超高测量、附属设备权属调查等。传统的检测方法是通过采用全站仪、道尺、全球卫星定位系统、激光测距仪等测量设备对各项检测内容进行逐一的检测,检测效率低、外业工作量大、数据处理繁琐、检测成本高。
目前,国内外对于轨道交通检测的方法除了上述传统方法以外,还研究出通过移动车载三维扫描系统进行检测的方法。车载移动激光扫描技术是指在移动载体上集成全球卫星导航系统(Global Navigation Satellite System,GNSS)、惯性测量单元(InertialMeasure Unit,IMU)、激光扫描仪、数码相机、数码摄像机等多种传感器的综合测量检测技术。各类型传感器在移动状态下自动采集各种位置、姿态、影响和激光扫描数据,通过统一的地理参考和数据采集同步技术,实现无接触式的空间地理信息采集、处理与入库。在作业过程中,将集成的三维激光扫描系统搭载在轨道车上(或安装在汽车上,并将汽车开上平板车),通过载体的移动,快速采集轨道交通两侧几十至几百米范围内海量点云和影像数据。通过地面GNSS基站、移动GNSS接收机、地面控制点、IMU和激光扫描仪数据的联合解算,得到高精度三维激光点云数据,基于三维点云进行处理后完成各项检测;但是自移动式轨道交通移动三维扫描系统存在以下问题:
1.自移动式轨道交通移动三维扫描系统的体积大、重量大、测量不灵活,携带不便捷,无法适应日常检测的需要,并且需要逐一对轨道交通的检测项目进行数据的采集;
2.在进行测量时,需要配合牵引车和平板车,其配合难度大,测量成本高;
3.车载三维扫描系统大多是国外生产的,只能通过购买引进,其相关的通讯接口、数据接口及软件开发接口均不开放,且该系统提供的软件功能单一,无法满足轨道交通的检测需求。
因此,针对如今上线难、天窗少、安全风险高的轨道交通运营现状,亟需研发一种基于车载移动激光扫描技术,可以高效率、低成本,且能够同时完成多项检测工作的检测方法。
发明内容
本发明的目的是提供一种结构简单、操作简单、一次性完成多项检测项目、测量成本低的基于自移动式轨道交通移动三维扫描系统的数据处理方法。
本发明的技术方案如下:
一种自移动式轨道交通三维扫描系统,包括:
移动车,设置在轨道上且能够沿轨道运动;
激光扫描仪,用于采集被测轨道交通长度范围内及轨道两侧一定距离范围内的激光数据,所述激光数据存储在激光扫描仪中;
结构光扫描仪,用于采集被测轨道的轨道轮廓数据,所述轨道轮廓数据存储在所述结构光扫描仪中;
倾角传感器,用于采集移动车在移动过程中水平方向和线路方向角度变化的倾角数据;
轨距传感器,用于采集移动车在轨道上移动的初始轨距数据;
转速编码器,用于采集移动车在轨道上移动的里程数据;
PLC控制器,安装在移动车上,用于接收所述倾角数据、初始轨距数据及里程数据并将所述倾角数据、初始轨距数据及里程数据传送给上位机;
上位机,用于接收PLC控制器发送的所述倾角数据、初始轨距数据及里程数据并对多源数据进行多源数据融合处理,生成移动车状态数据,并将所述移动车状态数据、激光数据、轨道轮廓数据进行多源数据融合,生成被测轨道交通沿线的三维点云及灰度影像;
所述激光扫描仪、结构光扫描仪、倾角传感器、轨距传感器、转速编码器及上位机安装在所述移动车上。
在上述技术方案中,所述自移动式轨道交通移动三维扫描系统还包括:
惯导系统,用于获取所述移动车的导航位置数据,并将所述导航位置数据传送至上位机;
时间同步系统,用于对所述激光扫描仪、结构光扫描仪、倾角传感器、转速编码器、轨距传感器、PLC控制器、惯导系统及上位机提供授时并同步时间;
所述惯导系统、时间同步系统安装在所述移动车上。
在上述技术方案中,所述惯导系统采集的导航位置数据包括所述移动车的位置、速度、航向和姿态角。
在上述技术方案中,所述时间同步系统采用时间同步控制器,用于接收GNSS发送的GNSS时间,时间同步控制器每10天接收一次GNSS时间,即可保证所述移动车的内部时间与GNSS高精度一致;接受GNSS时间后,时间同步控制器以GNSS时间为起点,处理生成时间同步控制器的计时时间,并向各个传感器发送PPS秒脉冲和计时时间,通过在数据上打时间戳的方式,使得各个传感器完成时间同步,且不依赖GNSS就可以得到高精度的时间同步信息。
在上述技术方案中,所述移动车上设有激光扫描仪角度校验器,用于校正激光扫描仪的测线方向垂直。
在上述技术方案中,所述移动车包括运动采集模块、PLC控制器、运动控制模块和紧急制动模块;
所述运动采集模块固定安装在移动车上,用于采集所述移动车的运动状态并生成运动状态信息,用于向所述PLC控制器发送运动状态信息;
所述PLC控制器固定安装在移动车上,用于接收所述运动状态信息,用于将所述运动状态信息发送至上位机,用于接收所述上位机发送的运动指令、制动指令,并向所述运动控制模块发送运动指令、向紧急制动模块发送制动指令;
所述运动控制模块用于接收所述PLC控制器发送的运动指令,并根据所述运动指令调节移动车的运动状态;
所述紧急制动模块用于接收所述PLC控制器传送的制动指令,并根据所述制动指令控制移动车制动。
在上述技术方案中,所述结构光扫描仪的扫描头与被测轨道线路方向平行,且结构光扫描仪为2个,对称设置在移动车的两侧以用于采集被测轨道的左侧轨道及右侧轨道的轨道轮廓数据。
本发明的另一个目的是基于自移动式轨道交通三维扫描系统的数据处理方法,包括以下步骤:
(1)轨道交通的数据采集:利用自移动式轨道交通移动三维扫描系统采集被测轨道交通沿线的基础设施及周边环境数据,得到激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并将所述倾角数据、初始轨距数据及里程数据传输给上位机,所述激光数据存储在激光扫描仪中,所述轨道轮廓数据存储在结构光扫描仪中;
(2)多源数据预处理:接收步骤(1)的所述激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并对多源数据进行多源数据融合处理,生成被测轨道交通沿线的三维点云、灰度影像、轨距数据及超高数据。
在上述技术方案中,所述步骤(1)中轨道交通的数据采集包括以下步骤:
(1-1)移动扫描获取沿线激光点云:随着所述移动车在被测轨道上的移动,通过所述激光扫描仪在垂直于被测轨道方向进行扫描,得到被测轨道交通长度范围内及轨道两侧一定距离范围的激光数据,通过所述结构光扫描仪在平行于被测轨道线路方向进行扫描,得到被测轨道的轨道轮廓数据;
(1-2)移动扫描获取移动车的里程数据:随着所述动车的移动,通过所述倾角传感器采集移动车在被测轨道上移动过程中角度变化的倾角数据,通过所述转速编码器采集移动车在轨道上移动的里程数据,通过所述轨距传感器采集移动车在轨道移动过程中的初始轨距数据;
(1-3)通过移动车PLC控制器将所述倾角数据、初始轨距数据及里程数据传输给上位机。
在上述技术方案中,所述步骤(2)中的多源数据预处理包括以下步骤:
步骤2-1,三维点云融合:
S1.上位机接收所述倾角数据、初始轨距数据及里程数据,利用所述里程数据与测量现场的现场里程数据进行对比纠偏,生成所需的里程数据,且该所需的里程数据与现场里程数据完全对应;
S2.对所述倾角数据、初始轨距数据及里程数据进行同步;
S3.设定倾角数据以用于校正所述三维点云与轨道之间的方向;当需要融合倾角数据时,则加入倾角数据,融合生成的基于线路坐标系的三维点云的高程方向为正高方向,当不需要融合倾角数据时,则融合生成的基于轨道坐标系的三维点云的高程方向为垂直轨面的方向;
S4.根据设定的倾角参数,对里程数据、初始轨距数据及所需的里程数据进行融合,生成移动车状态数据,并将所述移动车状态数据、激光数据和轨道轮廓数据进行多源融合,生成被测轨道交通沿线的三维点云,并将所述三维点云的数据导出成通用数据格式数据;
步骤2-2,灰度影像融合:
Q1.对接收的所述激光数据与里程数据进行同步;
Q2.对所述里程数据进行再处理,生成新的里程数据与激光数据进行同步;
Q3.利用所述步骤2-1中生成的三维点云,通过点云线路方向的点间距和点云侧线的线距计算灰度影像的行列号,以点云数据的反射率作为灰度影像的灰度值,融合处理生成灰度影像。
在上述技术方案中,所述S4中的通用数据格式数据为LAS格式数据和PCD格式数据。
在上述技术方案中,所述结构光扫描仪的扫描头与被测轨道线路方向平行,且结构光扫描仪为2个,对称设置在移动车的两侧以用于采集被测轨道的左侧轨道及右侧轨道的轨道轮廓数据。
在上述技术方案中,所述数据处理方法还包括:
(3)数据后处理:利用所述步骤(2)生成的所述三维点云及灰度影像进行数据后处理,提取分析得到轨道检测所需要的测量数据,完成轨道交通的检测监测。
在上述技术方案中,所述步骤(3)中基于外部导入的轨迹线、轨道数据和接触网系统数据,并结合所述步骤(2)生成的三维点云及灰度影像,提取出轨道检测所需要的测量数据。
在上述技术方案中,所述测量数据包括限界数据、接触网杆数据和轨道中线数据。
在上述技术方案中,所述步骤(3)中还包括人工编辑以用于校验或重新设置参数而对所述测量数据进行提取。
在上述技术方案中,所述上位机内嵌入有操作系统,所述上位机通过串口通讯与移动车上的PLC控制器通讯连接,所述操作系统用于接收激光扫描仪、结构光扫描仪、转速编码器、倾角传感器、轨距传感器传送的多源数据,对多个传感器采集到的多源数据进行分析融合,生成三维点云和灰度图像,并根据分析结果生成指令,控制移动车,根据所述三维点云及灰度图像后,提取分析得到轨道检测所需要的测量数据,完成轨道交通的检测。
本发明具有的优点和积极效果是:
1.检测方法中以上位机为核心操控处理器,通过上位机对各个传感器进行数据通信、数据转发、数据储存和数据处理,实现一次数据采集,对多源数据融合生成三维点云集灰度图像,并提取轨道交通线路检测所需要的数据相比于传统测量方式,数据采集效率大大提高,减小了上线的安全风险,并且一次数据采集后快速处理得到轨道交通数据的检测,检测效率高,检测成本低。
2.通过各个传感器在测量时分别采集数据,并对各个传感器采集的数据进行同步,通过同步后的激光数据与里程数据,获取基于轨道坐标系的三维点云,根据需要再融合倾角数据,对形成的基于线路坐标系的三维点云进行竖直方向的纠正,提高三维点云的精度;通过同步后的激光数据、里程数据,利用生成的三维点云,在通过影像融合形成灰度影像。
3.通过三维点云及灰度影像批量提取、自动处理,减轻了数据处理工作量,能够得到轨道交通线路检测所需要的轨道、限界、接触网线导高拉出值、构筑物里程等数据,以适应于工程需要。
附图说明
图1是本发明的轨道交通检测方法的流程图;
图2是本发明的轨道交通检测方法中操作系统的结构图;
图3是本发明中车载移动三维扫描系统的模块图;
图4是本发明中操作系统的主界面图;
图5是本发明中操作系统的扫描仪控制模块的界面图;
图6是本发明中操作系统的移动车控制模块的界面图;
图7是本发明中操作系统的移动车状态监控模块的界面图;
图8是本发明中操作系统的三维点云融合模块的界面图;
图9是本实施例2中融合的三维点云图;
图10是本发明中操作系统的灰度影像融合模块的界面图;
图11是本实施例2中融合的灰度影像图;
图12是本实施例2中轨道中线提取的流程图;
图13是本实施例2中接触网检测的流程图;
图14是本实施例2中限界检测的流程图。
具体实施方式
以下结合具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明,决不限制本发明的保护范围。
实施例1
如图所示,一种自移动式轨道交通移动三维扫描系统,包括:
移动车,设置在轨道上且能够沿轨道运动;
激光扫描仪,用于采集被测轨道交通长度范围内及轨道两侧一定距离范围内的激光数据,所述激光数据存储在所述激光扫描仪中;
结构光扫描仪,用于采集被测轨道的轨道轮廓数据,所述轨道轮廓数据存储在所述结构光扫描仪中;
倾角传感器,用于采集移动车在移动过程中角度变化的倾角数据;
轨距传感器,用于采集移动车在移动过程中轨道的初始轨距数据;
转速编码器,用于采集移动车在轨道上移动的里程数据;
PLC控制器,安装在移动车上,用于接收所述倾角数据、初始轨距数据及里程数据并将所述倾角数据、初始轨距数据及里程数据传送给上位机;
上位机,用于接收PLC控制器发送的所述倾角数据、初始轨距数据及里程数据并对多源数据进行多源数据融合处理,生成移动车状态数据,并将所述移动车状态数据、激光数据、轨道轮廓数据进行多源数据融合,生成被测轨道交通沿线的三维点云及灰度影像;
所述激光扫描仪、结构光扫描仪、倾角传感器、轨距传感器、转速编码器及上位机安装在所述移动车上。
进一步地说,所述自移动式轨道交通移动三维扫描系统还包括:
惯导系统,用于获取所述移动车的导航位置数据,并将所述导航位置数据传送至上位机;
时间同步系统,用于对所述激光扫描仪、结构光扫描仪、倾角传感器、轨距传感器、转速编码器、PLC控制器、惯导系统及上位机提供授时并同步时间;
所述惯导系统、时间同步系统安装在所述移动车上。
进一步地说,所述惯导系统采集的导航位置数据包括移动车的位置、速度、航向和姿态角。
进一步地说,所述上位机对所述倾角数据、初始轨距数据及里程数据并进行多源数据融合处理,生成移动车状态数据,并将所述激光扫描仪、结构光扫描仪传送的被测轨道的激光数据及轨道轮廓数据与移动车状态数据进行多源数据融合,并接收所述惯导系统传送的导航位置数据,处理分析并生成指令,并将所述指令传送至移动车的PLC控制器以用于控制移动车的运行。
进一步地说,所述时间同步系统采用时间同步控制器,用于接收GNSS发送的GNSS时间,时间同步控制器每10天接收一次GNSS时间,即可保证所述移动车的内部时间与GNSS高精度一致;接受GNSS时间后,时间同步控制器以GNSS时间为起点,处理生成时间同步控制器的计时时间,并向各个传感器发送PPS秒脉冲和计时时间,通过在数据上打时间戳的方式,使得各个传感器完成时间同步,且不依赖GNSS就可以得到高精度的时间同步信息。
进一步地说,所述指令包括用于控制移动车运动的运动指令和用于控制移动车制动的制动指令。
进一步地说,所述移动车上设有激光扫描仪角度校验器,用于校正激光扫描仪的测线方向垂直。
进一步地说,所述移动车包括运动采集模块、PLC控制器、运动控制模块和紧急制动模块;
所述运动采集模块固定安装在移动车上,用于采集所述移动车的运动状态并生成运动状态信息,用于向所述PLC控制器发送运动状态信息;
所述PLC控制器固定安装在移动车上,用于接收所述运动状态信息,用于将所述运动状态信息发送至上位机,用于接收所述上位机发送的运动指令、制动指令,并向所述运动控制模块发送运动指令、向紧急制动模块发送制动指令;
所述运动控制模块用于接收所述PLC控制器发送的运动指令,并根据所述运动指令调节移动车的运动状态;
所述紧急制动模块用于接收所述PLC控制器传送的制动指令,并根据所述制动指令控制移动车制动。
实施例2
如图所示,在实施例1的基础上,基于自移动式轨道交通移动三维扫描系统的数据处理方法,包括以下步骤:
(1)轨道交通的数据采集:利用自移动式轨道交通移动三维扫描系统采集被测轨道交通沿线的基础设施及周边环境数据,得到激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并将所述倾角数据、初始轨距数据及里程数据传输给上位机,所述激光数据存储在激光扫描仪中,所述轨道轮廓数据存储在结构光扫描仪中;
(2)多源数据预处理:所述接收步骤(1)的所述激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并对多源数据进行多源数据融合处理,生成被测轨道交通沿线的三维点云、灰度影像、轨距数据及超高数据。
进一步地说,所述步骤(1)中轨道交通的数据采集包括以下步骤:
(1-1)移动扫描获取沿线激光点云:随着所述移动车在被测轨道上的移动,通过所述激光扫描仪在垂直于被测轨道方向进行扫描,得到被测轨道交通长度范围内及轨道两侧一定距离范围的激光数据,通过所述结构光扫描仪在平行于被测轨道线路方向进行扫描,得到被测轨道的轨道轮廓数据;
(1-2)移动扫描获取移动车的里程数据:随着所述动车的移动,通过所述倾角传感器采集移动车在被测轨道上移动过程中角度变化的倾角数据,通过所述转速编码器采集移动车在轨道上移动的里程数据,通过所述轨距传感器采集移动车在轨道移动过程中的初始轨距数据;
(1-3)通过移动车PLC控制器将所述倾角数据、初始轨距数据及里程数据传输给上位机。
进一步地说,所述步骤(2)中的多源数据预处理包括以下步骤:
步骤2-1,三维点云融合:
S1.上位机接收所述倾角数据、初始轨距数据及里程数据,利用所述里程数据与测量现场的现场里程数据进行对比纠偏,生成所需的里程数据,且该所需的里程数据与现场里程数据完全对应;
S2.对所述倾角数据、初始轨距数据及里程数据进行同步;
S3.设定倾角数据以用于校正所述三维点云与轨道之间的方向;当需要融合倾角数据时,则加入倾角数据,融合生成的基于线路坐标系的三维点云的高程方向为正高方向,当不需要融合倾角数据时,则融合生成的基于轨道坐标系的三维点云的高程方向为垂直轨面的方向;
S4.根据设定的倾角参数,对里程数据、初始轨距数据及所需的里程数据进行融合,生成移动车状态数据,并将所述移动车状态数据、激光数据和轨道轮廓数据进行多源融合,生成被测轨道交通沿线的三维点云,并将所述三维点云的数据导出成通用数据格式数据;
步骤2-2,灰度影像融合:
Q1.对接收的所述激光数据与里程数据进行同步;
Q2.对所述里程数据进行再处理,生成新的里程数据与激光数据进行同步;
Q3.利用所述步骤2-1中生成的三维点云,通过点云线路方向的点间距和点云侧线的线距计算灰度影像的行列号,以点云数据的反射率作为灰度影像的灰度值,融合处理生成灰度影像。
在上述技术方案中,所述S4中的通用数据格式数据为LAS格式数据和PCD格式数据。
在上述技术方案中,所述结构光扫描仪的扫描头与被测轨道线路方向平行,且结构光扫描仪为2个,对称设置在移动车的两侧以用于采集被测轨道的左侧轨道及右侧轨道的轨道轮廓数据。
进一步地说,所述数据处理方法还包括:
(3)数据后处理:利用所述步骤(2)生成的所述三维点云及灰度影像进行数据后处理,提取分析得到轨道检测所需要的测量数据,完成轨道交通的检测。
在上述技术方案中,所述步骤(3)中基于外部导入的轨迹线、轨道数据和接触网系统数据,并结合所述步骤(2)生成的三维点云及灰度影像,提取出轨道检测所需要的测量数据。
在上述技术方案中,所述测量数据包括限界数据、接触网杆数据和轨道中线数据。
在上述技术方案中,所述步骤(3)中还包括人工编辑以用于校验或重新设置参数而对所述测量数据进行提取。
实施例3
在实施例2的基础上,如图2-图11所示,所述上位机内嵌入有操作系统,所述上位机通过串口通讯与移动车上的PLC控制器通讯连接,所述操作系统用于接收激光扫描仪、结构光扫描仪、转速编码器、倾角传感器、轨距传感器传送的多源数据,对多个传感器采集到的多源数据进行分析融合,生成三维点云和灰度图像,并根据分析结果生成指令,控制移动车,根据所述三维点云及灰度图像后,提取分析得到轨道检测所需要的测量数据,完成轨道交通的检测。
进一步地说,所述上位机的操作系统包括车载移动三维扫描系统控制模块、多源数据预处理模块和数据后处理模块;
所述车载移动三维扫描系统控制模块包括扫描仪控制模块和移动车控制模块,所述扫描仪控制模块用于操控扫描仪进行数据采集,所述移动车控制模块用于操控移动车的状态及各个搭载在所述移动车上的传感器的数据采集;
所述多源数据预处理模块包括三维点云融合模块和灰度影像融合模块,所述三维点云融合模用于根据所述传感器采集的多源数据同步后进行点云融合而形成三维点云,所述灰度影像融合模块用于根据传感器采集的里程数据及激光数据同步后处理,对所述三维点云融合模块生成的三维点云处理生成灰度影像。
进一步地说,所述扫描仪控制模块包括扫描仪参数设置单元、激光采集单元和扫描仪状态监控单元,所述扫描仪参数设置单元用于设置IP端口连接扫描仪、设置扫描仪的参数(包括扫描速度和激光发射频率)、设置激光文件存储名称、设置滤波;所述扫描仪控制单元用于触发扫描仪启动/停止信息、电压信息、错误预警提示灯扫描仪的当前状态;所述激光采集单元用于存储激光扫描仪、结构光扫描仪采集的激光数据。
进一步地说,所述移动车控制模块包括移动车参数设置单元、移动车传感器数据采集单元和移动车状态监测单元,所述移动车参数设置单元用于设置移动车上的各个传感器的参数设置;所述移动车传感器数据采集单元用于获取移动车上的各个传感器的数据(里程数据、倾角数据、初始轨距数据);所述移动车状态监测单元用于监控移动车的状态,包括移动车的行驶速度、里程、电量、里程方向倾角、垂直轨道方向倾角、轨距和行驶方向(刷新时间1次/秒)。
进一步地说,所述三维点云融合模块包括里程/倾角数据处理单元、多源数据同步单元和点云融合解算单元,所述多源数据同步单元基于多源数据融合算法、最优时间同步检索算法对激光数据、倾角数据、里程数据和初始轨距数据进行自动对齐同步,所述点云融合解算单元用于将激光数据、倾角数据、里程数据和初始轨距数据进行融合解算,生成基于轨道坐标系的高精度的三维点云,其生成的三维点云的精度为2-4mm,根据所述操作软件的三维点云融合具体包括以下步骤:
S1.上位机接收所述倾角数据、初始轨距数据及里程数据,利用所述里程数据与测量现场的现场里程数据进行对比纠偏,生成所需的里程数据,且该所需的里程数据与现场里程数据完全对应;
S2.对所述倾角数据、初始轨距数据及里程数据进行自动对齐,用于同步倾角数据、初始轨距数据及里程数据;
S3.设定倾角数据以用于校正所述三维点云与轨道之间的方向;当需要融合倾角数据时,则加入倾角数据,融合后生成的基于线路坐标系的三维点云的高程方向为正高方向,当不需要融合倾角数据时,则在点云融合解算单元进行融合时不加入倾角数据,融合后生成的基于轨道坐标系的三维点云的高程方向为垂直轨面的方向;
S4.根据设定的倾角参数,通过多源数据融合算法、最优时间同步检索算法(参考文献:[1]陈长军.车载移动测量系统集成关键技术研究[D].武汉大学,2013.)对激光数据、轨道轮廓数据及所需的里程数据进行融合(在融合时,三维点云的X方向是从小里程到大里程或从大里程到小里程),,生成移动车状态数据,并将所述移动车状态数据、激光数据和轨道轮廓数据进行多源融合,生成被测轨道交通沿线的三维点云,并将所述三维点云的数据导出成通用数据格式数据(LAS格式数据),操作软件自动建立处理序列,依次对每段点云进行融合,融合后的三维点云,每2G输出一个“.las”文件。
进一步地说,所述灰度影像融合模块用于根据采集的里程数据及激光数据同步后处理,对所述三维点云融合模块生成的三维点云处理生成灰度影像,所述灰度影像融合模块包括里程数据处理单元、激光数据与里程数据同步单元和灰度影像融合解算单元;所述激光数据与里程数据同步单元基于最优时间同步检索算法,将激光数据与里程数据进行自动对齐,实现数据的同步;所述灰度影像融合解算单元,基于影像融合算法(请参考专利公开号为CN104359459A)、测线检索算法(参考文献:[1]陈长军.车载移动测量系统集成关键技术研究[D].武汉大学,2013.)、空间尺寸统一算法、大幅图像处理算法(参考文献:[2]彭斌,祝志恒,阳军生,傅金阳,何洪波.基于全景展开图像的隧道衬砌渗漏水数字化识别方法研究[J].现代隧道技术,2019,56(03):31-37+44.),将激光数据、里程数据、倾角数据融合成高清晰灰度影像,其分辨率最大可达1mm,根据所述操作软件的灰度影像融合具体包括以下步骤:
Q1.对接收的所述激光数据与里程数据进行自动对齐,用于同步激光数据及里程数据,得到三维点云在垂直轨道方向的实际点间距;
Q2.根据所述Q1中的所述实际点间距对里程数据进行再处理,生成新的里程数据与激光数据相配合,使里程间距与垂直轨道方向的实际点间距相同,以保证生成的灰度影像实际尺寸合理;
Q3.利用所述步骤2-1生成的三维点云,通过影像融合算法、测线检索算法、空间尺寸统一算法、大幅图像处理算法融合生成灰度影像,由于三维点云是三维的,生成的灰度影像是平面的,需要对三维点云的所有点进行一次投影变换,从而得到灰度影像。
进一步地说,基于三维点云可以进行限界测量、结构断面测量、接触网几何状态测量、设备状态查询,基于灰度影像可以进行渗水检测等病害查询。
进一步地说,所述数据后处理模块包括轨道中线提取模块、接触网检测模块和限界检测模块(采用测线检索算法,[1]陈长军.车载移动测量系统集成关键技术研究[D].武汉大学,2013.);
所述轨道中线提取模块将所述三维点云、激光数据和轨迹线导入,采用激光点云分类、点云噪声过滤、几何模型配准等算法,针对不同类型的钢轨提取出线路中线、左轨中线、右轨中线、左轨点云和右轨点云;
所述接触网检测模块导入激光数据、轨迹线和接触网系统点云数据(接触网杆数据),分割原始的接触网系统点云数据,采用激光点云自动分类、线性构筑物集合模型三维重建算法提取得出接触线和接触网杆;
所述限界检测模块导入激光数据、轨道数据和接触网系统数据而根据不同的需求提取不同位置的限界。
进一步地说,所述轨道中线提取模块的主要功能包括(参考文献,专利公开号CN110647798A):(如图12所示)
(1)读取分割轨道点云数据:读取被测轨道的激光数据,根据激光扫描仪的扫描角度,分割获得原始的轨道点云数据;
(2)人工辅助自动提取轨道:导入轨迹线文件,人工选取左轨、右轨的两个初始轨面点,提取轨道,并在轨道提取完成后,人工检查编辑;
(3)输出轨道提取结果:在轨道提取完成后,得出左轨中线、右轨中线、线路中线、左轨点云和右轨点云。
进一步地说,所述接触网检测模块的主要功能包括(如图13所示):
(1)读取分割接触网系统点云数据:读取被测轨道的激光数据,根据激光扫描仪的扫描角度,分割获得原始的接触网系统点云数据;
(2)人工辅助半自动提取接触网线:导入轨迹线文件,人工选取接触线(承力索)的初始位置点,开始自动提取接触线(承力索),提取完成后,人工检查编辑;
(3)人工辅助半自动提取接触网杆:导入轨迹线和接触网杆的概略位置,逐个提取接触网杆,可人工设置参数或调整初始位置,提取接触网杆;
(4)输出接触网系统提取结果:将提取完成的接触线(承力索)、接触线(承力索)点云和接触网杆输出。
进一步地说,所述限界检测模块的主要功能包括(如图14所示):
(1)数据读取:读取被测轨道的激光数据,读取轨道数据和接触网系统数据;
(2)人工辅助半自动提取限界:对于桥梁部分,可提取桥梁挡墙限界和接触线限界;对于路基部分,可提取接触网杆限界和接触线限界;对于隧道部分,可没间隔一定的距离提取一处限界;
(3)输出限界提取结果:人工提取后输出的限界结果包括左侧建筑限界、右侧建筑限界、顶部接触线限界,还可以输出每一处限界提取的PDF图形文件。
进一步地说,在数据后处理中还包括人工编辑和提取,人工编辑用于校验或重新设置参数进行数据的提取。
本实施例中数据后处理模块中包括的模块不仅限于轨道中线提取模块、接触网检测模块和限界检测模块,可根据轨道交通检测需求再进行进一步地设置。
以上对本发明做了示例性的描述,应该说明的是,在不脱离本发明的核心的情况下,任何简单的变形、修改或者其他本领域技术人员能够不花费创造性劳动的等同替换均落入本发明的保护范围。
Claims (7)
1.一种基于自移动式轨道交通移动三维扫描系统的数据处理方法,其特征在于:
所述自移动式轨道交通移动三维扫描系统包括:
移动车,设置在轨道上且能够沿轨道运动;
激光扫描仪,用于采集被测轨道交通长度范围内及轨道两侧一定距离范围内的激光数据,所述激光数据存储在所述激光扫描仪中;
结构光扫描仪,用于采集被测轨道的轨道轮廓数据,所述轨道轮廓数据存储在所述结构光扫描仪中;所述结构光扫描仪的扫描头与被测轨道线路方向平行,且结构光扫描仪为2个,对称设置在移动车的两侧以用于采集被测轨道的左侧轨道及右侧轨道的轨道轮廓数据;
倾角传感器,用于采集移动车在移动过程中角度变化的倾角数据;
轨距传感器,用于采集移动车在移动过程中轨道的初始轨距数据;
转速编码器,用于采集移动车在轨道上移动的里程数据;
PLC控制器,安装在移动车上,用于接收所述倾角数据、初始轨距数据及里程数据并将所述倾角数据、初始轨距数据及里程数据传送给上位机;
上位机,用于接收PLC控制器发送的所述倾角数据、初始轨距数据及里程数据并进行多源数据融合处理,生成移动车状态数据,并将所述移动车状态数据、激光数据、轨道轮廓数据进行多源数据融合,生成被测轨道交通沿线的三维点云及灰度影像;
所述激光扫描仪、结构光扫描仪、倾角传感器、轨距传感器、转速编码器及上位机安装在所述移动车上;
其中,所述数据处理方法包括以下步骤:
(1)轨道交通的数据采集:利用自移动式轨道交通移动三维扫描系统采集被测轨道交通沿线的基础设施及周边环境数据,得到激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并将所述倾角数据、初始轨距数据及里程数据传输给上位机,所述激光数据存储在激光扫描仪中,所述轨道轮廓数据存储在结构光扫描仪中;
(1-1)移动扫描获取沿线激光点云:随着所述移动车在被测轨道上的移动,通过所述激光扫描仪在垂直于被测轨道方向进行扫描,得到被测轨道交通长度范围内及轨道两侧一定距离范围的激光数据,通过所述结构光扫描仪在平行于被测轨道线路方向进行扫描,得到被测轨道的轨道轮廓数据;
(1-2)移动扫描获取移动车的里程数据:随着所述动车的移动,通过所述倾角传感器采集移动车在被测轨道上移动过程中角度变化的倾角数据,通过所述转速编码器采集移动车在轨道上移动的里程数据,通过所述轨距传感器采集移动车在轨道移动过程中的初始轨距数据;
(1-3)通过移动车PLC控制器将所述倾角数据、初始轨距数据及里程数据传输给上位机;
(2)多源数据预处理:接收步骤(1)的所述激光数据、轨道轮廓数据、倾角数据、初始轨距数据及里程数据,并对多源数据进行多源数据融合处理,生成被测轨道交通沿线的三维点云、灰度影像、轨距数据及超高数据;
步骤2-1,三维点云融合:
S1.上位机接收所述倾角数据、初始轨距数据及里程数据,利用所述里程数据与测量现场的现场里程数据进行对比纠偏,生成所需的里程数据,且该所需的里程数据与现场里程数据完全对应;
S2.对所述倾角数据、初始轨距数据及里程数据进行同步;
S3.设定倾角数据以用于校正所述三维点云与轨道之间的方向;当需要融合倾角数据时,则加入倾角数据,融合生成的基于线路坐标系的三维点云的高程方向为正高方向,当不需要融合倾角数据时,则融合生成的基于轨道坐标系的三维点云的高程方向为垂直轨面的方向;
S4.根据设定的倾角参数,对里程数据、初始轨距数据及所需的里程数据进行融合,生成移动车状态数据,并将所述移动车状态数据、激光数据和轨道轮廓数据进行多源融合,生成被测轨道交通沿线的三维点云,并将所述三维点云的数据导出成通用数据格式数据;
步骤2-2,灰度影像融合:
Q1.对接收的所述激光数据与里程数据进行同步;
Q2.对所述里程数据进行再处理,生成新的里程数据与激光数据进行同步;
Q3.利用所述步骤2-1中生成的三维点云,通过点云线路方向的点间距和点云侧线的线距计算灰度影像的行列号,以点云数据的反射率作为灰度影像的灰度值,融合处理生成灰度影像。
2.根据权利要求1所述的数据处理方法,其特征在于:所述S4中的通用数据格式数据为LAS格式数据和PCD格式数据。
3.根据权利要求2所述的数据处理方法,其特征在于,还包括:
(3)数据后处理:利用所述步骤(2)生成的所述三维点云及灰度影像进行数据后处理,提取分析得到轨道检测所需要的测量数据,完成轨道交通的检测监测。
4.根据权利要求3所述的数据处理方法,其特征在于:所述步骤(3)中基于外部导入的轨迹线、轨道数据和接触网系统数据,并结合所述步骤(2)生成的三维点云及灰度影像,提取出轨道检测所需要的测量数据。
5.根据权利要求4所述的数据处理方法,其特征在于:所述测量数据包括限界数据、接触网杆数据和轨道中线数据。
6.根据权利要求5所述的数据处理方法,其特征在于:所述步骤(3)中还包括人工编辑以用于校验或重新设置参数而对所述测量数据进行提取。
7.根据权利要求6所述的数据处理方法,其特征在于:所述倾角传感器采集移动车在移动过程中水平方向和线路方向的角度变化的倾角数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010323808.9A CN111547084B (zh) | 2020-04-22 | 2020-04-22 | 基于自移动式轨道交通移动三维扫描系统的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010323808.9A CN111547084B (zh) | 2020-04-22 | 2020-04-22 | 基于自移动式轨道交通移动三维扫描系统的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111547084A CN111547084A (zh) | 2020-08-18 |
CN111547084B true CN111547084B (zh) | 2021-07-30 |
Family
ID=72007639
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010323808.9A Active CN111547084B (zh) | 2020-04-22 | 2020-04-22 | 基于自移动式轨道交通移动三维扫描系统的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111547084B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112729151B (zh) * | 2020-12-04 | 2022-12-13 | 深圳大学 | 一种焊缝结构三维点云测量方法 |
CN112731440B (zh) * | 2020-12-25 | 2023-10-13 | 中国铁道科学研究院集团有限公司 | 高速铁路边坡形变检测方法及装置 |
CN112817317A (zh) * | 2021-01-04 | 2021-05-18 | 湖南长院悦诚装备有限公司 | 一种智能铺轨车的自动循迹方法与系统 |
CN113147807A (zh) * | 2021-04-20 | 2021-07-23 | 武汉理工大学 | 一种铁轨无损检测小车及方法 |
CN114018153B (zh) * | 2021-11-09 | 2024-03-29 | 中铁工程设计咨询集团有限公司 | 一种铁路工务检测分析方法、装置、设备及可读存储介质 |
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 |
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 |
CN114841944B (zh) * | 2022-04-25 | 2023-03-28 | 中钢集团马鞍山矿山研究总院股份有限公司 | 基于挂轨轨道机器人的尾矿坝表面形变巡检方法 |
CN115657067B (zh) * | 2022-12-26 | 2023-03-14 | 中国铁路设计集团有限公司 | 多尺度阵列式激光雷达测量系统及获取轨道边界条件方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10313191A1 (de) * | 2003-03-25 | 2004-10-07 | Gutehoffnungshütte Radsatz Gmbh | Verfahren zur berührungslosen dynamischen Erfassung des Profils eines Festkörpers |
CN102494687A (zh) * | 2011-10-19 | 2012-06-13 | 清华大学 | 一种高精度姿态/轨道一体化测量装置 |
US8485035B2 (en) * | 2011-08-22 | 2013-07-16 | Herzog Services, Inc. | Method of detecting defects |
CN103213605A (zh) * | 2013-03-28 | 2013-07-24 | 西南交通大学 | 基于多传感器数据融合的列车闭塞与姿态监测方法 |
CN103821054A (zh) * | 2014-03-12 | 2014-05-28 | 武汉大学 | 基于ins与全站仪组合的轨道几何状态测量系统及方法 |
KR20160028017A (ko) * | 2014-09-02 | 2016-03-11 | 주식회사 에코마이스터 | 틸팅유니트 및 각도센서를 이용한 차륜 찰상 자동검사장치 |
CN107554552A (zh) * | 2017-08-29 | 2018-01-09 | 天府新区西南交通大学研究院 | 一种基于机器视觉的轨道综合检测平台 |
CN107620236A (zh) * | 2017-08-25 | 2018-01-23 | 南京农业大学 | 一种铁路轨道塌陷检测系统及检测方法 |
CN110001710A (zh) * | 2019-04-04 | 2019-07-12 | 同济大学 | 一种磁悬浮轨道三维场景快速重构系统、方法及应用 |
-
2020
- 2020-04-22 CN CN202010323808.9A patent/CN111547084B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10313191A1 (de) * | 2003-03-25 | 2004-10-07 | Gutehoffnungshütte Radsatz Gmbh | Verfahren zur berührungslosen dynamischen Erfassung des Profils eines Festkörpers |
US8485035B2 (en) * | 2011-08-22 | 2013-07-16 | Herzog Services, Inc. | Method of detecting defects |
CN102494687A (zh) * | 2011-10-19 | 2012-06-13 | 清华大学 | 一种高精度姿态/轨道一体化测量装置 |
CN103213605A (zh) * | 2013-03-28 | 2013-07-24 | 西南交通大学 | 基于多传感器数据融合的列车闭塞与姿态监测方法 |
CN103821054A (zh) * | 2014-03-12 | 2014-05-28 | 武汉大学 | 基于ins与全站仪组合的轨道几何状态测量系统及方法 |
KR20160028017A (ko) * | 2014-09-02 | 2016-03-11 | 주식회사 에코마이스터 | 틸팅유니트 및 각도센서를 이용한 차륜 찰상 자동검사장치 |
CN107620236A (zh) * | 2017-08-25 | 2018-01-23 | 南京农业大学 | 一种铁路轨道塌陷检测系统及检测方法 |
CN107554552A (zh) * | 2017-08-29 | 2018-01-09 | 天府新区西南交通大学研究院 | 一种基于机器视觉的轨道综合检测平台 |
CN110001710A (zh) * | 2019-04-04 | 2019-07-12 | 同济大学 | 一种磁悬浮轨道三维场景快速重构系统、方法及应用 |
Also Published As
Publication number | Publication date |
---|---|
CN111547084A (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111547084B (zh) | 基于自移动式轨道交通移动三维扫描系统的数据处理方法 | |
CN110647798B (zh) | 基于车载移动激光点云的轨道中线自动检测方法 | |
CN106049210B (zh) | 一种轨道状态智能检测平台 | |
CN111337030B (zh) | 一种基于背负式的激光雷达扫描系统、导航定位方法 | |
CN104567708B (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
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 | |
JP6826421B2 (ja) | 設備巡視システム及び設備巡視方法 | |
KR102106452B1 (ko) | Avm 카메라 기반 터널 내부 고속 측정 시스템 및 그의 터널 내부 고속 측정 방법 | |
CN104749187A (zh) | 基于红外温度场和灰度图像的隧道衬砌病害检测装置 | |
CN203580743U (zh) | 一种车载式隧道测量系统 | |
CN104280036A (zh) | 一种交通信息的检测与定位方法、装置及电子设备 | |
CN111547085B (zh) | 自移动式轨道交通三维扫描系统 | |
CN110001710B (zh) | 一种磁悬浮轨道三维场景快速重构系统、方法及应用 | |
KR102255978B1 (ko) | 3d 센서를 활용한 객체 인식 기반 고해상도 철도 터널 내부 정밀 지도 생성 장치 및 방법 | |
CN114373138A (zh) | 一种高速铁路全自动无人机巡检方法及系统 | |
CN111717244A (zh) | 一种列车自动驾驶感知方法和系统 | |
CN110926417B (zh) | 基于机器视觉的车载铁路隧道检测系统 | |
CN114360093B (zh) | 基于北斗rtk、slam定位和图像分析的路侧停车位巡检方法 | |
CN114312877B (zh) | 铁路综合巡检系统 | |
CN114379607B (zh) | 一种铁路综合巡检方法 | |
CN205954421U (zh) | 一种轨道状态智能检测平台 | |
CN114018228B (zh) | 一种移动式轨道交通三维数据获取方法及系统 | |
CN114993300A (zh) | 透明矿山全空间跟踪监测及智能预警系统 | |
CN115424468A (zh) | 一种基于多摄像头融合的停车位检测系统 | |
CN115409691A (zh) | 融合激光测距和监控图像的双模态学习边坡风险检测方法 |
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 |