CN114202506A - 基于标准廓形约束的激光扫描图像异常处理方法 - Google Patents

基于标准廓形约束的激光扫描图像异常处理方法 Download PDF

Info

Publication number
CN114202506A
CN114202506A CN202111262341.2A CN202111262341A CN114202506A CN 114202506 A CN114202506 A CN 114202506A CN 202111262341 A CN202111262341 A CN 202111262341A CN 114202506 A CN114202506 A CN 114202506A
Authority
CN
China
Prior art keywords
image data
curve
rail
laser scanning
segment
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.)
Pending
Application number
CN202111262341.2A
Other languages
English (en)
Inventor
庄广琛
郭玉胜
裴新凯
王海军
王大元
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Automation Control Equipment Institute BACEI
Original Assignee
Beijing Automation Control Equipment Institute BACEI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Automation Control Equipment Institute BACEI filed Critical Beijing Automation Control Equipment Institute BACEI
Priority to CN202111262341.2A priority Critical patent/CN114202506A/zh
Publication of CN114202506A publication Critical patent/CN114202506A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30164—Workpiece; Machine component

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明提供了一种基于标准廓形约束的激光扫描图像异常处理方法，包括：获取轨道激光扫描图像数据；将轨道激光扫描图像数据分割成多个图像数据段；删除点数较少的图像数据段；将处理后的多个图像数据段进行拼接；对多个拼接图像数据段的凹凸性进行判断；计算获取旋转量和平移量；根据旋转量和平移量对轨头曲线和轨底曲线进行平移和旋转；将平移和旋转后的轨头曲线和轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一数据点的Hausdorff距离大于第一设定距离阈值，则判定任一数据点为野点并删除，完成对轨道激光扫描图像的异常处理。应用本发明的技术方案，以解决现有技术中激光扫描仪数据存在很多噪声和野点的技术问题。

Description

基于标准廓形约束的激光扫描图像异常处理方法
技术领域
本发明涉及轨道廓形检测技术领域，尤其涉及一种基于标准廓形约束的激光扫描图像异常处理方法。
背景技术
基于激光扫描仪的轨道廓形检测技术近年来发展迅速，具有检测速度快，检测精度高的特点。然而受到自身检测原理的限制，激光扫描检测结果容易受到外界因素的干扰，如室外阳光照射，室内强光照射、积水、反光等因素影响，激光扫描仪数据存在很多噪声和野点。这些异常数据增加了后续基于激光扫描廓形的轨道检测难度，因此有必要对消除激光扫描异常数据的技术开展研究。
发明内容
本发明提供了一种基于标准廓形约束的激光扫描图像异常处理方法，能够解决现有技术中激光扫描仪数据存在很多噪声和野点的技术问题。
本发明提供了一种基于标准廓形约束的激光扫描图像异常处理方法，基于标准廓形约束的激光扫描图像异常处理方法包括：获取轨道激光扫描图像数据；将轨道激光扫描图像数据分割成多个图像数据段；分别对各个图像数据段中的数据点数进行判断，当任一图像数据段中的数据点数小于设定数据点数阈值时，将任一图像数据段删除以完成对多个图像数据段的处理；将处理后的多个图像数据段进行拼接以生成多个拼接图像数据段；对多个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线；分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量；根据旋转量和平移量对轨头曲线和轨底曲线进行平移和旋转；将平移和旋转后的轨头曲线和轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一数据点的Hausdorff距离大于第一设定距离阈值，则判定任一数据点为野点并删除，完成对轨道激光扫描图像的异常处理。
进一步地，将所述轨道激光扫描图像数据分割成多个图像数据段具体包括：根据欧式距离
Figure BDA0003325888890000021
判断任意两个相邻数据点之间的相似度，其中xi和xj分别为相邻的两个测量点，当d(xi,xj)小于门限值εd时，则认为两个数据点属于一类簇，将所述轨道激光扫描图像数据分成多个类簇；计算不同类簇之间的相似度，通过Single-link的方式，计算Ci和Cj两个类簇之间的最小距离
Figure BDA0003325888890000022
当D(Ci,Cj)小于门限值εD时，将Ci和Cj合并为同一个类簇，通过迭代计算，将所述轨道激光扫描图像数据分割成多个图像数据段。
进一步地，将处理后的多个图像数据段进行拼接具体包括：对任意相邻的两个图像数据段之间的距离进行判断，若任意相邻的两个图像数据段之间的距离小于或等于第二设定距离阈值，将任意相邻的两个图像数据段进行拼接。
进一步地，当拼接图像数据段为两个时，对两个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线具体包括：计算获取
Figure BDA0003325888890000023
和
Figure BDA0003325888890000024
的数值大小，其中，x1为任一所述拼接图像数据段的第一端点的横轴坐标，f(x1)为对应的纵轴坐标，x2为任一所述拼接图像数据段的第二端点的横轴坐标，f(x2)为对应的纵轴坐标，
Figure BDA0003325888890000025
表示图像数据段上横坐标位于
Figure BDA0003325888890000026
处的纵坐标；当
Figure BDA0003325888890000027
大于
Figure BDA0003325888890000028
则认为任一拼接图像数据段为轨底曲线；当
Figure BDA0003325888890000031
小于
Figure BDA0003325888890000032
则认为任一拼接图像数据段为轨头曲线。
进一步地，若多个拼接图像数据段中存在多组凹曲线或凸曲线，对多个拼接图像数据段的特征曲率进行判断，若任一拼接图像数据段包括R13圆的曲线，则任一拼接图像数据段为轨头曲线；若任一拼接图像数据段包括R20圆的曲线，则任一拼接图像数据段为轨底曲线。
进一步地，分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段具体包括：如果轨头曲线在前，从轨头曲线的右侧开始查找1:20线段作为1：20线段，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段；如果轨底曲线在前，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段，从轨头曲线的左侧开始查找1:20线段作为1：20线段。
进一步地，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量具体包括：将1:20线段与标准廓形直线之间的夹角作为旋转角，将R20圆弧段的圆心与标准廓形R20圆心之间的距离矢量作为平移量。
进一步地，Hausdorff距离可根据H(A,B)＝max[h(A,B),h(B,A)]来获取，其中，
Figure BDA0003325888890000033
A为测量点云，B为标准点云，a为测量点云A中的点，b为标准点云B中的点。
进一步地，轨头曲线和轨底曲线上的数据点的曲率可根据
Figure BDA0003325888890000034
来获取，其中，Δψ为行走过的里程内航向转过的角度，ΔS为行走过的里程。
进一步地，第一设定距离阈值为1mm，第二设定距离阈值为100mm。
应用本发明的技术方案，提供了一种基于标准廓形约束的激光扫描图像异常处理方法，该方法通过对轨道激光扫描图像数据进行分割、删除并拼接，能够去除明显异常的数据点；通过判断轨头曲线和轨底曲线，使用曲率判断算法查找轨底R20圆弧段和轨头1:20线段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量，将计算旋转后的点云图像与标准轨道廓型图像点云进行比较，计算各点的Hausdorff距离，如果大于设定距离阈值，则认为是野点继续拧剔除。此种方式与现有技术相比，能够正确匹配多种激光测量异常情况，增强轨道廓形检测的准确性，降低后续磨耗、轨距等参数的计算难度，大幅提高了激光扫描仪数据的可靠性。
附图说明
所包括的附图用来提供对本发明实施例的进一步的理解，其构成了说明书的一部分，用于例示本发明的实施例，并与文字描述一起来阐释本发明的原理。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出了根据本发明的具体实施例提供的存在异常测量值的激光图像的示意图；
图2示出了根据本发明的具体实施例提供的聚类分割结果示意图；
图3示出了根据本发明的具体实施例提供的去除点数较少的数据段的示意图；
图4示出了根据本发明的具体实施例提供的重新拼接后的激光图像的示意图；
图5示出了根据本发明的具体实施例提供的判断凹凸性的示意图；
图6示出了根据本发明的具体实施例提供的存在多组凹曲线或凸曲线的示意图；
图7a示出了根据本发明的具体实施例提供的第一测试结果的示意图；
图7b示出了根据本发明的具体实施例提供的第二测试结果的示意图；
图7c示出了根据本发明的具体实施例提供的第三测试结果的示意图；
图7d示出了根据本发明的具体实施例提供的第四测试结果的示意图；
图7e示出了根据本发明的具体实施例提供的第五测试结果的示意图；
图7f示出了根据本发明的具体实施例提供的第六测试结果的示意图；
图7g示出了根据本发明的具体实施例提供的第七测试结果的示意图；
图7h示出了根据本发明的具体实施例提供的第八测试结果的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
如图1至图7h所示，根据本发明的具体实施例提供了一种基于标准廓形约束的激光扫描图像异常处理方法，该基于标准廓形约束的激光扫描图像异常处理方法包括：获取轨道激光扫描图像数据；将轨道激光扫描图像数据分割成多个图像数据段；分别对各个图像数据段中的数据点数进行判断，当任一图像数据段中的数据点数小于设定数据点数阈值时，将任一图像数据段删除以完成对多个图像数据段的处理；将处理后的多个图像数据段进行拼接以生成多个拼接图像数据段；对多个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线；分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量；根据旋转量和平移量对轨头曲线和轨底曲线进行平移和旋转；将平移和旋转后的轨头曲线和轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一数据点的Hausdorff距离大于第一设定距离阈值，则判定任一数据点为野点并删除，完成对轨道激光扫描图像的异常处理。
应用此种配置方式，提供了一种基于标准廓形约束的激光扫描图像异常处理方法，该方法通过对轨道激光扫描图像数据进行分割、删除并拼接，能够去除明显异常的数据点；通过判断轨头曲线和轨底曲线，使用曲率判断算法查找轨底R20圆弧段和轨头1:20线段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量，将计算旋转后的点云图像与标准轨道廓型图像点云进行比较，计算各点的Hausdorff距离，如果大于设定距离阈值，则认为是野点继续拧剔除。此种方式与现有技术相比，能够正确匹配多种激光测量异常情况，增强轨道廓形检测的准确性，降低后续磨耗、轨距等参数的计算难度，大幅提高了激光扫描仪数据的可靠性。
具体地，在本发明中，为了实现轨道激光扫描图像的异常处理，首先需要获取轨道激光扫描图像数据，典型激光测量图像数据如图1所示。在获取了轨道激光扫描图像数据之后，即可将轨道激光扫描图像数据分割成多个图像数据段。在本发明中，将所述轨道激光扫描图像数据分割成多个图像数据段具体包括：根据欧式距离
Figure BDA0003325888890000071
判断任意两个相邻数据点之间的相似度，其中xi和xj分别为相邻的两个测量点，当d(xi,xj)小于门限值εd时，则认为两个数据点属于一类簇，将所述轨道激光扫描图像数据分成多个类簇；计算不同类簇之间的相似度，通过Single-link的方式，计算Ci和Cj两个类簇之间的最小距离
Figure BDA0003325888890000072
当D(Ci,Cj)小于门限值εD时，将Ci和Cj合并为同一个类簇，通过迭代计算，将所述轨道激光扫描图像数据分割成多个图像数据段。
进一步地，在将轨道激光扫描图像数据分割成多个图像数据段之后，即可分别对各个图像数据段中的数据点数进行判断，当任一图像数据段中的数据点数小于设定数据点数阈值时，将任一图像数据段删除以完成对多个图像数据段的处理。作为本发明的一个具体实施例，如图2所示，聚类分割后的图像数据段为五段，分别将该五段图像数据段中的数据点数与设定数据点数阈值进行判断，其中有两段的图像数据段中的数据点数小于设定数据点数阈值，因此将该两段图像数据段进行删除，剩余三段图像数据段，具体如图3所示。
在将任一图像数据段删除以完成对多个图像数据段的处理之后，即可将处理后的多个图像数据段进行拼接以生成多个拼接图像数据段。在本发明中，将处理后的多个图像数据段进行拼接具体包括：对任意相邻的两个图像数据段之间的距离进行判断，若任意相邻的两个图像数据段之间的距离小于或等于第二设定距离阈值，将任意相邻的两个图像数据段进行拼接。作为本发明的一个具体实施例，第二设定距离阈值为100mm，当任意相邻的两个图像数据段之间的距离小于或等于100mm时，将任意相邻的两个图像数据段进行拼接；当任意相邻的两个图像数据段之间的距离大于100mm时，则保留两个图像数据段，不进行拼接。如图4所示，处理后的多个图像数据段进行拼接后生成两个拼接图像数据段，分别为轨顶和轨底两大段。
进一步地，在本发明中，在生成多个拼接图像数据段之后，对多个所述拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线。其中，当拼接图像数据段为两个时，对多个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线具体包括：计算获取
Figure BDA0003325888890000091
和
Figure BDA0003325888890000092
的数值大小，f(x)为x1和x2两点连成的直线方程；其中，x1为任一所述拼接图像数据段的第一端点的横轴坐标，f(x1)为对应的纵轴坐标，x2为任一所述拼接图像数据段的第二端点的横轴坐标，f(x2)为对应的纵轴坐标，
Figure BDA0003325888890000093
表示图像数据段上横坐标位于
Figure BDA0003325888890000094
处的纵坐标；；当
Figure BDA0003325888890000095
大于
Figure BDA0003325888890000096
则认为任一拼接图像数据段为轨底曲线；当
Figure BDA0003325888890000097
小于
Figure BDA0003325888890000098
则认为任一拼接图像数据段为轨头曲线。
此外，若多个拼接图像数据段中存在多组凹曲线或凸曲线，需要对多个拼接图像数据段的特征曲率进行判断，轨头曲线和轨底曲线上的数据点的曲率可根据
Figure BDA0003325888890000099
来获取，其中，Δψ为行走过的里程内航向转过的角度，ΔS为行走过的里程。若任一拼接图像数据段包括R13圆的曲线，则任一拼接图像数据段为轨头曲线；若任一拼接图像数据段包括R20圆的曲线，则任一拼接图像数据段为轨底曲线。其中，如图6所示，作为本发明的一个具体实施例，假如A和B均包括R20圆，则选择包含R20圆曲线的长度最长的线段作为轨底曲线，在该实施例中，A包含R20圆曲线的长度最长，因此将A作为轨底(轨腰)曲线。
进一步地，在本发明中，在对多个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线之后，即可分别查找轨头曲线的1：20线段以及所述轨底曲线的R20圆弧段，根据轨头曲线的1：20线段计算获取旋转量，根据所述轨底曲线的R20圆弧段计算获取平移量。在本发明中，分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段具体包括：如果轨头曲线在前，从轨头曲线的右侧开始查找1:20线段作为1：20线段，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段；如果轨底曲线在前，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段，从轨头曲线的左侧开始查找1:20线段作为1：20线段。在本发明中，轨头曲线和轨底曲线上的数据点的曲率可根据
Figure BDA0003325888890000101
来获取，其中，Δψ为行走过的里程内航向转过的角度，ΔS为行走过的里程。
在本发明中，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量具体包括：将1:20线段与标准廓形直线间的夹角作为旋转角，将R20圆弧段的圆心与标准廓形R20圆心之间的距离矢量作为平移量。
进一步地，在获取了旋转量和平移量之后，即可根据旋转量和平移量对轨头曲线和轨底曲线进行平移和旋转。平移和旋转之后，即可将平移和旋转后的轨头曲线和轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一数据点的Hausdorff距离大于第一设定距离阈值，则判定任一所述数据点为野点并删除，完成对轨道激光扫描图像的异常处理。
在本发明中，Hausdorff距离可根据H(A,B)＝max[h(A,B),h(B,A)]来获取，其中，
Figure BDA0003325888890000102
A为测量点云，B为标准点云，a为测量点云A中的点，b为标准点云B中的点。作为本发明的一个具体实施例，第一设定距离阈值为1mm，若任一所述数据点的Hausdorff距离大于1mm，则认为是野点并删除。由此完成对轨道激光扫描图像的异常处理。
为了对本发明有进一步地了解，下面结合图1至图7h对本发明所提供的基于标准廓形约束的激光扫描图像异常处理方法进行详细说明。
如图1至图7h所示，根据本发明的具体实施例提供了一种基于标准廓形约束的激光扫描图像异常处理方法，该方法具体包括如下步骤。
获取轨道激光扫描图像数据。
将轨道激光扫描图像数据分割成多个图像数据段。
分别对各个图像数据段中的数据点数进行判断，当任一图像数据段中的数据点数小于设定数据点数阈值时，将任一图像数据段删除以完成对多个图像数据段的处理。
将处理后的多个图像数据段进行拼接以生成多个拼接图像数据段。在本实施例中，将处理后的多个图像数据段进行拼接具体包括：对任意相邻的两个图像数据段之间的距离进行判断，若任意相邻的两个图像数据段之间的距离小于或等于第二设定距离阈值，将任意相邻的两个图像数据段进行拼接。
对多个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线。在本实施例中，拼接图像数据段为两个，对两个拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线具体包括：计算获取
Figure BDA0003325888890000111
和
Figure BDA0003325888890000112
的数值大小，其中，x1为任一拼接图像数据段的第一端点的数值，x2为任一拼接图像数据段的第二端点的数值，f(x)为x1和x2两点连成的直线方程；；当
Figure BDA0003325888890000113
大于
Figure BDA0003325888890000114
则认为任一拼接图像数据段为轨底曲线；当
Figure BDA0003325888890000115
小于
Figure BDA0003325888890000116
则认为任一拼接图像数据段为轨头曲线。
分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量；根据旋转量和平移量对轨头曲线和轨底曲线进行平移和旋转。在本实施例中，分别查找轨头曲线的1：20线段以及轨底曲线的R20圆弧段具体包括：如果轨头曲线在前，从轨头曲线的右侧开始查找1:20线段作为1：20线段，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段；如果轨底曲线在前，对轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段，从轨头曲线的左侧开始查找1:20线段作为1：20线段。
将平移和旋转后的轨头曲线和轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一数据点的Hausdorff距离大于第一设定距离阈值，则判定任一数据点为野点并删除，完成对轨道激光扫描图像的异常处理。Hausdorff距离可根据H(A,B)＝max[h(A,B),h(B,A)]来获取，其中，
Figure BDA0003325888890000121
A为测量点云，B为标准点云，a为测量点云A中的点，b为标准点云B中的点。
在本实施例中，利用本发明所提供的基于标准廓形约束的激光扫描图像异常处理方法，能够正确匹配多种激光测量异常情况，增强轨道廓形检测的准确性，现状降低后续磨耗、轨距等参数的计算难度，部分测试结果如图7a和图7h所示。其中，图7a的测试结果为轨头反光产生的噪点，R13圆弧存在畸变，图7b的测试结果为激光噪声偏大，图7c的测试结果为存在扣件，图7d的测试结果为存在多段扣件，图7e和图7f的测试结果为干扰点多于有效点，图7g和图7h的测试结果为找不到轨底。
综上所述，本发明提供了一种基于标准廓形约束的激光扫描图像异常处理方法，该方法通过对轨道激光扫描图像数据进行分割、删除并拼接，能够去除明显异常的数据点；通过判断轨头曲线和轨底曲线，使用曲率判断算法查找轨底R20圆弧段和轨头1:20线段，根据轨头曲线的1：20线段计算获取旋转量，根据轨底曲线的R20圆弧段计算获取平移量，将计算旋转后的点云图像与标准轨道廓型图像点云进行比较，计算各点的Hausdorff距离，如果大于设定距离阈值，则认为是野点继续拧剔除。此种方式与现有技术相比，能够正确匹配多种激光测量异常情况，增强轨道廓形检测的准确性，降低后续磨耗、轨距等参数的计算难度，大幅提高了激光扫描仪数据的可靠性。
为了便于描述，在这里可以使用空间相对术语，如“在……之上”、“在……上方”、“在……上表面”、“上面的”等，用来描述如在图中所示的一个器件或特征与其他器件或特征的空间位置关系。应当理解的是，空间相对术语旨在包含除了器件在图中所描述的方位之外的在使用或操作中的不同方位。例如，如果附图中的器件被倒置，则描述为“在其他器件或构造上方”或“在其他器件或构造之上”的器件之后将被定位为“在其他器件或构造下方”或“在其他器件或构造之下”。因而，示例性术语“在……上方”可以包括“在……上方”和“在……下方”两种方位。该器件也可以其他不同方式定位(旋转90度或处于其他方位)，并且对这里所使用的空间相对描述作出相应解释。
此外，需要说明的是，使用“第一”、“第二”等词语来限定零部件，仅仅是为了便于对相应零部件进行区别，如没有另行声明，上述词语并没有特殊含义，因此不能理解为对本发明保护范围的限制。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，所述基于标准廓形约束的激光扫描图像异常处理方法包括：
获取轨道激光扫描图像数据；
将所述轨道激光扫描图像数据分割成多个图像数据段；
分别对各个所述图像数据段中的数据点数进行判断，当任一所述图像数据段中的数据点数小于设定数据点数阈值时，将任一所述图像数据段删除以完成对多个所述图像数据段的处理；
将处理后的多个所述图像数据段进行拼接以生成多个拼接图像数据段；
对多个所述拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线；
分别查找所述轨头曲线的1：20线段以及所述轨底曲线的R20圆弧段，根据所述轨头曲线的1：20线段计算获取旋转量，根据所述轨底曲线的R20圆弧段计算获取平移量；
根据所述旋转量和所述平移量对所述轨头曲线和所述轨底曲线进行平移和旋转；
将平移和旋转后的所述轨头曲线和所述轨底曲线分别与标准轨道廓形图像点云进行比较，依次计算各个数据点的Hausdorff距离，若任一所述数据点的Hausdorff距离大于第一设定距离阈值，则判定任一所述数据点为野点并删除，完成对轨道激光扫描图像的异常处理。
2.根据权利要求1所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，将所述轨道激光扫描图像数据分割成多个图像数据段具体包括：根据欧式距离
Figure FDA0003325888880000021
判断任意两个相邻数据点之间的相似度，其中xi和xj分别为相邻的两个测量点，当d(xi,xj)小于门限值εd时，则认为两个数据点属于一类簇，将所述轨道激光扫描图像数据分成多个类簇；计算不同类簇之间的相似度，通过Single-link的方式，计算Ci和Cj两个类簇之间的最小距离
Figure FDA0003325888880000022
当D(Ci,Cj)小于门限值εD时，将Ci和Cj合并为同一个类簇，通过迭代计算，将所述轨道激光扫描图像数据分割成多个图像数据段。
3.根据权利要求2所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，将处理后的多个所述图像数据段进行拼接具体包括：对任意相邻的两个所述图像数据段之间的距离进行判断，若任意相邻的两个所述图像数据段之间的距离小于或等于第二设定距离阈值，将任意相邻的两个所述图像数据段进行拼接。
4.根据权利要求3所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，当所述拼接图像数据段为两个时，对两个所述拼接图像数据段的凹凸性进行判断以确定轨头曲线和轨底曲线具体包括：
计算获取
Figure FDA0003325888880000023
和
Figure FDA0003325888880000024
的数值大小，其中，x1为任一所述拼接图像数据段的第一端点的横轴坐标，f(x1)为对应的纵轴坐标，x2为任一所述拼接图像数据段的第二端点的横轴坐标，f(x2)为对应的纵轴坐标，
Figure FDA0003325888880000025
表示图像数据段上横坐标位于
Figure FDA0003325888880000026
处的纵坐标；
当
Figure FDA0003325888880000027
大于
Figure FDA0003325888880000028
则认为任一所述拼接图像数据段为轨底曲线；
当
Figure FDA0003325888880000031
小于
Figure FDA0003325888880000032
则认为任一所述拼接图像数据段为轨头曲线。
5.根据权利要求4所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，若多个所述拼接图像数据段中存在多组凹曲线或凸曲线，对多个所述拼接图像数据段的特征曲率进行判断，若任一所述拼接图像数据段包括R13圆的曲线，则任一所述拼接图像数据段为轨头曲线；若任一所述拼接图像数据段包括R20圆的曲线，则任一所述拼接图像数据段为轨底曲线。
6.根据权利要求1至5中任一项所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，分别查找所述轨头曲线的1：20线段以及所述轨底曲线的R20圆弧段具体包括：如果所述轨头曲线在前，从所述轨头曲线的右侧开始查找1:20线段作为1：20线段，对所述轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段；如果所述轨底曲线在前，对所述轨底曲线进行多项式拟合，查找曲率大于0.04的最长连续区域作为R20圆弧段，从所述轨头曲线的左侧开始查找1:20线段作为1：20线段。
7.根据权利要求6所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，根据所述轨头曲线的1：20线段计算获取旋转量，根据所述轨底曲线的R20圆弧段计算获取平移量具体包括：将1:20线段与标准廓形直线之间的夹角作为旋转角，将R20圆弧段的圆心与标准廓形R20圆心之间的距离矢量作为平移量。
8.根据权利要求7所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，所述Hausdorff距离可根据H(A,B)＝max[h(A,B),h(B,A)]来获取，其中，
Figure FDA0003325888880000041
A为测量点云，B为标准点云，a为测量点云A中的点，b为标准点云B中的点。
9.根据权利要求8所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，所述轨头曲线和所述轨底曲线上的数据点的曲率可根据
Figure FDA0003325888880000042
来获取，其中，Δψ为行走过的里程内航向转过的角度，ΔS为行走过的里程。
10.根据权利要求3所述的基于标准廓形约束的激光扫描图像异常处理方法，其特征在于，所述第一设定距离阈值为1mm，所述第二设定距离阈值为100mm。
CN202111262341.2A 2021-10-28 2021-10-28 基于标准廓形约束的激光扫描图像异常处理方法 Pending CN114202506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111262341.2A CN114202506A (zh) 2021-10-28 2021-10-28 基于标准廓形约束的激光扫描图像异常处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111262341.2A CN114202506A (zh) 2021-10-28 2021-10-28 基于标准廓形约束的激光扫描图像异常处理方法

Publications (1)

Publication Number Publication Date
CN114202506A true CN114202506A (zh) 2022-03-18

Family

ID=80646477

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111262341.2A Pending CN114202506A (zh) 2021-10-28 2021-10-28 基于标准廓形约束的激光扫描图像异常处理方法

Country Status (1)

Country Link
CN (1) CN114202506A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116447978A (zh) * 2023-06-16 2023-07-18 先临三维科技股份有限公司 孔位信息检测方法、装置、设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019154119A1 (zh) * 2018-02-06 2019-08-15 广州科语机器人有限公司 基于激光测距传感器的移动机器人的地图创建方法
CN110132990A (zh) * 2019-06-15 2019-08-16 梁帆 一种基于图像识别的钢轨廓形检测方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019154119A1 (zh) * 2018-02-06 2019-08-15 广州科语机器人有限公司 基于激光测距传感器的移动机器人的地图创建方法
CN110132990A (zh) * 2019-06-15 2019-08-16 梁帆 一种基于图像识别的钢轨廓形检测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄佳乐;桂卫东;: "基于MATLAB钢轨廓形法线值计算及现场应用", 铁路技术创新, no. 02, 30 April 2020 (2020-04-30) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116447978A (zh) * 2023-06-16 2023-07-18 先临三维科技股份有限公司 孔位信息检测方法、装置、设备及存储介质
CN116447978B (zh) * 2023-06-16 2023-10-31 先临三维科技股份有限公司 孔位信息检测方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN108537808B (zh) 一种基于机器人示教点信息的涂胶在线检测方法
Mokhtarian et al. Robust image corner detection through curvature scale space
CN106251361B (zh) 一种钢轨表面缺陷图像自适应分割方法
US6714679B1 (en) Boundary analyzer
CN103425988B (zh) 一种具有圆弧几何基元的实时定位与匹配方法
Dibeklioglu et al. 3D facial landmarking under expression, pose, and occlusion variations
CN111815503B (zh) 一种基于线激光扫描的螺柱特征参数测量方法
CN116563279B (zh) 基于计算机视觉的量测开关检测方法
JP5806786B1 (ja) 画像認識装置
CN111667470B (zh) 一种基于数字图像的工业管道探伤内壁检测方法
CN114202506A (zh) 基于标准廓形约束的激光扫描图像异常处理方法
CN111968079B (zh) 基于断面局部极值及分段稀疏的三维路面裂缝提取方法
CN116358449A (zh) 一种基于双目面结构光的飞机铆钉凹凸量测量方法
CN102831578B (zh) 图像处理方法和图像处理设备
CN109816682B (zh) 一种基于凹凸性的腕臂系统分割与参数检测方法
CN114119957A (zh) 高速铁路钢轨廓形检测方法及装置
CN104637049A (zh) 一种光纤绕环质量的自动检测方法
CN114419140A (zh) 一种轨道激光测量装置光斑中心的定位算法
CN113673011A (zh) 基于点云数据智能识别运营期隧道侵界的方法
CN111795970B (zh) 一种不规则轮廓缺陷检测方法
CN116934783A (zh) 一种用于开口卡簧尺寸视觉检测的图像几何特征提取方法
Omidalizarandi et al. Segmentation and classification of point clouds from dense aerial image matching
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
Kudelski et al. 3D feature line detection based on vertex labeling and 2D skeletonization
CN116452826A (zh) 基于机器视觉的遮挡情况下煤矸石轮廓估计方法

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