CN114332212B - 基于车载移动激光点云的轨道超高和前后高低检测方法 - Google Patents
基于车载移动激光点云的轨道超高和前后高低检测方法 Download PDFInfo
- Publication number
- CN114332212B CN114332212B CN202210236084.3A CN202210236084A CN114332212B CN 114332212 B CN114332212 B CN 114332212B CN 202210236084 A CN202210236084 A CN 202210236084A CN 114332212 B CN114332212 B CN 114332212B
- Authority
- CN
- China
- Prior art keywords
- steel rail
- track
- point cloud
- rail
- laser point
- 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
- 238000001514 detection method Methods 0.000 title claims description 19
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 150
- 239000010959 steel Substances 0.000 claims abstract description 150
- 238000000034 method Methods 0.000 claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 15
- 238000009499 grossing Methods 0.000 claims abstract description 13
- 238000013519 translation Methods 0.000 claims abstract description 4
- 238000009616 inductively coupled plasma Methods 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
-
- 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
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于车载移动激光点云的轨道超高和前后高低检测方法,包括:1)将轨道交通全断面点云和轨迹线统一投影至XOY平面,设置平面距离阈值,分割出轨道结构点云;2)构建钢轨三维模型;3)将轨迹线段平移钢轨顶部,建立点云的长方体包围盒并提取钢轨激光点云;4)分别构建钢轨激光点云和钢轨三维模型的方向包围盒,使其长宽高对齐,实现粗配准;5)将粗配准的钢轨三维模型与左右钢轨激光点云精配准;6)重新计算轨迹线段相对于钢轨顶部的位置参数,此位置参数用于下一轨迹线段的平移;7)重复S3‑S6,完成所有云分割与配准;8)平滑处理,并参数化重建整条线路钢轨的三维几何模型;9)计算轨道超高值和前后高低。
Description
技术领域
本发明涉及轨道交通快速综合检测领域,特别是涉及一种基于车载移动激光点云的轨道超高和前后高低检测方法。
背景技术
铁路、城市地铁、城际铁路等轨道交通工程均是轮轨体系,轨道结构作为重要的基础设施,其性质和状况决定了轨道交通机车车辆的运行安全。钢轨作为轨道结构中的最重要组成部件,为车轮提供连续、平顺和阻力最小的滚动表面,引导列车运行方向。在轨道交通的曲线段处,需要在内外轨之间设置适当的高差,即外轨超高,以抵消离心惯性力,达到内外两股钢轨受力均匀的目的。轨道沿线路方向的竖向的平顺性称为前后高低。轨道前后高低和曲线段的超高状况直接影响到高速运行状态下列车的安全性和平稳性。前后高低不平顺会导致轮轨间出现过大的垂向作用力,引起列车剧烈的浮沉和点头;欠超高无法完全抵消离心惯性力,使内外两股钢轨受力不均匀;过超高会引起道砟溜坍,甚至造成列车倾覆。为了保证轨道具有高平顺性,必须有针对性、合理性地对轨道前后高低和超高进行检测,使其满足行车条件。轨道前后高低和超高检测是及时掌握轨道几何状态、指导工务养护、保证轨道交通安全运行的重要技术手段。
传统轨道前后高低和超高检测主要依靠弦线、道尺、轨道检测小车等设备进行接触式逐点测量。此类方法不仅测量效率低,且需要测量人员在线路上进行测量,不仅干扰列车的正常运营,还存在较大的安全隐患。
车载移动三维激光扫描作为高新测量技术,可以快速获取轨道交通沿线的激光点云与数字影像,利用此技术进行轨道的前后高低和超高检测将有助于提高轨道交通的快速综合检测技术水平。车载移动三维激光扫描系统获取的轨道交通全断面激光点云是一系列庞大的、无序的、非结构化的离散点,并且由于扫描时存在盲区、遮挡和噪点,钢轨点云与标准的钢轨三维模型存在一定的差异,如何从庞大的轨道交通激光点云中分割出钢轨点云并对其模型进行参数化重建,并在此基础上进行轨道前后高低和超高的检测一直是亟需解决的问题。
发明内容
为解决现有技术存在的问题,本发明提供一种能够快速、安全、准确检测轨道超高和前后高低的方法。
为此,本发明采用以下技术方案:
一种基于车载移动激光点云的轨道超高和前后高低检测方法,包括以下步骤:
S1:将轨道交通全断面点云和轨迹线统一投影至XOY平面,设置轨道结构点云至对应轨迹线段的平面距离阈值,利用平面距离阈值分割算法从轨道交通全断面激光点云中分割出轨道结构点云,其中,所述轨迹线段的长度为l;
S2:根据钢轨标准横断面图构建长度为l的钢轨三维模型;
S3:利用轨迹线段和对应钢轨之间稳定的空间位置关系,将所述轨迹线段分别平移至左、右钢轨顶部,基于平移后轨迹线段的空间位置,建立点云的长方体包围盒,从包围盒中提取钢轨激光点云;
S4:分别构建钢轨激光点云和钢轨三维模型的方向包围盒,并使这两个包围盒的长、宽、高对齐,实现钢轨激光点云与钢轨三维模型的粗配准;
S5:利用两步迭代最近点算法将步骤S4粗配准后的钢轨三维模型与左右钢轨激光点云进行精配准,包括以下步骤:
S51,通过ICP算法进行初步精配准,设置钢轨激光点云到钢轨三维模型的距离阈值,过滤掉扣件点云以及轨头和轨腰的噪声点,得到干净的钢轨激光点云;
S52,设置配准的迭代次数,再通过ICP算法,将所述干净的钢轨激光点云与钢轨三维模型进行精确配准;
S6:在完成步骤S51、S52的ICP配准后,将配准到钢轨激光点云的钢轨三维模型中部顶面中心点坐标(X,Y,Z)被存储在集合P中,将配准到钢轨激光点云的钢轨三维模型底面坡度被记录在集合R中,P和R统称为轨道外部参数;重新计算轨迹线段相对于钢轨顶部的位置参数,将这一位置参数用于下一轨迹线段的平移;
S7:重复迭代步骤S3-S6的过程,直至完成所有钢轨激光点云的分割与配准;
S8:将所述钢轨三维模型的平面、高程及轨底坡度分别进行平滑处理,并根据平滑后的轨道外部参数和钢轨三维模型,参数化重建整条线路钢轨的三维几何模型;
S9:重建完成后,同一横断面的左右钢轨轨顶中心的高程差值即为轨道超高值;前后高低为10m弦的最大矢度值。
步骤S1中,所述轨迹线段的长度为l为2m;所述轨道结构点云至对应轨迹线段的平面距离阈值为1.3m。
步骤S3具体包括以下步骤:
S31:对步骤S1获得的轨道结构激光点云建立KD树结构,以平移后的轨迹线段的中点为圆心,轨迹线段长度的一半为半径,进行点云半径搜索,获得包含钢轨激光点云的球形区域;
S32,将平移后的轨迹线段所在竖直面作为长方体包围盒的对称面,轨底宽度w和轨迹线段长度l作为长方体包围盒的长、宽;
S33,以轨迹线段中点的高程H为基准,长方体包围盒的顶面高程为H+δ,长方体包围盒的底面高程为H-h-δ,其中h为钢轨截面高度,δ为高程的浮动值;
S34,以步骤S32、S33得到的数值建立长方体包围盒,并分割包围盒内的钢轨激光点云。
优选的是,步骤S33中,δ为0.1m。
步骤S51中,所述距离阈值为3倍的标准差。
优选的是,步骤S52中,所述配准的迭代次数为30次。
步骤S8的具体步骤如下:
S81:采用曲率约束的非线性平滑算法,分别对左右两个钢轨顶点平面坐标进行平滑处理;
S82:采用多项式进行沿里程方向上的轨面高程的曲线拟合,分别对两根钢轨高程进行平滑处理;
S83:采用傅里叶级数拟合方法,沿线路方向对钢轨底部的坡度集合R进行平滑处理。
本发明具有以下有益效果:
1.本发明的检测方法通过使用平面距离阈值分割算法、长方体包围盒分割算法,实现了钢轨点云的快速提取,利用本发明的方法处理2km长度的轨道交通激光点云数据仅需6分钟;
2.本发明采用OBB包围盒粗配准算法和两步ICP精配准算法,在剔除噪声点和附着在轨底的扣件点云的基础上进行二次配准,提升了经典ICP配准算法的精度;
3.本发明在配准后对钢轨的外部参数进行平滑而后再进行钢轨三维模型重建,解决了配准后相邻钢轨三维模型连接不平顺的问题;
4.与现有的接触式逐点测量方法相比,本发明的检测方法快速、安全,有助于拓展车载三维激光扫描在轨道交通领域检测监测的应用,提升轨道交通快速综合检测水平。
附图说明
图1为本发明的检测方法的流程图;
图2为轨道交通全断面激光点云数据;
图3为平面距离阈值分割得到的轨道结构激光点云数据;
图4轨迹线拟合方法示意图;
图5为根据钢轨标准断面图构建的钢轨三维模型;
图6a和6b为长方体包围盒点云分割原理图;
图7为钢轨三维模型及其OBB;
图8为钢轨点云及其OBB;
图9为基于OBB的钢轨三维模型与钢轨点云粗配准结果图;
图10为两步ICP精配准结果图;
图11为本发明配准方法与经典ICP配准结果对比图;
图12为钢轨三维模型与钢轨点云的迭代配准结果及外部参数解释图;
图13为超高检测方法示意图;
图14为前后高低检测方法示意图。
具体实施方式
下面结合附图和具体实施例对本发明的基于车载移动激光点云数据的轨道超高和前后高低检测方法进行详细说明。该方法的流程图如图1所示。
以下实施例使用的轨道交通全断面激光点云数据如图2所示,该数据由车载移动三维激光扫描系统获取。该轨道交通线路所使用的钢轨类型为60kg/m钢轨(60轨)。
实施例一
一种基于车载移动激光点云数据的轨道超高和前后高低检测方法,包括以下步骤:
S1,将轨道交通全断面点云和轨迹线统一投影至XOY平面,设置轨道结构点云至对应轨迹线段的平面距离阈值,利用平面距离阈值分割算法从轨道交通全断面激光点云中分割出轨道结构点云。在本实施例中,每段轨迹线段的长度l取为2m。
参见图4,轨迹线是车载移动三维激光扫描系统的定位测姿系统在三维空间位置的表达。车载移动三维激光扫描系统沿着轨道行驶,它的定位测姿系统位于轨道中间且与轨道的位置关系相对固定,所以轨道结构点云至轨迹线的平面位置在一个稳定的范围,可以利用平面距离阈值分割算法分割轨道点云。
对于轨道交通线路,轨枕和轨道板的宽度最大不超过2.6m,将距离轨迹线段的平面距离阈值设为1.3m,可将轨道结构点云全部分割出来。
轨道交通线路的平面线形包括直线、圆曲线和缓和曲线,所以扫描系统的轨迹线是复杂的三维空间线形,难以使用方程予以准确表达,但是在局部范围内轨迹线段近似为直线。因此,可以对车载移动扫描的轨迹线进行固定长度的最小二乘直线拟合,得到一系列等长的轨迹线段。
由于轨道交通线路的曲线半径较大,对于设计时速80km以上的轨道交通线路,曲线半径不得小于500米,此时轨道交通线路的弧长与弦长之差仅为0.0013mm,所以在轨道交通曲线段落,直线拟合曲线导致的理论差值可以忽略不计。
根据拟合后的直线段的首尾坐标点对轨道交通点云进行分段,然后利用平面距离阈值分割算法从轨道交通全断面激光点云中分割出轨道结构激光点云,分割结果如图3所示。
S2,根据60kg/m钢轨的标准断面图构建钢轨三维模型。模型长度和轨迹线段的长度一致,为2m,如图5所示。
S3,利用轨迹线段和对应钢轨之间稳定的空间位置关系,将所述轨迹线段分别平移至左、右钢轨顶部,基于平移后轨迹线段的空间位置,先使用半径滤波,后建立点云的长方体包围盒,从包围盒中提取钢轨激光点云。具体步骤如下:
S31:对步骤S1获得的轨道结构激光点云建立KD树结构,以平移后轨迹线段的中点为圆心,轨迹线段长度的一半为半径,进行点云半径搜索,获得包含钢轨激光点云的球形区域。这样可以大幅度减少后续处理的数据量,提高处理效率。
S32,参见图6a,将平移后的轨迹线段所在竖直面作为长方体包围盒的对称面,轨底宽度w(60轨宽度为150mm)和轨迹线段长度l作为长方体包围盒的长、宽;
S33,参见图6b,以轨迹线段中点高程H为基准,长方体包围盒顶面高程为H+δ,长方体包围盒底面高程为H-h-δ,其中h为钢轨截面高度(60轨高度为176mm),δ为高程的浮动值,在本实施例中δ定为0.1m。
S34,在长方体包围盒建立后,分割包围盒内的钢轨激光点云。
S4,分别构建步骤S2得到的钢轨三维模型和步骤S3得到的钢轨激光点云的方向包围盒(OrientedBoundingBox,OBB),分别如图7和图8所示。使两包围盒的长、宽、高对齐,实现钢轨激光点云与钢轨三维模型的粗配准,以获取良好的初始位姿,避免后续的精配准陷入局部最优陷阱。
钢轨的工字形断面结构决定了其OBB的长宽高方向和钢轨实际的长宽高方向是一致的,在建立钢轨激光点云和钢轨三维模型的OBB后,先使两OBB的重心重合,再使两OBB的长、宽、高方向对齐,最终实现钢轨激光点云与钢轨三维模型的粗配准,粗配准效果见图9。
S5:利用两步迭代最近点算法(Iterative Closest Point,ICP)将粗配准后的钢轨三维模型与左右钢轨激光点云进行精配准。具体步骤如下:
S51,通过ICP算法进行初步精配准,设置钢轨激光点云到钢轨三维模型的距离阈值,过滤掉扣件点云以及轨头和轨腰的噪声点,得到“干净”的钢轨激光点云;
S52,设置配准的迭代次数,再通过ICP算法,将“干净”钢轨点云与钢轨三维模型进行精确的配准。钢轨点云与钢轨三维模型的配准结果见图10,统计本发明配准方法和经典ICP配准方法的均方根误差(Root Mean Square Error,RMSE),由图11可知,本发明配准的RMSE的均值为1.3mm,经典ICP配准的RMSE的均值为2.4mm,本发明的两步ICP配准方法有效提升了经典ICP的配准精度。
步骤S51中,将钢轨激光点云到钢轨三维模型的距离阈值设置为该距离标准差的3倍(在统计学中,3倍的标准差表示该事件发生概率为99.7%,超过此数值,就算小概率事件,一般认为不会发生),可以过滤掉钢轨扣件点云、轨头和轨腰的噪声点。
本实施例中,步骤S52中配准的迭代次数为30次。
S6:在通过步骤S51、S52完成两步ICP配准后,将配准到钢轨激光点云的钢轨三维模型中部顶面中心点坐标(X,Y,Z)存储在集合P中,将配准到钢轨激光点云的钢轨三维模型底面坡度记录在集合R中,P和R统称为轨道外部参数;重新计算轨迹线段相对钢轨三维模型顶部的位置参数,将这一位置参数用于下一轨迹线段的平移,配准结果及轨道外部参数解释见图12,其中,Pi R为第i段右侧钢轨三维模型中部的顶点坐标值;Pi L为第i段左侧钢轨三维模型中部的顶点坐标值;Si R为第i段右侧钢轨的钢轨底面坡度;Si L为第i段左侧钢轨的钢轨底面坡度;
S7:重复迭代S3-S6的过程,直至完成此段轨道交通线路中所有钢轨点云的分割与配准。
S8:考虑到轨道交通钢轨平面和纵断面是分开设计、施工和调整的,因此对所述钢轨三维模型的平面(P中的XY坐标值)、高程(P中的Z坐标值)及底面坡度(R中的值)分别进行平滑处理,并根据平滑后的轨道外部参数和钢轨三维模型,参数化重建整条线路的钢轨几何模型。
由于仪器抖动、点云噪声和点云分割差异等因素的影响,每段钢轨点云的形态和包含点数都是不完全一致的,并且相邻两段钢轨点云的配准是独立完成的,不可避免地导致配准后的相邻两段钢轨三维模型连接不平顺,这与真实的线路情况不符。为此,本发明对轨道外部参数进行平滑处理。具体如下:
S81:钢轨的平面坐标为钢轨外部参数P的X、Y平面坐标值;基于相邻P点的距离基本相等、切线角度变化不大、弧长近似等于弦长,采用曲率约束的非线性平滑算法,分别对左右两个钢轨顶点平面坐标进行平滑处理;
S82:钢轨的高程值为钢轨外部参数P的Z值,在轨道交通的纵断面上,直线段落左右钢轨顶面高程的高度相同,在曲线段落,外侧钢轨的高度比内侧钢轨高度值大。但是,单个钢轨高程变化是平顺的,故采用多项式进行沿里程方向上的轨面高程的曲线拟合,分别对两根钢轨高程进行平滑处理;
S83:铁路线路的直线段落钢轨底部的坡度值是相同的,由直线段到曲线段落的过程中,钢轨底部坡度变化是平顺的,采用傅里叶级数拟合方法,沿线路方向对钢轨底部的坡度集合R进行平滑处理。
平滑后的轨道外部参数分别为P′和R′,将钢轨三维模型的两端顶点与P′i和P′i+1重合,以P′iP′i+1为轴旋转钢轨三维模型,旋转角度为平滑后的轨底坡值R′i,将调整后的钢轨几何模型连接,即完成整条线路的钢轨几何模型的自动参数化重建。
S9:参见图13和图14,重建完成后,同一横截面左右轨顶中心的高程差值即为轨道超高值h;前后高低为10m弦的最大矢度值Smax。
利用本发明的方法,处理一段2km长度的轨道交通激光点云数据仅需6分钟,大大提高了检测效率。
Claims (8)
1.一种基于车载移动激光点云的轨道超高和前后高低检测方法,包括以下步骤:
S1:将轨道交通全断面点云和轨迹线统一投影至XOY平面,设置轨道结构点云至对应轨迹线段的平面距离阈值,利用平面距离阈值分割算法从轨道交通全断面激光点云中分割出轨道结构点云,其中,所述轨迹线段的长度为l;
S2:根据钢轨标准横断面图构建长度为l的钢轨三维模型;
S3:利用轨迹线段和对应钢轨之间稳定的空间位置关系,将所述轨迹线段分别平移至左、右钢轨顶部,基于平移后轨迹线的空间位置,建立点云的长方体包围盒,从包围盒中提取钢轨激光点云;
S4:分别构建钢轨激光点云和钢轨三维模型的方向包围盒,并使这两个包围盒的长、宽、高对齐,实现钢轨激光点云与钢轨三维模型的粗配准;
S5:利用两步迭代最近点算法将步骤S4粗配准后的钢轨三维模型与左右钢轨激光点云进行精配准,包括以下步骤:
S51,通过ICP算法进行初步精配准,设置钢轨激光点云到钢轨三维模型的距离阈值,过滤掉扣件点云以及轨头和轨腰的噪声点,得到干净的钢轨激光点云;
S52,设置配准的迭代次数,再通过ICP算法,将所述干净的钢轨激光点云与钢轨三维模型进行精确配准;
S6:在完成步骤S51、S52的ICP配准后,将配准到钢轨激光点云的钢轨三维模型中部顶面中心点坐标(X,Y,Z)存储在集合P中,将配准到钢轨激光点云的钢轨三维模型底面坡度记录在集合R中,P和R统称为轨道外部参数;重新计算轨迹线段相对于钢轨顶部的位置参数,将这一位置参数用于下一轨迹线段的平移;
S7:重复迭代步骤S3-S6的过程,直至完成所有钢轨激光点云的分割与配准;
S8:将所述钢轨三维模型的平面、高程及轨底坡度分别进行平滑处理,并根据平滑后的轨道外部参数和钢轨三维模型,参数化重建整条线路钢轨的三维几何模型;
S9:重建完成后,同一横断面的左右钢轨轨顶中心的高程差值即为轨道超高值;前后高低为10m弦的最大矢度值。
2.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S1中,所述轨迹线段的长度l为2m。
3.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S1中,所述轨道结构点云至对应轨迹线段的平面距离阈值为1.3m。
4.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S3包括以下步骤:
S31:对步骤S1获得的轨道结构激光点云建立KD树结构,以平移后的轨迹线段的中点为圆心,轨迹线段长度的一半为半径,进行点云半径搜索,获得包含钢轨激光点云的球形区域;
S32,将平移后的轨迹线段所在竖直面作为长方体包围盒的对称面,轨底宽度w和轨迹线段长度l作为长方体包围盒的长、宽;
S33,以轨迹线段中点的高程H为基准,长方体包围盒的顶面高程为H+δ,长方体包围盒的底面高程为H-h-δ,其中h为钢轨截面高度,δ为高程的浮动值;
S34,以步骤S32、S33得到的数值建立长方体包围盒,并分割包围盒内的钢轨激光点云。
5.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S33中,δ为0.1m。
6.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S51中,所述距离阈值为3倍的标准差。
7.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S52中,所述配准的迭代次数为30次。
8.根据权利要求1所述的轨道超高和前后高低检测方法,其特征在于:步骤S8的具体步骤如下:
S81:采用曲率约束的非线性平滑算法,分别对左右两个钢轨顶点平面坐标进行平滑处理;
S82:采用多项式进行沿里程方向上的轨面高程的曲线拟合,分别对两根钢轨高程进行平滑处理;
S83:采用傅里叶级数拟合方法,沿线路方向对钢轨底部的坡度集合R进行平滑处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236084.3A CN114332212B (zh) | 2022-03-11 | 2022-03-11 | 基于车载移动激光点云的轨道超高和前后高低检测方法 |
PCT/CN2022/107755 WO2023168888A1 (zh) | 2022-03-11 | 2022-07-26 | 基于车载移动激光点云的轨道超高和前后高低检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210236084.3A CN114332212B (zh) | 2022-03-11 | 2022-03-11 | 基于车载移动激光点云的轨道超高和前后高低检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114332212A CN114332212A (zh) | 2022-04-12 |
CN114332212B true CN114332212B (zh) | 2022-06-07 |
Family
ID=81033620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210236084.3A Active CN114332212B (zh) | 2022-03-11 | 2022-03-11 | 基于车载移动激光点云的轨道超高和前后高低检测方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114332212B (zh) |
WO (1) | WO2023168888A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114332212B (zh) * | 2022-03-11 | 2022-06-07 | 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超高和前后高低检测方法 |
CN114841965B (zh) * | 2022-04-30 | 2023-08-01 | 中建三局第一建设工程有限责任公司 | 钢结构形变检测方法、装置、计算机设备及存储介质 |
CN116934811A (zh) * | 2023-05-04 | 2023-10-24 | 北京优酷科技有限公司 | 三维模型的对齐方法、法线贴图的生成方法及装置 |
CN117848238B (zh) * | 2024-03-06 | 2024-05-14 | 上海市建筑科学研究院有限公司 | 一种基于激光点云的轨道交通站台实际限界测量方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392486A (zh) * | 2014-11-25 | 2015-03-04 | 西安理工大学 | 一种点云场景重建方法 |
CN108444382A (zh) * | 2018-02-02 | 2018-08-24 | 中铁二十二局集团第二工程有限公司 | 一种crtsⅲ型轨道板各外观检测项目的提取方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 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 |
CN111003640A (zh) * | 2019-10-22 | 2020-04-14 | 上海海事大学 | 一种港口起重机大车轨道在线检测系统 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101922133B (zh) * | 2010-08-12 | 2012-06-06 | 上海铁路局科学技术研究所 | 用于轨道参数高效测量的智能轨道检测仪 |
US10518791B2 (en) * | 2015-10-20 | 2019-12-31 | Sameer Singh | Integrated rail and track condition monitoring system with imaging and inertial sensors |
NL2018911B1 (en) * | 2017-05-12 | 2018-11-15 | Fugro Tech Bv | System and method for mapping a railway track |
CN107642014B (zh) * | 2017-10-23 | 2023-02-10 | 福州大学 | 铁路轨道外轨超高测量系统及方法 |
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 |
CN111932676B (zh) * | 2020-08-24 | 2024-01-05 | 华中科技大学 | 一种铁路轨距快速测量装置和方法 |
CN114332212B (zh) * | 2022-03-11 | 2022-06-07 | 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超高和前后高低检测方法 |
-
2022
- 2022-03-11 CN CN202210236084.3A patent/CN114332212B/zh active Active
- 2022-07-26 WO PCT/CN2022/107755 patent/WO2023168888A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392486A (zh) * | 2014-11-25 | 2015-03-04 | 西安理工大学 | 一种点云场景重建方法 |
CN108444382A (zh) * | 2018-02-02 | 2018-08-24 | 中铁二十二局集团第二工程有限公司 | 一种crtsⅲ型轨道板各外观检测项目的提取方法 |
CN110647798A (zh) * | 2019-08-05 | 2020-01-03 | 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 |
CN111003640A (zh) * | 2019-10-22 | 2020-04-14 | 上海海事大学 | 一种港口起重机大车轨道在线检测系统 |
Non-Patent Citations (2)
Title |
---|
"AUTOMATIC RAIL EXTRACTION AND CELARANCE CHECK WITH A POINT CLOUD CAPTURED BY MLS IN A RAILWAY";Y.Niina et al.;《The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences》;20180607;第XLII-2卷;全文 * |
"基于NURBS的轨道板点云外形尺寸检测研究";李圆等;《铁道标准设计》;20200331;第64卷(第3期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
WO2023168888A1 (zh) | 2023-09-14 |
CN114332212A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114332212B (zh) | 基于车载移动激光点云的轨道超高和前后高低检测方法 | |
WO2023019709A1 (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 | |
CN110986878B (zh) | 基于移动测量系统自动化提取铁轨断面的方法 | |
Gan et al. | Wheel–rail wear progression of high speed train with type S1002CN wheel treads | |
CN114329749B (zh) | 一种既有铁路平纵一体化辅助优化设计的方法 | |
CN109489584B (zh) | 一种基于3d技术的隧道限界检测系统及隧道限界识别方法 | |
CN105512397B (zh) | 一种独立车轮踏面外形设计方法及独立车轮 | |
AU2020104486A4 (en) | Pavement flatness measurement method and system | |
CN104878667B (zh) | 道岔转辙区的钢轨打磨方法 | |
CN112118994B (zh) | 确定轨道的铁轨的实际位置的方法 | |
CN107391911A (zh) | 轨道车辆的动态等效锥度的确定方法及装置 | |
CN109214554A (zh) | 一种不落轮工况下的铁道车辆轮对整车镟修策略决策算法 | |
CN107314776A (zh) | 一种基于铁路轨道检测数据进行里程校准的方法 | |
CN113446939B (zh) | 一种轮轨接触几何参数测量方法 | |
CN107764201A (zh) | 基于线结构光的铁路磨耗测量的最小面积轮廓匹配方法 | |
CN114575205A (zh) | 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统 | |
CN114912159B (zh) | 一种轨道交通线路平面几何线形的拟合方法 | |
CN110189419B (zh) | 基于广义邻域高差的车载Lidar钢轨点云提取方法 | |
CN115060188A (zh) | 辙叉心轨型面处理方法及系统 | |
Urda et al. | Measurement of railroad track irregularities using an automated recording vehicle | |
CN110516393B (zh) | 一种变轨距转向架车轮踏面廓形设计方法 | |
CN110245415B (zh) | 车轮踏面凹形磨耗阈值确定方法和确定装置 | |
CN110598275A (zh) | 基于响应面建模和改进粒子群算法的车轮型面优化方法 | |
CN107103136A (zh) | 一种基于距离场的轨道车辆轮轨接触点计算方法 | |
CN109084697A (zh) | 感应板廓形检测方法和结构 |
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 |