CN115060188A - 辙叉心轨型面处理方法及系统 - Google Patents
辙叉心轨型面处理方法及系统 Download PDFInfo
- Publication number
- CN115060188A CN115060188A CN202210390914.8A CN202210390914A CN115060188A CN 115060188 A CN115060188 A CN 115060188A CN 202210390914 A CN202210390914 A CN 202210390914A CN 115060188 A CN115060188 A CN 115060188A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- rail
- profile
- standard
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- 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
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提供一种辙叉心轨型面处理方法及系统,属于铁路工程机械设备技术领域,包括如下步骤:(1)获取磨耗心轨点云;(2)预处理点云;(3)获取标准心轨点云;(4)配准磨耗心轨点云与标准心轨点云;(5)获取距心轨实际尖端任一截面处的廓形;(6)计算任一截面下心轨的磨耗量与降低值。本发明采集完整的磨耗心轨型面数据,并预处理获取优质点云,然后将实测数据转换到标准心轨坐标系下实现型面对齐,进而获取心轨的磨耗量与降低值,相比于传统的人工卡尺测量,检测更加全面高效,且有效提高了测量精度。
Description
技术领域
本发明涉及铁路工程机械设备技术领域,具体涉及一种辙叉心轨型面处理方法及系统。
背景技术
道岔是实现列车转向和变道的关键设备,由于辙叉区域处有害空间的存在,列车在通过辙叉时将对心轨造成高速冲击,长此以往心轨表面会逐渐呈现疲劳裂纹、剥离、掉块等伤损。而利用磨削技术清除病害、修复廓形是恢复心轨承运能力并确保铁路安全、高效营运的唯一有效、经济的养护途径。
打磨前往往需获取心轨的病害廓形数据,目前心轨廓形检测是通过断面卡尺标出心轨的几个关键截面,再用降低值检查仪检查实际降低值尺寸实现的。但接触式测量装置在测量过程中难免会与物体接触产生磨损,因此需要不定期对其进行校正,其次受到工人技术水平等人为因素的影响,所以检测精度较低。另外,断面卡尺测量仅选取几个关键截面进行,无法得到完整的三维轮廓数据,所以检测不够全面。同时,由于铁路运量和密度逐年增加,道岔的使用量不断增多,传统的测量方法仍采用手工记录的方式,难以对数据进行综合高效的处理,所以检测效率低下。
发明内容
本发明的目的在于提供一种采用二维线激光位移传感器扫描心轨完整廓形,相比于传统的接触式测量,采集数据更为全面、高效,并且不受仪器磨损和工人技术水平的影响,检测精度更高的辙叉心轨型面处理方法,以解决上述背景技术中存在的至少一项技术问题。
为了实现上述目的,本发明采取了如下技术方案:
一方面,本发明提供一种辙叉心轨型面处理方法,包括如下步骤:
利用位移传感器进行扫描,获取磨耗心轨点云作为源点云,建立源点云空间坐标系,并进行精简预处理;其中,所述的源点云空间坐标系以位移传感器所在位置为坐标系原点O,将开始扫描方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴;
在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;建立目标点云空间坐标系,获取标准心轨点云;
配准精简预处理后的磨耗心轨点云与标准心轨点云;
利用插值函数对配准后的整个型面插值,获取距心轨实际尖端任一截面处的廓形;
计算任一截面下心轨的磨耗量与降低值;其中,将实际获取的磨耗心轨点云的型面与标准心轨点云的型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实际获取的磨耗心轨点云的型面翼轨顶面与心轨顶面的z坐标差值为降低值。
优选的,所述配准磨耗心轨点云与标准心轨点云包括:提取精简后源点云心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0;利用角度偏差法提取翼轨顶面与侧面的圆弧以及翼轨侧面与辙叉轮缘槽的圆弧,拟合两段圆弧分别获取测量圆心;通过双圆心法将测量圆心与标准廓线的圆心对齐,获得刚体变换矩阵,作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准;采用迭代最近点算法完成磨耗心轨点云和标准心轨点云的精配准。
优选的,进行精简预处理包括:将磨耗心轨点云作为源点云,并建立源点云空间坐标系;采用弦高差法,去除源点云中的离散噪点,获得降噪后源点云;采用高斯滤波,对降噪后源点云中的混杂噪点进行平滑处理,获得滤波后源点云;采用自适应最小距离法,对滤波后源点云进行稀疏化,获得精简后源点云。
优选的,所述弦高差法为:取一条扫描线中的相邻三点,连接第一点和第三点,计算第二点到所连线段所在直线的距离作为弦高,将弦高与用户设定的阈值比较,若大于阈值则将该点标记为离散噪点,同时移除该点,反之则保留该点;依次判断该条扫描线中所有点,并将该方法作用于每一条扫描线,完成源点云中离散噪点的去除,获得降噪后的源点云。
优选的,高斯滤波是指,考虑邻近点与处理点联系随距离增大而减小的特点,设置标准差为sigma,将某一数据点与其前后各N个数据点加权平均,大于操作距离阈值的点被处理成固定的端点;依次对降噪后单条扫描线中除头尾N个点的剩余点滤波,并作用于每一条扫描线,完成源点云中混杂噪点的平滑,获得滤波后的源点云。
优选的,自适应最小距离法是指,先按照曲率的变化把数据点分成高曲率区域和低曲率区域,在每个区域由用户分别设定一个最小距离阈值H_dmin和L_dmin,若扫描线中相邻点间距小于该距离阈值则标记该点为冗余点,同时移除该点,反之则保留;依次判断滤波后单条扫描线中的所有点,并作用于每一条扫描线,完成源点云中冗余点的去除,获得精简后的源点云。
优选的,所述的提取精简后源点云心轨实际尖端处的截面廓线的方式如下:截取辙叉轮缘槽之间的心轨廓线,沿y轴方向取m条廓线,m由用户设定一般为奇数,计算每条廓线的z坐标均值zi(i=1,2,…,m),再对zi取均值作为这m条廓线所在区域的平均高度z_mean;通过计算相邻区域的平均高度可以看出区域的起伏变化,如果后一片区域的平均高度z_mean连续t次大于前一片区域的平均高度z_mean,说明已经扫描到了心轨实际尖端,则取最后一片区域中间的那条扫描线作为心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0,其中,t=(m-1)/2。
优选的,所述的角度偏差法是指,在截面上的连续点,每相邻两点构成一个有向矢量,相邻矢量间的角度偏差反映了截面上点的曲率变化,所以可以根据角度偏差来提取廓线上曲率较大的数据点;由于圆弧的曲率大于直线段的曲率,因此圆弧处点的角度偏差相应也会大于直线段上点的角度偏差,计算出每个数据点处的角度偏差后与用户设定的阈值比较,小于阈值则删除该数据点,反之则保留该点,进而提取出拐角处的圆弧,并分别拟合两段圆弧得到圆心。
优选的,所述的双圆心法是指,磨耗心轨点云在y方向对齐后,只存在x、z方向上的移动和绕y轴的转动,所以可将三维空间坐标系的变换简化为二维平面坐标系的变换,在XOZ平面内,将两个测量圆心连线,再将标准心轨模型实际尖端截面廓线上对应的两个标准圆心连线,通过平移旋转将这两条线重合,完成截面廓线的匹配;获得刚体变换矩阵后作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准。
第二方面,本发明提供一种辙叉心轨型面处理系统,包括:
第一获取模块,用于利用位移传感器进行扫描,获取磨耗心轨点云作为源点云,建立源点云空间坐标系,并进行精简预处理;其中,所述的源点云空间坐标系以位移传感器所在位置为坐标系原点O,将开始扫描方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴;
第二获取模块,用于在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;建立目标点云空间坐标系,获取标准心轨点云;
配准模块,用于配准精简预处理后的磨耗心轨点云与标准心轨点云;
插值模块,用于利用插值函数对配准后的整个型面插值,获取距心轨实际尖端任一截面处的廓形;
计算模块,用于计算任一截面下心轨的磨耗量与降低值;其中,将实际获取的磨耗心轨点云的型面与标准心轨点云的型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实际获取的磨耗心轨点云的型面翼轨顶面与心轨顶面的z坐标差值为降低值。
本发明有益效果如下:
第一,有利于提高检测效率。传统人工测量方法仍采用手工记录的方式,难以对测量数据进行高效的处理。而采用非接触式光学测量的方式,可以在短时间内获取心轨的三维型面数据,不必耗费检测人员大量的精力去调整仪器、记录数据等,检测效率大大提升。
第二,有利于提高检测精度。人工测量受主观因素影响较大,检测精度难以保证,并且接触式仪器在长时间使用后难免会产生磨损,机械误差增大,需要定期对仪器进行校准。而非接触式检测可以更为客观地进行检测,减小人为因素对测量结果的影响,且避免了仪器与心轨直接接触,不会产生机械误差。通过算法实现型面对齐并生成磨耗量和降低值,检测精度更高。
第三,有利于实现全面检测。仅测量心轨几个关键截面无法准确反映心轨不同区域的病害程度,而本方法可更为完整地获取心轨的病害廓形数据,准确呈现出心轨任一截面处的磨耗程度,因此检测更加全面。
本发明附加的方面和优点将在下面的描述中部分给出,这些将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,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为本发明实施例所述的辙叉心轨型面处理方法的流程图。
图2为本发明实施例所述的进行云点扫描的示意图。
图3为本发明实施例所述的的心轨实际尖端廓线提取示意图。
图4为本发明实施例所述的的圆弧提取示意图。
图5为本发明实施例所述的的磨耗量与降低值计算示意图。
具体实施方式
下面详细叙述本发明的实施方式,所述实施方式的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。
还应该理解的是,诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样定义,不会用理想化或过于正式的含义来解释。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件和/或它们的组。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
为便于理解本发明,下面结合附图以具体实施例对本发明作进一步解释说明,且具体实施例并不构成对本发明实施例的限定。
本领域技术人员应该理解,附图只是实施例的示意图,附图中的部件并不一定是实施本发明所必须的。
实施例1
本实施例1中,提供一种辙叉心轨型面处理系统,该系统包括:
第一获取模块,用于利用位移传感器进行扫描,获取磨耗心轨点云作为源点云,建立源点云空间坐标系,并进行精简预处理;其中,所述的源点云空间坐标系以位移传感器所在位置为坐标系原点O,将开始扫描方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴;
第二获取模块,用于在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;建立目标点云空间坐标系,获取标准心轨点云;
配准模块,用于配准精简预处理后的磨耗心轨点云与标准心轨点云;
插值模块,用于利用插值函数对配准后的整个型面插值,获取距心轨实际尖端任一截面处的廓形;
计算模块,用于计算任一截面下心轨的磨耗量与降低值;其中,将实际获取的磨耗心轨点云的型面与标准心轨点云的型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实际获取的磨耗心轨点云的型面翼轨顶面与心轨顶面的z坐标差值为降低值。
如图1所示,本实施例1中,利用上述的系统实现了一种辙叉心轨型面处理方法,该方法包括以下步骤:
(1)获取磨耗心轨点云:
利用二维线激光位移传感器沿y轴方向扫描,获取磨耗心轨点云;
(2)预处理点云:
(2a)将实测心轨点云作为源点云,并建立源点云空间坐标系;
(2b)采用弦高差法,去除源点云中的离散噪点,获得降噪后源点云;
(2c)采用高斯滤波,对降噪后源点云中的混杂噪点进行平滑处理,获得滤波后源点云;
(2d)采用自适应最小距离法,对滤波后源点云进行稀疏化,获得精简后源点云;
(3)获取标准心轨点云:
(3a)在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;
(3b)建立目标点云空间坐标系;
(4)配准磨耗心轨点云与标准心轨点云:
(4a)提取精简后源点云心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0;
(4b)利用角度偏差法提取翼轨顶面与侧面的圆弧以及翼轨侧面与辙叉轮缘槽的圆弧,拟合两段圆弧分别获取测量圆心;
(4c)通过双圆心法将测量圆心与标准廓线的圆心对齐,获得刚体变换矩阵,作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准;
(4d)采用迭代最近点算法完成磨耗心轨点云和标准心轨点云的精配准;
(5)获取距心轨实际尖端任一截面处的廓形:
利用MATLAB插值函数对整个型面插值,获取距心轨实际尖端任一截面处的廓形;
(6)计算任一截面下心轨的磨耗量与降低值。
步骤(1)所述的获取磨耗心轨点云的方式如下:根据传感器的量程确定传感器的放置高度,使心轨和翼轨的型面完全处于测量范围内,并保证传感器的光平面与y轴垂直,令传感器沿y轴方向从心轨实际尖端前一定距离处开始扫描,获取磨耗心轨点云数据。
如图2所示,步骤(2a)所述的源点云空间坐标系的建立方式如下:以传感器所在位置为坐标系原点O,将传感器开始扫描的方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴。
步骤(2b)所述的弦高差法是指,取一条扫描线中的相邻三点,连接第一点和第三点,计算第二点到所连线段所在直线的距离作为弦高,将弦高与用户设定的阈值比较,若大于阈值则将该点标记为离散噪点,同时移除该点,反之则保留该点。依次判断该条扫描线中所有点,并将该方法作用于每一条扫描线,完成源点云中离散噪点的去除,获得降噪后的源点云。
步骤(2c)所述的高斯滤波是指,考虑邻近点与处理点联系随距离增大而减小的特点,设置标准差为sigma,将某一数据点与其前后各N个数据点加权平均,那些远大于操作距离的点被处理成固定的端点,N和sigma由用户设定。依次对降噪后单条扫描线中除头尾N个点的剩余点滤波,并将该方法作用于每一条扫描线,完成源点云中混杂噪点的平滑,获得滤波后的源点云。
步骤(2d)所述的自适应最小距离法是指,先按照曲率的变化把数据点分成高曲率区域和低曲率区域,在每个区域由用户分别设定一个最小距离阈值H_dmin和L_dmin,若扫描线中相邻点间距小于该距离阈值则标记该点为冗余点,同时移除该点,反之则保留。其中高曲率区域的阈值H_dmin应较小,这样可以保留较多的点,而低曲率区域的阈值L_dmin应较大,这样可以删除较多的点。依次判断滤波后单条扫描线中的所有点,并将该方法作用于每一条扫描线,完成源点云中冗余点的去除,获得精简后的源点云。
步骤(3a)所述的在标准心轨三维模型表面采样的方式如下:利用三维建模软件将标准心轨模型转换为stl格式,导入cloud compare软件在模型表面进行离散点采样,采样点数量由用户设定,最后导出数据点作为目标点云。
8.根据权利要求1所述一种辙叉心轨型面处理方法,其特征在于,步骤(3b)所述的目标点云空间坐标系的建立方式如下:以标准心轨三维模型中的心轨实际尖端为坐标系原点O,心轨角平分线方向作为y轴,心轨横截面方向作为x轴,垂直水平面方向作为z轴。
步骤(4a)所述的提取精简后源点云心轨实际尖端处的截面廓线的方式如下:截取辙叉轮缘槽之间的心轨廓线,沿y轴方向取m条廓线,m由用户设定一般为奇数,计算每条廓线的z坐标均值zi(i=1,2,…,m),再对zi取均值作为这m条廓线所在区域的平均高度z_mean。通过计算相邻区域的平均高度可以看出区域的起伏变化,如果后一片区域的平均高度z_mean连续t次(t=(m-1)/2)大于前一片区域的平均高度z_mean,说明已经扫描到了心轨实际尖端,则取最后一片区域中间的那条扫描线作为心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0。
步骤(4b)所述的角度偏差法是指,在截面上的连续点,每相邻两点构成一个有向矢量,相邻矢量间的角度偏差反映了截面上点的曲率变化,所以可以根据角度偏差来提取廓线上曲率较大的数据点。由于圆弧的曲率大于直线段的曲率,因此圆弧处点的角度偏差相应也会大于直线段上点的角度偏差,计算出每个数据点处的角度偏差后与用户设定的阈值比较,小于阈值则删除该数据点,反之则保留该点,进而提取出拐角处的圆弧,并分别拟合两段圆弧得到圆心。
步骤(4c)所述的双圆心法是指,实测点云在y方向对齐后,只存在x、z方向上的移动和绕y轴的转动,所以可将三维空间坐标系的变换简化为二维平面坐标系的变换,因此只需要在XOZ平面内,将两个测量圆心连线,再将标准心轨模型实际尖端截面廓线上对应的两个标准圆心连线,通过平移旋转将这两条线重合,完成截面廓线的匹配。获得刚体变换矩阵后作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准。
步骤(4d)所述的迭代最近点算法是指,在磨耗心轨点云中任意选择一点,从标准心轨点云中利用kdtree查找一个距离其欧氏距离最短的点,将这两个点记为一组对应点,找到多组对应点对后,利用四元数法得出刚体变换矩阵,作用于磨耗心轨点云后,计算两片点云之间的距离,不断重复上述过程更新刚体变换矩阵,直至两片点云实现最大限度的重合,最终获得最理想的变换矩阵参数。
步骤(6)所述心轨的磨耗量与降低值是指,将实测型面与标准型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实测型面翼轨顶面与心轨顶面的z坐标差值为降低值。
实施例2
参阅图1所示,本发明实施例2提供了一种辙叉心轨型面处理方法,该方法包括的具体实现步骤如下:
步骤1,获取磨耗心轨点云。
根据传感器的量程确定传感器的放置高度,使心轨和翼轨的型面完全处于测量范围内,并保证传感器的光平面与y轴垂直,令传感器沿y轴方向从心轨实际尖端前一定距离处开始扫描,获取磨耗心轨点云数据,如图2所示。
步骤2,预处理点云。
将实测心轨点云作为源点云,并建立源点云空间坐标系,坐标系建立如下:以传感器所在位置为坐标系原点O,将传感器开始扫描的方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴,如图2所示。
采用弦高差法,去除源点云中的离散噪点,获得降噪后源点云,弦高差法是指,取一条扫描线中的相邻三点,连接第一点和第三点,计算第二点到所连线段所在直线的距离作为弦高,将弦高与用户设定的阈值比较,若大于阈值则将该点标记为离散噪点,同时移除该点,反之则保留该点。
采用高斯滤波,对降噪后源点云中的混杂噪点进行平滑处理,获得滤波后源点云,高斯滤波是指,考虑邻近点与处理点联系随距离增大而减小的特点,设置标准差为sigma,将某一数据点与其前后各N个数据点加权平均,那些远大于操作距离的点被处理成固定的端点,N和sigma由用户设定。
采用自适应最小距离法,对滤波后源点云进行稀疏化,获得精简后源点云,自适应最小距离法是指,先按照曲率的变化把数据点分成高曲率区域和低曲率区域,在每个区域由用户分别设定一个最小距离阈值H_dmin和L_dmin,若扫描线中相邻点间距小于该距离阈值则标记该点为冗余点,同时移除该点,反之则保留。其中高曲率区域的阈值H_dmin应较小,这样可以保留较多的点,而低曲率区域的阈值L_dmin应较大,这样可以删除较多的点。
步骤3,获取标准心轨点云。
在标准心轨三维模型表面采样,首先利用三维建模软件将标准心轨模型转换为stl格式,再将文件导入cloud compare软件在模型表面进行离散点采样,采样点数量由用户设定,最后导出数据点作为目标点云。
建立目标点云空间坐标系,建立方式如下:以标准心轨三维模型中的心轨实际尖端为坐标系原点O,心轨角平分线方向作为y轴,心轨横截面方向作为x轴,垂直水平面方向作为z轴。
步骤4,配准磨耗心轨点云与标准心轨点云。
提取精简后源点云心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0,提取心轨实际尖端截面廓线的方式如下:截取辙叉轮缘槽之间的心轨廓线,沿y轴方向取m条廓线,m由用户设定一般为奇数,计算每条廓线的z坐标均值zi(i=1,2,…,m),再对zi取均值作为这m条廓线所在区域的平均高度z_mean。通过计算相邻区域的平均高度可以看出区域的起伏变化,如果后一片区域的平均高度z_mean连续t次(t=(m-1)/2)大于前一片区域的平均高度z_mean,说明已经扫描到了心轨实际尖端,则取最后一片区域中间的扫描线作为心轨实际尖端处的截面廓线,如图3所示。
利用角度偏差法提取翼轨顶面与侧面的圆弧以及翼轨侧面与辙叉轮缘槽的圆弧,拟合两段圆弧分别获取测量圆心,角度偏差法是指,在截面上的连续点,每相邻两点构成一个有向矢量,相邻矢量间的角度偏差反映了截面上点的曲率变化,所以可以根据角度偏差来提取廓线上曲率较大的数据点。由于圆弧的曲率大于直线段的曲率,因此圆弧处点的角度偏差相应也会大于直线段上点的角度偏差,计算出每个数据点处的角度偏差后与用户设定的阈值比较,小于阈值则删除该数据点,反之则保留该点,拟合得到的圆弧和圆心如图4所示。
通过双圆心法将测量圆心与标准廓线的圆心对齐,获得刚体变换矩阵,作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准,双圆心法是指,实测点云在y方向对齐后,只存在x、z方向上的移动和绕y轴的转动,所以可将三维空间坐标系的变换简化为二维平面坐标系的变换,因此只需要在XOZ平面内,将两个测量圆心连线,再将标准心轨模型实际尖端截面廓线上对应的两个标准圆心连线,通过平移旋转将这两条线重合,完成截面廓线的匹配。
采用迭代最近点算法完成磨耗心轨点云和标准心轨点云的精配准,迭代最近点算法是指,在磨耗心轨点云中任意选择一点,从标准心轨点云中利用kdtree查找一个距离其欧氏距离最短的点,将这两个点记为一组对应点,找到多组对应点对后,利用四元数法得出刚体变换矩阵,作用于磨耗心轨点云后,计算两片点云之间的距离,不断重复上述过程更新刚体变换矩阵,直至两片点云实现最大限度的重合,最终获得最理想的变换矩阵参数。
步骤5,获取距心轨实际尖端任一截面处的廓形。
利用MATLAB插值函数对整个型面插值,获取距心轨实际尖端任一截面处的廓形。
步骤6,计算任一截面下心轨的磨耗量与降低值,磨耗量是指,将实测型面与标准型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值,降低值是指,实测型面翼轨顶面与心轨顶面的z坐标差值,如图5所示,其中图5(a)是降低值计算示意图,图5(b)是磨耗量计算示意图。
综上所述,本发明实施例所述的辙叉心轨型面处理方法,有利于提高检测效率:传统人工测量方法仍采用手工记录的方式,难以对测量数据进行高效的处理。而采用非接触式光学测量的方式,可以在短时间内获取心轨的三维型面数据,不必耗费检测人员大量的精力去调整仪器、记录数据等,检测效率大大提升。有利于提高检测精度:人工测量受主观因素影响较大,检测精度难以保证,并且接触式仪器在长时间使用后难免会产生磨损,机械误差增大,需要定期对仪器进行校准。而非接触式检测可以更为客观地进行检测,减小人为因素对测量结果的影响,且避免了仪器与心轨直接接触,不会产生机械误差。通过算法实现型面对齐并生成磨耗量和降低值,检测精度更高。有利于实现全面检测:仅测量心轨几个关键截面无法准确反映心轨不同区域的病害程度,而本方法可更为完整地获取心轨的病害廓形数据,准确呈现出心轨任一截面处的磨耗程度,因此检测更加全面。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明公开的技术方案的基础上,本领域技术人员在不需要付出创造性劳动即可做出的各种修改或变形,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种辙叉心轨型面处理方法,其特征在于,包括如下步骤:
利用位移传感器进行扫描,获取磨耗心轨点云作为源点云,建立源点云空间坐标系,并进行精简预处理;其中,所述的源点云空间坐标系以位移传感器所在位置为坐标系原点O,将开始扫描方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴;
在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;建立目标点云空间坐标系,获取标准心轨点云;
配准精简预处理后的磨耗心轨点云与标准心轨点云;
利用插值函数对配准后的整个型面插值,获取距心轨实际尖端任一截面处的廓形;
计算任一截面下心轨的磨耗量与降低值;其中,将实际获取的磨耗心轨点云的型面与标准心轨点云的型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实际获取的磨耗心轨点云的型面翼轨顶面与心轨顶面的z坐标差值为降低值。
2.根据权利要求1所述的辙叉心轨型面处理方法,其特征在于,所述配准磨耗心轨点云与标准心轨点云包括:提取精简后源点云心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0;利用角度偏差法提取翼轨顶面与侧面的圆弧以及翼轨侧面与辙叉轮缘槽的圆弧,拟合两段圆弧分别获取测量圆心;通过双圆心法将测量圆心与标准廓线的圆心对齐,获得刚体变换矩阵,作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准;采用迭代最近点算法完成磨耗心轨点云和标准心轨点云的精配准。
3.根据权利要求1所述的辙叉心轨型面处理方法,其特征在于,进行精简预处理包括:将磨耗心轨点云作为源点云,并建立源点云空间坐标系;采用弦高差法,去除源点云中的离散噪点,获得降噪后源点云;采用高斯滤波,对降噪后源点云中的混杂噪点进行平滑处理,获得滤波后源点云;采用自适应最小距离法,对滤波后源点云进行稀疏化,获得精简后源点云。
4.根据权利要求3所述的辙叉心轨型面处理方法,其特征在于,所述弦高差法为:取一条扫描线中的相邻三点,连接第一点和第三点,计算第二点到所连线段所在直线的距离作为弦高,将弦高与用户设定的阈值比较,若大于阈值则将该点标记为离散噪点,同时移除该点,反之则保留该点;依次判断该条扫描线中所有点,并将该方法作用于每一条扫描线,完成源点云中离散噪点的去除,获得降噪后的源点云。
5.根据权利要求3所述的辙叉心轨型面处理方法,其特征在于,高斯滤波是指,考虑邻近点与处理点联系随距离增大而减小的特点,设置标准差为sigma,将某一数据点与其前后各N个数据点加权平均,大于操作距离阈值的点被处理成固定的端点;依次对降噪后单条扫描线中除头尾N个点的剩余点滤波,并作用于每一条扫描线,完成源点云中混杂噪点的平滑,获得滤波后的源点云。
6.根据权利要求3所述的辙叉心轨型面处理方法,其特征在于,自适应最小距离法是指,先按照曲率的变化把数据点分成高曲率区域和低曲率区域,在每个区域由用户分别设定一个最小距离阈值H_dmin和L_dmin,若扫描线中相邻点间距小于该距离阈值则标记该点为冗余点,同时移除该点,反之则保留;依次判断滤波后单条扫描线中的所有点,并作用于每一条扫描线,完成源点云中冗余点的去除,获得精简后的源点云。
7.根据权利要求2所述的辙叉心轨型面处理方法,其特征在于,所述的提取精简后源点云心轨实际尖端处的截面廓线的方式如下:截取辙叉轮缘槽之间的心轨廓线,沿y轴方向取m条廓线,m由用户设定一般为奇数,计算每条廓线的z坐标均值zi(i=1,2,…,m),再对zi取均值作为这m条廓线所在区域的平均高度z_mean;通过计算相邻区域的平均高度可以看出区域的起伏变化,如果后一片区域的平均高度z_mean连续t次大于前一片区域的平均高度z_mean,说明已经扫描到了心轨实际尖端,则取最后一片区域中间的那条扫描线作为心轨实际尖端处的截面廓线,并将该扫描线的y坐标设为0,其中,t=(m-1)/2。
8.根据权利要求2所述的辙叉心轨型面处理方法,其特征在于,所述的角度偏差法是指,在截面上的连续点,每相邻两点构成一个有向矢量,相邻矢量间的角度偏差反映了截面上点的曲率变化,所以可以根据角度偏差来提取廓线上曲率较大的数据点;由于圆弧的曲率大于直线段的曲率,因此圆弧处点的角度偏差相应也会大于直线段上点的角度偏差,计算出每个数据点处的角度偏差后与用户设定的阈值比较,小于阈值则删除该数据点,反之则保留该点,进而提取出拐角处的圆弧,并分别拟合两段圆弧得到圆心。
9.根据权利要求2所述的辙叉心轨型面处理方法,其特征在于,所述的双圆心法是指,磨耗心轨点云在y方向对齐后,只存在x、z方向上的移动和绕y轴的转动,所以可将三维空间坐标系的变换简化为二维平面坐标系的变换,在XOZ平面内,将两个测量圆心连线,再将标准心轨模型实际尖端截面廓线上对应的两个标准圆心连线,通过平移旋转将这两条线重合,完成截面廓线的匹配;获得刚体变换矩阵后作用于精简后源点云,完成磨耗心轨点云和标准心轨点云的粗配准。
10.一种辙叉心轨型面处理系统,其特征在于,包括:
第一获取模块,用于利用位移传感器进行扫描,获取磨耗心轨点云作为源点云,建立源点云空间坐标系,并进行精简预处理;其中,所述的源点云空间坐标系以位移传感器所在位置为坐标系原点O,将开始扫描方向作为y轴,与开始扫描方向垂直的方向作为x轴,垂直水平面方向作为z轴;
第二获取模块,用于在标准心轨三维模型表面采样,获取标准心轨表面点云作为目标点云;建立目标点云空间坐标系,获取标准心轨点云;
配准模块,用于配准精简预处理后的磨耗心轨点云与标准心轨点云;
插值模块,用于利用插值函数对配准后的整个型面插值,获取距心轨实际尖端任一截面处的廓形;
计算模块,用于计算任一截面下心轨的磨耗量与降低值;其中,将实际获取的磨耗心轨点云的型面与标准心轨点云的型面对齐后,某一截面下磨耗心轨与标准心轨在x=0处的z坐标差值为磨耗量,实际获取的磨耗心轨点云的型面翼轨顶面与心轨顶面的z坐标差值为降低值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210390914.8A CN115060188A (zh) | 2022-04-14 | 2022-04-14 | 辙叉心轨型面处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210390914.8A CN115060188A (zh) | 2022-04-14 | 2022-04-14 | 辙叉心轨型面处理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115060188A true CN115060188A (zh) | 2022-09-16 |
Family
ID=83197366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210390914.8A Pending CN115060188A (zh) | 2022-04-14 | 2022-04-14 | 辙叉心轨型面处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115060188A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116164663A (zh) * | 2022-12-02 | 2023-05-26 | 北京交通大学 | 一种道岔尖轨型面轨道式机器人测量设备及其三维模型重建方法 |
CN117392325A (zh) * | 2023-11-09 | 2024-01-12 | 铁科(北京)轨道装备技术有限公司 | 尖轨的三维模型构建方法及装置 |
-
2022
- 2022-04-14 CN CN202210390914.8A patent/CN115060188A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116164663A (zh) * | 2022-12-02 | 2023-05-26 | 北京交通大学 | 一种道岔尖轨型面轨道式机器人测量设备及其三维模型重建方法 |
CN117392325A (zh) * | 2023-11-09 | 2024-01-12 | 铁科(北京)轨道装备技术有限公司 | 尖轨的三维模型构建方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115060188A (zh) | 辙叉心轨型面处理方法及系统 | |
CN109855562B (zh) | 钢轨磨耗测量方法及装置 | |
CN109118574A (zh) | 一种基于三维特征提取的快速逆向建模方法 | |
CN109448087B (zh) | 一种盾构隧道表面点云数据分段方法 | |
KR100842666B1 (ko) | 유형 문화재 복원 시스템 | |
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 | |
CN113298833A (zh) | 目标物点云特征线面提取方法及系统 | |
CN111539070B (zh) | 基于实测数据的翼身对接间隙分布控制方法 | |
KR20140009209A (ko) | 연속된 b-스플라인 변형을 이용한 타이어 표면의 삼차원 이미지 전처리 방법 | |
CN110188778B (zh) | 基于影像提取结果的居民区要素轮廓规则化方法 | |
CN109468898A (zh) | 钢轨养护方法及装置 | |
CN113752439B (zh) | 一种轮胎模具花纹块清洗方法 | |
CN108662997A (zh) | 通用crtsⅲ型无砟轨道板关键几何尺寸加工偏差快速检测方法 | |
CN111489432A (zh) | 一种基于点云数据的弯管重建及余量计算方法 | |
CN110084779B (zh) | 一种基于激光扫描的飞机厚蒙皮端面特征点提取与去噪方法 | |
CN115222883A (zh) | 一种基于地基LiDAR点云的电力杆塔重建方法 | |
CN104251662A (zh) | 有序点云阈值自适应抑噪技术 | |
CN110047146B (zh) | 一种基于单幅回转体图像3d还原的误差修正方法 | |
CN113446939B (zh) | 一种轮轨接触几何参数测量方法 | |
CN117423000B (zh) | 一种基于mars的道路纵断面线形智能重构的方法 | |
CN111199549A (zh) | 基于叶片型面测量点云的叶型提取方法 | |
CN114119957A (zh) | 高速铁路钢轨廓形检测方法及装置 | |
CN105069766A (zh) | 一种基于汉字图像轮廓特征描述的碑文修复方法 | |
CN116465327A (zh) | 一种基于车载三维激光扫描的桥梁线形测量方法 | |
CN113776456A (zh) | 基于双线激光的曲线段钢轨轮廓测量误差修正方法及装置 |
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 |