CN116543037B - Crtsiii型无砟轨道板承轨台中心提取方法 - Google Patents

Abstract

本发明公开了一种CRTSIII型无砟轨道板承轨台中心提取方法，包括：S1，获取CRTSIII型轨道板承轨台的点云数据；S2，点云分割，包括基于直通滤波的平面点提取、基于空间距离特征的侧面点提取；S3，基于中值滤波误差修正；S4，三维投影二维空间向量；S5，基于最小二乘的线性拟合；S6，构建线性方程组求解交点；S7，基于水平向量空间旋转；S8，求解中心交点；S9，点的空间旋转逆变换，完成承轨台及轨道中心提取。该方法通过对承轨台中心进行智能化提取达到了亚毫米精度，且单线计算效率仅需几十毫秒，一个承轨台10条线点云中心点解算仅需0.5s，提高了计算效率和计算精度。

Description

CRTSIII型无砟轨道板承轨台中心提取方法

技术领域

本发明涉及高速铁路精测领域，具体涉及一种CRTSIII型无砟轨道板承轨台中心提取方法。

背景技术

高速铁路轨道精调是根据测量数据对轨道进行精确调整，使轨道精度达到规范标准，满足列车平稳、舒适运行要求。无砟轨道从初始的底座施工直至钢轨铺设完成，施工精度都可能会造成一定的误差，因此对轨道而言，轨道精调应贯穿轨道施工的整个过程。轨道精调的质量对列车运行品质有重要影响，严重时甚至影响安全造成巨大的损失，需要引起高度重视。

现阶段高铁无砟轨道采用双块式和CRTS Ⅲ型板较多，轨枕部分多为带挡肩轨枕，长轨铺设前需要进行轨道精调，确定每个承轨台扣配件用量，保证轨道的平顺性。长轨精调工作量较大，目前的承轨台智能测控方法是使用全站仪直接观测放置于承轨台中心的棱镜的方法，该方法需要逐个观测承轨台棱镜，通过获取的棱镜中心坐标，再根据绝对尺寸信息来计算承轨台中心，这种计算方法效率较低，且精度容易受影响。

发明内容

为解决现有技术存在的问题，本发明提供一种计算效率和计算精度较高的CRTSIII型无砟轨道板承轨台中心提取方法。

为此，本发明采用以下技术方案：

一种CRTSIII型无砟轨道板承轨台中心提取方法，其特征在于，包括以下步骤：

S1，获取CRTSIII型轨道板承轨台的点云数据：包括使用两个高精度的测距传感器获取两侧承轨台的高程数据；使用两个2D线结构光扫描仪采集两侧的轨道板承轨台点云数据；

S2，点云分割：使用点云分割的方法提取轨道板承轨台的平面点和侧面点，包括：

S21，基于直通滤波的平面点提取：

根据2D线结构光扫描仪原点位置对点云单点特征采用直通滤波算法进行所述平面点的提取，对于每根激光线点云的特征点y值进行判断，有：

，

式中，和/>分别为直通滤波阈值；

S22，基于空间距离特征的侧面点提取：基于点的空间特征，首先对承轨台的侧面点进行粗提取，以提取少量的侧面点并确保所提取的准确率为百分百；然后在粗提取的基础上进行细提取，在确保准确率的前提下将侧面点尽可能全部提取；

S3，基于中值滤波误差修正：

采用中值滤波方法分别对所述的平面点和侧面点进行去噪，首先对待滤波点集构建树结构，根据树结构建立k邻域搜索，提取每个点云的邻域n个点，并将其由小到大排序，其中平面点以z值为基准，侧面点以y值为基准，则去噪后的坐标值表示为：

，

，

式中，n为邻域点个数，为平面上的点，/>为侧面上的点，y，z为点坐标，/>和/>为去噪后的坐标，阈值的取值方法依据点密度来进行选取；

S4，三维投影二维空间向量：将步骤S43处理后的平面点和侧面点投影到二维平面yoz上，以降低计算维度，提升效率。

S5，基于最小二乘的线性拟合：

将点云投影到二维平面yoz后，x值均赋为0，将点云坐标中的y和z值分别转化使用x和y表示于二维平面中，对其分别利用最小二乘法构建平面拟合直线，公式如下：

，

式中，、/>、/>、/>为平面点拟合直线方程的斜率、截距和坐标，/>、/>、/>、/>为侧面点拟合直线方程斜率、截距和坐标；

S6，构建线性方程组求解交点：

根据S44拟合的直线方程，构建线性方程组求解交点，其中斜率和/>分别通过下式求解：

，

式中，、/>为平面点坐标的平均数，/>为平面点个数，/>、/>为侧面点坐标的平均数，/>为侧面点个数；

随后根据和斜率求出截距/>和/>，则中心点通过下式获得：

，

式中，和/>为求得的中心点坐标；

S7，基于水平向量空间旋转：

中心点的坐标为倾斜方向上的中点坐标，因此根据交点求中点时需先进行方向旋转，根据获得中心点所在直线的倾斜角度θ，则旋转后的坐标表示为：

，

式中θ为倾斜角度，和/>为旋转前坐标，/>和/>为旋转后的点坐标；

S8，求解中心交点：

中心点坐标由下式求得：

，

式中x为该激光线的x坐标， 和/>为左交点旋转后的点坐标， />和为右交点旋转后的点坐标，/>、/>、/>为旋转后计算所得的中心点坐标；

S9，点的空间旋转逆变换，完成承轨台及轨道中心提取：

原始坐标系下的中心点坐标值通过点的空间逆变换求得：

，

式中θ为旋转角度，为旋转后计算的中心坐标，/>为旋转后再进行逆变换所计算的承轨台中心点的真实坐标。

步骤S22中所述粗提取的方法为：

首先采用随机采样一致性算法对侧面点进行直线拟合，包括：

（1） 随机选择空间两个点云；

（2）根据两点计算直线方程；

（3）计算所有点到直线的距离；

（4）获取满足判别函数的点的数量；

（5）循环（1）-（4），直至设定循环的阈值能提取到最多的点，将最多点所在的直线作为最终结果；其中，所述判别函数为点到直线的距离，表示为：

式中，和/>为点到直线的距离，/>为待求点向量，/>为直线上的已知点向量，/>为直线的方向向量；

则，侧面点的粗提取能根据空间距离特征进行提取，从而得到粗提取的点集：

式中为点到直线的距离，/>和/>分别为空间特征阈值。

步骤S22中所述细提取的方法为：

在所述粗提取的点集基础上再次进行RANSAC直线拟合，获取直线方程；对于整条线上的点云进行判断，将满足空间距离特征的点放入点集中实现细提取，表示为以下公式：

式中为点到拟合后的直线的距离，/>为空间距离特征阈值。

本发明基于点云数据，通过对承轨台中心进行智能化提取达到了亚毫米精度，且单线计算效率仅需几十毫秒，一个承轨台10条线点云中心点解算仅需0.5s，提高了计算效率和计算精度。

附图说明

图1为本发明中轨道板承轨台点云示意图；

图2为本发明的承轨台中心提取方法的流程图；

图3为本发明中承轨台侧面点提取流程图；

图4为本发明的一个实施例中，中值滤波去噪效果图；

图5为本发明的一个实施例中，承轨台中心点提取图。

具体实施方式

以下结合附图和实施例对本发明的技术方案进行详细说明。

本发明中，对于轨道板承轨台点云的解算，在点云数据处理流程上使用先计算再融合的方案。由于车辆移动速度较慢，认为在极短时间内传感器自身坐标系变化较小，而传感器扫描频率远高于车辆移动速度，则可认为每根扫描线具有相对一致性，通过对每根扫描线的建模计算后再根据位姿融合以实现较小数据量的解算过程，提升检测效率。

基于三维点云计算承轨台中心的关键在于如何有效获取测量的节点，计算点间距。由于三维点云存在空间离散的特征，因此对于某些可视及关键特征点在实际测量中很难精准的捕捉到。本发明通过对承轨台的标准设计图纸进行研究来建立合理且有效的算法原理。

根据承轨台的标准设计图可知，承轨台设计结构以其中心点为基准左右对称，其中，承轨台平面以一定角度倾斜，如图1所示，两个侧面C和平面D的延长线相交于左右两点，记作点A和点B，则承轨台的中心点可沿着平面D倾斜方向的长度计算，有：

（1）

式中，和/>分别为A、B两点的坐标，/>为中心点坐标。承轨台的中心点计算问题将转化为水平线与两个侧平线的交点求解问题。

参见图2-图5，本发明的CRTSIII型无砟轨道板承轨台中心提取方法包括以下步骤：

S1，获取CRTSIII型轨道板承轨台的点云数据：包括使用两个2D线结构光扫描仪采集两侧的轨道板承轨台点云数据；

S2，点云分割：输入点云数据，使用点云分割的方法，提取轨道板承轨台平面点和侧面点。包括以下分步骤：

S21，基于直通滤波的平面点提取：

由于承轨台平面属于承轨台中心位置，而2D线结构光扫描仪位于其正上方，因此，可根据2D线结构光扫描仪原点位置对点云单点特征采用直通滤波算法进行平面点的提取。对于每根激光线点云的特征点y值进行判断，有：

（2）

式中，和/>分别为直通滤波阈值。可根据承轨台尺寸以及检测现场环境，选取合适的阈值。

S22，基于空间距离特征的侧面点提取：

承轨台侧面点提取过程主要分为粗提取及细提取，其中粗提取的目的是提取少量的侧面点，但确保所提取的准确率为百分百；其次，在粗提取的基础上进行细提取，在确保准确率的前提下将侧面点尽可能全部提取，两个步骤均基于点的空间特征来完成。

参见图3，侧面点提取的过程如下：

1）粗提取：

首先采用随机采样一致性算法（RANSAC）对于侧面点进行直线拟合，RANSAC算法是一种迭代方法，该算法能从一组包含异常值的观测数据中估计数学模型的参数，相比传统最小二乘算法不会受异常值的影响。其主要步骤为：1、随机选择空间两个点云；2、根据两点计算直线方程；3、计算所有点到直线的距离；4、获取满足判别函数的点的数量；5、循环1-4步骤，直至设定循环的阈值能提取到最多的点，将最多点所在的直线作为最终结果。其中，所述判别函数为点到直线的距离，表示为公式（3）：

（3）

式中和/>为点到直线的距离，/>为待求点向量，/>为直线上的已知点向量，/>为直线的方向向量。则侧面点的粗提取可根据空间距离特征进行提取，从而得到粗提取的点集：

（4）

式中为点到直线的距离，/>和/>分别为空间特征阈值。

2）细提取：

粗提取的侧面点由于受到阈值设定的限制无法将全部侧面点提取，而较少的点会影响后续交点的计算。因此，在所述粗提取的点集基础上对其再次进行RANSAC直线拟合，获取直线方程；对于整条线上的点云进行判断，将满足空间距离特征的点放入点集中实现细提取，表示为公式（5）：

（5）

式中为点到拟合后的直线的距离，/>为空间距离特征阈值。

S3，基于中值滤波误差修正：

平面点和侧面点的提取使用的是原始数据采集的点云，由于传感器的测量误差和机械振动的影响，原始点云会存在一定的“误差厚度”，为了更为准确地拟合平面直线、提升测量的精度，需对其进行点云滤波修正。

采用中值滤波方法分别对上述的平面点和侧面点进行去噪，首先对待滤波点集构建树结构，根据树结构建立k邻域搜索，提取每个点云的邻域n个点，并将其进行由小到大排序，其中平面点以z值为基准，侧面点以y值为基准，则对于去噪后的坐标值可表示为：

（6）

式中n为邻域点个数，为平面上的点，/>为侧面上的点，y，z为点坐标，/>和/>为去噪后的坐标，阈值的取值方法依据点密度来进行选取。

通过中值滤波去噪后，选用一组实验数据进行对比，效果如图4所示。从图中可以看出，中值滤波去噪后的优化点与分割的原始平面点和侧面点相比有明显的误差修正。通过对数据定量分析，去噪前后误差分别如表1所示：

表1 滤波去噪前后误差对比表

类型	原始	去噪后误差
			平面点(z的厚度)	3mm	0.4mm
侧面点(y的厚度)	1.3mm	0.6mm

S4，三维投影二维空间向量：

在获取平面点及侧面点之后，需对其分别进行线性拟合，求其交点。然而由于两条直线为空间直线，对于两条空间直线的交点求取需满足条件：两条直线共面且不平行。但在计算中很难确保计算结果满足绝对条件，因此为了确保可进行计算且降低计算误差，提出基于投影的计算方法，由于点云均处于一条激光线上，因此将其投影到二维平面上，以降低计算维度，提升效率。

S5，基于最小二乘的线性拟合：

将点云投影到二维平面yoz后，即x值均赋为0，将点云坐标中的y和z值分别转化使用x和y表示于二维平面中，对其分别利用最小二乘法构建平面拟合直线如公式（7）：

（7）

式中，为平面点拟合直线方程的斜率、截距和坐标，为侧面点拟合直线方程斜率、截距和坐标。

S6，构建线性方程组求解交点：

根据拟合的直线方程，构建线性方程组求解交点。其中斜率和/>可通过公式（8）求解：

（8）

式中，、/>为平面点坐标的平均数，/>为平面点个数，/>为侧面点坐标的平均数，/>为侧面点个数。

随后根据和斜率可求出截距/>和/>。则中心点可通过公式（9）获得：

（9）

式中和/>为求得的中心点坐标。

S7，基于水平向量空间旋转

根据设计图纸可以发现，中心点的坐标为倾斜方向上的中点坐标，因此根据交点求中点时需先进行方向旋转，则根据可获得倾斜角度θ，则旋转后的坐标表示为公式（10）：

（10）

式中θ为倾斜角度，和/>为旋转前坐标，/>和/>为旋转后的点坐标。

S8，求解中心交点：

中心点坐标由公式（11）可求得：

（11）

式中x为该激光线的x坐标， 和/>为左交点旋转后的点坐标， />和/>为右交点旋转后的点坐标，/>为旋转后计算所得的中心点坐标。

S9，点的空间旋转逆变换：

原始坐标系下的中心点坐标值通过点的空间逆变换求得，如公式（12）所示：

（12）

式中θ为旋转角度，为旋转后计算的中心坐标，/>为旋转后再进行逆变换所计算的承轨台真实坐标，完成承轨台及轨道中心提取，如图5所示。

Claims (3)

1.一种CRTSIII型无砟轨道板承轨台中心提取方法，其特征在于，包括以下步骤：

S1，获取CRTSIII型轨道板承轨台的点云数据：使用两个2D线结构光扫描仪采集两侧的轨道板承轨台点云数据；

S2，点云分割：使用点云分割的方法提取轨道板承轨台的平面点和侧面点，包括：

S21，基于直通滤波的平面点提取：

根据所述2D线结构光扫描仪原点位置对点云单点特征采用直通滤波算法进行所述平面点的提取，对于每根激光线点云的特征点y值进行判断，有：

式中，th₁和th₂分别为直通滤波阈值；

S22，基于空间距离特征的侧面点提取：基于点的空间特征，首先对承轨台左右两边的侧面点进行粗提取，以提取少量的侧面点并确保所提取的准确率为百分百；然后在粗提取的基础上进行细提取，在确保准确率的前提下提取到最多的侧面点；

S3，基于中值滤波误差修正：

采用中值滤波方法分别对所述的平面点和左右两边的侧面点进行去噪，首先对待滤波点集构建树结构，根据树结构建立k邻域搜索，提取每个点云的邻域n个点，并将其由小到大排序，其中平面点以z值为基准，侧面点以y值为基准，则去噪后的坐标值表示为：

式中，n为邻域点个数，point_平面为平面上的点，point_侧面为侧面上的点，y，z为点坐标，y′和z′为去噪后的坐标，阈值的取值方法依据点密度来进行选取；

S4，三维投影二维空间向量：将步骤S43处理后的平面点和侧面点投影到二维平面yoz上，以降低计算维度，提升效率；

S5，基于最小二乘的线性拟合：

将点云投影到二维平面yoz后，x值均赋为0，将点云坐标中的y和z值分别转化使用x和y表示于二维平面中，对其分别利用最小二乘法构建平面拟合直线，公式如下：

式中，a₁、b₁、(x₁，y₁)分别为平面点拟合直线方程的斜率、截距和坐标，a₂、b₂、(x₂，y₂)分别为侧面点拟合直线方程斜率、截距和坐标；

S6，构建线性方程组求解交点：

根据S5拟合的直线方程，构建线性方程组求解交点；

随后根据和斜率求出截距b₁和b₂，则平面拟合直线与一边侧面拟合直线的交点通过下式获得：

式中，x和y为求得的一个交点的坐标；

S7，基于水平向量空间旋转：

中心点的坐标为倾斜方向上的中点坐标，因此根据交点求中点时需先进行方向旋转，根据y₁＝a₁x₁+b₁获得中心点所在直线的倾斜角度θ，则旋转后的坐标表示为：

式中θ为倾斜角度，x和y为旋转前坐标，x′和y′为旋转后的点坐标；

S8，求解中心交点：

中心点坐标由下式求得：

式中x为该激光线的x坐标，y′_左交点和z′_左交点为左交点旋转后的点坐标，y′_右交点和z′_右交点为右交点旋转后的点坐标，x_centern、y_centern、z_centern为旋转后计算所得的中心点坐标；

S9，点的空间旋转逆变换，完成承轨台及轨道中心提取：

原始坐标系下的中心点坐标值通过点的空间逆变换求得：

式中θ为旋转角度，pt_centern为旋转后计算的中心坐标，pt′_centern为旋转后再进行逆变换所计算的承轨台中心点真实坐标。

2.根据权利要求1所述的CRTSIII型无砟轨道板承轨台中心提取方法，其特征在于，步骤S22中所述粗提取的方法为：

首先采用随机采样一致性算法对侧面点进行直线拟合，包括：

(1)随机选择空间两个点云；

(2)根据两点计算直线方程；

(3)计算所有点到直线的距离；

(4)获取满足判别函数的点的数量；

(5)循环(1)-(4)，直至设定循环的阈值能提取到最多的点，将最多点所在的直线作为最终结果；其中，所述判别函数为点到直线的距离，表示为：

式中，f(x)和d为点到直线的距离，为待求点向量，/>为直线上的已知点向量，/>为直线的方向向量；

则，侧面点的粗提取能根据空间距离特征进行提取，从而得到粗提取的点集：

式中d为点到直线的距离，d_th1和d_th2分别为空间特征阈值。

3.根据权利要求2所述的CRTSIII型无砟轨道板承轨台中心提取方法，其特征在于，步骤S22中所述细提取的方法为：

在所述粗提取的点集基础上再次进行RANSAC直线拟合，获取直线方程；对于整条线上的点云进行判断，将满足空间距离特征的点放入点集中实现细提取，表示为以下公式：

式中d为点到拟合后的直线的距离，d_th3为空间距离特征阈值。