CN116626706A - 轨道交通隧道侵限检测方法及系统 - Google Patents
轨道交通隧道侵限检测方法及系统 Download PDFInfo
- Publication number
- CN116626706A CN116626706A CN202310535525.4A CN202310535525A CN116626706A CN 116626706 A CN116626706 A CN 116626706A CN 202310535525 A CN202310535525 A CN 202310535525A CN 116626706 A CN116626706 A CN 116626706A
- Authority
- CN
- China
- Prior art keywords
- tunnel
- point cloud
- dimensional
- cloud data
- section
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 58
- 230000007246 mechanism Effects 0.000 claims abstract description 20
- 238000007781 pre-processing Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims description 35
- 238000004590 computer program Methods 0.000 claims description 22
- 229910000831 Steel Inorganic materials 0.000 claims description 12
- 239000010959 steel Substances 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000013519 translation Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims 1
- 230000009545 invasion Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
- G01S17/894—3D imaging with simultaneous measurement of time-of-flight at a 2D array of receiver pixels, e.g. time-of-flight cameras or flash lidar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- 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
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种轨道交通隧道侵限检测方法及系统,属于轨道交通异物侵限检测技术领域,获取扫描轨道交通隧道场景,采集隧道点云数据;通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。本发明通过构建二维限界框和拟合缩放比例构建动态三维隧道限界体,同时利用自适应阈值匹配机制实现远距离隧道限界入侵的准确判断,解决了隧道内暗光导致的侵限检测精度低、检测距离短的问题。
Description
技术领域
本发明涉及轨道交通异物侵限检测技术领域,具体涉及一种轨道交通隧道侵限检测方法及系统。
背景技术
轨道交通作为一种大容量的公共交通工具,因此保障其安全运营的重要性不言而喻。隧道是轨道交通的重要设施,常见于山区铁路和地铁。随着轨道交通隧道服役时间的增长,隧道内附属设施如箱体、线缆等和其他异物等有可能会入侵隧道限界,对列车的安全运行造成危害,因此需要对轨道交通隧道限界内是否有异物进行检测。
目前轨道交通隧道侵限检测现在常用的方法是图像智能识别和激光雷达检测。图像智能识别主要是利用摄像头获取隧道内场景图像,再利用图像处理方法对隧道内的异物进行识别检测。但一般情况下,隧道内光线环境暗,相机图像不清晰、效果差,该类识别方法的误判率和漏检率较高。目前基于激光雷达的隧道侵限检测的可测隧道距离较短,或者跟随车辆行进多次对距激光雷达特定距离下的隧道截面进行检测,一次性对远距离的轨道交通隧道侵限检测的研究较少。
发明内容
本发明的目的在于提供一种针对隧道照度较低的条件,利用激光雷达对轨道交通隧道场景进行扫描,获得远距离扫描范围内完整的隧道点云,通过自适应阈值的匹配机制对所构建的动态三维限界体与隧道点云进行匹配,计算入侵点云数量,实现高精度、远距离的隧道侵限检测的轨道交通隧道侵限检测方法及系统,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,本发明提供一种轨道交通隧道侵限检测方法,包括:
获取扫描轨道交通隧道场景,采集隧道点云数据;
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
可选的,获取扫描轨道交通隧道场景,采集隧道点云数据,包括:利用激光雷达设备获取的隧道点云数据将激光雷达设备的自身坐标系作为隧道坐标系,激光雷达设备的坐标为(0,0,0),车辆行驶方向为x轴,垂直轨道平面方向为z轴,y轴垂直于平面xoz。
可选的,通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据,包括:在隧道坐标系的x轴上设置多个连续均匀的长度间隔,利用直通滤波器得到不同距离间隔下的三维隧道点云;将不同距离间隔下的隧道点云投影到yoz平面上,得到x轴上不同距离下的隧道截面点云数据,其x轴坐标都为0,(y,z)坐标成为分析的关键特征。
可选的,通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体,包括:
利用试探法,对比x轴不同距离下的隧道截面点云数据,取具有最完整、特征最明显、闭合的隧道壁边缘的点云数据作为最优隧道截面点云数据;
采用快速kdtree近邻查询和点云法向量估计对最优隧道截面点云进行边缘检测,得到仅包含隧道壁和轨道的隧道边缘点云;
隧道壁最左侧点、最右侧点以及最高点较为明显,另外两侧轨道最高点大致对应车辆的两侧车轮位置、两侧轨道最低点大致对应车辆横截面外轮廓两侧最外点,因此遍历隧道边缘点云,设置约束条件进行查询、选取,最终得到隧道边缘点云的五个关键点:中心点、两侧钢轨最高点以及两侧钢轨最低点;
结合隧道壁的点云数据及五个关键点,得到矩形形态的初始限界框;
设置额外约束条件,改进初始限界框,衍生选取八个关键点,从而得到八边形形态的二维限界框;
通过最小二乘法拟合x轴距离与任一距离截面下隧道壁最高线坐标的直线方程可以直接得到z轴的缩放比例q,选取最优隧道截面点云距离为标准距离;
选取轨道中轴线作为二维限界框投影随轨道走向的变化基准,获取不同距离截面下中心点y轴坐标,从而得到该截面轨道中心坐标。通过最小二乘法拟合x轴距离与任一距离截面下轨道中心坐标的直线方程可以得到轨道中轴线平移方程;
通过将平移和缩放后的二维限界框投影到相应x距离,对八个关键点坐标进行相应变换,构造动态三维隧道限界体。
可选的,采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云,包括:
根据角分辨率计算得出单一方向轴上在截面所对应的x轴坐标X处两个相邻激光点云的距离s;
s=X*tan0.09°
计算得出在单一方向轴上一段距离所包含的点数;
count=0.2/s+1
在一个平面区域内的点云数量通过计算得到,从而建立自适应的阈值-距离函数,确定不同距离下最小侵限物体尺寸为平面区域面积大小的点云个数;
TH=count2=[[0.2/(X*tan0.09°)]+1]2
将二维限界框划分为多个区域,在进行划分后的多个区域内分别统计点云数量,进行加和之后得到该截面的侵限点云总数,与该截面的侵限点云阈值进行比较后得到该截面的侵限检测结果。
可选的,对连续、多段的隧道截面分别进行侵限检测后统计判断结果,若该结果超过设定数值时,则判断整段轨道交通隧道存在侵限情况。
第二方面,本发明提供一种轨道交通隧道侵限检测系统,包括:
获取模块,用于获取扫描轨道交通隧道场景,采集隧道点云数据;
预处理模块,用于通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
构建模块,用于通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
匹配模块,用于采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
第三方面,本发明提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的轨道交通隧道侵限检测方法。
第四方面,本发明提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的轨道交通隧道侵限检测方法。
第五方面,本发明提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的轨道交通隧道侵限检测方法的指令。
本发明有益效果:利用二维限界框投影匹配方式可以解决因激光雷达本身距离越远、点数越少的特点所造成的远距离下有效点极少从而引起的远距离入侵检测难的问题,实现远距离隧道下的精准侵限检测,并且该方法主要借助钢轨关键点构建限界框,因此对不同隧道的鲁棒性较高。相比起三维点云重建方式,本发明通过拓扑引导的方式构造动态三维隧道限界体更加高效、快速,所需的计算量要求更低。通过设置自适应阈值,根据激光雷达角度分辨率可以准确地计算不同距离下侵限异物点云数量,提高检测精度。该方法解决了隧道内暗光造成的侵限检测精度低、距离短的问题。
本发明附加方面的优点,将在下述的描述部分中更加明显的给出,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隧道边缘点云图。
图2为本发明实施例所述的二维限界框图。
图3为本发明实施例所述的隧道侵限检测效果图。
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,首先提供了一种轨道交通隧道侵限检测系统,包括:
获取模块,用于获取扫描轨道交通隧道场景,采集隧道点云数据;
预处理模块,用于通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
构建模块,用于通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
匹配模块,用于采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
本实施例1中,利用上述的系统,实现了轨道交通隧道侵限检测方法,包括:利用获取模块获取扫描轨道交通隧道场景,采集隧道点云数据;利用预处理模块通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;利用构建模块通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;利用匹配模块采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
其中,在获取模块中,利用列车激光雷达设备扫描轨道交通隧道场景,采集隧道点云数据,包括:利用激光雷达设备获取的隧道点云数据将激光雷达设备的自身坐标系作为隧道坐标系,激光雷达设备的坐标为(0,0,0),车辆行驶方向为x轴,垂直轨道平面方向为z轴,y轴垂直于平面xoz。
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据,包括:在隧道坐标系的x轴上设置多个连续均匀的长度间隔,利用直通滤波器得到不同距离间隔下的三维隧道点云;将不同距离间隔下的隧道点云投影到yoz平面上,得到x轴上不同距离下的隧道截面点云数据,其x轴坐标都为0,(y,z)坐标成为分析的关键特征。
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体,包括:
利用试探法,对比x轴不同距离下的隧道截面点云数据,取具有最完整、特征最明显、闭合的隧道壁边缘的点云数据作为最优隧道截面点云数据;
采用快速kdtree近邻查询和点云法向量估计对最优隧道截面点云进行边缘检测,得到仅包含隧道壁和轨道的隧道边缘点云;
隧道壁最左侧点、最右侧点以及最高点较为明显,另外两侧轨道最高点大致对应车辆的两侧车轮位置、两侧轨道最低点大致对应车辆横截面外轮廓两侧最外点,因此遍历隧道边缘点云,设置约束条件进行查询、选取,最终得到隧道边缘点云的五个关键点:中心点、两侧钢轨最高点以及两侧钢轨最低点;
结合隧道壁的点云数据及五个关键点,得到矩形形态的初始限界框;
设置额外约束条件,改进初始限界框,衍生选取八个关键点,从而得到八边形形态的二维限界框;
通过最小二乘法拟合x轴距离与任一距离截面下隧道壁最高线坐标的直线方程可以直接得到z轴的缩放比例q,选取最优隧道截面点云距离为标准距离;
选取轨道中轴线作为二维限界框投影随轨道走向的变化基准,获取不同距离截面下中心点y轴坐标,从而得到该截面轨道中心坐标。通过最小二乘法拟合x轴距离与任一距离截面下轨道中心坐标的直线方程可以得到轨道中轴线平移方程;
通过将平移和缩放后的二维限界框投影到相应x距离,对八个关键点坐标进行相应变换,构造动态三维隧道限界体。
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云,包括:
根据角分辨率计算得出单一方向轴上在截面所对应的x轴坐标X处两个相邻激光点云的距离s;
s=X*tan0.09°
计算得出在单一方向轴上一段距离所包含的点数;
count=0.2/s+1
在一个平面区域内的点云数量通过计算得到,从而建立自适应的阈值-距离函数,确定不同距离下最小侵限物体尺寸为平面区域面积大小的点云个数;
TH=count2=[[0.2/(X*tan0.09°)]+1]2
将二维限界框划分为多个区域,在进行划分后的多个区域内分别统计点云数量,进行加和之后得到该截面的侵限点云总数,与该截面的侵限点云阈值进行比较后得到该截面的侵限检测结果。
对连续、多段的隧道截面分别进行侵限检测后统计判断结果,若该结果超过设定数值时,则判断整段轨道交通隧道存在侵限情况。
实施例2
本实施例2中提供一种轨道交通隧道侵限检测方法,针对隧道照度较低的条件,利用激光雷达对轨道交通隧道场景进行扫描,获得远距离扫描范围内完整的隧道点云。通过自适应阈值的匹配机制对所构建的动态三维限界体与隧道点云进行匹配,计算入侵点云数量,实现高精度、远距离的隧道侵限检测。
轨道交通隧道侵限检测方法,包括以下步骤:
步骤1,列车车头安装的激光雷达扫描轨道交通隧道场景,采集隧道点云数据,车辆行驶方向为x轴,垂直轨道平面方向为z轴,y轴垂直于平面xoz;
步骤2,通过点云滤波进行数据预处理,得到不同距离下隧道截面点云数据;
所述步骤2具体包括以下步骤:
步骤2.1,在隧道坐标系的x轴上设置多个连续的、均匀、足够小的长度间隔,利用直通滤波器得到不同距离间隔下的三维隧道点云;
步骤2.2,将不同距离间隔下的隧道点云投影到yoz平面上,得到x轴上不同距离下的隧道截面点云数据;
步骤3,通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
所述步骤3具体包括以下步骤:
步骤3.1,比较x轴上不同距离的隧道截面点云,以最完整、最明显、最封闭的截面点云作为最优隧道截面点云数据;
步骤3.2,对最优隧道截面点云进行边缘检测,得到仅包含隧道壁和轨道的隧道边缘点云;
步骤3.3,在隧道壁和轨道查询、选取隧道边缘点云的五个关键点:中心点、两侧钢轨最高点以及两侧钢轨最低点;
步骤3.4,结合隧道壁的点云数据及五个关键点,得到矩形形态的初始限界框;
步骤3.5,改进初始限界框,衍生选取八个关键点,得到八边形形态的二维限界框;
步骤3.6,利用最小二乘法拟合z轴缩放比例和中轴平移方程;
步骤3.7,通过将平移和缩放后的二维限界框投影到相应x距离,构造动态三维隧道限界体;
步骤4,采用基于自适应阈值的匹配机制,将三维隧道限界体与隧道点云进行匹配,不与限界体匹配的点云即为侵限点云,从而实现侵限检测;
所述步骤4具体包括以下步骤:
步骤4.1,建立自适应的阈值-距离函数,确定不同距离下最小侵限物体的点云个数;
步骤4.2,将二维限界框划分为7个区域,包括3个矩形区域和4个直角三角形区域,依据匹配机制在计算每个区域的点云后,相加实现简化,最终得出是否入侵及入侵详细结果。
综上,本实施例2中,利用二维限界框投影匹配方式可以解决因激光雷达本身距离越远、点数越少的特点所造成的远距离下有效点极少从而引起的远距离入侵检测难的问题,实现远距离隧道下的精准侵限检测,并且该方法主要借助钢轨关键点构建限界框,因此对不同隧道的鲁棒性较高。相比起三维点云重建方式,本发明通过拓扑引导的方式构造动态三维隧道限界体更加高效、快速,所需的计算量要求更低。通过设置自适应阈值,根据激光雷达角度分辨率可以准确地计算不同距离下侵限异物点云数量,提高检测精度。该方法解决了隧道内暗光造成的侵限检测精度低、距离短的问题。
实施例3
本实施例3中,提供一种轨道交通隧道侵限检测方法,包括以下步骤:
步骤1,列车车头安装的激光雷达扫描轨道交通隧道场景,采集隧道点云数据:利用激光雷达设备所获取的隧道点云数据是以其自身设备的坐标系为参照的,激光雷达设备的坐标为(0,0,0),车辆行驶方向为x轴,垂直轨道平面方向为z轴,y轴垂直于平面xoz。因为激光雷达设备跟随车辆不断前进运动,处于相对静止状态,因此不同时刻下所获取的前方隧道点云数据的坐标系始终保持不变,因此将激光雷达设备的自身坐标系作为隧道坐标系。
步骤2,通过点云滤波进行数据预处理,得到不同距离下隧道截面点云数据。
所述步骤2具体包括以下步骤:
步骤2.1,在隧道坐标系的x轴上设置多个连续的、均匀、足够小的长度间隔,利用直通滤波器得到不同距离间隔下的三维隧道点云;根据隧道长度设置长度间隔为1m;
步骤2.2,将不同距离间隔下的隧道点云投影到yoz平面上,得到x轴上不同距离下的隧道截面点云数据,其x轴坐标都为0,(y,z)坐标成为分析的关键特征;
步骤3,通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体。
所述步骤3具体包括以下步骤:
步骤3.1,利用试探法,对比x轴不同距离下的隧道截面点云数据,取具有最完整、特征最明显、闭合的隧道壁边缘的点云数据作为最优隧道截面点云数据;
步骤3.2,采用快速kdtree近邻查询和点云法向量估计对最优隧道截面点云进行边缘检测,得到仅包含隧道壁和轨道的隧道边缘点云;
步骤3.3,隧道壁最左侧点、最右侧点以及最高点较为明显,另外两侧轨道最高点大致对应车辆的两侧车轮位置、两侧轨道最低点大致对应车辆横截面外轮廓两侧最外点,因此遍历隧道边缘点云,设置约束条件进行查询、选取,最终得到隧道边缘点云的五个关键点:中心点、两侧钢轨最高点以及两侧钢轨最低点;
步骤3.4,结合隧道壁的点云数据及五个关键点,得到矩形形态的初始限界框;
步骤3.5,设置额外约束条件,改进初始限界框,衍生选取八个关键点,从而得到八边形形态的二维限界框;
步骤3.6,通过最小二乘法拟合x轴距离与任一距离截面下隧道壁最高线坐标的直线方程可以直接得到z轴的缩放比例q,选取最优隧道截面点云距离为标准距离;
步骤3.7,选取轨道中轴线作为二维限界框投影随轨道走向的变化基准,获取不同距离截面下中心点y轴坐标,从而得到该截面轨道中心坐标。通过最小二乘法拟合x轴距离与任一距离截面下轨道中心坐标的直线方程可以得到轨道中轴线平移方程;
步骤3.8,通过将平移和缩放后的二维限界框投影到相应x距离,对八个关键点(y,z)坐标进行相应变换,构造动态三维隧道限界体;
步骤4,采用基于自适应阈值的匹配机制,将三维隧道限界体与隧道点云进行匹配,不与限界体匹配的点云即为侵限点云,从而实现侵限检测。
所述步骤4具体包括以下步骤:
步骤4.1,根据角分辨率可以计算得出单一方向轴上在截面所对应的x轴坐标X处两个相邻激光点云的距离s:s=X*tan0.09°
接着可以计算得出在单一方向轴上20cm所包含的点数;
count=0.2/s+1
最终在一个平面内202cm2区域内的点云数量通过计算得到,从而建立自适应的阈值-距离函数,确定不同距离下最小侵限物体尺寸为202cm2的点云个数;
TH=count2=[[0.2/(X*tan0.09°)]+1]2
步骤4.2,将二维限界框划分为7个区域,包括3个矩形区域和4个直角三角形区域,在进行划分后的7个区域内分别统计点云数量,进行加和之后得到该截面的侵限点云总数,与该截面的侵限点云阈值进行比较后得到该截面的侵限检测结果。对连续、多段的隧道截面分别进行侵限检测后统计判断结果,若该结果超过设定数值时,则判断整段轨道交通隧道存在侵限情况。
在本实施例的模拟环境中,准备了3个尺寸大小不相同的长方体物体,分别为20*20*20cm3、30*30*20cm3和40*40*20cm3,分别将其置于初始位置为30m、50m和100m处的限界内,利用激光雷达设备进行扫描获取隧道点云数据,然后利用本文所提出的侵限算法进行检测,最终得到如表1所示的检测结果。可以看出,本实施例的方法在不同的距离下可以准确地检测到不同大小的物体。在本数据集中,该检测方法在0-100m隧道距离下的准确率为100%。
表1
本实施例3中提出的轨道交通隧道侵限检测方法,通过构建二维限界框和拟合缩放比例构建动态三维隧道限界体,同时利用自适应阈值匹配机制实现远距离隧道限界入侵的准确判断,解决了隧道内暗光导致的侵限检测精度低、检测距离短的问题。
实施例4
本实施例4提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如上所述的轨道交通隧道侵限检测方法,该方法包括:
获取扫描轨道交通隧道场景,采集隧道点云数据;
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
实施例5
本实施例5提供一种计算机程序产品,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如上所述的轨道交通隧道侵限检测方法,该方法包括:
获取扫描轨道交通隧道场景,采集隧道点云数据;
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
实施例6
本实施例6提供一种电子设备,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如上所述的轨道交通隧道侵限检测方法的指令,该方法包括:
获取扫描轨道交通隧道场景,采集隧道点云数据;
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
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)
1.一种轨道交通隧道侵限检测方法,其特征在于,包括:
获取扫描轨道交通隧道场景,采集隧道点云数据;
通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
2.根据权利要求1所述的轨道交通隧道侵限检测方法,其特征在于,获取扫描轨道交通隧道场景,采集隧道点云数据,包括:利用激光雷达设备获取的隧道点云数据将激光雷达设备的自身坐标系作为隧道坐标系,激光雷达设备的坐标为(0,0,0),车辆行驶方向为x轴,垂直轨道平面方向为z轴,y轴垂直于平面xoz。
3.根据权利要求2所述的轨道交通隧道侵限检测方法,其特征在于,通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据,包括:在隧道坐标系的x轴上设置多个连续均匀的长度间隔,利用直通滤波器得到不同距离间隔下的三维隧道点云;将不同距离间隔下的隧道点云投影到yoz平面上,得到x轴上不同距离下的隧道截面点云数据,其x轴坐标都为0,(y,z)坐标成为分析的关键特征。
4.根据权利要求2所述的轨道交通隧道侵限检测方法,其特征在于,通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体,包括:
利用试探法,对比x轴不同距离下的隧道截面点云数据,取具有最完整、特征最明显、闭合的隧道壁边缘的点云数据作为最优隧道截面点云数据;
采用快速kdtree近邻查询和点云法向量估计对最优隧道截面点云进行边缘检测,得到仅包含隧道壁和轨道的隧道边缘点云;
隧道壁最左侧点、最右侧点以及最高点较为明显,另外两侧轨道最高点大致对应车辆的两侧车轮位置、两侧轨道最低点大致对应车辆横截面外轮廓两侧最外点,因此遍历隧道边缘点云,设置约束条件进行查询、选取,最终得到隧道边缘点云的五个关键点:中心点、两侧钢轨最高点以及两侧钢轨最低点;
结合隧道壁的点云数据及五个关键点,得到矩形形态的初始限界框;
设置额外约束条件,改进初始限界框,衍生选取八个关键点,从而得到八边形形态的二维限界框;
通过最小二乘法拟合x轴距离与任一距离截面下隧道壁最高线坐标的直线方程可以直接得到z轴的缩放比例q,选取最优隧道截面点云距离为标准距离;
选取轨道中轴线作为二维限界框投影随轨道走向的变化基准,获取不同距离截面下中心点y轴坐标,从而得到该截面轨道中心坐标。通过最小二乘法拟合x轴距离与任一距离截面下轨道中心坐标的直线方程可以得到轨道中轴线平移方程;
通过将平移和缩放后的二维限界框投影到相应x距离,对八个关键点坐标进行相应变换,构造动态三维隧道限界体。
5.根据权利要求2所述的轨道交通隧道侵限检测方法,其特征在于,采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云,包括:
根据角分辨率计算得出单一方向轴上在截面所对应的x轴坐标X处两个相邻激光点云的距离s;
s=X*tan0.09°
计算得出在单一方向轴上一段距离所包含的点数;
count=0.2/s+1
在一个平面区域内的点云数量通过计算得到,从而建立自适应的阈值-距离函数,确定不同距离下最小侵限物体尺寸为平面区域面积大小的点云个数;
TH=count2=[[0.2/(X*tan0.09°)]+1]2
将二维限界框划分为多个区域,在进行划分后的多个区域内分别统计点云数量,进行加和之后得到该截面的侵限点云总数,与该截面的侵限点云阈值进行比较后得到该截面的侵限检测结果。
6.根据权利要求5所述的轨道交通隧道侵限检测方法,其特征在于,对连续、多段的隧道截面分别进行侵限检测后统计判断结果,若该结果超过设定数值时,则判断整段轨道交通隧道存在侵限情况。
7.一种轨道交通隧道侵限检测系统,其特征在于,包括:
获取模块,用于获取扫描轨道交通隧道场景,采集隧道点云数据;
预处理模块,用于通过点云滤波对隧道点云数据进行预处理,得到不同距离下隧道截面点云数据;
构建模块,用于通过构造二维限界框和拟合缩放比例,构建动态三维隧道限界体;
匹配模块,用于采用基于自适应阈值的匹配机制,将动态三维隧道限界体与隧道点云数据进行匹配,不与限界体匹配的点云即为侵限点云。
8.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质用于存储计算机指令,所述计算机指令被处理器执行时,实现如权利要求1-6任一项所述的轨道交通隧道侵限检测方法。
9.一种计算机程序产品,其特征在于,包括计算机程序,所述计算机程序当在一个或多个处理器上运行时,用于实现如权利要求1-6任一项所述的轨道交通隧道侵限检测方法。
10.一种电子设备,其特征在于,包括:处理器、存储器以及计算机程序;其中,处理器与存储器连接,计算机程序被存储在存储器中,当电子设备运行时,所述处理器执行所述存储器存储的计算机程序,以使电子设备执行实现如权利要求1-6任一项所述的轨道交通隧道侵限检测方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535525.4A CN116626706B (zh) | 2023-05-12 | 2023-05-12 | 轨道交通隧道侵限检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310535525.4A CN116626706B (zh) | 2023-05-12 | 2023-05-12 | 轨道交通隧道侵限检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116626706A true CN116626706A (zh) | 2023-08-22 |
CN116626706B CN116626706B (zh) | 2024-01-16 |
Family
ID=87609163
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310535525.4A Active CN116626706B (zh) | 2023-05-12 | 2023-05-12 | 轨道交通隧道侵限检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116626706B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080032855A (ko) * | 2006-10-11 | 2008-04-16 | 삼성중공업 주식회사 | 파이프 정렬을 위한 3차원 형상복원 및 레지스레이션 방법 |
CN106874916A (zh) * | 2017-02-20 | 2017-06-20 | 广东工业大学 | 一种复杂外板点云场景对比提取方法及装置 |
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
CN108335291A (zh) * | 2018-01-24 | 2018-07-27 | 上海岩土工程勘察设计研究院有限公司 | 一种隧道病害影像预处理方法 |
CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
CN108549087A (zh) * | 2018-04-16 | 2018-09-18 | 北京瑞途科技有限公司 | 一种基于激光雷达的在线检测方法 |
CN108682028A (zh) * | 2018-05-16 | 2018-10-19 | 陈年康 | 基于辐射纠正的激光点云与光学影像自动匹配方法 |
CN110530290A (zh) * | 2019-08-28 | 2019-12-03 | 北京交通大学 | 隧道断面的激光扫描测量装置及方法 |
US20200025578A1 (en) * | 2017-12-12 | 2020-01-23 | Maser Consulting, P.A. | Tunnel mapping system and methods |
CN110796694A (zh) * | 2019-10-13 | 2020-02-14 | 西北农林科技大学 | 一种基于KinectV2的果实三维点云实时获取方法 |
CN113673011A (zh) * | 2021-06-04 | 2021-11-19 | 浙江华东测绘与工程安全技术有限公司 | 基于点云数据智能识别运营期隧道侵界的方法 |
US20220222863A1 (en) * | 2019-10-04 | 2022-07-14 | Panasonic Intellectual Property Corporation Of America | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device |
CN115131225A (zh) * | 2021-03-29 | 2022-09-30 | 株洲中车时代电气股份有限公司 | 隧道限界确定方法、装置电子设备及存储介质 |
US20230003545A1 (en) * | 2021-06-30 | 2023-01-05 | Here Global B.V. | Method, apparatus and computer program product for tunnel detection from a point cloud |
-
2023
- 2023-05-12 CN CN202310535525.4A patent/CN116626706B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080032855A (ko) * | 2006-10-11 | 2008-04-16 | 삼성중공업 주식회사 | 파이프 정렬을 위한 3차원 형상복원 및 레지스레이션 방법 |
CN106874916A (zh) * | 2017-02-20 | 2017-06-20 | 广东工业大学 | 一种复杂外板点云场景对比提取方法及装置 |
CN106930784A (zh) * | 2017-03-08 | 2017-07-07 | 中交第二航务工程局有限公司 | 基于三维激光扫描的隧道监控方法 |
US20200025578A1 (en) * | 2017-12-12 | 2020-01-23 | Maser Consulting, P.A. | Tunnel mapping system and methods |
CN108335291A (zh) * | 2018-01-24 | 2018-07-27 | 上海岩土工程勘察设计研究院有限公司 | 一种隧道病害影像预处理方法 |
CN108389250A (zh) * | 2018-03-08 | 2018-08-10 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
CN108549087A (zh) * | 2018-04-16 | 2018-09-18 | 北京瑞途科技有限公司 | 一种基于激光雷达的在线检测方法 |
CN108682028A (zh) * | 2018-05-16 | 2018-10-19 | 陈年康 | 基于辐射纠正的激光点云与光学影像自动匹配方法 |
CN110530290A (zh) * | 2019-08-28 | 2019-12-03 | 北京交通大学 | 隧道断面的激光扫描测量装置及方法 |
US20220222863A1 (en) * | 2019-10-04 | 2022-07-14 | Panasonic Intellectual Property Corporation Of America | Three-dimensional data encoding method, three-dimensional data decoding method, three-dimensional data encoding device, and three-dimensional data decoding device |
CN110796694A (zh) * | 2019-10-13 | 2020-02-14 | 西北农林科技大学 | 一种基于KinectV2的果实三维点云实时获取方法 |
CN115131225A (zh) * | 2021-03-29 | 2022-09-30 | 株洲中车时代电气股份有限公司 | 隧道限界确定方法、装置电子设备及存储介质 |
CN113673011A (zh) * | 2021-06-04 | 2021-11-19 | 浙江华东测绘与工程安全技术有限公司 | 基于点云数据智能识别运营期隧道侵界的方法 |
US20230003545A1 (en) * | 2021-06-30 | 2023-01-05 | Here Global B.V. | Method, apparatus and computer program product for tunnel detection from a point cloud |
Non-Patent Citations (4)
Title |
---|
ARKADIUSZ KAMPCZYK 等: "Integrating surveying railway special grid pins with terrestrial laser scanning targets for monitoring rail transport infrastructure", MEASUREMENT, pages 1 - 12 * |
冯存定 等: "基于点云数据的隧道变形分析系统研究", 黑龙江工程学院学报, vol. 35, no. 6, pages 8 - 14 * |
王敏 等: "利用三维激光扫描仪进行地铁隧道限界测量", 测绘通报, no. 12, pages 78 - 81 * |
秦勇 等: "视频监控铁路限界内逗留物体的检测方法", 中国铁道科学, vol. 34, no. 4, pages 105 - 109 * |
Also Published As
Publication number | Publication date |
---|---|
CN116626706B (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113536883B (zh) | 障碍物检测方法、车辆、设备及计算机存储介质 | |
CN109373921B (zh) | 一种隧道监测方法及装置 | |
Chen et al. | Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
CN111855664A (zh) | 一种可调节隧道病害三维检测系统 | |
CN101514993B (zh) | 基于线阵ccd摄像机的车辆速度测量装置 | |
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 | |
CN105426922A (zh) | 列车车型识别方法和系统及安全检查方法和系统 | |
CN110910443B (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
CN112731440A (zh) | 高速铁路边坡形变检测方法及装置 | |
CN113505638B (zh) | 车流量的监测方法、监测装置及计算机可读存储介质 | |
Lehtomäki et al. | Performance analysis of a pole and tree trunk detection method for mobile laser scanning data | |
CN111768417A (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
Zheng et al. | Rail detection based on LSD and the least square curve fitting | |
CN113970734B (zh) | 路侧多线激光雷达降雪噪点去除方法、装置及设备 | |
CN105761507A (zh) | 一种基于三维轨迹聚类的车辆计数方法 | |
CN107806824A (zh) | 一种低速状态下接触网几何参数的检测方法及装置 | |
CN103927523B (zh) | 一种基于纵向灰度特征的雾天等级检测方法 | |
CN116626706B (zh) | 轨道交通隧道侵限检测方法及系统 | |
Pletzer et al. | Robust traffic state estimation on smart cameras | |
EP4250245A1 (en) | System and method for determining a viewpoint of a traffic camera | |
CN111723793A (zh) | 一种实时刚性接触网定位点识别方法 | |
Li et al. | An effective algorithm for video-based parking and drop event detection | |
CN111723792B (zh) | 适用于刚柔接触网的实时定位点识别方法 | |
CN115311617A (zh) | 城轨车站区域客流信息获取方法及系统 |
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 |