CN116862976A - 一种基于无人机激光点云的铁轨中心线提取方法及系统 - Google Patents

一种基于无人机激光点云的铁轨中心线提取方法及系统 Download PDF

Info

Publication number
CN116862976A
CN116862976A CN202310682772.7A CN202310682772A CN116862976A CN 116862976 A CN116862976 A CN 116862976A CN 202310682772 A CN202310682772 A CN 202310682772A CN 116862976 A CN116862976 A CN 116862976A
Authority
CN
China
Prior art keywords
point cloud
rail
rectangular space
center line
railway track
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
Application number
CN202310682772.7A
Other languages
English (en)
Other versions
CN116862976B (zh
Inventor
曹成度
夏旺
李海亮
费亮
许诗旋
李昭熹
马龙
王波
童思奇
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.)
China Railway Siyuan Survey and Design Group Co Ltd
Original Assignee
China Railway Siyuan Survey and Design Group Co Ltd
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 China Railway Siyuan Survey and Design Group Co Ltd filed Critical China Railway Siyuan Survey and Design Group Co Ltd
Priority to CN202310682772.7A priority Critical patent/CN116862976B/zh
Publication of CN116862976A publication Critical patent/CN116862976A/zh
Application granted granted Critical
Publication of CN116862976B publication Critical patent/CN116862976B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/68—Analysis of geometric attributes of symmetry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
    • 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
    • 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
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure
    • 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

Abstract

本申请公开了一种基于无人机激光雷达点云的铁轨中心线提取方法及系统，该方法包括：采集铁路轨道区域的点云数据；在铁路轨道起点处划分一个包含两条轨道第一矩形空间，进行点云数据提取，分别得到两条轨道上的若干个点云坐标，通过最小二乘法将若干个点云坐标拟合为两条轨道对应的直线表达式，计算得到若干段铁轨面中心线，进行铁轨中心线拟合检验；沿着铁路轨道自适应生成下一个矩形空间，提取该段铁路的铁轨面中心线，重复此步骤，直至铁路轨道全部被划分进矩形空间内；将生成的若干段铁轨面中心线进行拼接得到最终的铁轨中心线。本发明避免了人工上道测量，能够直接得到精度较高的铁轨中心线，并且避免了“天窗点”的申请，不影响列车运行。

Description

一种基于无人机激光点云的铁轨中心线提取方法及系统
技术领域
本申请涉及铁路勘测技术领域，更具体地，涉及一种基于无人机激光点云的铁轨中心线提取方法及系统。
背景技术
轨道中心线又称铁路线路中心线，在铁路勘测设计以及铁路测设和施工中，线路及有关建筑物的位置都由它控制。因此，轨道中心线测量是既有线测量核心人物之一，是后续各专业工作的基础。
目前，高精度既有铁路轨道中心线的获取主要有两种方式，一种是使用全站仪和GNSS RTK等高精度测绘仪器进行测量，以直接获取轨道中心线，但是这种方式需要人工上道，效率较低同时安全风险高；另一种是利用轨道车载激光雷达测量，这种方法提高了工作效率，但是后处理复杂，需要首先提取两根铁轨的中心线，再计算轨道中心线，同时这个方法仍然需要人工上道处理。上道测量需要向铁路运营单位申请“天窗点”，不仅工作时间短，集中在凌晨，而且需要大量的协调工作，耗时太长，极大的延长了既有铁路测量的工程周期。
利用车载激光点云的铁轨提取方法不能应用于无人机激光点云。车载激光点云通常存在更多先验信息，如车的运动轨迹等，用以辅助轨道识别，而无人机载激光点云缺乏此类信息，因此轨道中心线的提取更加困难。
此外，目前基于激光点云的轨道线提取缺乏有效的人工检核方法。由于铁轨上的点云无论高程、密度还是反射率等特征，与铁轨周围的地物差异并不大，因此直接通过将点云和轨面中心线叠加进行可视化，对人工目视检核而言较为困难。
发明内容
针对现有技术的至少一个缺陷或改进需求，本发明提供了一种基于无人机激光雷达点云的铁轨中心线提取方法及系统，避免人工上道测量，能够直接得到精度较高的铁轨中心。
为实现上述目的，按照本发明的第一个方面，提供了一种基于无人机激光雷达点云的铁轨中心线提取方法，该方法包括：
采集铁路轨道区域的点云数据；
在铁路轨道起点处划分一个包含两条轨道第一矩形空间，对所述第一矩形空间进行点云数据提取，分别得到两条轨道上的若干个点云坐标，通过最小二乘法将若干个点云坐标拟合为所述两条轨道所对应的直线表达式，计算得到若干段铁轨面中心线，并进行铁轨中心线拟合检验；
沿着铁路轨道自适应生成下一个矩形空间，并进行提取该段铁路的铁轨面中心线，重复此步骤，直至铁路轨道全部被划分进矩形空间内；
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述在铁路轨道起点处划分一个包含两条轨道矩形空间，具体包括：
选定轨道的初始点，所述初始点为铁路轨道起始段铁轨面的中心点；
确定初始方向为第一方向，所述第一方向为铁路轨道的延伸方向；
指定分段距离Dis，Dis即为所述第一矩形空间的第一方向上的边长。
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，所述第一矩形空间的第二方向上的边长设置为Wid，Wid等于铁路轨道的宽度，其中，所述第二方向与第一方向垂直；
其中，所述下一个矩形空间的初始点与上一个矩形空间的结束点重合。
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，将相对高程大于预设的相对高程阈值的点云数据，且位于铁路轨道的第一方向上的点云数据选出，作为铁轨面点云。
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述铁轨中心线拟合检验具体包括：
根据所述铁轨面中心线生成第一方向上边长为Dis，第二方向上边长为Wid的第二矩形空间；
若第一矩形空间与第二矩形空间的重合率低于95％，则将第一矩形空间调整为第二矩形空间覆盖的区域，重新进行点云数据提取。
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，其中，还包括，还包括基于分段纵断面对所述铁轨中心线进行检测：
以每个矩形空间中的铁轨所在的第二方向为横轴，高程为纵轴，将铁轨中心线10cm内的点进行绘制，得到铁轨中心线的纵断面结果，对铁轨中心线的纵断面结果进行分析，以定位高程异常的坐标点。
进一步地，上述基于无人机激光雷达点云的铁轨中心线提取方法，其中，还包括，构建高程差伪彩色模型，对于所述铁轨中心线两侧10cm以内的点，找到该点到所述铁轨中心线上距离最近的点，计算两点之间的高程差，并对高程差进行赋色，得到高程差伪彩色模型，基于高程差伪彩色模型对提取的铁轨中心线复核检查。
按照本发明的第二个方面，还提供了一种基于无人机激光雷达点云的铁轨中心线提取系统，该系统包括点云数据获取模块、分段模块与中心线生成模块；其中，
所述点云数据获取模块，用于采集并输出铁路轨道区域的点云数据；
所述分段模块，用于在铁路轨道起点处划分一个包含两条轨道第一矩形空间，并沿着铁路轨道自适应生成下一个矩形空间，直至铁路轨道全部被划分进矩形空间内，并输出若干个包括两条铁路轨道的矩形空间；
中心线生成模块，用于对所述每个矩形空间分别进行点云数据提取，以得到若干段铁轨面中心线，并将若干段铁轨面中心线进行拼接得到并输出最终的铁轨中心线。
按照本发明的第三个方面，还提供了一种电子设备，其包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行上述任一项所述方法的步骤。
按照本发明的第四个方面，还提供了一种存储介质，其存储有可由电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述电子设备执行上述任一项所述方法的步骤。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明提供的基于无人机激光雷达点云的铁轨中心线提取方法及系统，通过在铁路轨道起点处划分一个包含两条轨道第一矩形空间，对第一矩形空间进行点云数据提取，并沿着铁路轨道自适应生成下一个矩形空间，直至铁路轨道全部被划分进矩形空间内，基于最小二乘法对提取的点云数据拟合得到若干段铁轨中心线，最终拼接得到铁轨中心线，通过自适应分段式提取拼接方式得到的铁轨中心线，能够根据铁路轨道的方向与曲率自适应修正矩形空间的方向，采集的点云数据较为全面，不会遗漏铁路轨道上的坐标点，同时避免了人工上道测量，能够直接得到精度较高的铁轨中心线，并且避免了“天窗点”的申请，不影响列车运行。
(2)本发明提供的基于无人机激光雷达点云的铁轨中心线提取方法及系统，通过构建高程差伪彩色模型，利用中心线附近点与中心线的高程差来对提取结果进行可视化，以帮助复核人员高效的检测中心线提取结果，提高了人机交互的效率和正确率，还基于分段纵断面对所述铁轨中心线进行检测，得到铁轨中心线的纵断面结果，对铁轨中心线的纵断面结果进行分析，有助于快速快速定位存在高程异常的点。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需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申请的一些实施例，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为本申请实施例提供的一种基于无人机激光雷达点云的铁轨中心线提取方法的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
一方面，本申请提供了一种基于无人机激光雷达点云的铁轨中心线提取方法，图1为本申请实施例提供的一种基于无人机激光雷达点云的铁轨中心线提取方法的流程示意图，该方法包括以下步骤：
(1)采集铁路轨道区域的点云数据；
通过无人机LiDAR技术采集铁路轨道区域的点云数据。需要解释的是，无人机LiDAR技术集成激光测距技术、计算机技术、惯性测量单元(IMU)/DGPS差分定位技术于一体，该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率地球空间信息提供了一种全新的技术手段。它具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点。
也可采用RTK、全站仪等设备采集轨道数据，本申请不做具体限制。
在一个具体的实施例中，采集的点云数据的平均密度需大于1000点每平方米，点云数据的定位精度需小于2cm。
进一步地，还需对点云数据进行去噪、定向、拼接等处理，其中，可以通过RANSAC算法去除噪声，可以通过特征匹配算法提取特征点并进行点云匹配拼接。
(2)在铁路轨道起点处划分一个包含两条轨道第一矩形空间，对所述第一矩形空间进行点云数据提取，分别得到两条轨道上的若干个点云坐标，通过最小二乘法将若干个点云坐标拟合为所述两条轨道所对应的直线表达式，计算得到若干段铁轨面中心线，并进行铁轨中心线拟合检验；
具体地，首先选定轨道的初始点，初始点为铁路轨道起始段铁轨面的中心点，即位于两条轨道起始部位的点，该点距离两条轨道的距离相同；
其次，确定初始方向为第一方向，第一方向为所在铁路轨道的延伸方向，可以为轨道前进的方向；
指定分段距离Dis，Dis即为矩形空间的第一方向上的边长。虽然铁路轨道存在曲率，但是当将铁路轨道划分为若干个矩形空间时，在短距离内可以将轨道当作直线处理。
其中，矩形空间的第二方向上的边长设置为Wid，Wid大于或等于铁路轨道的宽度，其中，第二方向与第一方向垂直。作为一个示例，Wid通常为70mm，具体应根据实际工程铁轨面宽度来设置。
将第一矩形空间中的点云数据选出，作为一个具体的实施例，对于若干个矩形空间中的第一矩形空间，找出第一矩形空间中点云数据的最低点，计算每个点云数据相对于最低点的垂直距离，得到每个点云坐标的相对高程；
将相对高程大于预设的相对高程阈值TH的点云数据，且位于铁路轨道的第一方向上的点云数据选出，作为铁轨面点云。并根据高程阈值TH和第一方向进行点云滤波。作为一个示例，由于铁轨高度一般为176mm。考虑误差，TH一般可以设置为170mm，具体参数可以根据实际工程铁轨高程设置。
提取轨面点云坐标，通过最小二乘法将点云坐标拟合为所述两条轨道所对应的直线表达式，计算得到第一矩形空间的铁轨面中心线。
进一步地，进行铁轨中心线拟合检验：根据铁轨面中心线生成第一方向上边长为Dis，第二方向上边长为Wid的第二矩形空间；若第一矩形空间与第二矩形空间的重合率低于95％，则将第一矩形空间调整为第二矩形空间覆盖的区域，重新进行点云数据提取，直至重合率高于95％。
(3)沿着铁路轨道自适应生成下一个矩形空间，并进行提取该段铁路的铁轨面中心线，重复此步骤，直至铁路轨道全部被划分进矩形空间内；
进一步地，下一个矩形空间的初始点与上一个矩形空间的结束点重合。上一个矩形空间的结束点为上一个矩形空间的在第二方向上边长的点，且该点与上一个矩形空间的初始点对应，都落在铁轨面中心线上。
此步骤采用迭代法划分矩形空间，能够根据铁路轨道的方向与曲率自适应修正矩形空间的方向，采集的点云数据较为全面，不会遗漏铁路轨道上的坐标点。
进一步地，对于下一个矩形空间进行铁轨中心线的提取，提取步骤与第一矩形空间的提取过程相同，此处不作赘叙。
(4)将生成的若干段铁轨面中心线进行拼接得到最终的铁轨中心线。
由于每一段中心线的结束点，就是下一段中心线的起始点，将所有点连起来就是初步的铁轨中心线。分段提取的结果直接连接在一起会导致中心线不平滑，因此可以通过5阶非均匀有理B样条曲线对提取结果进行平滑，以得到最终的平滑中心线提取结果。
进一步地，对基于轨距对铁轨中心线进行测量，求取铁轨中心线上的点分别到两根铁轨之间的距离，对比轨距求出误差值，若误差值小于预设的容错阈值，则铁轨中心线提取成功。
作为一个具体的实施例，轨道两个铁轨的间距通常为1.435m，对于铁轨中心线上每一个节点，根据节点所在直线方向作垂线与另一个铁轨相交，令节点与交点的距离为D，D代表该节点处两个铁轨之间的距离，若|D-1.435|>Td，代表中心线提取结果有误，需要人工进行修正。其中，Td为设置的容错阈值。
进一步地，基于分段纵断面对所述铁轨中心线进行检测：
以每个矩形空间中的铁轨所在的第二方向为横轴，高程为纵轴，将铁轨中心线10cm内的点进行绘制，得到铁轨中心线的纵断面结果，对铁轨中心线的纵断面结果进行分析，以定位高程异常的坐标点。可以通过人机交互的方式检查纵断面，有助于快速快速定位存在高程异常的点，以对中心线提取结果进行检测。
进一步地，构建高程差伪彩色模型，对于铁轨中心线两侧10cm以内的点，找到该点到铁轨中心线上距离最近的点，计算两点之间的高程差DH，并对高程差进行赋色，若DH<2cm，赋值为红色；DH>＝2cm且DH<5cm，赋值为黄色；DH>＝5cm赋值为白色。将所有点按照颜色绘制，得到高程差伪彩色模型，基于高程差伪彩色模型对提取的铁轨中心线复核检查，可以辅助人工快速进行中心线提取效果的检测。
通过高程差伪彩色模型可以直观地目测到提取的铁轨中心线是否在铁路轨面中心，人工目视检核较为方便，可轻松检验出提取结果是否有误差。
另一方面，本申请还提供了一种基于无人机激光雷达点云的铁轨中心线提取系统，该系统包括点云数据获取模块、分段模块与中心线生成模块；其中，
所述点云数据获取模块，用于采集并输出铁路轨道区域的点云数据；
所述分段模块，用于在铁路轨道起点处划分一个包含两条轨道第一矩形空间，并沿着铁路轨道自适应生成下一个矩形空间，直至铁路轨道全部被划分进矩形空间内，并输出若干个包括两条铁路轨道的矩形空间；
中心线生成模块，用于对所述每个矩形空间分别进行点云数据提取，以得到若干段铁轨面中心线，并将若干段铁轨面中心线进行拼接得到并输出最终的铁轨中心线。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统(包括分子存储器IC)，或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random AccessMemory，RAM)、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于无人机激光雷达点云的铁轨中心线提取方法，其特征在于，包括：
采集铁路轨道区域的点云数据；
在铁路轨道起点处划分一个包含两条轨道第一矩形空间，对所述第一矩形空间进行点云数据提取，分别得到两条轨道上的若干个点云坐标，通过最小二乘法将若干个点云坐标拟合为所述两条轨道所对应的直线表达式，计算得到若干段铁轨面中心线，并进行铁轨中心线拟合检验；
沿着铁路轨道自适应生成下一个矩形空间，并进行提取该段铁路的铁轨面中心线，重复此步骤，直至铁路轨道全部被划分进矩形空间内；
将生成的若干段铁轨面中心线进行拼接得到最终的铁轨中心线。
2.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述在铁路轨道起点处划分一个包含两条轨道矩形空间，具体包括：
选定轨道的初始点，所述初始点为铁路轨道起始段铁轨面的中心点；
确定初始方向为第一方向，所述第一方向为铁路轨道的延伸方向；
指定分段距离Dis，Dis即为所述第一矩形空间的第一方向上的边长。
3.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述第一矩形空间的第二方向上的边长设置为Wid，Wid等于铁路轨道的宽度，其中，所述第二方向与第一方向垂直；
其中，所述下一个矩形空间的初始点与上一个矩形空间的结束点重合。
4.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述每个矩形空间分别进行点云数据提取，具体包括：
将所述每个矩形空间中的点云数据选出，对于若干个矩形空间中的第一矩形空间，找出第一矩形空间中点云数据的最低点，计算每个点云数据相对于最低点的垂直距离，得到每个点云坐标的相对高程；
将相对高程大于预设的相对高程阈值的点云数据，且位于铁路轨道的第一方向上的点云数据选出，作为铁轨面点云。
5.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，所述铁轨中心线拟合检验具体包括：
根据所述铁轨面中心线生成第一方向上边长为Dis，第二方向上边长为Wid的第二矩形空间；
若第一矩形空间与第二矩形空间的重合率低于95％，则将第一矩形空间调整为第二矩形空间覆盖的区域，重新进行点云数据提取。
6.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，还包括基于分段纵断面对所述铁轨中心线进行检测：
以每个矩形空间中的铁轨所在的第二方向为横轴，高程为纵轴，将铁轨中心线10cm内的点进行绘制，得到铁轨中心线的纵断面结果，对铁轨中心线的纵断面结果进行分析，以定位高程异常的坐标点。
7.如权利要求1所述的基于无人机激光雷达点云的铁轨中心线提取方法，其中，还包括，构建高程差伪彩色模型，对于所述铁轨中心线两侧10cm以内的点，找到该点到所述铁轨中心线上距离最近的点，计算两点之间的高程差，并对高程差进行赋色，得到高程差伪彩色模型，基于高程差伪彩色模型对提取的铁轨中心线复核检查。
8.一种基于无人机激光雷达点云的铁轨中心线提取系统，其特征在于，包括点云数据获取模块、分段模块与中心线生成模块；其中，
所述点云数据获取模块，用于采集并输出铁路轨道区域的点云数据；
所述分段模块，用于在铁路轨道起点处划分一个包含两条轨道第一矩形空间，并沿着铁路轨道自适应生成下一个矩形空间，直至铁路轨道全部被划分进矩形空间内，并输出若干个包括两条铁路轨道的矩形空间；
中心线生成模块，用于对所述每个矩形空间分别进行点云数据提取，以得到若干段铁轨面中心线，并将若干段铁轨面中心线进行拼接得到并输出最终的铁轨中心线。
9.一种电子设备，其特征在于，包括至少一个处理单元、以及至少一个存储单元，其中，所述存储单元存储有计算机程序，当所述计算机程序被所述处理单元执行时，使得所述处理单元执行权利要求1～7任一项所述方法的步骤。
10.一种存储介质，其特征在于，其存储有可由电子设备执行的计算机程序，当所述计算机程序在电子设备上运行时，使得所述电子设备执行权利要求1～7任一项所述方法的步骤。
CN202310682772.7A 2023-06-08 2023-06-08 一种基于无人机激光点云的铁轨中心线提取方法及系统 Active CN116862976B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310682772.7A CN116862976B (zh) 2023-06-08 2023-06-08 一种基于无人机激光点云的铁轨中心线提取方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310682772.7A CN116862976B (zh) 2023-06-08 2023-06-08 一种基于无人机激光点云的铁轨中心线提取方法及系统

Publications (2)

Publication Number Publication Date
CN116862976A true CN116862976A (zh) 2023-10-10
CN116862976B CN116862976B (zh) 2024-04-02

Family

ID=88233053

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310682772.7A Active CN116862976B (zh) 2023-06-08 2023-06-08 一种基于无人机激光点云的铁轨中心线提取方法及系统

Country Status (1)

Country Link
CN (1) CN116862976B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070276599A1 (en) * 2006-05-23 2007-11-29 Denso Corporation Lane marker recognition apparatus
CN108267116A (zh) * 2017-12-15 2018-07-10 中公高科养护科技股份有限公司 一种基于路面三维数据的路面错台检测方法及装置
CN110490918A (zh) * 2019-07-12 2019-11-22 中铁第六勘察设计院集团有限公司 基于三维激光扫描技术的既有铁路道岔岔心提取方法
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
CN110728689A (zh) * 2019-11-29 2020-01-24 中铁第六勘察设计院集团有限公司 一种基于点云数据的既有铁路中线提取方法
CN110889861A (zh) * 2019-11-15 2020-03-17 广州供电局有限公司 一种电力杆塔点云提取方法
CN111199064A (zh) * 2019-11-22 2020-05-26 中煤科工集团武汉设计研究院有限公司 一种地铁轨道面三维中心线生成方法
CN112233233A (zh) * 2020-10-15 2021-01-15 首都师范大学 一种隧道相对点云数据的三维线形恢复方法
CN113870123A (zh) * 2021-08-19 2021-12-31 中国铁路设计集团有限公司 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
CN114092500A (zh) * 2020-07-31 2022-02-25 沈阳智能机器人创新中心有限公司 一种多目视觉下的导管中心线点云处理方法
CN114240916A (zh) * 2021-12-22 2022-03-25 中国铁道科学研究院集团有限公司 钢轨外观状态的多偏振光点云数据融合方法及装置
CN114379598A (zh) * 2022-01-26 2022-04-22 株洲时代电子技术有限公司 一种铁路综合巡检系统
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
CN116182795A (zh) * 2023-04-27 2023-05-30 中国铁路设计集团有限公司 普速铁路纵断面精密测量方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070276599A1 (en) * 2006-05-23 2007-11-29 Denso Corporation Lane marker recognition apparatus
CN108267116A (zh) * 2017-12-15 2018-07-10 中公高科养护科技股份有限公司 一种基于路面三维数据的路面错台检测方法及装置
CN110490918A (zh) * 2019-07-12 2019-11-22 中铁第六勘察设计院集团有限公司 基于三维激光扫描技术的既有铁路道岔岔心提取方法
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
CN110889861A (zh) * 2019-11-15 2020-03-17 广州供电局有限公司 一种电力杆塔点云提取方法
CN111199064A (zh) * 2019-11-22 2020-05-26 中煤科工集团武汉设计研究院有限公司 一种地铁轨道面三维中心线生成方法
CN110728689A (zh) * 2019-11-29 2020-01-24 中铁第六勘察设计院集团有限公司 一种基于点云数据的既有铁路中线提取方法
CN114092500A (zh) * 2020-07-31 2022-02-25 沈阳智能机器人创新中心有限公司 一种多目视觉下的导管中心线点云处理方法
CN112233233A (zh) * 2020-10-15 2021-01-15 首都师范大学 一种隧道相对点云数据的三维线形恢复方法
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
CN113870123A (zh) * 2021-08-19 2021-12-31 中国铁路设计集团有限公司 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
CN114240916A (zh) * 2021-12-22 2022-03-25 中国铁道科学研究院集团有限公司 钢轨外观状态的多偏振光点云数据融合方法及装置
CN114379598A (zh) * 2022-01-26 2022-04-22 株洲时代电子技术有限公司 一种铁路综合巡检系统
CN116182795A (zh) * 2023-04-27 2023-05-30 中国铁路设计集团有限公司 普速铁路纵断面精密测量方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
YUHUI ZHOU等: "Railway Tunnel Clearance Inspection Method Based on 3D Point Cloud from Mobile Laser Scanning", 《SENSORS》, vol. 17, pages 1 - 20 *
孙宝融: "巴黎―里昂新线的设计研究方法", 《中国铁路》, no. 12, pages 1 - 9 *
张匡宇等: "基于点云数据的铁路轨道线形提取方法研究", 《山西建筑》, vol. 48, no. 10, pages 181 - 183 *
张建财: "基于移动扫描测量系统的铁路线路智能检测及应用方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 02, pages 033 - 110 *
许磊等: "基于移动激光点云的轨道中线自动检测", 《铁道勘察》, no. 6, pages 1 - 6 *

Also Published As

Publication number Publication date
CN116862976B (zh) 2024-04-02

Similar Documents

Publication Publication Date Title
US9384399B2 (en) Method and system for processing image data obtained from scanning a network infrastructure
CN112406965B (zh) 一种提高列车定位安全性的方法及系统
Gikas et al. A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior
CN110837539B (zh) 一种铁路电子地图构建方法及电子地图位置匹配方法
KR101456556B1 (ko) 실측자료를 이용한 도로 자동 도면화 방법
JP2016217084A (ja) 路面状況計測システム、路面状況計測方法並びに路面状況計測プログラム
Garach et al. Mathematical formulation and preliminary testing of a spline approximation algorithm for the extraction of road alignments
CN102012964B (zh) 激光扫描的采样数据的处理方法和装置
CN116862976B (zh) 一种基于无人机激光点云的铁轨中心线提取方法及系统
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
CN109470206A (zh) 应用于隧道测量的三维激光扫描系统
Shamayleh et al. Utilization of LiDAR technology for highway inventory
JP6947699B2 (ja) 情報処理装置および点群位置補正方法、ならびにプログラム
CN112085034A (zh) 一种基于机器视觉的轨道交通列车定位方法及系统
CN111583257B (zh) 铁路限界异物侵入检测方法、装置及系统
Deshpande et al. Modeling Rollers Using Terrestrial Lidar Points in a Hot-Rolling Steel Mill
CN117093808B (zh) 一种基于整体最小二乘法的轨道岔心提取方法及系统
Burdziakowski et al. Framework for extracting rails and setting-out railway line axis based on UAV photogrammetric measurements
Teo et al. Reconstruction of complex buildings using LIDAR and 2D maps
Deshpande et al. Semi-Automated Roller Parameters Extraction from Terrestrial Lidar
CN114036255B (zh) 一种高精地图数据检验方法、装置和设备
CN116907350B (zh) 单开道岔几何形位测量方法、装置、电子设备及存储介质
CN114485681B (zh) 一种利用dr轨迹评价中精度地图数据一致率的方法
CN117744225A (zh) 桥梁图纸快速生成方法
Pastucha Point cloud classification and track centre determination in point cloud collected by MMS on rail

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