CN116907350A - 单开道岔几何形位测量方法、装置、电子设备及存储介质 - Google Patents

单开道岔几何形位测量方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN116907350A
CN116907350A CN202311182858.XA CN202311182858A CN116907350A CN 116907350 A CN116907350 A CN 116907350A CN 202311182858 A CN202311182858 A CN 202311182858A CN 116907350 A CN116907350 A CN 116907350A
Authority
CN
China
Prior art keywords
point cloud
cloud data
turnout
point
coordinates
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
CN202311182858.XA
Other languages
English (en)
Other versions
CN116907350B (zh
Inventor
李俊波
沈鹍
王东妍
吴霞
李娟�
樊涛
刘俊
郝贵才
李林
任京楠
杨一玎
郭心全
李亚峰
姜帅
杨超凡
余亮
裴亚林
张金星
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 Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology Co Ltd
Original Assignee
China Academy of Railway Sciences Corp Ltd CARS
Institute of Computing Technologies of CARS
Beijing Jingwei Information Technology 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 Academy of Railway Sciences Corp Ltd CARS, Institute of Computing Technologies of CARS, Beijing Jingwei Information Technology Co Ltd filed Critical China Academy of Railway Sciences Corp Ltd CARS
Priority to CN202311182858.XA priority Critical patent/CN116907350B/zh
Publication of CN116907350A publication Critical patent/CN116907350A/zh
Application granted granted Critical
Publication of CN116907350B publication Critical patent/CN116907350B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • BPERFORMING OPERATIONS; TRANSPORTING
    • B61RAILWAYS
    • B61KAUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08Measuring installations for surveying permanent way
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/10Pre-processing; Data cleansing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/21Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/042Knowledge-based neural networks; Logical representations of neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02ATECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Mechanical Engineering (AREA)
  • Machines For Laying And Maintaining Railways (AREA)

Abstract

本发明提供一种单开道岔几何形位测量方法、装置、电子设备及存储介质,涉及铁路交通管理技术领域,单开道岔几何形位测量方法包括获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值,实现单开道岔几何形位参数无接触式测量,可以使道岔结构的几何形位信息全面、整体地呈现,并且,可以提升单开道岔关键几何形位参数提取效率和识别精确性。

Description

单开道岔几何形位测量方法、装置、电子设备及存储介质
技术领域
本发明涉及铁路交通管理技术领域,尤其涉及一种单开道岔几何形位测量方法、装置、电子设备及存储介质。
背景技术
道岔作为铁路轨道结构的重要组成部分,是引导列车进路和实现进路转换的关键设备,其集成了轨道结构中的各项薄弱环节,道岔结构的几何形位精确检测是一项直接影响铁路安全与稳定运营的重要工作。传统的道岔几何形位大多是依靠轨距尺、弦线、轨距测量仪等进行人工操作测量,这类测量方法具有较高的测量精度,但是存在耗时、耗工、经验依赖、随机性强等缺点,并且,由于测量点位有限,无法对道岔结构全面的几何形位信息进行全面、整体地呈现、分析与识别,而获取多个测量点又会耗费大量人力和时间,并且测量效率低。
发明内容
本发明提供一种单开道岔几何形位测量方法、装置、电子设备及存储介质,用以解决传统基于人工的道岔几何形位测量方法无法对道岔结构全面的几何形位信息进行精确识别,并且测量效率低的缺陷。
本发明提供一种单开道岔几何形位测量方法,包括:
获取单开道岔点云数据;
从所述单开道岔点云数据中提取单开道岔钢轨结构;
根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;
对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
根据本发明提供的一种单开道岔几何形位测量方法,所述从所述单开道岔点云数据中提取单开道岔钢轨结构,包括:
将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致;
在坐标一致情况下,对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪;
将裁剪后的每个点位获取的单开道岔点云数据进行合并;
从合并后的点云数据中提取单开道岔钢轨结构。
根据本发明提供的一种单开道岔几何形位测量方法,将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致,包括:
计算用于展示单开道岔点云数据的CAD图元坐标系向CPIII平面控制网坐标系转换的坐标旋转矩阵和平移矩阵;
根据所述坐标旋转矩阵和平移矩阵将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致。
根据本发明提供的一种单开道岔几何形位测量方法,所述对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪,包括:
获取裁剪框各个顶点的坐标;
将裁剪框各个顶点的坐标输入凸包模型中以构建凸包;
对每个点位上获取的单开道岔点云数据依据所述凸包进行ConvexHull滤波得到裁剪后的点云数据。
根据本发明提供的一种单开道岔几何形位测量方法,从合并后的点云数据中提取单开道岔钢轨结构后,还包括:
随机选取合并后的点云数据的任一点作为中心点,计算点云数据中每个点到中心点的平均距离,得到点云数据中所有点的距离对应的高斯分布;
根据高斯分布的方差,剔除方差不满足要求的点,以对合并后的点云数据进行滤波去噪。
根据本发明提供的一种单开道岔几何形位测量方法,所述从合并后的点云数据中提取单开道岔钢轨结构,包括:
将滤波去噪后的点云数据输入图卷积网络模型,得到单开道岔所在路段的钢轨结构,其中,图卷积网络模型根据单开道岔所在路段的钢轨结构样本数据训练得到,所述图卷积网络模型的特征解码隐藏层神经元数量为256×256,特征分类输出层为2。
根据本发明提供的一种单开道岔几何形位测量方法,所述获取单开道岔点云数据通过布置在预设点位的激光雷达获取,预设点位的坐标计算方法包括:
依据单开道岔的聚焦区域以及激光雷达的型号参数确定激光雷达的布设点位;
根据高速铁路CPIII平面控制网中CPIII桩点平面坐标以及激光雷达布设点位距CPIII桩点的距离和方向计算出CPIII布设点位的坐标。
本发明还提供一种单开道岔几何形位测量装置,包括:
获取模块,用于获取单开道岔点云数据;
第一提取模块,用于从所述单开道岔点云数据中提取单开道岔钢轨结构;
标定模块,用于根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;
第二提取模块,用于对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述的单开道岔几何形位测量方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述的单开道岔几何形位测量方法。
本发明提供的单开道岔几何形位测量方法、装置、电子设备及存储介质,通过获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值,实现单开道岔几何形位参数无接触式测量,可以使道岔结构的几何形位信息全面、整体地呈现,并且,可以提升单开道岔关键几何形位参数提取效率和识别精确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本发明提供的单开道岔几何形位测量方法的流程示意图之一;
图2是本发明提供的激光扫描仪点位布置示意图;
图3是本发明提供的单开道岔几何形位测量方法的流程示意图之二;
图4是本发明提供的单开道岔点云数据裁剪流程图;
图5是本发明提供的裁剪合并后道岔点云图;
图6是本发明提供的改进的DGCNN网络架构图;
图7是本发明提供的基于DGCNN提取的道岔钢轨结构示意图;
图8(a)是本发明提供的直轨轨距测量位置示意图;
图8(b)是本发明提供的曲轨轨距测量位置示意图;
图9是本发明提供的分割后的道岔点云示意图;
图10是本发明提供的单开道岔几何形位测量装置的结构示意图;
图11是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
图1为本发明实施例提供的单开道岔几何形位测量方法的流程图,如图1所示,本发明实施例提供的单开道岔几何形位测量方法包括:
步骤101、获取单开道岔点云数据;
在本发明实施例中,获取单开道岔点云数据通过布置在预设点位的激光雷达获取,预设点位的坐标计算方法包括:
依据单开道岔的聚焦区域以及激光雷达的型号参数确定激光雷达的布设点位;
根据高速铁路CPIII平面控制网中CPIII桩点平面坐标以及激光雷达布设点位距CPIII桩点的距离和方向计算出CPIII布设点位的坐标。
步骤102、从单开道岔点云数据中提取单开道岔钢轨结构;
步骤103、根据待测量的几何形位指标对单开道岔钢轨结构进行关键部位标定;
在本发明实施例中,在已完成道岔结构三维点云数据坐标转换与钢轨结构提取基础上,获取待测量的几何形位指标,基于几何先验信息实现对钢轨结构的关键部位进行准确标定,可以精确获取待测几何形位指标对应的点云数据,提升测量准确性。
步骤104、对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
在本发明实施例中,依据道岔所需测量的不同结构参数,如轨距、高低、轨向、水平、查照间隔、护背距离等,对钢轨结构相应坐标信息进行标定,以便于后续点云处理。基于标定信息,能够极大程度上缩小不同道岔结构特征参数提取的点云范围,以及能够提高点云结构特征参数提取的准确性。
在本发明一些实施例中,在进行点云采集前,需调整激光扫描仪的水平、方向以及设置原点坐标参数。对单个点位而言,激光雷达扫描的核心区域应对准单开道岔的聚焦区域,单开道岔的聚焦区域一般为道岔中间位置,激光雷达扫描的核心区域与激光雷达的性能参数密切相关,以型号为Trimble SX10的激光扫描仪参数为例,其测距精度为1mm+1.5ppm,测距量程为600m,测角精度为1'',考虑到实际道岔测量记录的精度为毫米级或亚毫米级,根据参数可知其测距精度满足要求,但要满足点云间距为1mm,则其最大量程为m,本例中取核心扫描区域范围为2m~160m,可同时满足测距和点云密度要求。以9号单开道岔几何形位测量为例,共有C1、C2、C3、C4四个点位,其中各个点位激光扫描仪核心区域覆盖范围如图2所示,最大半径R=160m,由图中可见激光扫描仪核心区域对道岔结构进行了全面覆盖。
道岔铺轨所依据的是CPIII平面控制网,因此可根据CPIII桩点平面坐标以及激光扫描仪布设点位距桩点的距离和方向计算出布设点位的坐标。
在综合考虑测站式激光雷达的自身特性与优势的前提下,为尽量提高道岔结构三维点云数据质量,重点关注采样精度、点云覆盖度、采样时长等因素,采用上述单开道岔结构三维点云数据采集方案,实现了道岔结构三维数据精确化、快速化的获取。
传统的道岔几何形位大多是依靠轨距尺、弦线、轨距测量仪等进行人工操作测量,这类测量方法具有较高的测量精度,但是存在耗时、耗工、经验依赖、随机性强等缺点,并且,由于测量点位有限,无法对道岔结构全面的几何形位信息进行全面、整体地呈现、分析与识别,而获取多个测量点又会耗费大量人力和时间,并且测量效率低。
本发明实施例提供的单开道岔几何形位测量方法通过获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值,实现单开道岔几何形位参数无接触式测量,可以使道岔结构的几何形位信息全面、整体地呈现,并且,可以提升单开道岔关键几何形位参数提取效率和识别精确性。
基于上述任一实施例,如图3所示,从所述单开道岔点云数据中提取单开道岔钢轨结构,包括:
步骤301、将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致;
在本发明实施例中,将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致,包括:
步骤3011、计算用于展示单开道岔点云数据的CAD图元坐标系向CPIII平面控制网坐标系转换的坐标旋转矩阵和平移矩阵;
步骤3012、根据坐标旋转矩阵和平移矩阵将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致。
由于CAD设计软件自身含有坐标系统,因此需要调整CAD图元的坐标系统与平面控制网坐标相一致。即已知CPIII平面控制网坐标系和CAD图元坐标系/>,找出对应结构在不同坐标系上的三对或三对以上的点,分别记作/>、/>、/>…,根据这些点计算/>到/>的坐标旋转矩阵/>和平移矩阵/>,其满足以下式(1)~(4):
(1)
(2)
(3)
(4)
其中为坐标系缩放比例,默认为1。/>、/>、/>分别为坐标系在/>、/>、/>轴方向的平移量。/>为反对称矩阵,/>、/>、/>为未知变量,根据旋转矩阵的特性可用反对称矩阵进行如式(4)所示构造得到。代入相应点对,求解以上方程组即可得到旋转矩阵/>和平移矩阵/>
本实施例选取对应点对,依据以上(1)~(4)式编写代码计算得到旋转矩阵/>、/>。后续对于从CAD坐标系中得到的每个点/>需进行如下式(5)处理:
(5)
其中为转换得到的在坐标系/>中的点。
本发明实施例,为实现道岔结构三维点云数据与实际建造坐标体系进行统一,利用CAD图元信息、基于几何先验信息与实际点云特征,采用平移矩阵与旋转矩阵计算方法,实现道岔三维点云数据向真实坐标系快速化精确转化,为后续测量提供数据基础。
步骤302、在坐标一致情况下,对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪,裁剪后的点云能够满足道岔结构测量精度要求。
在本发明实施例中,对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪,包括:
步骤3021、获取裁剪框各个顶点的坐标;
在本发明实施例中,依据激光扫描仪的核心扫描区域以及钢轨区域确定裁剪框各个顶点的坐标。
步骤3022、将裁剪框各个顶点的坐标输入凸包模型中以构建凸包;
步骤3023、对每个点位上获取的单开道岔点云数据依据所述凸包进行ConvexHull滤波得到裁剪后的点云数据。
在本发明实施例中,裁剪所用算法为开源点云处理库PCL中的凸包滤波ConvexHull,该算法工作原理包括:输入一个包含凸多边形各个顶点坐标的向量以及点云处理对象,设置凸包维度,执行凸包算法,得到滤波后的点云对象,具体流程如图4所示。首先在CAD设计图中绘制道岔的裁剪范围,确定裁剪的x和y轴坐标范围;基于此坐标范围对输入的点云进行裁剪,得到单个点位裁剪后的道岔点云。图中ABCD为裁剪框四个顶点,通过CAD可以方便读取出各个顶点的坐标,将这些坐标输入凸包算法中以构建凸包,随后进行ConvexHull滤波得到裁剪后的点云,裁剪后的点云能够满足道岔测量精度的要求。
在本发明实施例中,使用凸包滤波ConvexHull方法对单开道岔点云数据进行滤波,可以减少点云数量与道岔外异常点,缩小检测范围。
步骤303、将裁剪后的每个点位获取的单开道岔点云数据进行合并;
由于不同点位的裁剪点云坐标系一致,因此不需要进行多幅点云的配准工作,可利用PCL中的点云数据拼接功能对这些裁剪点云进行简单合并,形成一个整体的点云空间,合并后的点云密度增大,精度增加。
在本发明实施例中,从合并后的点云数据中提取单开道岔钢轨结构后,还包括:
随机选取合并后的点云数据的任一点作为中心点,计算点云数据中每个点到中心点的平均距离,得到点云数据中所有点的距离对应的高斯分布;
根据高斯分布的方差,剔除方差不满足要求的点,以对合并后的点云数据进行滤波去噪。
在本发明实施例中,利用PCL中的高斯滤波算法,考虑到离群点的特征,则可以定义某处点云小于某个密度则点云无效,随机中心点取样,计算每个点到其中心点最近的k个点平均距离,则点云中所有点的距离应构成高斯分布,根据均值与方差,可剔除/>之外的点,完成滤波去噪,最终得到道岔点云图像如图5所示。
步骤304、从合并后的点云数据中提取单开道岔钢轨结构。
在本发明实施例中,从合并后的点云数据中提取单开道岔钢轨结构,包括:
将滤波去噪后的点云数据输入图卷积网络模型,得到单开道岔所在路段的钢轨结构,其中,图卷积网络模型根据单开道岔所在路段的钢轨结构样本数据训练得到,该图卷积网络模型的特征解码隐藏层神经元数量为256×256,特征分类输出层为2。
在本发明实施例中,为避免无关结构影响道岔关键点位的点云选取,如图6所示,在图卷积网络框架基础上,将网络的特征解码隐藏层神经元数量削减(由512×512×128变为256×256×2),有效减少了神经元数量,提升了网络的轻量化程度,减少了网络训练和计算的时间,同时修改网络的特征输出(由n*n变为n*2),使其更适应于二次分类任务,对道岔点云场景中的钢轨和背景两种元素进行语义分割,为之后的钢轨特征提取奠定基础。
基于上述任一实施例,以轨距测量为例,如图7所示,提取到钢轨结构,依据人工对道岔进行测量的常见的点位对道岔设计图进行标定,如图8(a)、8(b)所示,图中加粗线段所在位置即为轨距测量位置,其中加粗线段与直轨和曲轨的上侧钢轨线段的交点坐标为测量支点坐标,记为。对图中所截取的点云进行轨距提取,具体步骤如下:
Step1:在单开道岔钢轨结构中标定轨距测量指标对应的点云数据,得到单开道岔钢轨结构多个位置的裁剪坐标集合,记为,其中/>表示第/>个位置上的裁剪点云。每个/>包括轨距测量支点坐标/>、标注线段起始点坐标/>、标注线段终止点坐标/>,每个/>均只有/>坐标和/>坐标。对每个/>以/>为旋转中心,在原有标注线段的基础上进行/>旋转,旋转步长为/>,得到60组/>(每组/>均相同,/>由旋转计算得到)。
由于点云数据可能会存在缺失情况,因此,在原有标注线段的基础上进行旋转,旋转步长为/>,得到60组数据,弥补点云数据缺失带来的数据不足问题。
Step2:对于每组切割线段,将其延伸为z坐标无限大,宽度为2mm的分割体对输入的道岔点云进行分割,得到分割后中的点云,记为/>,如图9所示。
在图8中可直观显示出有关轨距参数策略所需的钢轨点云数据。
Step3:对于每个分割点云,取其中与/>的/>坐标和/>坐标相等的点群中z坐标最大的点为钢轨顶面参考点,记为/>,在参考点z坐标以下16mm处的水平面即为轨距测量面/>
依据行业标准(钢轨顶面以下16mm处),确定测量所在平面,可以保证测量结果更准确。
Step4:将轨距测量面沿z轴延伸为厚度为2mm的轨距分割体,用该分割体对分割点云/>进一步分割得到包含多簇点的集合/>,其中不同簇依据点间距是否小于/>进行分类,/>表示第/>簇点。
由于钢轨通过立柱架设于地面之上,每个测量段内钢轨包括4个立柱,因此,在对测量平面进行分割后,可以获取到钢轨的4组簇点。在这4组簇点中,位于同一侧的立柱对应距离较近,而位于钢轨两侧的立柱之间的距离较远,因此,通过不同簇依据点间距是否小于进行分类,可以筛选并剔除掉同侧簇点。
Step5:设包含与的/>坐标和/>坐标相等的点的那簇点为/>,计算其余簇与中的点的最短距离/>,其中/>为第n簇与/>的最短距离。取中最接近1435mm的距离为测量的轨距,记为/>
通过测量对侧簇点之间的最短距离,可以找到两侧位置直线对应立柱,从而根据两侧位置直线对应立柱簇点获取得到轨距的参数指标值。
Step6:重复Step2~Step5,得到60组切割线段下测得的轨距/>,取其中的最小值为该轨距测量位置处的轨距,记为/>
至此,单个位置的轨距测量算法结束,对于不同轨距测量位置只需重复以上步骤Step1~Step6即可,得到不同轨距测量位置下的轨距/>
本发明实施例提供的单开道岔几何形位测量方法,充分发挥了激光扫描能高效、全面、准确获取扫描目标空间几何信息的技术优势,创新性地提出了激光扫描数据在道岔几何形位测量上的处理思路及方法,实现快速而准确地获取道岔几何形位信息。
下面对本发明提供的单开道岔几何形位测量装置进行描述,下文描述的单开道岔几何形位测量装置与上文描述的单开道岔几何形位测量方法可相互对应参照。
图10为本发明实施例提供的单开道岔几何形位测量装置的示意图,如图10所示,本发明实施例提供的单开道岔几何形位测量装置包括:
获取模块1001,用于获取单开道岔点云数据;
第一提取模块1002,用于从所述单开道岔点云数据中提取单开道岔钢轨结构;
标定模块1003,用于根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;
第二提取模块1004,用于对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
本发明实施例提供的单开道岔几何形位测量装置通过获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值,实现单开道岔几何形位参数无接触式测量,可以使道岔结构的几何形位信息全面、整体地呈现,并且,可以提升单开道岔关键几何形位参数提取效率和识别精确性。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述的单开道岔几何形位测量方法。
图11示例了一种电子设备的实体结构示意图,如图11所示,该电子设备可以包括:处理器(processor)1110、通信接口(Communications Interface)1120、存储器(memory)1130和通信总线1140,其中,处理器1110,通信接口1120,存储器1130通过通信总线1140完成相互间的通信。处理器1110可以调用存储器1130中的逻辑指令,以执行单开道岔几何形位测量方法,该方法包括:获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
此外,上述的存储器1130中的逻辑指令可以通过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介质中。基于这样的理解,本发明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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的单开道岔几何形位测量方法,该方法包括:获取单开道岔点云数据;从单开道岔点云数据中提取单开道岔钢轨结构;根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
以上所描述的装置实施例仅仅是示意性的,其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种单开道岔几何形位测量方法,其特征在于,包括:
获取单开道岔点云数据;
从所述单开道岔点云数据中提取单开道岔钢轨结构;
根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;
对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
2.根据权利要求1所述的单开道岔几何形位测量方法,其特征在于,所述从所述单开道岔点云数据中提取单开道岔钢轨结构,包括:
将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致;
在坐标一致情况下,对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪;
将裁剪后的每个点位获取的单开道岔点云数据进行合并;
从合并后的点云数据中提取单开道岔钢轨结构。
3.根据权利要求2所述的单开道岔几何形位测量方法,其特征在于,将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致,包括:
计算用于展示单开道岔点云数据的CAD图元坐标系向CPIII平面控制网坐标系转换的坐标旋转矩阵和平移矩阵;
根据所述坐标旋转矩阵和平移矩阵将用于展示单开道岔点云数据的CAD图元坐标调整为与单开道岔在CPIII平面控制网坐标一致。
4.根据权利要求2所述的单开道岔几何形位测量方法,其特征在于,所述对每个点位上获取的单开道岔点云数据进行边缘重合数据裁剪,包括:
获取裁剪框各个顶点的坐标;
将裁剪框各个顶点的坐标输入凸包模型中以构建凸包;
对每个点位上获取的单开道岔点云数据依据所述凸包进行ConvexHull滤波得到裁剪后的点云数据。
5.根据权利要求2所述的单开道岔几何形位测量方法,其特征在于,从合并后的点云数据中提取单开道岔钢轨结构后,还包括:
随机选取合并后的点云数据的任一点作为中心点,计算点云数据中每个点到中心点的平均距离,得到点云数据中所有点的距离对应的高斯分布;
根据高斯分布的方差,剔除方差不满足要求的点,以对合并后的点云数据进行滤波去噪。
6.根据权利要求5所述的单开道岔几何形位测量方法,其特征在于,所述从合并后的点云数据中提取单开道岔钢轨结构,包括:
将滤波去噪后的点云数据输入图卷积网络模型,得到单开道岔所在路段的钢轨结构,其中,图卷积网络模型根据单开道岔所在路段的钢轨结构样本数据训练得到,所述图卷积网络模型的特征解码隐藏层神经元数量为256×256,特征分类输出层为2。
7.根据权利要求1所述的单开道岔几何形位测量方法,其特征在于,所述获取单开道岔点云数据通过布置在预设点位的激光雷达获取,预设点位的坐标计算方法包括:
依据单开道岔的聚焦区域以及激光雷达的型号参数确定激光雷达的布设点位;
根据高速铁路CPIII平面控制网中CPIII桩点平面坐标以及激光雷达布设点位距CPIII桩点的距离和方向计算出CPIII布设点位的坐标。
8.一种单开道岔几何形位测量装置,其特征在于,包括:
获取模块,用于获取单开道岔点云数据;
第一提取模块,用于从所述单开道岔点云数据中提取单开道岔钢轨结构;
标定模块,用于根据待测量的几何形位指标对所述单开道岔钢轨结构进行关键部位标定;
第二提取模块,用于对标定的关键部位点云数据进行特征提取得到待测量的几何形位指标值。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述的单开道岔几何形位测量方法。
10.一种非暂态可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述的单开道岔几何形位测量方法。
CN202311182858.XA 2023-09-14 2023-09-14 单开道岔几何形位测量方法、装置、电子设备及存储介质 Active CN116907350B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311182858.XA CN116907350B (zh) 2023-09-14 2023-09-14 单开道岔几何形位测量方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311182858.XA CN116907350B (zh) 2023-09-14 2023-09-14 单开道岔几何形位测量方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116907350A true CN116907350A (zh) 2023-10-20
CN116907350B CN116907350B (zh) 2023-12-15

Family

ID=88355121

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311182858.XA Active CN116907350B (zh) 2023-09-14 2023-09-14 单开道岔几何形位测量方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116907350B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105526882A (zh) * 2015-12-28 2016-04-27 西南交通大学 基于结构光测量的道岔磨耗检测系统及其检测方法
US20190156569A1 (en) * 2017-11-17 2019-05-23 Thales Canada, Inc. Point cloud rail asset data extraction
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
CN110736999A (zh) * 2019-10-24 2020-01-31 北京交通大学 基于激光雷达的铁路道岔检测方法
CN110986878A (zh) * 2019-12-03 2020-04-10 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
CN112461299A (zh) * 2020-12-02 2021-03-09 中国铁道科学研究院集团有限公司 道岔区段轨道特征识别方法及装置
CN115601558A (zh) * 2022-10-24 2023-01-13 吉林大学(Cn) 单开道岔状态检测系统及检测方法、半自动数据标注方法
CN116681912A (zh) * 2023-05-09 2023-09-01 中国国家铁路集团有限公司 铁路道岔的轨距检测方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105526882A (zh) * 2015-12-28 2016-04-27 西南交通大学 基于结构光测量的道岔磨耗检测系统及其检测方法
US20190156569A1 (en) * 2017-11-17 2019-05-23 Thales Canada, Inc. Point cloud rail asset data extraction
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
CN110736999A (zh) * 2019-10-24 2020-01-31 北京交通大学 基于激光雷达的铁路道岔检测方法
CN110986878A (zh) * 2019-12-03 2020-04-10 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
CN112461299A (zh) * 2020-12-02 2021-03-09 中国铁道科学研究院集团有限公司 道岔区段轨道特征识别方法及装置
CN115601558A (zh) * 2022-10-24 2023-01-13 吉林大学(Cn) 单开道岔状态检测系统及检测方法、半自动数据标注方法
CN116681912A (zh) * 2023-05-09 2023-09-01 中国国家铁路集团有限公司 铁路道岔的轨距检测方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
占栋;于龙;肖建;卢明舫: "钢轨轮廓全断面检测中轨廓动态匹配方法研究", 铁道学报, vol. 37, no. 5, pages 71 - 77 *

Also Published As

Publication number Publication date
CN116907350B (zh) 2023-12-15

Similar Documents

Publication Publication Date Title
CN104897062B (zh) 一种零件异面平行孔形位偏差的视觉测量方法及装置
CN107274417A (zh) 一种基于机载激光点云聚集关系的单木分割方法
JP6179913B2 (ja) 柱状物体抽出方法、柱状物体抽出プログラム、及び柱状物体抽出装置
CN106558096B (zh) 三维点云数据的建模装置、存储介质和电梯导轨建模方法
CN108846888A (zh) 一种古木建筑构件精细尺寸信息自动化提取方法
CN102096072B (zh) 一种城市部件自动化测量方法
Bienert et al. Automatic extraction and measurement of individual trees from mobile laser scanning point clouds of forests
CN105550688A (zh) 点云数据的分类方法及装置
CN113888531B (zh) 混凝土表面缺陷检测方法、装置、电子设备及存储介质
CN115390040B (zh) 一种基于分割几何特征的树林点云枝叶分离方法
CN107292039B (zh) 一种基于小波聚类的uuv巡岸轮廓构建方法
CN112215217A (zh) 模拟医师阅片的数字图像识别方法及装置
CN114898118A (zh) 基于多源点云的输电线路房屋拆迁量自动统计方法及系统
CN115546551A (zh) 一种基于深度学习的地理信息提取方法及系统
JP2018097424A (ja) クラスタリング装置、人工物識別装置、幹検出装置、方法、及びプログラム
CN118015609A (zh) 基于深度学习的道路质量无损化检测方法
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
CN114005027A (zh) 一种基于无人机影像的城市单木检测系统及方法
CN117491316A (zh) 一种基于车载LiDAR的道路交通标线逆反射亮度系数检测方法
CN111881964A (zh) 一种基于Delaunay三角网的线性建筑物模式识别方法与系统
CN117035174A (zh) 一种木麻黄单木地上生物量的估算方法与系统
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
CN113344866A (zh) 一种点云综合精度评价方法
CN115272177B (zh) 一种非接触式路面断面信息提取与分析方法
JP2014179016A (ja) データ解析装置、データ解析方法、及びプログラム

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