基于布模拟滤波和支持向量机的隧道三维点云提取算法

针对传统隧道点云提取方法存在先验条件要求较高、参数依赖性较强、通用性较差的问题，提出基于布模拟滤波和支持向量机的隧道三维点云提取算法。介绍隧道三维点云提取算法流程，分析点云数据获取与下采样算法、基于布模拟滤波算法的地面滤波，以及基于支持向量机的隧道点云提取算法，并开展现场验证试验。试验结果表明，基于布模拟滤波和支持向量机的隧道三维点云提取算法，可准确剔除与隧道点云特征不一致的非隧道点云，隧道点云提取具有处理速度快、准确率高、通用性强的特点。但如果隧道中出现大量距离隧道非常接近的物体，且体积较小，该算法会出现较多误判。减少误判是该隧道三维点云提取算法今后的研究方向。     

基于3D移动测量系统点云数据的钢轨信息自动提取方法

为实现铁路基础设施智能化管理运维,利用3D移动测量系统高效获取高精度点云数据,并对点云数据进行智能化处理。钢轨作为铁路基础设施中最基本的单元,是几何参数计算的基础,对其信息进行自动提取具有重要意义。因此,提出了一种基于3D移动测量系统点云数据的钢轨信息自动提取方法。首先利用点云数据中的角度信息快速实现道床区域的分割,有效减小计算量;然后利用精细栅格划分和动态阈值实现地面点与非地面点的分离;最后利用DBSCAN聚类算法与RANSAC算法完成钢轨点云数据的最终提取。为验证该算法的有效性,以国铁场景钢轨点云数据和隧道场景钢轨点云数据为试验对象,验证结果显示国铁场景和隧道场景的钢轨点云提取准确度分别为96.32%和97.54%,完整度分别为92.14%和94.87%,准确度和完整度均高于90%。试验结果表明:该方法具有操作简单,提取结果准确的优点。     

基于点云聚簇的铁路罐车罐体外部孤点自动去除算法研究

采用三维激光扫描法检定铁路罐车罐体时，扫描形成的容积检定点云中可能存在罐体外部孤点，这会影响罐车容积检定的准确性。因此，提出基于点云聚簇的铁路罐车罐体外部孤点自动去除算法。在分析铁路罐车罐体外部孤点特征的基础上，介绍点云聚簇算法流程，阐述去除外部孤点的点云聚簇算法，以及点簇语义类别判定原则，实现铁路罐车容积检定过程中罐体外部孤点的自动去除。分别运用中值滤波器、欧式距离算法和点云聚簇算法，开展G_11K,G_60K和G_70K罐车容积检定过程中原始点云的罐体外部孤点去除试验，并进行对比分析。分析结果表明，与中值滤波器、欧式距离算法相比，点云聚簇算法去除罐体外部孤点效果较好，可为铁路罐车容积检定提供更精确的数据。     

基于TLS数据的站场线路点云提取算法

铁路站场线路几何信息对于铁路安全管理与维护具有重要意义。由于铁路站场内包含多条线路,且轨道错综复杂,使得从大场景点云中自动提取多股道钢轨点云成为难题。地面激光扫描TLS(Terrestrial Laser Scanning)作为非接触式测量手段,可快速获取铁路场景中的海量点云数据。针对TLS技术获取的铁路站场点云数据,提出一种基于Delaunay三角网聚类的多股道钢轨点云提取算法。基于分割-归并的思想,在获取铁路站场高精度点云后,沿站场线路方向将点云分为若干段,基于轨道平顺性特征,利用三角网聚类算法逐段提取钢轨顶面点云。在归并阶段整合站场中各股道轨面点云信息,将各段轨面点云连接起来,同时匹配左右轨面点云。将该方法在玉林站部分站场区域进行实例验证,提取到的轨道点云在对象层面上的总体精度为93.95%,完整度为90.57%,准确度为97.59%,相较于平面格网法,提取总体精度提升了5.65%,准确度提升了18.49%。在10处截面提取轨面宽度与轨距,统计结果表明轨面宽度中误差为5.2 mm,轨距中误差为5.3 mm,满足工程精度需要。实例结果表明,算法可准确有效提取站场多股道钢轨顶面点云,...     

基于单目视觉三维重建的货运列车超限检测方法研究

针对基于雷达和激光等技术的货运列车超限检测系统存在检测区域不完整及只能在列车移动状态下进行测量的缺陷,提出一种基于单目视觉三维重建的货运列车超限检测方法.通过单目视觉三维重建算法对获取的序列图像进行建模处理得到目标货运列车的三维点云模型.对三维点云模型进行全局坐标系转换与切片投影,得到目标货运列车若干横截面二维点云图形.结合铁路货运列车超限检测标准,构建标准界限图形.将获得的二维点云图形代入标准界限图形中进行超限检测判别.实验结果显示,该方法具有较高的检测精度和检测效率,能够满足铁路货运列车超限检测作业要求.     

基于椭圆拟合的隧道点云数据去噪方法

针对地铁隧道这一狭长密闭环境,激光雷达相较于传统隧道形变检测方法具有显著优势。由于受环境以及隧道中安装的大量设备的影响,数据中会包含大量噪声点,无法得到隧道完整内表壁数据,从而影响到数据在形变检测及三维建模等方面的应用。结合最小二乘法和拉格朗日乘数法对隧道点云模型进行椭圆拟合,并将其应用于圆形隧道点云滤波,利用各区域数据对隧道形变进行检测。对滤波结果的精度评定及其有效性分析表明,此算法针对隧道点云数据的滤波具有良好效果及稳定性。     

基于STL的头压缩算法的实现

头压缩算法是一种常用的稀疏数组压缩算法,在数据联机分析处理(OLAP)等领域有着重要应用.针对头压缩算法的特点,给出基于STL的实现方法,并对解压算法进行改进.仿真实验表明,改进后的解压算法的计算效率要优于原有解压算法.     

基于连续点云数据的既有铁路轨面信息快速提取算法设计

三维激光扫描获取的既有铁路点云数据具有海量性、离散性等特点,难以从点云数据中快速提取线路参数.为此,结合现场实测数据,提出一种基于连续点云数据的既有铁路轨面信息快速提取算法.通过k-d树实现点云的快速搜索、查询和储存,利用主成分分析法和移动激光点聚类法提取的接触线分割构建出铁路缓冲区,进而通过平面格网法的粗提和多种约束条件下的精提实现了轨面点提取.对既有线路现场试验结果表明,轨面点提取的完整度c和准确度p均在93％以上,该方法能较好地实现钢轨轨面点云的快速提取.     

面向轨道维护的可变轨距轨道模型与钢轨点云的配准方法

基于车载Lidar技术相关的硬件和算法的快速发展,具备发展成快速车载轨道测量技术手段的潜力,从而替代传统的地面人工轨道测量手段。针对其中根据钢轨点云获取轨道轨距、钢轨位置等参数的问题,定义了可变轨距轨道模型,并在此实现可变轨距轨道模型与钢轨点云的配准方法。新算法在配准迭代过程根据钢轨点云到轨道工作边的距离来动态调整模型轨距,从而在轨道配准精度和轨距测量精度两项关键指标获得了同步提高。通过模拟数分析存在不同轨距偏差、超高等情况下算法性能,并和单钢轨轨道模型和固定轨距轨道模型的配准结果进行比较。最后通过一段干线铁路的实测点云进行测试,试验结果表明单钢轨轨道模型配准后左右钢轨的平行性得不到保证;在直线段与固定轨距轨道模型配准精度和轨距测量精度基本相当,配准精度为0.16 mm;在曲线段可变轨距轨道模型配准精度和轨距测量精度不受轨距变化的影响,显著优于固定轨距轨道模型的结果,精度高88.7%。     

密度聚类与PCA的点云数据处理技术在高铁轨道检测中的应用

为解决轨道手工检测效率低、准确度不高的问题,克服二维线激光与轨向不垂直而影响检测精度的不足,利用三维结构光点云技术对高铁轨道表面状态进行检测。数据处理是三维结构光检测的重要环节,综合运用密度聚类与PCA算法对点云进行快速处理。首先采用三维栅格算法对点云进行采样,减少点云数据量;其次利用密度聚类将点云分成不同的簇类以去除噪声点和离群点,提取出目标点云;最后通过PCA算法计算点云的3个主成分向量,求解变换矩阵变换点云,实现点云初始配准。精确配准后,与标准模型点云对比,即可得出检测结果。现场试验结果表明,该方法运行速度快,配准精度较高,有效提高了检测的效率和精度。