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，...