基于点云处理的机车车辆车底中心鞘螺栓故障检测方法

针对机车车辆车底中心鞘螺栓松动和缺失这一常见故障,提出了一种基于三维点云处理的检测算法。首先对目标点云进行下采样和离群点的移除,然后根据欧式距离对点云进行聚类分割,最后通过计算分割后每个点云包围盒形状系数和平均Z坐标实现螺栓点云定位,进而通过采样一致性算法拟合点云平面计算出螺栓松动程度,识别螺栓故障。将文中提出的算法与传统的基于2D图像的识别算法进行了对比,最后在地铁车辆智能巡检机器人中进行了应用,结果表明,该算法检测精度约为0.1 mm,且检测速度快,可满足实时检测的要求。     

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%。     

基于弦测法与密度聚类的三维结构光波磨检测

为解决钢轨波磨人工检测费时费力及惯性法检测精度较低的问题,综合利用三维结构光技术、弦测法和密度聚类算法进行波磨检测。首先获取钢轨点云,通过纵向平面遍历轨头点云得到钢轨的纵向截面簇,其次利用弦测法计算相应纵向截面的谷深和波长。最后利用钢轨发生波磨时产生的接触斑,对遍历计算的谷深和波长分别进行密度聚类,将相同或相似接触斑的波磨信息聚类成簇,对聚类后各簇的结果进行统计分析得到相应钢轨的波磨信息。本方法结合三维结构光数据量大、弦测法计算直接明确的优点,通过密度聚类将不同深度、大小的波磨接触斑进行区别,有效地将钢轨波磨不同谷深及波长成分进行分类计算。实验室样件试验及现场试验表明,本方法能够实现对钢轨波磨的精确检测。     

基于机载LiDAR的铁路工务设备及周边环境形变分析

提出一种基于机载LiDAR(Light Detection And Ranging)点云的铁路工务设备及周边环境形变分析方法,通过无人机机载LiDAR巡线系统获取铁路场景三维点云,对点云进行裁剪、去噪及配准;结合点云-点云比较方法与多尺度点云模型比较方法分别对工务设备及周边环境的形变进行定性与定量判断,并应用于邯长线（邯郸—长治）K130+874—K135+292区段。结果表明：该方法能够有效利用机载LiDAR铁路巡检数据,通过定性与定量的形变分析及时发现隐患。     

轨道作业车周边异物侵线监测技术

针对轨道作业车施工现场异物侵线和预警需求,提出一种融合三维激光雷达技术与毫米波雷达感知技术的工务施工现场异物侵线监测技术。采用三维激光雷达感知施工现场周边环境,获取点云数据。通过对点云数据进行滤波、聚类及特征分析,识别出作业现场铁路轨道、道床区域,同时识别出入侵轨道线路的异物并得到其位置信息。再结合毫米波雷达感知结果对识别出的异物进行二次确认。现场试验结果表明:利用该技术进行异物监测定位,精度满足误差不大于200 mm的要求;该技术可以用于轨道作业车施工现场对地面异物侵线的实时监测。     

三维激光扫描仪在高速铁路轨道线形测量中的应用

为解决传统轨道检测小车测量作业效率低、成本高、数据形式单一等问题,采用基于自由测站的三维激光扫描仪进行点云数据获取,通过对仪器技术参数及扫描模式分析,对点云平面及高程坐标精度推算,确定了设站模式、作业线路、设站间隔。结合16 km隧道内既有铁路轨道线形测量工程实例,对比了轨检小车与三维激光扫描仪在人员、设备以及作业用时方面的差别;通过对414站扫描设站精度进行统计,推导计算得出点云坐标平面精度可达2.45 mm,高程精度可达1.06 mm。通过自主研发软件提取轨道中线三维坐标,采用稳健平滑滤波进行去噪处理,结果表明,点云中线坐标与静态轨检小车测量结果横向偏差平均值为2.7 mm,高程较差平均值为3.9 mm。     

基于移动激光扫描三维点云的限界检测技术研究

针对传统城市轨道交通限界检测方法无数据留存、作业难度大的不足,提出采用三维激光扫描的方法进行限界检测.通过对扫描数据、惯导数据及里程数据的融合处理,得到按线路里程展开的三维激光点云.再根据扫描中心与钢轨间的固定几何位置关系,快速分割出钢轨点云,采用经改进的迭代最近点算法将钢轨点云与标准钢轨断面模型进行精确配准,提取左右...     

基于NURBS的轨道板点云外形尺寸检测研究

CRTSⅢ型轨道板铺装前必须进行逐板检测。因此,如何有效提高轨道板的检测效率及检测精度成为一个亟待解决的问题。三维激光扫描技术作为一项新兴技术,为空间信息的获取提供一种全新的技术手段。以三维扫描仪获取的CRTSⅢ型轨道板承轨台点云数据作为研究对象,在点云预处理的基础上采用NURBS曲面拟合建模,并利用模型建立特征,据此提取承轨台相关核心检测指标。实验结果表明,NURBS模型视觉效果较好且重构精度较高,各检测指标最大偏差均未超过允许值,检测结果具有较高的可靠性,该方法实现了轨道板模型参数的可视化和信息化表达。     

应用三维结构光和小波分析进行钢轨波磨检测

为了有效检测钢轨波浪形磨损,解决钢轨检测精度要求高、形成原因复杂而导致检测难的问题,提出利用三维结构光获取钢轨波磨数据,再利用小波分析来检测钢轨波磨的新方法。首先利用三维结构光扫描仪扫描一段钢轨,然后配准检测点云与标准模型并提取检测钢轨顶端纵向的波浪磨损数据,利用小波分析方法对该段数据进行分析,根据铁路检测标准将所得数据分为两类,从而得到有效的波磨数据。现场实验表明,将结构光和小波分析方法结合,既发挥了结构光数据量丰富准确的优势,又通过小波分析得到波磨的各个频率成分,能够准确地检测钢轨波浪形磨损。     

智轨列车基于稀疏点云和图像的车辆识别技术

针对识别智轨列车的前方车辆三维信息来保证其行车安全的问题,提出一种面向智轨列车基于稀疏点云和图像的车辆识别技术.首先采用基于角度阈值的算法分割地面并提取障碍物点云,然后提出距离角度约束算法遍历障碍物点云求解聚类点集,通过二次求解优化聚类结果获取预融合聚类点集,最后采用YOLOv3网络模型进行车辆检测,构建基于几何模型的图像点云映射关系,将车辆图像识别信息与预融合聚类点集进行匹配,实现了车辆三维信息识别.研究结果表明:在16线激光雷达稀疏点云条件下,所提方法在多障碍物共存的开放式场景中具有较高的识别率和实时性,满足智轨列车动态检测需求.     

基于PolyWorks的CRTSⅢ型轨道板检测指标快速提取方法

CRTSⅢ型轨道板作为承载钢轨的基础,其外形尺寸精度直接关系着轨道的稳定性、平顺性以及行车的安全性。因此,实现轨道板外形尺寸的高精度快速检测,对于轨道板检测效率的提高和质量保障都具有非常重要的意义。本文提出了一种CRTSⅢ型轨道板检测指标的快速提取方法,首先利用轨道板三维点云数据精确对齐至标准三维模型,然后计算各检测指标特征的测量值并与标准三维模型的尺寸进行对比,计算两者的偏差,从而实现轨道板外形尺寸的快速检测。实验表明,与常规的检测手段相比,该方法具有检测精度高、速度快、检测项目齐全等优点,具有良好的应用前景。     

铁路罐车容积检定点云干扰点的自动去除算法

运用三维激光扫描法检定铁路罐车容积是铁路罐车容积检定技术发展的趋势,然而目前在扫描形成点云中,由人工去除干扰点的做法严重影响后期数据的处理效率。提出自动去除干扰点的算法,该方法通过切片、投影将点云进行扁平化并进行极坐标系转换,在极坐标系中以确定微分区域内有效点云与干扰点云的特征差异作为判定依据,通过最大类间方差法计算阈值将其做出区分。运用Matlab R2012b平台对算法进行仿真,将G_(60k)型铁路罐车点云作为样本进行算法试验,有效去除了试验数据中的干扰点。     

基于差分进化算法的钢轨轮廓迭代旋转配准方法

钢轨断面轮廓检测需要对采样轮廓进行配准处理，传统的配准方法往往采用拟合轨腰、轨颚、圆心等特征部位点，并结合仿射变换实现。然而，这些轮廓配准方法过于依赖某些特定特征点，一旦个别特征点出现干扰或异常时，则无法实现正常配准，导致系统整体鲁棒性下降。提出一种基于差分进化算法的钢轨轮廓迭代旋转配准方法，可以提高配准的鲁棒性和整体精度。研究发现，在钢轨轨颚的内拐线段处利用Ramer多边形逼近算法可以定位到轨头内侧直线；以轨侧中点、轨颚间断点和轨腰间断点3处特定部位作为基准，再通过比对采样轮廓与标准轮廓在同一坐标的相对位置确定旋转方向；利用差分进化算法进行旋转迭代，从而实现钢轨轮廓的精确配准。实验结果表明：与其他现有方法相比，该方法在采样数据伴随有重度噪声，甚至数据缺失的情况下，依然能够满足较高的配准精度，极大地提高了检测系统的鲁棒性，具有较强的工程应用价值。     

三维激光测量在大型车站雨棚检测中的应用

随着铁路车站钢结构雨棚使用时间的延长，影响结构安全和正常使用的病害不断显现，因此对雨棚结构整体可靠性的检测、鉴定项目陆续开展。针对图纸资料缺失的雨棚，需要对其众多构件及节点分别定位，以建立计算模型完成承载能力分析。本文采用地面三维激光扫描仪建立某车站钢结构雨棚点云模型，利用点云处理软件和基于CAD平台的处理模块对点云模型进行拼接、切割、拟合，采用分块处理的方式获取结构布置、构件型号等信息。结合壁厚检测数据建立结构有限元模型，完成了对该结构的承载能力分析。经工程应用，地面三维激光扫描仪在测试环境正常、测点布置科学时，测量精度和效率均较好，与传统全站仪测量相比检测效率明显提升。点云模型后处理软件在操作和功能方面需要进一步智能化，以提升测量精度和效率。     

面向地铁场景的激光雷达目标检测研究

针对列车运行前方限界难以实时构建、非结构化轨道道路环境目标聚类检测复杂等问题,提出一种基于激光雷达的目标检测及前方界限实时构建系统。首先,采用了空间换时间的策略提升轨道提取效率,利用轨道局部高程信息、全局几何平行信息并融合多帧信息实现轨道稳定提取,从而基于提取的轨道位置实时构建列车通行的前方限界;其次,基于点云深度图、梯度与距离特征解决了非平铺路场景下的障碍物聚类问题,采用航迹信息进行多目标跟踪提高目标跟踪的稳定性。通过在地铁场景实车测试验证,结果表明该方法能够准确可靠地提取轨道位置和进行目标检测与跟踪。     

基于三维激光扫描技术的地铁盾构隧道中轴线高程提取方法

针对目前三维激光扫描技术检测盾构隧道横断面方法效率低、不能充分利用高密度点云数据的问题，从精度、效率及充分利用高密度横断面点云数据三方面进行隧道中轴线高程分析。提出利用空间几何关系快速提取隧道原始点云数据横断面的方法，继而利用K近邻计算方法提取隧道中轴线高程。试验结果表明，该隧道中轴线高程提取方法与水准仪实测获得的隧道中轴线高程间最大差值为3 mm。与水准仪实测方法相比，该隧道中轴线高程提取方法的检测精度与检测效率均有较大改善，且其不需要进行横断面点云数据的抽稀，充分利用了海量原始点云数据，可推广应用至盾构隧道竣工验收工作。     

基于点集配准的非接触式地铁限界检测系统标定方法研究

地铁限界是保证地铁车辆安全运行的重要数据,目前使用较多的接触式地铁限界检测存在效率低、无法准确获知超限尺寸的缺点,本文基于激光扫描测距原理开发了一种断面检测密度高、误差小的非接触式地铁限界检测系统。针对非接触式检测系统标定困难影响测量精度的问题,提出了应用机器视觉领域的点集配准迭代最近点(Iterative Closest Point)算法进行系统标定,将2个180°二维激光扫描传感器采集到的数据点拼接成一个完整的基于轨道基准坐标系的测量断面。北京地铁8号线、15号线的现场实验证明,经过该方法标定的限界检测系统可准确获知超限位置和超限尺寸,推行速度为6km/h时采样断面间距密度为0.02m,多次反复测量时系统精度可达±4mm。     

地面激光扫描仪在铁路工程滑坡监测中的应用研究

采用三维激光扫描技术对铁路工程附近的滑坡体进行监测。对多站扫描数据进行配准、拼接,获取监测区域的完整点云数据;对拼接后的激光点云数据进行地形滤波,获取监测区域的地形数据;最后,对不同期次的点云数据进行对比分析,得出监测区域的变形值。     

高速铁路Ⅲ型轨道板尺寸快速检测技术研究

提出一种基于激光跟踪和手持激光扫描组合技术的轨道板外观尺寸快速检测方法。手持类激光扫描仪可以快速、高精度地获取轨道板表面激光点云数据,绝对激光跟踪仪可为手持扫描仪提供高频、高精度位置和姿态信息,这些信息将用于手持扫描仪实时定位定姿。利用扫描获取的轨道板激光点云数据,通过点云分类与采样一致性算法,可实现轨道模型参数的自动提取,将自动提取的模型参数与设计模型进行比较,可实现轨道板外观尺寸的检测。     

基于MapReduce的时序数据离群点挖掘算法

针对海量数据中离群点的挖掘,将网格聚类和MapReduce编程模型相结合,排除不可能包含离群点的网格,再用LOF算法对剩余网格中的数据进行离群点检测。为了提高网格聚类的检测精度,本文提出了一种基于聚类半径的改进算法。实验表明了该算法的有效性,同时分析了在节点数不同的情况下,网格聚类所用时间,证明了基于MapReduce的网格聚类适合处理海量时序数据。