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。     

基于PointNet的地铁盾构隧道点云典型要素分割

本文针对盾构隧道三维激光点云数据,利用PointNet点云识别算法,构建隧道要素分割的深度神经网络模型。基于各要素样本数据与隧道壁背景数据存在类别不平衡情况,首先通过InstanceHardnessThreshold算法对隧道壁数据进行采样,平衡类别比例,同时借助focal loss函数对PointNet网络进行优化,使其更加着重于样本数目较少要素类别的学习,以提升分割效果。结果表明,本文研究方法能有效分割出横向施工缝、环向施工缝、螺栓孔等盾构隧道典型要素,可为隧道可视化和模型分析提供重要支撑。     

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.     

钢桥密集螺栓异常状态视觉识别方法

针对传统机器视觉方法无法从不同拍摄视角和拍摄距离的图像中较好地识别出异常螺栓的问题，依据钢桥密集螺栓区域自身视觉特点，提出基于区域异常点分析的密集螺栓异常状态视觉识别方法。该方法首先提取和比对图像蓝色和红色通道灰度，完成梁体颜色分割，并运用选定的Canny算子提取梁体区域内边缘，采用Hough线识别方法剔除杂波；其次依据密集螺栓呈现簇状分布特点，运用密度聚类分析定位螺栓簇区域，并依据密集螺栓位置呈现平行网格分布的特点，运用投影分析定位单个螺栓区域；然后依据各螺栓的阴影特征，利用切比雪夫不等式快速判定螺栓状态，完成螺栓异常识别；最后，制作钢桥节点板模型，采集不同螺栓松动或脱落图像，对该方法进行测试。结果表明：该方法对图像拍摄视角和距离的适用度高，对螺栓脱落的识别能力优于对螺栓松动的识别；不同场景下单个螺栓定位的平均交并比大于0.75，且螺栓脱落和松动识别的准确率和召回率分别在0.89和0.85以上。     

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。     

一种基于深度学习的平斜腕臂连接处螺栓缺失检测方法

为对接触网平斜腕臂连接处螺栓缺失进行自动识别,本文提出了一种基于深度学习的4C接触网平斜腕臂连接处螺栓缺失检测算法。首先采用YOLO算法对原始大图进行一级定位得到平斜腕臂连接处一级定位区域,然后对一级定位区域进行二级定位得到螺栓区域小图,最后采用翻折定位法对二级螺栓区域进行检测,从而对螺栓是否缺失进行判断,得到识别结果。实验证明该检测算法识别准确率高,可对平斜腕臂连接处螺栓缺失进行有效检测。     

基于分层投影的特征点点云数据压缩算法研究

在研究主流散乱点云压缩算法的基础上,提出了一种基于分层投影的特征点压缩算法,对点云数据进行压缩和提取,并与传统算法进行比对和分析,检验了该算法的可行性。     

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。     

一种基于深度学习的地铁车体螺栓松动检测方法

现有的螺栓松动检测算法难以适应地铁复杂场景的变化,检测准确度难以提高.对此,文中提出了一种基于深度学习的地铁车体螺栓松动检测方法,并在现场采集的真实图像数据上进行分步试验,试验结果证明了该方法的有效性.     

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...     

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...     

基于深度学习的高铁接触网顶紧螺栓的缺陷检测

针对高铁接触网顶紧螺栓目标小、缺陷检测困难的问题,提出一种基于深度学习的顶紧螺栓缺陷检测方法。根据4C检测车拍摄的高铁接触网图片(大小为6600*4400 pixels),首先对特征信息更多的斜撑套筒进行定位,采用TDM模块与SSD相结合的算法提升算法对小目标的检测精度,并通过改变默认框的尺寸以得到更好的检测精度和速度;然后利用DeepLab v3 plus算法对顶紧螺栓部分进行语义分割;最后提出一种阈值法对顶紧螺栓的缺陷情况进行判别。为满足实际工程的速度需求,对训练好的模型进行优化。实验结果表明:相较于经典的SSD,本文改进的SSD方法对斜撑套筒的定位精度和速度都有提升;对于6600*4400 pixels的原始样本,本文提出的顶紧螺栓缺陷检测方法精度上达到95.9%,速度达到17.9 fps。     

基于归一化频响函数曲率差的钢-木组合梁螺栓松动定位方法

钢-木组合结构因其良好的承载能力和环境协调性而日益受到关注,但由于木材的蠕变、松弛特性以及外部环境的影响,钢-木组合结构容易发生螺栓松动现象,如何准确识别螺栓的松动位置成为一个迫切需要解决的问题。本文提出一种基于归一化频响函数曲率差的钢-木组合结构螺栓松动定位方法,首先对激励信号和测得的加速度响应信号进行快速傅里叶变换并求解频响函数,然后在此基础上计算归一化频响函数曲率差指标来判别螺栓松动的具体位置,最终成功解决因螺栓钻孔和螺栓预紧力而导致的损伤位置误判问题。通过ABAQUS建立钢-木组合梁三维有限元模型并通过隐式动力分析获取其响应信号,采用所提出的方法对模型进行损伤定位。研究结果表明:该方法对螺栓预紧力敏感且能够清晰地定位螺栓松动,同时也具有良好的抗噪能力。     

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。     

基于点云数据的隧道断面线提取方法

隧道工程通常使用断面线进行限界、超欠挖、变形测量等应用的分析。介绍一种基于点云数据的隧道断面线提取方法,该方法以经过拼接、滤波、去噪之后的三维激光点云为数据源,首先对点云进行重组织,以便快速检索;然后根据隧道中线获得待提取断面线所在平面附近的点云切片;最后对点云进行处理,得到断面线。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

基于非线性Lamb波的高速列车螺栓松动检测

螺栓连接广泛应用于机械、航天、土木等各种领域,但在其服役期间容易出现松动失效损伤造成安全事故,本文提出了一种基于非线性Lamb波二次谐波检测列车螺栓连接松动失效的方法,根据瑞利-兰姆方程求出相速度与群速度的频散曲线,建立了螺栓连接非线性模型,利用快速傅里叶变换对采集信号进行数据处理,推导了非线性系数的公式并计算了不同螺栓松动扭矩梯度下的非线性系数,设计试验验证了本文所提出方法的准确性,试验结果表明螺栓松动程度与非线性系数成正相关。     

基于激光雷达的城轨交通障碍物检测算法研究

侵限障碍物对城市轨道交通有巨大的危害,现有基于通信的列控技术无法对其自动化防护。为避免障碍物侵入行车区间造成安全事故,利用激光雷达作为主要传感器,提出一种非接触式障碍物检测算法。借助激光雷达具有不受环境光照的影响,测距精度高,可实现远距离探测等优势,该算法能够实现对百米内障碍物的有效检出,同时具备高可靠性,不受隧道内光照条件差等恶劣条件的干扰。为克服隧道中坡度影响,结合点云校准算法将点云平面与地平面对齐。对隧道环境和站台环境建模分析,提出基于规则的轨道平面分割算法和基于区域增长的背景点云分割算法,有效实现地平面的分离以及背景点云的滤除。考虑到点云密度在不同距离分布不均,提出自适应欧式聚类障碍物检测算法。为验证整体算法的有效性,在宁波地铁5号线采集大量正线数据,进行障碍物注入仿真实验。实验结果表明：复杂运行场景下该障碍物检测算法在视距范围内低于70 m障碍物检出率可达85.89%,雷达超视距的情况下检出率有一定的衰减,低于120 m的障碍物检出率为63.08%。算法平均耗时为37.86 ms。     

铁路线路点云数据可视化重构方法研究

针对地面激光扫描仪外业获取的海量线路点云数据,核心解决线路点云的专业化处理与利用问题。结合铁路线路技术特征,进行线路点云预处理研究,主要包括线路点云数据配准、采用基于几何特征的传统分割方法结合CCD影像信息进行线路点云数据分割,再经过除噪平滑处理后,对离散点云数据集进行封装处理,进而为后续正向CAD设计数据的提取提供基础操作模型。提出线路点云可视化对象重构方法,基于离散数据点曲率为主的几何特性估算,初步判定线路主点及变坡点信息,进而在不同主点范围内,通过特征截面的构造获取线数据和面数据。重构的线路点云数据符合正向设计习惯,基于此获得的连续钢轨走行面数据可用做线路几何形位判别指标的基础数据。