基于车载Lidar点云的铁路轨道精确建模

发布时间：2021-12-02 14:44

　　轨道是铁路系统中的关键物体,铁路轨道的精确建模可应用于诸多领域,例如铁路资产调查、限界分析和轨道测量等。在铁路车载激光雷达扫描中,将激光雷达系统安装于铁路通勤车或轨检车的车厢尾端对既有铁路沿线进行扫描作业,大面积、高分辨率地快速获取铁路走廊的三维坐标数据,非常适合对铁路轨道进行建模,并基于轨道模型测量轨道参数。目前基于车载Lidar点云的铁路轨道建模主要方法是使用钢轨简化参数模型与车载Lidar钢轨点云进行拟合。该方法建立的轨道模型精度较低,且不含有轨距和超高等轨道参数。本文为基于车载Lidar钢轨点云建立包含轨道参数的精确模型开展了两方面的研究:1)提出了一种基于广义邻域高差的车载Lidar钢轨点云提取算法,引入以钢轨轨顶面法线方向为基准方向的柱状邻域代替传统的球状邻域计算车载Lidar点云的邻域高差。解决了基于球状邻域高差的钢轨点云提取算法所使用的球状邻域无法准确反映钢轨点与轨枕、道砟点邻域高差的区别而导致的提取精度较低的问题。通过试验确定了算法参数的最佳取值,并与基于球状邻域高差的钢轨点云提取算法进行了比较。试验结果表明,基于广义邻域高差的车载Lidar钢轨点云提取算法能够正确提... 

【文章来源】：西南交通大学四川省 211工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

道床区域点云

的法线方向 为基准方向，以点 为中心，定义半径为r的柱状邻域Ω（图2-2）。则该柱状邻域Ω内的各点之间在 方向上距离最大值（Δ ）可用下式进行定义。Δ = × ) min( ， ∈ Ω(2-1)其中， = {1 ( [ ) min( ] 2 1 由于轨道超高不会很大， 方向与高程方向偏差不大，因此为便于叙述，本文将Δ 称为 的“广义邻域高差”。在广义邻域高差中引入符号sign是为了确定柱状邻域Ω中心点 在该邻域内的相对位置关系，轨顶处的点对应的 >0，钢轨附近的轨枕、道砟点对应的 <0（图2-2）。这样可以在后续提取钢轨点云的过程中，将钢轨附近的轨枕、道砟的

k和n的取值越大，越能去除距实际道床点云较近的噪声点，若k和n取值过大，会导致部分非噪声点去除；若k和n的取值过小，会导致部分噪声点无法去除。由于离散的随机噪声点（图2-4a中的区域1）距实际道床点云距离较远，并且通常为单点，当k=6、n=1时，可很好地将其去除；由钢轨自身遮挡引起所引起的噪声点（见图2-4a、b中的区域2和3）与随机噪声点相比较为密集且距实际道床点云更近，当k、n取值较大时，方可将其去除。由于钢轨自身遮挡引起的噪声点距实际道床点云较近，所以会将小部分钢轨边界点被误判为噪声点予以去除。根据试验结果，当k>30、n>2时

【参考文献】：
期刊论文
[1]分形维数的全局点云初始配准算法[J]. 封雪梅,张志毅,杨龙.  计算机工程与应用. 2020(05)
[2]无人机LiDAR场地勘测及BIM规划设计研究与实践[J]. 田先斌,张永利,吴建文,蔡振,于悦.  图学学报. 2018(02)
[3]谈大数据时代的“云控制”摄影测量[J]. 张祖勋,陶鹏杰.  测绘学报. 2017(10)
[4]铁路高精度点云智能的处理技术[J]. 陈坤源,程明,王程.  厦门大学学报(自然科学版). 2016(03)
[5]高速铁路轨道车载近景影像的精确匹配与建模[J]. 陈强,刘丽瑶,杨莹辉,佘毅.  铁道工程学报. 2015(01)
[6]移动测量系统点云精度评定及应用分析[J]. 徐工,程效军.  工程勘察. 2013(09)
[7]车载LiDAR技术市政道路测量高程精度控制[J]. 韩友美,杨伯钢.  测绘通报. 2013(08)
[8]铁路勘察机载激光雷达的应用及关键问题研究[J]. 王晓凯.  铁道工程学报. 2010(10)
[9]基于结构光视觉的钢轨磨耗测量方法[J]. 孙军华,王伟华,刘震,张广军.  北京航空航天大学学报. 2010(09)
[10]ICP算法在点云配准中的应用[J]. 戴静兰,陈志杨,叶修梓.  中国图象图形学报. 2007(03)



本文编号：3528651