發(fā)布時(shí)間：2021-12-02 14:44

　　軌道是鐵路系統(tǒng)中的關(guān)鍵物體,鐵路軌道的精確建�？蓱�(yīng)用于諸多領(lǐng)域,例如鐵路資產(chǎn)調(diào)查、限界分析和軌道測(cè)量等。在鐵路車載激光雷達(dá)掃描中,將激光雷達(dá)系統(tǒng)安裝于鐵路通勤車或軌檢車的車廂尾端對(duì)既有鐵路沿線進(jìn)行掃描作業(yè),大面積、高分辨率地快速獲取鐵路走廊的三維坐標(biāo)數(shù)據(jù),非常適合對(duì)鐵路軌道進(jìn)行建模,并基于軌道模型測(cè)量軌道參數(shù)。目前基于車載Lidar點(diǎn)云的鐵路軌道建模主要方法是使用鋼軌簡(jiǎn)化參數(shù)模型與車載Lidar鋼軌點(diǎn)云進(jìn)行擬合。該方法建立的軌道模型精度較低,且不含有軌距和超高等軌道參數(shù)。本文為基于車載Lidar鋼軌點(diǎn)云建立包含軌道參數(shù)的精確模型開展了兩方面的研究:1)提出了一種基于廣義鄰域高差的車載Lidar鋼軌點(diǎn)云提取算法,引入以鋼軌軌頂面法線方向?yàn)榛鶞?zhǔn)方向的柱狀鄰域代替?zhèn)鹘y(tǒng)的球狀鄰域計(jì)算車載Lidar點(diǎn)云的鄰域高差。解決了基于球狀鄰域高差的鋼軌點(diǎn)云提取算法所使用的球狀鄰域無法準(zhǔn)確反映鋼軌點(diǎn)與軌枕、道砟點(diǎn)鄰域高差的區(qū)別而導(dǎo)致的提取精度較低的問題。通過試驗(yàn)確定了算法參數(shù)的最佳取值,并與基于球狀鄰域高差的鋼軌點(diǎn)云提取算法進(jìn)行了比較。試驗(yàn)結(jié)果表明,基于廣義鄰域高差的車載Lidar鋼軌點(diǎn)云提取算法能夠正確提... 

【文章來源】：西南交通大學(xué)四川省 211工程院校 教育部直屬院校

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

道床區(qū)域點(diǎn)云

的法線方向 為基準(zhǔn)方向，以點(diǎn) 為中心，定義半徑為r的柱狀鄰域Ω（圖2-2）。則該柱狀鄰域Ω內(nèi)的各點(diǎn)之間在 方向上距離最大值（Δ ）可用下式進(jìn)行定義。Δ = × ) min( ， ∈ Ω(2-1)其中， = {1 ( [ ) min( ] 2 1 由于軌道超高不會(huì)很大， 方向與高程方向偏差不大，因此為便于敘述，本文將Δ 稱為 的“廣義鄰域高差”。在廣義鄰域高差中引入符號(hào)sign是為了確定柱狀鄰域Ω中心點(diǎn) 在該鄰域內(nèi)的相對(duì)位置關(guān)系，軌頂處的點(diǎn)對(duì)應(yīng)的 >0，鋼軌附近的軌枕、道砟點(diǎn)對(duì)應(yīng)的 <0（圖2-2）。這樣可以在后續(xù)提取鋼軌點(diǎn)云的過程中，將鋼軌附近的軌枕、道砟的

k和n的取值越大，越能去除距實(shí)際道床點(diǎn)云較近的噪聲點(diǎn)，若k和n取值過大，會(huì)導(dǎo)致部分非噪聲點(diǎn)去除；若k和n的取值過小，會(huì)導(dǎo)致部分噪聲點(diǎn)無法去除。由于離散的隨機(jī)噪聲點(diǎn)（圖2-4a中的區(qū)域1）距實(shí)際道床點(diǎn)云距離較遠(yuǎn)，并且通常為單點(diǎn)，當(dāng)k=6、n=1時(shí)，可很好地將其去除；由鋼軌自身遮擋引起所引起的噪聲點(diǎn)（見圖2-4a、b中的區(qū)域2和3）與隨機(jī)噪聲點(diǎn)相比較為密集且距實(shí)際道床點(diǎn)云更近，當(dāng)k、n取值較大時(shí)，方可將其去除。由于鋼軌自身遮擋引起的噪聲點(diǎn)距實(shí)際道床點(diǎn)云較近，所以會(huì)將小部分鋼軌邊界點(diǎn)被誤判為噪聲點(diǎn)予以去除。根據(jù)試驗(yàn)結(jié)果，當(dāng)k>30、n>2時(shí)

【參考文獻(xiàn)】：
期刊論文
[1]分形維數(shù)的全局點(diǎn)云初始配準(zhǔn)算法[J]. 封雪梅,張志毅,楊龍.  計(jì)算機(jī)工程與應(yīng)用. 2020(05)
[2]無人機(jī)LiDAR場(chǎng)地勘測(cè)及BIM規(guī)劃設(shè)計(jì)研究與實(shí)踐[J]. 田先斌,張永利,吳建文,蔡振,于悅.  圖學(xué)學(xué)報(bào). 2018(02)
[3]談大數(shù)據(jù)時(shí)代的“云控制”攝影測(cè)量[J]. 張祖勛,陶鵬杰.  測(cè)繪學(xué)報(bào). 2017(10)
[4]鐵路高精度點(diǎn)云智能的處理技術(shù)[J]. 陳坤源,程明,王程.  廈門大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[5]高速鐵路軌道車載近景影像的精確匹配與建模[J]. 陳強(qiáng),劉麗瑤,楊瑩輝,佘毅.  鐵道工程學(xué)報(bào). 2015(01)
[6]移動(dòng)測(cè)量系統(tǒng)點(diǎn)云精度評(píng)定及應(yīng)用分析[J]. 徐工,程效軍.  工程勘察. 2013(09)
[7]車載LiDAR技術(shù)市政道路測(cè)量高程精度控制[J]. 韓友美,楊伯鋼.  測(cè)繪通報(bào). 2013(08)
[8]鐵路勘察機(jī)載激光雷達(dá)的應(yīng)用及關(guān)鍵問題研究[J]. 王曉凱.  鐵道工程學(xué)報(bào). 2010(10)
[9]基于結(jié)構(gòu)光視覺的鋼軌磨耗測(cè)量方法[J]. 孫軍華,王偉華,劉震,張廣軍.  北京航空航天大學(xué)學(xué)報(bào). 2010(09)
[10]ICP算法在點(diǎn)云配準(zhǔn)中的應(yīng)用[J]. 戴靜蘭,陳志楊,葉修梓.  中國圖象圖形學(xué)報(bào). 2007(03)



本文編號(hào)：3528651