Hans Journal of Civil Engineering 土木工程, 2021, 10(4), 329-339
Published Online April 2021 in Hans. /journal/hjce
/10.12677/hjce.2021.104037
s1200韩军1,2,3
非晶硅薄膜电池1兰州交通大学，测绘与地理信息学院，甘肃兰州
2地理国情监测技术应用国家地方联合工程研究中心，甘肃兰州
3甘肃省地理国情监测工程实验室，甘肃兰州
透明导电薄膜收稿日期：2021年4月1日；录用日期：2021年4月20日；发布日期：2021年4月27日
摘要
本文利用三维激光扫描仪对内蒙古某铁路隧道段进行隧道点云测量，首先对三维激光扫描仪的测距精度进行实验分析，随后基于隧道点云数据，实现了对铁路钢轨、隧道横断面等隧道点云特征的快速提取。 电冰箱保护器再基于钢轨轨面点云建立限界检测坐标系，实现了隧道的限界检测，对铁路设施维护与铁路运营安全有较为重要的实际意义。
关键词
点云，特征提取，限界
Feature Extraction and Limit Intrusion
Detection of Railway Tunnel Point Cloud Data
脱硝催化剂回收
Jun Han1,2,3
1Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou Gansu
2National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou Gansu
3Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou Gansu
Received: Apr. 1st, 2021; accepted: Apr. 20th, 2021; published: Apr. 27th, 2021
Abstract
This paper uses a three-dimensional laser scanner to measure the tunnel point cloud of a railway tunnel section in Inner Mongolia. First, the distance measurement accuracy of the three-dimensional
韩军
laser scanner is analyzed experimentally. Then, based on the point cloud data, this paper realizes the rapid extraction of the point cloud features of railway rails and tunnel cross-sections. Based on the point cloud of the rail surface, the boundary detection coordinate system is established to realize the boundary detection of the tunnel, which has relatively important practical significance for the maintenance of railway facilities and the safety of railway operations.
音调控制电路
Keywords
Point Cloud, Feature Extraction, Boundary Array Copyright © 2021 by author(s) and Hans Publishers Inc.
This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).
/licenses/by/4.0/
1. 引言
目前铁路限界检测领域仍存在利用传统检测工具实现数据采集的情况，随着三围激光技术与摄像技术的发展，利用三维激光扫描仪与铁路摄像系统对铁路进行安全检测不仅可以检测出铁路及铁路隧道的形变信息，还可以判断是否有侵限物侵入铁路限界内[1][2][3][4]。为实现铁路隧道的快速侵限检测，许多学者对铁路点云数据特征提取进行了研究。杜黎明等[5]利用平面投影法对隧道进行中轴线提取，构建断面缓冲区，最后对隧道断面拟合隧道轮廓线，并参考全站仪数据进行误差分析，实现了隧道断面提取。
卢小平[6]提出了一种利用点云数据进行隧道形变检测的方法。首先通过投影获取隧道中线，其次将不同时期的隧道断面通过叠加分析来进行隧道形变检测，最后对该方法结果进行分析，证明该方法的合理性。
通过对同一隧道断面的不同时间测量结果进行对比分析，得出隧道是否变形。李双[7]提出了一种根据三维不变矩进行隧道中轴线提取的方法。该方法将分割后的隧道段旋转，使隧道垂直与隧道X轴，并利用隧道与X轴夹角计算得出隧道中轴线，该隧道中轴线提取方法的优点是不受隧道姿态影响。托雷等[8]提出一种基于点云数据进行隧道断面提取的方法，首先对局部点云进行坐标转换，进而利用曲面拟合实现隧道断面的获取。最后采用随机采样一致性算法进行隧道中轴线拟合。王华[9]提出一种基于两钢轨点内插提取铁路中线的方法，利用两钢轨的钢轨距离去除噪点，再利用最小二乘法拟合钢轨内侧点云，最后通过对两钢轨内侧点云内插来实现铁路中线的提取，该方法提取隧道中线效果较好。孙
森振[10]提出了一种基于地物形状特征实现点云特征约束提取的方法。首先设置一定网格尺寸，然后根据被测地物的形状特征来进行网格算子计算，最后结合被测物的强度信息实现铁路地物提取。
综上所述，相关学者利用投影法实现隧道中轴线的拟合提取，并基于隧道中轴线进一步实现点云特征提取。本文基于三维激光扫描仪进行隧道点云采集，对点云数据利用高程值与反射强度等条件实现钢轨点云特征提取，对不同厚度的隧道横截面进行对比分析。并根据隧道钢轨轨面点云建立限界检测坐标系，实现铁路隧道的限检检测，为快速实现铁路限界检测提供了思路。
2. 点云数据采集及预处理
2.1. 测距精度分析
本实验采用Z + F IMAGER 5010C三维激光扫描仪和全站仪实现铁路隧道数据采集，数据采集时将三维激光扫描仪沿铁轨中心线进行线性设站，实现隧道点云测量，该方案不仅可以实现数据快速扫描获取，而且保证了各测站坐标相对接近，便于后续进行各测站配准拼接处理。如图1设置不同的测站间距
韩军
Figure 1. Tunnel data collection 图1. 隧道数据采集
进行隧道空间数据采集。
在同等检测条件下进行数据采集，测站间距是影响检测精度的主要因素。在进行数据采集步骤前，首先基于三维激光扫描仪两种不同扫描模式ultra high 与super high 进行测距精度实验。即设置测距分别为5 m 、10 m 、15 m 、20 m 、25 m 、30 m 、35 m 、40 m 、45 m 、50 m 、55 m 、60 m 十二组不同距离进行试验，以便得出合理的测站间距。具体实验方法为：在铁轨外侧设一初始点，在铁轨内按初始点与十二组不同测距距离处进行棱镜安置，在初始点处固定全站仪并进行观测，记录各不同测距点棱镜到全站仪的距离。然后将各测点的棱镜替换为激光扫描仪配套的靶球，在原初始点位置架设三维激光扫描仪，利用三维激光扫描仪两种不同分辨率模式进行扫描，对扫描结果进行软件处理后获取靶球中心点坐标，计算得到靶球中心点到三维激光扫描仪的距离。对比三维激光扫描仪到靶球的距离与棱镜到全站仪的距离，按照中误差公式进行计算得到不同分辨率模式下各测量距离的中误差大小。中误差也叫均方根差，是衡量观测精度的一种数据标准，中误差计算公式如下。
RMSD =
(1)
其中，RMSD 为中误差，i y ∆为残差值，n 为次数。
计算在不同分辨率模式下不同测距时的精度，结果如图2。由图2可知，在扫描仪使用ultra high 模式时，扫描时间相对super high 稍长，但测距精度较高，因此进行扫描时宜采用ultra high 分辨率进行扫描测量。而在同一分辨率下，在测距为20 m 以内时，三维激光扫描仪的测距精度较高，中误差小于3 mm ，该误差范围符合铁路点云数据处理的精度要求，因此可以利用Z + F IMAGER 5010C 地面三维激光扫描仪实施隧道点云采集。
Figure 2. Ranging accuracy distribution under two resolutions
图2. 两种分辨率下的测距精度分布
韩军
2.2. 点云数据拼接
由于三维激光扫描仪输出的点云数据，各测站点云存在不完整与错位，需要将各局部点云进行配准。拼接的目的是将所有局部点云都转换统一到同一坐标系下，方便对点云进行后续可视化操作。本文利用配套点云软件HD Scene ，对相邻测站的同名靶球作为控制点进行测站拼接，图3、图4、图5为配准
前不同测站点云，图6为配准后点云。
Figure 3. The first test site cloud
图3. 第一测站点云
Figure 4. The second test site cloud 图4. 第二测站点云
Figure 5. The third test site cloud 图5. 第三测站点云
Figure 6. Point cloud after stitching 图6. 拼接后点云
3. 点云特征提取
3.1. 钢轨轨面点云提取
点云数据包含被测物的反射强度信息，反射强度是指物体表面反射的能量，反射强度的大小不仅与物体材质、物体温度、表面颜和表面粗糙程度有关，发射激光的波长与入射角度对反射强度也有影响。根据高程差提取后的轨道点云包含道砟及轨枕点云，而钢轨、道砟及轨枕对激光的反射强度不同，钢轨属于金属材质，且颜较深，对激光的吸收能力较强，因此钢轨点云反射强度较低，道砟、
轨枕等对激光反射能力较强。因此根据钢轨与轨道内其余物体的反射强度不同实现钢轨点云提取，提取结果如图7
、
韩军
图8。由图9点云强度示意图可知，点云反射强度大小由彩表示，颜由蓝到绿，表示反射强度由低到高，钢轨点云反射强度低，呈深蓝，在轨道点云数据中较为突出，便于进行钢轨点云提取。
Figure 7. Rail point cloud 图7. 钢轨点云
Figure 8. Front view of rail point cloud 图8. 钢轨点云正视图
Figure 9. Point cloud intensity diagram 图9. 点云强度示意图
由于隧道内各物体紧密嵌合，基于强度信息提取后的钢轨点云可能包含有零星的轨枕与碎石点云。钢轨数据也不单单是钢轨轨面数据，如图10，以60 kg/的钢轨为例，钢轨主要由轨头、轨腰、轨底三部分组成，因此钢轨点云不仅包含轨面顶点点云，还包含钢轨轨腰和轨底点云，需要基于钢轨尺寸设置约束条件，分离出轨面顶点点云。
Figure 10. Rail section size 图10. 钢轨剖面尺寸
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议