CN112414318B - 基于结构光钢轨磨耗快速测量算法 - Google Patents
基于结构光钢轨磨耗快速测量算法 Download PDFInfo
- Publication number
- CN112414318B CN112414318B CN202011248876.XA CN202011248876A CN112414318B CN 112414318 B CN112414318 B CN 112414318B CN 202011248876 A CN202011248876 A CN 202011248876A CN 112414318 B CN112414318 B CN 112414318B
- Authority
- CN
- China
- Prior art keywords
- point
- rail
- points
- straight line
- contour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了基于结构光钢轨磨耗快速测量算法,钢轨包括顶部直线段L1、中部轨腰M1、底部轨腰M2和底部直线段L2,包括以下步骤:a)通过点云构建轮廓,建立轮廓坐标数据,对轮廓的基础轮廓线定位;b)基础轮廓映射精确点云拟合;c)中部轨腰M1和底部轨腰M2的基础圆心、顶部直线段L1和底部直线段L2交点及其轨颚点提取;d)构建仿射变换兼容形变的粗配准;e)基于kd‑ICP算法精确配准;f)配准后对应检测位置测量。本发明所提供的检测算法,提供了一种对于带噪非光滑点云数据处理,基准不变区域曲率提取,及关键特征点的提取对形变轮廓的复原方式,在保证配准速度的同时达到对精度的提高。
Description
技术领域
本发明涉及钢轨磨耗检测领域,具体涉及一种基于结构光钢轨磨耗快速测量算法。
背景技术
由于列车长时间高负荷运转,对钢轨带来日益递增的磨耗,对列车正常运行带来极大的安全风险,准确而高效的检测钢轨磨耗极其重要。目前,由于结构光技术的快速发展,特别是在帧率上的提高,其非接触性、高精度、高效率动态检测的优点被广泛应用于轨道行业的检测。近年来结构光在钢轨磨耗上的应用案例逐年增加,但是常规的方式,获取中部轨腰、底部轨腰的圆心,结合轨颚点构成旋转变换的基准点,进而采用迭代最近点(Iterative Closet Point)算法对基准轮廓达到配准的目的,从而实现对磨耗的轨道顶部磨损区域的检测。
由于轨道处于自然场景下,结构光获取的数据经常干扰特别多,导致数据的稳定性不好;且会导致在分割中部轨腰、底部轨腰误分配归属点数据,造成圆心拟合的不精准,另外由于底部轨腰,特别是中部轨腰的圆心角特别小,当圆心角小于20°使用常规的最小二乘拟合圆心会带来较大的误差;同样,利用距离最近原则的ICP算法对于待配对点集的初始位置比较敏感,当待配准点集的初始位置与模板点集位置比较接近时,配准效果会比较好,否则会由于在每次计算迭代过程中改变最近点对,ICP算法容易收敛到局部最优值,而非全局最优。
发明内容
本发明的目的在于针对现有技术的不足,提供基于结构光钢轨磨耗快速测量算法,该算法具有高帧率、高精确度、高鲁棒性的特点,确保了采样数据的精准性,可以大大降低采样人员的工作量,并提高工作效率。
为了解决上述技术问题,采用如下技术方案:
基于结构光钢轨磨耗快速测量算法,所述钢轨包括顶部直线段L1、中部轨腰M1、底部轨腰M2和底部直线段L2,其特征在于包括以下步骤:
a)通过点云构建轮廓,建立轮廓坐标数据,对轮廓的基础轮廓线定位;
b)通过步骤a)得到钢轨的基础轮廓点,对所述钢轨的基础轮廓线的每个位置点,通过映射为精确的点云数据,对所述点云数据进行后续的云拟合和平滑拟合处理;
c)中部轨腰M1和底部轨腰M2的基础圆心、顶部直线段L1和底部直线段L2交点及其轨颚点提取;
d)构建仿射变换兼容形变的粗配准;
e)基于kd-ICP算法精确配准;
f)配准后对应检测位置测量。
进一步,在所述步骤a)中,通过点云构建轮廓,设置所述轮廓坐标点集合S(i):
S={s(i)=(x(i),y(i))|i=0,1,…,n-1}
其中:n代表点数量,x(i),y(i)分别第i个点坐标。
进一步,在所述步骤a)中,通过在所述轮廓坐标数据中,根据曲率提取轮廓特征,设定曲率角冗余半径,计算当前坐标冗余半径范围内的曲率变化,得到中部轨腰M1和底部轨腰M2的支撑区域半径W(i),所述W(i)的坐标集集合为
W(i)={s(i)=[x(j),y(j)]|j=i-R,…,i+R},
R代表区域半径;x(i),y(i)分别第i个点坐标。
进一步,在第i点前后支撑区域可定义中心点Q和前后支撑区域向量角θ(i),得到第i点的曲率角和圆弧点p(i);根据设置的曲率轮廓的筛选阈值T,得出中部轨腰M1的圆弧段和底部轨腰M2的圆弧段。
进一步,根据钢轨的外部轮廓可知,所述中部轨腰M1的圆弧段向上一段直线轨道底直线段为顶部直线段L1,所述底部轨腰M2的圆弧段的跳跃为轨颚点与中部轨腰M1的圆弧段的分割点,所述分割点上连接的线段为直线段L2,得到钢轨的基础轮廓线。
进一步,所述步骤c)的具体过程如下:采用最小二乘算法先对顶部直线段L1和底部直线段L2拟合直线,然后用固定半径的最小二乘方式拟合底部轨腰M2的圆弧段的圆心C2,得到底部轨腰M2的圆弧段点;
当底部轨腰M2的圆弧段点拟合后,对于粗定位的底部轨腰M2的圆弧段点的归属点,根据距离圆心点值,对底部轨腰M2的圆弧段点的错分数据进行有效的分割归属为中部轨腰M1,最后采用固定半径的最小二乘方式拟合中部轨腰M1的圆心C1,得到中部轨腰M1的圆弧段点。
进一步,在所述步骤d)中,根据仿射不变性:直线上的点仍是直线上点特性,得到L1和L2的交点P1;结合中部轨腰M1的圆心C1、底部轨腰M2的圆弧段的圆心C2及轨颚点,与标准的钢轨轮廓的点云对应点求得仿射变换矩阵,进而对所有原始数据点进行仿射变换实现非刚性变换,得到粗配准的钢轨轮廓的点云。
进一步,在所述步骤e)中,所述kd-ICP算法通过迭代计算,对粗配准的钢轨轮廓的点云的每一点在模型点云中寻找欧氏距离最近点作为对应点,达到精确配准的钢轨轮廓的点云。
进一步,所述步骤f)的具体过程如下:在获取标准轮廓测量位置对应实际测量的所述精确配准的钢轨轮廓的点云的位置左右小区域点集,当三个连续点满足同一个圆方程,通过求解三点所在圆的圆心坐标和半径,对区域点集合使用三点共圆法可得曲线包络线,最后对固定检测点求取检测数据,同标准数据差值得到磨耗值。
由于采用上述技术方案,具有以下有益效果:
本发明为一种基于结构光钢轨磨耗快速测量算法,本发明所提供的检测算法,提供了一种对于带噪非光滑点云数据处理,基准不变区域曲率提取,及关键特征点的提取对形变轮廓的复原方式,在保证配准速度的同时达到对精度的提高。不但可以快速配准钢轨轮廓达到对钢轨磨耗精确检测,还可以有很好的抗干扰能力和抗形变能力,减少数据噪点干扰,提高数据分割的准确性和配准的初始姿态的精准度。
附图说明
下面结合附图对本发明作进一步说明:
图1为本发明实施例中基于结构光钢轨磨耗快速测量算法的算法流程图;
图2为本发明实施例中基于结构光钢轨磨耗快速测量算法的初始点云图;
图3为本发明实施例中基于结构光钢轨磨耗快速测量算法的滤波后轮廓图;
图4为本发明实施例中基于结构光钢轨磨耗快速测量算法的曲率阈值筛选图;
图5为本发明实施例中中部轨腰M1和底部轨腰M2的基准点云局部放大图;
图6为本发明实施例中中部轨腰M1和底部轨腰M2的基准移动最小二乘平滑效果图;
图7为本发明实施例中钢轨的仿射粗略校正图;
图8为本发明实施例中基准配准效果图;
图9为本发明实施例中钢轨的结构示意图;
图10为本发明实施例中第i点的曲率角和圆弧点p(i)中的效果图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了,下面通过附图及实施例,对本发明进行进一步详细说明。但是应该理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限制本发明的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
实施例
如图1至图10所示,基于结构光钢轨磨耗快速测量算法,所述钢轨包括顶部直线段L1、中部轨腰M1、底部轨腰M2和底部直线段L2,假设该检测的标准钢轨中部轨腰M1为R400的圆弧段,底部直线段L2为R200的圆弧段,顶部直线段L1为10mm的直线段,底部直线段L2为10mm的直线段。
包括以下步骤:
a)参看图2,通过结构光拍摄的钢轨图片,点云构建轮廓,建立轮廓坐标数据,对轮廓的基础轮廓线定位;
具体地,在所述步骤a)中,通过点云构建轮廓,设置所述轮廓坐标点集合S(i):
S={s(i)=(x(i),y(i))|i=0,1,…,n-1}
其中:n代表点数量,x(i),y(i)分别第i个点坐标。
具体地,参看图3,考虑到噪点数据的影响,特别是椒盐噪声,使用中值滤波对初始数据进行粗平滑,建立轮廓坐标数据。
进一步的,在所述步骤a)中,根据曲率提取轮廓特征,由于经过平滑后的轮廓线是去噪的非光滑曲线,故设定曲率角冗余半径,计算当前坐标冗余半径范围内的曲率变化。
参看图4,通过在所述轮廓坐标数据中,根据曲率提取轮廓特征,设定曲率角冗余半径,计算当前坐标冗余半径范围内的曲率变化。
在本实施例中,具体地,参看图5,通过选取中部轨腰M1的圆弧段截距、底部轨腰M2的圆弧段截距定义支撑区域半径R来稳定曲率检测,从而得到中部轨腰M1和底部轨腰M2的支撑区域半径W(i),所述W(i)的坐标集集合为
W(i)={s(i)=[x(j),y(j)]|j=i-R,…,i+R},
R代表区域半径;x(i),y(i)分别第i个点坐标。
进一步,在第i点前后支撑区域可定义中心点Q和前后支撑区域向量角θ(i),得到第i点的曲率角和圆弧点p(i);根据设置的曲率轮廓的筛选阈值T,得出中部轨腰M1的圆弧段和底部轨腰M2的圆弧段。
具体地,所述前后支撑区域可定义中心点表示如下:
其中:m,n分别代表第i个点前后区域半径R范围内S子点集;
所述前后支撑区域向量角表示如下:
则第i点的曲率角:θ(i)=θn(i)-θm(i)
通过在第i点前后支撑区域可定义中心点Q和前后支撑区域向量角θ(i)得到的第i点的曲率角和圆弧点p(i),参看图10,p(i)代表当前点,p(i-R)代表前区域R位置点,p(i+R)代表后区域R位置点。
进一步,根据钢轨的外部轮廓可知,所述中部轨腰M1的圆弧段向上一段直线轨道底直线段为顶部直线段L1,所述底部轨腰M2的圆弧段的跳跃为轨颚点与中部轨腰M1的圆弧段的分割点,所述分割点上连接的线段为直线段L2,得到钢轨的基础轮廓线。
b)通过步骤a)得到钢轨的基础轮廓点,得到的区域仅仅是像素级符合设定的曲率条件的粗略轮廓位置,需根据该位置映射为更为精确的点云数据,且对点云数据进行后续的平滑拟合处理。因此对所述钢轨的基础轮廓线的每个位置点,通过映射为精确的点云数据,对所述点云数据进行后续的云拟合和平滑拟合处理。
c)中部轨腰M1和底部轨腰M2的基础圆心、顶部直线段L1和底部直线段L2交点及其轨颚点提取。
进一步的,参看图6,移动最小二乘算法拟合得到较为真实值,利用微分的思想,通过系数向量和基函数建立拟合函数来决定在某个x处的值,而不是采用传统的多项式或其他函数,解决传统曲线曲面拟合过程存在的困难,通过取不同阶的基函数获得不同的精度,取不同的权函数改变拟合曲线的光滑度,且加入一种随机采样点方式使得代码满足离散点拟合。
因此,采用最小二乘算法先对顶部直线段L1和底部直线段L2拟合直线,然后用固定半径的最小二乘方式拟合底部轨腰M2的圆弧段的圆心C2,得到底部轨腰M2的圆弧段点;由于R400相对于R20由于圆心角比较小,分别是12.3°和65.9°,常规最小二乘方式拟合圆是不稳定的,且当前两段弧的半径是已知的,故采用固定半径的最小二乘方式拟合圆获取较为真实的圆心。
当底部轨腰M2的圆弧段点拟合后,对于粗定位的底部轨腰M2的圆弧段点的归属点,根据距离圆心点值,对底部轨腰M2的圆弧段点的错分数据进行有效的分割归属为中部轨腰M1,最后采用固定半径的最小二乘方式拟合中部轨腰M1的圆心C1,得到中部轨腰M1的圆弧段点。
采用固定半径的最小二乘方式拟合底部轨腰M2的圆弧段的圆心C2和采用固定半径的最小二乘方式拟合中部轨腰M1的圆心C1的目标方程为
其中:xi,yi分别代表第i个点横纵坐标,R代表当前圆弧半径,a,b分别代表当前圆弧的圆心横纵坐标。
通过牛顿迭代可得数值解,这里为避免牛顿迭代陷入局部最优值,使用Ransac最小二乘拟合得到初始圆心位置,以此作为牛顿迭代的初值。当R20拟合以后,对于粗略定位的R20归属点可根据距离圆心点值,对R20部分错分数据进行有效的分割归属为R400,以此提高R400点对数量和拟合精准度,对R400同样进行固定半径进行拟合得其精确圆心。
d)构建仿射变换兼容形变的粗配准。
参看图7,根据仿射不变性:直线上的点仍是直线上点特性,得到L1和L2的交点P1;结合中部轨腰M1的圆心C1、底部轨腰M2的圆弧段的圆心C2及轨颚点,与标准的钢轨轮廓的点云对应点求得仿射变换矩阵,进而对所有原始数据点进行仿射变换实现非刚性变换,得到粗配准的钢轨轮廓的点云。
由于结构光固定在检测车处于移动状态,故其会受到钢轨、地势、磨损、检测车重心偏移等影响而发生仿射变换带来非垂直于钢轨的截面数据。根据仿射不变性:直线上的点仍是直线上点特性,得到L1和L2的交点P1;结合R20、R400的圆心C1、C2及轨颚点,与标准的钢轨轮廓的点云对应点求得仿射变换矩阵,进而对所有原始数据点进行仿射变换实现非刚性变换。这样能够一定程度的对由于检测车运动过程中的震动等因素引起的结构光与钢轨不垂直造成的投影误差进行校正,提高检测精准度。仿射变换矩阵如下:
其中:A代表旋转矩阵,B代表平移矩阵,M代表旋转平移矩阵,T代表x,y坐标经过旋转平移之后的新坐标,θ表示坐标系旋转角,a00等于cosθ,a01等于-sinθ,a10等于sinθ,a11等于cosθ,b00和b10分别是x方向和y方向平移量。
e)基于kd-ICP算法精确配准。
通过初始位置姿态矫正,两点云位置大致重合但误差精度还远远达不到实际应用中的精度要求,为使点云间的误差达到最小,需对其进行精确配准。
所述kd-ICP算法通过迭代计算,对粗配准的钢轨轮廓的点云的每一点在模型点云中寻找欧氏距离最近点作为对应点,达到精确配准的钢轨轮廓的点云。具体地,参看图8,离散点为基准模板,连续轨腰为配准轮廓,连续轨头为磨损区。
f)配准后对应检测位置测量。
进一步,所述步骤f)的具体过程如下:在获取标准轮廓测量位置对应实际测量的所述精确配准的钢轨轮廓的点云的位置左右小区域点集,当三个连续点满足同一个圆方程,通过求解三点所在圆的圆心坐标和半径,对区域点集合使用三点共圆法可得曲线包络线,最后对固定检测点求取检测数据,同标准数据差值得到磨耗值。
以上仅为本发明的具体实施例,但本发明的技术特征并不局限于此。任何以本发明为基础,为解决基本相同的技术问题,实现基本相同的技术效果,所作出地简单变化、等同替换或者修饰等,皆涵盖于本发明的保护范围之中。
Claims (5)
1.基于结构光钢轨磨耗快速测量算法,所述钢轨包括顶部直线段L1、中部轨腰M1、底部轨腰M2和底部直线段L2,根据钢轨的外部轮廓可知,所述中部轨腰M1的圆弧段向上一段直线轨道底直线段为顶部直线段L1,所述底部轨腰M2的圆弧段的跳跃为轨颚点与中部轨腰M1的圆弧段的分割点,所述分割点上连接的线段为直线段L2,得到钢轨的基础轮廓线,其特征在于包括以下步骤:
a)通过点云构建轮廓,建立轮廓坐标数据,对轮廓的基础轮廓线定位;
b)通过步骤a)得到钢轨的基础轮廓点,对所述钢轨的基础轮廓线的每个位置点,通过映射为精确的点云数据,对所述点云数据进行后续的云拟合和平滑拟合处理;
c)中部轨腰M1和底部轨腰M2的基础圆心、顶部直线段L1和底部直线段L2交点及其轨颚点提取;
d)构建仿射变换兼容形变的粗配准;根据仿射不变性:直线上的点仍是直线上点特性,得到L1和L2的交点P1;结合中部轨腰M1的圆心C1、底部轨腰M2的圆弧段的圆心C2及轨颚点,与标准的钢轨轮廓的点云对应点求得仿射变换矩阵,进而对所有原始数据点进行仿射变换实现非刚性变换,得到粗配准的钢轨轮廓的点云;
e)基于kd-ICP算法精确配准;所述kd-ICP算法通过迭代计算,对粗配准的钢轨轮廓的点云的每一点在模型点云中寻找欧氏距离最近点作为对应点,达到精确配准的钢轨轮廓的点云;
f)配准后对应检测位置测量;在获取标准轮廓测量位置对应实际测量的所述精确配准的钢轨轮廓的点云的位置左右小区域点集,当三个连续点满足同一个圆方程,通过求解三点所在圆的圆心坐标和半径,对区域点集合使用三点共圆法可得曲线包络线,最后对固定检测点求取检测数据,同标准数据差值得到磨耗值。
2.根据权利要求1所述的基于结构光钢轨磨耗快速测量算法,其特征在于:在所述步骤a)中,通过点云构建轮廓,设置所述轮廓坐标点集合S(i):
S={s(i)=(x(i),y(i))|i=0,1,…,n-1}
其中:n代表点数量,x(i),y(i)分别第i个点坐标。
3.根据权利要求2所述的基于结构光钢轨磨耗快速测量算法,其特征在于:在所述步骤a)中,通过在所述轮廓坐标数据中,根据曲率提取轮廓特征,设定曲率角冗余半径,计算当前坐标冗余半径范围内的曲率变化,得到中部轨腰M1和底部轨腰M2的支撑区域半径W(i),所述W(i)的坐标集集合为
W(i)={s(i)=[x{j),y(j)]|j=i-R,…,i+R},
R代表区域半径;x(i),y(i)分别第i个点坐标。
4.根据权利要求3所述的基于结构光钢轨磨耗快速测量算法,其特征在于:在第i点前后支撑区域可定义中心点Q和前后支撑区域向量角θ(i),得到第i点的曲率角和圆弧点p(i);根据设置的曲率轮廓的筛选阈值T,得出中部轨腰M1的圆弧段和底部轨腰M2的圆弧段。
5.根据权利要求1所述的基于结构光钢轨磨耗快速测量算法,其特征在于:所述步骤c)的具体过程如下:采用最小二乘算法先对顶部直线段L1和底部直线段L2拟合直线,然后用固定半径的最小二乘方式拟合底部轨腰M2的圆弧段的圆心C2,得到底部轨腰M2的圆弧段点;
当底部轨腰M2的圆弧段点拟合后,对于粗定位的底部轨腰M2的圆弧段点的归属点,根据距离圆心点值,对底部轨腰M2的圆弧段点的错分数据进行有效的分割归属为中部轨腰M1,最后采用固定半径的最小二乘方式拟合中部轨腰M1的圆心C1,得到中部轨腰M1的圆弧段点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248876.XA CN112414318B (zh) | 2020-11-10 | 2020-11-10 | 基于结构光钢轨磨耗快速测量算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011248876.XA CN112414318B (zh) | 2020-11-10 | 2020-11-10 | 基于结构光钢轨磨耗快速测量算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112414318A CN112414318A (zh) | 2021-02-26 |
CN112414318B true CN112414318B (zh) | 2022-09-30 |
Family
ID=74782366
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011248876.XA Active CN112414318B (zh) | 2020-11-10 | 2020-11-10 | 基于结构光钢轨磨耗快速测量算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112414318B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116452774B (zh) * | 2023-06-09 | 2023-08-18 | 西南交通大学 | 基于改进cpd点云配准方法的钢轨波磨三维重建方法 |
CN118049938B (zh) * | 2024-04-15 | 2024-07-12 | 西安第六镜网络科技有限公司 | 钢轨测量方法、装置、电子设备、可读存储介质及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
CN101576375A (zh) * | 2009-05-21 | 2009-11-11 | 北京航空航天大学 | 一种钢轨磨耗激光视觉图像快速处理方法 |
CN104501811A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的地图匹配方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050279240A1 (en) * | 2004-06-22 | 2005-12-22 | Pedanekar Niranjan R | Enhanced method and apparatus for deducing a correct rail weight for use in rail wear analysis of worn railroad rails |
CN100462678C (zh) * | 2005-11-22 | 2009-02-18 | 北京航空航天大学 | 钢轨磨耗激光视觉动态测量方法 |
CN102749061B (zh) * | 2012-07-26 | 2014-12-24 | 上海工程技术大学 | 基于动态模板的钢轨磨耗测量方法 |
CN104503449A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的定位方法 |
CN105115976B (zh) * | 2015-06-24 | 2018-03-20 | 上海图甲信息科技有限公司 | 一种铁轨磨耗缺陷检测系统及方法 |
GB2542115B (en) * | 2015-09-03 | 2017-11-15 | Rail Vision Europe Ltd | Rail track asset survey system |
CN105526882B (zh) * | 2015-12-28 | 2018-03-02 | 西南交通大学 | 基于结构光测量的道岔磨耗检测系统及其检测方法 |
CN106643545B (zh) * | 2016-10-09 | 2018-10-26 | 湖南大学 | 激光位移技术测量钢轨轮廓的校准方法 |
CN107632022A (zh) * | 2017-08-30 | 2018-01-26 | 武汉理工大学 | 一种基于数据处理的钢轨表面缺陷检测方法及装置 |
US10625760B2 (en) * | 2018-06-01 | 2020-04-21 | Tetra Tech, Inc. | Apparatus and method for calculating wooden crosstie plate cut measurements and rail seat abrasion measurements based on rail head height |
CN109798844B (zh) * | 2018-12-28 | 2020-07-28 | 北京交通大学 | 一种钢轨磨耗动态测量中的轨廓自动配准方法 |
CN109855562B (zh) * | 2019-01-28 | 2020-08-25 | 武汉武大卓越科技有限责任公司 | 钢轨磨耗测量方法及装置 |
US12000094B2 (en) * | 2019-03-20 | 2024-06-04 | Loram Maintenance Of Way, Inc. | Enhanced rail grinding system and method thereof |
CN111882592B (zh) * | 2020-07-22 | 2022-12-06 | 中国人民解放军空军工程大学 | 一种基于约束迭代最近点法的钢轨轮廓鲁棒性配准方法 |
-
2020
- 2020-11-10 CN CN202011248876.XA patent/CN112414318B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1600351A1 (en) * | 2004-04-01 | 2005-11-30 | Heuristics GmbH | Method and system for detecting defects and hazardous conditions in passing rail vehicles |
CN101576375A (zh) * | 2009-05-21 | 2009-11-11 | 北京航空航天大学 | 一种钢轨磨耗激光视觉图像快速处理方法 |
CN104501811A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的地图匹配方法 |
Non-Patent Citations (1)
Title |
---|
钢轨轮廓测量基准对齐和重采样方法研究;占栋 等;《仪器仪表学报》;20180215;第39卷(第02期);149-159 * |
Also Published As
Publication number | Publication date |
---|---|
CN112414318A (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113436260B (zh) | 基于多传感器紧耦合的移动机器人位姿估计方法和系统 | |
CN110796728B (zh) | 一种基于扫描式激光雷达的非合作航天器三维重建方法 | |
CN109434251B (zh) | 一种基于粒子滤波的焊缝图像跟踪方法 | |
KR101257207B1 (ko) | 헤드 트래킹 방법, 장치 및 컴퓨터 판독 가능한 기록 매체 | |
CN112414318B (zh) | 基于结构光钢轨磨耗快速测量算法 | |
CN105783779B (zh) | 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法 | |
CN111986219B (zh) | 一种三维点云与自由曲面模型的匹配方法 | |
CN110059683A (zh) | 一种基于端到端神经网络的大角度车牌倾斜矫正方法 | |
CN106296694A (zh) | 杆塔倾斜智能图像辨识测量方法 | |
CN108597009A (zh) | 一种基于方向角信息进行三维目标检测的方法 | |
CN112381841A (zh) | 一种动态场景下基于gms特征匹配的语义slam方法 | |
CN103295232A (zh) | 基于直线和区域的sar图像配准方法 | |
CN116358449A (zh) | 一种基于双目面结构光的飞机铆钉凹凸量测量方法 | |
CN111860501A (zh) | 基于形状匹配的高铁高度调整杆脱出故障图像识别方法 | |
CN116189006A (zh) | 一种支持三维数据的遥感影像建筑物提取方法 | |
Wang et al. | An improved ArUco marker for monocular vision ranging | |
CN113884002A (zh) | 基于二三维信息融合的受电弓滑板上表面检测系统及方法 | |
CN113487631A (zh) | 基于lego-loam的可调式大角度探测感知及控制方法 | |
CN114719873B (zh) | 一种低成本精细地图自动生成方法、装置及可读介质 | |
CN114119957A (zh) | 高速铁路钢轨廓形检测方法及装置 | |
CN111260725B (zh) | 一种面向动态环境的轮速计辅助的视觉里程计方法 | |
Wang et al. | Lane boundary detection based on parabola model | |
CN114283199B (zh) | 一种面向动态场景的点线融合语义slam方法 | |
CN113503875B (zh) | 一种基于扩展特征的数据关联的建图方法 | |
CN111915632B (zh) | 一种基于机器学习的贫纹理目标物体真值数据库构建方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |