铁路高精度点云智能处理技术.docVIP

(铁路高精度点云智能处理技术研究 陈坤源，程明*王程 福建省361005） 摘要：车载移动激光扫描技术是一种采用激光扫描、数码卫星与具有作业受天气数据实现实现铁路净空P228；TP 391 A 在轨道工程测量中,常规测绘技术主要利用全站仪、水准仪等地面测量仪器,结合专用轨检车等工具进行。这种模式的缺点是野外工作量大、自动化程度低、工作效率低、测量累积误差大、测量成果无法现场展示，此外往往需要对轨道测区进行封闭作业。 移动激光扫描已成为继可见光、红外、微波、高光谱之后重要的遥感传感器，是一种快速的三维空间数据获取手段，具有采集数据具有数据量大、高效性等诸多优点。将激光雷达技术应用在不同地形特点的铁路勘察设计工作中，具有不同的表现特点：激光穿透的特性可应用在高植被覆盖密度区，显著提高地面数据与非地面数据提取的精度与速度；激光雷达可以直接定位不可进入地区，如沙漠地区、沼泽等，可以解决地理信息必须在高昂成本下才能获取的难题。 铁路限界是一个接近于车辆横截面，为了其余 客观世界中相同的空间区域并不能被两个不可穿透的对象所共享。碰撞检测主要是模拟现实世界中的碰撞问题。在虚拟现实系统中，碰撞检测的首要任务是判断物体所在的空间位置是否与其他物体、场景发生碰撞，并且进一步给出碰撞位置、穿刺等具体信息[1]。碰撞检测大体分为两步检测步骤，首先进行初步检测，接着对初步检测的数据逐步求精。目前形成了空间分解法、层次树2]-[3]。包围盒算法只能对物体是否发生碰撞进行粗略的检测，并不能给出碰撞的具体区域信息。层次包围体树结构BVH(Bounding Volume Hierarchy)将包围盒与树形结构结合起来，相对于包围盒更能逼近物体对象，主要的类型有：层次4]、AABB层次树[5]、OBB层次树[6]、k-dop层次树[7]、混合8]。碰撞检测的过程相当于对采用BVH结构的两个物体执行任务树的递归搜索。 由于电力线有特殊的结构与安全要求，因此基于激光雷达的电力线扫描数据有两方面特点：高程分布、平面投影近年来9-11]。这些方法是针对特定的电力线数据，并且各有优缺点。比如基于局部仿射模型算法[9]提取电力线，初始仿射模型的选择直接影响电力线提取的精度。铁路点云接触线的线性特征非常明显，直线映射到Hough空间中为一个点，因此采用变换通过同时采用G。要实现对大规模点云数据的高效检索，首要任务是为庞大的三维点云数据选择合适的存储结构。寻找点云数据间的几何拓扑关系是提高检索速度的关键。八叉树(Octree)结构是由四叉树（Quadtree）结构推广而来的，是一种用于描述三维空间的树状数据结构。如图2所示，八叉树算法是将三维空间划分为多个立方体构成的空间，每12]。基于八叉树的邻域搜索通常采用八叉树叶子节点查找的方式来搜索点集。 由于查找 设定最大递归深度及子节点个数阈值； 为点云空间建立包围盒模型； 依次将铁路点云数据放入当前的叶子节点； 若没有达到递归深度，就将则3，直到1设定的递归深度。 图1 空中俯视的点云数据及沿轨迹线方向的点云显示 Fig.1 Vertical view of the point cloud and view along the direction of the trajectory of point cloud 图2 八叉树模型 Fig.2 Octree Model 2 净空数据提取 采用层次包围盒对火车进行包裹建模难度大，特别是经过弯道时模型难以建立，并且无法精确地提取限界净空点云数据。本文采用分而治之的方法，沿着铁轨方向分段 图3 净空数据提取流程图 Fig.3 The flow chart of clearance data extraction 2.1 建立限界模型 铁路限界有严格的规格要求，如4展示的不同规格的限界图，数据均来自》 (a) 客运专线铁路限界 (b) v =160 km/h客货共线铁路限界 图4 不同规格限界图 Fig. 4 Different specifications of clearance 以左右铁轨的最高点建立水平向量，根据5所示。 (a) 铁路限界轮廓 (b) 铁路限界模型 图5 铁路限界展示 Fig.5 Illustration of the clearance model 2.2 投影转换 四元数于1843年由哈密顿提出，是一种由 (,,,为实数) 其中,,可表示沿、、轴的单位向量。 将向量旋转角变成向量，；设垂直于、所在平面的转轴方向为单位向量,转动方向相对旋转轴遵循右手定则，满足， （1） 可作为旋转四元数，其表示以使垂直角。 欧拉已经证明