【铁路轨道信息提取及应用的研究现状文献综述1900字】.pdfVIP

铁路轨道信息提取及应用的研究现状文献综述

车载LiDAR系统搭载在列车上，沿着列车行进方向对周围环境进行扫描，

采集的数据无选择地包含了所有能探测的地物信息，包括地面、铁轨、建筑物、

接触网系统、树木、其他公共基础设施等，其中铁路轨道和电力设备是铁路线路

运营维护程中需重点监测的对象，有必要将其从原始点云数据中提取出来。

YangU］等人采用移动激光扫描系统获取了铁路走廊点云数据，基于铁路的线性结

构和沿线移动激光扫描系统的驱动方向，提出了一种移动窗口滤波算法用于沿扫

描线搜索点的高程跳跃，实现了铁路道床的分类，并结合铁路轨道特有的横断面

轮廓特征利用钢轨点与非钢轨点在球状邻域高差和反射强度上的差异提取钢轨

点云。Arastounia的基于球状邻域高差特征，使用直方图对道床区域各点的高度

标）隹差进行统计，提高了钢轨点云提取的精度，并对铁路沿线的接触网系统进行

了提取。Arastounia^。］使用灰度图像匹配的方法对先前的方法的进行了改进，通

将手动提取的Im钢轨点云数据转换成灰度图像模板与钢轨点云进行匹配，剔

除模板图像外的钢轨点并添加在模板范围内但未能识别出的钢轨点云，提高了钢

轨点云的提取精度。Zhou等人基于移动激光扫描系统采集的三维点云数据，

采用一种由粗提取到精提取的分步提取方法对隧道限界范围内的钢轨点云进行

了提取。Sdnchez-Rodriguez^］等人利用移动测图系统扫描获取铁路场景中的

LiDAR点云数据,并基于LiDAR数据对铁路隧道内部的接触网系统进行了提取,

证明了激光雷达数据在铁路网自动检测中的有效性。Lou等人探讨了利用车载

LiDAR系统采集获取的点云数据快速提取铁路的可能性，并基于移动激光扫描

数据及扫描线的特征提出了一种铁路轨道快速提取算法，实现了铁路轨道线的高

效率、高精度提取。Elberin^等人基于移动激光扫描系统采集铁路轨道三维环

境中的点云数据，利用邻近物体的平行度和高度等局部特征来检测铁路轨道反射

的激光点，分别采用数据驱动与模型驱动的方法确定铁轨中心线的位置，实现了

铁路轨道中心线的自动化提取。陈丞⑸基于车载LiDAR点云数据，分析了Yan

和Arastounia］等人基于球状邻域高差特征提取轨道点云方法存在的不足之处,

根据钢轨在铁路道床内的分布特点，提出了一种基于带正负号的柱状邻域高差的

车载LiDAR钢轨点云提取算法，其实验结果表明该方法能够正确提取铁路全线

的钢轨点云，并将提取的钢轨点云应用于铁路轨道的精确建模。孙森震肉等人

结合复杂场景中不同地物的空间形态特征，采用空间三维格网对点云数据进行组

织，针对不同地物设计出多种参数可控的空间格网算子，利用格网的连续性、密

实性和线性结构等特征，实现对地面、建筑物立面、电杆以及树木等点云的分割，

并结合点云的反射强度信息，对铁路轨道、接触网等特定铁路要素进行识别提取。

李圆[26]根据铁路场景中车载LiDAR点云呈空间线性分布的特点，将LiDAR系统

采集的POS数据应用于铁路场景点云滤波中，实现了轨道点云的分割，在此基

础上提出了一种通用的基于轨顶面种子点自动追踪的轨道中心线提取方法，并结

合在某些铁路场景中钢轨点云呈现高反射强度的特点，提出了一种顾及钢轨反射

强度的轨道中心线提取方法，实现了轨道中心线的高精度自动化提取，并将提取

的轨道中心线应用于既有铁路平面线形拟合与优化中。张进杰结合铁路复测

的要求，运用融合反射强度信息的相似度量分割方法对钢轨点云进行分割提取。

陈霄四采用Alpha-Shapes算法提取了铁路横断面点云数据的轮廓，结合车载

LiDAR系统获取的POS线与铁路横断面的空间特性，提出了一种基于POS线投

影的铁路横断面轨顶点点云提取算法，并针对铁路接触网系统的空间分布特征，

提出一种由粗到精的分类提取方法，分别实现了铁路横断面上的轨顶点点云提取

以及包含接触线、承力索和回流线在内的接触网分类提取。

参考文献

fl]YangBS,FangLN.AutomatedExtractionof3-DRailwayTracsfromMobileLaser

ScanningPointClouds[J].IEEEJournalofSelectedTopicsinAppliedEarthObservationsand

Re