CN105224798B - 一种基于正矢图和角图的铁路曲线形位参数识别方法 - Google Patents
一种基于正矢图和角图的铁路曲线形位参数识别方法 Download PDFInfo
- Publication number
- CN105224798B CN105224798B CN201510632161.7A CN201510632161A CN105224798B CN 105224798 B CN105224798 B CN 105224798B CN 201510632161 A CN201510632161 A CN 201510632161A CN 105224798 B CN105224798 B CN 105224798B
- Authority
- CN
- China
- Prior art keywords
- curve
- point
- data
- spiral
- angle
- 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
Landscapes
- Image Analysis (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
一种基于正矢图和角图的铁路曲线形位参数识别方法。线路中的曲线一般呈“第一缓和曲线—圆曲线—第二缓和曲线”结构,形位由四大特征点(直缓点ZH、缓圆点HY、圆缓点YH、缓直点HZ)和圆曲线半径R五个参数确定。该识别算法综合运用霍夫变换、稳健估计和迭代法处理正矢图和角图,分别得到两种特征点和半径。因正矢图和角图有优缺互补的特点,所以将两种结果互补,取最靠近设计值者。本发明创新之一在于除正矢之外还选用了角图识别曲线参数;创新之二在于将图像处理中的霍夫变换应用到了数据处理中,并将其和稳健估计法结合实现了自动识别并拟合多条直线或抛物线的功能;创新之三在于将正矢图与角图的识别结果互补取优。
Description
技术领域
本发明涉及一种基于铁路上相对测量所获得的正矢图和角图的铁路曲线形位参数识别方法,可应用于铁路和公路的曲线线路复测、维修和整正。
背景技术
在曲线线路复测及整正时,需要先确定一条与实际线路贴合度最高的理想曲线,准确识别出这条理想曲线的参数即为本发明的目标。
曲线线路中最典型的单曲线线路,呈“第一缓和曲线—圆曲线—第二缓和曲线”结构,其形位由四大特征点(直缓点ZH、缓圆点HY、圆缓点YH、缓直点HZ)和圆曲线半径R五个参数确定[1]。多数文献对这些参数的确定采用的是稳健估计法或最小二乘法,所使用的数据多为正矢、曲率或绝对坐标。角图曾经被用来确定圆曲线半径或计算拨量,但近二十年鲜有学者再用它来确定曲线参数。角图因其累加特性,大大减少了随机误差,有较强的抗干扰性,但***误差因为累加的原因却会越来越大;正矢图的随机误差较大,抗干扰性弱,但***误差较小。因此角图和正矢图的优缺点是互补的。
关于稳健估计,文献[2]中有详细论述,简单说来就是一种加权的最小二乘迭代法。
霍夫变换本是数字图像处理中识别直线和圆等简单几何形状的常用算法,但其原理亦可用于数据处理中。霍夫变换的基本原理是将平面上的点映射成参数空间的线或者面,通过求这些线或面的汇聚点来确定同在一个几何形状上的点。本发明为能识别出与实际线路贴合度最高的曲线参数,使用了霍夫变换原理来处理数据。
发明内容
本发明的目的是准确识别出与实际铁路曲线贴合度最高的标准曲线参数,以便铁路复测、维修和整正。
为了达到上述目的,本发明的技术方案提供了一种基于正矢图和角图的铁路曲线形位参数识别方法,包括以下步骤:
步骤1、从铁路相对测量数据得到正矢数据,基于正矢图(例见图4)综合使用霍夫变换、稳健估计和迭代法得到四大特征点和圆曲线半径;
①从相对测量数据中获取20m正矢数据;
②对正矢数据用霍夫变换加稳健估计法识别并拟合出四条主直线,得其方程;
③求四条直线两两之间的交点以及圆曲线半径,四个交点即为四大特征点;
④按所得特征点将②中识别的数据分段,然后用稳健估计法将各段数据重新识别并拟合成直线;
⑤重复③到④,直到前后两次的特征点差值小于所设限定值为止,即得由正矢图识别出的特征点和半径;
步骤2、从铁路相对测量数据得到角图数据,再基于角图(例见图6)使用霍夫变换加稳健估计法得到四大特征点和圆曲线半径;
①从相对测量数据中获取转角数据,累加得到累积转角,即角图数据;
②对角图数据用霍夫变换加稳健估计法识别并拟合出圆曲线和两端夹直线对应的三条主直线,得到每段直线的起止点和方程;
③根据圆曲线段对应的直线方程系数得到圆曲线半径;
④取相邻直线端点间的数据作为缓和曲线段数据,用霍夫变换加稳健估计识别并拟合抛物线,得到方程;
⑤根据抛物线方程系数,结合圆曲线半径,求出四大特征点;
⑥取HY点和YH点之间在②中识别出的数据,用稳健估计法将其重新拟合直线,由其方程系数重新得到圆曲线半径;
⑦重复⑤一次,得到新的四大特征点;
步骤3、比较基于正矢图和角图的识别结果,取其中更为接近设计值者作为最终结果。
步骤1、2中使用霍夫变换加稳健估计法识别并拟合主直线的算法如下:
①假设(x,y)是正矢图或角图中某个数据点的坐标,则过该点的直线可用方程ρ=xcosθ+ysinθ表示,其中ρ是原点到直线的垂距,θ是从原点指向垂足的方向角[6],这两者构成了新的参数空间;确定ρ和θ的范围,将其按适当距离划分,得到系列ρ值和θ值,新的参数空间则被对应划分成一个个小格子;
②对每个数据点(xi,yi),i=1,…,n,将各θ值代入ρ=xicosθ+yisinθ得到对应的ρ值,将每对(θ,ρ)值都对应到参数空间的小格子中;
③比较每格中落入的数据点个数,取出数据点个数排前10名的格子所对应的(θj,ρj)值,j=1,2,…,10;
④收集每个(θj,ρj)值中落入的数据点坐标,用稳健估计法拟合出各条直线;
⑤用人机交互方式辨识各条直线对应的铁路曲线段(包含前夹直线段,第一缓和曲线段,圆曲线段,第二缓和曲线段和后夹直线段)。
步骤2中使用霍夫变换加稳健估计法识别并拟合抛物线的算法如下:
①假设(x,y)是角图中某个数据点的坐标,则过该点的抛物线可用方程表示;若识别的是第一缓和曲线对应的抛物线段,则a、b、c实际分别代表直缓点里程ZH、第一缓和曲线长L1和ZH点累积转角;若识别的是第二缓和曲线对应的抛物线段,则a、b、c分别代表缓直点里程HZ、第二缓和曲线长的负数-L2和HZ点累积转角;a、b、c这三者构成一新的参数空间,确定这三者范围,再将其按适当距离划分,得到系列a值、b值和c值,新参数空间被对应划分成一个个小格子;
对每个数据点(xi,yi),i=1,…,n,将各(a,b)值代入得到对应的c值,将每套(a,b,c)值都对应到参数空间划分出的小格子中;
收集(a1,b1,c1)格子中落入的数据点坐标,然后用稳健估计法拟合抛物线。
上述稳健估计算法如下:
①用最小二乘法对数据点进行曲线拟合;
②计算各数据点与拟合点之差值,即残差,以及残差的标准偏差;
③当数据点的残差绝对值大于标准偏差的3倍时,即将此数据点删除;
剩余数据点重复前三步,直至再无数据点可删除,此时的拟合曲线为最终拟合曲线。
所述步骤1中,求圆曲线半径算法如下:在求得特征点ZH、HY、YH、HZ后,将(HY+YH)/2代入圆曲线对应的直线方程,得到圆曲线段的平均正矢h(mm),则圆曲线半径R=50000/h(m)。
所述步骤2中,求圆曲线半径算法如下:先求得圆曲线段对应的直线方程,则一次项系数的倒数即为圆曲线半径R。
所述步骤2中,求特征点算法如下:先分别求得第一缓和曲线和第二缓和曲线对应抛物线的方程;以第一缓和曲线对应抛物线的极值点为ZH,抛物线的二次项系数乘以2R后取倒数即为第一缓和曲线长L1,而HY=ZH+L1;以第二缓和曲线对应抛物线的极值点为HZ,抛物线的二次项系数乘以-2R后取倒数即为第二缓和曲线长L2,YH=HZ-L2。
本发明提供的一种基于正矢图和角图的铁路曲线形位参数识别算法克服了以往识别方法只追求拨道量最小,不考虑测量误差的影响并尽量与实际线形贴近的毛病。本算法基于铁路相对测量即可得到的正矢图和角图完整识别了确定一条铁路标准曲线所需的五个参数,无需先从绝对坐标拟合曲线出正矢或曲率图以得到特征点,再对绝对坐标分段拟合得到圆曲线半径和缓和曲线长度。整个识别过程效率高、效果好,所得结果可用于线路复测、维修和整正。
附图说明
图1是本发明提供的一种基于正矢图和角图的铁路曲线形位参数识别方法总流程图;
图2是本发明算法中的基于正矢图识别四大特征点和圆曲线半径的方法流程图;
图3是本发明算法中的基于角图识别四大特征点和圆曲线半径的方法流程图;
图4是本发明实施例提供的某段曲线线路的正矢图;
图5是本发明实施例提供的正矢图经霍夫变换加稳健识别并拟合后的结果;
图6是本发明实施例提供的某段曲线线路的角图;
图7是本发明实施例提供的角图经霍夫变换加稳健识别并拟合直线的结果;
图8是本发明实施例提供的角图经霍夫变换加稳健识别并拟合抛物线的结果。
具体实施方式
为使本发明更明显易懂,兹以优选实施例,并配合附图作详细说明如下。应理解,此实施例仅用于说明本发明而不用于限制本发明的使用范围。此外应理解,在阅读了本发明讲述的内容之后,本领域技术人员可以对本发明作各种替换或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
如图1所示,本实施例提供的基于正矢图和角图的铁路曲线形位参数识别方法大步骤如下:
步骤1、从相对测量数据得到正矢数据,再基于正矢图综合使用霍夫变换、稳健估计和迭
代法得到四大特征点和圆曲线半径;
步骤2、从相对测量数据得到角图数据,再基于角图使用霍夫变换加稳健估计法得到四大
特征点和圆曲线半径;
步骤3、比较基于正矢图和角图的识别结果,取其中更为接近设计值者作为最终结果。
如图2所示,所述步骤1具体过程为:
①一般可从相对测量数据中直接获取20m正矢数据,正矢图见图4;
②对正矢数据用霍夫变换加稳健估计法识别并拟合出四条主直线(如图5),得其方程;
③求四条直线两两之间的交点作为四大特征点ZH、HY、YH、HZ,如上步中圆曲线段对应的直线方程一次项系数与常数项分别为K1(mm/m)、K2(mm),则圆曲线半径
④按所得特征点将②中识别的数据分段,然后用稳健估计法将各段数据重新识别并拟合成直线;
⑤重复③到④,直到前后两次的特征点差值小于0.1m为止,即得由正矢图识别出的特征点和半径。
如图3所示,所述步骤2具体过程为:
①从相对测量数据中获取转角数据,累加得到累积转角,角图见图6;
②对角图数据用霍夫变换加稳健估计法识别并拟合出圆曲线和两端夹直线对应的三条主直线(如图7),得到每段直线的起止点和方程;
③如圆曲线段对应的直线方程一次项系数为K(rad/m),则圆曲线半径R=1/K(m);
④取相邻直线端点间的数据作为缓和曲线段数据,用霍夫变换加稳健估计识别并拟合抛物线(如图8),得到方程;
⑤根据抛物线方程系数,结合圆曲线半径R,求出四大特征点:
第一缓和曲线对应抛物线的极值点即ZH(m),设其二次项系数为P1(rad/m2),则第一缓和曲线长而HY=ZH+L1(m);第二缓和曲线对应抛物线的极值点即HZ(m),设其二次项系数为P2(rad/m2),则第二缓和曲线长而YH=HZ-L2(m);
⑥取HY点和YH点之间的识别直线数据,用稳健估计法将其重新拟合直线,由其方程系数重新得到圆曲线半径;
⑥重复⑤一次,得到新的四大特征点。
本实施例系使用Matlab(R2013b版本)在2G内存的WINXP***中运行程序,1分钟内即能得到运行结果。运行结果经***明,其识别的特征点和圆曲线半径精度高达0.5m以内。
参考文献
[1]D.O’Dwyer,BE,MEngSc,et al.Realignment of railway curves[C].Proc.Instn Civ.Engrs,Transp.,1997,123,Nov.:234–240.
[2]郝灜.铁道工程[M].北京:中国铁道出版社,2000:163.
[3]姚连璧,刘春.样条函数与稳健估计在线路线形识别中的应用[J].同济大学学报(自然科学版),2004,32(7):943-946.
(YAO Lianbi,LIU Chun.Spline Function and Robust Estimation Applied inLine Type Identification for Railways[J].Journal of Tongji University(NaturalScience),2004,32(7):943-946.in Chinese)
[4]张安静.铁路曲线的刚性拟合和柔性拟合[J].铁道学报,1986,8(2):60-73.
(ZHANG Anjing.Rigid and Flexible Fitting of Railway Curves[J].Journalof the ChinaRailway Society,1986,(2):60-73.in Chinese)
[5]孙永,李家稳,王金委.整正既有曲线优化计算方法研究[J].铁道标准设计,2002(9):8-9.
[6]Gonzalez R.C.,Woods R.E..Digital Image Processing[M].ThirdEdition.北京:电子工业出版社,2010:755-760.
Claims (1)
1.一种基于正矢图和角图的铁路曲线形位参数识别方法,其特征在于:
步骤一、从铁路相对测量数据得到正矢数据,再基于正矢图综合使用霍夫变换、稳健估计和迭代法得到铁路曲线五大形位参数,即直缓点ZH、缓圆点HY、圆缓点YH、缓直点HZ四大特征点和圆曲线半径R;
①从相对测量数据中获取20m正矢数据;
②对正矢图用霍夫变换加稳健估计法识别并拟合出四条主直线,得其方程;
③求四条直线两两之间的交点以及圆曲线半径,四个交点即为四大特征点;
④按所得特征点将②中识别的数据分段,然后用稳健估计法将各段数据重新识别并拟合成直线;
⑤重复③到④,直到前后两次的特征点差值小于所设限定值为止,即得由正矢图识别出的特征点和半径;
步骤二、从铁路相对测量数据得到角图数据,再基于角图使用霍夫变换加稳健估计法得到四大特征点和圆曲线半径;
①从相对测量数据中获取转角数据,累加得到累积转角,即角图数据;
②对角图用霍夫变换加稳健估计法识别并拟合出圆曲线和两端夹直线对应的三条主直线,得到每段直线的起止点和方程;
③根据圆曲线段对应的直线方程系数得到圆曲线半径;
④取相邻直线端点间的数据作为缓和曲线段数据,用霍夫变换加稳健估计识别并拟合抛物线,得到方程;
⑤根据抛物线方程系数,结合圆曲线半径,求出四大特征点;
⑥取缓圆点HY点和圆缓点YH点之间在②中识别出的数据,用稳健估计法将其重新拟合直线,由其方程系数重新得到圆曲线半径;
⑦重复⑤一次,得到新的四大特征点;
步骤三、比较基于正矢图和角图的识别结果,取其中更为接近设计值者作为最终结果;
步骤一、二中使用霍夫变换加稳健估计法识别并拟合主直线的算法如下:
①直线方程ρ=xcosθ+ysinθ的参数空间由ρ和θ构成,确定参数范围,将其按适当距离划分,得到系列ρ值和θ值,参数空间则被对应划分成一个个小格子;
②对每个数据点(xi,yi),i=1,…,n,将各θ值代入ρ=xicosθ+yisinθ得到对应的ρ值,将每对(θ,ρ)值都对应到参数空间的小格子中;
③比较每个格子中落入的数据点个数,取出数据点个数排前10名的格子间所对应的(θj,ρj)值,j=1,2,…,10;
④找到每个(θj,ρj)值中落入的数据点,然后用稳健估计法拟合出各条直线;
⑤用人机交互方式辨识各条直线对应的铁路曲线段,包含夹直线段,第一缓和曲线段,圆曲线段,第二缓和曲线段;
步骤二中使用霍夫变换加稳健估计法识别并拟合抛物线的算法如下:
①抛物线方程的参数空间由a、b、c构成,确定参数范围,将其按适当距离划分,得到系列a值、b值和c值,参数空间则被对应划分成一个个小格子;
②对每个数据点(xi,yi),i=1,…,n,将各(a,b)值代入得到对应的c值,将每套(a,b,c)值都对应到参数空间划分出的小格子中;
③比较每个格子中落入的数据点个数,取出数据点个数排第1名的格子所对应的(a1,b1,c1)值;
④找到(a1,b1,c1)格子中落入的数据点,然后用稳健估计法拟合抛物线;
所述稳健估计法如下:
①用最小二乘法对数据点进行曲线拟合;
②计算各数据点与拟合点之差值,即残差,以及残差的标准偏差;
③当数据点的残差绝对值大于标准偏差的3倍时,即将此数据点删除;
④对剩余数据点重复前三步,直至再无数据点可删除,此时的拟合曲线为最终拟合曲线;
所述步骤一中,求圆曲线半径算法如下:在求得特征点直缓点、缓圆点、圆缓点、缓直点后,将(HY+YH)/2代入圆曲线对应的直线方程,得到圆曲线段的平均正矢h,单位为mm,则圆曲线半径R=50000/h,单位为m;
所述步骤二中,求圆曲线半径算法如下:先求得圆曲线段对应的直线方程,则其一次项系数的倒数即为圆曲线半径R;
所述步骤二中,求特征点算法如下:先分别求得第一缓和曲线和第二缓和曲线对应抛物线的方程;以第一缓和曲线对应抛物线的极值点为直缓点,抛物线的二次项系数乘以2R后取倒数即为第一缓和曲线长L1,而HY=ZH+L1;以第二缓和曲线对应抛物线的极值点为缓直点,抛物线的二次项系数乘以-2R后取倒数即为第二缓和曲线长L2,YH=HZ-L2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632161.7A CN105224798B (zh) | 2015-09-29 | 2015-09-29 | 一种基于正矢图和角图的铁路曲线形位参数识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510632161.7A CN105224798B (zh) | 2015-09-29 | 2015-09-29 | 一种基于正矢图和角图的铁路曲线形位参数识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105224798A CN105224798A (zh) | 2016-01-06 |
CN105224798B true CN105224798B (zh) | 2018-07-31 |
Family
ID=54993764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510632161.7A Active CN105224798B (zh) | 2015-09-29 | 2015-09-29 | 一种基于正矢图和角图的铁路曲线形位参数识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105224798B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107764458A (zh) * | 2017-09-25 | 2018-03-06 | 中国航空工业集团公司西安飞机设计研究所 | 一种飞机操纵特性曲线生成方法 |
CN112950740B (zh) * | 2019-12-10 | 2024-07-12 | 中交宇科(北京)空间信息技术有限公司 | 高精地图道路中心线的生成方法、装置、设备及存储介质 |
CN114912159B (zh) * | 2022-07-18 | 2022-09-13 | 中国铁路设计集团有限公司 | 一种轨道交通线路平面几何线形的拟合方法 |
CN115310029B (zh) * | 2022-10-12 | 2023-02-03 | 中国铁建高新装备股份有限公司 | 铁路理论线路轨道几何参数的解算方法和装置 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2388649Y (zh) * | 1999-08-05 | 2000-07-19 | 张力 | 轨道曲线正矢调整器 |
US6727706B2 (en) * | 2001-08-09 | 2004-04-27 | Halliburton Energy Services, Inc. | Virtual steering of induction tool for determination of formation dip angle |
CN101418535B (zh) * | 2008-10-10 | 2012-05-23 | 中铁十一局集团第三工程有限公司 | 轨道交通隧道内整体道床的施工方法 |
CN102252633B (zh) * | 2011-05-05 | 2013-03-20 | 陕西威蓝工业自动化有限公司 | 一种基于描点的轨道方向不平顺测量方法 |
CN102561118B (zh) * | 2011-12-15 | 2014-07-16 | 江西日月明铁道设备开发有限公司 | 一种基于轨迹偏差的高铁无砟轨道快速精调方法 |
CN103205919A (zh) * | 2013-04-03 | 2013-07-17 | 中铁第四勘察设计院集团有限公司 | 铁路轨道几何形态检测仪 |
-
2015
- 2015-09-29 CN CN201510632161.7A patent/CN105224798B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105224798A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224798B (zh) | 一种基于正矢图和角图的铁路曲线形位参数识别方法 | |
KR101985689B1 (ko) | 선거리 계산 방법 및 장치 | |
CN104008553B (zh) | 融合影像梯度信息和分水岭方法的裂缝检测方法 | |
CN104183127B (zh) | 交通监控视频检测方法和装置 | |
CN108986048B (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
CN105654501B (zh) | 基于模糊阈值的自适应图像分割方法 | |
CN104268883B (zh) | 一种基于边缘检测的时频谱曲线提取方法 | |
CN105718868A (zh) | 一种针对多姿态人脸的人脸检测***及方法 | |
CN103557788A (zh) | 一种高铁接触网接几何参数检测非接触式补偿及卡尔曼滤波修正方法 | |
CN109102538B (zh) | 利用等值线数据提取槽脊特征点与槽脊特征线的方法、天气图分析方法 | |
CN110807781B (zh) | 一种保留细节与边界特征的点云精简方法 | |
CN107702663A (zh) | 一种基于具有标志点的旋转平台的点云配准方法 | |
CN102750531B (zh) | 用于票据文档定位格的手写体标记符号检测方法 | |
JP2010165183A (ja) | 人体検出装置 | |
CN107727658A (zh) | 基于图像处理的受电弓裂纹在线检测装置及方法 | |
Lestriandoko et al. | Circle detection based on hough transform and Mexican Hat filter | |
CN110288640A (zh) | 基于凸密度极值的点云配准方法 | |
CN107656278A (zh) | 基于稠密雨量站定量降水估测方法 | |
CN109508709A (zh) | 一种基于机器视觉的单指针仪表读数方法 | |
CN102024149B (zh) | 物体检测的方法及层次型物体检测器中分类器的训练方法 | |
CN107016700B (zh) | 一种基于数字图像的圆形物体检测方法 | |
CN112861870A (zh) | 指针式仪表图像矫正方法、***及存储介质 | |
CN117874900B (zh) | 一种基于bim技术的房屋建筑工程监理方法 | |
CN112017188A (zh) | 一种空间非合作目标语义识别与重构方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |