CN109816682B - 一种基于凹凸性的腕臂***分割与参数检测方法 - Google Patents

Abstract

本发明公开了一种基于凹凸性的腕臂***分割与参数检测方法，包括以下步骤：步骤A：获取接触网腕臂***三维点云；步骤B：对源点云进行预处理，包括对象提取、滤波降噪；步骤C：利用超体聚类算法对腕臂***进行过分割；步骤D：采用SC‑LCCP算法对腕臂***进行分步分割，并给出分割参数的选择范围；步骤E：用P‑RANSAC算法获取各线性部分直线方程，并计算各连接点坐标、各线性部分点数比以及比例位置系数；本发明减少了人力物力的消耗，且不受天气和作业人员的经验判断影响；分步分割具有较好的抗噪性以及鲁棒性，提高了接触网腕臂***的检测效率，并且可实时对接触网腕臂***工况进行监测和检测。

Description

一种基于凹凸性的腕臂***分割与参数检测方法

技术领域

本发明涉及高速铁路接触网维护检测领域，具体涉及一种基于凹凸性的腕臂***分割与参数检测方法。

背景技术

随着电气化铁路的大力发展，列车运行速度也在不断提升。为了保证列车运行的高效性，对受电弓受流的稳定性与可靠性就提出了很高的要求，因此，必须保证腕臂***的刚性不变性。腕臂***各连接部分发生松脱而移位，一方面会使得承力索与接触线偏离固有位置，而出现打弓等现象，另一方面会改变腕臂***内部应力结构，而导致接触网***局部或区域型的松垮现象，影响列车的正常运行。因此，利用3D视觉技术对腕臂***各线性部分进行有效分割并计算各连接关节点的固有坐标和位置比例系数变得尤为重要。

目前，接触网检修中主要依靠人工对接触网腕臂***进行维护检测，相对于非接触式3D视觉图像技术，前者将消耗大量的人力物力，对行车造成干扰，并会受天气和作业人员的经验判断影响，后者利用深度相机获取腕臂***三维点云数据，并对其各连接部分是否发生相对移位进行检测，一方面节约成本，不会干扰过往列车，另一方面不受天气的约束，各参数的检测精度较高，具有较好的实用性。

发明内容

因此，本发明提供一种基于凹凸性的腕臂***分割与参数检测方法。具体包括以下步骤：

步骤A：获取接触网腕臂***三维点云；

步骤B：对源点云进行预处理，包括对象提取、滤波降噪；

步骤C：采用超体聚类算法对预处理之后的腕臂***进行过分割；

步骤D：说明标准腕臂凹凸性明确，并采用改进的基于斜率约束的局部凸连接打包(SC-LCCP)算法对腕臂***进行分步分割，并给出分割参数的选择范围；

步骤E：采用改进的投影-采样一致性(P-RANSAC)算法，获取各线性部分直线方程，并计算各连接点坐标、各线性部分点数比(Point-Ratio)以及比例位置系数(ProportionalPosition Coefficients)。

进一步的，上述步骤A获取接触网腕臂***三维点云具体为：深度相机置于检测车正上方，在深度相机可视范围内，对腕臂***成像，获取腕臂***三维点云数据。

进一步的，上述步骤B中对源点云进行腕臂***提取、滤波降噪，具体过程如下：

B1：利用直通滤波器(Pass Through)分别设置x、y、z轴的阈值范围，对腕臂***的背景环境进行滤除；

B2：利用统计滤波(Statistical Outlier Removal)对腕臂***的噪声进行滤除。

进一步的，上述步骤C中利用超体聚类(Supervoxel-Clustering)算法对腕臂进行过分割，为了计算空间中距离，算法中对空间分量进行了归一化处理，归一化距离D由公式(1)给出：

式中λ、μ和ε分别控制颜色、空间分布和几何相似性对聚类的影响；距离D的取值，将影响超体素边界的规则性；D_c为颜色距离；m为归一化常数；D_s是一种使用聚类的最大距离点来标准化的空间距离；R_seed为晶核距离；D_HiK为直方图交点核；具体步骤如下：

C1：经多次实验，确定归一化距离D的取值对腕臂超体素的影响，并最终确定D；

C2：固定归一化距离D，明确体素边界的规则性，确定晶核距离R_seed对超体素数目的影响，并最终确定参数R_seed的值；

C3：设定颜色容差的值，并实施超体聚类过分割。

进一步的，上述步骤D中说明标准腕臂凹凸性明确，并采用改进的基于斜率约束的局部凸连接打包算法，对腕臂***进行分步分割，并给出分割参数的选择范围，具体步骤如下：

D1：统计各线性部分主要夹角θ，以及对应的|Δα|，给出标准腕臂***各线性部分主要夹角凹凸性指标；

|α₁-α₂|＝|π-θ|＝|Δα| (2)

式中α₁,α₂分别为相邻两片点云中心连接向量和它们中心的法向量的同方向夹角；

D2：设置各参数，分别为smoothness_threshold、β_Thresh、Minimum Segment Size，对腕臂***六个线性部分进行分步分割：平腕臂、斜腕臂、腕臂支撑、定位管支撑、定位管、***；

D3：在D2基础上，对分割出的腕臂***同一线性部分任意选择不同两点M1和N1，同时，在与其相连的另一线性部分选择不同两点M2和N2，分别用公式(2)计算它们的空间斜率S1、S2：

式中：a,b,c分别为点M和N的x,y,z轴坐标；

设定空间斜率阈值S_Thresh＝0.3，若满足公式(3),则这两线性部分为同一线性部分，并将相应点云Label设定为同一值；

|S₂-S₁|＜S_Thresh (4)

D4：统计各点云数据分割的参数设置，并给出分割参数的选择范围。

进一步的，上述步骤E中用改进的投影—采样一致性(P-RANSAC)算法，获取各线性部分直线方程，并计算各连接点坐标、各线性部分点数比，以及比例位置系数，具体步骤如下：

E1：将分割提取出的各线性部分点云投影到xoy平面，则所有点z坐标为0；

E2：用随机采样拟合直线，获取绝对直线模型，在三维空间xoy平面必有交点J(j₁,j₂,0)，输出各直线模型经过的某一定点h(k₁,k₂,0)和各方向向量

E3：将定点h(k₁,k₂,0)和方向向量

带入公式(4)，得到xoy平面直线方程：

E4：获得各部分的平面直线方程后，计算出各连接处交点坐标J(j₁,j₂,0)，此时z坐标为0；同样的，获取各个投影直线对应的原三维空间直线方程：

将j₁，j₂带入公式(5)，解算出各连接点的z坐标值c，获得三维空间中各连接点坐标J(j₁,j₂,j₃)；

E5：统计分割提取的各线性部分的点数以及原始各线性部分的点数，得到点数比；

E6：获取各线性部分两端端点H和I，计算各线性部分长度P以及端点H到J(j₁,j₂,j₃)的长度Q，依公式(6)计算各连接点比例位置系数W：

式中d₁,e₁,f₁为端点H的x,y,z轴坐标；d₂,e₂,f₂为端点I的x,y,z轴坐标。

本发明的有益效果是：

(1)本发明通过3D视觉图像技术对接触网腕臂***各线性部分进行有效分割并计算各连接点坐标以及比例位置系数，不会增加接触网***的负载；

(2)本发明通过非接触式3D视觉图像技术，减少了人力物力的消耗，且不受天气和作业人员的经验判断影响；

(3)本发明通过改进的基于斜率约束的局部凸连接打包(SC-LCCP)算法、投影—采样一致性(P-RANSAC)算法，对腕臂***进行分割并计算各连接点参数，具有抗噪性好、鲁棒性强、精度较高的特点，提高了接触网腕臂***的检测效率。

附图说明

图1为本发明中检测流程图。

图2为本发明中采用的检测装置示意图。

图3为本发明中获取一帧腕臂***点云数据示意图。

图4为本发明中获取的现场一帧腕臂***点云数据。

图5为本发明中直通滤波之后的腕臂***点云数据。

图6为本发明中统计滤波之后的腕臂***点云数据。

图7为本发明中归一化距离D对腕臂***超体素边界的影响。

图8为本发明中体素边界规则性示意图。

图9为本发明中参数R_seed对超体素个数分布的影响。

图10为本发明中超体聚类过分割的分割结果。

图11为本发明中标准腕臂的凹凸性指标标注。

图12为本发明中验证该方法有效性的分割结果。

图13为本发明中实测数据各线性部分的提取结果。

图14为本发明中实测数据各线性部分的直线检测结果。

图15为本发明中4组实测数据分割结果。

图16为本发明中四组数据的点数比条形统计图。

图17为本发明中四组数据点数比误差折线图。

图18为本发明中四组数据比例位置系数误差折线图。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明。

如图1所示，一种基于凹凸性的腕臂***分割与参数检测方法流程图，包括以下步骤：

步骤A：获取接触网腕臂***三维点云。

深度相机置于检测车正上方，相机水平，并倾斜一定角度，见图2，移动检测车，使得整个腕臂***在深度相机可视范围内，实时获取多帧腕臂***点云数据，见图3。图4为获取的一帧腕臂点云数据。

步骤B：对源点云进行预处理，包括对象提取、滤波降噪。

B1：利用直通滤波器(Pass Through)，根据腕臂***在相机坐标系的成像位置，分别设置x、y、z轴的阈值范围，对腕臂***的背景环境进行滤除，参数参考设置见表1，滤波结果见图5；

表1直通滤波器参数设置

B2：利用统计滤波(Statistical Outlier Removal)，对腕臂***的噪声进行滤除，滤波结果见图6。

步骤C：采用超体聚类算法，对预处理之后的腕臂***点云进行过分割。

为了计算空间中距离，算法中对空间分量进行了归一化处理，归一化距离D由公式(1)给出：

C1：多次实验，确定归一化距离D的取值对腕臂超体素的影响，见图7，并最终确定D；

C2：固定归一化距离D，明确体素边界的规则性，见图8，确定晶核距离R_seed对超体素数目的影响，见图9，并最终确定参数R_seed的值。

C3：设定颜色容差的值，并实施超体聚类过分割，过分割结果见图10。

步骤D：采用改进的基于斜率约束的局部凸连接打包(SC-LCCP)算法，对腕臂***进行分步分割；

D1：统计各线性部分主要夹角θ，以及对应的|Δα|，见图11，由公式(2)，给出标准腕臂***各线性部分主要夹角凹凸性指标。

|α₁-α₂|＝|π-θ|＝|Δα| (2)

D2：设置参数，分别为smoothness_threshold、β_Thresh、Minimum Segment Size对腕臂***六个线性部分进行分步分割：平腕臂、斜腕臂、腕臂支撑、定位管支撑、定位管、***。参数参考设置见表2。

表2 SC-LCCP参数设置

D3：在D2的基础上，对分割出的腕臂***同一线性部分任意选择不同两点M1和N1，同时，在与其相连的另一线性部分选择不同两点M2和N2，分别用公式(3)计算它们的空间斜率S1、S2：

式中：a,b,c分别为点M和N的x,y,z轴坐标。设定空间斜率阈值S_Thresh＝0.3，若满足公式(4)，则这两线性部分为同一线性部分，并将Label设定为同一值。

|S₂-S₁|＜S_Thresh (4)

分割结果见图12。

步骤E：采用改进的投影—采样一致性(P-RANSAC)算法，获取各线性部分直线方程，并计算各连接点坐标、各线性部分点数比，以及比例位置系数。

E1：将分割提取出的各线性部分点云投影到xoy平面，则所有点z坐标为0，见图13。

E2：在E1基础下，用随机采样拟合直线，获取绝对直线模型，在三维空间xoy平面必有交点J(j₁,j₂,0)，输出各直线模型经过的某一定点h(k₁,k₂,0)和各方向向量

E3：将定点h(k₁,k₂,0)和方向向量

带入公式(5)，得到xoy平面直线方程：

E4：获得各部分的平面直线方程后,计算出各连接处交点坐标J(j₁,j₂,0)，此时z坐标为0。同样的，获取各个投影直线对应的原三维空间直线方程：

将j1，j2带入公式(6)，解算出各连接点的z坐标，获得三维空间中各连接点坐标J(j₁,j₂,j₃)。

E5：统计分割提取的各线性部分的点数以及原始各线性部分的点数，得到点数比(P-R)。

E6：获取各线性部分两端端点H和I，计算各线性部分长度P以及端点H到J(j₁,j₂,j₃)的长度Q，依公式(7)计算各连接点比例位置系数W：

拟合直线见图14。

本发明在此对深度相机获取的4组腕臂***点云数据进行各线性部分的有效分割与参数检测，4组数据分割结果见图15。并给出四组数据的点数比条形统计图，见图16，四组数据点数比误差折线图，见图17，a组参数设置表，见表3，腕臂***分割参数选择范围表，见表4，a组点云各连接部分关节点三维坐标和误差表，见表5，a组点云比例位置系数和误差表，见表6，四组数据比例位置系数误差折线图，见图18。

表3实测腕臂***点云a参数设置

表4腕臂***分割参数选择范围

表5实测腕臂***点云a各部分连接关节点三维坐标与误差

表6a组数据比例位置系数与误差

本发明通过3D视觉图像技术，对接触网腕臂***进行各线性部分的有效分割以及各连接关节点的参数检测。这种非接触式的腕臂***维护检测方法：不会对接触网***增加额外的负载，且不会干扰行车；减少了人力物力的消耗；不受天气的约束以及作业人员的经验判断影响；各参数检测精度较高，且具有较好的抗噪性、较高的鲁棒性。本发明一种基于凹凸性的腕臂***分割与参数检测方法具有较好的使用前景。

Claims (3)

1.一种基于凹凸性的腕臂***分割与参数检测方法，其特征在于，包括以下步骤：

步骤A：获取接触网腕臂***三维点云；

步骤B：对源点云进行预处理，包括对象提取、滤波降噪；

步骤C：采用超体聚类算法对预处理之后的腕臂***进行过分割，为了计算空间中距离，算法中对空间分量进行了归一化处理，归一化距离D由公式(1)给出：

式中λ、μ和ε分别控制颜色、空间分布和几何相似性对聚类的影响；距离D的取值，将影响超体素边界的规则性；D_c为颜色距离；m为归一化常数；D_s是一种使用聚类的最大距离点来标准化的空间距离；R_seed为晶核距离；D_HiK为直方图交点核；具体步骤如下：

C1：经多次实验，确定归一化距离D的取值对腕臂超体素的影响，并最终确定D；

C2：固定归一化距离D，明确体素边界的规则性，确定晶核距离R_seed对超体素数目的影响，并最终确定参数R_seed的值；

C3：设定颜色容差的值，并实施超体聚类过分割；

步骤D：说明标准腕臂凹凸性明确，并采用改进的基于斜率约束的局部凸连接打包算法对腕臂***进行分步分割，并给出分割参数的选择范围；

D1：统计各线性部分主要夹角θ，以及对应的|Δα|，给出标准腕臂***各线性部分主要夹角凹凸性指标；

D2：设置各参数，对腕臂***六个线性部分进行分步分割：平腕臂、斜腕臂、腕臂支撑、定位管支撑、定位管、***；

D3：在D2基础上，对分割出的腕臂***同一线性部分任意选择不同两点M1和N1，同时，在与其相连的另一线性部分选择不同两点M2和N2，分别用公式(3)计算它们的空间斜率S1、S2：

式中：a,b,c分别为点M和N的x,y,z轴坐标；

设定空间斜率阈值S_Thresh＝0.3，若满足公式(4),则这两线性部分为同一线性部分，并将相应点云Label设定为同一值；

|S₂-S₁|＜S_Thresh (4)

D4：统计各点云数据分割的参数设置，并给出分割参数的选择范围；

步骤E：采用改进的投影-采样一致性算法，获取各线性部分直线方程，并计算各连接点坐标、各线性部分点数比以及比例位置系数；

E1：将分割提取出的各线性部分点云投影到xoy平面，则所有点z坐标为0；

E2：用随机采样拟合直线，获取绝对直线模型，在三维空间xoy平面必有交点J(j₁,j₂,0)，输出各直线模型经过的某一定点h(k₁,k₂,0)和各方向向量

E3：将定点h(k₁,k₂,0)和方向向量

带入公式(5)，得到xoy平面直线方程：

E4：获得各部分的平面直线方程后，计算出各连接处交点坐标J(j₁,j₂,0)，此时z坐标为0；同样的，获取各个投影直线对应的原三维空间直线方程：

将j₁，j₂带入公式(6)，解算出各连接点的z坐标值c，获得三维空间中各连接点坐标J(j₁,j₂,j₃)；

E5：统计分割提取的各线性部分的点数以及原始各线性部分的点数，得到点数比；

E6：获取各线性部分两端端点H和I，计算各线性部分长度P以及端点H到J(j₁,j₂,j₃)的长度Q，依公式(7)计算各连接点比例位置系数W：

式中，d₁,e₁,f₁为端点H的x,y,z轴坐标；d₂,e₂,f₂为端点I的x,y,z轴坐标。

2.根据权利要求1所述的一种基于凹凸性的腕臂***分割与参数检测方法，其特征在于，所述步骤A获取接触网腕臂***三维点云具体如下：

深度相机置于检测车正上方，在深度相机可视范围内，对腕臂***成像，获取腕臂***三维点云数据。

3.根据权利要求1所述的一种基于凹凸性的腕臂***分割与参数检测方法，其特征在于，所述步骤B中对源点云进行腕臂***提取、滤波降噪，具体过程如下：

B1：利用直通滤波器分别设置x、y、z轴的阈值范围，对腕臂***的背景环境进行滤除；

B2：利用统计滤波对腕臂***的噪声进行滤除。

Images