CN109816682B - 一种基于凹凸性的腕臂***分割与参数检测方法 - Google Patents
一种基于凹凸性的腕臂***分割与参数检测方法 Download PDFInfo
- Publication number
- CN109816682B CN109816682B CN201910058454.7A CN201910058454A CN109816682B CN 109816682 B CN109816682 B CN 109816682B CN 201910058454 A CN201910058454 A CN 201910058454A CN 109816682 B CN109816682 B CN 109816682B
- Authority
- CN
- China
- Prior art keywords
- point
- linear
- segmentation
- cantilever
- wrist
- 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
Landscapes
- Image Analysis (AREA)
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
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;Dc为颜色距离;m为归一化常数;Ds是一种使用聚类的最大距离点来标准化的空间距离;Rseed为晶核距离;DHiK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Rseed对超体素数目的影响,并最终确定参数Rseed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、βThresh、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SThresh=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|<SThresh (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;
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Rseed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Rseed对超体素数目的影响,见图9,并最终确定参数Rseed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、βThresh、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SThresh=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|<SThresh (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。
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;Dc为颜色距离;m为归一化常数;Ds是一种使用聚类的最大距离点来标准化的空间距离;Rseed为晶核距离;DHiK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Rseed对超体素数目的影响,并最终确定参数Rseed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SThresh=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|<SThresh (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;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058454.7A CN109816682B (zh) | 2019-01-22 | 2019-01-22 | 一种基于凹凸性的腕臂***分割与参数检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910058454.7A CN109816682B (zh) | 2019-01-22 | 2019-01-22 | 一种基于凹凸性的腕臂***分割与参数检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109816682A CN109816682A (zh) | 2019-05-28 |
CN109816682B true CN109816682B (zh) | 2022-12-06 |
Family
ID=66603537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910058454.7A Active CN109816682B (zh) | 2019-01-22 | 2019-01-22 | 一种基于凹凸性的腕臂***分割与参数检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109816682B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110473223B (zh) * | 2019-08-15 | 2023-05-05 | 西南交通大学 | 基于接触网腕臂***三维点云的二维图像辅助分割方法 |
CN110647939B (zh) * | 2019-09-24 | 2022-05-24 | 广州大学 | 一种半监督智能分类方法、装置、存储介质及终端设备 |
CN112710241B (zh) * | 2020-12-17 | 2023-03-31 | 中铁电气化局集团有限公司 | 腕臂偏移量检测方法、检测装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463933A (zh) * | 2017-07-24 | 2017-12-12 | 宗晖(上海)机器人有限公司 | 一种图像目标检测方法 |
CN107578400A (zh) * | 2017-07-26 | 2018-01-12 | 西南交通大学 | 一种bim和三维点云融合的接触网装置参数检测方法 |
CN108564575A (zh) * | 2018-04-11 | 2018-09-21 | 西南交通大学 | 一种基于三维点云数据的非接触式接触网参数检测方法 |
CN108921164A (zh) * | 2018-06-15 | 2018-11-30 | 西南交通大学 | 一种基于三维点云分割的接触网***坡度检测方法 |
CN108961271A (zh) * | 2018-06-27 | 2018-12-07 | 西安工程大学 | 一种彩色3d点云超体素凹凸分割算法 |
CN109166145A (zh) * | 2018-08-10 | 2019-01-08 | 中国农业大学 | 一种基于聚类分割的果树叶片生长参数提取方法及*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184852B (zh) * | 2015-08-04 | 2018-01-30 | 百度在线网络技术(北京)有限公司 | 一种基于激光点云的城市道路识别方法及装置 |
US10109055B2 (en) * | 2016-11-21 | 2018-10-23 | Seiko Epson Corporation | Multiple hypotheses segmentation-guided 3D object detection and pose estimation |
-
2019
- 2019-01-22 CN CN201910058454.7A patent/CN109816682B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107463933A (zh) * | 2017-07-24 | 2017-12-12 | 宗晖(上海)机器人有限公司 | 一种图像目标检测方法 |
CN107578400A (zh) * | 2017-07-26 | 2018-01-12 | 西南交通大学 | 一种bim和三维点云融合的接触网装置参数检测方法 |
CN108564575A (zh) * | 2018-04-11 | 2018-09-21 | 西南交通大学 | 一种基于三维点云数据的非接触式接触网参数检测方法 |
CN108921164A (zh) * | 2018-06-15 | 2018-11-30 | 西南交通大学 | 一种基于三维点云分割的接触网***坡度检测方法 |
CN108961271A (zh) * | 2018-06-27 | 2018-12-07 | 西安工程大学 | 一种彩色3d点云超体素凹凸分割算法 |
CN109166145A (zh) * | 2018-08-10 | 2019-01-08 | 中国农业大学 | 一种基于聚类分割的果树叶片生长参数提取方法及*** |
Non-Patent Citations (3)
Title |
---|
基于SIFT和LBP点云配准的接触网零部件三维重建研究;徐建芳等;《铁道学报》;20171015(第10期);全文 * |
基于三维模型的接触网检测技术研究;徐建芳;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20140915;全文 * |
基于三维点云的接触网几何参数检测方法;周靖松等;《仪器仪表学报》;20180415(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109816682A (zh) | 2019-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816682B (zh) | 一种基于凹凸性的腕臂***分割与参数检测方法 | |
Huang et al. | Automatic data segmentation for geometric feature extraction from unorganized 3-D coordinate points | |
CN108986048B (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN103913131B (zh) | 一种基于双目视觉的自由曲面法矢量测量方法 | |
CN111553292B (zh) | 一种基于点云数据的岩体结构面识别与产状分类方法 | |
CN111696210A (zh) | 一种基于三维点云数据特征轻量化的点云重构方法及*** | |
CN108171791A (zh) | 基于多深度摄像机的动态场景实时三维重建方法及装置 | |
CN103164842A (zh) | 点云提取***及方法 | |
CN108280852B (zh) | 一种基于激光点云数据的门窗点云形状检测方法及*** | |
CN101178812A (zh) | 一种结构光光条中心线提取的混合图像处理方法 | |
CN108389256A (zh) | 二三维交互式无人机电力杆塔巡检辅助方法 | |
CN108982513B (zh) | 一种基于线激光扫描的高精度三维连接器针脚缺陷检测方法 | |
CN112037318A (zh) | 三维岩体结构模型的构建方法、***及模型的应用 | |
CN103839274B (zh) | 一种基于几何比例关系的扩展目标跟踪方法 | |
CN107025687A (zh) | 一种基于视觉依赖曲率估算的文物线图绘制方法 | |
CN102222357A (zh) | 基于图像分割和网格细分的脚型三维表面重建方法 | |
CN114581805A (zh) | 一种采用3d线激光轮廓技术的涂敷辊面缺陷检测方法 | |
Liu et al. | Extract feature curves on noisy triangular meshes | |
CN109410233A (zh) | 一种边缘特征约束的高分辨率图像道路精准提取方法 | |
CN116452604B (zh) | 一种复杂变电站场景分割方法、设备及存储介质 | |
CN110728747A (zh) | 一种基于激光点云数据及OpenGL的车辆三维外廓绘制方法 | |
Kudelski et al. | 3D feature line detection based on vertex labeling and 2D skeletonization | |
Kudelski et al. | Feature line extraction on meshes through vertex marking and 2D topological operators | |
Dong et al. | Research on 3D model reconstruction based on a sequence of cross-sectional images | |
CN113674360A (zh) | 一种基于协变的线结构光光平面标定方法 |
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 |