CN112581579A - 一种磁浮滑行面点云数据提取方法 - Google Patents
一种磁浮滑行面点云数据提取方法 Download PDFInfo
- Publication number
- CN112581579A CN112581579A CN202011535988.3A CN202011535988A CN112581579A CN 112581579 A CN112581579 A CN 112581579A CN 202011535988 A CN202011535988 A CN 202011535988A CN 112581579 A CN112581579 A CN 112581579A
- Authority
- CN
- China
- Prior art keywords
- cloud data
- point cloud
- sliding surface
- magnetic suspension
- coordinate system
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
- Control Of Vehicles With Linear Motors And Vehicles That Are Magnetically Levitated (AREA)
Abstract
本发明涉及一种磁浮滑行面点云数据提取方法,包括以下步骤:获取点云数据;将点云数据从空间坐标系转化为轨道坐标系,得到滑行面的拟合范围;构建求解模型,得到初始平面;计算拟合范围内所有点云数据至初始平面的距离,根据第一设定阈值去除超距的点云数据,得到预处理点云数据;计算预处理点云数据的均值,计算预处理点云数据的残差与标准差,去除残差大于第二设定阈值或标准差大于第三阈值的点云数据,得到单段点云数据;将单段点云数据进行拟合,得到磁浮滑行面整体点云数据。与现有技术相比,实现磁浮滑行面点云数据的自动化提取,可以有效减小最终的磁浮滑行面点云数据噪声,克服了磁浮轨道复杂环境导致拟合范围无法匹配点云的缺点。
Description
技术领域
本发明涉及磁浮点云数据提取领域,尤其是涉及一种磁浮滑行面点云数据提取方法。
背景技术
磁浮交通以噪声低、运行速度快、维修成本低、运行振动小、恶劣环境抵御力强等优点,已成为轨道交通重要的发展方向。磁浮滑行面是位于轨道两侧的功能面,对于保障磁浮列车的平稳运行具有重要作用。由于磁浮列车的高速运行,在局部区域会有直接的接触,可能导致磁浮滑行面产生一定的非线性形变。因此,定期检测磁浮滑行面,对磁浮列车的安全运营具有极其重要的意义。采用移动激光扫描的方式对磁浮轨道进行测量,可以快速准确地获取磁浮轨道大量的三维点云信息,在该点云中包含有滑行面、导向面、定子面以及各种结构的点云信息。需要解决如何从滑行面、导向面、定子面以及各种结构的点云信息中提取滑行面点云。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种磁浮滑行面点云数据提取方法。
本发明的目的可以通过以下技术方案来实现:
一种磁浮滑行面点云数据提取方法,该方法包括以下步骤:
S1:获取点云数据;
S2:将点云数据从空间坐标系转化为轨道坐标系,根据磁浮滑行面设计参数得到滑行面的拟合范围;
S3:在轨道坐标系下根据点云数据构建的空间平面方程的函数值与实际值之差构建求解模型,得到初始平面;
S4:计算拟合范围内所有点云数据至初始平面的距离,根据第一设定阈值去除不合理点云数据,得到预处理点云数据;
S5:计算预处理点云数据的均值,并将均值作为标准值,计算预处理点云数据的残差与标准差,去除残差大于第二设定阈值或标准差大于第三阈值的点云数据,得到单段点云数据;
S6:将单段点云数据进行拟合,得到磁浮滑行面点云数据。
S1中,所述的点云数据通过激光扫描仪获取。
S2中,所述轨道坐标系包括l轴、q轴和h轴,所述l轴表示里程,所述q轴表示点至中心线的偏移量,h轴表示高程,轨道坐标系的原点为起始位置的中心点。
S3中,拟合范围内的点云数据的高程呈正态分布,根据高程去除置信度较低的点云数据后,利用剩余的点云数据构建空间平面方程。
S3中,所述的空间平面方程为:
p(l,q,h)=al+bq+ch+m=0
其中,a、b、c为平面方程法向量,l、q、h分别为里程、偏移量及高程,m为原点到空间平面距离。
S3中,所述求解模型的表达式为:
其中,e为函数值与实际值之差,i表示点云数据的个数。
S4中,所述的第一阈值为点云数据至初始平面的先验距离t。
S5中,所述的第二阈值为残差的方差σ。
所述的第三阈值为三倍的标准差。
S6中,单段点云数据的拟合沿轨道坐标系的l轴进行。
与现有技术相比,本发明具有以下优点:
(1)基于获取的点云数据,可以快速高效地实现磁浮滑行面点云数据的自动化提取;通过多次去除异常的点云数据,可以有效减小最终的磁浮滑行面点云数据噪声。
(2)运用分段拟合的方式进行滑行面提取,克服了磁浮轨道复杂环境导致拟合范围无法匹配点云的缺点。
附图说明
图1为本发明的流程图;
图2为通过激光扫描仪获取点云数据示意图;
图3为本发明的轨道坐标系示意图;
图4为本发明初始平面和单段点云数据平面对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例
本实施例提供一种磁浮滑行面点云数据提取方法,如图1所示,该方法包括以下步骤:
S1:获取点云数据;
S2:将点云数据从空间坐标系转化为轨道坐标系,根据磁浮滑行面设计参数得到滑行面的拟合范围;
S3:在轨道坐标系下根据点云数据构建的空间平面方程的函数值与实际值之差构建求解模型,得到初始平面;
S4:计算拟合范围内所有点云数据至初始平面的距离,根据第一设定阈值去除不合理点云数据,得到预处理点云数据;
S5:计算预处理点云数据的均值,并将均值作为标准值,计算预处理点云数据的残差与标准差,去除残差大于第二设定阈值或标准差大于第三阈值的点云数据,得到单段点云数据;
S6:将单段点云数据进行拟合,得到磁浮滑行面点云数据。
具体而言:
S1中,采用高精度的激光扫描仪动态地扫描磁浮轨道,获得点云数据。
S2中,为便于确定拟合范围,需要将工程坐标(x,y,h)转化到轨道坐标(1,q,h),所述轨道坐标系包括l轴、q轴和h轴,l轴表示里程,与设计的轨面中心线重合;q轴表示点至中心线的偏移量,垂直于轨面中心线;h轴表示高程,轨道坐标系的原点为起始位置的中心点;建立的轨道坐标系如图3所示。
根据磁浮滑行面设计参数,得到设计方案下的滑行面两侧边界至中心线的偏移范围[q1',q2'],给定一定的阈值范围[l1',l2'],保证小区域范围滑行面的平面特性,根据[q1',q2']和[l1',l2']得到拟合范围。
S3中,由于区域内点云数据基本集中在滑行面附近,拟合范围内的点云数据的高程呈正态分布,确定高度阈值范围[h1',h2'],根据高程去除置信度较低的点云数据后,利用剩余的点云数据构建空间平面方程。
S3中,空间平面方程为:
p(l,q,h)=al+bq+ch+m=0
其中,a、b、c为平面方程法向量,l、q、h分别为里程、偏移量及高程,m为原点到空间平面距离。
S3中,求解模型的表达式为:
其中,e为函数值与实际值之差,i表示点云数据的个数,通过求解模型得到初始平面方程系数由此得到的初始平面是在理想状态下的滑行面,实际上各个坐标方向均存在一定的误差,因此初始平面无法作为滑行面的最佳拟合平面。
S4中,所述的第一阈值为点云数据至初始平面的先验距离t;S5中,所述的第二阈值为残差的方差σ。
所述的第三阈值为三倍的标准差。
S6中,单段点云数据的平面参数表示为(ai,bi,ci),图4中左侧为初始平面,右侧为单段点云数据的平面;磁浮线路设计时受超高、曲率、坡度要素的影响,整体点云数据拟合无法模拟轨道平面的真实状态,采用分段拟合平面的方式,单段点云数据的拟合沿轨道坐标系的l轴进行,每次步进距离为Δ1,之后再进行步骤S3,直至完成整体滑行面点云数据的提取。
本实施例的磁浮滑行面点云数据提取方法可以有效剔除异常值,实现磁浮滑行面信息的准确提取,为磁浮轨道滑行面检测以及评估提供依据。
Claims (10)
1.一种磁浮滑行面点云数据提取方法,其特征在于,该方法包括以下步骤:
S1:获取点云数据;
S2:将点云数据从空间坐标系转化为轨道坐标系,根据磁浮滑行面设计参数得到滑行面的拟合范围;
S3:在轨道坐标系下根据点云数据构建的空间平面方程的函数值与实际值之差构建求解模型,得到初始平面;
S4:计算拟合范围内所有点云数据至初始平面的距离,根据第一设定阈值去除不合理点云数据,得到预处理点云数据;
S5:计算预处理点云数据的均值,并将均值作为标准值,计算预处理点云数据的残差与标准差,去除残差大于第二设定阈值或标准差大于第三阈值的点云数据,得到单段点云数据;
S6:将单段点云数据进行拟合,得到磁浮滑行面点云数据。
2.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S1中,所述的点云数据通过激光扫描仪获取。
3.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S2中,所述轨道坐标系包括l轴、q轴和h轴,所述l轴表示里程,所述q轴表示点至中心线的偏移量,h轴表示高程,轨道坐标系的原点为起始位置的中心点。
4.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S3中,拟合范围内的点云数据的高程呈正态分布,根据高程去除置信度较低的点云数据后,利用剩余的点云数据构建空间平面方程。
5.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S3中,所述的空间平面方程为:
p(l,q,h)=al+bq+ch+m=0
其中,a、b、c为平面方程法向量,l、q、h分别为里程、偏移量及高程,m为原点到空间平面距离。
7.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S4中,所述的第一阈值为点云数据至初始平面的先验距离t。
8.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S5中,所述的第二阈值为残差的方差σ。
9.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,所述的第三阈值为三倍的标准差。
10.根据权利要求1所述的一种磁浮滑行面点云数据提取方法,其特征在于,S6中,单段点云数据的拟合沿轨道坐标系的l轴进行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535988.3A CN112581579B (zh) | 2020-12-22 | 2020-12-22 | 一种磁浮滑行面点云数据提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011535988.3A CN112581579B (zh) | 2020-12-22 | 2020-12-22 | 一种磁浮滑行面点云数据提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581579A true CN112581579A (zh) | 2021-03-30 |
CN112581579B CN112581579B (zh) | 2022-11-18 |
Family
ID=75138877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011535988.3A Active CN112581579B (zh) | 2020-12-22 | 2020-12-22 | 一种磁浮滑行面点云数据提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581579B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594250A (zh) * | 2018-05-15 | 2018-09-28 | 北京石油化工学院 | 一种点云数据去噪点方法及装置 |
CN110728693A (zh) * | 2019-09-27 | 2020-01-24 | 上海图趣信息科技有限公司 | 大规模行车路面三维点云的生成方法及*** |
US20200111251A1 (en) * | 2018-10-08 | 2020-04-09 | The Hong Kong Polytechnic University | 3d indoor modeling method, system and device based on point cloud data |
WO2020118970A1 (zh) * | 2018-12-10 | 2020-06-18 | 华东理工大学 | 一种复杂表面加工的在机点云检测及补偿方法 |
EP3677980A1 (en) * | 2018-08-15 | 2020-07-08 | Guangzhou Xaircraft Technology Co., Ltd. | Method, device, and equipment for obstacle or ground recognition and flight control, and storage medium |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
CN111968253A (zh) * | 2020-07-09 | 2020-11-20 | 北京工业大学 | 一种基于点云数据的路面提取方法及*** |
-
2020
- 2020-12-22 CN CN202011535988.3A patent/CN112581579B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108594250A (zh) * | 2018-05-15 | 2018-09-28 | 北京石油化工学院 | 一种点云数据去噪点方法及装置 |
EP3677980A1 (en) * | 2018-08-15 | 2020-07-08 | Guangzhou Xaircraft Technology Co., Ltd. | Method, device, and equipment for obstacle or ground recognition and flight control, and storage medium |
US20200111251A1 (en) * | 2018-10-08 | 2020-04-09 | The Hong Kong Polytechnic University | 3d indoor modeling method, system and device based on point cloud data |
WO2020118970A1 (zh) * | 2018-12-10 | 2020-06-18 | 华东理工大学 | 一种复杂表面加工的在机点云检测及补偿方法 |
CN110728693A (zh) * | 2019-09-27 | 2020-01-24 | 上海图趣信息科技有限公司 | 大规模行车路面三维点云的生成方法及*** |
CN111461138A (zh) * | 2020-03-05 | 2020-07-28 | 云南电网有限责任公司玉溪供电局 | 一种基于LiDAR点云数据的电力线自动提取方法 |
CN111968253A (zh) * | 2020-07-09 | 2020-11-20 | 北京工业大学 | 一种基于点云数据的路面提取方法及*** |
Non-Patent Citations (1)
Title |
---|
耿杰等: "《中低速磁浮列车-简支梁***耦合振动试验研究》", 《铁道学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112581579B (zh) | 2022-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111336990B (zh) | 一种隧道断面收敛快速分析方法和装置 | |
CN113009456B (zh) | 车载激光雷达数据校准方法、装置及*** | |
CN109214994B (zh) | 一种基于双控制点的隧道密集点云噪声剔除方法 | |
CN108986082A (zh) | 一种基于epnp的钢轨廓形检测方法及*** | |
CN107764200A (zh) | 超高层电梯井道的测量方法 | |
CN110910443B (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
CN111539070B (zh) | 基于实测数据的翼身对接间隙分布控制方法 | |
CN110455187A (zh) | 一种基于三维视觉的盒体工件焊缝的检测方法 | |
CN114577131B (zh) | 一种基于3d结构光相机的车身间隙检测方法及*** | |
KR101755687B1 (ko) | 촬영화상의 카메라 자세 추정 시스템 및 방법 | |
CN113487722A (zh) | 一种基于三维激光扫描方法的混凝土构件自动化检测方法 | |
CN109696168A (zh) | 一种基于激光传感器的移动机器人几何地图创建方法 | |
CN106886988B (zh) | 一种基于无人机遥感的线性目标检测方法及*** | |
CN112581579B (zh) | 一种磁浮滑行面点云数据提取方法 | |
CN116222502A (zh) | 一种基于激光点云的杆塔倾斜测量方法 | |
CN112950493B (zh) | 轨道列车线阵相机图像畸变校正方法及装置 | |
CN102620745B (zh) | 一种机载imu视准轴误差检校方法 | |
CN113291207A (zh) | 一种地铁刚性接触网的动态测量方法 | |
CN110084779A (zh) | 一种基于激光扫描的飞机厚蒙皮端面特征点提取与去噪方法 | |
CN109115127A (zh) | 一种基于贝塞尔曲线的亚像素峰值点提取算法 | |
CN110544201B (zh) | 一种车载激光扫描点云的大范围拼接方法及装置 | |
CN112158693A (zh) | 一种电梯导轨参数的检测方法 | |
CN104850869A (zh) | 一种高速铁路cpⅲ标志物的自动识别***及方法 | |
CN116681912A (zh) | 铁路道岔的轨距检测方法及装置 | |
CN113063422B (zh) | 一种顾及钟差的5g终端室内定位方法 |
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 |