CN113155098A - 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 - Google Patents

基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 Download PDF

Info

Publication number
CN113155098A
CN113155098A CN202110424507.XA CN202110424507A CN113155098A CN 113155098 A CN113155098 A CN 113155098A CN 202110424507 A CN202110424507 A CN 202110424507A CN 113155098 A CN113155098 A CN 113155098A
Authority
CN
China
Prior art keywords
line
image
rail
straight line
dimensional
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
Application number
CN202110424507.XA
Other languages
English (en)
Other versions
CN113155098B (zh
Inventor
王广帅
邓继伟
高文峰
赵海
张冠军
王凯
张英杰
聂虎啸
张文腾
岳亮
葛玉辉
高帅
赵罗明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Design Corp
Original Assignee
China Railway Design Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Design Corp filed Critical China Railway Design Corp
Priority to CN202110424507.XA priority Critical patent/CN113155098B/zh
Publication of CN113155098A publication Critical patent/CN113155098A/zh
Priority to PCT/CN2021/129311 priority patent/WO2022222428A1/zh
Application granted granted Critical
Publication of CN113155098B publication Critical patent/CN113155098B/zh
Priority to US18/063,273 priority patent/US20230112991A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/06—Interpretation of pictures by comparison of two or more pictures of the same area
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G01C11/30—Interpretation of pictures by triangulation
    • G01C11/34—Aerial triangulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/003—Reconstruction from projections, e.g. tomography
    • G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30172—Centreline of tubular or elongated structure
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Algebra (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，包括获取初始数据，无人机影像钢轨顶面中线获取，基于非线性最小二乘方法的钢轨顶面中线计算及轨道中线三维坐标计算；基于计算机视觉和摄影测量中的多视几何原理，利用影像信息直接计算得到线路物方坐标，无需外业人员上线作业，能够有效提高铁路运营线测绘工作的安全性。因此，本方法具有重要的工程应用价值和应用前景。

Description

基于无人机多视角影像的既有铁路轨道线高精度三维重建 方法
技术领域
本发明涉及铁路既有线路测绘技术领域，尤其涉及基于无人机多视角影像的既有铁路轨道线高精度三维重建方法。
背景技术
无人机航测已成为一种不可或缺的测绘影像数据获取手段。相较于传统航摄，无人机航测具有成本低、机动灵活、影像空间分辨率高的优势，其在工程勘察建设中发挥着重要的作用。随着我国铁路大规模提速改造工程的推进，铁路既有线的勘测任务逐渐增多。通常铁路既有线的测绘任务包括地形测绘、平面测绘、水准测量、横断面测绘和站场测绘等，其中核心步骤之一是获取线路中线精确的平面和高程坐标，即获取线路的高精度三维坐标。
目前，既有铁路三维中线的获取主要有三种方式：(1)全站仪、GPS-RTK测量。这种方法可以满足既有线测绘的精度要求，但是效率较低，且需要人工上线作业，安全风险高；(2)传统大飞机航摄测绘。此方法只需人工内业在航摄立体像对上采集轨道点，即可得到铁路中线坐标，避免了人工上线作业，但其缺点是测量精度较低(5～10cm)，尤其是高程方向上的精度往往无法满足实际需求；(3)轨道车载激光雷达测绘。这种方法可以直接得到高精度的轨道点坐标数据，其缺点也是需要上线测量，需要与运营单位进行大量的沟通协调工作。总体来看，现有的三种方法各有特点，但均无法同时兼顾不上线与高精度这两个要求。
针对铁路既有线测绘上线难问题，本发明提出了一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，在无需人工上线作业的前提下，可获得高精度轨道线平面高程地理坐标，为后续线路改造和运营维护提供高精度的基础数据。
发明内容
因此，本发明的目的在于提供一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，基于计算机视觉和摄影测量中的多视几何原理，利用影像信息直接计算得到线路物方坐标(平面和高程精度约2cm)，无需外业人员上线作业，能够有效提高铁路运营线测绘工作的安全性。因此，本方法具有重要的工程应用价值和应用前景。
为了实现上述目的，本发明的一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，包括S1，获取初始数据，所述初始数据包括：无人机多视角的原始影像、影像外方位元素、相机内参数及铁路钢轨顶面中线初始坐标；S2，利用影像的外方位元素和相机内参数，将钢轨顶面中线初始坐标反投影至所述原始影像，调整影像直线段位置，得到精确的影像轨顶中线观测值；S3，利用非线性最小二乘法优化影像轨顶中线观测值，得到轨道顶面直线段的物方坐标参数，利用所述物方坐标参数将相邻直线段顺次连接，得到完整的轨顶中线三维坐标；S4，根据得到的轨顶中线三维坐标，划分钢轨直/曲线线段，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标。
优选的，在S2中，将钢轨顶面中线初始坐标反投影至所述原始影像时，包括如下方法：根据预设长度阈值，对输入的初始铁路轨顶中线进行分段，得到多条钢轨顶面中线直线段；根据共线条件方程，利用精确的影像外方位元素和相机内参数，将分段后的轨顶直线段反投影至无人机多视角的原始影像上，得到各轨顶直线段在影像上的粗略位置。
在上述任意一项实施例中优选的，在S2中，调整影像直线段位置时，采用精调影像直线段端点位置，实现每条影像轨道线段准确位于轨道顶面中线上。
在上述任意一项实施例中优选的，在S3中，利用非线性最小二乘法优化影像轨顶中线观测值，得到轨道顶面直线段的物方坐标参数方法如下：对各钢轨顶面中线直线段，计算两两影像投影平面之间的夹角作为交会角，以交会角最大的两张影像线投影相交形成的物方直线段作为直线段最小二乘平差的初始值；将作为初始值的轨顶直线段，在影像上的反投影直线与相应影像线观测值间的欧式距离作为代价，列出代价方程；根据代价方程计算任意一条物方轨顶直线段的最小二乘优化的整体代价函数；对所述整体代价函数进行泰勒级数展开，并略去高阶项，得到线性化之后的误差方程；利用线性化之后的误差方程，按照最小二乘平差准则，求解轨道顶面直线段的物方坐标参数。
在上述任意一项实施例中优选的，对于任意物方轨顶直线段Li，若其在多张影像上具有影像线观测值，则可列出若干个代价方程，则直线Li最小二乘优化的整体代价函数形式如下：
Figure BDA0003028789040000021
其中：C表示直线Li最小二乘优化的整体反投影代价，dist(*)为影像线观测值到轨顶线反投影直线的欧式距离函数，proj(*)表示基于透视成像的反投影函数，Tk为能观测到Li的第k张影像的内外方位元素，lik表示Li在该影像上对应的影像直线段观测值。
在上述任意一项实施例中优选的，在S3中，利用所述物方坐标参数将相邻直线段顺次连接，得到完整的轨顶中线三维坐标；包括得到的轨顶直线上距离影像线端点投影光线最近的点，作为该端点在轨顶直线上的同名点，计算所有影像线端点在轨顶直线上的同名点坐标，取其平均值作为轨顶直线的端点；依据各段的起止坐标确定相应的连接顺序，计算相邻轨顶直线段相互靠近的端点坐标平均值作为钢轨节点坐标，实现相邻直线段接边，得到完整的钢轨顶面中线。
在上述任意一项实施例中优选的，在S4中，根据得到的轨顶中线三维坐标，划分钢轨直/曲线线段时，包括以下方法：对得到的钢轨顶面中线，以钢轨节点作为分界点，计算各段的方位角，并统计方位角最小值和最大值；以预设的阈值δ作为搜索宽度，形成长方形的切片空间，统计落入该长方形内的钢轨节点数目N；若N大于预设阈值，则该长方形空间内的钢轨节点均为直线点；否则该长方形空间内的钢轨节点为曲线点；以最小值作为起点，将长方形切片向上移动距离δ/2，继续判断直/曲线点；直至长方形切片空间达到方位角最大值。
在上述任意一项实施例中优选的，在S4中，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标时，包括若为直线段，对该直线段上每个节点PG1，计算G2上与PG1最近的点PG2，计算PG1和PG2的中点，作为三维中线的节点。遍历钢轨G1上所有节点进行上述操作，可得到直线段的三维中线。
在上述任意一项实施例中优选的，在S4中，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标时，包括若为曲线段，对每一个内轨节点PN(XP，YP，ZP)，首先计算二维平面上其前后两直线段法方向的方位角α1和α2，则将平面点PT(XP，YP)沿(α1+α2)/2方向朝轨道内侧偏移距离d＝(1.435+θ)/2，其中θ为铁轨顶面宽度值，得到坐标(XS，YS)，计算方法如下：
Figure BDA0003028789040000031
曲线段三维中线节点的高程值取相应内轨点的高程ZP，得到点PN对应的三维中线节点坐标为(XS，YS，ZP)。
本申请公开的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，相比于现有技术，至少具有以下优点：
1、本发明利用多视角影像区域网内部几何关系，直接基于影像空三定向结果重建轨道，避免了正射影像和三维模型制作过程引入的误差，本发明可以达到较高的钢轨顶面中线计算精度(平面高程精度均可达到2cm)，完全可以满足既有线测绘的精度要求；
2本发明设计了基于长方形切片空间的轨道直/曲线段判断方法，可以准确对轨道点进行直/曲段点分类，从而保证轨道中线三维坐标计算结果的准确性；
3相比于现有既有线测量方法(GPS/RTK测量、大飞机航摄、车载激光雷达)，本方法同时兼顾了线下测量与高精度两个优势，有效提高了作业效率与安全性，具有较强的实用和推广价值。
附图说明
图1为本发明提供的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法的流程图。
图2为本发明基于无人机多视角影像的既有铁路轨道线高精度三维重建方法的钢轨顶面中线最小二乘优化示意图。
图3为本发明基于无人机多视角影像的既有铁路轨道线高精度三维重建方法的轨道直/曲线判断示意图。
具体实施方式
以下通过附图和具体实施方式对本发明作进一步的详细说明。
如图1所示，本发明一方面实施例提供的一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，包括以下步骤：
步骤1，获取初始数据，所述初始数据包括：无人机多视角的原始影像、影像外方位元素、相机内参数(空三定向后的成果)及铁路钢轨顶面中线初始坐标；
步骤2，无人机影像钢轨顶面中线获取。利用影像的外方位元素和相机内参数，将钢轨顶面中线初始坐标反投影至原始影像，通过人机交互的方式进行影像直线段位置精调，得到精确的影像轨顶中线观测值。具体方法如下：
步骤2.1钢轨顶面中线自动分段。根据预设长度阈值(一般设为10～15m)，对输入的初始铁路轨顶中线进行分段，得到多条钢轨顶面中线直线段；
步骤2.2钢轨顶面中线反投影预测。基于共线条件方程，利用精确的影像外方位元素和相机内参数，将步骤2.2分段后的轨顶直线段反投影至无人机影像上，得到各轨顶直线段在影像上的粗略位置；
步骤2.3基于人机交互式的影像轨顶直线精测。根据步骤2.2得到的各轨顶直线段的粗略位置，通过人机交互的方式精调影像直线段端点位置，保证每条影像轨道线段准确位于轨道顶面中线上。
步骤3，基于非线性最小二乘方法的钢轨顶面中线计算。以步骤2得到的影像轨顶直线段作为观测值，通过非线性最小二乘方法优化轨道顶面直线段的物方坐标参数，并将相邻直线段顺次连接形成完整的轨顶中线。具体方法如下：
步骤3.1直线段平差初始值计算。对各轨顶直线段，计算两两影像投影平面(摄影中心与影像轨道线形成的平面)之间的夹角作为交会角，以交会角最大的两张影像线投影相交形成的物方直线段作为直线段最小二乘平差的初始值。本发明采用点向式来描述物方直线，若直线段L上某点坐标为[X，Y，Z]T，直线单位方向向量为
Figure BDA0003028789040000041
则该直线物方参数为L＝[X，Y，Z，u，v]T。
步骤3.2钢轨顶面中线最小二乘优化。具体步骤如下：
步骤3.2.1以步骤3.1得到的轨顶直线段作为初始值，将其在影像上的反投影直线与相应影像线观测值间的欧式距离作为代价，列出代价方程。代价值的计算方法如下：若直线参数为l＝[X，Y，Z，u，v，w]T，投影中心坐标为[XS，YS，ZS]T，ai、bi和ci(i＝1，2，3)为摄影测量旋转矩阵中的元素值，f为焦距，x0和y0为像主点坐标。轨顶影像线l的两端点分别为p＝[xp，yp]T和q＝[xq，yq]T，则p点代价值计算公式如下：
Figure BDA0003028789040000042
公式(1)中，各变量符号定义如下：
Figure BDA0003028789040000051
同理，可计算得到q点的代价值dq，则该条轨顶影像线的代价值为(dp+dq)/2。如图2所示，LO为影像线观测值，LP为相应物方线在影像上的反投影线，则代价值为(d1+d2)/2。对于物方轨顶直线段Li，若其在多张影像上具有影像线观测值，则可列出若干个公式(1)和(2)所述代价方程，则直线Li最小二乘优化的整体代价函数形式如下：
Figure BDA0003028789040000052
式(3)中C表示直线Li最小二乘优化的整体反投影代价，dist(*)为影像线观测值到轨顶线反投影直线的欧式距离函数，proj(*)表示基于透视成像的反投影函数，Tk为能观测到Li的第k张影像的内外方位元素，lik表示Li在该影像上对应的影像直线段观测值。
步骤3.2.2对公式(3)各项进行泰勒级数展开，并略去高阶项。线性化之后的误差方程形式如下：
VL＝ALl-bL，PL (4)
式(4)中，VL为轨顶直线反投影距离残差，l＝[ΔXs，ΔYs，ΔZs，Δu，Δv]T为轨顶直线参数改正数向量，PL为目标函数对直线参数向量的一阶偏导数矩阵，bL为常数向量，PL为单位权矩阵。按照最小二乘平差准则，精确求解轨顶直线参数。
步骤3.3钢轨顶面直线段端点计算。具体方法如下：计算步骤3.2得到的轨顶直线上距离影像线端点投影光线最近的点，作为该端点在轨顶直线上的同名点。计算所有影像线端点在轨顶直线上的同名点坐标，取其平均值作为轨顶直线的端点。
步骤3.4钢轨顶面直线段融合。对于步骤3.3得到的轨顶直线段，依据各段的起止坐标确定相应的连接顺序。计算相邻轨顶直线段相互靠近的端点坐标平均值作为钢轨节点坐标，以实现相邻直线段的接边处理，得到完整的钢轨顶面中线。
步骤4，根据得到的轨顶中线三维坐标，划分钢轨直/曲线线段，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标。具体方法如下：
步骤4.1钢轨直/曲线线段划分。具体方法如下：
步骤4.1.1钢轨顶面中线方位角计算。对步骤3得到的钢轨顶面中线，以节点作为分界点，计算各段的方位角，并统计方位角最小值βmin和最大值βmax；
步骤4.1.2判断钢轨直/曲线段。以步骤4.1.1得到的βmin作为起点，以预设的阈值δ作为搜索宽度，形成长方形的切片空间，统计落入该长方形内的钢轨节点数目N。若N＞Nmin，则该长方形空间内的钢轨节点均为直线点；反之，判定该长方形空间内的钢轨节点为曲线点。如附图3所示，横轴表示钢轨直线段，纵轴表示直线段对应的方位角，则S1和S3区域内的点为直线点，S2区域内为曲线段点。将长方形切片向上移动距离δ/2，按照上述方法继续判断直/曲线点。直至长方形切片空间的最小值达到方位角最大值，此步骤结束；
步骤4.2轨道三维中线节点坐标计算。步骤4.1将钢轨节点划分为了若干直线段和曲线段，对各段钢轨点，依次计算各段三维中线坐标。假设轨道的两钢轨分别为G1和G2，则三维中线计算的具体方法如下：
(a)若为直线段，对该直线段上每个节点PG1，计算G2上与PG1最近的点PG2，计算PG1和PG2的中点，作为三维中线的节点。遍历G1上所有节点进行上述操作，可得到直线段的三维中线；
(b)若为曲线段，对每一个内轨节点PN(XP，YP，ZP)，首先计算二维平面上其前后两直线段法方向的方位角α1和α2，则将平面点PT(XP，YP)沿(α1+α2)/2方向朝轨道内侧偏移距离d＝(1.435+θ)/2，其中θ为铁轨顶面宽度值，得到坐标(XS，YS)，计算方法如下：
Figure BDA0003028789040000061
步骤4.2(b)曲线段三维中线节点的高程值取相应内轨点的高程ZP，由此可以得到点PN对应的三维中线节点坐标为(XS，YS，ZP)。
对轨道的直线和曲线段按照上述(a)和(b)方法进行处理，即可得到整条轨道的三维中线坐标。联合步骤3得到的钢轨顶面中线三维坐标，即可得到完成的轨道三维坐标。
显然，上述实施例仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (9)

1.一种基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：包括
S1，获取初始数据，所述初始数据包括：无人机多视角的原始影像、影像外方位元素、相机内参数及铁路钢轨顶面中线初始坐标；
S2，利用影像的外方位元素和相机内参数，将钢轨顶面中线初始坐标反投影至所述原始影像，调整影像直线段位置，得到精确的影像轨顶中线观测值；
S3，利用非线性最小二乘法优化影像轨顶中线观测值，得到轨道顶面直线段的物方坐标参数，利用所述物方坐标参数将相邻直线段顺次连接，得到完整的轨顶中线三维坐标；
S4，根据得到的轨顶中线三维坐标，划分钢轨直/曲线线段，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标。
2.根据权利要求1所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S2中，将钢轨顶面中线初始坐标反投影至所述原始影像时，包括如下方法：
根据预设长度阈值，对输入的初始铁路轨顶中线进行分段，得到多条钢轨顶面中线直线段；
根据共线条件方程，利用精确的影像外方位元素和相机内参数，将分段后的轨顶直线段反投影至无人机多视角的原始影像上，得到各轨顶直线段在影像上的粗略位置。
3.根据权利要求2所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S2中，调整影像直线段位置时，采用精调影像直线段端点位置，实现每条影像轨道线段准确位于轨道顶面中线上。
4.根据权利要求2所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S3中，利用非线性最小二乘法优化影像轨顶中线观测值，得到轨道顶面直线段的物方坐标参数方法如下：对各钢轨顶面中线直线段，计算两两影像投影平面之间的夹角作为交会角，以交会角最大的两张影像线投影相交形成的物方直线段作为直线段最小二乘平差的初始值；
将作为初始值的轨顶直线段，在影像上的反投影直线与相应影像线观测值间的欧式距离作为代价，列出代价方程；
根据代价方程计算任意一条物方轨顶直线段的最小二乘优化的整体代价函数；
对所述整体代价函数进行泰勒级数展开，并略去高阶项，得到线性化之后的误差方程；
利用线性化之后的误差方程，按照最小二乘平差准则，求解轨道顶面直线段的物方坐标参数。
5.根据权利要求4所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：对于任意物方轨顶直线段Li，若其在多张影像上具有影像线观测值，则可列出若干个代价方程，则直线Li最小二乘优化的整体代价函数形式如下：
Figure FDA0003028789030000011
其中：C表示直线Li最小二乘优化的整体反投影代价，dist(*)为影像线观测值到轨顶线反投影直线的欧式距离函数，proj(*)表示基于透视成像的反投影函数，Tk为能观测到Li的第k张影像的内外方位元素，lik表示Li在该影像上对应的影像直线段观测值。
6.根据权利要求2所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S3中，利用所述物方坐标参数将相邻直线段顺次连接，得到完整的轨顶中线三维坐标；包括
得到的轨顶直线上距离影像线端点投影光线最近的点，作为该端点在轨顶直线上的同名点，计算所有影像线端点在轨顶直线上的同名点坐标，取其平均值作为轨顶直线的端点；
依据各段的起止坐标确定相应的连接顺序，计算相邻轨顶直线段相互靠近的端点坐标平均值作为钢轨节点坐标，实现相邻直线段接边，得到完整的钢轨顶面中线。
7.根据权利要求6所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S4中，根据得到的轨顶中线三维坐标，划分钢轨直/曲线线段时，包括以下方法：
对得到的钢轨顶面中线，以钢轨节点作为分界点，计算各段的方位角，并统计方位角最小值和最大值；
以预设的阈值δ作为搜索宽度，形成长方形的切片空间，统计落入该长方形内的钢轨节点数目N；
若N大于预设阈值，则该长方形空间内的钢轨节点均为直线点；否则该长方形空间内的钢轨节点为曲线点；
以最小值作为起点，将长方形切片向上移动距离δ/2，继续判断直/曲线点；直至长方形切片空间达到方位角最大值。
8.根据权利要求1所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S4中，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标时，包括
若为直线段，对该直线段上每个节点PG1，计算G2上与PG1最近的点PG2，计算PG1和PG2的中点，作为三维中线的节点。遍历钢轨G1上所有节点进行上述操作，可得到直线段的三维中线。
9.根据权利要求1所述的基于无人机多视角影像的既有铁路轨道线高精度三维重建方法，其特征在于：在S4中，依次计算各段三维中线坐标，最终得到高精度的轨道中线三维坐标时，包括
若为曲线段，对每一个内轨节点PN(XP,YP,ZP)，首先计算二维平面上其前后两直线段法方向的方位角α1和α2，则将平面点PT(XP,YP)沿(α1+α2)/2方向朝轨道内侧偏移距离d＝(1.435+θ)/2，其中θ为铁轨顶面宽度值，得到坐标(XS,YS)，计算方法如下：
Figure FDA0003028789030000021
曲线段三维中线节点的高程值取相应内轨点的高程ZP，得到点PN对应的三维中线节点坐标为(XS,YS,ZP)。
CN202110424507.XA 2021-04-20 2021-04-20 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法 Active CN113155098B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202110424507.XA CN113155098B (zh) 2021-04-20 2021-04-20 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
PCT/CN2021/129311 WO2022222428A1 (zh) 2021-04-20 2021-11-08 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
US18/063,273 US20230112991A1 (en) 2021-04-20 2022-12-08 Method of high-precision 3d reconstruction of existing railway track lines based on uav multi-view images

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110424507.XA CN113155098B (zh) 2021-04-20 2021-04-20 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法

Publications (2)

Publication Number Publication Date
CN113155098A true CN113155098A (zh) 2021-07-23
CN113155098B CN113155098B (zh) 2022-08-09

Family

ID=76869338

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110424507.XA Active CN113155098B (zh) 2021-04-20 2021-04-20 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法

Country Status (3)

Country Link
US (1) US20230112991A1 (zh)
CN (1) CN113155098B (zh)
WO (1) WO2022222428A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113793355A (zh) * 2021-09-13 2021-12-14 中国铁路设计集团有限公司 无人机影像铁路钢轨顶面中心线自动匹配方法
CN114187537A (zh) * 2021-12-17 2022-03-15 中铁第一勘察设计院集团有限公司 基于航空遥感影像的铁路轨道及中线提取方法
WO2022222428A1 (zh) * 2021-04-20 2022-10-27 中国铁路设计集团有限公司 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
CN115270263A (zh) * 2022-08-01 2022-11-01 中冶检测认证有限公司 一种穹顶预应力钢束快速生成的方法
CN117789066A (zh) * 2024-02-26 2024-03-29 中国铁路设计集团有限公司 基于深度学习的无人机多视角影像钢轨线自动提取方法

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11623669B1 (en) * 2022-06-10 2023-04-11 Bnsf Railway Company On-board thermal track misalignment detection system and method therefor
CN116522462B (zh) * 2023-06-30 2023-10-13 中交第四航务工程勘察设计院有限公司 用于既有公路路线平面线形计算机拟合方法
CN116678321B (zh) * 2023-08-03 2023-10-13 北京科技大学 一种钢轨磨耗测量方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016061674A (ja) * 2014-09-18 2016-04-25 日鉄住金テックスエンジ株式会社 原料ヤードの原料山形状の計測方法および計測装置
CN107792115A (zh) * 2017-09-07 2018-03-13 中铁二院工程集团有限责任公司 一种利用三维激光点云自动提取既有线轨顶高程方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017127711A1 (en) * 2016-01-20 2017-07-27 Ez3D, Llc System and method for structural inspection and construction estimation using an unmanned aerial vehicle
CN106248053B (zh) * 2016-08-31 2018-10-19 中国铁路设计集团有限公司 基于航测方式的铁路既有线平面中线制作方法
CN106780729A (zh) * 2016-11-10 2017-05-31 中国人民解放军理工大学 一种无人机序列影像批处理三维重建方法
US11375111B2 (en) * 2017-11-30 2022-06-28 Ideaforge Technology Pvt. Ltd. Method for acquiring images having unidirectional distortion from an aerial vehicle for 3d image reconstruction
CN110986878B (zh) * 2019-12-03 2021-09-24 中铁第一勘察设计院集团有限公司 基于移动测量***自动化提取铁轨断面的方法
CN111429498B (zh) * 2020-03-26 2022-08-30 中国铁路设计集团有限公司 一种基于点云和影像融合技术的铁路营业线三维中线制作方法
CN111540052B (zh) * 2020-06-11 2023-01-03 中国铁路设计集团有限公司 一种铁路沿线危岩落石的快速定位及三维重建方法
CN112461205B (zh) * 2020-11-12 2022-08-30 中国铁路设计集团有限公司 基于无人机倾斜摄影测量的铁路既有线横断面制作方法
CN112597664B (zh) * 2020-12-30 2022-07-12 中国铁路设计集团有限公司 一种基于无人机的铁路既有线精细实景三维建模航带设计方法
CN113155098B (zh) * 2021-04-20 2022-08-09 中国铁路设计集团有限公司 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016061674A (ja) * 2014-09-18 2016-04-25 日鉄住金テックスエンジ株式会社 原料ヤードの原料山形状の計測方法および計測装置
CN107792115A (zh) * 2017-09-07 2018-03-13 中铁二院工程集团有限责任公司 一种利用三维激光点云自动提取既有线轨顶高程方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022222428A1 (zh) * 2021-04-20 2022-10-27 中国铁路设计集团有限公司 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
CN113793355A (zh) * 2021-09-13 2021-12-14 中国铁路设计集团有限公司 无人机影像铁路钢轨顶面中心线自动匹配方法
CN113793355B (zh) * 2021-09-13 2022-12-16 中国铁路设计集团有限公司 无人机影像铁路钢轨顶面中心线自动匹配方法
CN114187537A (zh) * 2021-12-17 2022-03-15 中铁第一勘察设计院集团有限公司 基于航空遥感影像的铁路轨道及中线提取方法
CN114187537B (zh) * 2021-12-17 2024-04-30 中铁第一勘察设计院集团有限公司 基于航空遥感影像的铁路轨道及中线提取方法
CN115270263A (zh) * 2022-08-01 2022-11-01 中冶检测认证有限公司 一种穹顶预应力钢束快速生成的方法
CN117789066A (zh) * 2024-02-26 2024-03-29 中国铁路设计集团有限公司 基于深度学习的无人机多视角影像钢轨线自动提取方法
CN117789066B (zh) * 2024-02-26 2024-05-28 中国铁路设计集团有限公司 基于深度学习的无人机多视角影像钢轨线自动提取方法

Also Published As

Publication number Publication date
US20230112991A1 (en) 2023-04-13
WO2022222428A1 (zh) 2022-10-27
CN113155098B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN113155098B (zh) 基于无人机多视角影像的既有铁路轨道线高精度三维重建方法
WO2022061945A1 (zh) 一种电力线路安全距离检测方法
CN111429498B (zh) 一种基于点云和影像融合技术的铁路营业线三维中线制作方法
CN111458720B (zh) 复杂山区基于机载激光雷达数据的倾斜摄影建模方法
CN108801142B (zh) 一种特大尺寸工件双移动测量机器人***及方法
CN106338245B (zh) 一种工件非接触移动测量方法
CN104515478B (zh) 一种高精度的航空发动机叶片自动三维测量方法和***
CN103257342B (zh) 三维激光传感器与二维激光传感器的联合标定方法
CN108871209A (zh) 一种大尺寸工件移动测量机器人***及方法
CN111045017A (zh) 一种激光和视觉融合的巡检机器人变电站地图构建方法
CN103217688B (zh) 一种基于不规则三角网机载激光雷达点云平差计算方法
CN108827155A (zh) 一种机器人视觉测量***及方法
CN113607135A (zh) 一种用于路桥施工领域的无人机倾斜摄影测量方法
CN110006408A (zh) LiDAR数据“云控制”航空影像摄影测量方法
CN112762899B (zh) 一种激光点云加bim模型在可视化变电站中与视频信息的融合方法
CN108681337B (zh) 一种涵洞或桥梁专用巡查无人机及无人机巡查方法
CN111091076B (zh) 基于立体视觉的隧道限界数据测量方法
CN107179533A (zh) 一种多参数机载LiDAR***误差自动检校方法
CN106570905A (zh) 一种非合作目标点云初始姿态验证方法
CN112597664B (zh) 一种基于无人机的铁路既有线精细实景三维建模航带设计方法
CN111044018A (zh) 一种对立面进行航空摄影测量航线规划的方法
CN114859374B (zh) 基于无人机激光点云和影像融合的新建铁路交叉测量方法
CN112465966A (zh) 一种集倾斜摄影测量与三维激光扫描的陡崖三维建模方法
CN114434036B (zh) 用于大型船舶结构件龙门式机器人焊接的三维视觉***及运行方法
CN114283070B (zh) 融合无人机影像与激光点云的地形断面制作方法

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