CN113158399B - 钢轨廓形动态拼接处理方法及装置 - Google Patents
钢轨廓形动态拼接处理方法及装置 Download PDFInfo
- Publication number
- CN113158399B CN113158399B CN202011468688.8A CN202011468688A CN113158399B CN 113158399 B CN113158399 B CN 113158399B CN 202011468688 A CN202011468688 A CN 202011468688A CN 113158399 B CN113158399 B CN 113158399B
- Authority
- CN
- China
- Prior art keywords
- rail profile
- steel rail
- profile
- iteration
- splicing
- 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
- 238000003672 processing method Methods 0.000 title claims description 11
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 116
- 239000010959 steel Substances 0.000 claims abstract description 116
- 238000013519 translation Methods 0.000 claims abstract description 65
- 238000000034 method Methods 0.000 claims abstract description 57
- 238000012937 correction Methods 0.000 claims abstract description 37
- 238000004364 calculation method Methods 0.000 claims description 53
- 230000006870 function Effects 0.000 claims description 53
- 238000012545 processing Methods 0.000 claims description 25
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 238000003786 synthesis reaction Methods 0.000 claims description 14
- 238000000227 grinding Methods 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 description 28
- 238000010586 diagram Methods 0.000 description 14
- 238000000926 separation method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000005299 abrasion Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000011418 maintenance treatment Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000001308 synthesis method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明公开了一种钢轨廓形动态拼接处理方法及装置,其中该方法包括:获取钢轨廓形拼接参数的初始值;基于该初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;目标函数用于降低远端廓形点集的权重;在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。本发明可以确定精确的钢轨全断面廓形。
Description
技术领域
本发明涉及钢轨检测技术领域,尤其涉及钢轨廓形动态拼接处理方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
轮轨关系是铁路车辆安全运行和舒适性的关键影响因素,钢轨廓形则是轮轨关系中的重要组成部分。对钢轨进行检测,获取全断面廓形进行数据分析对于指导安全预警、工务维修策略等都至关重要。
目前,对线路钢轨廓形检测效率最高的方式为基于结构光原理的车载非接触式检测,其利用激光摄像组件对钢轨内外两侧分别进行动态检测,最后拼接成完整廓形作为检测结果输出。对于内外两侧廓形的数据融合匹配拼接已有一些研究,试验室结果表明精度都较高。
但是,这些方法都是根据试验室理想情况,计算完成一套拼接的旋转平移矩阵计算参数,然而,实际检测车辆运行过程中,环境恶劣,且线路条件复杂,在试验室完成标定后,由于各种非线性误差,检测***尤其在通过晃车严重区段、小半径曲线等特殊地段时,全断面廓形会出现内外轨分叉、交叉、分离等情形(如图1a至图1c所示),无法正确输出真实廓形。
发明内容
本发明实施例提供一种钢轨廓形动态拼接处理方法,用以确定精确的钢轨全断面廓形,该方法包括:
获取钢轨廓形拼接参数的初始值;
基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;
在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
本发明实施例还提供一种钢轨廓形动态拼接处理装置,用以确定精确的钢轨全断面廓形,该装置包括:
获取单元,用于获取钢轨廓形拼接参数的初始值;
迭代单元,用于基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;
确定单元,用于在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述钢轨廓形动态拼接处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述钢轨廓形动态拼接处理方法的计算机程序。
本发明实施例中,钢轨廓形动态拼接处理方案中,与现有技术中根据试验室理想情况,计算完成一套拼接的旋转平移矩阵计算参数进行廓形拼接处理,然而实际检测车辆运行过程中,环境恶劣,且线路条件复杂,在试验室完成标定后,由于各种非线性误差,检测***尤其在通过晃车严重区段、小半径曲线等特殊地段时,全断面廓形会出现内外轨分叉、交叉、分离等情形,无法正确输出真实廓形的技术方案相比,通过:获取钢轨廓形拼接参数的初始值;基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形,实现了:
首先,在进行内外廓形匹配时目标函数可以降低远端点集的权重,以保证坐标转换后的高精度点集作为匹配的主要计算值,因此,消除了对该检测得到的远端廓形存在的较大的非线性畸变存在一定的非线性误差;
其次,利用ICP算法进行迭代计算时,在每次旋转平移矩阵修正后的结果做干预,对横向平移参数乘以一个预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数,来消除轨头区域形状特征接近直线所带来的横向平移误差。
综上,本发明施例提供的钢轨廓形动态拼接处理方案可以避免内外廓形经常出现内外轨分叉、交叉、分离等情况,确定了精确的钢轨全断面廓形。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1a至图1c为现有技术中全断面廓形会出现内外轨分叉、交叉、分离等情形的示意图;
图2为本发明实施例中钢轨廓形动态拼接处理方法的流程示意图;
图3为本发明实施例中受较大干扰的图像示意图;
图4a至图4b为本发明实施例中轨颚缺失示意图;
图5a至图5b为本发明实施例中轨颚处过曝或不清晰示意图;
图6a为本发明实施例中原图一,图6b为本发明实施例中最终拼接结果图一;
图7a为本发明实施例中原图一,图7b为本发明实施例中最终拼接结果图一;
图8为本发明实施例中钢轨廓形动态拼接处理装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
发明人考虑到现有技术中存在的技术问题,因此提出一种钢轨廓形动态拼接处理方案,该方案结合了实际运行可能遇到的各种工况,对钢轨拼接方法进行研究,获取更具普适性和稳定性的钢轨廓形动态拼接策略。下面对该钢轨廓形动态拼接处理方案进行详细介绍如下。
图2为本发明实施例中钢轨廓形动态拼接处理方法的流程示意图,如图2所示,该方法包括如下步骤:
步骤101:获取钢轨廓形拼接参数的初始值;
步骤102:基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
步骤1021:根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
步骤1022:在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;
步骤103:在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
本发明实施例中,钢轨廓形动态拼接处理方案中,与现有技术中根据试验室理想情况,计算完成一套拼接的旋转平移矩阵计算参数进行廓形拼接处理,然而实际检测车辆运行过程中,环境恶劣,且线路条件复杂,在试验室完成标定后,由于各种非线性误差,检测***尤其在通过晃车严重区段、小半径曲线等特殊地段时,全断面廓形会出现内外轨分叉、交叉、分离等情形,无法正确输出真实廓形的技术方案相比,实现了:
首先,在进行内外廓形匹配时目标函数可以降低远端点集的权重,以保证坐标转换后的高精度点集作为匹配的主要计算值,因此,消除了对该检测得到的远端廓形存在的较大的非线性畸变存在一定的非线性误差;
其次,利用ICP算法进行迭代计算时,在每次旋转平移矩阵修正后的结果做干预,对横向平移参数乘以一个预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数,来消除轨头区域形状特征接近直线所带来的横向平移误差。
综上,本发明施例提供的钢轨廓形动态拼接处理方案可以避免内外廓形经常出现内外轨分叉、交叉、分离等情况,确定了精确的全断面钢轨廓形。
具体实施时,预设迭代结束的条件可以是ICP目标函数的值小于一个很小的值比如0.005。
在一个实施例中,在上述步骤101中,获取钢轨廓形拼接参数的初始值,可以包括:通过试验室对同一标定块进行左右廓形合成的标定,获取同一钢轨内外廓形合成的标定旋转平移矩阵参数,以所述标定旋转平移矩阵参数作为钢轨廓形拼接参数的初始值。
具体实施时,上述获取钢轨廓形拼接参数的初始值的方法有利于进一步提高钢轨廓形的精度。
在一个实施例中,在上述步骤101之后,上述钢轨廓形动态拼接处理方法还可以包括:从钢轨廓形中选取预设区域作为计算域;
因此在后续步骤102中,基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,可以包括:基于所述初始值,利用迭代最近点法ICP迭代确定所述计算域内每一周期对应的钢轨廓形数据点。
具体实施时,确定计算域,基于所述初始值,利用迭代最近点法ICP迭代确定所述计算域内每一周期对应的钢轨廓形数据点,既减小了计算量又剔除了部分干扰点,进一步提高了钢轨廓形动态拼接处理的效率和精度。
在一个实施例中,从钢轨廓形中选取预设区域作为计算域,可以包括:
确定内外廓形轨顶点和侧磨点的坐标位置信息;
确定计算域为矩形,根据内外廓形轨顶点和侧磨点的坐标位置信息,确定矩形计算域的位置信息。
具体实施时,上述选取计算域的实施方式进一步提高了钢轨廓形动态拼接处理的效率和精度。
在一个实施例中,所述外侧轨顶点及侧磨点坐标分别为内侧轨顶点及侧磨点坐标分别为/>
所述矩形计算域的位置信息包括:计算域对角线左上端点坐标为: 计算域对角线右下端点坐标为:/>其中:δ1、δ2、δ3和δ4的取值范围均为2至5。
具体实施时,上述具体的计算域信息进一步提高了钢轨廓形动态拼接处理的效率和精度。
在一个实施例中,在上述步骤1021中,所述目标函数可以为:
其中,中间部分点集选为区间内所有的计算域内的点。
具体实施时,上述目标函数可以消除吸纳有标定方法模型对该畸变的矫正仍存在一定的非线性误差,因此,在进行内外廓形匹配时上述目标函数降低了远端点集的权重,进而进一步提高了钢轨廓形的精度。
在一个实施例中,在上述步骤1022中,上述钢轨廓形动态拼接处理方法还可以包括按照如下方法确定所述横向平移修正参数:
根据预设数目幅清晰度大于预设值的轨廓图像,确定匹配后的轨颚距离;
根据所述轨颚距离,确定概率密度函数;
根据所述概率密度函数,构造似然函数;
根据所述似然函数,确定最优的横向平移修正参数。
具体实施时,上述确定所述横向平移修正参数的实施方式有助于进一步提高更为精确真实的钢轨廓形。
在一个实施例中,在上述步骤103中,在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形,可以包括:
在满足预设迭代结束条件时,得到满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点;
对满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点进行筛选处理,得到筛选处理后的钢轨廓形数据点;
根据筛选处理后的钢轨廓形数据点,得到最终钢轨廓形。
具体实施时,对满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点进行筛选处理后,根据筛选处理后的钢轨廓形数据点,得到最终钢轨廓形,进一步提高了钢轨廓形的精度。
下面举一例进行介绍,以便于理解本发明如何实施。
本发明实施例提供的钢轨廓形动态拼接处理方法包括如下步骤:
(1)确认初始值
通过试验室对同一标定块进行左右廓形合成的标定,获取同一钢轨内外廓形合成的标定旋转平移矩阵[R,t],以该参数作为动态廓形拼接的初始值;
通过试验室标定所得该拼接参数,钢轨廓形拼接能实现毫米级的配准,但是很难达到***的高精度要求(0.2mm以内),且对于不同成像位置等因素造成的非线性误差不具备较好的适应性,所以需要以试验室标定合成参数作为初始值,对后续廓形拼接进行进一步处理。
(2)选取计算域
不失一般性,以下方法描述以左轨为例:
发明人考虑到一个技术问题:为提高计算效率,且尽量消除图像中非轨头干扰的影响(例如脏污、草木等),需要选取尽量小(预设区域大小)的计算域。
计算内外廓形轨顶点和侧磨点:根据定义,轨顶点为廓形轨顶面最高处(图3中顶部两个小○所示位置),侧磨点(也叫轨距点)为轨顶以下16mm点(图3中侧部两个小○所示位置),根据该定义,对图像光条提取后点集进行统计计算即可获得相应点。外侧轨顶及侧磨点坐标记为内侧轨顶及侧磨点坐标记为/>
本发明实施例中计算域选为矩形(主要计算轨头上半部的轨顶位置),考虑钢轨外侧与车轮不接触,磨损几可忽略,故计算域对角线左上端点坐标则为:计算域对角线右下端点坐标则为:/> 其中δ1~δ4为一较小数,一般选为2~5像素,主要是为了避免计算域边界刚好过有效计算点所造成的相关边界问题。
计算域的选取对于部分受脏污、杂光干扰较严重的图像的匹配有积极作用,如图2所示,一侧相机由于脏污出现多处污点,通过计算域的选取,既减小了计算量又剔除了部分干扰点。
(3)内外侧匹配目标函数
在世界坐标系中,计算域内内外侧廓形点集分别记为P(p1,p2,p3…)和Q(q1,q2,q3…)。这两个点集实际是对钢轨同一位置的检测图像数据,因此可以用迭代最近点法(ICP)进行匹配。发明人考虑到一个技术问题:实际检测结果中,内外廓形经常出现分叉、交叉等情况,主要原因之一是每侧相机检测得到的远端廓形存在较大的非线性畸变(相较近端),目前所用标定方法模型对该畸变的矫正仍存在一定的非线性误差,因此,在进行内外廓形匹配时目标函数需要降低远端点(远端点指所测半断面廓形中远离轨顶点和轨距点的点)集的权重(权重体现在下面公式中第二部分为“中间点集”中NC个点对的计算,相当于这部分点集的偏差再做一次计算),以保证坐标转换后的高精度点集作为匹配的主要计算值。将内外廓形中间部分点集记为A(a1,a2,a3…)和B(b1,b2,b3…),ICP算法匹配的目标函数为:
其中,中间部分点集(指两个半断面廓形中轨顶点附近重合部分的点集,也就是横坐标重合部分的点集,具体选择方法详见下面“(4)迭代过程优化”的描述)选为区间内所有的计算域内的点,p和q分别是内外侧廓形中的点,a和b分别是内外侧廓形中间部分点集中的点,R和T分别是旋转和平移矩阵,N代表点集总数,NC代表中间部分点集总数。
(4)迭代过程优化
发明还发现了一个技术问题:实际钢轨廓形在轨顶区域附近曲线段半径很大,在长期的钢轨磨耗等外力影响下可能导致轨头区域几何特征趋于直线。另外,在部分钢轨磨损较为严重区段,工务部门为了防止表面裂纹的进一步发展,会对钢轨表面进行铣磨等处理,在类似的工务养护处理后,钢轨轨头部分则直接成为一条直线。对于这种实际情况,由于中间部分点集的权重在目标函数中较大,在实际迭代匹配过程中平移矩阵中的水平平移参数的收敛结果可能更依赖于图像光条提取后点的水平分布,而与钢轨实际形状不太相关,从而导致钢轨“变窄”或“变宽”,这对钢轨廓形的后续分析带来较大干扰。
发明人综合考虑钢轨内外检测廓形出现分叉等情况的主要原因之一是将钢轨实际图像提取为一个像素宽度的廓形时的误差,而该种误差会导致钢轨内外侧廓形在垂向出现分离,对水平位置几乎没有干扰。因此,本发明实施例考虑对第(3)步中的目标函数,利用ICP算法进行迭代计算时,在每次旋转平移矩阵修正后的结果做干预,对横向平移参数乘以一个小于1的系数ξ(横向平移修正参数)作为下一步计算的初始值,来消除轨头区域形状特征接近直线所带来的横向平移误差。
(5)横向平移修正参数ξ的确定
发明还发现了一个技术问题:横向平移参数的计算误差来源于光条提取点的分布、轨头区域形状特征、线路不平顺分布、车辆振动导致的位置姿态的随机变化及其他***误差,这些误差来源导致的横向平移参数的计算误差都是独立同分布的,因此在对参数选择时,本发明实施例利用极大似然估计,选取高斯分布模型进行计算。
发明还发现:钢轨内外侧轨颚(轨颚指钢轨轨头左右下角R2.5小圆中心处位置,R2.5的意思是:钢轨廓形标准图(每种钢轨廓形都有国标)中左右下角那个半径2.5的圆弧段)部分由于不直接参与轮轨接触,因此几乎没有磨耗,于是可以将内外侧钢轨的轨颚之间的距离作为评判钢轨拼接横向平移的参考依据。由于实际线路中脏污、道砟、车辆位置姿态等影响会造成钢轨廓形检测时轨颚图像的部分缺失(见图4a至图4b),同时,轨颚部分的形状特征也会使得部分廓形图像的轨颚部分过曝或不清晰(见图5a至图5b),所以在动态匹配时候不能将其作为横向参考依据,但是可以选取包含清晰轨颚的完整廓形进行这一步中的横向平移修正参数的计算。具体地确定流程包括:
选取Nd(200-500)幅清晰轨廓图像,运行上述匹配算法,计算匹配后轨颚距离d,对于同一钢轨廓形,轨颚距离是一个确定值D。
概率密度函数为:
构造似然函数:
让L取得最大值,则是令下式最小:
其中,d代表实际的计算后的轨颚距离;D代表理论廓形的轨颚距离;σ为标准差,ξ为横向匹配修正参数。
接下来用解决多参数非线性***优化问题的Levenberg-Marquardt算法即可求得最为合适的修正值。
考虑到检测列车的运营模式:各路局按照既定计划调配检测车对相应路线进行检测,该种检测方式具有重复性,因此对同一车辆同一线路进行修正参数的计算,进一步可对不同车辆及线路自动建立简单的修正参数库,因此该种修正方法是有较大意义的。
(6)最终钢轨廓形
经过上述步骤(1)-(6)后,廓形拼接则算完成,此时发明还考虑到:还需对内外侧数据点进行合适的筛选,作为最终输出的廓形。因为第(3)步中所述原因,最终廓形的内外侧非中间部分则直接选用相应一侧相机的检测结果。中间部分的点集,类似工程情况下,大多会采取拟合等数学模型进行融合计算,但是考虑到本***作为检测***,若对于中间真实点进行拟合,造成的人为误差不可控,因此本发明实施例在确定最终廓形时候,对于中间部分点集是全部保留,这些点对于检测***的精度保证有重要意义。最终以数据点集作为最终廓形进行输出,在进行廓形分析及相应计算时,可根据检测出的点集进行相应的进一步处理即可。
最终拼接结果如图6a至图7b所示,其中,图6a和图7a为原图,图6b和图7b为拼接后结果(最终钢轨廓形)。
为了实现行车情况下的内外廓形动态合成,需要提出具备较强适应性的方法,因此必须规避很多可能导致合成失败的原因,例如前述的利用轨颚宽度控制合成后廓形的横向位置。本发明实施例实现了各种干扰后仍能实现廓形高精度合成。
综上,本发明实施例提供的钢轨廓形动态拼接处理方案实现了:
(1)为了实现钢轨廓形的动态合成,结合工程实际,采取了具备普适性的合成方法,对于各种干扰及复杂环境下都能完成合成计算,且能够实现较高精度;
(2)利用轨顶轨距点确定较小的计算域,大大提高算法搜索及计算时间;
(3)考虑工程实际,将钢轨廓形不同部位赋予不同权重(目标函数里对中间点集做二次计算以及后面横向偏移参数的计算),将更具精确性的“中间点集”作为匹配的重要依据;
(4)充分考虑了钢轨内外拼接几何特征及工务部门实际运营中的模式方法,对合成矩阵中横向平移矩阵进行修正,并对修正参数的确定提出了一种方法;
(5)基于检测的目的和廓形检测***自身充分的理解,对合成后廓形点集的取舍提出了简洁方案,摒弃了传统的数学拟合等造成的人为误差,保留了真实测量值作为检测结果。
本发明实施例中还提供了一种钢轨廓形动态拼接处理装置,如下面的实施例所述。由于该装置解决问题的原理与钢轨廓形动态拼接处理方法相似,因此该装置的实施可以参见钢轨廓形动态拼接处理方法的实施,重复之处不再赘述。
图8为本发明实施例中钢轨廓形动态拼接处理装置的结构示意图,如图8所示,该装置包括:
获取单元02,用于获取钢轨廓形拼接参数的初始值;
迭代单元04,用于基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;
确定单元06,用于在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
在一个实施例中,上述确定单元具体用于:
在满足预设迭代结束条件时,得到满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点;
对满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点进行筛选处理,得到筛选处理后的钢轨廓形数据点;
根据筛选处理后的钢轨廓形数据点,得到最终钢轨廓形。
在一个实施例中,所述目标函数为:
其中,中间部分点集选为区间内所有的计算域内的点。
在一个实施例中,所述获取单元具体用于:通过试验室对同一标定块进行左右廓形合成的标定,获取同一钢轨内外廓形合成的标定旋转平移矩阵参数,以所述标定旋转平移矩阵参数作为钢轨廓形拼接参数的初始值。
在一个实施例中,上述钢轨廓形动态拼接处理装置还可以包括:计算域确定单元,用于从钢轨廓形中选取预设区域作为计算域;
所述迭代单元具体用于:基于所述初始值,利用迭代最近点法ICP迭代确定所述计算域内每一周期对应的钢轨廓形数据点。
在一个实施例中,上述计算域确定单元具体用于:
确定内外廓形轨顶点和侧磨点的坐标位置信息;
确定计算域为矩形,根据内外廓形轨顶点和侧磨点的坐标位置信息,确定矩形计算域的位置信息。
在一个实施例中,上述钢轨廓形动态拼接处理装置还可以包括:横向平移修正参数确定单元,用于按照如下方法确定所述横向平移修正参数:
根据预设数目幅清晰度大于预设值的轨廓图像,确定匹配后的轨颚距离;
根据所述轨颚距离,确定概率密度函数;
根据所述概率密度函数,构造似然函数;
根据所述似然函数,确定最优的横向平移修正参数。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述钢轨廓形动态拼接处理方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述钢轨廓形动态拼接处理方法的计算机程序。
本发明实施例中,钢轨廓形动态拼接处理方案中,与现有技术中根据试验室理想情况,计算完成一套拼接的旋转平移矩阵计算参数进行廓形拼接处理,然而实际检测车辆运行过程中,环境恶劣,且线路条件复杂,在试验室完成标定后,由于各种非线性误差,检测***尤其在通过晃车严重区段、小半径曲线等特殊地段时,全断面廓形会出现内外轨分叉、交叉、分离等情形,无法正确输出真实廓形的技术方案相比,通过:获取钢轨廓形拼接参数的初始值;基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形,实现了:
首先,在进行内外廓形匹配时目标函数可以降低远端点集的权重,以保证坐标转换后的高精度点集作为匹配的主要计算值,因此,消除了对该检测得到的远端廓形存在的较大的非线性畸变存在一定的非线性误差;
其次,利用ICP算法进行迭代计算时,在每次旋转平移矩阵修正后的结果做干预,对横向平移参数乘以一个预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数,来消除轨头区域形状特征接近直线所带来的横向平移误差。
综上,本发明施例提供的钢轨廓形动态拼接处理方案可以避免内外廓形经常出现内外轨分叉、交叉、分离等情况,确定了精确的钢轨廓形。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种钢轨廓形动态拼接处理方法,其特征在于,包括:
获取钢轨廓形拼接参数的初始值;
基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;其中,按照如下方法确定所述横向平移修正参数:根据预设数目幅清晰度大于预设值的轨廓图像,确定匹配后的轨颚距离;根据所述轨颚距离,确定概率密度函数;根据所述概率密度函数,构造似然函数;根据所述似然函数,确定最优的横向平移修正参数;
在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
2.如权利要求1所述的钢轨廓形动态拼接处理方法,其特征在于,在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形,包括:
在满足预设迭代结束条件时,得到满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点;
对满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点进行筛选处理,得到筛选处理后的钢轨廓形数据点;
根据筛选处理后的钢轨廓形数据点,得到最终钢轨廓形。
3.如权利要求1所述的钢轨廓形动态拼接处理方法,其特征在于,所述目标函数为:
其中,p和q分别是内外侧廓形中的点,a和b分别是内外侧廓形中间部分点集中的点,R和T分别是旋转矩阵和平移矩阵,N代表点集总数,NC代表中间部分点集总数。
4.如权利要求1所述的钢轨廓形动态拼接处理方法,其特征在于,获取钢轨廓形拼接参数的初始值,包括:通过试验室对同一标定块进行左右廓形合成的标定,获取同一钢轨内外廓形合成的标定旋转平移矩阵参数,以所述标定旋转平移矩阵参数作为钢轨廓形拼接参数的初始值。
5.如权利要求1所述的钢轨廓形动态拼接处理方法,其特征在于,还包括:从钢轨廓形中选取预设区域作为计算域;
基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,包括:基于所述初始值,利用迭代最近点法ICP迭代确定所述计算域内每一周期对应的钢轨廓形数据点。
6.如权利要求5所述的钢轨廓形动态拼接处理方法,其特征在于,从钢轨廓形中选取预设区域作为计算域,包括:
确定内外廓形轨顶点和侧磨点的坐标位置信息;
确定计算域为矩形,根据内外廓形轨顶点和侧磨点的坐标位置信息,确定矩形计算域的位置信息。
7.一种钢轨廓形动态拼接处理装置,其特征在于,包括:
获取单元,用于获取钢轨廓形拼接参数的初始值;
迭代单元,用于基于所述初始值,利用迭代最近点法ICP迭代确定每一周期对应的钢轨廓形数据点,每个迭代周期均执行以下操作:
根据当前周期的钢轨廓形拼接参数,以及预先建立的ICP匹配的目标函数,得到当前周期对应的钢轨廓形数据点;所述目标函数用于降低远端廓形点集的权重;
在不满足预设迭代结束条件时,将当前周期钢轨廓形对应的横向平移参数乘以预设横向平移修正参数作为下一迭代周期对应的钢轨廓形拼接参数;其中,按照如下方法确定所述横向平移修正参数:根据预设数目幅清晰度大于预设值的轨廓图像,确定匹配后的轨颚距离;根据所述轨颚距离,确定概率密度函数;根据所述概率密度函数,构造似然函数;根据所述似然函数,确定最优的横向平移修正参数;
确定单元,用于在满足预设迭代结束条件时,根据满足预设迭代结束条件时迭代周期对应的钢轨廓形数据点,得到最终钢轨廓形。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468688.8A CN113158399B (zh) | 2020-12-14 | 2020-12-14 | 钢轨廓形动态拼接处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011468688.8A CN113158399B (zh) | 2020-12-14 | 2020-12-14 | 钢轨廓形动态拼接处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113158399A CN113158399A (zh) | 2021-07-23 |
CN113158399B true CN113158399B (zh) | 2024-03-12 |
Family
ID=76882555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011468688.8A Active CN113158399B (zh) | 2020-12-14 | 2020-12-14 | 钢轨廓形动态拼接处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113158399B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113806867B (zh) * | 2021-09-16 | 2024-02-02 | 中国国家铁路集团有限公司 | 基于实测轮轨廓形匹配的等效锥度修正方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115976A (zh) * | 2015-06-24 | 2015-12-02 | 上海图甲信息科技有限公司 | 一种铁轨磨耗缺陷检测***及方法 |
CN105783779A (zh) * | 2016-04-28 | 2016-07-20 | 湖南大学 | 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法 |
CN108955576A (zh) * | 2018-10-31 | 2018-12-07 | 湖南东映碳材料科技有限公司 | 钢轨廓形动态检测中的多线结构光自标定方法及*** |
CN109798844A (zh) * | 2018-12-28 | 2019-05-24 | 北京交通大学 | 一种钢轨磨耗动态测量中的轨廓自动配准方法 |
CN110688710A (zh) * | 2019-09-27 | 2020-01-14 | 南京理工大学 | 一种基于轨道交通车辆轮对寿命统计学模型的镟修方法 |
CN110866309A (zh) * | 2019-11-15 | 2020-03-06 | 中车南京浦镇车辆有限公司 | 一种基于地铁限界的地铁车辆最大轮廓的智能计算方法 |
CN111625920A (zh) * | 2019-09-03 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种基于隐马尔科夫链模型的钢轨廓形智能分析方法 |
CN111710027A (zh) * | 2020-05-25 | 2020-09-25 | 南京林业大学 | 一种顾及数据驱动管片分割和模型驱动管片拼装的隧道三维几何重建方法 |
CN112037211A (zh) * | 2020-09-04 | 2020-12-04 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI403690B (zh) * | 2009-10-26 | 2013-08-01 | Ind Tech Res Inst | 自我定位裝置及其方法 |
-
2020
- 2020-12-14 CN CN202011468688.8A patent/CN113158399B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105115976A (zh) * | 2015-06-24 | 2015-12-02 | 上海图甲信息科技有限公司 | 一种铁轨磨耗缺陷检测***及方法 |
CN105783779A (zh) * | 2016-04-28 | 2016-07-20 | 湖南大学 | 基于三层匹配的钢轨轮廓实时形态识别与失真校准方法 |
CN108955576A (zh) * | 2018-10-31 | 2018-12-07 | 湖南东映碳材料科技有限公司 | 钢轨廓形动态检测中的多线结构光自标定方法及*** |
CN109798844A (zh) * | 2018-12-28 | 2019-05-24 | 北京交通大学 | 一种钢轨磨耗动态测量中的轨廓自动配准方法 |
CN111625920A (zh) * | 2019-09-03 | 2020-09-04 | 东莞灵虎智能科技有限公司 | 一种基于隐马尔科夫链模型的钢轨廓形智能分析方法 |
CN110688710A (zh) * | 2019-09-27 | 2020-01-14 | 南京理工大学 | 一种基于轨道交通车辆轮对寿命统计学模型的镟修方法 |
CN110866309A (zh) * | 2019-11-15 | 2020-03-06 | 中车南京浦镇车辆有限公司 | 一种基于地铁限界的地铁车辆最大轮廓的智能计算方法 |
CN111710027A (zh) * | 2020-05-25 | 2020-09-25 | 南京林业大学 | 一种顾及数据驱动管片分割和模型驱动管片拼装的隧道三维几何重建方法 |
CN112037211A (zh) * | 2020-09-04 | 2020-12-04 | 中国空气动力研究与发展中心超高速空气动力研究所 | 一种用于微小空间碎片撞击事件动态监测的损伤特征识别方法 |
Non-Patent Citations (2)
Title |
---|
基于双重匹配参数估计的钢轨动态轮廓校准方法;李艳福 等;《铁道学报》(第03期);112-119 * |
钢轨轮廓全断面检测中的匹配方法研究;朱新荣 等;《铁道科学与工程学报》;第15卷(第09期);2401-2406 * |
Also Published As
Publication number | Publication date |
---|---|
CN113158399A (zh) | 2021-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2743020C2 (ru) | Система и способ для контроля железнодорожных колес | |
CN111274671B (zh) | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行*** | |
CN102159918B (zh) | 用于测定机动车的车轮或车轴几何形状的方法和测量装置 | |
JP7265592B2 (ja) | 多層構造体の層間のオーバレイを測定する技法 | |
CN107607060A (zh) | 一种应用于光栅三维投影测量中的相位误差补偿方法 | |
CN102589435B (zh) | 噪声环境下激光束中心高效精确检测方法 | |
US9605961B2 (en) | Information processing apparatus that performs three-dimensional shape measurement, information processing method, and storage medium | |
CN108053441B (zh) | 一种激光三角法高精度测量方法 | |
CN104024792A (zh) | 轮胎形状检查方法以及轮胎形状检查装置 | |
CN113009456A (zh) | 车载激光雷达数据校准方法、装置及*** | |
CN112964186B (zh) | 一种轴孔自动化装配过程中间隙测量装置及方法 | |
CN115482195B (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN114577131B (zh) | 一种基于3d结构光相机的车身间隙检测方法及*** | |
CN113643372B (zh) | 一种三维焊缝提取方法及*** | |
CN113158399B (zh) | 钢轨廓形动态拼接处理方法及装置 | |
CN112161586A (zh) | 一种基于编码棋盘格的线结构光视觉传感器标定方法 | |
CN114240916A (zh) | 钢轨外观状态的多偏振光点云数据融合方法及装置 | |
Usamentiaga et al. | Real-time inspection of long steel products using 3-D sensors: Calibration and registration | |
CN116402792A (zh) | 一种基于三维点云的空间孔位对接方法 | |
CN114612412A (zh) | 三维点云数据的处理方法及其用途、电子设备、存储介质 | |
CN114066752A (zh) | 面向焊缝跟踪的线结构光骨架提取及毛刺去除方法 | |
CN114199160A (zh) | 基于二值编码光栅散焦投影的电路板元器件几何检测方法 | |
CN111462216B (zh) | 一种圆形阵列标定板中圆心像素坐标确定方法 | |
CN116128907A (zh) | 一种基于激光扫描图像的敞车侧墙检修精准定位切割方法 | |
CN109902694B (zh) | 一种方孔特征的提取方法 |
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 |