CN115824070B - 一种钢轨件尺寸测量方法及装置 - Google Patents
一种钢轨件尺寸测量方法及装置 Download PDFInfo
- Publication number
- CN115824070B CN115824070B CN202310153266.9A CN202310153266A CN115824070B CN 115824070 B CN115824070 B CN 115824070B CN 202310153266 A CN202310153266 A CN 202310153266A CN 115824070 B CN115824070 B CN 115824070B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- point
- rail
- points
- cloud data
- 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
- 238000000691 measurement method Methods 0.000 title claims description 8
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 80
- 239000010959 steel Substances 0.000 claims abstract description 80
- 238000005259 measurement Methods 0.000 claims abstract description 64
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000009467 reduction Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000001914 filtration Methods 0.000 claims description 18
- 239000013598 vector Substances 0.000 claims description 12
- 238000012946 outsourcing Methods 0.000 claims description 9
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 5
- 238000009826 distribution Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000000513 principal component analysis Methods 0.000 claims description 3
- 238000012847 principal component analysis method Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 229910003460 diamond Inorganic materials 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开一种钢轨件尺寸测量方法及装置。该方法通过获取钢轨件的点云数据,载入点云数据并且展示点云文件;对点云数据进行预处理;确定点云数据的类型,点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云;按照类型对应的处理测量逻辑,对点云数据进行处理,测量得到钢轨件三维数据,钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽;对点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据,该方法测量效率高,测量精度高;该钢轨件尺寸测量装置,方便携带和操作,采用便携式三维扫描仪对钢轨件进行扫描建模,不受钢轨件形状、尺寸限制,适用范围广。
Description
技术领域
本发明涉及铁路安全生产和机器视觉领域技术领域,具体涉及一种钢轨件尺寸测量方法及装置。
背景技术
道岔是铁路实现列车转线运行的关键轨道设备,其技术水平集中反映了一个国家铁路轨道的制造水平。道岔是机车车辆从一股轨道转入或越过另一股轨道时必不可少的线路设备,是铁路轨道的一个重要组成部分。道岔主要是指轨道在平面上的连接交叉等设备,通常在车站、编组站大量铺设。有了道岔就可以充分 发挥线路的通过能力,也可以引导机车车辆由一条线路转向另一条线路。即使是单线铁路,铺设道岔,即修筑一段大于列车长度的叉线,就可以对开列车。
由于道岔具有数量多、构造复杂、使用寿命短、限制列车速度、行车安全性低、养护维修投入大等特点,使得它与曲线和接头并称为轨道的三大薄弱环节。它的基本形式有三种,即线路的连接、交叉和连接与交叉的组合。常用的线路连接有各种类型的单式道岔和复式道岔;交叉有直交叉和菱形交叉;连接与交叉的组合有交分道岔和交叉渡线等。
道岔加工、制造与组装的高精度和高平顺性是衡量道岔优劣的重要技术指标,同时也是铁路、地铁等轨道交通运输***运行安全的重要保障,道岔钢轨件的相关尺寸及精度也是影响这些技术指标的重要因素。目前道岔钢轨件的尺寸测量通常都是采用人工拉钢卷尺读数的方式进行测量的,但是由于钢卷尺本身的示值误差、人为读数误差、测量时拉力变化或温度变化引起的金属形变读数误差等等都有可能造成最终的测量误差。除了测量误差以外,由于道岔钢轨件尺寸大、重量重、形状不规则,使得这种强度很高的重复体力劳动的测量方式枯燥乏味,费时费力,并且还要求操作人员有较好的精力和极强的责任心。因此,为了提高生产效率和测量精度并降低劳动强度,有必要提出一种钢轨件尺寸测量方法及装置。
发明内容
本发明的目的在于针对现有技术的不足之处,提供一种钢轨件尺寸测量方法及装置,以解决现有的钢轨件尺寸测量方法效率低,测量精度低的问题。
本发明提供一种钢轨件尺寸测量方法,包括:
获取钢轨件的点云数据,载入所述点云数据并且展示点云文件;
对所述点云数据进行预处理;
确定所述点云数据的类型,所述点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云;
按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,所述钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽;
对所述点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据。
进一步地,获取钢轨件的点云数据,载入所述点云数据并且展示点云文件,包括:
根据所述点云数据的文件后缀名,确定所述点云数据的存储格式;
根据所述存储格式,对所述点云数据进行读取;
读取成功后,对所述点云数据进行可视化。
进一步地,对所述点云数据进行预处理,包括:
对所述点云数据中的每个点计算设定范围内的邻域点到该点的距离;
采用均匀采样滤波对上述点云数据进行下采样;
对所述点云数据中的点固定两个维度的数据,在第三个维度上选取相应的对称点。
进一步地,确定所述点云数据的类型,包括:
根据所述点云数据的文件命名前缀,确定所述点云数据为标准工件点云、有端面的钢轨点云或者无端面的钢轨点云。
进一步地,按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,包括:
对于标准工件点云,利用主成分分析法对所述点云数据构建新的坐标系;
计算点云数据的协方差矩阵:
通过下式推导出矩阵对应的奇异值:
将特征值进行降序排列,选择最大的3个特征值,将与3个特征值对应的3个特征向量作为列向量组成特征矩阵,将点云数据利用旋转平移特征矩阵转换到新的坐标系下;
对校正后的点云数据的轨头、轨腰、轨底分别进行直通滤波,再对该部分点云画出最小包围盒,最小包围盒最长边的边长便是需要测量部分的长度。
进一步地,按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,包括:
对于有端面的钢轨点云,使用区域生长分割对点云端面进行提取;
计算点云中的每个点的曲率;按照点的曲率对点云进行排序,将曲率值最小的点作为种子点加入种子点集;计算种子点的邻近点与当前种子点的法线角度差值;判断所述差值是否小于设定的平滑阈值;如果所述差值小于所述平滑阈值,将该邻近点加入到当前区域;判断每一个邻近点的曲率是否小于设定的曲率阈值;如果所述曲率小于设定的曲率阈值,将该邻近点添加到种子点集,并删除当前种子点,以新的种子点继续生长;
重复上述生长过程,直到种子点序列被清空,一个区域的生长完成,将该区域加入聚类数组;对剩余的点重复上述步骤,直到遍历完点云中所有的点,分割出钢轨点云的端面;
在初始点云中随机选取三个不共线的点,计算这三个点所在平面的平面方程,其中x、y、z表示面方程中点的坐标,A、B、C、D表示方程的系数;计算点云中所有点到该平面的距离/>,设定距离阈值/>,对于距离/></>的点将其视为模型的内点,否则视为模型外点;记录该模型的内点个数,每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子,根据次数决定是否停止迭代,重复上述步骤直到达到设定迭代次数,将内点数目最多的模型视为最终参数估计值,得到端面平面方程;
利用所述端面平面方程对点云进行模型滤波,根据点到模型的距离,设置距离阈值过滤非模型点,最终得到完整的端面点云;利用所述端面点云将其网格化转换为图像数据,计算点云在图像x,y轴方向上的最大最小点,对图像设置长度为0.1的网格,利用计算得出的最大最小点再对设置一定范围的边缘宽度得到图像的最大最小点,在x方向和y方向分别通过其维度所在的最大值减去最小值再除以网格的长度得到图像的列数和行数;将点云中与图像维度对应的每一点的坐标分别减去图像上的最小值再除以网格长度,计算得到将点云中该点存储到图像该行列对应的像素点中;遍历图像的行列,倘若某行列中存在保存的点云点数大于零就将该像素点的值设置为255,得到端面点云对应的平面图像;
将散点中的点按顺序连成线,再对其做闭运算将细小的断开处进行连接,找到并画出图像中端面的边缘,寻找出图像边缘的所有最外层轮廓,面积最大的最外层轮廓即端面的轮廓;画出轮廓的最小外接矩形,计算外接矩形与水平方向的夹角,利用最小外接矩形计算出的夹角对图像进行旋转,得到一张底边水平的端面图像;分别对钢轨的轨高、轨底、轨腰、轨头部分设置ROI,ROI参数设置参考最小外接矩形的宽高数据;将ROI图像中特定像素值的像素点转换为二维点分别拟合出每部分ROI的直线方程,计算轨高、轨底、轨腰、轨头部分对应的直线方程的距离得到该部分的测量值;通过寻找图像像素中存储的三维点云的点的信息来拟合和计算直线方程和直线间的距离。
进一步地,按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,包括:
对于无端面的点云,设置阈值对点云进行区域生长分割,分割出标记小正方体的侧面,计算出侧面的平面方程,对平面方程参数进行调整,利用平面方程进行模型滤波得到点云截面;
对于有端面和无端面的点云截面,分别利用在2D轮廓的最小外接矩形水平方向的夹角,根据欧拉角对其构造三维空间内的旋转矩阵,对点云截面进行旋转,使点云截面的底边平行于坐标轴y轴,整个点云截面平行于yoz平面;
对旋转后的点云截面分别设置轨高、轨底、轨腰、轨头的测量范围,对测量范围内的点云的进行主成分分析,根据计算出的特征矩阵对点云进行旋转计算外包盒,根据外包盒的角点信息判断包围盒的长宽高,并将对应的边长设置为该测量范围内的点云的测量值。
进一步地,对所述点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据,包括:
通过测量中得到的2D平面图,以及各范围位置的点的坐标信息以及测量得到的各部分的取值,将测量结果数据以标注的形式绘制在平面图上,通过在QT界面上设置label和Qpixmap将处理后的结果图进行展示;同时以表格的形式展示得到的钢轨测量数据,并且将当天测量的钢轨数据记录到一个以该天日期命名的excel表格中。
本发明提供一种钢轨件尺寸测量装置,包括:便携式三维扫描仪,便携式计算机以及标定块;
所述便携式三维扫描仪,用于对钢轨件进行三维扫描和三维建模;
所述便携式计算机,用于按照以上所述的钢轨件尺寸测量方法,对扫描得到的三维点云数据进行自动分析和处理;
所述标定块,用于标记钢轨件的扫描位置。
本发明具有以下有益效果:本发明提供的一种钢轨件尺寸测量方法,通过获取钢轨件的点云数据,载入点云数据并且展示点云文件;对点云数据进行预处理;确定点云数据的类型,点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云;按照类型对应的处理测量逻辑,对点云数据进行处理,测量得到钢轨件三维数据,钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽;对点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据,可实现钢轨件尺寸自动测量,无需人工操作和测量,测量效率高,测量精度高;本发明提供的一种钢轨件尺寸测量装置,方便携带和操作,采用便携式三维扫描仪对钢轨件进行扫描建模,不受钢轨件形状、尺寸限制,适用范围广。
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。
图1是本发明的钢轨件尺寸测量方法流程图。
具体实施方式
为了提高生产效率和测量精度并降低劳动强度,急需一种道岔钢轨件外形尺寸自动测量装置,来辅助或替代现在的操作人员完成测量工作,因此利用机器视觉原理,以其远距离、非接触、高精度、快速测量等优势设计的道岔钢轨件非接触机器视觉测量装置成为当前道岔钢轨件生产急需的自动化测量设备。 本发明实施例提供一种钢轨件尺寸测量装置,包括:便携式三维扫描仪,便携式计算机以及标定块。其中,便携式三维扫描仪,用于对钢轨件进行三维扫描和三维建模;便携式计算机,用于按照以下的钢轨件尺寸测量方法,对扫描得到的三维点云数据进行自动分析和处理,自动测量得到钢轨件的尺寸。标定块,用于标记钢轨件的扫描位置。
请参阅图1,本发明实施例提供一种钢轨件尺寸测量方法,包括:
S1,获取钢轨件的点云数据,载入所述点云数据并且展示点云文件。
具体地,通过便携式三维扫描仪得到钢轨件的点云数据。通过便携式计算机获取所述钢轨件的点云数据,载入并且展示点云文件,根据所述钢轨类型的不同确定不同处理方式。
由于目前点云的存储格式较多,对于不同格式的点云文件需要不同的方式进行解析读取,首先根据所述点云数据的文件后缀名,确定所述点云数据的存储格式。本发明支持对pcd、ply、stl、txt、bin格式的点云进行操作,成功读取点云后利用pcl库的visualization进行点云的可视化。
S2,对所述点云数据进行预处理。
具体地,由于利用3D扫描仪采集到的点云存在较多的噪声点对于后续的测量存在一定的干扰,所以首先对钢轨工件的点云进行离群点的滤除。对所述点云数据中的每个点计算设定范围内的邻域点到该点的距离;对所有点的邻域点距离进行统计分析,如果统计结果符合高斯分布,计算所述邻域点距离的均值与标准差/>,设定距离阈值,其中/>为标准差乘数,对于邻域点距离在区间/>以外的点进行滤除。
采用均匀采样滤波对上述点云数据进行下采样。点云的点数较多数据量较大,为了提升处理的效率,需要对点云进行下采样。由于三维测量对于点云的精度要求比较高,在下采样中为了最大程度保留点云中点的真实数据,采用的是均匀采样滤波。相较于体素滤波取体素范围内点的质心为保留点,均匀采样滤波保留的是设定半径范围的球体中最接近球心的点为保留点,这样可以在降低点云数目提升处理速度的同时不改变点的位置确保数据的准确度。
3D扫描仪扫描后生成的点云坐标系是不固定的,钢轨工件的点云位姿也各不相同。由于钢轨中部分数据的测量需要找到一系列相应对称点,因此,预处理时对所述点云数据中的点固定两个维度的数据,在第三个维度上选取相应的对称点。对预处理后的点云数据信息进行储存,以便后续对钢轨的测量。
S3,确定所述点云数据的类型,所述点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云。
具体地,根据所述点云数据的文件命名前缀,确定所述点云数据为标准工件点云、有端面的钢轨点云或者无端面的钢轨点云。
S4,按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,所述钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽。
具体地,对于形状规则对称且点云质量分布均匀的标准工字件点云而言,利用主成分分析法对点云数据构建新的坐标系。计算所述点云数据的质心;其中,/>为所述点云数据中每一个点的坐标,/>为点云数据的点数,/>为点云数据的质心坐标,对/>进行去中心化/>,其中/>为去中心化后的每个坐标点的集合;
计算点云数据的协方差矩阵:
通过下式推导出矩阵对应的奇异值:
将特征值进行降序排列,选择最大的3个特征值,将与3个特征值对应的3个特征向量作为列向量组成特征矩阵,将点云数据利用旋转平移特征矩阵转换到新的坐标系下;
至此标准工件点云已经摆正完成,对校正后的点云数据的轨头、轨腰、轨底分别进行直通滤波,再对该部分点云画出最小包围盒,由于进行直通滤波时已经对需测量部分的点云的两个维度的数据进行了限制,因此最小包围盒最长边的边长便是需要测量部分的长度。
对于形状不规则,质量不均匀的钢轨点云而言,使用主成分分析法无法将其摆正至原点坐标系,所以在三维坐标系下无法很好地对各部位进行准确的测量,所以考虑结合2D图像的方法来测量钢轨各部分的数据。在点云已经预处理后需要对点云进行分割,对于有端面的钢轨点云而言测量数据主要来源于端面,所以需要考虑一种对端面能够较好分割的算法,考虑到端面点云的法线与曲率与侧面的不同,使用区域生长分割对点云端面进行提取。
对于有端面的钢轨点云,使用区域生长分割对点云端面进行提取;计算点云中的每个点的曲率;按照点的曲率对点云进行排序,将曲率值最小的点作为种子点加入种子点集;计算种子点的邻近点与当前种子点的法线角度差值;判断所述差值是否小于设定的平滑阈值;如果所述差值小于所述平滑阈值,将该邻近点加入到当前区域;判断每一个邻近点的曲率是否小于设定的曲率阈值;如果所述曲率小于设定的曲率阈值,将该邻近点添加到种子点集,并删除当前种子点,以新的种子点继续生长;
重复上述生长过程,直到种子点序列被清空,一个区域的生长完成,将该区域加入聚类数组;对剩余的点重复上述步骤,直到遍历完点云中所有的点,分割出钢轨点云的端面;
然而直接分割得到的点云端面数据并不完善,可能存在部分区域缺失的情况,由此需要先计算出点云端面的平面方程。可以利用RANSAC拟合出端面的平面方程。RANSAC为Random Sample Consensus的缩写,它是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。在初始点云中随机选取三个不共线的点,计算这三个点所在平面的平面方程,其中x、y、z表示面方程中点的坐标,A、B、C、D表示方程的系数;计算点云中所有点到该平面的距离/>,设定距离阈值/>,对于距离/></>的点将其视为模型的内点,否则视为模型外点;记录该模型的内点个数,每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子,根据次数决定是否停止迭代,重复上述步骤直到达到设定迭代次数,将内点数目最多的模型视为最终参数估计值,得到端面平面方程;
利用所述端面平面方程对点云进行模型滤波,根据点到模型的距离,设置距离阈值过滤非模型点,最终得到完整的端面点云;利用所述端面点云将其网格化转换为图像数据,计算点云在图像x,y轴方向上的最大最小点,对图像设置长度为0.1的网格,利用计算得出的最大最小点再对设置一定范围的边缘宽度得到图像的最大最小点,在x方向和y方向分别通过其维度所在的最大值减去最小值再除以网格的长度得到图像的列数和行数;将点云中与图像维度对应的每一点的坐标分别减去图像上的最小值再除以网格长度,计算得到将点云中该点存储到图像该行列对应的像素点中;遍历图像的行列,倘若某行列中存在保存的点云点数大于零就将该像素点的值设置为255,得到端面点云对应的平面图像;
由点云网格化生成的点云只是一系列离散的点,对于这样的点是不太方便测量各部分的长宽信息的。所以需要将散点图转换成轮廓图,将散点中的点按顺序连成线,再对其做闭运算将细小的断开处进行连接,找到并画出图像中端面的边缘,寻找出图像边缘的所有最外层轮廓,面积最大的最外层轮廓即端面的轮廓;画出轮廓的最小外接矩形,计算外接矩形与水平方向的夹角,利用最小外接矩形计算出的夹角对图像进行旋转,得到一张底边水平的端面图像;分别对钢轨的轨高、轨底、轨腰、轨头部分设置感兴趣区域(英文:RegionOf Interest,简称:ROI),ROI参数设置参考最小外接矩形的宽高数据;将ROI图像中特定像素值的像素点转换为二维点分别拟合出每部分ROI的直线方程,计算轨高、轨底、轨腰、轨头部分对应的直线方程的距离得到该部分的测量值;为了提高测量的精度,可以通过寻找图像像素中存储的三维点云的点的信息来拟合和计算直线方程和直线间的距离。
对于无端面的点云,无法分割出点云端面,所以需要借助标记物来分割出点云截面。设置阈值对点云进行区域生长分割,分割出标记小正方体的侧面,计算出侧面的平面方程,对平面方程参数进行调整,利用平面方程进行模型滤波得到点云截面;剩余的步骤与有端面钢轨处理方式相似。
对于有端面和无端面的点云截面,分别利用在2D轮廓的最小外接矩形水平方向的夹角,根据欧拉角对其构造三维空间内的旋转矩阵,对点云截面进行旋转,使点云截面的底边平行于坐标轴y轴,整个点云截面平行于yoz平面;对旋转后的点云截面分别设置轨高、轨底、轨腰、轨头的测量范围,对测量范围内的点云的进行主成分分析,根据计算出的特征矩阵对点云进行旋转计算外包盒,根据外包盒的角点信息判断包围盒的长宽高,并将对应的边长设置为该测量范围内的点云的测量值。
S5,对所述点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据。
具体地,通过测量中得到的2D平面图,以及各范围位置的点的坐标信息以及测量得到的各部分的取值,将测量结果数据以标注的形式绘制在平面图上,通过在QT界面上设置label和Qpixmap将处理后的结果图进行展示,QT是一个跨平台的C++开发库,主要用来开发图形用户界面程序;同时以表格的形式展示得到的钢轨测量数据,并且将当天测量的钢轨数据记录到一个以该天日期命名的excel表格中。
由以上实施例可知,本发明的钢轨件尺寸测量方法,通过获取钢轨件的点云数据,载入点云数据并且展示点云文件;对点云数据进行预处理;确定点云数据的类型,点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云;按照类型对应的处理测量逻辑,对点云数据进行处理,测量得到钢轨件三维数据,钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽;对点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据,可实现钢轨件尺寸自动测量,无需人工操作和测量,测量效率高,测量精度高。本发明的一种钢轨件尺寸测量装置,方便携带和操作,采用便携式三维扫描仪对钢轨件进行扫描建模,不受钢轨件形状、尺寸限制,适用范围广。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种钢轨件尺寸测量方法,其特征在于,包括:
获取钢轨件的点云数据,载入所述点云数据并且展示点云文件;
对所述点云数据进行预处理;
确定所述点云数据的类型,所述点云数据的类型包括标准工件点云、有端面的钢轨点云和无端面的钢轨点云;
按照所述类型对应的处理测量逻辑,对所述点云数据进行处理,测量得到钢轨件三维数据,所述钢轨件三维数据包括轨高、轨底宽、轨腰厚以及轨头宽;
对于标准工件点云,利用主成分分析法对所述点云数据构建新的坐标系;
计算点云数据的协方差矩阵:
通过下式推导出矩阵对应的奇异值:
将特征值进行降序排列,选择最大的3个特征值,将与3个特征值对应的3个特征向量作为列向量组成特征矩阵,将点云数据利用旋转平移特征矩阵转换到新的坐标系下;
对校正后的点云数据的轨头、轨腰、轨底分别进行直通滤波,再对该部分点云画出最小包围盒,最小包围盒最长边的边长便是需要测量部分的长度;
对于有端面的钢轨点云,使用区域生长分割对点云端面进行提取;
计算点云中的每个点的曲率;按照点的曲率对点云进行排序,将曲率值最小的点作为种子点加入种子点集;计算种子点的邻近点与当前种子点的法线角度差值;判断所述差值是否小于设定的平滑阈值;如果所述差值小于所述平滑阈值,将该邻近点加入到当前区域;判断每一个邻近点的曲率是否小于设定的曲率阈值;如果所述曲率小于设定的曲率阈值,将该邻近点添加到种子点集,并删除当前种子点,以新的种子点继续生长;
重复上述生长过程,直到种子点序列被清空,一个区域的生长完成,将该区域加入聚类数组;对剩余的点重复上述步骤,直到遍历完点云中所有的点,分割出钢轨点云的端面;
在初始点云中随机选取三个不共线的点,计算这三个点所在平面的平面方程,其中x、y、z表示面方程中点的坐标,A、B、C、D表示方程的系数;计算点云中所有点到该平面的距离/>,设定距离阈值/>,对于距离/></>的点将其视为模型的内点,否则视为模型外点;记录该模型的内点个数,每次迭代末尾都会根据期望的误差率、最佳内点个数、总样本个数、当前迭代次数计算一个迭代结束评判因子,根据次数决定是否停止迭代,重复上述步骤直到达到设定迭代次数,将内点数目最多的模型视为最终参数估计值,得到端面平面方程;
利用所述端面平面方程对点云进行模型滤波,根据点到模型的距离,设置距离阈值过滤非模型点,最终得到完整的端面点云;利用所述端面点云将其网格化转换为图像数据,计算点云在图像x,y轴方向上的最大最小点,对图像设置长度为0.1的网格,利用计算得出的最大最小点再对设置一定范围的边缘宽度得到图像的最大最小点,在x方向和y方向分别通过其维度所在的最大值减去最小值再除以网格的长度得到图像的列数和行数;将点云中与图像维度对应的每一点的坐标分别减去图像上的最小值再除以网格长度,计算得到将点云中该点存储到图像该行列对应的像素点中;遍历图像的行列,倘若某行列中存在保存的点云点数大于零就将该像素点的值设置为255,得到端面点云对应的平面图像;
将散点中的点按顺序连成线,再对其做闭运算将细小的断开处进行连接,找到并画出图像中端面的边缘,寻找出图像边缘的所有最外层轮廓,面积最大的最外层轮廓即端面的轮廓;画出轮廓的最小外接矩形,计算外接矩形与水平方向的夹角,利用最小外接矩形计算出的夹角对图像进行旋转,得到一张底边水平的端面图像;分别对钢轨的轨高、轨底、轨腰、轨头部分设置ROI,ROI参数设置参考最小外接矩形的宽高数据;将ROI图像中特定像素值的像素点转换为二维点分别拟合出每部分ROI的直线方程,计算轨高、轨底、轨腰、轨头部分对应的直线方程的距离得到该部分的测量值;通过寻找图像像素中存储的三维点云的点的信息来拟合和计算直线方程和直线间的距离;
对于无端面的点云,设置阈值对点云进行区域生长分割,分割出标记小正方体的侧面,计算出侧面的平面方程,对平面方程参数进行调整,利用平面方程进行模型滤波得到点云截面;
对于有端面和无端面的点云截面,分别利用在2D轮廓的最小外接矩形水平方向的夹角,根据欧拉角对其构造三维空间内的旋转矩阵,对点云截面进行旋转,使点云截面的底边平行于坐标轴y轴,整个点云截面平行于yoz平面;
对旋转后的点云截面分别设置轨高、轨底、轨腰、轨头的测量范围,对测量范围内的点云的进行主成分分析,根据计算出的特征矩阵对点云进行旋转计算外包盒,根据外包盒的角点信息判断包围盒的长宽高,并将对应的边长设置为该测量范围内的点云的测量值;
对所述点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据。
2.如权利要求1所述的一种钢轨件尺寸测量方法,其特征在于,获取钢轨件的点云数据,载入所述点云数据并且展示点云文件,包括:
根据所述点云数据的文件后缀名,确定所述点云数据的存储格式;
根据所述存储格式,对所述点云数据进行读取;
读取成功后,对所述点云数据进行可视化。
4.如权利要求1所述的一种钢轨件尺寸测量方法,其特征在于,确定所述点云数据的类型,包括:
根据所述点云数据的文件命名前缀,确定所述点云数据为标准工件点云、有端面的钢轨点云或者无端面的钢轨点云。
5.如权利要求1所述的一种钢轨件尺寸测量方法,其特征在于,对所述点云数据进行降维处理,转换为2D截面图予以展示,并且存储测量到的钢轨件三维数据,包括:
通过测量中得到的2D平面图,以及各范围位置的点的坐标信息以及测量得到的各部分的取值,将测量结果数据以标注的形式绘制在平面图上,通过在QT界面上设置label和Qpixmap将处理后的结果图进行展示;同时以表格的形式展示得到的钢轨测量数据,并且将当天测量的钢轨数据记录到一个以该天日期命名的excel表格中。
6.一种钢轨件尺寸测量装置,其特征在于,包括:便携式三维扫描仪,便携式计算机以及标定块;
所述便携式三维扫描仪,用于对钢轨件进行三维扫描和三维建模;
所述便携式计算机,用于按照权利要求1所述的钢轨件尺寸测量方法,对扫描得到的三维点云数据进行自动分析和处理;
所述标定块,用于标记钢轨件的扫描位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310153266.9A CN115824070B (zh) | 2023-02-23 | 2023-02-23 | 一种钢轨件尺寸测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310153266.9A CN115824070B (zh) | 2023-02-23 | 2023-02-23 | 一种钢轨件尺寸测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115824070A CN115824070A (zh) | 2023-03-21 |
CN115824070B true CN115824070B (zh) | 2023-05-30 |
Family
ID=85522149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310153266.9A Active CN115824070B (zh) | 2023-02-23 | 2023-02-23 | 一种钢轨件尺寸测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115824070B (zh) |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CO7060224A1 (es) * | 2013-03-18 | 2014-09-19 | Univ Eafit | Sistema y método para la inspección para la inspección de los parámetros geométricos de ruedas de vehículos ferroviarios |
CN104330041A (zh) * | 2014-09-30 | 2015-02-04 | 中铁山桥集团有限公司 | 一种道岔钢轨件钻孔尺寸的测量方法 |
CN104359444B (zh) * | 2014-11-10 | 2017-01-18 | 上海同儒机电科技有限公司 | 钢轨轮廓检测方法及检测*** |
US10362293B2 (en) * | 2015-02-20 | 2019-07-23 | Tetra Tech, Inc. | 3D track assessment system and method |
US10518791B2 (en) * | 2015-10-20 | 2019-12-31 | Sameer Singh | Integrated rail and track condition monitoring system with imaging and inertial sensors |
CN109272524B (zh) * | 2018-08-27 | 2020-08-25 | 大连理工大学 | 一种基于阈值分割的小尺度点云噪声去噪方法 |
CN110647798B (zh) * | 2019-08-05 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的轨道中线自动检测方法 |
WO2021097618A1 (zh) * | 2019-11-18 | 2021-05-27 | 深圳市大疆创新科技有限公司 | 点云分割方法、***及计算机存储介质 |
CN111932676B (zh) * | 2020-08-24 | 2024-01-05 | 华中科技大学 | 一种铁路轨距快速测量装置和方法 |
CN113870123B (zh) * | 2021-08-19 | 2023-01-03 | 中国铁路设计集团有限公司 | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 |
CN115112044A (zh) * | 2022-06-10 | 2022-09-27 | 南京理工大学 | 一种基于多线结构光点云数据的轮对尺寸测量方法 |
CN115439839A (zh) * | 2022-08-04 | 2022-12-06 | 三峡大学 | 基于点云数据的多类型结构面分层识别方法 |
-
2023
- 2023-02-23 CN CN202310153266.9A patent/CN115824070B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115824070A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107798330B (zh) | 一种焊缝图像特征信息提取方法 | |
CN110986878B (zh) | 基于移动测量***自动化提取铁轨断面的方法 | |
Woo et al. | A new segmentation method for point cloud data | |
CN115236628B (zh) | 一种基于激光雷达检测车厢残留货物的方法 | |
CN101178812A (zh) | 一种结构光光条中心线提取的混合图像处理方法 | |
CN103106632B (zh) | 一种基于均值漂移的不同精度三维点云数据的融合方法 | |
CN114549879B (zh) | 一种隧道车载扫描点云的标靶识别及中心点提取方法 | |
US20230258445A1 (en) | Three-dimensional (3d) structured light camera based method and system for measuring gap of vehicle body | |
CN115018249B (zh) | 一种基于激光扫描技术的地铁站施工质量评价方法 | |
CN115060188B (zh) | 辙叉心轨型面处理方法及*** | |
CN115423824A (zh) | 一种基于点云体素矩形栅格的火车车厢的定位与分割方法 | |
CN114119488A (zh) | 一种面向工厂化的预制叠合板尺寸质量智能检测方法 | |
CN112033385A (zh) | 一种基于海量点云数据的桥墩位姿测量方法 | |
CN109816682B (zh) | 一种基于凹凸性的腕臂***分割与参数检测方法 | |
CN112964195B (zh) | 基于激光三角法的供电轨几何参数综合检测方法及*** | |
CN117928385A (zh) | 一种基于远程无人机和传感器的工程施工智能测量方法 | |
CN115824070B (zh) | 一种钢轨件尺寸测量方法及装置 | |
CN117292181A (zh) | 基于3d点云处理的钣金件孔组分类及全尺寸测量方法 | |
Chen et al. | Vision-based position deviation measurement of rail corrugation chord measuring points under bi-linear laser assistance | |
CN116167983A (zh) | 基于dtw距离最小的钢轨轨腰对齐方法、***及终端 | |
CN113743483B (zh) | 一种基于空间平面偏移分析模型的道路点云误差场景分析方法 | |
CN109635518A (zh) | 一种基于cmm扫描测量的自由曲面轮廓度评价方法 | |
CN112581521B (zh) | 一种磁浮轨道中心线提取方法 | |
CN115035026A (zh) | 一种基于三维点云信息的隧道***质量评估方法 | |
CN111583235B (zh) | 蜂窝规整度检测的分支点识别顶点提取方法及其*** |
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 |