CN115830019B - 钢轨检测的三维点云校准处理方法及装置 - Google Patents
钢轨检测的三维点云校准处理方法及装置 Download PDFInfo
- Publication number
- CN115830019B CN115830019B CN202310109398.1A CN202310109398A CN115830019B CN 115830019 B CN115830019 B CN 115830019B CN 202310109398 A CN202310109398 A CN 202310109398A CN 115830019 B CN115830019 B CN 115830019B
- Authority
- CN
- China
- Prior art keywords
- axis
- point
- points
- coordinate
- area
- 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
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 203
- 239000010959 steel Substances 0.000 title claims abstract description 203
- 238000001514 detection method Methods 0.000 title claims abstract description 141
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims abstract description 195
- 238000012545 processing Methods 0.000 claims abstract description 123
- 238000000034 method Methods 0.000 claims description 37
- 239000003086 colorant Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 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)
Abstract
本发明提供一种钢轨检测的三维点云校准处理方法及装置,控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;根据目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;根据非正常区域内点三维坐标的属性生成相对应的处理显示框,将处理显示框与非正常区域结合在点云三维图像中显示并生成处理结果。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种钢轨检测的三维点云校准处理方法及装置。
背景技术
随着中国经济建设的高速发展,现代化高速运行能力及城镇建设使人口更加集中,高铁运输及城市交通压力迅速增大,为此国家积极开展轨道交通设施的建设,目前已建设了总数达到几十万公里的高铁、地铁和城市轨道交通网络,因此列车运行安全是轨道交通的首要问题。钢轨作为轨道中最基础的部分,其工作状态与列车行车安全直接相关;轨道检测主要是人工借助检测设备对轨道的状态进行检测,主要对钢轨的腐蚀、裂纹、凹陷、凸起等缺陷进行检测。
现有技术中,主要通过人工利用检测设备对钢轨的表面进行巡检,相比三维点云数据而言检测精准度不高且人工进行不断巡检效率十分低下,存在极大的安全隐患。
因此,如何提供一种高效且准确率高的钢轨自动检测方法成为亟待解决的问题。
发明内容
本发明实施例提供一种钢轨检测的三维点云校准方法及装置,可以自动对钢轨外的数据进行去重处理,并利用三维点云数据进行钢轨的自动检测并自动显示相关问题,较好的提升准确度和效率。
本发明实施例的第一方面,提供钢轨检测的三维点云校准处理方法,包括:
控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;
接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;
根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;
根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
可选地,在第一方面的一种可能实现方式中,所述控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标,包括:
控制点云采集设备在预设高度处,将两条钢轨之间的中点作为预设位置,在判断点云采集设备达到预设高度、预设位置后控制点云采集设备向下采集钢轨所对应的点云三维图像;
以所述点云采集设备为坐标原点构建三维坐标系,确定点云三维图像中所有点的点三维坐标。
可选地,在第一方面的一种可能实现方式中,所述接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间,包括:
计算所述钢轨间距离信息所对应的二分之一距离值,以设备三维坐标的横坐标为起点向X轴正负两侧延伸二分之一距离值得到相对应的正向起始X点坐标和负向起始X点坐标;
根据所述钢轨宽度信息以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到正向终止X点坐标和负向终止X点坐标;
统计正向起始X点坐标至正向终止X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计负向起始X点坐标至负向终止X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
可选地,在第一方面的一种可能实现方式中,所述根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域,包括:
将点云三维图像中所有点的点三维坐标中的X轴坐标分别与目标坐标采集区间比对,确定X轴坐标位于目标坐标采集区间内的点三维坐标作为目标点;
统计具有正向X轴坐标所对应的目标点形成的目标区域作为正向的钢轨检测校准区域,统计具有负向X轴坐标所对应的目标点形成的目标区域作为负向的钢轨检测校准区域;
调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域。
可选地,在第一方面的一种可能实现方式中,所述调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域,包括:
将每个目标点的Z轴坐标与标准检测信息中的标准Z轴坐标比对得到Z轴坐标差值,若Z轴坐标差值大于预设坐标差值,则判断相应的Z轴坐标对应的目标点为非正常目标点;
若Z轴坐标差值小于等于预设坐标差值,则判断相应的Z轴坐标对应的目标点为正常目标点;
计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域。
可选地,在第一方面的一种可能实现方式中,在所述根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域之前,还包括:
获取钢轨两侧倾斜面的预设宽度,根据所述预设宽度以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到第一正向去除X点坐标和第一负向去除X点坐标;
根据所述预设宽度以正向终止X点坐标和负向终止X点坐标为起点向相对应的负向方向和正向方向分别进行坐标点确定,得到第二正向去除X点坐标和第二负向去除X点坐标;
统计所述第一正向去除X点坐标和第二正向去除X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计所述第一负向去除X点坐标和第二负向去除X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
可选地,在第一方面的一种可能实现方式中,所述计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域,包括:
对所有的非正常目标点添加不同的区域标记,计算任意两个非正常目标点之间的距离得到目标点间距离;
将所有目标点间距离小于预设点间距离的非正常目标点的区域标记进行同步修改,所述同步修改的方式为将其他非正常目标点的区域标记的信息进行复制并添加至其所对应区域标记的信息内;
若判断存在一个非正常目标点与其他多个非正常目标点的目标点间距离小于预设点间距离,则对相应的一个非正常目标点、其他多个非正常目标点的区域标记进行同步修改;
在判断所有非正常目标点的区域标记分别同步修改完成后,将具有相同区域标记的非正常目标点归类至同一个非正常区域。
可选地,在第一方面的一种可能实现方式中,所述根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果,包括:
确定每个非正常区域内点三维坐标的属性,所述点三维坐标的属性包括所有非正常目标点的数量和每个非正常目标点的三维坐标;
提取每个非正常区域所对应非正常目标点的三维坐标中的X轴极值、Y轴极值,根据所述X轴极值和Y轴极值确定两组X轴平行线和Y轴平行线;
根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色;
确定所述处理显示框的中心点以及非正常区域的中心点,将处理显示框的中心点与非正常区域的中心点重合设置以使处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果,所述处理结果包括点三维坐标的数量。
可选地,在第一方面的一种可能实现方式中,所述根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色,包括:
确定两组X轴平行线和Y轴平行线的相交区域所形成的框线作为处理显示框,对所述处理显示框放大预设倍数;
根据X轴极值、Y轴极值、预设倍数进行计算,得到处理显示框放大后的X轴距离和Y轴距离,根据放大后的X轴距离和Y轴距离得到处理显示框的面积;
根据所述显示框的面积、点三维坐标的数量得到三维坐标密度,将所述三维坐标密度与预设密度区间进行比对得到相对应的显示颜色,每个预设密度区间具有相对应的显示颜色,通过以下公式计算三维坐标密度,
其中, 为三维坐标密度, 为非正常目标点的数量, 为X轴极值中的极大值, 为X轴极值中的极小值, 为预设倍数, 为Y轴极值中的极大值, 为Y轴极值中的极小值。
本发明实施例的第二方面,提供一种钢轨检测的三维点云校准处理装置,包括:
控制模块,用于控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;
计算模块,用于接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;
确定模块,用于根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;
生成模块,用于根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
本发明实施例的第三方面,提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现本发明第一方面及第一方面各种可能设计的所述方法。
本发明提供的一种钢轨检测的三维点云校准处理方法及装置,利用点云采集设备采集钢轨处的点云三维图像,并在每个点云三维图像中建立相应的三维坐标系,根据三维坐标系、钢轨间距离信息和钢轨宽度信息对点云三维图像进行去重处理只得到相应的目标坐标采集区间(钢轨),自动去除了钢轨以外的杂物,相比神经网络等去重方式直接采用点云采集设备通过坐标值进行处理,无需进行提前训练提升了工作效率;将目标坐标采集区间中所有点的三维坐标值与标准检测信息中的标准直进行比对从而确定非正常区域(裂缝、凹陷等),并在非正常区域处生成相应的处理显示框,用户可以通过处理显示框更直观的确定、定位非正常区域。
本发明提供的技术方案,可以通过无人机等设备搭载相应的点云采集设备在钢轨的中间进行点云三维图像的采集,并以点云采集设备的激光发射点为中心点建立坐标系,从而得到点云三维图像中所有点的坐标值,依据钢轨间距离信息分别定位钢轨内侧的起始点坐标点(正向终止X点坐标和负向终止X点坐标),根据钢轨宽度信息、正向终止X点坐标和负向终止X点坐标从而确定钢轨外侧的终止点坐标点(正向终止X点坐标和负向终止X点坐标),并依据钢轨内侧的起始点坐标点和钢轨外侧的终止点坐标点确定所需采集的钢轨上表面的坐标区间,本发明可以通过点云采集设备和钢轨的数据直接确定云三维图像中的钢轨上表面,相比传统人工而言实现了自动化处理,相比神经网络而言无需进行提前大量训练,可以直接进行处理提升了处理效率。
本发明提供的技术方案,通过目标坐标采集区间确定钢轨表面所有坐标点的坐标值也就是目标点的坐标值,并将每个坐标值中的Z轴的坐标值与相应的标准值(标准检测信息)中的Z轴的坐标值求差得到Z轴坐标差值,从而根据Z轴坐标差值与进行对比预设坐标差值从而确定钢轨中的非正常区域(凹陷、裂缝等),本发明相比传统方案直接通过坐标值的方式定位非正常的坐标点,较好的提升了处理效率无需进行图像等方式识别训练;若钢轨有相应的两侧倾斜面,本发明会依据倾斜面对应的预设宽度利用坐标系进行去除,仅仅保留钢轨的平面,随后再通过Z轴的坐标值进行对比确定钢轨中的非正常区域(凹陷、裂缝等),并且通过任意两个点的目标点间距离与预设点间距离进行对比,若小于则将区域标记进行同步修改为相同的区域标记,从而依据区域标记进行区域归类,实现自动定位非正常区域。
本发明提供的技术方案,会依据非正常区域(凹陷、裂缝等)的大小不同自动生成不同的处理显示框进行显示方便用户进行观察,并且会根据处理显示框的面积和非正常目标点的数量进行处理得到三维坐标密度,三维坐标密度不同相应的不同颜色的处理显示框,可以理解的是,处理显示框较小且非正常目标点越多则相应的三维坐标密度越大,三维坐标密度越大相应的处理显示框的颜色越深越显眼,从而方便用户依据处理显示框以及相应的颜色观察到出现缺陷区域的程度以及位置,方便用户进行后期的维护处理。
附图说明
图1为本发明所提供的一种钢轨检测的三维点云校准处理方法的流程图;
图2为本发明所提供的一种钢轨非正常区域的示意图;
图3A为本发明所提供的一种钢轨平面的示意图;
图3B为本发明所提供的一种钢轨倾斜面的示意图;
图4为本发明所提供的一种钢轨检测的三维点云校准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,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解,在本发明的各种实施例中,各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
应当理解,在本发明中,“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解,在本发明中,“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含,“包含A、B或C”是指包含A、B、C三者之一,“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解,在本发明中,“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”,表示B与A相关联,根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。A与B的匹配,是A与B的相似度大于或等于预设的阈值。
取决于语境,如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
本发明提供一种钢轨检测的三维点云校准处理方法,如图1所示,包括步骤S1至步骤S5,具体如下:
S1,控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标。
其中,点云采集设备可以是无人机搭载的点云采集设备,通过点云采集设备发射的激光进行点云数据的采集。
其中,预设高度为人为依据实际情况提前预设的高度,例如可以是1米、2米等,由于需要对缺陷进行检测,预设高度不宜过高,采集的精准度与点云采集设备好坏程度、预设高度有关。预设位置人为依据实际情况提前预设的位置,可以是两条钢轨之间位置为预设位置。
可以理解的是,服务器会控制点云采集设备在预设高度、预设位置处对钢轨处的所有物体的三维坐标进行采集从而得到三维图像。
在一些实施例中,步骤S1中的(控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标)包括S11-S12:
S11,控制点云采集设备在预设高度处,将两条钢轨之间的中点作为预设位置,在判断点云采集设备达到预设高度、预设位置后控制点云采集设备向下采集钢轨所对应的点云三维图像。
可以理解的是,将两条钢轨之间的中点作为预设位置,需要说明的是,可以通过在两个钢轨之间设置滑轨将滑轨的中间位置与无人接连接,确保无人机采集的点云三维图像中激光发射点处于钢轨中间位置,在此不做限定。
当服务器判断无人机对应的点云采集设备到达相应的预设高度、预设位置后会控制点云采集设备对下方的钢轨的图像进行采集,从而得到点云三维图像。
S12,以所述点云采集设备为坐标原点构建三维坐标系,确定点云三维图像中所有点的点三维坐标。
可以理解的是,点云采集设备有相应的激光发射口,将激光发射口作为三维图像中的坐标原点从而建立相应的三维坐标系,根据点云三维图像和三维坐标系可以确定其图像中所有点的坐标值。
例如:点云采集设备所设置的采集钢轨的长度可以是1米,从而得到1米相对应的三维图像,每个三维图像中都具有与其对应的坐标原点。
S2,接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间。
其中,钢轨间距离信息为两条钢轨之间的距离信息,钢轨宽度信息为每条钢轨的宽度信息;可以理解的是,钢轨之间的距离信息和宽度信息都是固定的。
可以理解的是,设备三维坐标是以依据设备的激光发射口为坐标原点建立坐标系建立的三维坐标系,根据坐标原点处于两条钢轨之间,且钢轨间距离信息和钢轨宽度信息是固定的可以获取到,则可以得到相应的目标坐标采集区间(钢轨的坐标区间轨)。
通过上述方式,本发明可以剔除钢轨以外的其他杂物,例如:钢轨附近的石头、塑料袋等杂物,只选取钢轨,与现有技术相比,无需进行大量训练,并且相对人工进行检测自动进行了钢轨选中提升了处理效率。
在一些实施例中,步骤S2中的(接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间)包括S21-S23:
S21,计算所述钢轨间距离信息所对应的二分之一距离值,以设备三维坐标的横坐标为起点向X轴正负两侧延伸二分之一距离值得到相对应的正向起始X点坐标和负向起始X点坐标。
需要说明的是,三维坐标系的坐标原点处于钢轨的中间位置,在已知钢轨间距离信息的前提下,可以根据距离信息的二分之一确定相应的正向起始X点坐标和负向起始X点坐标(钢轨内侧的起始点坐标)。
S22,根据所述钢轨宽度信息以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到正向终止X点坐标和负向终止X点坐标。
可以理解的是,在确定钢轨内侧的起始点坐标后依据钢轨固有的钢轨宽度信息可以确定两条钢轨外侧的正向终止X点坐标和负向终止X点坐标(钢轨外侧的终止点坐标)。
方便后续根据钢轨内侧的起始点坐标和钢轨外侧的终止点坐标确定相应的2条钢轨。
S23,统计正向起始X点坐标至正向终止X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计负向起始X点坐标至负向终止X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
其中,正向X轴坐标区间为处于三维坐标系X轴正向方向钢轨的所有X的坐标值生成的区间,负向X轴坐标区间为处于三维坐标系X轴负向方向钢轨的所有X的坐标值生成的区间。
目标坐标采集区间为处于三维坐标系X轴正向方向和负向方向钢轨的所有X的坐标值生成的区间。
S3,根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域。
可以理解的是,已知钢轨在三维坐标系中所有的X轴上的所有坐标值,根据X轴上的所有坐标值可以确定与其相应的所有三维坐标值,将该三维坐标值生成的区域作为钢轨检测校准区域。
通过上述方式,将钢轨检测校准区域的坐标点与标准检测信息中所有标准的坐标点进行比对,从而直接定位出现问题的坐标点。
在一些实施例中,步骤S3之前(根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域),还包括A1-A3:
A1,获取钢轨两侧倾斜面的预设宽度,根据所述预设宽度以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到第一正向去除X点坐标和第一负向去除X点坐标。
需要说明的是,钢轨有2种类型,一种上表面为平滑的平面的钢轨,另一种为平滑的平面与2个倾斜面组成的梯形钢轨。
可以理解的是,若钢轨为平滑的平面与2个倾斜面组成的梯形钢轨,本发明通过获取钢轨两侧倾斜面的预设宽度、正向起始X点坐标和负向起始X点坐标,从而定位钢轨处相应第一正向去除X点坐标和第一负向去除X点坐标(平滑的平面内侧的点),方便后续与平滑的平面外侧的点确定钢轨上表面坐标集合。
A2,根据所述预设宽度以正向终止X点坐标和负向终止X点坐标为起点向相对应的负向方向和正向方向分别进行坐标点确定,得到第二正向去除X点坐标和第二负向去除X点坐标。
可以理解的是,若钢轨为平滑的平面与2个倾斜面组成的梯形钢轨,本发明通过获取钢轨两侧倾斜面的预设宽度、正向终止X点坐标和负向终止X点坐标,从而定位钢轨处相应二正向去除X点坐标和第二负向去除X点坐标(平滑的平面外侧的点)。
A3,统计所述第一正向去除X点坐标和第二正向去除X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计所述第一负向去除X点坐标和第二负向去除X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
可以理解的是,根据每条钢轨处平滑的平面外侧的点和平滑的平面内侧的点可以确定每条钢轨上表面处平滑的平面的坐标区间(目标坐标采集区间)。
通过上述方式,可以将钢轨处的倾斜面进行剔除。
在一些实施例中,步骤S3中的(根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域)包括S31-S33:
S31,将点云三维图像中所有点的点三维坐标中的X轴坐标分别与目标坐标采集区间比对,确定X轴坐标位于目标坐标采集区间内的点三维坐标作为目标点。
可以理解的是,基于钢轨的宽度和间距可以确定其对应的X轴上的所有坐标点生成的区间,根据X轴上的所有坐标点生成的区间在点云三维图像中所有点的点三维坐标确定与其一致的点三维坐标作为目标点。
S32,统计具有正向X轴坐标所对应的目标点形成的目标区域作为正向的钢轨检测校准区域,统计具有负向X轴坐标所对应的目标点形成的目标区域作为负向的钢轨检测校准区域。
可以理解的是,在三维坐标系X轴坐标方向既有正向方向又有负向方向;统计X轴正向方向处钢轨的所有X坐标值作为正向的钢轨检测校准区域,统计X轴负向方向处钢轨的所有X坐标值作为负向的钢轨检测校准区域。
S33,调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域。
其中,钢轨检测校准区域为钢轨实际在三维空间中的区域。确定钢轨检测校准区域(钢轨)中所有目标点(所有钢轨表面)的Z轴坐标,可以理解的是,为钢轨表面实际的Z轴坐标。
可以理解的是,两条钢轨的数据均是负荷标准且一致的,调取与钢轨所对应的标准检测信息(标准的坐标值)。
将轨表面实际的Z轴坐标与标准检测信息(标准坐标值)中的Z轴坐标进行比对,从而确定钢轨中的非正常区域。
在一些实施例中,步骤S33中的(调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域)包括S331-S333:
S331,将每个目标点的Z轴坐标与标准检测信息中的标准Z轴坐标比对得到Z轴坐标差值,若Z轴坐标差值大于预设坐标差值,则判断相应的Z轴坐标对应的目标点为非正常目标点。
其中,目标点为处于钢轨处的实际坐标点。可以理解的是,当钢轨出现较大裂缝或凹陷时,钢轨表面的Z轴坐标会发生变化。
因此,根据钢轨处Z轴坐标与标准检测信息中的标准Z轴坐标比对得到Z轴坐标差值,可以理解的是,建立三维坐标系,向下为Z轴的正向方向当钢轨表面出现裂缝、凹陷等,目标点处的Z轴坐标会变大,因此求差后的Z轴坐标差值大于0;其中,预设坐标差值可以是人为依据实际预设的坐标差值,可以是0等在此不做限定。
可以理解的是,当Z轴坐标差值等于0,则说明钢轨未发生变化则为正常目标点,若Z轴坐标差值大于0,则说明钢轨发生变化则为非正常目标点。
S332,若Z轴坐标差值小于等于预设坐标差值,则判断相应的Z轴坐标对应的目标点为正常目标点。
可以理解的是,如果Z轴坐标差值小于等于预设坐标差值,则说明该处的钢轨未出现长期使用的凹陷、裂缝等缺陷情况。
S333,计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域。
可以理解的是,裂缝、凹陷等缺项往往是由多个非正常目标点组成而成的非正常区域。
因此,本发明会计算任意两个非正常目标点之间的距离,当两者距离小于预设点间距离时,则默认两者紧靠在一起,并将两个非正常目标点归类至同一个非正常区域。其中,预设点间距离可以是人为提前预设的距离,比如0.01等,在此不做限定。
在一些实施例中,步骤S333中的(计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域)包括S3331-S3334:
S3331,对所有的非正常目标点添加不同的区域标记,计算任意两个非正常目标点之间的距离得到目标点间距离。
本发明会对所有的非正常目标点添加相应的不同的区域标记方便进行区分不同的非正常目标点,并计算任意两个点之间的距离,方便后续根据两个点之间的距离判断是否处于同一个区域,比如是否为同一处凹陷或裂缝等。
例如:非正常目标点:A、B、C、D、E等,也可以是1、2、3等,在此不做限定用于区分不同的非正常目标点,并计算任意两点之间的目标点间距离。
S3332,将所有目标点间距离小于预设点间距离的非正常目标点的区域标记进行同步修改,所述同步修改的方式为将其他非正常目标点的区域标记的信息进行复制并添加至其所对应区域标记的信息内。
可以理解的是,当出现目标点间距离小于预设点间距离时,则说明两者互相靠近为同一处缺陷,则将两个非正常目标点的区域标记进行同步修改,同步修改的方式为2者均相互复制对方的区域标记并重新放入与其所对应区域标记的信息内。
例如:非正常目标点A和非正常目标点B两者之间的目标点间距离小于预设点间距离,则非正常目标点A复制非正常目标点B的区域标记B,非正常目标点B复制非正常目标点A的区域标记A,两者均为AB的区域标记,并将该区域标记与原本的A、B进行替换。
服务器可以直接通过区域标记进行判断非正常部分是否为同一区域,相比现有技术进行图缺陷识别和处理,再进行归类统一而言,较好的提升了处理效率、更为简单快捷。
S3333,若判断存在一个非正常目标点与其他多个非正常目标点的目标点间距离小于预设点间距离,则对相应的一个非正常目标点、其他多个非正常目标点的区域标记进行同步修改。
可以理解的是,非正常目标点与其他多个非正常目标点组成区域也可以是进行融合,从而形成一个完整的非正常区域。
例如:非正常目标点C与非正常目标点AB(非正常目标点A和非正常目标点B组成的非正常部分),非正常目标点C与非正常目标点AB中的其中一个非正常目标点的目标点间距离小于预设点间距离,则同样进行互相复制得到区域标记:ABC,使得3个点的区域标记均为ABC。
服务器可以直接通过数据处理的形式进行区域标记的分类统一,通过识别区域标记的方式实现识别是否为同一区域,较好的提升了工作效率
S3334,在判断所有非正常目标点的区域标记分别同步修改完成后,将具有相同区域标记的非正常目标点归类至同一个非正常区域。
可以理解的是,对所有非正常目标点均完成同步修改后,则服务器可以直接依据区域标记进行非正常目标点归类,将区域标记相同的归为一类。
在另一些实施例中,步骤S33中的(调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域)包括S334-S337:
S334,对钢轨检测校准区域中3个相邻的X轴坐标和/或Y轴坐标的点进行统计得到多个检查集合,计算每个检查集合内中间的点与两侧的点在Z轴之间的距离得到第一距离值和第二距离值。
可以理解的是,钢轨可以分为拥有两侧倾斜面的钢轨以及没有倾斜面的钢轨;本发明通过3个相邻的X轴坐标和/或Y轴坐标的形式进行校验从而无需考虑对倾斜面进行剔除。
需要说明的是,本发明会选取钢轨区域中的任意3个相邻的X轴坐标和/或Y轴坐标的目标点,可以是横向或竖向进行校验检查,并计算两侧相邻点到中间点的距离从而得到第一距离值和第二距离值。
S335,提取所述标准检测信息中的第一标准距离值和第二标准距离值,若所述第一距离值和第二距离值的绝对值分别大于所述第一标准距离值,且第一距离值和第二距离值之间的差值的绝对值小于第二标准距离值,则判断检查集合内中间的点对应的目标点为非正常目标点。
可以理解的是,如果检查集合内中间点与两侧的点在Z轴方向上具有均有一定的距离(落差),则说明此处可能为凹陷可能为倾斜面;也就是如果第一距离值和第二距离值的绝对值分别大于所述第一标准距离值,则此时可能为凹陷,也可能会倾斜面;其中,第一标准距离值为标准预设距离值,第一标准距离值可以是0,在此不做限定。
当第一距离值和第二距离值之间的差值的绝对值小于第二标准距离值时,则可以确定此处区域为凹陷区域;其中,第二标准距离值同理,可以是0.01,具体依据实际情况设定,为一较小的允许误差值。
如图2所示,例如:检查集合A、B、C三个点,A点中Z轴的坐标值为2,C点中Z轴的坐标值为2,B点中Z轴的坐标值为2.2,A点到B点的差值为2-2.2=-0.2,C点到B点的差值为2-2.2=-0.2,两者绝对值均大于0,但第一距离值和第二距离值之间的差值(-0.2)-(-0.2)=0小于相应的第二标准距离值则确定为凹陷或裂缝等非正常部分。
S336,若所述第一距离值和第二距离值分别小于等于所述第一标准距离值,或第一距离值和第二距离值之间的差值的绝对值大于等于第二标准距离值,则判断检查集合内中间的点对应的目标点为正常目标点。
可以理解的是,当两侧点到中间点的第一距离值和第二距离值分别小于等于所述第一标准距离值时,则说明3个点均处于同一水平面上;或者第一距离值和第二距离值之间的差值大于等于第二标准距离值,则说明3个点处于倾斜面处,则确定检查集合内中间的点对应的目标点为正常目标点,也就是没有相应的缺陷。
例如:如图3A所示,检查集合D、E、F三个点,D点中Z轴的坐标值为2,E点中Z轴的坐标值为2,F点中Z轴的坐标值为2,D点到E点的差值为0,F点到E点的差值为0,因此检查集合内内3个点均处于同一水平面上;如图3B所示,检查集合G、H、I三个点,G点中Z轴的坐标值为2.2,H点中Z轴的坐标值为2.1,I点中Z轴的坐标值为2,I点到H点的差值为2-2.1=-0.1,G点到H点的差值为2.2-2.1=0.1,两者差值的绝对值为0.1-(-0.1)=0.2大于0,则为倾斜面的正常点,所以检查集合内中间的点对应的目标点为正常目标点。
S337,计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域。
可以理解的是,在确定非正常目标点需要对其进行融合处理生活曾相应的非正常区域,融合方式原理一致,均是采用区域标记进行融合,在此不做赘述。
S4,根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
其中,处理显示框为依据非正常区域生成的待处理显示框,可以理解的是,服务器会根据非正常区域生成与之对应的处理显示框用于突出显示,方便用户直接观察到有缺陷的区域。
通过上述方式,将非正常区域放置于处理显示框中,并在点云三维图像中显示,方便后期用户进行直接观察处理。
在一些实施例中,步骤S4中的(根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果)包括S41- S44:
S41,确定每个非正常区域内点三维坐标的属性,所述点三维坐标的属性包括所有非正常目标点的数量和每个非正常目标点的三维坐标。
可以理解的是,服务器会确定每个非正常区域内的非正常目标点的数量和每个非正常目标点的三维坐标,方便后续利用非正常目标点的数量和每个非正常目标点的三维坐标生成对应的处理显示框。
S42,提取每个非正常区域所对应非正常目标点的三维坐标中的X轴极值、Y轴极值,根据所述X轴极值和Y轴极值确定两组X轴平行线和Y轴平行线。
可以理解的是,不论是凹陷还是裂纹等缺陷区域,获取其在平面上的极大值、极小值则可以确定相应的平行线,从而方便后续生成矩形的处理显示框。
S43,根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色。
可以理解的是,根据非正常区域中X轴的极大值、极小值和Y轴的极大值和极小值生成与相应X轴、Y轴相对应的平行线相交形成的矩形区域为处理显示框。
不难理解的是,通过X轴极值(极大值和极小值)两者的差值可以确定X轴距离,通过Y轴极值(极大值和极小值)两者的差值可以确定Y轴距离,也就是处理显示框的边长,本发明会根据处理显示框的边长以及框内部三维坐标的数量生成相对应的显示框的显示颜色。
通过上述方式,用户不仅可以通过显示框直接看到相应的缺陷区域,而且可以根据处理显示框的颜色不同或颜色深浅判断出缺陷的严重程度。
在一些实施例中,步骤S43中的(根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色)包括S431- S433:
S431,确定两组X轴平行线和Y轴平行线的相交区域所形成的框线作为处理显示框,对所述处理显示框放大预设倍数。
需要说明的是,由于钢轨处的裂缝大小不一,有些较小,因此本发明会对处理显示框进行放大相应的预设倍数,其中,预设倍数为依据实际情况提前设置的放大倍数;从而方便用户观察,避免遗漏。
S432,根据X轴极值、Y轴极值、预设倍数进行计算,得到处理显示框放大后的X轴距离和Y轴距离,根据放大后的X轴距离和Y轴距离得到处理显示框的面积。
可以理解的是,通过X轴极值(极大值和极小值)两者的差值可以确定X轴距离,通过Y轴极值(极大值和极小值)两者的差值可以确定Y轴距离,也就是处理显示框的边长,再乘以相应的预设倍数,可以得到实际显示的边长大小,根据边长从而得到处理显示框的面积。
S433,根据所述处理显示框的面积、点三维坐标的数量得到三维坐标密度,将所述三维坐标密度与预设密度区间进行比对得到相对应的显示颜色,每个预设密度区间具有相对应的显示颜色,通过以下公式计算三维坐标密度,
其中, 为三维坐标密度, 为非正常目标点的数量, 为X轴极值中的极大值, 为X轴极值中的极小值, 为预设倍数, 为Y轴极值中的极大值, 为Y轴极值中的极小值, 为显示框的面积,非正常目标点的数量 与三维坐标密度 成正比,三维坐标密度与 成反比,可以理解的是,处理显示框的面积 越大且非正常目标点的数量 数量越少则说明此处裂缝较小,相反的处理显示框的面积 越小且非正常目标点的数量 数量越多则说明此处裂缝较大,则会依据三维坐标密度 值的大小确定相应的处理显示框的颜色,例如:裂缝越大相应的处理显示框的颜色越深,裂缝越小相应的处理显示框的颜色越浅,或者设置不同的颜色代表不同的严重程度,在此不做限定。
S44,确定所述处理显示框的中心点以及非正常区域的中心点,将处理显示框的中心点与非正常区域的中心点重合设置以使处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果,所述处理结果包括点三维坐标的数量。
可以理解的是,同时选择处理显示框的中心点以及非正常区域的中心点,将两者的中心点重合设置以使处理显示框与所述非正常区域结合在点云三维图像中显示并对相应非正常目标点的数量进行显示。
本发明不仅可以对缺陷区域进行框选显示,方便用户观察,还会对相应的非正常目标点数量进行显示,使得用户可以通过数值和处理显示框相结合进行查看,更直观的确定缺陷区域的大小。
为了更好的实现本发明所提供的一种钢轨检测的三维点云校准处理方法,本发明还提供一种钢轨检测的三维点云校准处理装置,如图4所示,包括:
控制模块,用于控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;
计算模块,用于接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;
确定模块,用于根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;
生成模块,用于根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
本发明还提供一种存储介质,所述存储介质中存储有计算机程序,所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中,存储介质可以是计算机存储介质,也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如,存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于专用集成电路(Application Specific IntegratedCircuits,简称:ASIC)中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。存储介质可以是只读存储器(ROM)、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品,该程序产品包括执行指令,该执行指令存储在存储介质中。设备的至少一个处理器可以从存储介质读取该执行指令,至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述终端或者服务器的实施例中,应理解,处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:ApplicationSpecificIntegrated Circuit,简称:ASIC)等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.钢轨检测的三维点云校准处理方法,其特征在于,包括:
控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;
接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;
根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;
根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
2.根据权利要求1所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标,包括:
控制点云采集设备在预设高度处,将两条钢轨之间的中点作为预设位置,在判断点云采集设备达到预设高度、预设位置后控制点云采集设备向下采集钢轨所对应的点云三维图像;
以所述点云采集设备为坐标原点构建三维坐标系,确定点云三维图像中所有点的点三维坐标。
3.根据权利要求2所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间,包括:
计算所述钢轨间距离信息所对应的二分之一距离值,以设备三维坐标的横坐标为起点向X轴正负两侧延伸二分之一距离值得到相对应的正向起始X点坐标和负向起始X点坐标;
根据所述钢轨宽度信息以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到正向终止X点坐标和负向终止X点坐标;
统计正向起始X点坐标至正向终止X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计负向起始X点坐标至负向终止X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
4.根据权利要求3所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域,包括:
将点云三维图像中所有点的点三维坐标中的X轴坐标分别与目标坐标采集区间比对,确定X轴坐标位于目标坐标采集区间内的点三维坐标作为目标点;
统计具有正向X轴坐标所对应的目标点形成的目标区域作为正向的钢轨检测校准区域,统计具有负向X轴坐标所对应的目标点形成的目标区域作为负向的钢轨检测校准区域;
调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域。
5.根据权利要求4所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述调取与钢轨所对应的标准检测信息,确定钢轨检测校准区域中所有目标点的Z轴坐标,将所述Z轴坐标与标准检测信息比对进行检测判断,确定钢轨检测校准区域中的非正常区域,包括:
将每个目标点的Z轴坐标与标准检测信息中的标准Z轴坐标比对得到Z轴坐标差值,若Z轴坐标差值大于预设坐标差值,则判断相应的Z轴坐标对应的目标点为非正常目标点;
若Z轴坐标差值小于等于预设坐标差值,则判断相应的Z轴坐标对应的目标点为正常目标点;
计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域。
6.根据权利要求5所述的钢轨检测的三维点云校准处理方法,其特征在于,在所述根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域之前,还包括:
获取钢轨两侧倾斜面的预设宽度,根据所述预设宽度以正向起始X点坐标和负向起始X点坐标为起点向相对应的正向方向和负向方向分别进行坐标点确定,得到第一正向去除X点坐标和第一负向去除X点坐标;
根据所述预设宽度以正向终止X点坐标和负向终止X点坐标为起点向相对应的负向方向和正向方向分别进行坐标点确定,得到第二正向去除X点坐标和第二负向去除X点坐标;
统计所述第一正向去除X点坐标和第二正向去除X点坐标的所有X轴坐标点得到正向X轴坐标区间,统计所述第一负向去除X点坐标和第二负向去除X点坐标的所有X轴坐标点得到负向X轴坐标区间,根据所述正向X轴坐标区间和负向X轴坐标区间得到目标坐标采集区间。
7.根据权利要求5所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述计算任意两个非正常目标点之间的距离得到目标点间距离,将所有目标点间距离小于预设点间距离的非正常目标点归类至同一个非正常区域,包括:
对所有的非正常目标点添加不同的区域标记,计算任意两个非正常目标点之间的距离得到目标点间距离;
将所有目标点间距离小于预设点间距离的非正常目标点的区域标记进行同步修改,所述同步修改的方式为将其他非正常目标点的区域标记的信息进行复制并添加至其所对应区域标记的信息内;
若判断存在一个非正常目标点与其他多个非正常目标点的目标点间距离小于预设点间距离,则对相应的一个非正常目标点、其他多个非正常目标点的区域标记进行同步修改;
在判断所有非正常目标点的区域标记分别同步修改完成后,将具有相同区域标记的非正常目标点归类至同一个非正常区域。
8.根据权利要求7所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果,包括:
确定每个非正常区域内点三维坐标的属性,所述点三维坐标的属性包括所有非正常目标点的数量和每个非正常目标点的三维坐标;
提取每个非正常区域所对应非正常目标点的三维坐标中的X轴极值、Y轴极值,根据所述X轴极值和Y轴极值确定两组X轴平行线和Y轴平行线;
根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色;
确定所述处理显示框的中心点以及非正常区域的中心点,将处理显示框的中心点与非正常区域的中心点重合设置以使处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果,所述处理结果包括点三维坐标的数量。
9.根据权利要求8所述的钢轨检测的三维点云校准处理方法,其特征在于,
所述根据所述两组X轴平行线和Y轴平行线所形成的框线作为处理显示框,根据所述X轴极值、Y轴极值得到处理显示框的X轴距离和Y轴距离,根据所述X轴距离、Y轴距离、所有点三维坐标的数量进行计算得到处理显示框的显示颜色,包括:
确定两组X轴平行线和Y轴平行线的相交区域所形成的框线作为处理显示框,对所述处理显示框放大预设倍数;
根据X轴极值、Y轴极值、预设倍数进行计算,得到处理显示框放大后的X轴距离和Y轴距离,根据放大后的X轴距离和Y轴距离得到处理显示框的面积;
根据所述显示框的面积、点三维坐标的数量得到三维坐标密度,将所述三维坐标密度与预设密度区间进行比对得到相对应的显示颜色,每个预设密度区间具有相对应的显示颜色,通过以下公式计算三维坐标密度,
其中,为三维坐标密度,为非正常目标点的数量,为X轴极值中的极大值,为X轴极值中的极小值,为预设倍数,为Y轴极值中的极大值,为Y轴极值中的极小值。
10.钢轨检测的三维点云校准处理装置,其特征在于,包括:
控制模块,用于控制点云采集设备在预设高度、预设位置处采集钢轨所处位置的点云三维图像,确定点云三维图像中所有点的点三维坐标;
计算模块,用于接收用户对钢轨所配置的尺寸数据,所述尺寸数据至少包括钢轨间距离信息和钢轨宽度信息,根据设备三维坐标、钢轨间距离信息和钢轨宽度信息进行计算,得到目标坐标采集区间;
确定模块,用于根据所述目标坐标采集区间确定点云三维图像中相对应的目标区域作为钢轨检测校准区域,根据标准检测信息对钢轨检测校准区域内所有的点三维坐标进行检测判断,确定钢轨检测校准区域中的非正常区域;
生成模块,用于根据所述非正常区域内点三维坐标的属性生成相对应的处理显示框,将所述处理显示框与所述非正常区域结合在点云三维图像中显示并生成处理结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310109398.1A CN115830019B (zh) | 2023-02-14 | 2023-02-14 | 钢轨检测的三维点云校准处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310109398.1A CN115830019B (zh) | 2023-02-14 | 2023-02-14 | 钢轨检测的三维点云校准处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115830019A CN115830019A (zh) | 2023-03-21 |
CN115830019B true CN115830019B (zh) | 2023-04-28 |
Family
ID=85521244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310109398.1A Active CN115830019B (zh) | 2023-02-14 | 2023-02-14 | 钢轨检测的三维点云校准处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115830019B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN113469940B (zh) * | 2021-05-26 | 2023-08-04 | 成都唐源电气股份有限公司 | 基于三维点云结合二维图像处理技术的扣件松动检测方法 |
CN113963038A (zh) * | 2021-09-30 | 2022-01-21 | 洛伦兹(北京)科技有限公司 | 车厢点云校准方法及装置 |
CN114219855A (zh) * | 2021-11-17 | 2022-03-22 | 深圳有象智联科技有限公司 | 点云法向量的估计方法、装置、计算机设备和存储介质 |
CN114994061B (zh) * | 2022-08-01 | 2022-11-22 | 山东未来网络研究院(紫金山实验室工业互联网创新应用基地) | 一种基于机器视觉的钢轨智能化检测方法及*** |
CN115690062A (zh) * | 2022-11-08 | 2023-02-03 | 内蒙古中电物流路港有限责任公司赤峰铁路分公司 | 轨面伤损状态检测方法、装置和电子设备 |
-
2023
- 2023-02-14 CN CN202310109398.1A patent/CN115830019B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115830019A (zh) | 2023-03-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113362326B (zh) | 一种电池焊点缺陷的检测方法及装置 | |
CN102175700B (zh) | 数字x射线图像焊缝分割和缺陷检测方法 | |
CN111091538A (zh) | 一种管道焊缝自动识别、缺陷检测方法及装置 | |
CN112465746B (zh) | 一种射线底片中小缺陷检测方法 | |
CN113325001A (zh) | 一种铜箔表面外观瑕疵自动分辨检测设备及检测方法 | |
CN109741295B (zh) | 产品质量检测方法及装置 | |
CN103852034B (zh) | 一种电梯导轨垂直度检测方法 | |
CN115719332A (zh) | 一种焊接质量检测方法 | |
EP4375924A1 (en) | Cell alignment degree measurement method, controller, detection system, and storage medium | |
CN115937170A (zh) | 电路板检测方法、装置、计算机设备及存储介质 | |
KR101026720B1 (ko) | 고속 레이저 비전 센서 시스템, 이를 이용한 고속 이미지프로세싱 방법 및 용접부 외관 검사방법 | |
CN115601359A (zh) | 一种焊缝检测方法及装置 | |
CN111486797A (zh) | 一种地铁圆形盾构隧道横向直径的自动提取方法 | |
CN114140466B (zh) | 基于图像处理的植物根系测量方法、***及装置 | |
CN116429768A (zh) | 一种密封钉焊接质量检测方法、***、设备及存储介质 | |
CN117058411B (zh) | 电池棱边外形瑕疵识别方法、装置、介质和设备 | |
CN115830019B (zh) | 钢轨检测的三维点云校准处理方法及装置 | |
CN117372751A (zh) | 管道缺陷检测方法、装置及存储介质 | |
CN111738991A (zh) | 一种焊缝缺陷的数字射线检测模型的创建方法 | |
JP3640136B2 (ja) | 表面疵検査方法および装置 | |
CN116642887A (zh) | 一种焊印缺陷检测方法及焊印缺陷检测*** | |
JPH10148622A (ja) | 溶接部放射線透過試験画像の自動合否判定方法及び装置 | |
KR20160103800A (ko) | 광학 필름의 불량 검출 장치 및 방법 | |
CN110135426B (zh) | 样本标注方法及计算机存储介质 | |
CN113963012A (zh) | 一种焊缝边缘检测方法 |
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 |