CN116147525A - 一种基于改进icp算法的受电弓轮廓检测方法及*** - Google Patents
一种基于改进icp算法的受电弓轮廓检测方法及*** Download PDFInfo
- Publication number
- CN116147525A CN116147525A CN202310404235.6A CN202310404235A CN116147525A CN 116147525 A CN116147525 A CN 116147525A CN 202310404235 A CN202310404235 A CN 202310404235A CN 116147525 A CN116147525 A CN 116147525A
- Authority
- CN
- China
- Prior art keywords
- point
- point cloud
- pantograph
- laser
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 67
- 230000004927 fusion Effects 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000005299 abrasion Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims description 50
- 239000011159 matrix material Substances 0.000 claims description 39
- 239000013598 vector Substances 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000013519 translation Methods 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 5
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 abstract description 9
- 238000006073 displacement reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 241000594310 Randia aculeata Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种基于改进ICP算法的受电弓轮廓检测方法及***,该方法为:受电弓滑板上方左、右两侧分别部署一个激光测距仪;两个激光测距仪连续采集受电弓滑板轮廓数据;将两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;特征点识别:对两片三维点云中的磨耗区域进行特征点提取;点云融合:根据得到的特征点,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。所述***包括两个激光测距仪、数据处理计算模块,数据处理计算模块包括三维点云生成单元、特征点识别单元和点云融合单元。本发明成本低、原理简单、实用性强,对物理位置的依赖低,消除了因安装或者设备位移导致的误差。
Description
技术领域
本发明涉及车辆检测技术领域,特别是一种基于改进ICP算法的受电弓轮廓检测方法及***。
背景技术
受电弓是城轨列车获取动力来源的重要装置之一,其运行状态直接关系到列车的行车安全,随着列车向行车高速化、密集化方向不断发展,研究可靠的检测方法,及时、准确的检测受电弓滑板状态对于保障行车安全具有重要意义。
目前,国内的受电弓检测主要分为接触式人工检测和非接触式检测两种方式。人工检测法是由地铁工作人员登顶列车进行检测;非接触式检测法的主要方式有图像检测法和激光检测法。
接触式人工检测需要在列车回库、接触网断电的情况下登顶测量,日检主要检查受电弓羊角完整性和滑板是否存在明显裂纹,而滑板剩余厚度检测一般安排在月检中,检测准确性严重依赖于检测工人的熟练度,并且检测效率低。另外对于滑板剩余厚度的检测,仅仅只对滑板上的某些固定位置进行,而无法获取完整的滑板厚度数据。
非接触式检测法是当下研究的热点,国内外已经有很多学者和研究人员提出了检测方案。这些检测方案可以分为2D和3D,对于2D的检测技术,二维图像可以检测滑板磨耗和羊角变形、缺失等,检测内容不够全面,精度也不高,而二维激光虽然精度更好,但是只能用来检测磨耗,更为单一。对于3D检测技术,可以检测的内容相比二维就更为丰富,比如滑板的掉块、姿态分析等。
由于滑板的特殊外形,单个激光机器很难独立完成测量,因此需要多个机器配合工作。因此,对于滑板表面状态的检测,至关重要的一步就是将多个视角的三维数据融合成一个,才能进行后续的检测。
三维数据融合最常用的方法是ICP算法,但是,原始的ICP算法具有以下许多缺点和局限性:第一,原始ICP算法对点云之间的初始位姿要求很高,初始配准直接影响算法的收敛速度;第二,在点云较大时,ICP算法的时间复杂度较高。第三,当目标点云中没有对应的点时,很容易造成错误匹配。目前普遍的解决方法是将ICP算法结合外推法KD树和Anderson加速度来加速ICP,以及使用NDT作为粗匹配算法,再使用ICP作为精细匹配以提高整体的准确度,但是对于非高斯噪声该方法的匹配精度还是存在一定缺陷。
发明内容
本发明的目的在于提供一种结构简单、实用性强、可靠性强、检测精度高的基于改进ICP算法的受电弓轮廓检测方法及***,以解决目前受电弓滑板检测***功能不完善、安装要求高的问题。
实现本发明目的的技术解决方案为:一种基于改进ICP算法的受电弓轮廓检测方法,其特征在于,包括以下步骤:
步骤1,受电弓滑板上方左、右两侧分别部署一个激光测距仪;
步骤2,两个激光测距仪连续采集受电弓滑板轮廓数据;
步骤3,生成三维点云:将步骤2中两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
步骤4,特征点识别:对两片三维点云中的磨耗区域进行特征点提取;
步骤5,点云融合:根据步骤4得到的特征点,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
一种基于改进ICP算法的受电弓轮廓检测***,包括两个激光测距仪、数据处理计算模块,所述数据处理计算模块包括三维点云生成单元、特征点识别单元和点云融合单元,其中:
两个激光测距仪,分别部署在受电弓滑板上方左、右两侧,两个激光测距仪连续采集受电弓滑板轮廓数据;
三维点云生成单元,将两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
特征点识别单元,对两片三维点云中的磨耗区域进行特征点提取;
点云融合单元,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
本发明与现有技术相比,其显著优点在于:(1)使用改进ICP算法进行点云融合,对于安装的要求降低,即使安装时有一些偏差或者使用一段时间后装置发生偏移仍然能用正常工作;(2)将相关熵作为相似性度量,对于非高斯噪声具有较强的抑制能力,提高配准的精确度;(3)使用特征点迭代结合距离约束,及时剔除错误的对应点,提高运行效率以及配准准确性,为实现列车受电弓三维检测提供了一种有效的解决方案。
附图说明
图1是本发明一种基于改进ICP算法的受电弓轮廓检测方法的流程图。
图2是本发明一种基于改进ICP算法的受电弓轮廓检测方法的设备布设图。
图3是本发明两个2D激光测距仪与受电弓的相对距离示意图。
图4是本发明激光测距仪S1对应的三维点云示意图。
图5是本发明激光测距仪S2对应的三维点云示意图。
图6是本发明激光测距仪S1对应的三维点云的特征点检测图。
图7是本发明激光测距仪S2对应的三维点云的特征点检测图。
图8是本发明中融合后的滑板三维点云示意图。
具体实施方式
本发明的目的在于提供一种结构简单、实用性强、可靠性强、检测精度高的受电弓点云融合方法,为了使本发明的技术方案能更清晰地表示出来,下面结合附图对本发明作进一步说明。
结合图1,本发明一种基于改进ICP算法的受电弓轮廓检测方法,包括以下步骤:
步骤1,受电弓滑板上方左、右两侧分别部署一个激光测距仪;
步骤2,两个激光测距仪连续采集受电弓滑板轮廓数据;
步骤3,生成三维点云:将步骤2中两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
步骤4,特征点识别:对两片三维点云中的磨耗区域进行特征点提取;
步骤5,点云融合:根据步骤4得到的特征点,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
作为一种具体示例,步骤1所述受电弓滑板上方左、右两侧分别部署一个激光测距仪,具体如下:
两个激光测距仪分别为激光测距仪S1、激光测距仪S2,二者均采用基于三角测量原理的2D激光测距仪;
所述激光测距仪S1、激光测距仪S2的检测区域存在重合部分,以获取完整的受电弓滑板表面磨耗曲线;
所述激光测距仪S1、激光测距仪S2位于同一水平高度,水平方向相距480mm;所述激光测距仪S1、激光测距仪S2的激光发射方向与水平方向垂直,垂直方向距离受电弓滑板1000mm,两激光平面在同一平面上。
作为一种具体示例,步骤2所述采集受电弓滑板轮廓数据时,受电弓保持匀速前进,激光测距仪S1、激光测距仪S2连续交替工作,所述激光测距仪S1、激光测距仪S2分别采集受电弓部分轮廓数据。
作为一种具体示例,步骤3所述生成三维点云,具体为:激光测距仪自身坐标系为平面坐标系O-XY,水平方向为X轴,垂直方向为Y轴,滑板前进方向为Z轴;通过受电弓前进速度结合激光测距仪S1、激光测距仪S2工作频率,从Z坐标为0开始,计算出每帧数据的Z轴坐标位置,将Z轴信息添加到原有数据帧,生成三维点云。
作为一种具体示例,步骤4所述特征点识别,具体步骤如下:
(4.1)计算表面法向量:利用点的K邻域构建出点的局部平面,该局部平面视为点的切平面,该切平面的法向量即为该点的法向量;
引入方向约束:
作为一种具体示例,步骤5所述点云融合,具体为:
将激光测距仪S1对应的点云作为基准点云,/>为点云Q的点的个数,/>表示点云Q中的第j个数据点;将激光测距仪S2对应的点云作为目标点云,/>为点云P的点的个数,/>表示点云P中的第i个数据点;在多次迭代中,寻找变换/>,使得目标点云在该变换下与基准点云融合,目标函数为:
作为一种具体示例,步骤5所述点云融合的具体步骤如下:
(5.1)建立索引匹配:为两片点云建立索引匹配,即为目标点云中的每一个点在基准点云中找到距离最近的点;
(5.2)计算旋转变换:平移变换具有相对独立性,计算旋转变换和尺度变换时,先消除平移变换,简化目标函数,简化后的目标函数为:
利用半二次优化辅助化简上式,得到:
其中,
(5.4)计算平移变换:平移变换的计算公式由旋转变换和尺度变换求出:
(5.5)判断终止条件,如果满足下式或者达到最大迭代次数,则终止迭代,否则返回(5.1)继续迭代:
本发明一种基于改进ICP算法的受电弓轮廓检测***,包括两个激光测距仪、数据处理计算模块,所述数据处理计算模块包括三维点云生成单元、特征点识别单元和点云融合单元,其中:
两个激光测距仪,分别部署在受电弓滑板上方左、右两侧,两个激光测距仪连续采集受电弓滑板轮廓数据;
三维点云生成单元,将两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
特征点识别单元,对两片三维点云中的磨耗区域进行特征点提取;
点云融合单元,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
作为一种具体示例,两个激光测距仪分别为激光测距仪S1、激光测距仪S2,二者均采用基于三角测量原理的2D激光测距仪。
作为一种具体示例,所述激光测距仪S1、激光测距仪S2的检测区域存在重合部分,以获取完整的受电弓滑板表面磨耗曲线;
所述激光测距仪S1、激光测距仪S2位于同一水平高度,水平方向相距480mm;所述激光测距仪S1、激光测距仪S2的激光发射方向与水平方向垂直,垂直方向距离受电弓滑板1000mm,两激光平面在同一平面上。
下面结合具体实施例对本发明做进一步详细说明。
实施例
图2为一种基于改进ICP算法的受电弓轮廓检测方法的设备布设图。结合图2,本发明一种基于改进ICP算法的受电弓轮廓检测方法,包括2D激光测距仪S1、2D激光测距仪S2,两个2D激光测距仪位于同一水平高度,激光方向与水平方向垂直,两激光平面在同一平面上。所述两个2D激光测距仪分别发射一条激光线,照射在受电弓滑板表面,分别形成一条表面轮廓曲线。所述2D激光测距仪S1、2D激光测距仪S2均采用基于三角测量原理的2D激光测距仪。
图3为所述一种基于改进ICP算法的受电弓轮廓检测方法的设备具体安装尺寸图,所述两个2D激光测距仪水平方向相距480mm,激光方向与水平方向垂直,垂直方向高度距离受电弓滑板1000mm。
结合图4~图7,本发明一种基于改进ICP算法的受电弓轮廓检测方法,包括以下步骤:
步骤1,安装:两个2D激光测距仪安装于横梁上时,可以根据横梁上开孔的位置保证其相对位置,但是实际安装测试过程往往无法保证其相对位置完全等同于设计,基本相同即可。本设计所提出的算法就是为了解决这个问题。
步骤2,采集数据:采集受电弓滑板轮廓数据时,2D激光测距仪S1、S2交替连续工作,防止激光线相互干扰,2D激光测距仪S1、S2分别采集多条受电弓部分轮廓数据。
步骤3,生成三维点云:通过受电弓前进速度结合激光测距仪工作频率,计算出每帧数据的z轴坐标位置,将y轴信息添加到原有数据帧,生成三维点云。
步骤4,特征点识别:包括以下两个步骤
(1)计算表面法向量:利用点的K邻域构建出点的局部平面,该平面可以视为点的切平面,该平面的法向量即为该点的法向量。
引入方向约束:
步骤5,点云融合:将激光测距仪S1对应的点云作为基准点云,为点云Q的点的个数,/>表示点云Q中的第j个数据点;将激光测距仪S2对应的点云作为目标点云/>,/>为点云P的点的个数,/>表示点云P中的第i个数据点;在多次迭代中,寻找变换/>,使得目标点云在该变换下与基准点云融合,目标函数/>为:
具体步骤如下:
(1)建立索引匹配:为两片点云建立索引匹配,即为目标点云中的每一个点在基准点云中找到距离最近的点;
(2)计算旋转变换:平移变换具有相对独立性,计算旋转变换和尺度变换时,先消除平移变换,简化目标函数。简化后的目标函数为:
利用半二次优化辅助化简上式,得到:
(4)计算平移变换:平移矩阵的计算公式由旋转变换和尺度变换求出:
(5)判断终止条件,如果满足下式或者达到最大迭代次数,则终止迭代,否则返回(5.1)继续迭代:
本发明一种基于改进ICP算法的受电弓轮廓检测***,包括两个激光测距仪、数据处理计算模块,所述数据处理计算模块包括三维点云生成单元、特征点识别单元和点云融合单元,其中:
两个激光测距仪,分别部署在受电弓滑板上方左、右两侧,两个激光测距仪连续采集受电弓滑板轮廓数据;
三维点云生成单元,将两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
特征点识别单元,对两片三维点云中的磨耗区域进行特征点提取;
点云融合单元,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
作为一种具体示例,两个激光测距仪分别为激光测距仪S1、激光测距仪S2,二者均采用基于三角测量原理的2D激光测距仪。
作为一种具体示例,所述激光测距仪S1、激光测距仪S2的检测区域存在重合部分,以获取完整的受电弓滑板表面磨耗曲线;
所述激光测距仪S1、激光测距仪S2位于同一水平高度,水平方向相距480mm;所述激光测距仪S1、激光测距仪S2的激光发射方向与水平方向垂直,垂直方向距离受电弓滑板1000mm,两激光平面在同一平面上。
本发明的有益效果在于:测量装置只需要两个2D激光测距仪即可实现对受电弓滑板表面状态检测,原理简单;激光测量提高了检测精度和可靠性,收外界环境影响小,并且可以实现更高精度的检测;使用改进ICP算法进行点云融合,对于安装的要求降低,即使安装时有一些偏差或者使用一段时间后装置发生偏移仍然能用正常工作。为实现列车受电弓三维检测提供了一种有效的解决方案。
以上所述实例仅表达了本发明的一种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属千本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种基于改进ICP算法的受电弓轮廓检测方法,其特征在于,包括以下步骤:
步骤1,受电弓滑板上方左、右两侧分别部署一个激光测距仪;
步骤2,两个激光测距仪连续采集受电弓滑板轮廓数据;
步骤3,生成三维点云:将步骤2中两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
步骤4,特征点识别:对两片三维点云中的磨耗区域进行特征点提取;
步骤5,点云融合:根据步骤4得到的特征点,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
2.根据权利要求1所述的基于改进ICP算法的受电弓轮廓检测方法,其特征在于,步骤1所述受电弓滑板上方左、右两侧分别部署一个激光测距仪,具体如下:
两个激光测距仪分别为激光测距仪S1、激光测距仪S2,二者均采用基于三角测量原理的2D激光测距仪;
所述激光测距仪S1、激光测距仪S2的检测区域存在重合部分,以获取完整的受电弓滑板表面磨耗曲线;
所述激光测距仪S1、激光测距仪S2位于同一水平高度,水平方向相距480mm;所述激光测距仪S1、激光测距仪S2的激光发射方向与水平方向垂直,垂直方向距离受电弓滑板1000mm,两激光平面在同一平面上。
3.根据权利要求2所述的基于改进ICP算法的受电弓轮廓检测方法,其特征在于,步骤2所述采集受电弓滑板轮廓数据时,受电弓保持匀速前进,激光测距仪S1、激光测距仪S2连续交替工作,所述激光测距仪S1、激光测距仪S2分别采集受电弓部分轮廓数据。
4.根据权利要求1所述的基于改进ICP算法的受电弓轮廓检测方法,其特征在于,步骤3所述生成三维点云,具体为:激光测距仪自身坐标系为平面坐标系O-XY,水平方向为X轴,垂直方向为Y轴,滑板前进方向为Z轴;通过受电弓前进速度结合激光测距仪S1、激光测距仪S2工作频率,从Z坐标为0开始,计算出每帧数据的Z轴坐标位置,将Z轴信息添加到原有数据帧,生成三维点云。
5.根据权利要求1所述的基于改进ICP算法的受电弓轮廓检测方法,其特征在于:步骤4所述特征点识别,具体步骤如下:
(4.1)计算表面法向量:利用点的K邻域构建出点的局部平面,该局部平面视为点的切平面,该切平面的法向量即为该点的法向量;
引入方向约束:
7.根据权利要求6所述的基于改进ICP算法的受电弓轮廓检测方法,其特征在于,步骤5所述点云融合的具体步骤如下:
(5.1)建立索引匹配:为两片点云建立索引匹配,即为目标点云中的每一个点在基准点云中找到距离最近的点;
(5.2)计算旋转变换:平移变换具有相对独立性,计算旋转变换和尺度变换时,先消除平移变换,简化目标函数,简化后的目标函数为:
利用半二次优化辅助化简上式,得到:
其中,
(5.4)计算平移变换:平移变换的计算公式由旋转变换和尺度变换求出:
(5.5)判断终止条件,如果满足下式或者达到最大迭代次数,则终止迭代,否则返回(5.1)继续迭代:
8.一种基于改进ICP算法的受电弓轮廓检测***,其特征在于,包括两个激光测距仪、数据处理计算模块,所述数据处理计算模块包括三维点云生成单元、特征点识别单元和点云融合单元,其中:
两个激光测距仪,分别部署在受电弓滑板上方左、右两侧,两个激光测距仪连续采集受电弓滑板轮廓数据;
三维点云生成单元,将两个激光测距仪连续采集的数据分别转换成3D数据,得到两片三维点云;
特征点识别单元,对两片三维点云中的磨耗区域进行特征点提取;
点云融合单元,利用广义相关熵改进ICP算法,结合距离约束实现两片三维点云的配准,完成受电弓轮廓检测。
9.根据权利要求8所述的基于改进ICP算法的受电弓轮廓检测***,其特征在于,两个激光测距仪分别为激光测距仪S1、激光测距仪S2,二者均采用基于三角测量原理的2D激光测距仪。
10.根据权利要求9所述的基于改进ICP算法的受电弓轮廓检测***,其特征在于,所述激光测距仪S1、激光测距仪S2的检测区域存在重合部分,以获取完整的受电弓滑板表面磨耗曲线;
所述激光测距仪S1、激光测距仪S2位于同一水平高度,水平方向相距480mm;所述激光测距仪S1、激光测距仪S2的激光发射方向与水平方向垂直,垂直方向距离受电弓滑板1000mm,两激光平面在同一平面上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404235.6A CN116147525B (zh) | 2023-04-17 | 2023-04-17 | 一种基于改进icp算法的受电弓轮廓检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310404235.6A CN116147525B (zh) | 2023-04-17 | 2023-04-17 | 一种基于改进icp算法的受电弓轮廓检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116147525A true CN116147525A (zh) | 2023-05-23 |
CN116147525B CN116147525B (zh) | 2023-07-04 |
Family
ID=86354592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310404235.6A Active CN116147525B (zh) | 2023-04-17 | 2023-04-17 | 一种基于改进icp算法的受电弓轮廓检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116147525B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333526A (zh) * | 2023-09-06 | 2024-01-02 | 重庆中车四方所智能装备技术有限公司 | 单轨车受电弓铜基滑块厚度测量方法、存储介质及*** |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3252428A1 (en) * | 2015-01-30 | 2017-12-06 | Meidensha Corporation | Overhead wire wear measurement device and overhead wire wear measurement method |
CN108868268A (zh) * | 2018-06-05 | 2018-11-23 | 西安交通大学 | 基于点到面距离和互相关熵配准的无人车位姿估计方法 |
US20190126777A1 (en) * | 2016-04-19 | 2019-05-02 | Mer Mec S.P.A. | Optical system for measuring contact strength between pantograph and overhead line |
CN110211129A (zh) * | 2019-05-17 | 2019-09-06 | 西安财经学院 | 基于区域分割的低覆盖点云配准算法 |
CN110717900A (zh) * | 2019-09-27 | 2020-01-21 | 南京理工大学 | 基于改进Canny边缘检测算法的受电弓磨耗检测方法 |
CN111862176A (zh) * | 2020-07-13 | 2020-10-30 | 西安交通大学 | 基于腭皱襞的三维口腔点云正畸前后精确配准方法 |
WO2021043388A1 (en) * | 2019-09-03 | 2021-03-11 | Schweizerische Bundesbahnen Sbb | Device and method for detecting wear and/or damage on a pantograph |
US20210303908A1 (en) * | 2018-11-16 | 2021-09-30 | Korea Advanced Institute Of Science And Technology | Strong laser scanner matching method and apparatus considering movement of ground robot |
US20210319581A1 (en) * | 2020-04-13 | 2021-10-14 | Lg Electronics Inc. | Point cloud data transmission apparatus, point cloud data transmission method, point cloud data reception apparatus, and point cloud data reception method |
CN113884002A (zh) * | 2021-08-16 | 2022-01-04 | 江苏集萃智能光电***研究所有限公司 | 基于二三维信息融合的受电弓滑板上表面检测***及方法 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114693619A (zh) * | 2022-03-18 | 2022-07-01 | 杭州申昊科技股份有限公司 | 刚性接触网磨耗检测方法、设备和存储介质 |
CN114881900A (zh) * | 2022-04-15 | 2022-08-09 | 南京理工大学 | 一种基于特征匹配和渐入渐出融合的受电弓图像拼接方法 |
CN114935308A (zh) * | 2022-04-29 | 2022-08-23 | 南京理工大学 | 一种基于曲线配准算法的列车受电弓磨耗检测方法 |
WO2023019709A1 (zh) * | 2021-08-19 | 2023-02-23 | 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 |
CN115797418A (zh) * | 2022-09-27 | 2023-03-14 | 湖南科技大学 | 一种基于改进icp的复杂机械零件测量点云配准方法及*** |
CN115876109A (zh) * | 2022-12-01 | 2023-03-31 | 西南交通大学 | 一种基于2d激光测量的地铁受电弓磨耗检测新方法 |
-
2023
- 2023-04-17 CN CN202310404235.6A patent/CN116147525B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3252428A1 (en) * | 2015-01-30 | 2017-12-06 | Meidensha Corporation | Overhead wire wear measurement device and overhead wire wear measurement method |
US20190126777A1 (en) * | 2016-04-19 | 2019-05-02 | Mer Mec S.P.A. | Optical system for measuring contact strength between pantograph and overhead line |
CN108868268A (zh) * | 2018-06-05 | 2018-11-23 | 西安交通大学 | 基于点到面距离和互相关熵配准的无人车位姿估计方法 |
US20210303908A1 (en) * | 2018-11-16 | 2021-09-30 | Korea Advanced Institute Of Science And Technology | Strong laser scanner matching method and apparatus considering movement of ground robot |
CN110211129A (zh) * | 2019-05-17 | 2019-09-06 | 西安财经学院 | 基于区域分割的低覆盖点云配准算法 |
WO2021043388A1 (en) * | 2019-09-03 | 2021-03-11 | Schweizerische Bundesbahnen Sbb | Device and method for detecting wear and/or damage on a pantograph |
CN110717900A (zh) * | 2019-09-27 | 2020-01-21 | 南京理工大学 | 基于改进Canny边缘检测算法的受电弓磨耗检测方法 |
US20210319581A1 (en) * | 2020-04-13 | 2021-10-14 | Lg Electronics Inc. | Point cloud data transmission apparatus, point cloud data transmission method, point cloud data reception apparatus, and point cloud data reception method |
CN111862176A (zh) * | 2020-07-13 | 2020-10-30 | 西安交通大学 | 基于腭皱襞的三维口腔点云正畸前后精确配准方法 |
CN113884002A (zh) * | 2021-08-16 | 2022-01-04 | 江苏集萃智能光电***研究所有限公司 | 基于二三维信息融合的受电弓滑板上表面检测***及方法 |
WO2023019709A1 (zh) * | 2021-08-19 | 2023-02-23 | 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 |
CN114170279A (zh) * | 2021-11-30 | 2022-03-11 | 哈尔滨工程大学 | 一种基于激光扫描的点云配准方法 |
CN114693619A (zh) * | 2022-03-18 | 2022-07-01 | 杭州申昊科技股份有限公司 | 刚性接触网磨耗检测方法、设备和存储介质 |
CN114881900A (zh) * | 2022-04-15 | 2022-08-09 | 南京理工大学 | 一种基于特征匹配和渐入渐出融合的受电弓图像拼接方法 |
CN114935308A (zh) * | 2022-04-29 | 2022-08-23 | 南京理工大学 | 一种基于曲线配准算法的列车受电弓磨耗检测方法 |
CN115797418A (zh) * | 2022-09-27 | 2023-03-14 | 湖南科技大学 | 一种基于改进icp的复杂机械零件测量点云配准方法及*** |
CN115876109A (zh) * | 2022-12-01 | 2023-03-31 | 西南交通大学 | 一种基于2d激光测量的地铁受电弓磨耗检测新方法 |
Non-Patent Citations (4)
Title |
---|
ZHIGANG LIU等: "Advances of research on high-speed railway catenary", JOURNAL OF MODERN TRANSPORTATION, vol. 26, no. 01, pages 1 - 23 * |
李慧慧 等: "一种改进的ICP激光点云精确配准方法", 激光杂志, vol. 42, no. 01, pages 84 - 87 * |
郭杰: "基于点云局部特征的受电弓缺陷检测方法研究", 中国优秀硕士学位论文全文数据库工程科技Ⅱ辑, pages 033 - 403 * |
陈叶健 等: "城轨列车受电弓滑板磨耗检测技术研究", 铁道标准设计, vol. 62, no. 01, pages 127 - 132 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333526A (zh) * | 2023-09-06 | 2024-01-02 | 重庆中车四方所智能装备技术有限公司 | 单轨车受电弓铜基滑块厚度测量方法、存储介质及*** |
Also Published As
Publication number | Publication date |
---|---|
CN116147525B (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A high-precision detection approach for catenary geometry parameters of electrical railway | |
CN103557788B (zh) | 一种高铁接触网接几何参数检测非接触式补偿及卡尔曼滤波修正方法 | |
CN116147525B (zh) | 一种基于改进icp算法的受电弓轮廓检测方法及*** | |
CN108107444B (zh) | 基于激光数据的变电站异物识别方法 | |
CN102798362B (zh) | 一种基于点云数据的铸件加工余量估计方法 | |
CN107301648B (zh) | 基于重叠区域边界角度的冗余点云去除方法 | |
CN102749061B (zh) | 基于动态模板的钢轨磨耗测量方法 | |
CN107246849A (zh) | 一种基于双测头四轴测量***的叶片光学快速测量方法 | |
CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量*** | |
CN110030950A (zh) | 一种轨道车辆全动态包络限界测试*** | |
CN103617328A (zh) | 一种飞机三维姿态解算方法 | |
CN106127250A (zh) | 一种基于三维点云数据的人脸质量评估方法 | |
CN109186461A (zh) | 一种箱体大小的测量方法及测量设备 | |
CN102920459A (zh) | 一种基于三维点云的人体围度参数测量方法 | |
CN107401979A (zh) | 一种用于接触网检测的车体振动位移补偿装置及方法 | |
CN106274979A (zh) | 钢轨磨耗自动检测装置 | |
CN108921164A (zh) | 一种基于三维点云分割的接触网***坡度检测方法 | |
CN115112044A (zh) | 一种基于多线结构光点云数据的轮对尺寸测量方法 | |
CN108534765B (zh) | 一种轨道线路坐标测量方法 | |
CN114140394A (zh) | 一种非接触式的基于图像处理技术的弓网接触力检测方法 | |
Lu et al. | A novel subpixel edge detection method of pantograph slide in complicated surroundings | |
CN101592484A (zh) | 一种电力线的测距方法 | |
CN102706348B (zh) | 一种基于三角形的重力图快速匹配方法 | |
CN103552570A (zh) | 一种铁路轨道平顺性检测的车载近景摄影测量方法 | |
Zhang et al. | A LiDAR-intensity SLAM and loop closure detection method using an intensity cylindrical-projection shape context descriptor |
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 |