论文部分内容阅读
轨道是铁路系统中的关键物体,铁路轨道的精确建模可应用于诸多领域,例如铁路资产调查、限界分析和轨道测量等。在铁路车载激光雷达扫描中,将激光雷达系统安装于铁路通勤车或轨检车的车厢尾端对既有铁路沿线进行扫描作业,大面积、高分辨率地快速获取铁路走廊的三维坐标数据,非常适合对铁路轨道进行建模,并基于轨道模型测量轨道参数。目前基于车载Lidar点云的铁路轨道建模主要方法是使用钢轨简化参数模型与车载Lidar钢轨点云进行拟合。该方法建立的轨道模型精度较低,且不含有轨距和超高等轨道参数。本文为基于车载Lidar钢轨点云建立包含轨道参数的精确模型开展了两方面的研究:1)提出了一种基于广义邻域高差的车载Lidar钢轨点云提取算法,引入以钢轨轨顶面法线方向为基准方向的柱状邻域代替传统的球状邻域计算车载Lidar点云的邻域高差。解决了基于球状邻域高差的钢轨点云提取算法所使用的球状邻域无法准确反映钢轨点与轨枕、道砟点邻域高差的区别而导致的提取精度较低的问题。通过试验确定了算法参数的最佳取值,并与基于球状邻域高差的钢轨点云提取算法进行了比较。试验结果表明,基于广义邻域高差的车载Lidar钢轨点云提取算法能够正确提取铁路全线的钢轨点云,其总体精度为88.73%,分段长度、邻域半径和直方图组距这三个参数的最佳取值分别为13m、50mm和10mm。本文算法与基于球状邻域高差的钢轨点云提取算法相比,召回率基本相当,准确率高59.57%,总体精度高42.68%。2)提出了一种顾及轨距偏差的轨道模型匹配算法,在匹配迭代过程中通过计算左右钢轨点云分别到轨道模型工作边的距离来不断地调整轨道模型的轨距,使轨道模型的轨距逐渐接近车载Lidar钢轨点云的真实轨距,实现了轨道模型与车载Lidar钢轨点云的精确匹配。解决了单钢轨模型匹配算法建立的轨道模型其左右钢轨不平行以及固定轨距轨道模型匹配算法建立的轨道模型其匹配精度和轨距精度较低的的问题。通过试验,使用钢轨点云模拟数据测试算法的匹配结果,用匹配精度、轨距误差和左右钢轨平行性三个指标对算法性能进行评价。与单钢轨模型匹配算法和固定轨距轨道模型匹配算法进行比较,并分析了轨距偏差、轨道超高、坡度和护轨点云对三种算法匹配结果的影响。试验结果表明,顾及轨距偏差的轨道模型匹配算法的匹配精度为0.16mm,并且受轨距偏差、轨道超高、坡度以及护轨点云的影响不显著。本文提出的匹配算法相对单钢轨模型匹配算法匹配精度和轨距精度基本相当,左右钢轨平行性相对提高。本文提出的匹配算法相对固定轨距轨道模型匹配算法左右钢轨平行性基本相当,匹配精度和轨距精度提高。