陳坤源,程　明,王　程

(廈門大學(xué) 信息科學(xué)與技術(shù)學(xué)院,福建省智慧城市感知與計算重點(diǎn)實(shí)驗室,福建廈門361005)

鐵路高精度點(diǎn)云智能的處理技術(shù)

陳坤源,程明*,王程

(廈門大學(xué) 信息科學(xué)與技術(shù)學(xué)院,福建省智慧城市感知與計算重點(diǎn)實(shí)驗室,福建廈門361005)

摘要：車載移動激光掃描技術(shù)是一種采用激光掃描、數(shù)碼成像、衛(wèi)星定位和慣性導(dǎo)航等多傳感器集成的數(shù)據(jù)獲取技術(shù)．與傳統(tǒng)的攝影測量技術(shù)相比,具有自動化程度高、作業(yè)時間短、受天氣影響小、數(shù)據(jù)精度高等特點(diǎn)．本文基于鐵路高精度點(diǎn)云數(shù)據(jù),通過建立八叉樹模型將散亂點(diǎn)云數(shù)據(jù)網(wǎng)格化;參照碰撞檢測技術(shù),沿鐵軌建立限界模型,采用投影轉(zhuǎn)換快速實(shí)現(xiàn)對限界數(shù)據(jù)的精確提取;此外在限界模型之上建立二維網(wǎng)格,實(shí)現(xiàn)對地面數(shù)據(jù)的濾波;采用Hough變換快速精確提取接觸線數(shù)據(jù),并且利用中心點(diǎn)偏移實(shí)現(xiàn)對懸掛點(diǎn)的提?。?/p>

關(guān)鍵詞：移動激光掃描技術(shù);鐵路限界;碰撞檢測;接觸線提取;懸掛點(diǎn)提取

在軌道工程測量中,常規(guī)測繪技術(shù)主要是利用全站儀、水準(zhǔn)儀等地面測量儀器,結(jié)合專用軌檢車等工具進(jìn)行．這種模式的缺點(diǎn)是野外工作量大、自動化程度低、工作效率低、測量累積誤差大、測量成果無法現(xiàn)場展示,此外往往需要對軌道測區(qū)進(jìn)行封閉作業(yè)．

移動激光掃描已成為繼可見光、紅外、微波、高光譜之后重要的遙感傳感器,是一種快速的三維空間數(shù)據(jù)獲取手段,具有采集數(shù)據(jù)量大、高效性等諸多優(yōu)點(diǎn)．將激光雷達(dá)技術(shù)應(yīng)用在不同地形特點(diǎn)的鐵路勘察設(shè)計工作中,具有不同的表現(xiàn)特點(diǎn):激光穿透的特性可應(yīng)用在高植被覆蓋密度區(qū),顯著提高地面數(shù)據(jù)與非地面數(shù)據(jù)提取的精度與速度;激光雷達(dá)可以直接定位不可進(jìn)入地區(qū),如沙漠地區(qū)、沼澤等,可以解決地理信息必須在高昂成本下才能獲取的難題．

鐵路限界是一個接近于車輛橫截面的輪廓,為了保證列車安全除了必須與機(jī)車有接觸的設(shè)備及機(jī)車本身外,其余均不得侵入此輪廓．近年來,我國列車的運(yùn)行速度在不斷的提升,而我國對于鐵路限界檢測的手段較為落后,其中檢測進(jìn)度慢、勞動強(qiáng)度大等問題一直未得到解決．目前國內(nèi)外對于鐵路限界點(diǎn)云數(shù)據(jù)提取研究較少,鐵路限界點(diǎn)云數(shù)據(jù)的提取相當(dāng)于列車與點(diǎn)云場景之間的碰撞檢測．

客觀世界中相同的空間區(qū)域并不能被兩個不可穿透的對象所共享．碰撞檢測主要是模擬現(xiàn)實(shí)世界中的碰撞問題．在虛擬現(xiàn)實(shí)系統(tǒng)中,碰撞檢測的首要任務(wù)是判斷物體所在的空間位置是否與其他物體、場景發(fā)生碰撞,并且進(jìn)一步給出碰撞位置、穿刺等具體信息[1]．碰撞檢測大體分為初步檢測及對初步檢測的數(shù)據(jù)逐步求精度．目前形成了空間分解法、層次包圍盒等成熟算法．常用的空間分解方法有網(wǎng)絡(luò)、樹和空間排序算法[2-3]．包圍盒算法只能對物體是否發(fā)生碰撞進(jìn)行粗略的檢測,并不能給出碰撞的具體區(qū)域信息．層次包圍體樹結(jié)構(gòu) (BVH)將包圍盒與樹形結(jié)構(gòu)結(jié)合起來,相對于包圍盒更能逼近物體對象,主要有:層次包圍球樹[4]、軸平行包圍盒(AABB)層次樹[5]、有向包圍盒(OBB)層次樹[6]、固定方向凸色(FDH)層次樹[7]、混合層次包圍體樹[8]．碰撞檢測的過程相當(dāng)于對采用BVH結(jié)構(gòu)的兩個物體執(zhí)行任務(wù)樹的遞歸搜索．

由于電力線有特殊的結(jié)構(gòu)與安全要求,因此基于激光雷達(dá)的電力線掃描數(shù)據(jù)有高程分布、平面投影呈直線的特點(diǎn)．近年來越來越多的學(xué)者針對電力線提取提出各種新的方法[9-11]．這些方法是針對特定的電力線數(shù)據(jù),并且各有優(yōu)缺點(diǎn)．比如基于局部仿射模型算法[9]提取電力線,初始仿射模型的選擇直接影響電力線提取的精度．鐵路點(diǎn)云接觸線的線性特征非常明顯,直線映射到Hough空間中為一個點(diǎn),因此采用Hough變換可將直接檢測轉(zhuǎn)化為參數(shù)空間的投票問題．此外主成分分析算法可檢測鄰域呈線性特征的點(diǎn)集．

本文基于鐵路高精度點(diǎn)云數(shù)據(jù),采用八叉樹模型對數(shù)據(jù)進(jìn)行存儲．沿鐵軌方向建立限界模型,通過投影轉(zhuǎn)換將三維碰撞問題轉(zhuǎn)換為二維平面上點(diǎn)與多邊形的位置關(guān)系,并且通過射線法快速精準(zhǔn)地提取凈空數(shù)據(jù)．同時基于限界模型,實(shí)現(xiàn)對地面數(shù)據(jù)的濾波,采用Hough變換實(shí)現(xiàn)對鐵路接觸線的快速提?。弥行狞c(diǎn)偏移實(shí)現(xiàn)對懸掛點(diǎn)的初步提取,采用非極大抑制及聚類算法精確計算接觸線懸掛點(diǎn)位置．

1散亂點(diǎn)云網(wǎng)格化

車載激光掃描所獲取的鐵路高精度點(diǎn)云(圖1)數(shù)據(jù),可達(dá)幾十甚至上百G．要實(shí)現(xiàn)對大規(guī)模點(diǎn)云數(shù)據(jù)的高效檢索,首要任務(wù)是為龐大的三維點(diǎn)云數(shù)據(jù)選擇合適的存儲結(jié)構(gòu)．尋找點(diǎn)云數(shù)據(jù)間的幾何拓?fù)潢P(guān)系是提高檢索速度的關(guān)鍵．八叉樹(octree)結(jié)構(gòu)是由四叉樹(quadtree)結(jié)構(gòu)推廣而來的,是一種用于描述三維空間的樹狀數(shù)據(jù)結(jié)構(gòu)．如圖2所示,八叉樹算法是將三維空間劃分為多個立方體構(gòu)成的空間,每一個小立方體保存位置信息及其他屬性．八叉樹結(jié)構(gòu)內(nèi)存消耗少,三維數(shù)據(jù)索引及合并運(yùn)算快,因此在三維點(diǎn)云數(shù)據(jù)檢索方面有很大優(yōu)勢[12]．基于八叉樹的鄰域搜索通常采用八叉樹葉子節(jié)點(diǎn)查找的方式來搜索點(diǎn)集．

由于指針的高效和隨機(jī)訪問特性,查找效率高,本文采用指針八叉樹從上而下建立父子節(jié)點(diǎn)對應(yīng)關(guān)系．實(shí)現(xiàn)八叉樹的算法步驟為:

1) 設(shè)定最大遞歸深度及子節(jié)點(diǎn)個數(shù)閾值;

2) 為點(diǎn)云空間建立包圍盒模型;

3) 依次將鐵路點(diǎn)云數(shù)據(jù)放入當(dāng)前的葉子節(jié)點(diǎn);

4) 若沒有達(dá)到遞歸深度,就將葉子節(jié)點(diǎn)八等分,再分配點(diǎn)云數(shù)據(jù);

5) 若發(fā)現(xiàn)子節(jié)點(diǎn)所分配的數(shù)量小于設(shè)定的閾值,則該葉子節(jié)點(diǎn)停止細(xì)分;

6) 重復(fù)3),直到達(dá)到1)設(shè)定的遞歸深度．

圖1　空中俯視的點(diǎn)云數(shù)據(jù)(a)及沿軌跡線方向的點(diǎn)云顯示(b)Fig.1Vertical view of the point cloud (a) and view along the direction of the trajectory of point cloud (b)

圖2　八叉樹模型Fig.2Octree model

2限界數(shù)據(jù)提取

采用層次包圍盒對火車進(jìn)行包裹建模難度大,特別是經(jīng)過彎道時模型難以建立,并且無法精確地提取限界點(diǎn)云數(shù)據(jù)．本文采用分而治之的方法,沿著鐵軌方向分段建立限界模型,利用四元數(shù)旋轉(zhuǎn)將鐵路點(diǎn)云投影到限界模型,從而快速精確地提取點(diǎn)云數(shù)據(jù),流程圖見圖3所示．

圖3　限界數(shù)據(jù)提取流程圖Fig.3The flow chart of clearance data extraction

2.1建立限界模型

鐵路限界有嚴(yán)格的規(guī)格要求,圖4展示的是不同規(guī)格的限界圖,數(shù)據(jù)均來自《鐵路技術(shù)管理規(guī)程》．

圖4　不同規(guī)格限界圖(單位：mm)Fig.4Different specifications of clearance (unit:mm)

以左右鐵軌的最高點(diǎn)建立水平向量,根據(jù)鐵軌方向向量和水平向量建立法向量,依據(jù)限界圖提供的數(shù)據(jù),可以精確地建立限界模型,如圖5所示．

圖5　鐵路限界展示Fig.5Illustration of the clearance model

2.2投影轉(zhuǎn)換

四元數(shù)于1843年由哈密頓提出,它的一般形式為

A=a0+a1i1+a2i2+a3i3,

其中a0,a1,a2,a3為實(shí)數(shù)，i1,i2,i3為沿x、y、z軸的單位向量．

將向量α旋轉(zhuǎn)θ角變成向量β,|α|=|β|=r;設(shè)垂直于α、β所在平面的轉(zhuǎn)軸方向為單位向量en,轉(zhuǎn)動方向相對旋轉(zhuǎn)軸遵循右手定則,滿足:

β=(cosθ+ensinθ)α,

(1)

由此cosθ+ensinθ可作為旋轉(zhuǎn)四元數(shù),其表示的幾何意義為:以en為轉(zhuǎn)軸,使垂直于轉(zhuǎn)軸平面內(nèi)的矢量按右手螺旋方向轉(zhuǎn)過θ角．

歐拉已經(jīng)證明,三維空間中的任何方向能夠由軸v=(vx,vy,vz)的一個旋轉(zhuǎn)變量來獲得．對應(yīng)的單位四元數(shù)為:

Q=(w,x,y,z)=(cos(θ/2),vxsin(θ/2),

vysin(θ/2),vzsin(θ/2)).

單位四元數(shù)的自由度仍為3個,Q需要滿足|Q|=1．

與矩陣相比,用四元數(shù)表達(dá)三維旋轉(zhuǎn)計算簡單且?guī)缀我饬x明確,并且具有節(jié)省存儲空間和方便插值的優(yōu)點(diǎn)．因此在大規(guī)模鐵路點(diǎn)云中采用四元數(shù)旋轉(zhuǎn)進(jìn)行投影轉(zhuǎn)換．

實(shí)現(xiàn)投影轉(zhuǎn)換的步驟為:

1) 計算限界模型的法向量v1,設(shè)置v2為z軸單位向量,即v2=(0,0,1);

3) 以限界模型為中心,取某一深度構(gòu)建包圍盒,利用八叉樹快速檢索點(diǎn)云數(shù)據(jù);

4) 對點(diǎn)云數(shù)據(jù)與三維限界模型執(zhí)行四元數(shù)投影,截取x,y坐標(biāo),將三維碰撞問題轉(zhuǎn)換為點(diǎn)與多邊形的位置關(guān)系;

5) 判斷點(diǎn)云是否在多邊形內(nèi)部．

其中,采用射線法判斷點(diǎn)云是否位于該多邊形內(nèi)部．首先獲取多邊形所在區(qū)域的xmax、xmin、ymax、ymin;對所有點(diǎn)循環(huán)判斷,剔除x>xmax、xymax及y

圖6　射線法判斷點(diǎn)與多邊形的位置關(guān)系Fig.6Determine the inside and outside relationships between point and polygon by ray method

在CPU為I5-3470,內(nèi)存為8G的主機(jī)上運(yùn)行凈空數(shù)據(jù)提取程序．其中點(diǎn)云大小約為1.24G,點(diǎn)數(shù)目為47 754 684,鐵軌長度約為5 419m．運(yùn)行結(jié)果如表1所示．可以看出,鐵軌間距越小,每段限界模型檢測的點(diǎn)云數(shù)據(jù)量就越準(zhǔn)確,但時間代價相應(yīng)增加．

表1　鐵路限界數(shù)據(jù)檢測結(jié)果

3接觸線檢測

3.1濾波

由于接觸線的高度在限界模型之上,因此通過限界圖的高度信息,在限界模型上方建立二維網(wǎng)格,沿著鐵軌方向用二維網(wǎng)格初步提取接觸線數(shù)據(jù),間接實(shí)現(xiàn)對地面點(diǎn)云數(shù)據(jù)的濾波．具體步驟如下:

1) 以分段鐵軌的左右最高點(diǎn)為寬,在限界模型高度之上取60cm為高建立二維網(wǎng)格;

2) 以二維網(wǎng)格為中心,深度為32cm構(gòu)建包圍盒,利用八叉樹檢索提取接觸線的大致位置．

3.2接觸線提取

接觸線在Hough空間中表現(xiàn)為一個點(diǎn),且線特征越明顯,有越多點(diǎn)重合于該位置．將濾波后的鐵路點(diǎn)云數(shù)據(jù)映射到二維網(wǎng)格中進(jìn)行投票,投票數(shù)較多的即為接觸線數(shù)據(jù),具體步驟為:

1) 以網(wǎng)格法向量v1和向量v2(0,0,1)構(gòu)建四元數(shù),將點(diǎn)云及網(wǎng)格數(shù)據(jù)投影到XOY平面;

2) 以網(wǎng)格的一條水平軸v3和v4(0,1,0)構(gòu)建四元數(shù),將網(wǎng)格旋轉(zhuǎn)到XOY的水平位置,點(diǎn)云數(shù)據(jù)執(zhí)行相應(yīng)的旋轉(zhuǎn)操作;

3) 統(tǒng)計點(diǎn)云在網(wǎng)格內(nèi)的投票數(shù),設(shè)定相應(yīng)閾值,超過閾值且投票數(shù)最大者即為接觸線數(shù)據(jù)．

接觸線提取程序運(yùn)行時間約為54.64 s,其中點(diǎn)云數(shù)據(jù)量約為1.24 G．檢測結(jié)果如下：xTP=376 170，xFP=4 146，yFN=23 621，F(xiàn)1-score=95.92%.這里TP表示被正確地劃分為正例的個數(shù)，F(xiàn)P表示被錯誤地劃分為正例的個數(shù)，F(xiàn)N表示被錯誤地劃分為負(fù)例的個數(shù)，F(xiàn)1-score表示F1分?jǐn)?shù)，即準(zhǔn)確率和召回率的調(diào)和平均數(shù)．

對于提取結(jié)果采用以下方式進(jìn)行評價:

精確率(precision):P=(xTP)/(xTP+xFP),

召回率(recall):R=(xTP)/(xTP+yFN),

F1-score:F=2PR/(P+R).

因此,可以計算出精確率約為98.90%,召回率約為94.09%,F1-score約為96.43%．

提取結(jié)果如圖7所示．

圖7　接觸線提取結(jié)果和細(xì)節(jié)Fig.7Result of power line extraction and its details

針對于接觸線的線性結(jié)構(gòu),也可采用主成分分析方法(PCA)[13-14]算法對接觸線進(jìn)行檢測．對局部點(diǎn)云所構(gòu)成的幾何形狀進(jìn)行判定，并通過線性變換的方式將點(diǎn)集變換到新的三維正交坐標(biāo)系下,使點(diǎn)集的一個軸方向呈現(xiàn)最大的方差分布．

具體方法為,遍歷激光點(diǎn)云中的每一點(diǎn),并獲取鄰域點(diǎn)集．利用鄰域點(diǎn)集構(gòu)造三維協(xié)方差矩陣(如式(2)),因為協(xié)方差矩陣是對稱陣,因此可對該矩陣進(jìn)行特征值分解．例如,一個平面點(diǎn)集構(gòu)成的三維協(xié)方差矩陣分解后得到的3個單位特征向量,特征向量相互正交,第1個和第2個分別代表該平面在三維空間中2個主要的延展方向,第3個特征向量則代表了三維平面法向量方向,如圖8所示.

(2)

其中三維數(shù)據(jù)點(diǎn)及鄰域點(diǎn)集的幾何重心可以表示為:

Xi={xi,yi,zi},

圖8　PCA對應(yīng)特征分量幾何示意圖Fig.8Geometrical meaning of eigenvalues in PCA

對于線性結(jié)構(gòu)上的數(shù)據(jù)點(diǎn)而言,經(jīng)過PCA算法檢測后,其第一特征值在數(shù)值上具有顯著性,表示鄰域點(diǎn)集密集分布在某一單一方向上．因此可以利用3個特征值的大小關(guān)系進(jìn)行幾何結(jié)構(gòu)的粗分類操作,從而提取接觸線的數(shù)據(jù)．經(jīng)實(shí)驗檢測,實(shí)驗結(jié)果中P約為80.69%,R約為99.81%,因而F約為89.23%．PCA檢測的精確率低于Hough檢測率的原因在于PCA方法是一種粗分割操作,濾波后的直線數(shù)據(jù)包含懸掛線也一并檢測出來．

3.3懸掛點(diǎn)提取

懸掛點(diǎn)即懸掛線與接觸線的交點(diǎn)．在懸掛點(diǎn)處形成線段分叉的結(jié)構(gòu)形態(tài),因而在點(diǎn)云中,可以采用歸一化中心距離法進(jìn)行判定[14]．提取原理是假設(shè)點(diǎn)云數(shù)據(jù)是真實(shí)曲面的均勻采樣,通過查詢數(shù)據(jù)點(diǎn)的球形鄰域,獲取局部結(jié)構(gòu),并求取該結(jié)構(gòu)質(zhì)心到查詢點(diǎn)(即圓心)的距離與球形區(qū)域半徑的比例關(guān)系,非中心對稱的局部幾何形態(tài)其重心偏離圓心．

因此懸掛點(diǎn)的計算可以轉(zhuǎn)化為圓內(nèi)規(guī)則結(jié)構(gòu)的中心計算問題,并可獲得精確解．位于懸掛點(diǎn)的交叉結(jié)構(gòu),可知其歸一化中心距離值為1/6．對于無懸掛點(diǎn)的理想直線結(jié)構(gòu),查詢點(diǎn)的鄰域點(diǎn)集中心與查詢點(diǎn)位置重合,歸一化中心距離為0,因而允許設(shè)置一定的范圍區(qū)間對數(shù)據(jù)進(jìn)行篩選,如圖9所示．

圖9　懸掛點(diǎn)中心偏離Fig.9Center shift of the suspension point

基于接觸線數(shù)據(jù),提取懸掛點(diǎn)的步驟為:

1) 對于接觸線上的查詢點(diǎn)Pi,采用kd-tree搜索

其鄰域的點(diǎn)集Q,并計算Pi與點(diǎn)集Q中心點(diǎn)的位置Gi,即Pi與點(diǎn)集Q各坐標(biāo)分量的平均值;

2) 計算Gi與查詢點(diǎn)所在直線的偏離距離Di;

3) 設(shè)定先驗閾值并采用非極大抑制算法估算懸掛點(diǎn)的大致位置,得到點(diǎn)集Ri．

1) 由于點(diǎn)集Ri中的簇是密集的,且簇與簇之間區(qū)別非常明顯,因此對點(diǎn)集Ri進(jìn)行K-means歐氏聚類提取．考慮到懸掛線數(shù)據(jù)比較稀疏,難以表達(dá)懸掛點(diǎn)的詳細(xì)結(jié)構(gòu),因此歐氏聚類后對每個集群提取最大值Si(也可采用均值),檢測結(jié)果見圖10．xTP=116，xFP=6，yFN=8，F(xiàn)=94.30%.

由此可以推算出P約為95.08%,R約為93.54%,F約為94.30%．當(dāng)鐵路點(diǎn)云中懸掛點(diǎn)周圍的密度過于稀疏時,會影響懸掛點(diǎn)的提取結(jié)果．

圖10　懸掛點(diǎn)提取結(jié)果Fig.10Result of suspension point extraction

4結(jié)論

針對傳統(tǒng)攝影測量技術(shù)的不足,本文基于收集鐵路大規(guī)模高精度點(diǎn)云數(shù)據(jù),分而治之,智能提取限界及接觸線數(shù)據(jù)．通過建立限界模型模擬火車橫截面,投影轉(zhuǎn)換將三維中復(fù)雜的碰撞問題轉(zhuǎn)化為二維平面上點(diǎn)與多邊形的位置關(guān)系．實(shí)驗結(jié)果表明我們提出的算法能夠快速且精確地提取限界數(shù)據(jù)．而基于限界模型建立二維網(wǎng)格可巧妙地對地面點(diǎn)云濾波．相比PCA算法,Hough變換提取接觸線運(yùn)行效率及提取精度均有很大提高．利用懸掛點(diǎn)所在位置的幾何特性,采用中心點(diǎn)偏移提取算法能夠快速精確定位懸掛點(diǎn)．全自動化的數(shù)據(jù)處理使鐵路高精度點(diǎn)云具備大規(guī)模應(yīng)用能力．

參考文獻(xiàn)：

[1]ERICSONC．Real-timecollisiondetection[M]．SanFrancisco:MorganKaufmannPublishersInc,2005:553-575.

[2]GINOVDB．Collisiondetectionininteractive3Denvironments[M]．SanFrancisco:MorganKaufmannPublishersInc,2004:257-266.

[3]TESCHNERM,HEIDELBERGERB,MULLERM,etal．Optimizedspatialhashingforcollisiondetectionofdeformableobjects[J]．VMV,2003,27(4):47-54.

[4]O′SULLIVANC,DINGLIANAJ．Real-timecollisiondetectionandresponseusingsphere-trees[C]∥ProceedingsoftheSpringConferenceonComputerGraphics．Bratislava:IEEE,1999:83-92

[5]LARSSONT,AKENINE-M?LLERT．Collisiondetectionforcontinuouslydeformingbodies[C]∥ProceedingsofEurographics′ 2001.NewYork,USA:IEEE,2001:325-333.

[6]GOTTSCHALKS,LINMC,MANOCHAD．OBBTree:ahierarchicalstructureforrapidinterferencedetection[J]．ProcAcmSiggraph,1997,30:171-180.

[7]ZACHMANNG．RapidcollisiondetectionbydynamicallyalignedDOP-trees[C]∥ProceedingsofIEEE,VRAIS′98.Atlanta,Georgia:IEEE,1998:90-97.

[8]HUAGENGSW,ZHAOWEIF,QUNSHENGP．Aparallelcollisiondetectionalgorithmbasedonhybridboundingvolumehierarchy[C]∥ProceedingsofCAD&Graphics′2001.Kunming:Cad/graphics,2001:521-528.

[9]MCLAUHLINRA．ExtractingtransmissionlinesfromairborneLiDARdata[J]．IEEEGeoscienceandRemoteSensingLetters,2006,3(2):222-226.

[10]JWAY,SOHNG,KIMHB．Automatic3dpowerlinereconstructionusingairbornelidardata[J]．IntArchPhotogrammRemoteSens,2009,38:105-110.

[11]GUANH,LIJ,ZHOUY,etal．Automaticextractionofpowerlinesfrommobilelaserscanningdata[C]∥IGARSS．Québec,Canada:IEEE,2014:918-921.

[12]XIEQ,XIEXY．Pointclouddatareductionmethodsofoctree-basedcodingandneighborhoodsearch[C]∥InternationalConferenceonElectronic&MechanicalEngineeringandInformationTechnology．Harbin:IEEE,2011:3800-3803.

[13]LALONDEJ,VANDAPELN,HUBERDF,etal．Naturalterrainclassificationusingthreedimensionalladardataforgroundrobotmobility[J]．JournalofFieldRobotics,2006,23(10):839-861.

[14]HUANGP,CHENY,LIJ,etal.Extractionofstreettreesfrommobilelaserscanningpointcloudsbasedonsubdivideddimensionalfeatures∥IGARSS．Milan,Italy:IEEE,2015:557-560.

Intelligent Processing Technology Research of High-precision Railway Point Cloud

CHEN Kunyuan,CHENG Ming*,WANG Cheng

(Fujian Key Laboratory of Sensing and Computing for Smart City,School of Information Science and Engineering,Xiamen University,Xiamen 361005,China)

Abstract:Mobile laser scanning is a type of integrated data acquisition technology using laser scanning,digital imaging,satellite positioning,and inertial navigation．Compared with the conventional photogrammetry technology,it enjoys the advantage of high-degree automation,short operation time,rarely affected by weather conditions and high precision of measuring data．Based on accurate railway point cloud data,we mesh scattered point cloud data by building octree model．Then the clearance model is built along the railway by reference to the collision detection technology．Meanwhile,clearance data are extracted accurately by using the projection transformation．Besides,we establish two-dimensional mesh grid to filter ground data,and Hough transform is adopted to realize the extraction of power lines．Furthermore,the center-point offset method is applied to detect suspension point.

Key words:MLS;railway clearance;collision detection;power line extraction;suspension point extraction

doi：10.6043/j.issn.0438-0479.2016.03.015

收稿日期：2015-09-15錄用日期：2015-11-17

基金項目：國家自然科學(xué)基金(61401382)

*通信作者：chm99@xmu.edu.cn

中圖分類號:TP 391;P 228

文獻(xiàn)標(biāo)志碼：A

文章編號：0438-0479(2016)03-0390-06

引文格式：陳坤源,程明,王程.鐵路高精度點(diǎn)云智能的處理技術(shù).廈門大學(xué)學(xué)報(自然科學(xué)版)，2016,55(3)：390-395.

Citation：CHEN K Y,CHENG M,WANG C．Intelligent processing technology research of high-precision railway point cloud.Journal of Xiamen University(Natural Science)，2016,55(3)：390-395．(in Chinese)