本發(fā)明屬于激光掃描數(shù)據(jù)智能化處理技術(shù)領(lǐng)域，尤其涉及一種融合反射強(qiáng)度和幾何特征的鐵路軌道半自動檢測方法。

背景技術(shù)：

鐵路是國家的重要基礎(chǔ)設(shè)施，在綜合交通運輸體系中處于骨干地位。目前，在鐵路軌道測量中，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，或者光學(xué)航空攝影測量，近景攝影測量等手段，這些方法野外工作量大、自動化程度低、工作效率低、生產(chǎn)周期長難以滿足當(dāng)前鐵路勘測對鐵路專題要素提取、成圖周期及精度的要求。車載和機(jī)載激光掃描技術(shù)可以在高速移動的狀態(tài)下快速獲取物體表面的精確三維數(shù)據(jù)，為鐵路軌道測量和檢測提供了一種全新的技術(shù)手段。

林澤鴻(2009)提出了一種基于多約束Hough變換的鐵路軌道提取方法。該方法采用局部算子法和全局直線擬合法提取鐵軌數(shù)據(jù),并結(jié)合Hough變換對基本算子進(jìn)行約束，得到準(zhǔn)確的鐵軌點位置和方向。武永斌(2015)利用機(jī)載激光掃描數(shù)據(jù)提供的鐵路地物形狀特征與影像的灰度、光譜、紋理等信息進(jìn)行了融合，對鐵路軌道的自動提取關(guān)鍵技術(shù)進(jìn)行了研究，實現(xiàn)了對鐵路軌道及鐵路附屬設(shè)施要素的自動識別與提取。于海洋(2016)提出一種基于機(jī)載激光掃描數(shù)據(jù)的鐵路軌道提取方法，該方法首先利用面向?qū)ο蠓诸惖姆椒ㄌ崛¤F路區(qū)域，然后通過形態(tài)學(xué)處理算法消除干擾因素的影響，最后采用微分幾何算法和鐵路軌道先驗知識模型特征提取出鐵路軌道。

總體而言，從大范圍激光掃描數(shù)據(jù)中快速、準(zhǔn)確地提取鐵路軌道仍然存在問題：1)局部幾何特征計算對點密度變化、噪聲等影響比較敏感，導(dǎo)致特征計算精度較低；2)鐵路軌道提取的正確率和準(zhǔn)確性相對較低，難以滿足自動化提取的需要；3)只適用于某一單一類型數(shù)據(jù)、單一場景下的鐵路軌道提取，缺乏廣泛的適用性，在實際生產(chǎn)中自動化程度低等問題。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種融合反射強(qiáng)度和幾何特征的鐵路軌道半自動檢測方法，該方法具有高的正確率和準(zhǔn)確率、且適用廣泛。

為達(dá)到上述目的，本發(fā)明采用如下技術(shù)方案：

融合反射強(qiáng)度和幾何特征的鐵路軌道半自動檢測方法，包括步驟：

步驟1，分別計算激光掃描數(shù)據(jù)中各激光腳點的局部幾何特征，具體為：

步驟1.1：獲取激光腳點的鄰域點集，使鄰域點集內(nèi)點數(shù)不小于3；

步驟1.2：從鄰域點集隨機(jī)選擇三個鄰域點，獲得該三個鄰域點所在平面，分別計算鄰域點集中其他鄰域點到該平面的垂直距離

步驟1.3：利用最小的H個對應(yīng)的鄰域點獲得擬合平面及擬合殘差，其中，H＝O·5·N；

步驟1.4：多次重復(fù)步驟1.2～1.3獲得多個擬合平面；

步驟1.5：把擬合殘差最小的擬合平面作為特征平面P_free；

步驟1.6：分別計算鄰域點集中各鄰域點到P_free的垂直距離獲得垂直距離序列，計算垂直距離序列的中值VD_MV和中間絕對偏差

步驟1.7：分別計算鄰域點集中各鄰域點的噪聲敏感度

步驟1.8：去除鄰域點集中噪聲敏感度大于預(yù)設(shè)噪聲閾值的鄰域點，對剩余的鄰域點進(jìn)行主成分分析，得到激光腳點的鄰域點分布的主方向和法向量，即激光腳點的局部幾何特征；

步驟2，利用反射強(qiáng)度和局部幾何特征進(jìn)行點云聚類，提取鐵路軌道點云，具體為：

步驟2.1：初始化空的種子點隊列Queue_seed和空的點云容器Vector_railway，從激光掃描數(shù)據(jù)中隨機(jī)選取一激光腳點作為初始種子點并加入Queue_seed；

步驟2.2：判斷Queue_seed是否為空，若非空，從Queue_seed中彈出一個種子點，作為當(dāng)前生長的種子點p_seed，獲取p_seed的鄰域點集，鄰域點集內(nèi)點數(shù)記為Nn；

步驟2.3：對鄰域點集中各鄰域點p_j分別進(jìn)行判斷，若p_j滿足下列規(guī)則，則把p_j壓入Queue_seed和Vector_railway；所述的規(guī)則為：p_j和p_seed的反射強(qiáng)度之差、高程差、法向量的夾角、主方向的夾角分別小于反射強(qiáng)度差閾值IT、高程差閾值HT、法向量夾角閾值NT、主方向夾角閾值PT；IT、HT、NT、PT均根據(jù)經(jīng)驗取值；

步驟2.4：重復(fù)步驟2.2～2.3，直至Queue_seed為空，此時，Vector_railway內(nèi)點即鐵路軌道點。

進(jìn)一步的，步驟1.1中獲取的鄰域點集為球形鄰域點集。

步驟1.1進(jìn)一步包括：

(a)根據(jù)經(jīng)驗初始化鄰域半徑；

(b)獲取激光角點的鄰域點集；

(c)判定鄰域點集內(nèi)點數(shù)是否不小于3，若是，執(zhí)行步驟1.2；否則，使鄰域半徑增加預(yù)設(shè)增幅，重新運行步驟(b)。

步驟1.4中，重復(fù)步驟1.2～1.3共I次，得I個擬合平面，w表示激光掃描數(shù)據(jù)中內(nèi)點的比例，pr表示從鄰域點集中至少有一次選擇的鄰域點均為內(nèi)點的概率，w和pr均為經(jīng)驗值。

作為優(yōu)選，w在[45％，55％]范圍取值，pr在[0.95，1)范圍取值。

進(jìn)一步的，步驟2.2中獲取的鄰域點集為球形鄰域點集。

作為優(yōu)選，步驟2.3中，IT在[8，15]范圍取值，HT在[0.03m，0.1m]范圍取值，NT和PT均在[5°,8°]范圍取值。

和現(xiàn)有技術(shù)相比，本發(fā)明具有如下優(yōu)點和有益效果：

①發(fā)展了基于魯棒的主成分分析的局部幾何特征計算方法，克服了點密度變化、噪聲、數(shù)據(jù)缺失等因素對局部幾何特征計算的影響，提高了局部幾何特征計算的精度和魯棒性；

②綜合利用激光反射強(qiáng)度一致性和局部幾何特征一致性進(jìn)行鐵路軌道點云聚類，降低了鐵路軌道誤提取率，提高了鐵路軌道提取的準(zhǔn)確性；

③擴(kuò)展了現(xiàn)有鐵路軌道提取方法的適用范圍，本發(fā)明同時適用于機(jī)載激光掃描數(shù)據(jù)和車載激光掃描數(shù)據(jù)的鐵路軌道提取。

采用本發(fā)明可快捷穩(wěn)健地實現(xiàn)鐵路軌道點云數(shù)據(jù)的半自動化提取，提高了鐵路軌道點云數(shù)據(jù)提取的精度、效率和自動化程度，且方法簡單、容易實現(xiàn)。

附圖說明

圖1是本發(fā)明的具體流程圖；

圖2是多軌道交叉場景下的鐵路軌道點云提取結(jié)果圖，其中，圖(a)為鐵路軌道點云提取結(jié)果圖，圖(b)為鐵路軌道點云提取矢量化效果；

圖3是單獨軌道場景下的鐵路軌道點云提取結(jié)果圖，其中，圖(a)為鐵路軌道點云提取結(jié)果圖，圖(b)為鐵路軌道點云提取矢量化效果；

圖4是實施例中鐵路軌道點云提取結(jié)果與對應(yīng)的原始影像疊加的效果圖，其中，圖(a)為對應(yīng)的原始影像，圖(b)為疊加效果圖。

具體實施方式

本發(fā)明技術(shù)方案采用計算機(jī)軟件方式支持自動運行流程，其流程如圖1所示。以下結(jié)合兩個實施例(一份車載激光掃描數(shù)據(jù)，一份機(jī)載激光掃描數(shù)據(jù))和附圖詳細(xì)說明本發(fā)明技術(shù)方案。兩個實施例子按照設(shè)計的方案進(jìn)行鐵路軌道點云提取，逐步詳細(xì)說明如下：

步驟1，計算鐵路軌道的激光掃描數(shù)據(jù)中各激光腳點的局部幾何特征，所述的局部幾何特征即激光腳點的鄰域點分布的主方向和法向量。

對任意一個激光腳點pt，其局部幾何特征計算的實現(xiàn)方式如下：

步驟1.1：參數(shù)初始化

初始化鄰域半徑r；初始化激光掃描數(shù)據(jù)中內(nèi)點的比例w；初始化多次迭代后至少有一次選取出的鄰域點均為內(nèi)點的概率pr，這里的迭代指步驟1.2中的鄰域半徑增加迭代；初始化噪聲點閾值τ。

r、w、pr、τ均根據(jù)經(jīng)驗取值，一般，w在[45％，55％]范圍取值，pr在[0.95，1)范圍取值；τ根據(jù)激光掃描數(shù)據(jù)的噪聲大小進(jìn)行設(shè)定，激光掃描數(shù)據(jù)噪聲大，則τ取較大值；否則取較小值。本實施例中，r＝0.2m，w＝50％，pr＝0.99，τ＝2.5。

步驟1.2：以當(dāng)前激光腳點pt為球心，以r為半徑畫球，落入球內(nèi)的所有激光腳點構(gòu)成當(dāng)前激光腳點pt的鄰域點集，鄰域點集的點數(shù)記為N。若N＞3，則跳轉(zhuǎn)至步驟1.3；否則，使鄰域半徑增加預(yù)設(shè)增幅，本實施例中預(yù)設(shè)增幅設(shè)為1.0，即令r＝r+1.0，重新運行本步驟。

步驟1.3：從鄰域點集隨機(jī)選擇三個鄰域點，計算三個鄰域點所在平面，計算鄰域點集中其他鄰域點到該平面的垂直距離表示第i個其他鄰域點到該平面的垂直距離，i＝1，2…N-3。

步驟1.4：按從從小到大對垂直距離進(jìn)行排序，利用前H個垂直距離對應(yīng)的鄰域點擬合平面，得到擬合平面以及擬合殘差E_j，其中，H＝0.5·N。

步驟1.5：重復(fù)步驟1.3～1.4共I次，得到I個擬合平面，I的計算公式如下：

式(1)中，[·]表示取整。

步驟1.6：把I個擬合平面中擬合殘差最小的擬合平面作為特征平面，記做P_free。

步驟1.7：分別計算鄰域點集中各鄰域點到特征平面P_free的垂直距離獲得垂直距離序列，表示鄰域點集中第i個鄰域點到P_free的垂直距離，i＝1，2…N。計算垂直距離序列的中值VD_MV和中間絕對偏差VD_MAD。

VD_MV和VD_MAD的計算公式如下：

其中，a＝1.4826。

步驟1.8：遍歷鄰域點集中每個鄰域點，采用公式(4)計算各鄰域點的噪聲敏感度Rz_i，Rz_i表示鄰域點集中第i個鄰域點的噪聲敏感度，i＝1，2…N。

步驟1.9：遍歷鄰域點集中每個鄰域點，去除Rz_i＞τ的鄰域點。

步驟1.10：對剩余的鄰域點進(jìn)行主成分分析(PCA)，得到鄰域點分布的法向量(n_x，n_y，n_z)和主方向(p_x，p_y，p_z)。n_x、n_y、n_z分別表示鄰域點分布的法向量在x、y、z方向上的分量，p_x、p_y、p_z分別表示鄰域點分布的主方向在x、y、z方向上的分量。

主成分分析計算如下：

其中，M_3×3為鄰域點構(gòu)建的協(xié)方差矩陣，p_i＝[x_i y_i z_i]^T為第i個鄰域點的坐標(biāo)，為鄰域點坐標(biāo)的平均值。

把協(xié)方差矩陣M_3×3特征值分解，得到：

其中，λ₁、λ₂、λ₃為協(xié)方差矩陣M_3×3的特征值，λ₁≥λ₂≥λ₃；為特征值對應(yīng)的特征向量，特征向量和分別作為激光腳點pt的鄰域點分布的主方向(px,py,pz)和法向量(n_x,n_y,n_z)。

步驟2，在軟件中手工選擇激光掃描數(shù)據(jù)上任一激光腳點作為初始種子點initial_seed，綜合利用反射強(qiáng)度和局部幾何特征進(jìn)行鐵路軌道點云聚類。

鐵路軌道點云聚類的實現(xiàn)方式如下：

步驟2.1：初始化區(qū)域生長的半徑r'，初始化相鄰兩鄰域點的反射強(qiáng)度差閾值IT，初始化高程差閾值HT，初始化相鄰兩鄰域點間的法向量夾角閾值NT，初始化相鄰兩鄰域點間的主方向夾角閾值PT，初始化種子點initial_seed，初始化空的種子點隊列Queue_seed和空的點云容器Vector_railway。將種子點initial_seed壓入種子點隊列Queue_seed。

r'、IT、HT、NT、PT根據(jù)經(jīng)驗取值，一般，IT在[8，15]范圍取值，HT在[0.03m，0.1m]范圍取值，NT和PT均在[5°,8°]范圍取值。本實施例中，r'＝0.3m，IT＝10，HT＝0.05m，NT＝5°，PT＝5°。

步驟2.2：若種子點隊列Queue_seed為非空，從種子點隊列Queue_seed中彈出一個種子點，作為當(dāng)前生長的種子點p_seed。以種子點p_seed為球心，以r為半徑畫球，落入球內(nèi)的所有激光腳點作為種子點p_seed的鄰域點集{p_j，j＝1，2…Nn}，將鄰域點集內(nèi)的鄰域點數(shù)記為Nn。

步驟2.3：對于鄰域點集中每個鄰域點進(jìn)行判斷，若鄰域點p_j同時滿足下列四個規(guī)則，則把鄰域點p_j標(biāo)記為鐵路軌道上的點，并把鄰域點p_j壓入種子點隊列Queue_seed和點云容器Vector_railway中；否則把鄰域點p_j標(biāo)記為非鐵路軌道點。

規(guī)則如下：

規(guī)則①：p_j和p_seed的反射強(qiáng)度之差小于反射強(qiáng)度差閾值IT；

規(guī)則②：p_j和p_seed的高程差小于高程差閾值HT；

規(guī)則③：p_j和p_seed的法向量間的夾角小于法向量夾角閾值NT；

規(guī)則④：p_j和p_seed的的主方向間的夾角小于主方向夾角閾值PT。

步驟2.4：重復(fù)步驟2.2～2.3，直至種子點隊列Queue_seed為空，生長聚類結(jié)束，點云容器Vector_railway內(nèi)點即提取的鐵路軌道點云。

本文中所描述的具體實施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬技術(shù)領(lǐng)域的技術(shù)人員可以對所描述的具體實施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會偏離本發(fā)明的精神或超越所附權(quán)利要求書所定義的范圍。