基于3D点云的地铁车辆车底部件表面异常检测方法研究

摘要

列车部件表面异常检测是确保地铁安全运行的关键技术之一,其核心往往是图像处理,因部分异常在图像颜色、形状和纹理特征上并无明显变化,导致在2D图像上难以完成检测。3D点云在2D图像的基础上增加了深度信息,能更好地反映部件表面的特征,从而更有利于异常情况的准确检出。文章针对地铁车辆车底箱体部件大多为刚性结构这一共性特征,结合3D点云处理技术,归纳出一套通用的异常检测方法。其采用点云预处理、点云配准等技术,可检测地铁车辆车底刚性结构部件表面深度信息的变化;但该方法在处理高亮反光部件和网格表面部件方面效果欠佳。为此,文章以高压分线箱接头区域和空心电抗器斜面区域为例,对该方法进行改进。其中,高压分线箱接头区域先采用区域分割方法得到纯接头区域和线束区域,进而用统计学方法完成前者的检测,以通用检测方法完成后者的检测;空心电抗器斜面区域则结合平面滤波对通用检测方法的流程加以调整,既消除了网格平面后噪声点的干扰,又避免了平面滤波导致点云配准效果不佳的问题。最后,以某地铁公司的实际数据作为测试集,验证了新方法在确保检出率不低于原有方法的前提下,消除了90%以上的误报,大大降低了误检率,为相关异常检测系统的实际应用提供了理论指导。