基于线结构光的道钉识别方法以及道钉识别作业车

摘要

本发明公开了一种基于线结构光的道钉识别方法，包括如下步骤：驱动线结构光传感器沿轨道匀速移动，以获取原始点云数据；对所述原始点云数据在轨道高度方向进行滤波，以获取高度滤波点云数据；对所述高度滤波点云数据，在轨道延伸方向进行中部划分以及在轨道横向方向进行中部划分，以此划分为四组包含道钉的点云数据；对四组所述包含道钉的点云数据进行圆拟合以分别获取中心点坐标，所述中心点坐标为道钉上端面中心坐标。该基于线结构光的道钉识别方法能够有效地解决目前道钉检测效果不好、效率不高的问题。本发明还公开了一种采用上述道钉识别方法的基于线结构光的道钉识别作业车。

说明书

技术领域

本发明涉及交通检测技术领域，更具体地说，涉及一种基于线结构光的道钉识别方法，还涉及一种采用上述道钉识别方法的基于线结构光的道钉识别作业车。

背景技术

当前在换轨和检修的过程中进行道钉定位的主要方法是人工目测，作业时会有大量的工作人员推着作业小车到达作业地点，人工目测道钉位置，然后将扳手置于道钉上进行螺母的拧松或拧紧。

专利公开号CN108867211A，名为“一种高精度道钉位置检测装置及方法”为本专利申请的最接近的现有技术，具有参考价值。该专利通过距离编码器记录道钉沿轨道方向距离，通过测距传感器记录道钉竖直方向距离与沿枕木方向位置，当竖直方向距离大于或小于设定的距离时，记录下编码器的两个值，通过这两个值计算出道钉中心沿轨道方向的坐标，道钉中心沿轨枕方向的坐标由此方向的信号源坐标与测距传感器相对于道钉中心的距离计算得到。

人工目测定位道钉的方法将耗费大量的人力物力，在作业完成后会有部分遗留物，造成后续的清理问题，且该方法难与整机进行配合，不利于维修与换轨作业的智能化实施。单纯依靠编码器与测距传感器进行记录的方法，在道钉安装不规范或偏斜的情况下会存在误检，降低定位精度，且该方法中编码器同时只能检测一个道钉，效率不高。

综上所述，如何有效地解决目前道钉检测效果不好、效率不高的问题，是目前本领域技术人员急需解决的问题。

发明内容

有鉴于此，本发明的第一个目的在于提供一种基于线结构光的道钉识别方法，该基于线结构光的道钉识别方法可以有效地解决目前道钉检测效果不好、效率不高的问题，本发明的第二个目的是提供一种采用上述道钉识别方法的基于线结构光的道钉识别作业车。

为了达到上述第一个目的，本发明提供如下技术方案：

一种基于线结构光的道钉识别方法，包括如下步骤：

驱动线结构光传感器沿轨道匀速移动，以获取原始点云数据；

对所述原始点云数据在轨道高度方向进行滤波，以获取高度滤波点云数据；

对所述高度滤波点云数据，在轨道延伸方向进行中部划分以及在轨道横向方向进行中部划分，以此划分为四组包含道钉的点云数据；

对四组所述包含道钉的点云数据进行圆拟合以分别获取中心点坐标，所述中心点坐标为道钉上端面中心坐标。

在该基于线结构光的道钉识别方法中，采用线结构光传感器实现道钉的三维定位测量，具有高测量精度、强鲁棒性、智能化的特点；虽然两根枕木上的四颗道钉高度会不一致，但是基于线结构光的传感器仍旧能够准确地测量出道钉的尺寸大小与道钉中心的坐标，具有良好的抗干扰性能；而且可精确测量两根轨枕上四颗道钉的相对距离与绝对位置，能很好地与大型养路机械设备作业配合，无需人工定位，减少了工作人员的工作强度，提高了作业的精度与效率。且可作为后续机器人作业的视觉引导部分。综上所述，该基于线结构光的道钉识别方法能够有效地解决目前道钉检测效果不好的问题。

优选地，所述对四组所述包含道钉的点云数据进行圆拟合以分别获取中心点坐标为：

将各组所述包含道钉的点云数据分别代入目标函数方程：

L(a,b,c)＝∑(x

以根据最小二乘法使目标函数最小，解得圆心x向坐标

优选地，所述对四组所述包含道钉的点云数据进行圆拟合以分别获取中心点坐标，之前还包括：

对各组所述包含道钉的点云数据中噪点过滤，以去除离群点。

优选地，在获取圆心坐标后，从对应所述包含道钉的点云数据中选取与所述圆心坐标差距最小的点作为所述中心点坐标。

优选地，对所述高度滤波点云数据划分为四组包含道钉的点云数据为：

对所述高度滤波点云数据求出x的最大值x

对所述第一组点云数据求出y的最大y1

对所述第一组点云数据以y1

优选地，所述对所述原始点云数据在轨道高度方向进行滤波为：

对所述原始点云数据采用体素栅格下采样来精简数据，再滤除离群噪声点，以获取中间点云数据；

对所述中间点云数据中各坐标点z值超过获知的道钉上端点分布范围阈值Δz的点去除掉，z为所述包含道钉的点云数据中各点在轨道高度方向上的坐标。

优选地，在获得所述道钉上端面中心坐标后，所述作业装置根据所述道钉上端面中心坐标进行停靠作业，所述线结构光传感器继续沿轨道匀速移动以获取下一组所述原始点云数据。

优选地，所述线结构光传感器安装在作业车上，以由所述作业车驱动沿轨道匀速移动。

优选地，所述作业车上设置有里程编码器。

为了达到上述第二个目的，本发明还提供了一种基于线结构光的道钉识别作业车，该道钉识别作业车包括：车体，能够沿轨道匀速行走；线结构光传感器，通过支架安装在所述车体前端，且照射方向垂直于轨道面且朝向轨道面；作业装置，安装在车体，所述作业装置设置有朝下设置的调整机构；控制器，控制所述车体沿轨道匀速移动，并能对所述线结构光传感器获取的滤除噪声点后的原始点云数据进行如下处理：对所述原始点云数据进行数据精简和去除离群点，然后在轨道高度方向进行滤波，以获取高度滤波点云数据，对所述高度滤波点云数据，在轨道延伸方向进行中部划分以及在轨道横向方向进行中部划分，以此划分为四组包含道钉的点云数据，对四组所述包含道钉的点云数据进行圆拟合以分别获取中心点坐标，所述中心点坐标为道钉上端面中心坐标，并在获取所述道钉上端面中心坐标后根据各个坐标参数设置调整机构的坐标值，使其与轨枕间距进行匹配以准确移动到各个道钉位置，并能够控制所述作业装置定点停靠进行作业。由于上述的基于线结构光的道钉识别方法具有上述技术效果，采用该道钉识别方法的道钉识别作业车也应具有相应的技术效果。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的道钉识别方法的结构示意图；

图2为本发明实施例提供的道钉识别作业车的结构示意图。

附图中标记如下：

作业车1、线结构光传感器2、支架3、里程编码器4、道钉5、作业装置6、调整机构7。

具体实施方式

本发明实施例公开了一种基于线结构光的道钉识别方法，以有效地解决目前道钉检测效果不好、效率不高的问题。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-图2，图1为本发明实施例提供的道钉识别方法的结构示意图；图2为本发明实施例提供的道钉识别作业车的结构示意图。

在一种具体实施例中，本实施例提供了一种基于线结构光的道钉5识别方法，该基于线结构光的道钉5识别方法主要是利用线结构光传感器2垂直照射于道钉5平面，作业期间线结构光传感器不断获取点云数据，并对点云数据进行预处理与提取道钉5特征，对提取出的特征点进行拟合获取道钉5的中心坐标，然后将该数据传输给后端的装置处理器，装置处理器会根据该坐标参数设置调整机构7的坐标值，并控制作业装置6在定点停靠进行作业。作业装置6停下作业时，作业车1仍继续向前行驶，重复获取下一组道钉5数据。

具体的该基于线结构光的道钉5识别方法包括如下步骤：

步骤100：驱动线结构光传感器2沿轨道匀速移动，以获取原始点云数据。

其中线结构光传感器2匀速沿轨道移动，通过里程编码器以确定该线结构光传感器2与轨道之间的相对位置关系。其中线结构光传感器2优选安装在作业车1上，以由作业车1驱动沿轨道匀速移动。当然也可以安装其它工程车辆上，甚至人力驱动。

其中线结构光传感器2拍摄方向垂直于轨道面，且置于轨道上方，朝向轨道面，以通过对轨道面摄像，即获取轨道面表面图像，图像由激光点数据群汇集组合形成。对应的地面、轨道上表面、道钉5上表面分别形成汇集的点云数据。点云数据中的各个数据点包含了三维空间中坐标值，以可以确定各个数据点与线结构光传感器2之间的位置关系。其中数据点坐标一般用(x，y，z)表示，坐标原点一般为线结构光传感器2所在位置，当然也可以标定到其它位置，其中x为轨道延伸方向上的坐标值，其中y为轨道横向方向的坐标，即轨道宽度方向上的坐标，其中z为轨道高度方向上的坐标，即垂直于轨道面方向上的坐标。

步骤200：对所述原始点云数据在轨道高度方向进行滤波，以获取高度滤波点云数据。

需要说明的是，原始点云数据在进行滤波之前，优选还包括对获取的点云数据进行精简，具体采用体素栅格下采样来精简数据，在精减之后再滤除离群噪声点，以进行滤波。

对获取的原始点云数据，因为包含对应于很多面的点云数据，所以需要去除一些不对应于道钉5上端面的数据云。道钉5上端面在高度上，与其它被测物会存在一些区别，而且会集中分布一定高度范围内，因此可以通过对高度方向的坐标值进行筛查，以去除高度范围不在道钉5上端面分布范围的数据点。其中道钉5上端面高度分布范围内，可以根据实际道钉5实际应用场景测量获取大致范围，或者根据安装要求，获得分布的大致范围。

具体的，可以使所述对所述原始点云数据在轨道高度方向进行滤波为：

对所述原始点云数据采用体素栅格下采样来精简数据，再滤除离群噪声点，以获取中间点云数据；

对所述中间点云数据中各坐标点z值超过获知的道钉5上端点分布范围阈值Δz的点去除掉，同时可以去掉低于某一高度值的点云数据，z为所述道钉5点云数据中各点在轨道高度方向上的坐标。

具体的，对移除离群点后的点云数据进行z方向上的滤波，通过限定点云数据的z值范围(z

步骤300：对所述高度滤波点云数据，在轨道延伸方向进行中部划分以及在轨道横向方向进行中部划分，以此划分为四组包含道钉5的点云数据。

因为获取的点云数据，包含了四个道钉5的上部圆数据，形成四组的分散的点云数据。根据十字划分方式，将四组分散的点云数据进行划分归类，以形成四组点云数据，以分别作为包含各个道钉5上部圆数据的数据，即此时每一组点云数据，即可以认为大致为包含道钉5的点云数据。

其中对所述高度滤波点云数据划分为四组包含道钉5的点云数据为：

对所述高度滤波点云数据求出x的最大值x

对所述第一组点云数据求出y的最大y1

对所述第一组点云数据以y1

进而形成四组包含道钉5点云数据，每组包含道钉5的点云数据包含一个道钉5上部分数据。

步骤400：对四组所述包含道钉5的点云数据进行圆拟合以分别获取中心点坐标，所述中心点坐标为道钉5上端面中心坐标。

根据上述滤波划分之后，四组包含道钉5的点云数据基本与各个道钉5高度对应，因此此时各组包含道钉5的点云数据分别呈圆形分布。所以可以得到各组道钉5点云数据中心，即为道钉5上端面中心点，进而可以对应获取道钉5上端面中心点坐标。所述的每组点云数据进行圆拟合，根据圆的方程：

(x-A)+(y-B)＝R

即为：x

设a＝-2A,b＝-2B,c＝A

则圆公式变为:x

所以所述对四组所述包含道钉5的点云数据进行圆拟合以分别获取中心点坐标可以具体为：

将各组所述包含道钉5的点云数据分别代入目标函数方程：

L(a,b,c)＝∑(x

以根据最小二乘法使目标函数最小，解得圆心x向坐标

需要说明的是，在确定圆心x、y向坐标后，可以根据这个坐标值从对应的道钉5点云数据中选择符合条件的数据点，进而知道对应的z向坐标。其中z向坐标也可以是以对应的道钉5点云数据各个点数据的z向坐标的平均值，或者最大值进行确定。

而在从道钉5点云数据中选择符合条件的数据点时，可能选择不到，基于此，此处优选在获取圆心坐标后，从对应道钉5点云数据中选取与所述圆心坐标差距最小的点作为所述中心点坐标。进而获取z向坐标。

在该基于线结构光的道钉5识别方法中，采用线结构光传感器2实现道钉5的三维定位测量，具有高测量精度、强鲁棒性、智能化的特点；虽然两根枕木上的四颗道钉5高度会不一致，但是基于线结构光的传感器仍旧能够准确地测量出道钉5的尺寸大小与道钉5中心的坐标，具有良好的抗干扰性能，而且可精确测量两根轨枕上四颗道钉5的相对距离与绝对位置，能很好地与大型养路机械设备作业配合，无需人工定位，减少了工作人员的工作强度，提高了作业的精度与效率。且可作为后续机器人作业的视觉引导部分。综上所述，该基于线结构光的道钉5识别方法能够有效地解决目前道钉5检测效果不好的问题。

进一步的，为了更好的抗干扰，此处优选所述对四组所述包含道钉5的点云数据进行圆拟合以分别获取中心点坐标，之前还包括：对各组所述包含道钉5的点云数据噪点过滤，以去除离群点。进一步的，可以对各组所述包含道钉5的点云数据精简后进行噪点过滤，具体采用体素栅格下采样来精简数据。其中去除离群点的方式，是将紧密不强的数据点去除，离群点会与集中的数据云点之间间距增大，因此可以通过各个数据点临近区域中数据点数量判断是否为离群点。

而在获得所述道钉5上端面中心坐标后，可以进一步的使作业装置6根据所述道钉5上端面中心坐标进行停靠作业，所述线结构光传感器2继续沿轨道匀速移动以获取下一组所述原始点云数据。其中线结构光传感器2优选安装在作业车1上，以由所述作业车1驱动沿轨道匀速移动。为了更好的知道作业车1行驶距离，此处优选所述作业车1上安装有里程编码器。

基于上述实施例中提供的基于线结构光的道钉5识别方法，本发明还提供了一种基于线结构光的道钉5识别作业车1，该基于线结构光的道钉5识别作业车1包括：

车体，能够沿轨道匀速行走；

线结构光传感器2，通过支架3安装在所述车体前端，且照射方向垂直于轨道面且朝向轨道面，其中车体匀速行驶速度与线结构光传感器2采集速度需要相匹配；

作业装置6，安装在车体，所述作业装置6设置有朝下设置的调整机构7；

控制器，控制所述车体沿轨道匀速移动，并能对所述线结构光传感器2获取的原始点云数据进行如下处理：对所述原始点云数据在轨道高度方向进行滤波，以获取高度滤波点云数据，对所述高度滤波点云数据，在轨道延伸方向进行中部划分以及在轨道横向方向进行中部划分，以此划分为四组包含道钉5的点云数据，对四组所述包含道钉5的点云数据进行圆拟合以分别获取中心点坐标，所述中心点坐标为道钉5上端面中心坐标，并在获取所述道钉5上端面中心坐标后根据各个坐标参数设置调整机构7的坐标值，使其与轨枕间距进行匹配以准确移动到各个道钉5位置，并能够控制所述作业装置6定点停靠进行作业。由于该基于线结构光的道钉5识别作业车1采用了上述实施例中的基于线结构光的道钉5识别方法，所以该基于线结构光的道钉5识别作业车1的有益效果请参考上述实施例。需要说明的是，原始点云数据在进行滤波之前，优选还包括对获取的点云数据进行精简，具体采用体素栅格下采样来精简数据，在精减之后再滤除离群噪声点。

通过搭载在养护作业车1上的线结构光传感器2沿轨道匀速行驶，结合作业车1上里程编码器4得出包含有道钉5的点云数据，对点云数据进行预处理，然后对道钉5上层数据进行圆拟合，得出道钉5的三维中心坐标，传送给后续的处理机构进行作业，中心位置坐标计算精确，多种特征可方便获得。其中将该数据传输给后端的装置处理器，装置处理器根据各个坐标参数设置调整机构7的坐标值，使其与轨枕间距进行匹配能准确移动到各个道钉5位置，并控制作业装置6定点停靠进行作业。其中作业装置6停下作业时，作业车1仍继续向前行驶，线结构光传感器2采集数据。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。