基于激光雷達的鐵路貨運超限檢測系統研究

洪 韋，唐國良，藍賢桂

(1.中國鐵路南昌局集團有限公司 貨運部，江西 南昌 330002；2.東華理工大學 機械與電子工程學院，江西 南昌 330013)

安全是鐵路永恒主題，鐵路各級管理部門對貨運安全高度重視，近年來不斷加大途中貨檢站的設備投入，強化貨運交接檢查管理。但因起步較晚，鐵路貨檢站仍主要依賴人工交接檢查[1]，該方式存在勞動強度大、易漏檢、耗時長、效率低等問題[2]。貨物裝載情況的動態測量和判定是保證列車安全運行的重要手段，目前激光雷達已在工業測量、外輪廓檢測等多個領域得到廣泛應用[3]，部分國家已經開始采用激光雷達，對鐵路現場貨物裝載狀態進行全方位的準確測量。為了實現鐵路貨運超限異常情況的動態檢測，提出采用激光雷達對貨運機車車輛通過采集區時進行動態掃描，完成貨運機車車輛外輪廓尺寸測量與點云成圖[4]，實現鐵路貨運超限預警。

1 鐵路貨運超限檢測現狀

1.1 鐵路貨運超限相關規定

在鐵路運輸過程中，由于貨物裝載不良造成超限，是誘發安全事故的重要原因之一。為了防范超限引發的安全隱患，原中國鐵路總公司《鐵路超限超重貨物運輸規則》規定超限等級判定標準。鐵路限界包括建筑限界和機車車輛限界，建筑限界是其他建筑物和鐵路設備不得侵入的輪廓線，兩輪廓間在水平方向和垂直方向的空間間隙為確保行車的安全空間；機車車輛限界包括裝載貨物后不允許超越的外輪廓線。

目前判斷貨運機車車輛是否超限，主要是通過對機車車輛外輪廓尺寸的精確測量。鐵路貨運機車車輛超載檢測，一般先需測量其外部尺寸、中心高、貨物半寬等參數，然后通過計算曲線上貨物和車輛所需空間半寬確定計算寬度，最后判定超限部位和等級。根據貨運機車車輛超限部位高度，超限機車車輛分為上部超限、中部超限和下部超限3類情況，其中上部超限指自軌面起高度超過3 600 mm，任何部位超限；中部超限指自軌面起高度在1 250 ～ 3 600 mm 之間，任何部位超限；下部超限指軌面高度在150 ～ 1 250 mm間，任何部位超限。

1.2 貨運超限檢測方式及存在問題

目前我國鐵路貨運超限檢測主要有人工室外現場檢測和自動動態檢測2種方式。

人工室外方式主要是在列車靜止狀態依靠人工室外完成，一般在列車進站停穩后檢車人員憑經驗對列車進行目測檢查，發現問題再用標桿或滑動尺測量貨運機車車輛寬度和高度。該方式主要存在準確性差、測量精度不高、效率低、勞動強度大，漏檢率高，無法對運行中機車車輛進行監測等問題。

自動動態監測方式主要采用紅外、激光、圖像等檢測設備，在線路軌道對貨運機車車輛進行動態測量和檢測，該方式主要分為以下2種類型[5]。

（1）激光/紅外對射檢測方式。依據限界判定標準，采用發射端和接收端對射方式進行安裝，沿限界方向設置激光或紅外光束，進行“刻邊”檢測。當機車車輛超限時，超限部位會對信號產生遮擋，形成超限報警信號，該類型具有較精細的辨別能力，一般能檢測到直徑3 mm以上的超限，可以對行進中列車進行動態檢測。該方式主要存在以下問題：一是只能判斷是否存在超限，無法測量具體超限數值和超限具體部位；二是無法保留現場實際檢測情況，不能實現記錄、回放、分析；三是環境干擾極易引起誤報。

（2）圖像識別與測量檢測方式。采用攝像機對通過機車車輛進行視頻采集，并進行圖像處理與識別，實現裝載超限的動態在線檢測，該方式能定位超限具體部位，數據存檔及查詢簡單。該方式主要存在以下問題：一是圖像處理數據量大，實時性差，對圖像處理機性能要求高；二是易受環境干擾的影響造成誤報；三是復雜氣候和夜間易造成圖像質量差。

2 激光雷達鐵路貨運超限檢測系統設計

激光雷達可通過發射激光束，實現對被探測目標距離、方位、速度、形狀等參數的動態測量，可應用在鐵路超限檢測領域，通過向貨運機車車輛表面發射激光束，實現對機車車輛外輪廓信息進行采集與成圖。相比人工室外現場檢測方式，采用激光雷達可以實現對機車車輛的動態超限檢測，檢測方式由室外轉到室內，提高檢車效率，降低勞動強度；相比于其他自動動態監測方式，采用激光雷達可精確定位超限部位，且不易受環境、氣候、光線等因素干擾。因此，可利用激光雷達設計鐵路貨運超限檢測系統，實現對貨運機車車輛精準測量判斷。

2.1 系統主要功能

利用激光雷達對運行狀態下的貨運機車車輛進行動態掃描與外輪廓尺寸測量，根據掃描結果以單節車輛為單位，生成外輪廓的點云圖像，用于發現幾何超限安全隱患，對異常情況快速定位并自動報警，提高檢查工作效率，保障貨物和行車安全。根據對鐵路貨檢部門的需求調研，系統設計主要功能如下。

（1）點云數據采集處理功能。①提供貨運機車車輛外輪廓的外形尺寸及超限數據，其中車輛按照車廂分割拼接點云數據，自動快速生成機車和單節車廂的外輪廓左側視圖、右側視圖、頂部視圖；②檢測出超限級別和超限部位，以可視化點云圖像形式進行展示，辨別機車車輛外輪廓細節。

（2）點云圖像服務功能。①基本信息存儲，包括機車車輛通過記錄、車號、行車方向、行車速度、通過時間等信息；②機車車輛輪廓點云圖像存儲，其點云圖像可保存3個月以上；③機車車輛輪廓點云圖像，可按車號、日期等綜合條件查詢。

（3）信息整合查詢功能。①可依據車次、時間等快速查詢、下載相關機車車輛點云圖像及檢測結果；②可隨時通過鐵路數據網對貨檢作業線上監控、信息共享。

2.2 整體架構設計

根據功能分析，系統主要由室外前端數據采集子系統和室內機房子系統2大部分組成，室外前端數據采集子系統包括車號天線、車號識別主機、車輛檢測及車廂分割單元、左側激光雷達、右側激光雷達、千兆以太網交換機；機房子系統包括超限檢測處理主機、檢車應用平臺及數據存儲服務器。各子系統間采用千兆以太網方式組網。系統組網結構圖如圖1所示。

圖1 系統組網結構圖Fig.1 System networking diagram

室外前端數據采集子系統，主要完成對通過機車車輛有關信息的采集，室外前端數據采集子系統安裝示意圖如圖2所示。車號識別主機對車號天線接收到的通過列車車號進行自動識別，并上傳至機房子系統；車輛檢測傳感器記錄機車車輛進入和離開前端數據采集子系統的時間，并上傳至機房子系統，在軌道兩側分別安裝1臺激光雷達，完成機車車輛的外觀掃描和超限數據檢測。

圖2 室外前端數據采集子系統安裝示意圖Fig.2 Installation diagram of the outdoor front-end data acquisition subsystem

室內機房子系統中，超限檢測處理主機首先需將激光雷達數據采集與無效數據過濾，對激光雷達數據處理，再接收車號識別主機、車輛檢測及車廂分割單元上傳的有關數據，按照各種數據類型進行關聯處理，最后將關聯后數據傳送至檢車應用平臺及數據存儲服務器，實現點云數據采集處理功能。檢車應用平臺及數據存儲服務器接收并存儲超限檢測處理主機上傳的數據，對數據進行有效組織，實現點云圖像服務功能和信息整合查詢功能。

3 系統關鍵技術

為了實現鐵路貨運超限狀態的動態檢測，其關鍵技術主要包括激光雷達數據采集與濾除、激光雷達數據處理2個方面。其中激光雷達數據采集與濾除，主要實現對通過機車車輛表面到激光雷達距離的動態測量和對無效數據的濾除，消除現場環境背景數據的影響，確保所采集數據為通過機車車輛外輪廓的外形尺寸及超限數據；激光雷達數據處理，主要是完成點云配準和點云成圖，檢測出超限級別和超限部位。

3.1 激光雷達數據采集與過濾

當有機車車輛通過激光雷達超限檢測采集區時，車輛檢測傳感器檢測到其第一個車輪信號，觸發左、右兩側激光雷達開始進行數據采集，由于所采集數據包含無效環境背景數據，還需對無效數據進行濾除。

（1）激光雷達數據采集。激光雷達數據采集，是當機車車輛通過激光雷達采集區時，激光雷達開始向被探測的車體表面發送激光束，在車體表面形成反射信號，激光雷達接收器接收到反射信號，根據同一束激光發射時間與接收時間之差，計算激光雷達到被探測物體的距離，并將其與超限標準進行比較，判斷是否存在超限。

當有機車車輛通過時，啟動激光雷達發射激光束，同時開始接收反射信號，得到距離數據，每一個距離的值相當于1個掃描點，這些點的集合稱為點云。根據車輛檢測傳感器提供的實時測速信息可以得知相鄰截面間間距，當整節車廂或機車通過后可以得到該節車廂或機車的完整三維外輪廓點云數 據[6]，根據點云數據可以進行機車車輛超限檢測[7]。

（2）無效數據過濾。激光雷達在超限檢測采集區安裝完成后，所采集的點云數據主要包括環境背景點云數據和機車車輛外輪廓點云數據2種，超限檢測就是根據機車車輛外輪廓點云數據判斷是否存在超限，環境背景點云數據為無效數據，為了消除無效數據對超限檢測的影響，必須將環境背景點云數據進行過濾，過濾過程如下。

在沒有機車車輛通過時，兩激光雷達采集到的主要是環境背景點云數據，根據機車車輛尺寸標準和激光雷達安裝位置，可以根據距離算出點云數據的有效區域，得到無機車車輛通過時激光雷達采集數據分布圖如圖3所示，其中有效區域如圖3中粉色部分，紅色點云數據表示左側激光雷達采集的數據，藍色點云表示右側激光雷達采集的數據。有機車車輛通過時激光雷達采集數據分布圖如圖4所示，其中粉色區域內的部分即為機車車輛外輪廓點云數據。

圖3 無機車車輛通過時激光雷達采集數據分布圖Fig.3 Distribution of lidar data when no locomotive or vehicle passes by

圖4 有機車車輛通過時激光雷達采集數據分布圖Fig.4 Distribution of lidar data when a locomotive or a vehicle passes by

當機車車輛通過時，將粉色區域邊界作為點云數據過濾條件，對采集的數據進行過濾處理，只保留在粉色區域內的點云數據，這樣將大量無效數據濾除，保留有效數據，得到過濾后的激光雷達采集數據分布圖如圖5所示。

圖5 過濾后的激光雷達采集數據分布圖Fig.5 Distribution of filtered lidar data

3.2 激光雷達數據處理

激光雷達對機車車輛所采集的點云數據是激光雷達多次測量的數據集，每次測量并不是在同一坐標系下進行，必須把多次測量得到的點云數據統一到同一個坐標系下，將海量的點云數據轉換成機車車輛外輪廓圖像，對激光雷達數據進行進一步處理，處理過程包括點云配準和點云成圖。

（1）點云配準。點云配準主要是要將系統中左右兩側獨立激光雷達所測量點云數據轉換到同一坐標系下，點云配準流程圖如圖6所示。主要流程為： ①分別讀取左側激光雷達和右側激光雷達所采集的點云數據；②從點云數據中提取2臺激光雷達機車車輛頂部數據，一般情況下，采集得到的頂部點云數據可以看作在一個平面上，采用平面分割的方法分割出機車車輛頂部點云數據，利用點云庫中基于隨機采樣一致性算法的幾何模型分割提取模塊，分別提取出機車車輛頂部點云數據；③根據2臺激光雷達的安裝位置，估計2臺激光雷達的位置偏差，再將2臺激光雷達車頂點云數據距離拉近，利用基本坐標轉換進行人工粗配準，提供良好的初值；④先利用正態分布變換算法的精配準算法，進行相鄰兩幀點云配準，再采用最近點迭代算法進行兩幀點云位姿的校正，實現多次測量得到的點云數據統一到同一個坐標系下，完成二步式精配準。

圖6 點云配準流程圖Fig.6 Flow chart of point cloud registration

（2）點云成圖。點云成圖就是將激光雷達采集的海量點云數據，通過處理機進行拼接處理，形成可視化圖像的形式予以展現，形成的圖像即為機車車輛頂部、左側和右側外輪廓圖，具體實現過程如下。

①形成點云圖像。通過相應軟件分別對機車車輛頂部點云數據、左側點云數據和右側點云數據分別進行拼接處理，拼接完成后，再將3個部位圖像合成一張圖像進行展示，以裝載集裝箱狀態下的TC64K敞車為例，得到其機車車輛3部位外輪廓點云圖像如圖7所示。

圖7 機車車輛3部位外輪廓點云圖像Fig.7 Point cloud images of outer contours corresponding to 3 parts of a locomotive or a vehicle

②判定超限部位。首先將三維點云數據劃分為左側、右側和頂部3部分[8]，對每部分的各個點進行超限級別從高到低判定，只保留該點的最高超限級別。如果某部分某級別超限點數超過一定規模，則判定為發生該級別超限，只保留該部分最高超限級別進行記錄。在三維點云圖像中，底色為黑色，對各點根據超限級別用不同顏色進行顯示，正常點白色顯示，異常部位用紅色顯示，當機車通過超限檢測采集區時，得到機車受電弓超高情況時的點云圖像如圖8所示。

圖8 機車受電弓超高情況時的點云圖像Fig.8 Point cloud image in the case of a quite high pantograph of the locomotive

③上傳數據完成檢車服務。激光雷達將采集的機車車輛外輪廓數據的點云成圖預警信息存儲至數據庫，客戶端軟件實現通過列車車型、車號、車速、外輪廓點云圖像等有關信息的整合，為檢車員提供方便、快捷的檢車服務。檢車員檢車界面圖如圖9所示。

圖9 檢車員檢車界面圖Fig.9 Inspection interface diagram of an inspector

4 結束語

貨運機車車輛超限檢測是鐵路運輸安全和效益的關鍵，但隨著我國鐵路貨運量的急劇增長，運輸效率的不斷提升，依靠人工對其檢查已不能滿足作業需求。激光雷達鐵路超限檢測系統的研究，可以有效解決機車車輛超限動態檢測難題，該系統能保留現場實際檢測情況，追溯歷史數據方便，可用于貨檢站、貨運站、編組站、專用線等貨運機車車輛的動態超限檢查，檢車人員可快速判斷左側超限、頂部超限、右側超限等常見異常情況，并對異常部位進行定位，有效排除貨運機車車輛超限安全隱患、降低勞動強度、提高工作效率和貨檢質量。