基于多源點云數據的鐵路線路信息化

楊志堅

(甘肅鐵道綜合工程勘察院有限公司,甘肅 蘭州 730000)

三維激光掃描技術可實時獲取物體表面的三維空間信息和影像,具有效率高、數據密度大、數據質量好等特點。然而,與激光掃描系統的快速獲取能力相比,數據處理的能力明顯滯后。處理海量線路點云數據時沒有專業的軟件,只能基于通用軟件進行操作;而通用算法與線路長帶狀特性不匹配,導致數據加載慢,且功能分散,常需要多個軟件進行聯合操作,效率低下;數據后處理過于依賴人工經驗,導致自動化程度不高。隨著鐵路數字孿生技術的深入發展,面臨著多源數據融合、智能化場景理解、初級可視量算升級到高級計算分析等諸多新要求。根據行業需要,梳理既有線路點云數據處理流程,結合線路特性整合及改進既有點云處理相關算法,進行線路點云數據處理系統的設計與開發,是激光掃描技術在鐵路建設領域專業化應用亟待解決的問題。

目前,國內外已有許多學者針對鋼軌點云的采集[1-3]、濾波[4-7]、分割[8-9]、特征提取[10-11]等方面做了大量研究,取得了顯著進展,進一步提高了鋼軌點云數據的處理效率和準確性。本文基于點云數據,分段解算線路中點位置信息,實現線路全線中線點的提取,擬合線路走向;針對分割后點云數據的幾何特征,提取線路縱、橫斷面及水平切片;從既有線車站點云數據中識別站內附屬結構物屬性及位置信息,對軌道結構進行三維實景建模。

1 線路點云中心線提取

為提高點云數據處理效率,需在保證點云精度的前提下對原始點云數據進行預處理,主要包括濾波與精簡[12-13]。進行濾波時,充分考慮點云自身包含的數據信息特點,并結合被掃描物體的結構特征,提高算法效率及精度;精簡點云數據采用體素化法,用重心點代替體素內所有點的空間位置,達到數據精簡的目的。

圖1 線路中線點提取算法

重復上述步驟,依次遍歷所有鋼軌頂面點片段,按50 cm間隔提取鋼軌頂面中點,由左右股鋼軌頂面中點進一步解算線路中線點,如圖2所示。

圖2 線路中線點提取

2 線路剖面地形數據提取

2.1 線路平面線形數據提取

鐵路線路平面線形數據的提取重點在于線路離散化點云特征的分離和重組,本質是鋼軌點云數據在整體點云模型中分割后的幾何特征提取及線形條件約束,可通過算法實現。

(1)基于色域聚類的鋼軌點云集構建。無人機點云數據需要針對不同線路建筑物或軌道設備分類構建點云信息集合。這就要求將鋼軌坐標信息從龐大的點云數據庫中剝離出來,但鋼軌點云數據因其結構的交錯性,無法實現直接精準的讀取。本文借助無人機點云數據的XYZ+RGB三通道特性,設置鋼軌遍尋種子點,以RGB數據為判別指標,訪尋具有與鋼軌相同RGB特性的點聚類,從而將鋼軌與軌道其他結構物分離,提取鋼軌點云數據。

(2)鋼軌幾何特征重構。將點云數據向線路平面投影,將三維點云作平面化二維處理,利用色域聚類點云數據剝離辦法,找尋鋼軌二維輪廓坐標范圍,在范圍內的原始點云三維數據即為鋼軌點云數據。利用該方法對數據重構不受線路走向和高程的變化影響,但提取的鋼軌點云數據因扣件等與鋼軌同質材料,點云數據噪點多。考慮鋼軌在線路平面上的高度優勢,應用RANSAC隨機采樣一致性算法設置數據高程閾值,結合鋼軌制造出廠檢驗標準設定收斂條件,可對提取點進一步篩選,得到鋼軌幾何特征。

受無人機點云采樣密度、線路遮擋、數據篩選等因素影響,經上述措施處理得到的點云數據存在數據斷鏈,需結合鋼軌標準斷面基于三次樣條插值求解三彎矩方程組,完成篩選點的擬合。擬合步長越短,數據越精確,但計算耗時越長。經測試,擬合步長設置為1 m時,可有效補充數據斷鏈。

(3)線路中心線重構。在已得鋼軌點云集中,提取最高點下16 mm的點云數據,以鋼軌軌頭厚度作為判別標準保留線路中心線近側鋼軌點云數據,設置步長為1 m、厚度為10 mm、垂直于線路走向的數據切片,將點云數據封裝在10 mm的單元中,對單元中所有點的坐標取平均值,再求解兩側單元坐標平均值的中點坐標,可獲得線路中心線。切片厚度越小,數據約精準,但點云數據越少,當鋼軌點云數據稀疏時,還會有數據缺失,致使線路中心線產生嚴重偏差。經測試,切片厚度設置為10 mm,可滿足數據精度要求。

2.2 線路縱橫斷面數據提取

2.2.1 線路縱斷面提取

線路中心線可以通過一個三維點位和方向向量表示。其中三維點位可以確定線路斷面的位置,方向向量可表征斷面的方向。

2.2.2 線路橫斷面提取

鐵路中線空間線形中任意里程處的橫斷面必須與線路中線嚴格垂直。選取線路中任一里程CK,結合里程處的法線斜率,得到該點里程處的斷面方程。同縱斷面提取原理,對橫斷面點云曲線進行降噪、擬合,設定高程、里程標尺,繪制線路橫斷面圖。

3 線路附屬結構物特征提取

3.1 接觸線的提取

鐵路接觸網主要采用鏈形接觸懸掛的形式架設在線路上方。鏈形接觸懸掛主要由接觸線、吊弦、承力索等組成[14],如圖3所示。采用主成分分析法(principal component analysis,PCA),根據k鄰域方法提取點云數據。將代表該點最大主方向的特征值λ1作為特征向量v1,設置v1在Z方向上的分量v1z閾值,超過閾值,則判定為雜項點,予以剔除,只保留閾值內的點,從而獲得與水平面平行的線狀點云。

圖3 鏈形懸掛示意

考慮接觸線與承力索和回流線的距離特性,接觸線點云數據可利用激光點聚類法搜尋搜尋滿足條件di

圖4 移動激光點聚類原理

圖5 接觸線點云提取結果

3.2 站內附屬設備識別

通過點云預處理軟件分割獲得車站點云數據,如圖6所示,并以此為基礎進行站內附屬設備識別提取。

鐵路站臺為運輸生產中重要的服務設施,而站臺限界檢測是鐵路安全運輸重要保障,因此需嚴格控制站臺與列車之間的空隙大小。

在提取線路中心線基礎上,按照《標準軌距鐵路限界第2部分:建筑限界》(GB 146.2—2020)規范要求,旅客站臺建筑限界距離線路中線1750 mm,設置參數提取站臺界限,并將站臺范圍以坐標形式存儲在Excel表格中。圖7為提取的部分站臺點云數據。

圖7 站臺點云數據

導線支柱作為車站內又一重要構筑物,其位置同樣影響行車安全。識別支柱位置也是研究的重要內容,根據點云數據反射率識別支柱,如圖8所示。

圖8 車站導線支柱點云

4 軌道結構三維實景建模

4.1 鋼軌線路提取

點云分割是根據點云空間分布特征、幾何特征、紋理特征等進行劃分,使得相同劃分內的點云擁有相似的特征[15]。

設定鋼軌反射強度閾值I,濾除與鋼軌反射特性不符的點,減少點云數據量,提高分割效率,篩選后點云的體積為篩選前的2%;選取起始里程端一點作為種子點,根據鋼軌幾何尺寸設定空間距離閾值R篩選;在篩選點集中找到距種子點最遠的點逐步替換種子點,繼續篩選,直至篩選出單個點云文件內的單根鋼軌點;根據文件編號提取全線鋼軌。

4.2 軌道結構三維建模及應用

鋼軌點云是無任何拓撲信息的離散點集,為還原鋼軌模型,需將鋼軌點云數據進行模型封裝。點云封裝實質是利用點云數據構造微小的空間三角形,使之近似代替模型表面實現模型重建,如圖9所示。

圖9 鋼軌封裝模型

依次封裝左右股鋼軌,利用封裝的鋼軌模型切片進行軌距測量,從而提取鋼軌截面幾何特性參數。

(1)選取鋼軌最高點,擬合與鋼軌頂面重合的初始截面,如圖10(a)所示。

圖10 提取鋼軌截面幾何特性參數

(2)將初始截面向下平移16 mm獲取特征截面Ⅰ,刪除特征截面以上的封裝模型,如圖10(b)所示。

(3)將特征截面Ⅰ豎直向下平移0.1 mm獲得特征截面Ⅱ,刪除特征截面Ⅱ以下的封裝模型,保留鋼軌內側薄片模型,作為軌距測量邊線。圖10(c)中右側薄片模型為左軌軌距測量邊線。

(4)將左右軌距測量邊線導入CAD,利用VBA語言按1 m間距繪制軌距測量邊線的法線,刪除超過軌距測量邊線范圍的法線,調用距離查詢命令,可測得軌距值,如圖10(d)所示。

利用Revit軟件,以60鋼軌、新Ⅱ型枕、彈條Ⅱ型扣件為例,繪制鋼軌結構模型,如圖11所示。

圖11 鋼軌結構模型

4.3 模型的裝配

軌道結構標準構件庫創建完成后,需要對各個構件進行裝配,組成線路一體化模型。為了減少工作量,通過分析軌道構件的特點,將創建好的軌枕和扣件系統模型在Revit的一個族樣板中進行整合,形成軌枕嵌套族[16]。如圖12所示,可將單個軌枕模型載入“公制常規模型.rft”族樣板,隨后將扣件系統各族按圖紙與軌枕拼接,形成嵌套族。

圖12 軌枕嵌套族

利用Dynamo將軌枕嵌套族沿線路中心線進行裝配,具體思路為:把嵌套族的數量進行參數化,嵌套族的個數=線路長度/軌枕間距,調用“Curve.PointAtParameter”節點在線路中心線上獲取與嵌套族個數等數量的點,基于這些參照點,運行Dynamo驅動布置程序即可完成嵌套族的裝配。隨后將已創建好的鋼軌與道床族載入該項目文件,最終裝配成果如圖13所示。軌道結構三維模型也可利用點云數據按里程生成。

圖13 有砟軌道模型裝配成果

5 結 論

(1)本文采用以反射強度數值和線路幾何約束為條件的線路鋼軌點云融合濾波方法,得到輕量化的鋼軌點云數據;借助微分思想以直代曲分段擬合鋼軌頂面中線,分段解算鋼軌頂面中點與線路中點位置信息,實現線路全線中線點的提取。

(2)應用RANSAC隨機采樣一致性算法確定鋼軌點云模型位于軌腰部分的投影平面并實現降維處理,以高速鐵路所用鋼軌軌頭寬度允許誤差作為收斂條件,建立鋼軌模型,提取線路平面線,再根據縱橫斷面與平面線的關系提取其數據。

(3)利用主成分分析法和移動激光點聚類法提取鐵路接觸線的算法,并通過點云預處理軟件分割獲得車站點云數據,以《建筑限界》規范要求作為約束條件提取站臺界限,提取坐標數據,按照工程圖例規范要求,實現站內建、構筑物標識功能。

(4)基于反射強度的區域增長分割算法,實現了鋼軌的快速分割。主要研究基于Revit的鐵路關鍵工點構造物BIM化建模方法,對線路上部軌道結構進行實體拆分,建立軌道結構標準構件族庫。采用Dynamo編程語言對Revit進行二次開發,可以快速創建軌道施工BIM模型,為關鍵工點的BIM化建模提供算法支持。