一种铁路目标敞车识别方法与流程
本发明涉及铁路货运车辆感知识别,具体为一种铁路目标敞车识别方法。
背景技术:
1、随着铁路货运智能化、无人化建设持续推进,场站货物装卸作业逐步替代人工操作,自动化水平大幅提升。自动装卸车设备、车辆定位感知系统已广泛落地场站现场,车辆精准识别与定位成为保障自动化装卸作业平稳运行的核心前提。然而,现阶段车辆识别与定位视觉易受雨雪、粉尘、光照波动等因素干扰,难以持续输出精准的车辆三维位姿数据,同时,当多节敞车紧密连挂、并排停靠时,车厢衔接处结构复杂,易造成点云粘连,致使车体分割失效,无法精准识别单节车辆,制约了自动化装卸作业的稳定性与可靠性。
技术实现思路
1、本发明的目的是为了解决现有铁路敞车识别定位技术环境抗干扰能力差、无法获取稳定三维位姿,且多节紧密连接敞车存在点云粘连、车体分割精度
2、不足,难以适配铁路现场复杂自动化装卸作业场景的问题,而提出的一种铁路目标敞车识别方法。本发明解决上述技术问题的技术方案如下:一种铁路目标敞车识别方法,包括以下步骤:在铁路作业区采集激光雷达三维点云流,点云中包含至少三个并排的铁
3、路目标敞车;对原始点云进行统计滤波去除离群噪声,得到预处理点云;基于地面平面估计与改进ransac,将满足与地面平面距离小于设定阈值
4、说明书的点剔除,得到非地面点云;对非地面点云建立kd-tree 索引,并采用点云密度自适应确定聚类邻域半径,对非地面点云执行欧式连通域聚类得到聚类簇;对每一聚类簇提取三维包围盒长宽高及质心,依据敞车先验几何尺寸约束对聚类簇筛选,得到筛选后的候选敞车聚类簇;
5、在以雷达坐标系的横向轴为投影轴下,计算候选聚类簇质心投影坐标并进行非递减排序,当候选簇数量为奇数时取其中位簇作为目标敞车,实现中间敞车的唯一识别。
6、在上述技术方案的基础上,本发明还可以做如下改进。
7、更进一步的,所述点云密度自适应确定聚类邻域半径包括如下关系其中,为自适应聚类邻域半径,为最小邻域半径阈值,用于在点云稀疏时避免邻域过小,为最大邻域半径阈值,用于在点云稠密时避免邻
8、域过大,为比例系数,为局部点云密度,用于将密度变化映射为尺度变化。更进一步的,所述改进ransac 用于地面平面估计并剔除地面点,包括以下步骤:建立地面平面为最大邻域半径阈值,用于在点云稠密时避免邻域过大,为比例系数,为局部点云密度,用于将密度变化映射为尺度变化。更进一步的,所述改进ransac 用于地面平面估计并剔除地面点,包括以下步骤:建立地面平面;
9、其中,为平面法向量,且满足,为原点到该平面的距离,通过ransac 迭代求解最优平面参数
10、其中,为点云点的总数,为第个点的三维坐标向量,为指示函数,在括号条件成立时取1 否则取0,为距离阈值,用于判定点是否属于地面表示点到当前平面模型的距离度量,取得到的最优参数,将满足的点判定为地面点并滤除,得到非地面点云:
11、
12、其中,表示所有点的集合(原始点云集合)表示被判定为地面点的集合。
13、更进一步的,所述对聚类簇的筛选依据敞车先验几何尺寸约束,其包括:其中,分别为第个聚类簇的三维包围盒长、宽、高,为标准敞车的长、宽、高标称值,分别为长、宽、高对应的容差阈值,当时,剔除该聚类簇作为干扰簇,得到筛选后的候选敞车聚类簇集合。
14、更进一步的,以雷达坐标系的横向轴为投影轴计算候选聚类簇的质心投影坐标,并通过中位数规则确定目标敞车,包括如下关系:对筛选后的候选敞车聚类簇集集合。中任一簇计算其质心在横向轴上的投影坐标;
15、其中,为筛选后候选簇数量,为簇内点数,为簇内任意点,为点在横向轴上的坐标值,将进行非递减排序,得到有序序列满足
16、当为奇数时,中间目标敞车对应为满足的聚类簇,其中为所述目标敞车的聚类簇,表示排序后位于索引位置的质心投影坐标。
17、更进一步的,所述雷达坐标系为以雷达位置为原点,轴沿铁路轨道方向的轴记为轴,轴垂直于轨道方向的横向轴记为轴,竖直向上轴记为轴。
18、更进一步的,所述点云流对应的数据集表示为
19、其中,表示第个点的三维坐标向量,表示点云点的总数,所述统计滤波用于去除由悬浮颗粒物引起的离群噪声点,得到所述预处理点云。
20、更进一步的,所述欧式连通域聚类基于自适应邻域半径判定连通关系,具体包括:对于非地面点云中任意两点,若其欧氏距离,则将与归为同一连通分量,通过连通域标记生成聚类簇集合;
21、其中,为连通域得到的聚类簇数量。
22、更进一步的,所述筛选后候选簇数量满足,并按索引位置对应的中位簇作为目标敞车的聚类簇。
23、更进一步的,对所确定的目标敞车的聚类簇输出其完整点云数据,并输出其六自由度位姿信息,所述位姿信息包括位置坐标以及姿态角。与现有技术相比,本申请的技术方案具有以下有益技术效果:本发明全程依托激光雷达三维点云开展数据采集与目标识别,摆脱了传统视觉识别方案依赖图像信息、易受雨雪、粉尘、光照波动干扰的弊端,能够持续获取车辆完整三维空间数据,稳定输出目标敞车三维位姿,大幅提升系统户外复杂工况的抗干扰能力。同时通过统计滤波去除点云离群噪声,结合改进ransac 算法剔除地面干扰点云,进一步净化点云数据。针对多节敞车紧密并排、连挂产生的点云粘连、车体分割失效问题,本方法采用点云密度自适应聚类邻域半径,适配车厢衔接处复杂点云分布,弥补了传统固定半径欧式聚类分割效果差的缺陷,再结合敞车先验几何尺寸约束完成聚类簇筛选,剔除无效干扰簇。最后通过质心横向投影排序选取中位簇定位中间目标敞车,无需依托车厢连接处薄弱几何特征,可实现密集排布敞车的精准区分与目标车辆唯一识别,有效提升车辆识别精度,保障铁路场站自动化装卸作业稳定可靠运行。
1.一种铁路目标敞车识别方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种铁路目标敞车识别方法,其特征在于,所述点云密度自适应确定聚类邻域半径包括如下关系其中,为自适应聚类邻域半径,最小邻域半径阈值,用于在点云稀疏时避免邻域过小,为最大邻域半径阈值,用于在点云稠密时避免邻域过大,为比例系数,为局部点云密度,用于将密度变化映射为尺度变化。
3.根据权利要求1所述的一种铁路目标敞车识别方法,其特征在于,所述改进ransac用于地面平面估计并剔除地面点,包括以下步骤:建立地面平面其中,为平面法向量,且满足,原点到该平面的距离,通过ransac迭代求解最优平面参数其中,为点云点的总数,为第个点的三维坐标向量,为指示函数,
4.根据权利要求1 所述的一种铁路目标敞车识别方法,其特征在于,所述对聚类簇的筛选依据敞车先验几何尺寸约束,其包括:其中,分别为第个聚类簇的三维包围盒长、宽、高,为标准敞车的长、宽、高标称值,分别为长、宽、高对应的容差阈值,当时,剔除该聚类簇作为干扰簇,得到筛选后的候选敞车聚类簇集合。
5.根据权利要求4 所述的一种铁路目标敞车识别方法,其特征在于,以雷达坐标系的横向轴为投影轴计算候选聚类簇的质心投影坐标,并通过中位数规则确定目标敞车,包括如下关系:对筛选后的候选敞车聚类簇集合中任一簇,计算其质心在横向轴上的投影坐标;
6.根据权利要求5 所述的一种铁路目标敞车识别方法,其特征在于,所述雷达坐标系为以雷达位置为原点,轴沿铁路轨道方向的轴记为轴,轴垂直于轨道方向的横向轴记为轴,竖直向上轴记为轴。
7.根据权利要求1 所述的一种铁路目标敞车识别方法,其特征在于,所述点云流对应的数据集表示为其中,表示第个点的三维坐标向量,表示点云点的总数,所述统计滤波用于去除由悬浮颗粒物引起的离群噪声点,得到所述预处理点云。
8.根据权利要求2 所述的一种铁路目标敞车识别方法,其特征在于,所述欧式连通域聚类基于自适应邻域半径判定连通关系,具体包括:对于非地面点云中任意两点,若其欧氏距离若其欧氏距离则将与归为同一连通分量,通过连通域标记生成聚类簇集合其中,为连通域得到的聚类簇数量。
9.根据权利要求5 所述的一种铁路目标敞车识别方法,其特征在于,所述筛选后候选簇数量满足,并按索引位置对应的中位簇作为目标敞车的聚类簇。
10.根据权利要求5 所述的一种铁路目标敞车识别方法,其特征在于,对所确定的目标敞车的聚类簇 输出其完整点云数据,并输出其六自由度位姿信息,所述位姿信息包括位置坐标以及姿态角。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com