一种基于三维激光雷达的轨道车辆底部结构病害检测方法及系统

本发明属于轨道交通装备智能运维与状态检测，具体涉及一种基于三维激光雷达的轨道车辆底部结构病害检测方法及系统。该方法可广泛应用于动车组、地铁车辆等轨道车辆的入库检测、状态评估及运维检修等领域。

背景技术：

1、随着高速铁路与城市轨道交通的快速发展，动车组及地铁车辆数量持续增长，运行密度不断提高，车辆服役环境日益复杂。轨道车辆作为轨道交通系统的核心运载装备，其运行安全直接关系到行车安全与运营效率。车辆底部结构（包括转向架构架、轮对、电机、齿轮箱、制动系统、悬挂装置、管路系统及电气设备等）长期处于高载荷、强振动及复杂环境耦合作用下，易产生松动、变形、磨损、脱落等多类型病害。因此，如何对轨道车辆底部结构进行高效、精准、全面的状态检测与评估，已成为轨道交通智能运维领域亟需解决的重要问题之一。

2、目前，轨道车辆底部结构的检测主要依赖人工巡检与定点检测设备相结合的方式。在车辆入库检修过程中，检修人员通过目视检查或借助简单检测工具对关键部件进行状态判断。该方法虽然具备一定的灵活性，但普遍存在检测效率低、劳动强度大、主观性强以及难以实现全覆盖检测等问题。此外，部分车辆段虽引入了视频监控或二维图像检测技术，但受限于视角遮挡、光照条件及缺乏深度信息等因素，难以对复杂空间结构进行准确识别与定量分析。

3、在自动化检测方面，现有技术主要包括基于机器视觉的图像识别方法及局部传感器检测方法。基于二维图像的检测方法虽可实现一定程度的自动化，但由于缺乏三维空间信息，难以准确反映结构几何形态及微小变形特征；局部传感器方法（如应变计、位移传感器等）虽然能够获取高精度数据，但其布设范围有限，仅能对特定部位进行监测，难以实现整车底部结构的全局感知。同时，上述方法普遍依赖静态检测或低速人工辅助条件，难以满足车辆高频次、快速周转条件下的在线检测需求。

4、近年来，随着三维激光雷达技术的发展，其在高精度空间测量与三维重建方面展现出显著优势。通过布设视场向上的激光雷达传感器，可在车辆通过过程中对底部结构进行非接触式动态扫描，获取高密度三维点云数据，为车辆底部结构的几何建模与状态分析提供了新的技术手段。然而，现有技术在三维点云数据的工程化应用方面仍存在不足。一方面，车辆在运动状态下获取的点云数据具有时序性强、密度不均及噪声干扰等特点，缺乏高效的点云拼接与统一建模方法，难以构建完整、连续的车辆底部三维模型；另一方面，现有方法多停留在点云可视化或简单几何分析层面，缺乏与标准结构模型相结合的定量对比机制，难以实现病害的精准识别与分类。

5、此外，针对轨道车辆底部复杂结构，现有技术在目标结构提取、精确配准及差异分析等关键环节仍存在明显不足。例如，不同车辆类型之间结构差异较大，缺乏统一的标准模型体系；点云与模型之间的配准精度易受噪声、遮挡及局部缺失影响，导致检测结果稳定性不足；在病害识别方面，多数方法依赖经验阈值或简单规则，缺乏系统化、智能化的判别机制，难以适应多类型、多尺度病害的检测需求。

技术实现思路

1、为解决现有轨道车辆底部结构检测依赖人工巡检、效率低、覆盖范围有限，二维图像检测缺乏三维空间信息无法精准识别结构变形，局部传感器布设范围有限无法实现全局感知，以及现有三维点云技术缺乏统一建模方法和标准模型定量对比机制导致难以精准识别病害的技术问题，本发明提供一种基于三维激光雷达的轨道车辆底部结构病害检测方法及系统，利用轨道下方视场朝上的三维激光雷达连续扫描车辆底部获取时序点云，经拼接重建、分割提取后与标准三维模型配准，通过偏差计算构建误差分布场，经空间连续性分析识别结构变形、部件缺失、位置偏移及异常附着物，实现车辆动态通过条件下底部结构的非接触式全覆盖检测，以及病害类型的自动识别与定量评估，达到提高检测效率、精度与智能化水平，为轨道车辆智能检修与安全评估提供数据支撑的目的。

2、根据本发明说明书的一方面，提供一种基于三维激光雷达的轨道车辆底部结构病害检测方法，包括：在轨道车辆入库或通过检测区域时，利用布设在轨道下方且视场朝上的三维激光雷达传感器，对车辆底部结构进行连续扫描，获取包含时间信息的多帧三维点云数据；对获取的点云数据进行时空配准与拼接重建，形成完整的车辆底部三维点云模型；对形成的车辆底部三维点云模型进行结构分割与目标提取，并与对应车型的标准三维模型进行匹配与配准，将所述车辆底部三维点云模型与标准三维模型变换至同一坐标系下；通过计算所述车辆底部三维点云模型与标准三维模型之间的空间偏差，构建误差分布场；对所述误差分布场进行空间连续性分析，将偏差值连续分布的区域确定为疑似病害区域，并根据所述疑似病害区域的偏差分布形态，识别结构变形、部件缺失、位置偏移及异常附着物。

3、作为进一步的技术方案，所述三维点云数据采集包括：在轨道检测区域布设一台或多台三维激光雷达传感器，当车辆以预设速度通过时，传感器以设定频率持续扫描车辆底部结构，获取包含时间戳信息的多帧点云数据，实现对整列车辆底部结构的连续覆盖采集。

4、作为进一步的技术方案，所述点云拼接与重建包括：基于车辆运行速度与时间信息对多帧点云数据进行时空配准，通过运动补偿与滤波处理消除噪声与畸变，并采用点云拼接算法构建连续完整的车辆底部三维点云模型。

5、作为进一步的技术方案，所述点云拼接还包括：密度补偿与遮挡区域重建处理，通过插值或模型约束方法对低密度区域进行补偿。

6、作为进一步的技术方案，所述结构分割与目标提取包括：基于点云的几何特征、空间分布特征或预训练模型，对车辆底部点云进行分割，识别包括转向架构架、制动装置、悬挂系统、管路系统及电气设备的关键结构区域。

7、作为进一步的技术方案，所述结构分割与目标提取过程中引入结构拓扑约束与空间位置约束。

8、作为进一步的技术方案，所述标准三维模型通过建立不同车型对应的车辆底部标准三维模型库获得，将提取的目标结构与对应模型进行匹配，并采用迭代最近点算法或基于特征约束的优化方法实现点云与模型之间的对齐。

9、作为进一步的技术方案，所述配准过程还包括多尺度配准策略，先进行粗配准以实现整体对齐，再进行局部精配准以提高关键结构区域的对齐精度。

10、根据本发明说明书的一方面，提供一种基于三维激光雷达的轨道车辆底部结构病害检测系统，包括：数据采集模块，用于在轨道车辆入库或通过检测区域时，利用布设在轨道下方且视场朝上的三维激光雷达传感器对车辆底部结构进行连续扫描，以获取包含时间信息的多帧三维点云数据；点云重建模块，用于对获取的点云数据进行时空配准与拼接重建，以形成完整的车辆底部三维点云模型；结构提取模块，用于对形成的车辆底部三维点云模型进行结构分割与目标提取；配准分析模块，用于将提取的目标结构与对应车型的标准三维模型进行匹配与配准，将所述车辆底部三维点云模型与标准三维模型变换至同一坐标系下；病害识别模块，用于通过计算所述车辆底部三维点云模型与标准三维模型之间的空间偏差构建误差分布场，对所述误差分布场进行空间连续性分析，将偏差值连续分布的区域确定为疑似病害区域，并根据所述疑似病害区域的偏差分布形态识别结构变形、部件缺失、位置偏移及异常附着物；可视化输出模块，用于将识别结果进行三维可视化表达并输出检测报告。

11、作为进一步的技术方案，还包括对多次检测结果进行时序分析，通过对历史点云数据与当前检测结果进行对比，获取车辆底部结构病害的演化趋势，并用于辅助运维决策。

12、与现有技术相比，本发明的有益效果在于：

13、本发明提供的基于三维激光雷达的轨道车辆底部结构病害检测方法，能够在车辆通过过程中实现底部结构的非接触式全覆盖三维扫描与自动化分析。与传统人工检测或二维视觉方法相比，本发明具有以下优点：可实现动态检测，无需车辆停留，显著提高检测效率；能够获取高精度三维点云数据，实现复杂结构的完整表达；基于标准模型对比分析，实现病害的定量识别与精确定位；空间覆盖范围广，可对整列车辆底部结构进行连续检测；自动化程度高，减少人工干预，提高检测一致性与可靠性；具备良好的扩展性，可适用于多类型轨道车辆及多种结构形式。

14、同时，本发明通过点云重建、模型配准及差异分析相结合的方法，实现了车辆底部结构几何状态的精细化表达与病害识别，为轨道车辆检修提供了直观、可靠的数据支持。该方法有助于及时发现潜在安全隐患，提升车辆运维效率，降低维护成本，对于推动轨道交通装备智能运维与数字化发展具有重要的工程应用价值和经济社会效益。