基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法与流程

本发明涉及自动化喷涂施工领域，具体涉及基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法。

背景技术：

1、现有高铁电缆沟聚氨酯防水绝缘材料施工多采用人工刷涂、滚涂或手持喷枪喷涂，然而人工方式难以稳定识别沟底、沟壁、阴角、阳角、盖板支撑台、泄水孔、接线盒、预埋件及障碍物等复杂构造，且阴角、阳角、台阶边缘等异形区域易出现漏喷、薄喷或涂层不连续，泄水孔、接线盒等禁喷区域也常因操作不当被误喷或堵塞；同时，单纯依赖可见光视觉易受光照、阴影、污渍、积水等干扰而难以稳定获取三维几何边界，而仅用激光雷达点云虽能反映空间形态，却难以准确判别泄水孔、接线盒等对象的语义类别；现有识别技术多停留于目标检测或缺陷识别，未能将感知结果直接转化为适用于聚氨酯喷涂施工的标准喷涂区、加强喷涂区、禁喷区、边缘补偿区、复检区和人工复核区等分区控制策略，且传统施工过程缺乏与铁路里程、图像、点云、喷涂参数及禁喷保护记录绑定的质量追溯档案。因此，亟需一种融合可见光识别与激光雷达点云分析，实现精确语义建模、分区喷涂控制及里程化质量记录的方法。

技术实现思路

1、为解决上述背景中的技术问题，本发明提供了基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，包括：

2、s1、采集电缆沟的可见光图像和激光雷达三维点云；

3、s2、根据三维点云进行几何分析，并根据可见光图像进行深度学习识别，以识别电缆沟的几何结构和对象类别；

4、s3、根据可见光相机与激光雷达的空间标定关系，将视觉识别结果映射至三维点云，生成带有语义和几何类别的电缆沟语义点云模型；

5、s4、根据电缆沟语义点云模型识别异形构造，并根据异形构造识别结果和喷涂工艺约束，将电缆沟划分为多个喷涂分区；

6、s5、根据喷涂分区结果生成喷涂控制策略并执行喷涂，同时关联存储数据形成里程化施工质量记录。

7、优选的，所述s1中，三维点云表示为：

8、，

9、其中，表示激光雷达点云集合；表示第i个点云点；()表示点云点的三维坐标。

10、优选的，所述s2中，对三维点云进行几何分析时，点云局部区域的法向量记为

n

i，相邻区域的法向量记为

n

j，二者夹角为：

11、，

12、其中，表示相邻两个点云局部区域的法向量；表示相邻区域之间的几何夹角；表示几何突变判定阈值；当时，则认为存在明显几何突变。

13、优选的，所述s2中，所述深度学习识别包括：设定

t时刻可见光图像为，视觉识别模型输出为：

14、，

15、其中，，为识别出的对象类别，为识别置信度，为图像中的目标边界、检测框或分割区域。

16、优选的，所述s3中，将视觉识别结果映射至三维点云的方法包括：

17、将激光雷达坐标系下的点云点通过外参矩阵

t

cl转换到相机坐标系，再通过相机内参矩阵k投影到图像平面：，其中，表示激光雷达坐标系下的点云点；表示相机坐标系下的点云点；表示激光雷达到相机的外参矩阵；表示相机内参矩阵；表示点云点投影到图像后的像素坐标；表示投影尺度因子。

18、优选的，所述s3中，语义点云模型包含融合置信度，其计算方式为：

19、，

20、其中：

21、，

22、一致性函数为：

23、，

24、其中，表示融合置信度；表示可见光识别置信度；表示点云几何识别置信度；表示视觉类别与几何类别一致性；表示权重系数。

25、优选的，所述s4中，对于第

k个区域，喷涂分区根据语义类别、几何类别、融合置信度和基层状态确定：，且选自标准喷涂区、加强喷涂区、禁喷区、边缘补偿区、复检区和人工复核区。

26、优选的，所述s5中，对于禁喷对象原始区域，生成禁喷保护区，其中，分别为识别误差补偿、机器人定位误差补偿、喷雾扩散补偿和风扰或飞散补偿；

27、设机器人行走速度为

v，喷枪关闭响应时间为

t

q，控制系统延迟为

t

c，安全余量为，则提前关枪距离为：

28、。

29、与现有技术相比，本发明的有益效果如下：

30、本发明通过融合可见光深度学习识别与激光雷达点云几何分析，构建电缆沟语义点云模型，显著提升了对沟底、沟壁、阴角、阳角、泄水孔及接线盒等异形构造的识别准确率与鲁棒性；在此基础上，将识别结果直接转化为标准喷涂区、加强喷涂区、禁喷区、边缘补偿区、复检区和人工复核区的分区喷涂控制策略，并引入禁喷区安全膨胀和提前关枪控制，有效降低了禁喷对象误喷风险，同时通过加强喷涂区和边缘补偿区控制改善了薄弱区域的涂层质量；此外，系统自动关联存储图像、点云、分区结果、喷涂参数和铁路里程，形成可追溯的里程化施工质量记录，为高铁电缆沟聚氨酯防水绝缘材料喷涂施工提供了自动化、智能化和质量可溯化的整体解决方案。

1.基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，包括：

2.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s1中，三维点云表示为：

3.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s2中，对三维点云进行几何分析时，点云局部区域的法向量记为ni，相邻区域的法向量记为nj，二者夹角为：

4.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s2中，所述深度学习识别包括：设定t时刻可见光图像为，视觉识别模型输出为：

5.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s3中，将视觉识别结果映射至三维点云的方法包括：

6.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s3中，语义点云模型包含融合置信度，其计算方式为：

7.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s4中，对于第k个区域，喷涂分区根据语义类别、几何类别、融合置信度和基层状态确定：，且选自标准喷涂区、加强喷涂区、禁喷区、边缘补偿区、复检区和人工复核区。

8.根据权利要求1所述的基于可见光与激光雷达的高铁电缆沟聚氨酯喷涂分区方法，其特征在于，所述s5中，对于禁喷对象原始区域，生成禁喷保护区，其中，分别为识别误差补偿、机器人定位误差补偿、喷雾扩散补偿和风扰或飞散补偿；