轨道交通曲线轨道曲率测量方法

1.本发明涉及一种曲率测量方法，尤其涉及一种轨道交通曲线轨道曲率测量方法。


背景技术：

2.城市轨道在现代交通中具有极为重要的作用，极大的缓解了城市道路拥堵的问题；城市轨道包括单轨和双轨两种方式，对轨道交通运营来说，对于曲线轨道的曲率是否准确合理是保证运营安全以及乘坐舒适性的极为重要的参数。
3.现有技术中，对于曲线轨道的曲率一般采用以下形式：采用全站仪、水平仪等通过人工进行曲率的测量，这种方式效率低，浪费人力，存在安全隐患，更为重要的是这种测量方式严重依赖于测量人员的经验水平，即使经验丰富的测试人员，由于环境等因素，都会造成测试数据极为不准确，难以作为后续轨道运营的数据支撑。
4.因此，为了解决上述技术问题，亟需提出一种新的技术手段。


技术实现要素：

5.有鉴于此，本发明的目的是提供一种轨道交通曲线轨道曲率测量方法，能够对轨道交通中的曲线轨道的曲率半径进行准确测试，为轨道交通的安全运营提供准确的数据支持，而且整个测试过程效率高，节约人力，有效避免测试中存在的安全隐患。
6.本发明提供的一种轨道交通曲线轨道曲率测量方法，包括以下步骤：
7.s1.基于车载激光雷达检测目标曲线轨道的点云数据；
8.s2.对点云数据进行精简处理，然后对精简处理后的点云数据进行滤波处理；
9.s3.对点云数据进行提取，提取出曲线轨道的边缘曲线，并基于边缘曲线进行拟合得到轨道中心线；
10.s4.基于曲线轨道中心线对曲线轨道的曲率进行计算。
11.进一步，步骤s2中，通过体素下采样法对点云数据进行精简处理：
12.s201.将车载激光雷达采集的点云数据输入至三维坐标系xyz中；
13.s202.确定点云数据在三维坐标系xyz的三个轴方向上的最大长度，分别为 l
x
、ly和lz；
14.s203.将点云数据划分为多个体素栅格，其中，体素栅格的边长l确定如下：
15.其中：η为体素栅格边长的比例因子，用于调整体素栅格的边长，v为单位体积的平均点云数据个数，s为比例系数，n为点云数据的数据点的总数；
16.s204.计算体素栅格的重心，并选择与体素栅格中心的欧氏距离小于设定阈值的点云数据点作为有效数据点进行保留。
17.进一步，步骤s2中，采用双边滤波法对精简处理后的点云数据进行滤波处理：
18.s211.将精简处理后的点云数据先进行统计滤波处理后再进行半径滤波处理；
19.s212.采用kd树对半径滤波处理后的点云数据建立拓扑关系，计算第i个数据点pi距离小于设定阈值的k个数据点组成k邻域集合n(pi)；
20.s213.采用最小二乘法将k邻域集合n(pi)以及第i个数据点pi拟合到平面r，并确定平面r的第i个数据点pi和第s个数据点ps的单位法向量ni和ns；
21.s214.确定出双边滤波因子μ；
22.s215.确定出双边滤波后的点云数据pi'：
23.pi'＝pi μni；且由pi'组成新的k邻域集合n'(pi)。
24.进一步，步骤s214中，通过如下方法确定双边滤波因子μ：
[0025][0026]
其中，《
·
,
·
》表示两个向量的内积，ws(x)和wr(x)分别表示空间加权因子函数和范围加权因子函数，且：
[0027]
σr表示范围加权因子的标准差，σs表示空间甲醛因子的标准差。
[0028]
进一步，步骤s4中，通过如下方法提取出曲线轨道的边缘曲线：
[0029]
s41.将k邻域集合n'(pi)采用最小二乘法进行拟合形成平面r'；
[0030]
s42.以第i个数据点pi'在平面r'上的投影点pi″
作为坐标原点，将投影点 pi″
和与数据点pi'欧式距离最近的数据点的投影点之间的连线作为u轴，以投影点pi″
的法向量ni′
作为n轴，根据右手定则确定出v轴建立坐标系；
[0031]
s43.以u轴为基准，计算k邻域集合n'(pi)中任一数据点在r'平面上的投影点与pi″
组成的向量与u轴之间的夹角θk，其中，k＝1,2,3，
…
，k；
[0032]
s44.将各个夹角按照升序进行排列，并计算在升序序列中相邻两个向量之间的夹角：
[0033][0034]
s35.筛选出相邻两个向量之间的夹角的最大值，如果该最大值大于设定的角度阈值，则当前投影点pi″
所对应的数据点pi′
为边缘点，否则，为非边缘点；
[0035]
s36.重复步骤s31-s35直至对k邻域集合n'(pi)每个数据点进行判断，并将所提取出的边缘点拟合形成边缘曲线。
[0036]
进一步，步骤s3中，对边缘曲线采用三次b样条曲线拟合方法进行拟合得到轨道中心线。
[0037]
本发明的有益效果：通过本发明，能够对轨道交通中的曲线轨道的曲率半径进行准确测试，为轨道交通的安全运营提供准确的数据支持，而且整个测试过程效率高，节约人力，有效避免测试中存在的安全隐患。
附图说明
[0038]
下面结合附图和实施例对本发明作进一步描述：
[0039]
图1为本发明的流程图。
具体实施方式
[0040]
以下结合说明书附图对本发明做出进一步详细说明：
[0041]
本发明提供的一种轨道交通曲线轨道曲率测量方法，包括以下步骤：
[0042]
s1.基于车载激光雷达检测目标曲线轨道的点云数据；
[0043]
s2.对点云数据进行精简处理，然后对精简处理后的点云数据进行滤波处理；
[0044]
s3.对点云数据进行提取，提取出曲线轨道的边缘曲线，并基于边缘曲线进行拟合得到轨道中心线；
[0045]
s4.基于曲线轨道中心线对曲线轨道的曲率进行计算，其中，曲线的曲率计算公式为现有技术，采用三次b样条曲线拟合方法对边缘曲线进行拟合得到轨道中心线，该方法属于现有技术，在此均不加以赘述；通过上述方法，能够对轨道交通中的曲线轨道的曲率半径进行准确测试，为轨道交通的安全运营提供准确的数据支持，而且整个测试过程效率高，节约人力，有效避免测试中存在的安全隐患。
[0046]
本实施例中，步骤s2中，通过体素下采样法对点云数据进行精简处理：
[0047]
s201.将车载激光雷达采集的点云数据输入至三维坐标系xyz中；
[0048]
s202.确定点云数据在三维坐标系xyz的三个轴方向上的最大长度，分别为 l
x
、ly和lz；
[0049]
s203.将点云数据划分为多个体素栅格，其中，体素栅格的边长l确定如下：
[0050]
其中：η为体素栅格边长的比例因子，用于调整体素栅格的边长，v为单位体积的平均点云数据个数，s为比例系数，n为点云数据的数据点的总数；
[0051]
s204.计算体素栅格的重心，并选择与体素栅格中心的欧氏距离小于设定阈值的点云数据点作为有效数据点进行保留，通过上述方法，能够在确保足够的数据量使得最终结果准确的同时，而且还能够简化后续处理过程以及时间，提升效率。
[0052]
本实施例中，步骤s2中，采用双边滤波法对精简处理后的点云数据进行滤波处理：
[0053]
s211.将精简处理后的点云数据先进行统计滤波处理后再进行半径滤波处理；
[0054]
s212.采用kd树对半径滤波处理后的点云数据建立拓扑关系，计算第i个数据点pi距离小于设定阈值的k个数据点组成k邻域集合n(pi)；
[0055]
s213.采用最小二乘法将k邻域集合n(pi)以及第i个数据点pi拟合到平面r，并确定平面r的第i个数据点pi和第s个数据点ps的单位法向量ni和 ns；
[0056]
s214.确定出双边滤波因子μ；
[0057]
s215.确定出双边滤波后的点云数据pi′
：
[0058]
pi′
＝pi μni；且由pi'组成新的k邻域集合n'(pi)；上述中，kd 树以及最小二乘法均为现有方法，在此不加以赘述，其中：
[0059]
步骤s214中，通过如下方法确定双边滤波因子μ：
[0060][0061]
其中，《
·
,
·
》表示两个向量的内积，ws(x)和wr(x)分别表示空间加权因子函数和范围加权因子函数，且：
[0062]
σr表示范围加权因子的标准差，σs表示空间甲醛因子的标准差；通过上述方法，能够有效确保最终结果的准确性。
[0063]
本实施例中，步骤s4中，通过如下方法提取出曲线轨道的边缘曲线：
[0064]
s41.将k邻域集合n'(pi)采用最小二乘法进行拟合形成平面r'；
[0065]
s42.以第i个数据点pi′
在平面r'上的投影点pi″
作为坐标原点，将投影点 pi″
和与数据点pi′
欧式距离最近的数据点的投影点之间的连线作为u轴，以投影点pi″
的法向量ni′
作为n轴，根据右手定则确定出v轴建立坐标系；
[0066]
s43.以u轴为基准，计算k邻域集合n'(pi)中任一数据点在r'平面上的投影点与pi″
组成的向量与u轴之间的夹角θk，其中，k＝1,2,3，
…
，k；
[0067]
s44.将各个夹角按照升序进行排列，并计算在升序序列中相邻两个向量之间的夹角：
[0068][0069]
s35.筛选出相邻两个向量之间的夹角的最大值，如果该最大值大于设定的角度阈值，则当前投影点pi″
所对应的数据点pi′
为边缘点，否则，为非边缘点；
[0070]
s36.重复步骤s31-s35直至对k邻域集合n'(pi)每个数据点进行判断，并将所提取出的边缘点拟合形成边缘曲线。
[0071]
通过上述方法，能够准确得出曲线轨道的边缘线，从而为最终的计算结果的精确性提供保障。
[0072]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。