[发明专利]基于车载LiDAR的铁路接触网提取分类的方法

说明书

本发明公开了一种基于车载LiDAR的铁路接触网提取分类的方法，其包括采用基于空间距离属性的聚类分割算法分割出非地面点云数据；采用多尺度自适应特征分类算法对非地面点数据进行粗分类；采用DBSCAN算法对粗分类得到的点云数据进行聚类，并统计每个聚类簇中点云的数量，保留点云的数量最多的前三个聚类簇；获取三个聚类簇中每个点云在Z方向上的值，计算每个聚类簇在Z方向的Z均值，并将Z均值最大的聚类簇作为承力索点云数据；以承力索点云数据为参考，计算另外两个聚类簇的点云数据与承力索点云数据在XOY平面上的欧式距离；采用欧式距离较小的聚类簇作为接触线点云数据，另外一个聚类簇作为回流线点云数据。

技术邻域

本发明属于铁路接触网检测技术，具体涉及一种基于车载LiDAR的铁路接触网提取分类的方法。

背景技术

随着铁路电气化发展的突飞猛进，铁路牵引电力设备的可靠性和安全性是一个重点研究的问题。其中传统铁路接触网检测的方法是：工作人员提交天窗线路封锁申请，携带测量仪器，上线上道逐点测量几何参数。测量现场安全隐患较多，给防控带来了很多难题，并占用天窗较多，检测时间长，对铁路运输影响较大。

发明内容

针对现有技术中的上述不足，本发明提供的基于车载LiDAR的铁路接触网提取分类的方法解决了人工对铁路接触网进行检测效率低的问题。

为了达到上述发明目的，本发明采用的技术方案为：

提供一种基于车载LiDAR的铁路接触网提取分类的方法，其包括：

S1、获取基于车载LiDAR的铁路接触网点云数据，并采用基于空间距离属性的聚类分割算法分割出非地面点云数据；

S2、采用多尺度自适应特征分类算法对非地面点数据进行粗分类；

S3、采用DBSCAN算法对粗分类得到的点云数据进行聚类，并统计每个聚类簇中点云的数量，保留点云的数量最多的前三个聚类簇；

S4、获取三个聚类簇中每个点云在Z方向上的值，计算每个聚类簇在Z方向的Z均值，并将Z均值最大的聚类簇作为承力索点云数据；

S5、以承力索点云数据为参考，计算另外两个聚类簇的点云数据与承力索点云数据在XOY平面上的欧式距离；

S6、采用欧式距离较小的聚类簇作为接触线点云数据，另外一个聚类簇作为回流线点云数据。

本发明的有益效果为：通过基于空间距离属性的聚类分割算法能够结合铁路场景空间特征，将具有垂直空间特性的铁路场景点云数据进行地面点和非地面点的分割；多尺度自适应特征分类算法能够识别点云在三维空间中所呈现出的几何结构分布特征，并保留呈线性分布特征的点云数据；之后基于DBSCAN的分类算法再次对粗分类的数据进行聚类，逐渐排除干扰的点云，再基于高程确定铁路接触网的三条线。

基于点云的三维坐标即可获得铁路接触网每点的几何参数，不需要检测人员携带测量仪器上线上道逐点测量，降低工人劳动强度的同时，还降低了人为测量存在的安全隐患。

附图说明

图1为基于车载LiDAR的铁路接触网提取分类的方法的流程图。

图2为分割出来的非地面点数据。

图3为多尺度自适应特征分类算法进行粗分类后的结果。

图4为数据集做点云邻域密度统计得到的分布图。

图5为通过启发式方法绘制的升序k-dist图。

图6为采用DBSCAN算法对粗分类后的进行精分类后得到的三个数据集。

图7为采用本方案的方法分类完成后得到的4类别的效果图。

具体实施方式