【技术实现步骤摘要】
一种基于三维点云的列车部件变形检测方法
[0001]本专利技术涉及列车部件变形故障检测
,具体涉及一种基于三维点云的列车部件变形检测方法。
技术介绍
[0002]随着物联网、信息技术、5G技术、人工智能和大数据技术在城市轨道交通行业的应用,极大提高了我国城市轨道交通的智能化水平。“智慧地铁”的身影在进出站随处可见,乘客可以轻松享受“数字交通”。然而,在乘客无法感知的另一面,地铁巡检的方式还是以人工作业为主,即检修工人到地铁停运点通过眼睛来检查,由于地铁列车底部结构复杂,检测部件数目和种类繁多,工人检修易受外部环境和心理因素的影响,导致列车检修速度慢,漏检率较高、检修准确度不高以及检修成本高,最终影响列车的运营安全。因此,很有必要通过结合当下的前沿技术,如计算机视觉、人工智能和异常检测开展列车智能化检修。
[0003]目前基于机器视觉的大量应用在民生和工业领域落地,在民生领域有交通违规拍摄、重点区域刷脸门禁、医学辅助诊断以及电影特效制作等项目,为人民安居乐业提供安全保障以及人们便利、丰富的生活方式。在工业领域,机器视觉可以说是工业自动化系统的灵魂之窗,从物件/条码辨识、产品检测、外观尺寸量测到机械手臂/传动设备定位,都是机器视觉技术可以发挥的舞台。而机器视觉对于轨道交通的故障检测,现在也被提上日程,成为了研究的热点。而基于机器视觉的故障检测处于发展阶段,大部分的故障检测算法都是基于2D图像进行检测的,这类检测方法对硬件的要求较低,算法扩展性强,能够针对大部分部件完成检测,并且图像采集简单快速,易于传输与处 ...
【技术保护点】
【技术特征摘要】
1.一种基于三维点云的列车部件变形检测方法,其特征在于,所述检测方法包括如下步骤:S1、数据采集:列车巡检小车自动定位到指定位置,通过机械臂上的三维工业相机采集箱体的二维图像和三维点云;S2、采用PP
‑
PicoDet检测模型结合二维图像与三维点云映射关系,定位三维点云空间中的箱体点云;S3、基于深度信息和MLESAC区域分割算法分割箱体点云得到箱体平面的目标点云P
o
;S4、基于SAC
‑
IA和NonLinearICP算法将获得的箱体的目标点云P
o
和数据库中预先保存的模板点云P
t
进行配准;S5、箱体变形判断;S6、箱体变形定位。2.根据权利要求1所述的基于三维点云的列车部件变形检测方法,其特征在于:所述步骤S2具体包括如下步骤:S21:加载已经训练好的PP
‑
PicoDet目标检测模型,在二维图像中对箱体进行目标检测,获得箱体边界框的二维坐标;S22:将检测到的二维坐标映射到三维点云中,获取箱体目标点云P
o
。3.根据权利要求1所述的基于三维点云的列车部件变形检测方法,其特征在于:所述所述步骤S3具体包括如下步骤:S31:利用点云深度信息过滤掉除箱体之外的大量环境点云;S32:采用基于法线的点云双边滤波方法来对点云数据预处理,进一步去除环境点云;S33:使用MLESAC算法检测点云集合中的全局最优平面模型,同时进一步剔除环境点云等外点,输出符合所求平面模型的内点。4.根据权利要求1所述的基于三维点云的列车部件变形检测方法,其特征在于:所述步骤S4具体包括如下步骤:S41:设置三维体素栅格尺寸Δl,完成对模板点云P
t
下采样,减少检测过程的计算量;S42:利用SAC
‑
IA算法对目标点云和模板点云的粗配准,得到初始旋转矩阵和平移向量;S43:输入初始旋转矩阵以及平移向量,采用NonLinearICP算法对两点云进行精配准,获取最终的旋转矩阵和平移向量,以及两点云之间的匹配点对数N
p
,其中将目标点云经过空间变换得到的点云记为配准点云P
r
。5.根据权利要求1所述的基于三维点云的列车部件变形检测方法,其特征在于:所述步骤S5具体包括如下步骤:S51:获取得到的目标点云P
o
和模板点云P
t
的匹配点对数N
p
,以及根据目标点P
o
云的数量设定匹配点对数阈值T
match
,T
match
=N/λ,N是目标点云P
o
中点的个数;S52:计算箱体模板点云与目标点云匹配点之间的均方根RMSE,通过T
match
和RMSE两个评价参数完成箱体变形的逻辑判断。当匹配点数N
p
...
【专利技术属性】
技术研发人员:秦娜,杜元福,刘佳辉,周期,谢林孜,
申请(专利权)人:西南交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。