【技术实现步骤摘要】
一种列车识别方法、电子设备及存储介质
[0001]本专利技术属于轨道交通
,具体涉及轨道交通信号系统
。
技术介绍
[0002]落石
、
动物等异物入侵对列车的安全行驶造成严重影响,因此可采用轨旁监测设备对轨行区进行异物监测
。
目前轨旁监测设备主要采用激光雷达或相机传感器,在对轨行区进行异物检测时,需要对正常经过的列车进行过滤,以免产生误报
。
[0003]激光雷达具有探测距离远,光照适应性强等特点,其点云分布具有近密远疏的特点
。
同时受轨旁监测设备安装位置
、
货运和客运列车外形差异
、
列车车窗反射率低等因素影响,激光雷达扫描出的列车点云不规则且稀疏,影响了列车的准确识别
。
技术实现思路
[0004]针对点云不规则且稀疏的列车识别问题,本专利技术所要解决的技术问题就是提供一种基于不规则点云的列车识别方法,解决不规则点云情况下列车的识别过滤
。
[0005]为解决上述技 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种基于不规则点云的列车识别方法,其特征在于,包括如下步骤:
S1:
获取列车经过区域无任何物体环境下完整的地面点云,把经过离散点处理和
roi
区域裁剪后的点云作为模板点云;
S2:
将待处理点云和模板点云分别进行栅格化处理,根据栅格划分进行地面点云缺失统计,将属于空缺区域的待处理网格记入集合
A{R
00
,
R
01
,R
02
,...,R
ij
}
,其中
R
ij
表示第
i
行
j
列的网格,并将集合
A
中的各网格之间进行连通域分析,计算各个连通域的面积,记录面积最大值为
Area
max
;
S3:
将待处理点云进行地面点和非地面点区分,对地面点进行铁轨的提取,记为
Points
rail
,非地面点云进行聚类分析,计算聚类后的点云中心坐标,记为
Center
i
,其中
i
为聚类出的第
i
类聚类簇点云,将
Center
i
和
Points
rail
都投影到
XOY
平面,分别记为
Center_xoy
i
,
Points_xoy
rail
;
S4:
记录非地面点云出现的时间
t0以及消失的时间
t1,并计算非地面点云存在的时间间隔
t
=
t1‑
t0;
S5:
判断待处理点云中是否有列车经过,如果
Area
max
数值大于面积阈值,
Center_xoy
i
的点都位于
Points_xoyt
rail
一侧,且时间间隔
t
小于时间阈值,则认为待处理点云中有列车经过
。2.
根据权利要求1所述的一种基于不规则点云的列车识别方法,其特征在于,模板点云制作包括如下步骤:
S11:
对监测区域无任何物体的环境进行
n
帧点云的采集,将多帧点云进行叠加;
S12:
对
cloud
进行均匀降采样处理,记为
cloud_resample,
同时为了去除点云的噪点,对
cloud_resample
进行离群点去除;
S13:
提取
cloud_resample
中的铁轨点云,对铁轨点云进行空间曲线拟合,分别记为
curve1,
curve2;根据
curve1和
curve2限制的轨行区,将
cloud_resample
进行点云的裁剪,记裁剪完的点云为
cloud_model。3.
根据权利要求1所述的一种基于不规则点云的列车识别方法,其特征在于,地面点云缺失统计方法为:统计待处理点云和模板点云对应网格中的点云数量差,根据设定的阈值判断待处理网格是否属于空缺区域
。4.
根据权利要求1所述的一种基于不规则点云的列车识别方法,其特征在于,
S2
包括如下步骤:
S21:
获取模板点云
cloud_model
中
x
方向及
y
方向的最大值和最小值,记为
max_x、min_x、max_y、min_y,
并将
x、y
方向的最值进行边界扩充,公式如下:
max_x_border
=
max_x+border+constant_xmax_y_border
=
max_y+border_constant_ymin_x_border
=
max_x+border_constant_xmin_y_border
=
max_y+border_constant_yS22:
根据
max_x_border、max_y_border、max_y_border、max_y_border
以及设定划分网格的步长,计算出
x
和
y
方向上的网格数量,将模板点云
cloudmodel
中
x∈[min_x_border,max_x_border]
,
y∈[min_y_border,max_y_border]
范围内的点进行网格划分,记为
grids_Model
技术研发人员:常春,孙瑞超,潘明富,李邺,尤新,
申请(专利权)人:浙江众合科技股份有限公司,
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。