一种基于多线结构光点云数据的轮对尺寸测量方法技术

本发明专利技术公开了一种基于多线结构光点云数据的轮对尺寸测量方法。该方法为：首先通过安装在车辆段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据，并将数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类；然后通过随机一致性采样算法，拟合轮对的外侧面，作为轮对尺寸测量的基准平面；接着依据基准平面，在三维多线点云数据中确定踏面特征点，通过踏面特征点拟合滚动圆，得到轮对轮径参数；最后基于基准平面法向量和滚动圆圆心，确定轮对转动轴，并通过轮对转动轴和踏面点云建立辅助平面，获得轮对的二维截面轮廓线，在轮对的二维截面轮廓线上，获得轮对的轮缘参数。本发明专利技术提高了轮对尺寸测量的精度和鲁棒性。度和鲁棒性。度和鲁棒性。

【技术实现步骤摘要】
一种基于多线结构光点云数据的轮对尺寸测量方法


[0001]本专利技术涉及城轨列车轮对尺寸自动检测
，特别是一种基于多线结构光点云数据的轮对尺寸测量方法。

技术介绍

[0002]随着城轨列车的数量不断增长，运行里程不断增大，对城轨列车运行安全要求也更加严格。轮对是城轨列车行走部的关键部件，保障着列车的运行安全和乘客乘车体验。作为列车与轨道直接接触的重要部件，列车在行驶过程中加速、制动、转向所产生的挤压、摩擦和冲击都直接作用在轮对上。轮对的尺寸结构在不断受到磨损，当其机械结构及尺寸变形超出某个范围时，就会产生安全隐患。因此，需要及时对轮对进行检测，保障其结构尺寸在安全范围内，进而保障列车的运行安全。
[0003]西南交通大学和主导科技联合研发了轮对在线检测系统LY系列轮对故障检测系统，该系统运用线结构光测量技术实现了轮对尺寸的测量，同时整合超声波等技术，实现了踏面擦伤等更多的故障检查功能，系统自动化检测程度高、功能完备，但结构复杂、成本高，不利于广泛推广。冯其波2017年的专利技术专利《基于结构光的车轮多参数在线测量系统及其测量方法》公开了基于多线结构光的轮对测量装置，但其测量方法精确程度较低，轮对尺寸测量的精度有待提高。

技术实现思路

[0004]本专利技术的目的在于提供一种能够适应于现场运行环境、测量速度快、抗干扰能力强、测量精度高的基于多线结构光点云数据的轮对尺寸测量方法。
[0005]实现本专利技术目的的技术解决方案为：一种基于多线结构光点云数据的轮对尺寸测量方法，包括以下步骤：
[0006]步骤1、通过安装在车段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据；
[0007]步骤2、将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类；
[0008]步骤3、依据步骤2中的分类后的三维多线点云数据，通过随机一致性采样算法，拟合轮对的外侧面，作为轮对尺寸测量的基准平面；
[0009]步骤4、依据步骤3中的基准平面，通过滚动圆的定义，在三维多线点云数据中确定踏面特征点，并通过踏面特征点拟合滚动圆，得到轮对轮径参数；
[0010]步骤5、基于步骤3中的基准平面法向量和步骤4的滚动圆圆心，确定轮对转动轴；
[0011]步骤6、通过轮对转动轴和踏面点云建立辅助平面，获得轮对的二维截面轮廓线；
[0012]步骤7、在轮对的二维截面轮廓线上，获得轮对的轮缘参数。
[0013]本专利技术与现有技术相比，其显著优点在于：(1)基于多线结构光点云数据，能够适应于现场动态运行环境、测量速度快、抗干扰能力强；(2)结合轮对结构特征进行三维测量，
测量理论成熟，精度高；(3)利用了大量的多线结构光三维点云数据，能够有效避免随机误差。
附图说明
[0014]图1为本专利技术一种基于多线结构光点云数据的轮对尺寸测量方法的流程示意图。
[0015]图2是本专利技术中硬件位置敷设的结构示意图。
[0016]图3为本专利技术中的轮对尺寸测量原理图及轮对各特征的空间结构示意图。
[0017]图4为本专利技术实例中外侧基准平面拟合结果曲线图。
[0018]图5为本专利技术实例中轮对滚动圆拟合结果及轮径参数计算结果示意图。
[0019]图6为本专利技术实例中用于二维轮廓截面提取的辅助平面示意图。
[0020]图7为本专利技术实例中二位截面轮廓曲线提取前的三维截面轮廓和提取后的二维截面轮廓的数据曲线图。
[0021]图8为本专利技术实例中的局部曲线拟合结果和特征点提取结果曲线图。
具体实施方式
[0022]下面结合附图和实施例对本专利技术做进一步的说明。
[0023]结合图1，本专利技术一种基于多线结构光点云数据的轮对尺寸测量方法，步骤如下：
[0024]步骤1、通过安装在车段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据；
[0025]步骤2、将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类；
[0026]步骤3、依据步骤2中的分类后的三维多线点云数据，通过随机一致性采样算法，拟合轮对的外侧面，作为轮对尺寸测量的基准平面；
[0027]步骤4、依据步骤3中的基准平面，通过滚动圆的定义，在三维多线点云数据中确定踏面特征点，并通过踏面特征点拟合滚动圆，得到轮对轮径参数；
[0028]步骤5、基于步骤3中的基准平面法向量和步骤4的滚动圆圆心，确定轮对转动轴；
[0029]步骤6、通过轮对转动轴和踏面点云建立辅助平面，获得轮对的二维截面轮廓线；
[0030]步骤7、在轮对的二维截面轮廓线上，获得轮对的轮缘参数。
[0031]进一步地，步骤1所述通过安装在车辆段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据，结合图2，具体如下：
[0032]所述安装在车辆段正线上的多线结构光测量系统，包括车轮内外两侧的采集模块，每侧采集模块包括相机和多线激光发射器，内外两侧采集模块的设备安装关于轨道镜像对称；所述相机仰角为45
°
，光心位置和轨腰平齐，和轨道水平距离20cm；所述多线激光发射器与同侧相机高度相同，和同侧相机平行于轨道设置，距离同侧相机35cm。
[0033]进一步地，步骤1所述的所述的通过安装在车辆段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据，具体如下：
[0034]步骤1.1、标定相机参数；
[0035]步骤1.2、标定多线结构光的光平面方程；
[0036]步骤1.3、列车经过时多线激光发射器和相机工作，得到轮对多线结构光图片；
[0037]步骤1.4、对原始图片进行处理，通过光平面方程将激光的二维图像转换为三维多线点云数据。
[0038]进一步地，步骤2所述将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类，结合图3，具体如下：
[0039]步骤2.1、设定Φ为轮对表面，外侧多线结构光平面按照从上往下依次为π1、π2、
…
、π
k
；
[0040]步骤2.2、将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类，将第i条线结构光平面上的结构光点云数据使用集合Q
i
保存，其中0<i<k，测量坐标系中Q
i
满足：
[0041]Q
i
＝{q|q＝(x,y,z),q∈Φ,q∈π
i
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0042]其中，π
i
表示第i个光平面方程，Φ表示轮对表面；
[0043]步骤2.3、将所有三维多线点云数据使用一个集合Q0表示，Q0满足：
[0044]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，包括以下步骤：步骤1、通过安装在车段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据；步骤2、将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类；步骤3、依据步骤2中的分类后的三维多线点云数据，通过随机一致性采样算法，拟合轮对的外侧面，作为轮对尺寸测量的基准平面；步骤4、依据步骤3中的基准平面，通过滚动圆的定义，在三维多线点云数据中确定踏面特征点，并通过踏面特征点拟合滚动圆，得到轮对轮径参数；步骤5、基于步骤3中的基准平面法向量和步骤4的滚动圆圆心，确定轮对转动轴；步骤6、通过轮对转动轴和踏面点云建立辅助平面，获得轮对的二维截面轮廓线；步骤7、在轮对的二维截面轮廓线上，获得轮对的轮缘参数。2.根据权利要求1所述的基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，步骤1中所述的安装在车辆段正线上的多线结构光测量系统，具体如下：所述安装在车辆段正线上的多线结构光测量系统，包括车轮内外两侧的采集模块，每侧采集模块包括相机和多线激光发射器，内外两侧采集模块的设备安装关于轨道镜像对称；所述相机仰角为45
°
，光心位置和轨腰平齐，和轨道水平距离20cm；所述多线激光发射器与同侧相机高度相同，和同侧相机平行于轨道设置，距离同侧相机35cm。3.根据权利要求1所述的基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，步骤1所述的通过安装在车辆段正线上的多线结构光测量系统，获取运行列车轮对表面的三维多线点云数据，具体如下：步骤1.1、标定相机参数；步骤1.2、标定多线结构光的光平面方程；步骤1.3、列车经过时多线激光发射器和相机工作，得到轮对多线结构光图片；步骤1.4、对原始图片进行处理，通过光平面方程将激光的二维图像转换为三维多线点云数据。4.根据权利要求1所述的基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，步骤2中所述的将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类，具体如下：步骤2.1、设定Φ为轮对表面，外侧多线结构光平面按照从上往下依次为π1、π2、
…
、π
k
；步骤2.2、将运行列车轮对表面的三维多线点云数据按照不同的线结构光与轮对表面相交的截面轮廓进行分类，将第i条线结构光平面上的结构光点云数据使用集合Q
i
保存，其中0<i<k，测量坐标系中Q
i
满足：Q
i
＝{q|q＝(x,y,z),q∈Φ,q∈π
i
}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，π
i
表示第i个光平面方程，Φ表示轮对表面；步骤2.3、将所有三维多线点云数据使用一个集合Q0表示，Q0满足：Q0＝Q1∪Q2∪
…
∪Q
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)。5.根据权利要求1所述的基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，步骤3中所述的依据步骤2中的分类后的三维多线点云数据，通过随机一致性采样算法，拟
合轮对的外侧面，作为轮对尺寸测量的基准平面，具体如下：步骤3.1、设定轮对外侧基准面的平面方程为：z＝ax+by+c
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)其中，a，b，c为平面方程参数；步骤3.2、在Q0中随机选取三点{p1(x1,y1,z1)、p2(x2,y2,z2)、p3(x3,y3,z3)}；步骤3.3、通过{p1(x1,y1,z1)、p2(x2,y2,z2)、p3(x3,y3,z3)}确定一个平面S，通过式(4)确定平面方程参数；步骤3.4、设定Q0中距离平面S不大于阈值ε的三维多线点云数据点为平面S的内点，假设Q0中任一三维多线点云数据点p
i
(x
i
,y
i
,z
i
)∈Q0与平面S的距离为d
i
，公式为：记录满足d
i
≤ε的内点数量；步骤3.5、重复步骤3.1～步骤3.4循环K次，选择内点最多的平面作为最佳拟合平面S
*
，对应的内点集合为最佳内点集合P*，其中迭代次数K通过式(6)计算：其中，m为Q0中三维多线点云数量，n为三维多线点云中符合平面特征得数量，φ拟合得到平面得期望概率，其取值范围为[0.95，0.99]；令τ＝n/m，m、n足够大时，式(6)变换为：1
‑
(1
‑
τ3)
K
＝φ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)6.根据权利要求1所述的基于多线结构光点云数据的轮对尺寸测量方法，其特征在于，步骤4中所述的依据步骤3中的基准平面，通过滚动圆的定义，在三维多线点云数据中确定踏面特征点，并通过踏面特征点拟合滚动圆，得到轮对轮径参数，具体如下：步骤4.1、确定每个外侧面轮廓中的踏面基点：由车轮轮对外侧基准面的平面方程式(3)和轮辋宽度W，从外侧各线结构光三维轮廓数据集合Q
i
中，筛选出最接近踏面基点的点云数据：p1、p2、
…
、p
n
，其中p
i
(x
i
,y
i
,z
...

【专利技术属性】
技术研发人员：张艺珲，冯献昂，周健，郑帅，李军，张永，谢志鸿，
申请(专利权)人：南京理工大学，
类型：发明
国别省市：