轨道交通是城市公共交通系统的一部份, 以其高效、节能等优势, 已逐渐成为大中城市的主要交通工具。在建设上采用隧道和高架两种方式, 所以城市轨道交通享有专有路权, 并能避开路面的阻碍达到快捷运输的目的。无论是哪一种结构, 都需确保轨道交通线路净空安全。异物入侵事件具有发生突发性和巨大的破坏性, 严重危害国家财产和旅客们生命安全。入侵异物可分为以下几点:
1) 车站内乘客掉落于轨道上的个人物品;
2) 地面高架及隧道衔接段入侵的人员和动物;
3) 轨道两旁大楼飘落物及丢掷的垃圾等;
目前, 轨道交通异物入侵检测方法主要有接触式测量和非接触式测量两种, 其中接触式检测常用车载断面检测方式, 该方法需人工介入, 测量效率低, 面临淘汰;非接触式测量方法主要有数字图像处理和激光扫描两种方式, 相对于数字图像处理方式, 激光扫描方式无需放置反光棱镜, 能高密度、高分辨率获取扫描物体的点云数据, 同时对环境光线、温度都要求较低, 弥补了数字图像处理方法的缺陷, 作为轨道线路异物检测的新方法更为理想。
现有的基于激光扫描技术的铁路限界检测系统采用的均为三维激光扫描仪, 市场平均价格在300万人民币左右, 由于价格特别昂贵, 只能对少数特定重点线路路段检测, 无法普遍应用于所有线路, 实用性差;该类检测系统功能单一, 只能对轨道线路进行限界检测 (包括车辆限界、设备限界和建筑限界) , 无法对轨道线路上入侵的人员和掉落的异物进行检测, 以及对异物的位置进行标定。
本文提出的基于点云三维重构的轨道线路异物检测系统由二维激光扫描仪、步进电机、姿态位置传感器、点云三维重构软件、异物入侵自动检测软件等构成, 可实现轨道线路异物入侵非接触式检测, 与直接采用三维激光扫描仪进行检测的效果相当, 但比其节省成本90%以上, 且安装位置灵活。可用于轨道站台、隧道、高架、高架与隧道衔接段入侵的人员和掉落的异物长期定点扫描检测。检测系统结构图如图1所示。
1 三维点云数据的获取
1.1 坐标系转换
基于点云三维重构的轨道线路异物检测系统所使用激光扫描仪为二维扫描仪, 为得到场景的三维点云数据不仅需要对步进电机精确控制, 还要将激光扫描仪数据和惯性姿态仪数据在同一坐标系下高效融合, 文中引入激光扫描仪极坐标系、激光扫描仪直角坐标系、采集平台坐标系、轨面基准坐标系。
如图2所示, 激光扫描仪直角坐标系是以激光扫描仪极坐标系的原点作为原点Olaser, 以极坐标系的坐标平面作为XlaserOlaserZlaser坐标平面, 以极轴作为Xlaser轴, Ylaser轴垂直于Xlaser轴指向二维激光扫描仪正前方与轨道方向相同, Zlaser轴垂直于XlaserOlaserYlaser平面向上, 三轴构成右手坐标系。
如图2所示, 可以得出扫描区域水平面上激光扫描数据点M从激光扫描仪极坐标系到激光扫描仪本地直角坐标系的转换关系, 也就能得到空间数据点M在空间坐标系中的点坐标, 如方程 (1) 所示:
为了将激光扫描仪采集的二维坐标转化为三维坐标, 本系统利用步进电机带动激光扫描仪按照预定的步进角和角速度进行往返运动。当细分驱动器接收到一个脉冲信号时, 驱动步进电机转动一个固定的角度 (即步进角) 。根据实际对精度要求的不同, 可以选择不同的细分工作状态。
把激光扫描仪所在空间坐标系作为检测平台坐标系, 该坐标系各坐标轴与扫描仪直角坐标系各坐标轴都是同向的, 构成右手空间坐标系。姿态位置传感器可测量激光扫描仪的俯仰角φ, 结合被测物体与扫描仪之间的距离ρ与相对角度, 即可求得扫描点M在检测平台坐标系下的三维坐标, 如式2所示。姿态位置传感器另一个作用是对步进电机转过的角度进行检测, 并通过控制模块及电机控制器对转过的角度进行实时修正。
方程 (2) 式所得的是扫描点M相对于检测平台的坐标, 需要转化为轨面基准坐标系。在轨面基准坐标系ORail-XRailYRailZRail中:坐标原点为轨距中心点, XRailORailYRail与钢轨基准面重合, YRail轴指向列车前进方向, ZRail轴垂直于钢轨基准面向上。如下方程式 (3) 表示任一时刻下采集平台坐标系到轨面基准坐标系的转换。
其中△x、△y、△y为检测平台的坐标系的原点相对于轨面基准坐标系原点的三个平移量, 可通过安装时测得。
激光扫描仪直角坐标、检测平台的坐标系、轨面基准坐标系相互关系如图3所示, 针对不同的轨道线路特征, 设计有效的坐标修正算法, 实现坐标系的快速变换与映射。
1.2 多传感器数据时间配准
假设步进电机运动的同时激光扫描仪也进行扫描, 则扫描线的轨迹是ORailXRail轴和ORailYRail轴两个方向的合成, 在轨面基准坐标系的投影将不再与ORailXRail轴平行, 为此, 需要让电机控制器发送一个脉冲信号让步进电机完成一次转动之后静止等待激光扫描仪开始扫描, 当激光扫描仪完成一次扫描, 控制器才发送下一个脉冲信号让步进电机继续转动。因此需要让脉冲信号的频率、激光扫描仪采样频率、惯性姿态仪的采样频率相同。
本系统选用德国SICK公司的LMS511-10100型号激光雷达, 可调扫描数据输出频率最高为100Hz, 是指每隔10ms会获取一条扫描线 (或者一组激光点云) 的距离信息。惯性姿态仪采样频率为△fIMU=20Hz。本系统设置激光扫描仪数据输出频率为△fLaser=50Hz, 电机控制器发出脉冲信号的频率为△fMotor=50Hz, 所以直接选择数据输出频率高的激光扫描仪的观测时间序列作为基准, 把低数据率惯性姿态仪的观测数据推算到其上, 从而达到多传感器数据的时间配准, 则可实现二维点云数据向三维点云数据的转换。第n个时刻激光扫描仪空间坐标系到轨面基准坐标系的转换方程为:
2 点云数据的处理
2.1 点云数据的预处理
在获取点云数据的过程中, 由于扫描仪本身的限制或者扫描过程中外界环境因素对扫描目标的阻挡和干扰, 使得生成的数据往往带有大量的噪声点, 直接影响到数据的后期处理, 进而对异物的检测产生影响。庞大的点云数中也含有大量的冗余数据, 对存储、显示、传送以及后续处理等都带来了不便。因此, 为了得到目标场景准确的表面信息, 需要对扫描得到的点云数据进行预处理, 包括滤波优化、点云数据精简。
2.1.1 滤波优化
在激光扫描测量系统采集点云数据的过程中, 数据的采集是以多个断面的形式进行的, 因此对原始数据进行滤波也按照每个断面进行。我们采用李清泉等人提出的一中滤波算法, 如图4所示。
连续的激光扫描测量中, 在很小的时间段dt中, 测量的断面可近似为直线A0, 从每个断面采集数据点的第i个点开始进行线性滤波。
假设某一个断面采集了n个数据点, 当对点Si ( (n-2) >i>2) 进行滤波时, 先根据不同的测量环境选定参数值j (j的取值一般为2到5之间, j
如果Di满足式 (5) , 就滤去Si点。当Si位于两边界 (0
2.1.2 点云数据精简
经过滤波优化, 点云数据量依然很庞大, 在后续的重建过程中会减慢计算机运算速度, 而且会很难找到特征点, 影响异物的检测。考虑扫描线点云的事实情况是:在相邻点相距较远时, 即便夹角很小, 弦高也可能很大;当相邻点相距很近时, 即使弦高很小, 角度也可能很大, 所以应同时使用角度和弦高两种误差来判断是否需要对某数据点进行精简。
Step6:判断是否所有的扫描线均已经取完, 如果没有则取下一条扫描线, 转Step2, 若已取完则说明点云数据精简结束。
2.2 三维重构
扫描仪采集得到的原始点云数据经过预处理步骤, 已能够提取出完整且平滑的扫面场景的空间数据点集, 但不能直观的准确的表示实际物体和场景的表面。为了便于增加模型真实感以及便于渲染, 系统将采用三角网格模型来表示整个场景模型, 建网后的模型可以很好的逼近异物或场景的表面。
本系统中二维激光扫描仪的运动基本为线性的, 具有较强规律性, 因此其得到的数据是结构化的。相邻两条扫描线之间存在着矩形网格状的邻域关系, 则可利用该相邻列关系直接构造三角网格。系统选用了一种最简单实用的三角网格生成方法进行场景的三角网格生成。该方法原理简单描述如下:在相邻的两条扫描线中需要相邻的四个点间生成三角网格。如图6所示, 设A和B为前i组扫描序列中的j和j+1个扫描点, C和D分别为第i+1组扫描序列中的j和j+1个点, 则由网格生成原理可知, 应在A、B、C和D之间连接生成三角网格。连接前首先比较边AD与边BC的长度, 取其中短的边作为两个三角形的分界线。这样可以避免生成细长的三角形, 减小了锯齿效应走样的几率, 确保了渲染以及贴图的效果。
3 异物入侵识别
定位精准的步进电机保证相邻扫描断面间隔是相等的, 在进行入侵判断时, 就不用考虑YRail轴方向坐标分量, 从而对入侵异物的检测由三维空间简化到二维平面, 即只需要在轨面基准坐标系的每个竖直平面内用背景差分法判断是否有异物入侵。
背景差分法的基本思想是首先构建背景模型, 当异物入侵扫描区域时, 将不同断面曲线特征点与该特征点在背景曲线上的投影点作差, 若高度Z差值大于设定好的阈值, 则判断此时有异物入侵, 其原理的数学表达式为:
R (x, y, z) =F (x, y, z) -G (x, y, z) (6)
式 (6) 中:F (x, y, z) 是当前点云;G (x, y, z) 是背景点云。对背景差分结果进行二值化处理, 数学表达式描述为:
式 (7) 中:T是某个高度阈值, 它的大小决定了识别目标的灵敏度;R (x, y, z) 的值为1的区域就是检测到的异物区域。
由于轨道平面内异物入侵情况较为复杂, 除了要检测入侵的异物外, 还需要剔除正常通过的列车, 所以我们选择陈凤东等人提出的一种基于动态阈值背景差分算法, 可以根据有无列车通过对阈值动态更新, 其原理为:在背景差分法的基础上增加一个动态阈值ΔT, 其数学表达式描述如下:
式 (9) 中的λ为抑制系数, 它可以根据实际应用的需求设置为某个值, 其参考值取2;M×N表示扫描区域的大小, M×N数值结果表示检测区域的特征点个数。ΔT反映了环境的整体变化情况, 当没有列车经过时, 动态阈值ΔT是一个很小的值, 扫描区域特征点数量巨大, ΔT将趋近于0。当有列车经过时, 则动态阈值ΔT将明显增大, 这就有效地抑制了列车经过的影响。利用二值化后的坐标信息, 可对异物的位置在重构后的表面进行标定, 并生成相关报表。
4 结语
基于点云三维重构的轨道线路异物检测系统利用二维激光扫描仪与步进电机等相互配合, 实现了三维激光扫描仪的扫描效果, 降低了轨道公司的整体运营成本, 有利于大面积安装, 对特定的城市轨道线路成网络化监控, 完成对入侵异物的检测, 及时排查安全隐患, 避免危害行车安全的情况出现。因此, 本文研究成果具有较好的实用和经济价值。
摘要：安全是保障城市公共交通快捷、便利、顺畅的关键。本文利用二维激光扫描仪、步进电机、姿态传感器等构建了城市轨道线路异物入侵检测系统。该系统将二维点云数据与姿态传感器数据融合, 获得三维空间点云;对点云数据预处理后完成扫描区域三维重构;最后运用动态阈值背景差法, 将实时的三维重构结果与标定背景进行对比, 检测该区域是否有异物入侵。
关键词：轨道交通营运安全,点云三维重构,异物入侵检测0,引言
参考文献
[1] 斯海林, 李标, 邓天民.城市3DGIS实景采集中多传感器的时空配准研究[J].公路与汽运, 2013 (4) :84-88.
[2] 李清泉, 李必军.激光雷达测量技术及其应用研究[J].武汉测绘科技大学学报, 2000, 25 (5) :387-392.
[3] 李新, 王细洋.基于扫描线的三维激光扫描数据精简算法[J].机械设计, 2010 (4) :17-20.
[4] 李寒.基于激光扫描数据的三维场景重建技术的研究[D].大连理工大学, 2006.
[5] 陈凤东, 洪炳镕.基于动态阈值背景差分算法的目标检测方法[J].哈尔滨工业大学学报, 2005, 37 (7) :883-884.