铁路线路点云数据可视化重构方法研究

铁路线路点云数据可视化重构方法研究

段晓峰1，韩 峰2，李良英1，魏 朋3

(1.兰州交通大学土木工程学院，兰州 730070；2.兰州交通大学测绘与地理信息学院，兰州 730070；3.兰州市城市建设设计院，兰州 730050)

摘 要：针对地面激光扫描仪外业获取的海量线路点云数据，核心解决线路点云的专业化处理与利用问题。结合铁路线路技术特征，进行线路点云预处理研究，主要包括线路点云数据配准、采用基于几何特征的传统分割方法结合CCD影像信息进行线路点云数据分割，再经过除噪平滑处理后，对离散点云数据集进行封装处理，进而为后续正向CAD设计数据的提取提供基础操作模型。提出线路点云可视化对象重构方法，基于离散数据点曲率为主的几何特性估算，初步判定线路主点及变坡点信息，进而在不同主点范围内，通过特征截面的构造获取线数据和面数据。重构的线路点云数据符合正向设计习惯，基于此获得的连续钢轨走行面数据可用做线路几何形位判别指标的基础数据。

关键词：线路设计；点云；设计特征；特征截面

现代铁路工程在秉承传统铁路工程体量庞大的工程特性的基础上，因提速引发的工程系统耦合性明显增加，在技术、组织和管理精细化分工的同时，对于铁路工程系统属性(包括地形信息属性、线路空间结构属性、个体工程属性等)的数据需求提出了全生命周期内的数据整合要求，即工程空间实体数据的实时性、联合性。传统的稀疏目标点高精度数据采集模式从理论、设备到应用非常成熟，但以二维影像出发理解三维客观世界，存在自身的局限性，线路勘测作为铁路工程数据源，需要引入和现代铁路工程特性相匹配的数据采集新技术。

激光扫描技术以其强大的实景复制功能契合了现代工程对结构物的三维系统属性实时描述需求，因而获得了快速发展。激光扫描技术源自逆向工程设计，根据已经存在的产品模型，反向推出产品的设计数据的过程。激光扫描得到的测量点数据是一系列目标结构物表面的三维数据点，这些个空间点坐标的集合叫做点云，包括点的空间坐标及反射强度值。

目前，国内已有学者应用激光扫描技术在道路与铁路建设领域进行了初步研究，从工程点云数据的采集、识别、分析及初步利用几个方面对该技术进行试验分析，主要研究成果集中在基于地面激光扫描技术的铁路[1-8]、道路[9-10]、地铁[11]等专业点云数据采集及三维重建技术，核心解决了本专业激光扫描技术外业施测方法和点云数据后处理的基本流程的构架。但为了和传统正向设计过程及基于此的一整套建设管理模式相适应，还需要对海量专业点云数据进行“提纯”，即正向设计数据重构，以提高激光扫描技术在专业应用中的成熟度和现实性。对于铁路线路而言，点云数据量随线路长度增加可达到百万甚至上亿等级，如何配合工程精度要求快速提取线路轨道特征，尤其是轨距、道床断面、曲率等要素的提取方法研究对于点云数据在轨道结构静态检测中的应用具有十分重要的作用。

1 线路点云预处理技术

由于铁路线路本身属于大型带状结构物，扫描结构材料特性也不相同，钢轨、轨枕、道床及其他结构物之间发射特性区别较大，因此对于线路的激光扫描预处理技术会与其它结构的预处理存在较大差异，不同于普通逆向工程技术，其预处理关键技术是点云数据配准、数据分割以及数据简化。

1.1 线路点云数据配准

基于铁路长带状属性，地面激光扫描仪在满足测量精度前提下的扫描范围有限，因此需要多次设站采集数据。通过现场布置标靶，可将分站数据转换到统一坐标系下，实现相对定向。同时结合预先控制网坐标，可进一步将点云数据回归大地坐标，实现绝对定向。在这一过程中，根据现场试验，外业宜采用球形标靶进行配准，内业计算核心解决球形标靶中心解算、求取坐标转换参数及获取配准误差传播模型。

(1)球形标靶中心解算

试验中选用激光扫描仪自带的球型磁性标靶(部分地段因架设安全问题设有平面标靶)进行配准作业，区域重合度要求不小于15%，两相邻测站间公用标靶数不小于3个。在后处理过程中采用交互式的方法，在标靶的点云数据模型上任意选取N个不共面的点，已知这i个点的空间坐标为pi=(xi，yi，zi)(i=1，2，3，4)，设球心的空间坐标为p0=(x0，y0，z0)，球体半径R，则有

这样就可以求解出球心的坐标。

(2)求取坐标转换参数

试验中采用七参数法求取转换参数。假设两幅具有一定重叠度的点云数据S1和S2，其同名区域的数据点分别为pi=(xi，yi，zi)和pj=(xj，yj，zj)，如果选择S1为转换指定坐标系，则坐标点相互转换关系可以用式 (2) 表示

式中，φ、ω、κ为旋转参数；Δx、Δy、Δz为平移参数；λ为引入的尺度变换参数，在采用统一扫描仪或者短距离时可以不予考虑，故而可简化为三点法来完成7个转换参数的求解。

因在试验中，仪器架设间距远小于标定测程，故而配准误差很小，其累计传播路程又短，故而不考虑配准误差传播。图1为试验提取的球形标靶中心以及点云配准示意。

图1 线路点云数据配准示意

1.2 线路点云数据分割

将点云中具有相似属性的点集划分到特征单一 、互不重叠的连通子区域称为点云分割。铁路线路轨道结构因功能要求需分层构建，各层材质、几何尺寸及物理特性差别很大，对于测量的精度要求差异较大，因此需要将点云数据有效分割，分成钢轨、轨枕、道床、路基及个体工程等地物。线路点云分割算法主要有以下3种实现方法。

(1)根据几何空间的拓扑连续性进行点云分割，可采用基于边界的分割技术、基于区域生长的分割技术，以及混合边界和区域生长的技术。混合技术是目前一种主要的数据处理分析方法。

(2)通过在地面激光扫描仪上安装CCD相机，获得同步彩色图像，采用点云与CCD图像外部定标的方法，将点云定标到CCD图像上， 再通过图像分割的方法实现快速提取感兴趣目标区域内的点云。该方法目前较为流行，但还需考虑图像投影误差的影响做进一步算法调整。

(3)从特征聚类的角度对点云数据进行分割， 通过量化向量值 (包括数据点坐标、法向量 、曲率等 )为一类，或者将特征值转换到指定的参数空间，把具有相似几何特征的数据点聚在参数空间进行局部数据点的聚类分析。

结合线路点云实测数据，可采用基于几何特征的传统分割方法结合CCD影像信息进行分割处理。

1.3 线路点云数据简化

噪声点是指模型表面粗糙的、非均匀的外表点云，它严重地影响了点云数据的精确性和光顺性，通过减噪处理，进行数据平滑，可以有效降低模型在这些偏差点处的偏差值。测量噪声可以分为两类：一类是幅值大数量少的噪声“坏点”，即失真点，通常是由测量设备的标定参数突然发生改变或测量环境突然变化造成的；另一类是幅值小范围广规律性强的噪声“毛刺”，通常是由测量设备工艺水平的不完善、测量机理的偏差、环境因素的微小变化等因素造成的。

线路点云数据简化包括除噪和去冗两部分。线路点云除噪主要目的是消除外业数据采集过程中仪器因脉冲波发送造成的轻微抖动带来的模型表面非均匀的粗糙外表点云。对于铁路检测的超高密度点云数据，为了尽可能保护图像尖锐的边缘以不损失其几何特征，宜采用中值滤波方式进行平滑处理。线路点云去冗首先需要在可视化操作界面对非线路主体数据进行初步剔除，然后对主体轨道结构临近点进行NURBS曲面片拟合，对于线属性的钢轨根据曲率删除低曲率的点(简化直线段数据量，同时脊部特征点保存较好)，对于面属性的轨枕、道床等需要根据网格对数据点云进行空间划分，按照最近点原则进行数据保留。点云除噪效果对比见图2。

图2 点云除噪效果对比

经过上述处理的线路点云依然是没有任何拓扑信息的离散点数据集，需进行封装处理，其核心是通过三维空间直接构建三角网格面来逼近还原CAD实体模型，线路点云数据进行封装是线面重构的基础。

经过上述预处理后，线路点云由散点模型变为封装的三角数据模型，为后续正向CAD设计数据的提取提供了操作基础模型。

2 线路点云可视化对象重构方法研究

2.1 线路点云数据特征识别方法

离散曲线的几何特性估算是三维点云数据处理中的基础工作，根据安毅[12]研究提出的一种基于离散导数的离散曲线几何特性估算新方法，将普通参数化曲线的几何特性与离散导数相结合，给出了离散曲线几何特性的定义，定义的离散导数和离散曲线的几何特性不依赖于任何光滑曲线模型，且可从离散点中直接求得，提取的特征点较为细致，具有较高的准确性，有较好的普适性，对三维点云数据的处理起到很大的作用，为环境识别打下了良好的基础。

因此，铁路线路点云在消除冗余后，即可对离散数据点进行曲率为主的几何特性估算，初步判定线路主点及变坡点信息。目前，普速铁路多采用空间三次抛物线型为缓和曲线线型，故而，通过几何C2不连续即可实现主点位置判断。首先估算出每个离散点的主曲率和主方向，通过对主曲率极值和零交叉值的提取来实现C0不连续点和C1不连续点的识别，然后，在余下区域，利用主曲率变化的相似度指标来完成C2不连续点的识别。

2.2 线路点云数据特征数据提取技术

2.2.1 线路点云线数据提取方法

线数据是线路点云正向CAD对象重构的关键技术。线数据的获取主要有2种方式：连点成线和面相交得线。在丰富的线路点云视图中，海量点数据直接连线的操作完全主观性判读勾勒偏差较大且工作量巨大，因此是不可取的。故而，宜采用通过面相交的方式来获取线数据。已封装的点云数据是进行作业的基础信息。下面以轨向数据的提取为例来进行说明。轨向是用来衡量线路中心走向的线路养修核心指标，现场主要通过20 m弦线在曲线外轨内侧踏面下16 mm处间隔10 m测量正矢来进行检查作业。因此仿照传统外业作业模式，在已封装的线路点云可视化工作空间中，结合线路正向CAD设计基础数据和实测点云特征，构造特征面与封装点云相交得线。关键技术在于特征截面的处理，其旋转角度需要和线路设备三维走向相匹配，如假设水平为x轴，纵向为y轴，则绕x轴旋转角θx为坡度与超高顺坡率的综合值，绕y轴旋转角θy在曲线地段为超高与轨道中心距的比值和轨底坡的综合值。以一侧钢轨截面操作为例：

(1)在封装的钢轨模型上，通过旋转X轴、旋转Y轴和位置度参数的设定，给定钢轨平面初始截面，如图3(a)所示；

(2)将初始截面下移16 mm，得特征截面1，如图3(b)所示，截除特征截面1以上部分，如图3(c)所示；

(3)将特征截面1下移0.1 mm，得特征截面2，截除特征截面2以下部分，如图3(d)所示；

(4)将薄片数据另存为dxf格式，导入到AutoCAD中对薄片垂向点位测量，数据偏差均小于0.1 mm，故而认为薄片垂向点为同名点，故而保证了薄片数据的一致性。

图3 钢轨轨向数据提取

基于此按照一定间隔绘制线路法线，并以所得钢轨边为参照做修剪，借助CAD查询命令，可列表查询各线段长度及端点坐标，由此即可进一步得线路轨向指标基础数据。如图4所示。

图4 CAD轨距测量(单位：m)

2.2.2 线路点云面数据提取方法

将已封装的点云三角面片模型，在已分割的线路道床点云数据基础上，结合几何特征识别提供的主点里程范围内分别进行截取，可得道床表面模型，如图5(a)所示。然后，将其另存为dxf格式，在CAD中做其外包线，即可根据需要量测不同间隔点处实测道床斜长，以内道床表面数据提取为例，如图5(b)所示。

图5 道床斜长计算

根据设计断面形状，如图6所示，可以反算实测道床厚H，进而可反推道床起落量，为后续的道床用量和检测提供准确数据。

图6 单线路基单层道床横断面(有缝线路)(单位：mm)实测道床厚H=实测道床斜长×

式中，D为轨枕埋入道床深度；H为曲线内轨枕下道床面砟厚度。

3 结论

本文核心解决线路点云的专业化处理与利用问题。点云数据的提取是激光扫描技术专业的关键技术，提取的核心目的在于获取连续的钢轨走行面数据，从而获得轨向判别指标的基础数据。本研究主要取得的研究成果如下。

(1)结合铁路线路技术特征，进行了线路点云预处理研究，主要包括线路点云数据配准、采用基于几何特征的传统分割方法结合CCD影像信息进行线路点云数据分割，再经过除噪平滑处理后，对离散点云数据集进行封装处理，进而为后续正向CAD设计数据的提取提供了操作基础模型。

(2)提出了线路点云可视化对象重构方法，基于离散数据点曲率为主的几何特性估算，初步判定线路主点及变坡点信息，进而在不同主点范围内，通过特征截面的构造获取线数据和面数据。

点云数据除了空间信息，还包括反射强度信息，在后续研究中，可以进一步结合反射强度信息细化点云几何建模方法，同时深化CCD纹理建模在可视化对象重构中的应用。

参考文献：

[1] 韩峰.基于点云信息的既有铁路状态检测与评估技术研究[D].成都：西南交通大学，2015.

[2] 李建强.地面激光扫描技术在既有铁路勘测中的应用研究[J].铁道建筑，2012(4)：128-131.

[3] 白杨军，段晓峰.激光扫描技术在轨道施工质量自检中的应用研究[J].铁道标准设计，2014，58(6)：23-27.

[4] 吴俣，叶泽田，杨长强，蔡广杰，杨勇.车载三维激光扫描系统在铁路沿线景观建模中的应用[J].工程勘察，2009(11):61-66.

[5] 杨凤春，吴旺青，于国丞.激光扫描在轨道限界检测中的应用[J].现代城市轨道交通，2007(2):31-33.

[6] Han Feng. Study on Existing Railway Survey Based on Point Cloud[C]∥2012 2nd International Conference on Remote Sensing， Environment and Transportation Engineering. VolumeⅣ. Nanjing， 2012:2640-2643.

[7] Qi Zhiquan， Tian Yingjie， Shi Yong. Efficient railway tracks detection and turnouts recognition method using HOG features. Neural Computing and Applications, 2013，23(1):245-254.

[8] Hongwen R， Zhaofu L， Zhirao H， et al. Application of 3D Laser Scanning Technology in the Surveying and Mapping Goaf[J]. Gold Science & Technology， 2013，21(3):64-68.

[9] 徐进军，张毅，王海成.基于地面三维激光扫描技术的路面测量与数据处理[J]. 测绘通报，2011(11):34-36.

[10]张毅，闫利，崔晨风.地面三维激光扫描技术在公路建模中的应用[J].测绘科学，2008(9):100-102.

[11]阎海波，石德斌，许磊.基于地面激光扫描仪的地铁盾构区3维重建技术[J].测绘与空间地理信息，2013(3):131-134.

[12]安毅.三维点云数据的几何特性估算与特征识别[D].大连：大连理工大学，2011.

[13]中铁一局，兰州交大.基于点云信息的铁路线路状态检测及评估技术研究报告[R].西安：2013.

[14]Gressin A， Mallet C， Demantké J， et al. Towards 3D lidar point cloud registration improvement using optimal neighborhood knowledge[J]. Isprs Journal of Photogrammetrys&sremote Sensing， 2013，79(5):240-251.

[15]Men H， Gebre B， Pochiraju K. Color point cloud registration with 4D ICP algorithm[C]. IEEE International Conference on Robotics & Automation. IEEE， 2011:1511-1516.

Research on Rail Track Point Cloud Data Visualization Design Reconstruction Method

DUAN Xiao-feng1， HAN Feng2， LI Liang-ying1， WEI Peng3

(1.School of Civil Engineering， Lanzhou Jiaotong University， Lanzhou 730070， China; 2.Faculty of Geomatics， Lanzhou Jiaotong University， Lanzhou 730070， China; 3.Lanzhou Urban Construction Design Institute， Lanzhou 730050， China)

Abstract：According to the large point cloud data obtained from the terrain laser scanner， this paper focuses on the professional processing and utilization of the railway line point cloud. In the light of the technical characteristics of railway lines， the research on the pretreatment of line point cloud mainly includes the registration of line point clouds， the geometrical-characteristics-based segmentation of point cloud data of the line with CCD image， the noise smoothing and data encapsulation. The reconstruction method of line point cloud is proposed and the geometric property estimation based on discrete data point curvature is employed to preliminary predict the information of the main line and slope changing points， and then within the range of different main points， characteristic section is constructed to obtain line data and surface data. Reconstruction line point cloud data is in line with the positive design practice and the data so obtained related to the rail running surface can be used to determine the geometric shape of the line.

Key words：Rail track design; Point cloud; Design characteristic; Characteristic section

文章编号：1004-2954(2017)04-0014-05

收稿日期：2016-07-28；

修回日期：2016-08-16

基金项目：国家自然科学基金(51568037)；兰州交通大学青年科学基金(2013029)

作者简介：段晓峰(1978—)，女，副教授，2006年毕业于西南交通大学，工学硕士，E-mail：[e-mail]。

中图分类号：U212.24

文献标识码：A

DOI：10.13238/j.issn.1004-2954.2017.04.004