基于多源点云数据的铁路线路信息化

doi:10.13474/j.cnki.11-2246.2023.0349

测绘通报 ›› 2023, Vol. 0 ›› Issue (11): 177-181.doi: 10.13474/j.cnki.11-2246.2023.0349

• 测绘地理信息应用案例 • 上一篇

基于多源点云数据的铁路线路信息化

杨志坚

甘肃铁道综合工程勘察院有限公司, 甘肃兰州 730000

收稿日期:2023-07-07 出版日期:2023-11-25 发布日期:2023-12-07
作者简介:杨志坚(1985—),男,高级工程师,主要从事工程测量方面的工作。E-mail:gkyyzj@vip.qq.com

Railway line informatization based on multi-source point cloud data

YANG Zhijian

Gansu Railway Survey Institute Co., Ltd., Lanzhou 730000, China

Received:2023-07-07 Online:2023-11-25 Published:2023-12-07

摘要/Abstract

摘要： 相比于传统测量手段,移动扫描技术能够提高测量效率,但点云数据具有体积大、密度高、冗余数据多等特点,测量过程中扫描仪覆盖范围大,大量无效点云被获取。针对该问题,本文提出了一种基于多源点云数据提取铁路线路信息的方法。首先,根据钢轨点云的反射强度和几何特征预处理,采用微分的思想提取线路中心线;其次,对钢轨点云模型降维处理,参考高速铁路路用钢轨轨头宽度允许误差设定收敛条件建立钢轨模型,提取线路平面线和纵横断面;然后,利用主成分分析法和移动激光点聚类法提取接触线和站内附属设备;最后,基于反射强度快速分割钢轨,采用Dynamo编程语言对Revit进行二次开发,快速建模,对推动铁路设计智能化、可视化水平具有十分重要的作用。

关键词: 多源点云, 线路中心线, 钢轨模型, Dynamo, BIM

Abstract: Compared with traditional measurement methods, mobile scanning technology can improve the efficiency of measurement. However, point cloud data has the characteristics of large volume, high density and redundant data. During the measurement process, the scanner coverage is large and a large number of invalid point clouds are obtained. To solve this problem, a method of extracting railway line information based on multi-source point cloud data is proposed. According to the reflection intensity and geometric features of the rail point cloud, the center line of the line is extracted by the idea of differential. The dimension reduction of the rail point cloud model is processed, and the rail model is established according to the allowable error of the rail head width of the high-speed railway road rail as the convergence condition, and the plane line and longitudinal and transverse sections of the line are extracted. Based on the reflection intensity, the rail is quickly segmented, and the Dynamo programming language is used for secondary development of Revit to quickly model, which plays an important role in promoting the intelligent and visual level of railway design.

Key words: multi-source point cloud, track centerline, rail model, Dynamo, BIM

中图分类号:

杨志坚. 基于多源点云数据的铁路线路信息化[J]. 测绘通报, 2023, 0(11): 177-181.

YANG Zhijian. Railway line informatization based on multi-source point cloud data[J]. Bulletin of Surveying and Mapping, 2023, 0(11): 177-181.

参考文献

[1] 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,2012,52(4): 128-132.
[2] IRFAN M A,MAGLI E. Exploiting color for graph-based 3D point cloud denoising[J].Journal of Visual Communication and Image Representation,2021,75:103027.
[3] 袁鹏飞,黄荣刚,胡平波,等. 基于多光谱LiDAR数据的道路中心线提取[J]. 地球信息科学学报,2018,20(4): 452-461.
[4] 姚连璧,刘春. 样条函数与稳健估计在线路线形识别中的应用[J]. 同济大学学报(自然科学版),2004,32(7): 943-946.
[5] POLAT N,UYSAL M. Investigating performance of airborne LiDAR data filtering algorithms for DTM generation[J]. Measurement,2015,63: 61-68.
[6] 马小陆,甄文雪,巩朝光. 一种改进的LiDAR点云滤波方法[J]. 河北工程大学学报(自然科学版),2022,39(1): 84-91.
[7] ARASTOUNIA M,OUDE ELBERINK S. Application of template matching for improving classification of urban railroad point clouds[J].Sensors,2016,16(12):2112.
[8] GÉZERO L,ANTUNES C. Automated three-dimensional linear elements extraction from mobile LiDAR point clouds in railway environments[J]. Infrastructures,2019,4(3): 46.
[9] 梁涛,韩峰,陈国栋. 基于连续点云数据的既有铁路轨面信息快速提取算法设计[J]. 铁道科学与工程学报,2021,18(10): 2544-2551.
[10] 杨陆冰,段晓峰.基于线路特性的高速铁路钢轨点云提取分割算法研究[J].铁道勘察,2022,48(5):42-46.
[11] 段晓峰,韩峰,李良英,等.铁路线路点云数据可视化重构方法研究[J].铁道标准设计,2017,61(4):14-18.
[12] 董靖川,张成君,王一成,等.面向机器人智能抓取任务的视觉定位实验[J].实验技术与管理,2020,37(3):56-59.
[13] IJSPEERT A J,NAKANISHI J,SCHAAL S. Movement imitation with nonlinear dynamical systems in humanoid robots[C]//Proceedings of 2002 IEEE International Conference on Robotics and Automation. Washington D.C: IEEE,2002: 1398-1403.
[14] ZHANG Shanxin,WANG Cheng,YANG Zhuang,et al. Automatic railway power line extraction using mobile laser scanning data[J]. The International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences,2016,XLI-B5: 615-619.
[15] 张建财,李修岭,韩峰,等. 基于自移动扫描测量系统的既有线测量实验方法设计及应用[J]. 实验技术与管理,2021,38(6): 62-66.
[16] 黄莹,李雷,蒋明轩,等. 基于Revit的铁路构件三维建模方法研究与应用[J]. 铁道科学与工程学报,2021,18(7): 1732-1739.

基于多源点云数据的铁路线路信息化

Railway line informatization based on multi-source point cloud data

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王璐, 卢小平, 李国利, 李小雷, 康爱峰. 一种混合插值算法的露天矿产储量估算方法及其应用[J]. 测绘通报, 2023, 0(5): 140-147.
[2]	牛鹏涛, 曹毅, 乔文彬. 融合RGB-D深度图像和LiDAR点云的石油管线BIM建模[J]. 测绘通报, 2022, 0(9): 93-97,157.
[3]	蔡军, 江伟, 温日强, 封声凤. 贴近摄影测量与BIM技术在濒危民族建筑部件级实景三维建设中的应用[J]. 测绘通报, 2022, 0(12): 19-23.
[4]	王凯, 刘鹏飞. 城市级地下管网BIM建设及应用[J]. 测绘通报, 2022, 0(11): 132-134.
[5]	郭泽, 谭衢霖, 秦晓春, 贺佳, 胡吉平. 基于Cesium的铁路线路三维场景空间信息服务[J]. 测绘通报, 2022, 0(11): 144-148.
[6]	闵世平, 林国庆. BIM及空间大数据技术支持下的铁路隧道施工数据管理[J]. 测绘通报, 2021, 0(8): 144-149,153.
[7]	任立夫. 基于BIM技术的地下管线建模应用分析[J]. 测绘通报, 2021, 0(2): 149-152.
[8]	孙晓玮, 邱俊武. 工程建设项目全生命周期“多测合一”综合服务平台研究及应用[J]. 测绘通报, 2021, 0(12): 153-157.
[9]	邱峰. Revit在房产测绘中的应用[J]. 测绘通报, 2020, 0(5): 123-126.
[10]	李国远, 王健, 刘秀涵, 孙文潇. 改进的自适应遗传算法支持下点云与BIM模型配准[J]. 测绘通报, 2020, 0(2): 160-162.
[11]	张晓庆, 胡辉辉, 王治中, 杜耀, 杨海波. 水上水下一体化三维河道场景构建与展示[J]. 测绘通报, 2020, 0(12): 118-121.
[12]	孙玉梅, 李勇, 聂振钢. 3DGIS与BIM集成技术在公路隧道智慧运维中的应用[J]. 测绘通报, 2020, 0(10): 127-130.
[13]	贾智乐. 飞马F200无人机在大型水利工程及BIM建设中的应用[J]. 测绘通报, 2019, 0(9): 159-162.
[14]	祝明然. 三维激光测量技术在大型复杂钢结构工程建造中的应用[J]. 测绘通报, 2019, 0(8): 92-95.
[15]	苗亚哲, 李胜波, 邓安仲, 乐观, 戴作球. 三维激光点云数据在既有地下人防工程BIM模型重建中的应用[J]. 测绘通报, 2019, 0(6): 100-104.