铁路场景下的LiDA点云分割方法研究开题报告

 2022-01-12 08:01

全文总字数:8095字

1. 研究目的与意义(文献综述)

1. 目的及意义(含国内外的研究现状分析)

1.1 研究背景

在现代社会人们越来越依赖于铁路交通,除客运外,铁路货运也占据了世界运输总量的很大一部分。但是由于常长时间连续使用,并且处于室外环境中,铁路设施很容易发生退化。轨道缺陷(29%)和设备故障(13%)是导致铁路事故的第二大和第三大原因,仅次于人为因素(38%)。此外铁路类型的基础设施也必须要为一些极端事件的发生做好准备,为了保证铁路服务质量和连续性,稳定性,必须对铁轨,电力线路,以及信号设备进行常规性的检测,现在铁路设施的检测,主要依赖检修工人使用涡流或是超声波设备进行检测,但这样的检测方式存在一些弊端:(1)只能提供一些局部的信息;(2)检测速度很慢,而且通常花费很高;(3)检测的只是一个特定时间段内的情况,不能达到实时监测的目的;(4)会加入一些主观的人为因素,从而影响检测结果。(5)为了检测,需要暂停铁路的运行。

随着空间信息技术的不断发展,使用激光雷达可以在很短的时间内收集大量数据,利用激光雷达获取获取的高精度点云数据对铁路资产进行检测和管理,既可以提高铁路检测的效率,也能够提高铁路检测的准确性,是未来智慧铁路,智慧交通的发展方向。直接通过雷达获取的点云数据,数据量大,无序结构复杂,且不具有相关的语义信息,难以直接利用,要使计算机能识别和理解点云数据并对其进行检测,需要将不同的目标分割出来,并以某种方式让计算机对目标特性进行学习。点云分割是整个目标识别和场景理解的第一步,也是最具难度,最关键的一环。

点云分割即是利用“分而治之”的思想,根据三维点之间的几何属性、颜色、反射强度等特征信息将场景点云中不同目标对应的点云块从整个三维场景中进行分离,是利用铁路雷达点云对铁路资产进行检测和管理的基础和关键技术,如何准确、快速、鲁棒的对实际铁路场景中不同目标对应的点云进行分割具有重大的学术研究价值和实用性意义。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

2. 研究(设计)的基本内容、目标、拟采用的技术方案及措施

2.1 设计的基本内容

研究的主要目的就是根据雷达点云数据,自动的分割出相应的铁路设备,主要是铁轨及相应的电力缆线,为后续更复杂铁路设备的分割提供参照,如图1所示,主要区分红色箭头标注的rail tracks和红色箭头标注的电力缆线。铁轨是由辊压钢板组成的,设计成首尾相连的两条平行线,火车可以在上面运行,两条平行线间的间距是固定的,且铁轨比地面高出的高度也是固定的一般为15cm。接触电缆在电力缆线的最低位置,主要是将电力在火车间传输。我们的主要目的就是区分出铁轨和其上方的电缆缆线。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

1-4 周

查阅论文及点云分割的相关背景资料,了解相关的点云分割算法及点云分割算法发展的趋势,完成开题报告的撰写和修改

5 周

在广泛了解点云分割算法的基础上,结合研究的目标,铁路点云分割,确定所采用的点云分割算法,并对该算法进行更进一步的研究,深入理解该算法应用的场景,及算法的优势和劣势。

6 周

熟悉点云分割算法所要用到的PCL库,熟悉PCL库基本的操作方法和相应的程序样例,提交第一篇阶段性报告

7 周

对实际的雷达点云数据进行滤波,做好数据的预处理工作。可以采用不同的滤波方法进行实验,在进行较好的数据预处理后再进行分割算法的研究,否则离群的点云数据会影响算法的结果。

8-9 周

在确定采用的算法后,开始编写和调试这一具体的点云分割算法的代码,并在实际雷达点云数据上进行实验。提交第二篇阶段性报告

10 周

分析该算法得到的结果是否满足要求,评估算法得到的结果,并进一步做出改进,使得算法更适用于铁路点云分割的目标

11-14 周

根据论文目录撰写正文,内容层次清晰,格式规范

15 周

修改,完善论文

16 周

打印论文,准备答辩

4. 参考文献(12篇以上)

[1] besl p j, jain r c. segmentation throughvariable-order surface fitting[j]. ieee transactions on pattern analysis machine intelligence, 1988, 10(2):167-192.

[2] wang y, shi h. a segmentation method for point cloudbased on local sample and statistic inference[j]. communications in computerand information science, 2015, 482:274-282.

[3] a. v. vo, l. truong-hong, d. f. laefer and m.bertolotto, “octree-based region growing for point cloud segmentation,” isprs j.photogramm. remote sens., vol. 104, pp. 88-100, 2015

剩余内容已隐藏,您需要先支付 10元 才能查看该篇文章全部内容!立即支付

课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。