基于多級(jí)體素的支柱及支持裝置點(diǎn)云自動(dòng)提取方法

程智博

(中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081)

接觸網(wǎng)的支柱及支持裝置擔(dān)負(fù)著支撐接觸網(wǎng)和保證接觸線(xiàn)正常供電的重要任務(wù)，由于其露天架設(shè)且存在復(fù)雜的力學(xué)關(guān)系，容易受到自身使用壽命和環(huán)境因素的影響，導(dǎo)致故障率一直較高，嚴(yán)重影響高速鐵路的運(yùn)營(yíng)安全[1]，需進(jìn)行高效、準(zhǔn)確、實(shí)時(shí)地監(jiān)控和檢測(cè)。傳統(tǒng)的人工檢測(cè)和接觸式自動(dòng)檢測(cè)效率較低，干擾正常行車(chē)秩序，無(wú)法適應(yīng)鐵路的快速發(fā)展。非接觸式自動(dòng)檢測(cè)能夠減少檢測(cè)設(shè)備、降低投資成本，但目前非接觸式自動(dòng)檢測(cè)較多集中在基于圖像的受電弓、絕緣子、鳥(niǎo)巢及接觸網(wǎng)幾何參數(shù)[2]等的檢測(cè)。

三維激光掃描技術(shù)作為近年來(lái)快速發(fā)展的一項(xiàng)技術(shù)，可以快速獲取高精度的數(shù)據(jù)信息，在城市、交通、電力、水利等領(lǐng)域得到廣泛應(yīng)用，其獲取的三維點(diǎn)云數(shù)據(jù)包含地表及其上方各種目標(biāo)的方位及形態(tài)信息，但含有無(wú)關(guān)數(shù)據(jù)，需在進(jìn)一步的數(shù)據(jù)處理過(guò)程中得到有效的點(diǎn)云信息。近年來(lái)學(xué)者們研究了鐵路場(chǎng)景中三維點(diǎn)云的識(shí)別和提取，文獻(xiàn)[3—5]利用車(chē)載激光掃描點(diǎn)云識(shí)別軌道中心線(xiàn)，得到較高的精度；文獻(xiàn)[6]基于區(qū)域生長(zhǎng)方法提取鐵路電力線(xiàn)；此外，點(diǎn)云識(shí)別在道岔[7]、隧道[8]、罐車(chē)容積[9]等檢測(cè)方面也得到應(yīng)用。

本文在分析支柱及支持裝置的空間和幾何特征的基礎(chǔ)上，為實(shí)現(xiàn)更高精度的目標(biāo)地物提取，提出一種適用于支柱及支持裝置的區(qū)域生長(zhǎng)方法，該方法能夠根據(jù)多級(jí)體素自動(dòng)選取種子，利用支柱及支持裝置的形態(tài)特征與地面點(diǎn)和接觸網(wǎng)分開(kāi)，從而加快搜索目標(biāo)速度，提高提取精度，有效實(shí)現(xiàn)了支柱及支持裝置點(diǎn)云的自動(dòng)提取。

1 點(diǎn)云自動(dòng)提取方法

為了提高三維激光點(diǎn)云數(shù)據(jù)中支柱及支持裝置的提取精度，首先對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行剔除異常點(diǎn)、插補(bǔ)數(shù)據(jù)及去除噪聲等預(yù)處理，確定提取目標(biāo)地物即支柱及支持裝置的空間范圍，同時(shí)利用八叉樹(shù)方法構(gòu)建多級(jí)體素；其次利用支柱及支持裝置的空間幾何特征，快速生成種子體素；然后基于區(qū)域生長(zhǎng)方法，制定生長(zhǎng)規(guī)則，分割出支柱及支持裝置點(diǎn)云，直至所有種子體素均搜索結(jié)束，每個(gè)種子體素對(duì)應(yīng)的生長(zhǎng)區(qū)域都包含著候選的單個(gè)支柱及支持裝置點(diǎn)云數(shù)據(jù)；最后結(jié)合多級(jí)體素，利用目標(biāo)地物的局部幾何參數(shù)特征不斷細(xì)化提取結(jié)果，再次剔除掉非目標(biāo)地物點(diǎn)云，提高單個(gè)支柱及支持裝置的提取準(zhǔn)確度與精度。

支柱及支持裝置點(diǎn)云自動(dòng)提取方法的流程如圖1所示。

圖1 支柱及支持裝置點(diǎn)云自動(dòng)提取流程

1.1 構(gòu)建多級(jí)體素

由于點(diǎn)云數(shù)據(jù)數(shù)量較大且分布散亂，逐點(diǎn)計(jì)算效率低且難以判斷單個(gè)點(diǎn)屬于哪一類(lèi)地物，因此需要將點(diǎn)云按照一定的結(jié)構(gòu)進(jìn)行組織，根據(jù)相應(yīng)結(jié)構(gòu)進(jìn)行計(jì)算和判斷。點(diǎn)云常用的組織結(jié)構(gòu)有不規(guī)則三角網(wǎng)、網(wǎng)格結(jié)構(gòu)等，但這些結(jié)構(gòu)均適用于小范圍數(shù)據(jù)，對(duì)數(shù)量極大的數(shù)據(jù)表現(xiàn)能力極度下降。體素是三維空間中具有特定的長(zhǎng)、寬、高的立方體，是最小的特征提取和識(shí)別單元。眾多研究表明，體素在組織點(diǎn)云數(shù)據(jù)時(shí)具有較好的效果[10-11]。將點(diǎn)云空間劃分為有序的體素網(wǎng)格，這個(gè)過(guò)程稱(chēng)為體素化，該過(guò)程使得雜亂無(wú)章的點(diǎn)云規(guī)則化，將整體點(diǎn)云數(shù)據(jù)劃分到體素中，利用體素內(nèi)點(diǎn)集的屬性或特征作為體素的屬性或特征，達(dá)到快速提取目標(biāo)地物的目的。

當(dāng)提取場(chǎng)景具有復(fù)雜性且目標(biāo)地物具有多樣性時(shí)，單一級(jí)別的體素?zé)o法準(zhǔn)確反映目標(biāo)地物的局部幾何特征；邊長(zhǎng)較大的體素有利于較粗或較大目標(biāo)地物的特征識(shí)別，加快提取效率，但不利于其細(xì)部特征的識(shí)別[12]；邊長(zhǎng)較小的體素能夠反映細(xì)部特征，有利于優(yōu)化目標(biāo)地物提取精度，但大大降低較粗或較大目標(biāo)地物的識(shí)別和提取效率。

因此，基于八叉樹(shù)劃分的原理構(gòu)建多級(jí)體素，將點(diǎn)云劃分到相應(yīng)級(jí)別的體素中，同時(shí)構(gòu)建八叉樹(shù)空間索引，保留點(diǎn)云間的空間關(guān)系，進(jìn)一步提高搜索效率。八叉樹(shù)構(gòu)建多級(jí)體素[13]如圖2所示。

圖2 八叉樹(shù)構(gòu)建多級(jí)體素示意圖

在利用八叉樹(shù)構(gòu)建多級(jí)體素的過(guò)程中，將點(diǎn)云P(P={P1，P2，…，Pn})所占的空間以遞歸的方法不斷細(xì)化為8個(gè)子區(qū)域，直至區(qū)域邊長(zhǎng)與設(shè)定體素邊長(zhǎng)相等為止。為了提高處理效率，同時(shí)避免某些點(diǎn)數(shù)過(guò)于稀少的無(wú)意義區(qū)域，該過(guò)程只對(duì)有效區(qū)域進(jìn)行操作。有效區(qū)域Flag(Flag=1)的判定規(guī)則為

(1)

式中：Gnum為區(qū)域內(nèi)點(diǎn)云數(shù)目。

(2)

根據(jù)試驗(yàn)，使用3級(jí)體素提取支柱及支持裝置點(diǎn)云，能夠減少區(qū)域生長(zhǎng)的工作量、提高生長(zhǎng)速度，也能夠有效地保證提取精度，即利用第1級(jí)體素進(jìn)行區(qū)域生長(zhǎng)算法對(duì)支柱及支持裝置粗提取，再利用第2和第3級(jí)體素進(jìn)行進(jìn)一步的精提取。

1.2 生成種子體素

為了生成種子體素，需要分析支柱及支持裝置的空間及幾何特征。支柱及支持裝置高于周?chē)匚?鐵軌、路基等)，且沿鐵路線(xiàn)路以不同的間隔線(xiàn)性分布，單個(gè)地物具有分布的連續(xù)性，可將其分成2個(gè)部分：一是直立的桿狀支柱；二是由水平方向和傾斜方向的桿狀物體組成的支持裝置。如圖3所示。

圖3 支柱及支持裝置示意圖

通過(guò)分析發(fā)現(xiàn)，屬于同一桿狀地物上的掃描點(diǎn)在空間上相鄰且具有相同或相近的法向量，而顏色差異、反射強(qiáng)度等特征差異較小，因此選用法向量作為選取區(qū)域生長(zhǎng)種子體素的顯著特征。

法向量的計(jì)算方法眾多，但基于局部平面擬合算法[14]的計(jì)算結(jié)果在質(zhì)量和速度上較好，通過(guò)點(diǎn)云中每一個(gè)點(diǎn)的領(lǐng)域點(diǎn)近似在某個(gè)局部平面中，并將該平面的法向量作為該點(diǎn)的法向量。

支柱是垂直于地面的物體，沿垂直方向進(jìn)行延伸，其底部與地面相連，上部與支持裝置相連，而支持裝置又與接觸導(dǎo)線(xiàn)和承力索相連。因此，先找到位于支柱上的種子體素，再由種子體素分別向上和向下生長(zhǎng)，向上生長(zhǎng)時(shí)區(qū)分接觸導(dǎo)線(xiàn)和承力索，向下生長(zhǎng)時(shí)區(qū)分地面，則可獲取支柱和支持裝置。對(duì)于支柱可以概括為以下3個(gè)特征：①支柱垂直于地面，即位于支柱的體素法向量平行于地面；②支柱具有垂向延伸性，且高度一般大于5 m；③支柱鄰域地物具有唯一性，即在一定領(lǐng)域范圍內(nèi)有且只有1個(gè)支持裝置與其相鄰。

利用支柱的3個(gè)特征對(duì)某一體素Voxel-q(xq，yq，zq)進(jìn)行判斷，若其符合以下3個(gè)條件，則認(rèn)為該體素是位于支柱上的種子體素，具體判斷步驟如下。

步驟3：判斷與體素Voxel-q垂直方向相鄰的5個(gè)體素是否為空體素，即滿(mǎn)足Voxel-q(xq，yq，zq+i)≠?，i∈{1,2,3,4}，滿(mǎn)足則轉(zhuǎn)入步驟4，否則舍棄。

步驟4：判斷體素Voxel-q的在垂直方向即z方向上的值z(mì)q是否為與其所有連通體素中的最小值，且該體素在所有連通體素中點(diǎn)云數(shù)量最多，即在滿(mǎn)足zq→min的前提下，選取Gnum(Voxel-q)→max的體素，則將該體素進(jìn)行標(biāo)記，并存入備選種子體素的容器中。

步驟5：循環(huán)判斷下1個(gè)體素，直到所有體素判斷完畢。

步驟4中的連通體素是指與當(dāng)前體素相鄰的有效體素，包括點(diǎn)、線(xiàn)、面3種連通情況，如圖4所示。

圖4 連通體素示意圖

1.3 支柱及支持裝置粗提取

目前點(diǎn)云提取單個(gè)桿狀地物的算法大致分為3類(lèi)：一是基于聚類(lèi)特征的方法，該方法直接對(duì)散亂的點(diǎn)進(jìn)行分割和目標(biāo)提取，不需要查找點(diǎn)或區(qū)域，但計(jì)算量較大，容易導(dǎo)致目標(biāo)提取錯(cuò)誤；二是基于模型擬合的方法，該方法不受異常數(shù)據(jù)的干擾，但在復(fù)雜的場(chǎng)景下或?qū)缀侮P(guān)系復(fù)雜的地物進(jìn)行提取較為困難；三是基于區(qū)域增長(zhǎng)的方法，該方法提取地物的精度較高，但容易產(chǎn)生混合體素，且提取地物的精度取決于種子的選取以及規(guī)則的制定。支柱及支撐裝置為桿狀地物，利用區(qū)域生長(zhǎng)方法的向上、向下生長(zhǎng)算法能夠較好提取該目標(biāo)地物，因此選取該方法作為提取基礎(chǔ)算法。

對(duì)生成的種子體素進(jìn)行區(qū)域生長(zhǎng)，向上生長(zhǎng)主要為了區(qū)分與支持裝置相連的接觸導(dǎo)線(xiàn)和承力索的點(diǎn)云，其中接觸導(dǎo)線(xiàn)和承力索幾乎平行于地面，利用該部分點(diǎn)云數(shù)據(jù)高程變化較小的特征作為生長(zhǎng)規(guī)則；向下生長(zhǎng)主要是為了區(qū)分與支柱相連的地面點(diǎn)云，桿狀地物支柱是沿垂直方向進(jìn)行延伸且在水平面變化不大，同時(shí)地面相對(duì)較為平坦，垂直方向的數(shù)值變化也相對(duì)較小，利用這些特征制定生長(zhǎng)規(guī)則。生長(zhǎng)步驟具體如下。

其中，第l級(jí)體素的超高閾值hl為

(3)

式中：m和n為參數(shù)。

其中，第l級(jí)體素的標(biāo)準(zhǔn)差閾值σl為

(4)

式中：β為參數(shù)。

步驟4：循環(huán)上述步驟，直到所有種子體素遍歷完畢。

1.4 支柱及支持裝置精提取

為了避免單一級(jí)別的體素生長(zhǎng)導(dǎo)致的支柱及支持裝置無(wú)法精確提取，采用多級(jí)別體素細(xì)化支柱及支持裝置點(diǎn)云，同時(shí)加快提取速度，其示意圖如圖5所示。

圖5 多級(jí)體素精提取示意圖

支柱及支持裝置精提取具體步驟如下。

以上步驟中，步驟1和步驟2組成了向上生長(zhǎng)規(guī)則，步驟3和步驟4組成了向下生長(zhǎng)規(guī)則。

2 試驗(yàn)及分析

為了驗(yàn)證本文提出方法的有效性和適用性，采用2016年9月在鄭州鐵路局某車(chē)站試驗(yàn)區(qū)段采集的點(diǎn)云數(shù)據(jù)進(jìn)行試驗(yàn)。該區(qū)段鐵路線(xiàn)長(zhǎng)約300 m，地面有一定的起伏，試驗(yàn)數(shù)據(jù)共有1 241 654個(gè)點(diǎn)，數(shù)據(jù)覆蓋范圍約為300 mm×20 m，點(diǎn)云數(shù)據(jù)最大高程為17.6 m，最小高程為0.26 m。點(diǎn)云數(shù)據(jù)中包含多種鐵路基礎(chǔ)設(shè)施，主要有4條鐵軌、軌道板、復(fù)雜交錯(cuò)的接觸網(wǎng)、12個(gè)接觸網(wǎng)支柱等。點(diǎn)云數(shù)據(jù)如圖6所示。

圖6 試驗(yàn)區(qū)域點(diǎn)云數(shù)據(jù)

利用本文方法對(duì)該試驗(yàn)區(qū)段內(nèi)的支柱及支持裝置自動(dòng)提取，提取結(jié)果及序號(hào)如圖7所示。

由圖7可以看出：采用本文方法共提取出12個(gè)支柱及支持裝置，與試驗(yàn)區(qū)域?qū)嶋H情況相符，表明該自動(dòng)提取方法較好，沒(méi)有摻雜地面或接觸導(dǎo)線(xiàn)等地物點(diǎn)云，12個(gè)支柱及支持裝置全部完整、正確地提取出來(lái)。計(jì)算結(jié)果表明，單個(gè)支柱及支持裝置點(diǎn)云數(shù)目自動(dòng)提取的完整度和正確率分別為94.08%和94.48%。

為了比較自動(dòng)和手工提取單個(gè)目標(biāo)地物的精度，采用平均絕對(duì)誤差(Mean Absolute Error, MAE)和平均絕對(duì)百分比誤差(Mean Absolute Percentage Error, MAPE)進(jìn)行衡量。自動(dòng)和手工提取單個(gè)目標(biāo)地物完整度、正確率、高度和寬度的MAE和MAPE對(duì)比結(jié)果如圖8所示。

計(jì)算結(jié)果表明，采用本文方法自動(dòng)提取的單個(gè)目標(biāo)地物點(diǎn)云完整度和正確率的MAPE分別為3.43%和2.49%，高度和寬度的MAPE僅為0.709%和0.67%，MAPE越低說(shuō)明提取精度越高、算法效果越好。因此，可以反映出本文提取的支柱和支持裝置點(diǎn)云精度較高，且各部分提取都較為完整和準(zhǔn)確。

由圖9可以看出：從單級(jí)體素、2級(jí)體素到3級(jí)體素，完整度、高度及寬度3項(xiàng)的MAPE均呈下降趨勢(shì)，說(shuō)明3級(jí)體素的提取精度最高；從單級(jí)體素到2級(jí)體素，單個(gè)目標(biāo)地物的高度和完整度的精度提升較小，而寬度的精度提升幅度較大；從2級(jí)體素到3級(jí)體素，完整度、高度及寬度3者的提取精度均明顯提高，說(shuō)明采用3級(jí)體素提取效果最優(yōu)。

圖7 提取結(jié)果

圖8 單個(gè)目標(biāo)地物的相關(guān)精度

圖9 不同級(jí)別體素提取精度對(duì)比

進(jìn)一步對(duì)提取出的單個(gè)支柱及支持裝置進(jìn)行分析，其自動(dòng)提取的點(diǎn)云與手動(dòng)提取的點(diǎn)云吻合度較高，各形態(tài)參數(shù)偏差也較小。以序號(hào)為3號(hào)和7號(hào)支柱及支持裝置為例，采用本文方法能夠?qū)⒌孛?、接觸導(dǎo)線(xiàn)、回流線(xiàn)、承力索等非目標(biāo)地物全部剔除，且目標(biāo)地物沒(méi)有被錯(cuò)誤剔除，比較精確地提取出了目標(biāo)地物的完整點(diǎn)云，尤其是7號(hào)支柱具有3套支持裝置，其點(diǎn)云也能夠完整、無(wú)誤地被提取，具體如圖10所示。

圖10 3號(hào)及7號(hào)目標(biāo)地物提取結(jié)果

但是本文方法仍然存在一些問(wèn)題，主要集中于支柱及支持裝置的補(bǔ)償裝置提取，利用體素內(nèi)點(diǎn)云的高差和標(biāo)準(zhǔn)差的生長(zhǎng)規(guī)則只能對(duì)補(bǔ)償裝置進(jìn)行粗提取，不能精確提取，且包括一些誤提取，如補(bǔ)償繩提取時(shí)。然而，對(duì)地面及接觸線(xiàn)等能夠較好地區(qū)分并刪除，表明整體支柱及支持裝置提取的參數(shù)仍然較為正確，并不影響后續(xù)的數(shù)據(jù)獲取或檢測(cè)等應(yīng)用分析。復(fù)雜情況下目標(biāo)地物的提取結(jié)果如圖11所示。

3 結(jié) 語(yǔ)

以三維激光掃描測(cè)量系統(tǒng)采集的點(diǎn)云數(shù)據(jù)為研究對(duì)象，根據(jù)接觸網(wǎng)支柱及支持裝置的空間和幾何特征，提出基于多級(jí)體素的點(diǎn)云自動(dòng)提取方法，利用目標(biāo)地物的幾何特性自動(dòng)選取種子體素，通過(guò)制定生長(zhǎng)規(guī)則實(shí)現(xiàn)粗提取，并采用一種漸進(jìn)式的提取策略，提高目標(biāo)地物的提取精度和生長(zhǎng)速度，給出該方法具體實(shí)現(xiàn)過(guò)程；最后，選取某一實(shí)驗(yàn)段進(jìn)行方法驗(yàn)證。通過(guò)對(duì)目標(biāo)地物提取結(jié)果的完整度、正確率及精度方面進(jìn)行分析，表明本文方法可實(shí)現(xiàn)目標(biāo)地物的完整和精確提取，同時(shí)，單級(jí)體素和2級(jí)體素的對(duì)比結(jié)果也充分驗(yàn)證了多級(jí)體素提取的效果最優(yōu)。下一步將繼續(xù)研究對(duì)鐵路各類(lèi)基礎(chǔ)設(shè)施的點(diǎn)云提取，包括鐵軌、道床等。

圖11 復(fù)雜情況目標(biāo)地物提取結(jié)果