推荐星级：
- 1
- 2
- 3
- 4
- 5
铁路场景三维点云分割与分类识别算法
资料介绍
铁路限界侵入检测对保障高速铁路安全具有重要意义,基于激光三维点云分割与分类识别的异物侵入检测具有准确、直观的优点,在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景。设计了一种带动二维激光雷达进行俯仰运动的装置用于铁路三维点云的采集,基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性(RANSAC)分割造成的过分割和欠分割问题;针对分割后的单物体点云,提出利用视点特征直方图(VFH)进行不同目标的三维点云特征提取,基于不同物体VFH建立KD树,并利用最近点搜索方法完成单物体点云分类识别。铁路场景典型物体的分类实验结果表明,本算法对铁路场景典型物体的分类识别准确率大于90%。
部分文件列表
| 文件名 | 大小 |
| 铁路场景三维点云分割与分类识别算法.pdf | 2M |
部分页面预览
（完整内容请下载后查看）仪
器
仪
表
学
报
38
9
期
Vol. 38 No. 9
Sep． 2017
第
卷
第
Chinese Journal of Scientific Instrument
2017
9
月
年
*
铁路场景三维点云分割与分类识别算法
1
1
1
1
2
，
郭保青 余祖俊
，
张
， ，
楠 朱力强 高晨光
( 1．
100044; 2．
100190)
北京交通大学机械与电子控制工程学院 北京
北京控制工程研究所 北京
: ，
要 铁路限界侵入检测对保障高速铁路安全具有重要意义 基于激光三维点云分割与分类识别的异物侵入检测具有准确
、
摘
， 。
直观的优点 在诸如隧道口和站台的铁路重点区域监测中具有广泛应用前景 设计了一种带动二维激光雷达进行俯仰运动的
，
装置用于铁路三维点云的采集 基于法线方向一致性原则提出采用区域生长分割算法解决欧氏聚类分割和随机采样一致性
( RANSAC) ; ， ( VFH)
分割造成的过分割和欠分割问题 针对分割后的单物体点云 提出利用视点特征直方图
进行不同目标的三维
，
点云特征提取 基于不同物体
VFH KD ， 。
建立 树 并利用最近点搜索方法完成单物体点云分类识别 铁路场景典型物体的分类
，
实验结果表明 本算法对铁路场景典型物体的分类识别准确率大于
90% 。
: ; ; ; ;
关键词 三维点云 区域生长 分割 视点特征直方图 分类识别
: U298 TH89
: A
: 580． 80
国家标准学科分类代码
中图分类号
文献标识码
3D point cloud segmentation，classification and recognition
algorithm of railway scene
1
1
1
1
2
Guo Baoqing ，Yu Zujun ，Zhang Nan ，Zhu Liqiang ，Gao Chenguang
( 1． School of Mechanical，Electronic and Control Engineering，Beijing Jiaotong University，Beijing 100044，China;
2． Beijing Institute of Control Engineering，Beijing 100190，China)
Abstract: Railway clearance intrusion detection is critical to the safety of high-speed railway． The foreign object intrusion detection based
on 3D laser point cloud segmentation，classification and recognition has the merits of accuracy and intuition，and has broad application
prospects in the monitoring of railway key regions such as tunnel entrance and platform． In this paper，an equipment is designed，which
drives the 2D laser radar to implement pitching movement and acquires the 3D point cloud of railway scene． Based on the normal
consistency principle，the region growing segmentation algorithm is proposed to solve the over segmentation and under segmentation
problems caused by Euclidean cluster segmentation and RANSAC segmentation methods． Aiming at the segmented single object point
cloud，the Viewpoint Feature Histogram ( VFH) is used to extract the 3D point cloud features of different objects; then，based on the
VFHs of different objects k-dimensional ( KD) tree is built，and the closest point searching algorithm is adopted to achieve the
classification recognition of single object point cloud． The result of the classification experiment on the typical objects in railway scene
shows that the classification recognition accuracy of the proposed algorithm for the typical objects in railway scene is higher than 90% ．
Keywords: 3D point cloud; region growing; segmentation; viewpoint feature histogram ( VFH) ; classification recognition
的接触式检测方法无法获知物体的大小进而评估其危
，
害 非接触式检测中的视频分析方法会受到天气及光线
0
引
言
［1］
，
条件的影响
监测平面内的位置 无法获知物体的三维形状
，
激光点云包含场景中目标的准确尺寸及相对位置关系
红外对射和二维激光检测方法只能获取
［2］
，
侵入铁路限界的物体严重影响运营安全 在车站站
，
。
三维
、 、 、 ，
台 咽喉区 隧道口 通道门等重点区域 识别侵入物体的
、 。
具体位置 大小和类别具有重要意义 以防护网为代表
。
利用三维点云检测目标侵入潜力巨大
: 2016-09
Received Date: 2016-09
( 2016YFB1200100)
收稿日期
*
:
基金项目 国家重点研发计划
项目资助
2104
3 8
卷
仪
器
仪
表
学
报
第
，
点云分割与分类识别是三维目标检测的基础 也是
，
后接收激光雷达在当前扫描面上的二维测量数据 当俯
［3-5］
，
目前的研究热点 广泛应用于环境三维重建
、
智能车
仰平台由初始位置依次转动到终止位置时即可获得当前
［6-8］
［9］
、
、
。
场景的一幅三维点云数据
辆环境探测
目标分类识别
物体尺寸姿态估计与
［10-12］
。 。
领域 三维点云分割是分类识别的基础
状态检测
［13］
，
在点云分割方法研究方面 卢维欣等人 提出了一种利
，
用半径渐变的主成分分析法确定局部特征 并依此完成
;
区域生长进而对建筑物进行平面分割和优化的新方法
［14］
，
闫利等人 提出了基于八叉树遴选种子 将区域增长与
。
随机采样一致相结合的点云平面分割方法 上述研究主
1
［6］
图
三维点云采集系统结构
，
要是针对平面分割方法 王肖等人 研究了一种基于
3D
Fig．1 Structure diagram of 3D point cloud acquisition system
全景式激光雷达的点云快速分割方法用于智能车辆环境
， ;
感知 能够快速准确地完成车辆与行人的分割 王新竹等
，
利用上述方法获得的是球坐标系下的点云数据 假
［7］
人
通过点云深度数据的聚类实现地面与障碍物点集的
( r， ，) ，
α θ 其中
r
设球坐标系下激光雷达某测量点坐标为
［8］
。
，Li K． Q．
等人 提出了对点
划分 在点云分类识别方面
云模型归一化提取的局部特征进行稀疏迭代最近点
( iterative closest point，ICP)
，
为激光器中心到目标的距离 α 为数字舵机控制的俯仰
， 。
角 θ 为扫描角度 利用式
( 1)
将二维激光雷达采集的三
配准的三维点云耳廓识别方
。
维点云转换为直角坐标
x = rcos cos
［15］
;
法 李嘉等人 提出了利用层次聚类实现复杂三维点云
α
θ
、
中识别并定位非确定个数 未知半径球形目标的自动识
( 1)
y = rcos sin
α
θ
［16］
; Radu B． R．
( viewpoint
等人 将视点特征直方图
别方法
{
二维激光雷达自身的扫描步进角即可获得不同密度的三
z = rsin
α
feature histogram，VFH)
60
用于
个不同目标物体三维点
点云获取过程中通过控制数字舵机的俯仰步进角和
［17］
; Tomasz K
云的识 别 分 类 取 得 了 理 想 效 果
等 人
对深度相机获取的三维手势
点云进行特征提取 并用最近邻搜索算法完成手势识别
和
［18］
Plouffe G
VFH
等人 利用
， 2
维点云 图 所示为三维点云采集系统实物图
。
3( a)
图
，
，
所示为利用该系统采集的一些常见物体的三维点云
3( b) ～ ( d)
［9］
;
2D
3D
的方法 李新德等人 提出了一种基于
和
尺度不
的特
征级融合物体识别算法 解决了单一特征识别率低的问
。
所示为某铁路场景三维点云的三视图
图
( scale-invariant feature transform，SIFT)
变特征变换
，
，
题 但需要结合二维图像信息
。
本文将三维激光点云分割与分类识别结果用于铁路
，
场景异物侵入监测 针对复杂铁路场景三维点云提出基
，
于法线方向一致性的区域生长分割算法 利用不同物体
VFH
KD-Tree， KD-Tree
通过 的最近
三维点云
特征建立
，
邻搜索完成点云分类识别 最后通过铁路现场实验验证
。
了本文方法的有效性
2
图
三维点云采集系统
Fig． 2 3D point cloud acquisition system
1
基于二维激光的三维点云获取
，
由于三维激光扫描设备成本高昂 通过为二维激光
，
雷达增加俯仰运动实现三维点云的获取 系统硬件包括
、 、
二维激光雷达 雷达俯仰机械平台 数字舵机及上位机
4
， 1 。
个部分 其结构如图 所示 其中
，UTM-30LX
二维激光
，
雷达是系统的关键测量设备 每次可以获得一个半径
60 m，
角度为
270°
的二维扇形扫描平面内物体的位置信
; ，
息 雷达俯仰机械平台由数字舵机控制 舵机轴与俯仰平
，
台转动轴采用过盈配合连接 同时与二维激光雷达测量
;
面共线 上位机通过
RS485
接口向舵机发送控制命令带
，
动二维激光雷达进行俯仰运动 每转动一个固定步进角
更多>>
最新上传
- 打赏
- 30日榜单
-
注册1 打赏0.01元 5小时前
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.01元 5小时前
用户：xlhtracy
-
注册1 打赏0.05元 7小时前
用户：xlhtracy
-
注册1 打赏0.01元 8小时前
用户：xlhtracy
-
注册1 打赏0.01元 8小时前
-
注册1 打赏0.01元 8小时前
用户：21ic下载
-
注册1 打赏0.01元 8小时前
用户：21ic下载
-
21ic小能手 打赏0.03元 9小时前
用户：21ic下载
-
21ic小能手 打赏0.01元 9小时前
用户：21ic下载
-
21ic小能手 打赏0.01元 9小时前
用户：21ic下载
-
21ic小能手 打赏0.02元 9小时前
-
21ic小能手 打赏0.01元 10小时前
用户：21ic下载
-
注册1 打赏0.02元 19小时前
-
注册1 打赏0.02元 19小时前
全部评论(0)