鐵路貨車裝載超限的無人機視覺檢測技術

汪怡然，阮欣培，李鵬舜，李少爽，劉雪勇，楊 岳

（1.中南大學 交通運輸工程學院， 長沙 410075；2.中南大學 信息科學與工程學院，長沙 410075）

鐵路是國民經濟基礎性行業，保證鐵路生產安全和運輸效率意義重大。而在實際運輸過程中，由于貨車裝載超限，經常影響鄰線行車安全，甚至導致列車脫軌[1]。因此，需要一種簡便有效的超限檢測方法，幫助貨檢員精準確定貨物超限位置和等級，以便有針對性地調整貨物裝載狀態，制定更合理的運輸方案。

目前，鐵路貨車的裝載超限檢測大多依靠人工測量完成，這種檢測方式不僅速度慢、精度差，而且存在著一定的安全隱患[2]。國內外嘗試采用紅外[3]、激光[4]、雷達和光學理論測算[5]技術，研制出各種地面式[6]、手持式[7]和車載式檢測設備，但這些檢測設備價格昂貴且需要特殊布置的測量場景；測量精度依賴于所搭建機械的結構精度，不容易控制。另外，現有的檢測手段僅能針對普通貨物列車進行檢測，對于使用特殊條件運輸的超限貨物列車無法按照需要調整檢測標準。

針對上述缺陷，本文研究了一種高精度、低成本的超限檢測方法，通過無人機獲取貨車裝載的單目多視角圖像，以此為基礎進行貨車裝載外形的三維重建，并將貨車裝載的三維模型與超限檢定模型進行比對，實現鐵路貨車貨物裝載的全面精確檢測。

1 研究方案

無人機視覺檢測技術通過人工操控或依照無人機飛行姿態模型，確定無人機的飛行軌跡，利用無人機針對待檢貨車拍攝多視角圖像。基于拍攝到的圖像，在圖形工作站中還原貨車等比例的三維實物模型，并與超限檢定模型嵌套比對，根據模型三視圖和三維透視圖的顯示情況，確定超限位置并判定超限等級,具體方案如圖1所示。

圖 1 貨車裝載超限的無人機視覺檢測技術方案

2 無人機飛行姿態模型

為了獲取貨車裝載的三維實物模型，無人機必須在不同方位獲取待檢測貨車的多個圖像。無人機的拍攝位置與拍攝圖像張數將直接影響三維實物模型重建的速度與精度。若拍攝的圖像過多，處理速度會大幅下降；若圖像過少，則檢測精度不高。為確定最佳拍攝位置，獲得最優的檢測結果，提出以下無人機飛行姿態模型。

2.1 模型假設與參數設置

（1）無人機拍攝時不能沿曲線移動，只能以“直上直下”的形式變換拍攝位置；

（2）定義一個長方體，該長方體能將鐵路建筑限界剛好完全包裹。若此長方體的8個頂點皆位于拍攝范圍內，則整列貨車一定可以被完全拍入圖像中。

設相機機位坐標為（x0,y0, z0），光軸與車輛橫中心線所在平面夾角為α，與水平面的夾角為 β。

2.2 目標函數

（1）為確認空間點位于圖像的拍攝范圍，需要完成空間坐標向圖像坐標的維度轉換。用一個點O作為原點，使得實物上的點Q以及無人機相機的坐標分別表示為相對于點O的坐標（xw,yw, zw）,（x0,y0, z0）。利用相機外參數矩陣可得：

式（1）中，（xc,yc, zc）表示空間點在相機坐標系OcXcYcZc中的坐標，cMw是外參數矩陣。

（2）根據小孔成像原理，利用相機內參數矩陣Min，將空間點轉換為其在圖像中的像素點位(u,v)：

若a,b, c,d為圖像4個邊界距主點坐標的距離，要使得實物上的點Q在拍攝范圍內，應有如下關系：

2.3 精度約束

根據三維模型重建原則，所提供的相鄰兩張圖像的重合率不應該低于60%。若每張圖像的拍攝范圍表示為像素點的積分，則相鄰兩張圖像的共同拍攝區域可表示為：

進而得到重合面積約束：

3 相機內參標定

無人機飛行姿態模型的求解關鍵在于求出無人機相機的內外參數矩陣，其中，外參數可以通過坐標系轉換求得，而內參數需要借助MATLAB相機標定工具箱和靶標進行標定。

3.1 標定實驗環境

在此次對攝像機內參數的標定實驗中，采用基于平面標定板的相機標定方法[8]。在這種標定方法中，標定所用的靶標應滿足下列要求：

（1）相對于周邊環境，特征圖案應易于識別，構圖簡單，易于視覺系統能夠快速進行圖像處理；

（2）圖案應包含足夠的信息，如點、線或區域。

在攝像機標定過程中，由于攝像機固定不動，平面靶標按不同姿態擺置，所以，攝像機的內部參數始終不變，發生變化的只是外部參數。標定實驗可以多次采集平面靶標圖像，然后計算出攝像機內參數。這種標定方法不僅對設備要求低，操作也比較簡單，也不需要高精度的標定板，具有很強的魯棒性，實用性比較強。

3.2 標定過程與結果

本次實驗采用MATLAB相機標定工具箱[9]，并根據實際情況對標定工具箱內部程序進行適當修改，實現棋盤格標定。靶面尺寸為2/3 inch，標定靶標為黑白棋盤格標定板，方格子數目為12×9，方格尺寸為30 mm×30 mm。標定流程如圖2所示。

圖 2 相機參數標定流程

（1）將攝像機水平放置并保證Z軸垂直，采集不同姿態的標定板圖像。最后的標定效果與采集圖像數量有關，為了獲取更詳細的鏡頭畸變信息，在保證標定圖像質量的前提下，采集圖像時應讓棋盤占據盡可能多的畫面，這樣可提高最后標定結果的精度。

（2）通過Extract grid corners命令對多組平面標靶角點及網格點進行提取。每張圖像以距離自己最遠的頂點為起點，然后按照相同的順序，依次手動選取標定板網格的4個角點，程序會根據所選角點對其他角點進行預測定位。根據角點預測結果，觀察角點預測匹配是否最佳，對于匹配比較差的圖像，可以添加畸變系數進行調整。

（3）通過優化算法，對自動提取的平面標靶中的網格點進行優化，最后提取亞像素的網格坐標。

（4）依次對12幅圖像進行角點提取，通過網格點坐標計算攝像機內參數變化矩陣，對計算結果進行偏差估計并且使其可視化。

標定過程中，圖像角點提取的誤差過大，將會嚴重影響標定精度。可以通過如圖3所示的誤差分析圖，找出誤差主要來源的圖像序號，再重新提取角點或直接剔除圖像，以提高標定精度。

圖 3 相機標定像素誤差分析圖

經過相機標定實驗，得主點坐標為 [1 236.222 56 1 626.530 88]，焦距坐標為[2 809.399 64 2 809.402 52]，從而確定相機內參數如下：

獲得相機內參數后，即可求解無人機飛行姿態模型，獲取無人機最佳飛行軌跡和拍攝位置。

4 貨車實物裝載的三維模型重建

4.1 三維重建原理

由無人機拍攝所得的各張圖像投影中心出發，經過一對同名點的兩條直線會在空間中交會于一點，即該點在真實場景中的三維坐標。通過圖像間對應像素間的視差，可反推出圖像中目標物體的空間幾何形狀和位置，從而實現三維模型的重構。以圖4為例，假設在兩張圖像上有一對同名點，位于左片的PL點和位于右片的PR點，則由兩張圖像的投影中心出發分別經過這一對同名點的兩條直線在空間中交會于P，可以恢復出真實場景中物體表面上某一點的三維坐標[10]。

根據以上初步的配合比（02號）中水膠比和砂率按《水工混凝土試驗規程》（SL352-2006）規定進行調整，水膠比增減0.05、砂率相應增減1%，得出01和03號調整后的配合比進行試配，如表6共3個配合比進行試配，表7為3組配合比試配后得出各項混凝土性能指標。

圖 4 三維重建原理圖

4.2 C64貨車模型重建

此處，采用1臺縮小版的C64敞車模型進行有關試驗，其上搭載布袋和木箱模擬貨物，檢測貨車裝載超限情況。使用無人機環繞模型拍攝了110張圖像后，導入三維重建軟件PhotoScan中。系統將匹配出每張圖像的拍攝視角和相機機位，并獲得敞車模型點云。完成后續操作即可得到重建的敞車裝載三維模型，重建結果與實物效果對比如圖5所示。

圖 5 貨車裝載實物與重建結果

5 基于3ds Max的限界檢測與判定

5.1 建立超限檢定模型

預先繪制用于超限判定的超限檢定模型。考慮到鐵路上將貨車超限劃分為3個等級，因此需要根據規定尺寸，分別繪制3個檢定模型。如圖6所示，得到的檢定模型和實物模型表面顏色各不相同，為后期的超限檢測判定提供了方便。繪制模型時，尺寸可根據需求調整，從而更好地適應不同運輸條件下的貨車裝載超限檢測。

5.2 檢測與判定

將重建得到的三維貨車模型導入3ds Max中，用旋轉工具調整三維模型的角度，在材質編輯器中調整模型的透明度和顏色，根據實際情況設置3ds Max中的系統單位。

圖 6 限界標準模型

（1）為了充分展現利用三維模型進行檢測的優勢，使得判定結果更為直觀，需要將超限檢定模型和貨車模型按照同一基準嵌套，利用三維視圖實現超限檢測判定。正常情況下，載貨貨車應被三級限界層層包裹；若貨物超限，則會突出相應的限界輪廓線，根據突出情況即可判定超限等級。由圖7可見，此處貨物超出了代表機車車輛限界的藍色輪廓，整體判定為一級超限。超限的具體數值，可在三視圖中使用測距功能量取，通過讀取俯視圖的y坐標差可得出超寬的具體數值，通過讀取正視圖的z坐標差可得出超高的具體數值。

圖 7 整體超限判定

（2）通過透視圖觀察，可得到準確的超限位置和超限量。若貨物未超出限界，則對應檢定模型表面顏色均一、光滑；若貨物超限，則表面會有灰色部分顯現。如圖8所示，此處由于貨物屬于一級超限，僅有機車車輛限界表面顯現出灰色部分。這些灰色區域也就是需要進行調整的貨物位置。

5.3 檢測精度

如表1所示，量取重建敞車模型的相應數據，所得結果與手測值基本一致，誤差在±2 mm左右，精度高，檢測結果可信。

圖 8 裝載超限分析

表 1 貨物裝載檢測精度

6 結束語

針對鐵路貨車裝載狀態，用無人機飛行姿態模型對航拍位置進行規劃，運用無人機航拍和三維重建技術實現超限檢測，大幅度提升了鐵路貨物裝載超限檢測的靈活性，降低了檢測成本。本文所提出的超限檢測手段相比于現有檢測方法主要有以下優勢：

（1）無人機視覺檢測技術不同于傳統的平面檢測方式，通過重建出待檢測貨車的三維模型實現超限檢測，操作簡便，判定結果更為直觀，精度較高。

（2）超限檢定模型可根據不同運輸條件靈活調整，比現有檢測手段的適用范圍廣，檢測成本低。

（3）能夠準確判定貨物超限等級、類型和裝載位置，便于貨檢員有針對性地換裝整理。

未來可以依據無人機飛行姿態模型預定義飛行軌跡，實現自動化的超限檢測；根據鐵路各運行區段的限界要求，建立超限檢定模型數據庫，將能更好地發揮無人機視覺檢測技術的優越性。