軌道作業(yè)車周邊異物侵線監(jiān)測技術(shù)

尹成斐 劉尚昆 張世紅 宋曉陽 劉傳

1.國能朔黃鐵路發(fā)展有限責任公司，河北肅寧 062350；2.中國鐵道科學研究院集團有限公司鐵道建筑研究所，北京 100081

軌道作業(yè)車在線路上維修作業(yè)時，現(xiàn)場施工配合人員較多，且人員跨線流動性強［1］。現(xiàn)場作業(yè)任務(wù)繁重時，人員容易倦怠疏忽，易出現(xiàn)施工人員侵入本線或鄰線鐵路限界的情況，極易造成人員安全事故。另外，一些既有線沿線周邊環(huán)境復雜，軌道作業(yè)車的作業(yè)機構(gòu)可能與沿線鐵路設(shè)備或其他侵線物體發(fā)生碰撞，存在極大安全隱患［2］。

軌道作業(yè)車施工安全管理過程中，主要在司機室人工監(jiān)控［3］。通過在軌道作業(yè)車前后安裝攝像頭，在軌道作業(yè)車司機室安裝顯示終端，顯示軌道作業(yè)車周邊環(huán)境視頻圖像，由司機對周邊環(huán)境風險進行人工識別，從而做出相應(yīng)操作［4］。這種方式受司機主觀因素影響較大，存在安全風險。

線路維修安全關(guān)系到鐵路線路的運營安全，迫切需要自動化程度更高、安全性和穩(wěn)定性更好的施工安全系統(tǒng)，確保鐵路運營線路設(shè)備的安全［5］。因此，急需開發(fā)相應(yīng)的智能化軌道作業(yè)車周邊異物侵線監(jiān)測系統(tǒng)，提高作業(yè)安全性。

針對鐵路沿線異物侵線監(jiān)測的問題，國內(nèi)外主要使用超聲波技術(shù)、毫米波雷達技術(shù)、機器視覺技術(shù)和激光雷達技術(shù)［6］。本文選用激光雷達傳感器進行環(huán)境感知，對三維點云的處理、異物識別與定位技術(shù)開展研究；開發(fā)數(shù)據(jù)處理軟件，實現(xiàn)鐵路沿線異物的識別和準確定位，從而實現(xiàn)軌道作業(yè)車周邊異物在線監(jiān)測的功能。

1 總體技術(shù)方案

軌道作業(yè)車周邊異物侵線監(jiān)測系統(tǒng)總體方案如圖1所示。該系統(tǒng)主要包括安裝在軌道作業(yè)車輛前后端的激光雷達、毫米波雷達、聲光報警器、測控箱、工控主機等。

圖1 軌道作業(yè)車周邊異物侵線檢測系統(tǒng)總體方案

激光雷達在夜間可以正常工作，且能適應(yīng)霧天、雨天等惡劣天氣，軟硬件成本相對較低，適用于工務(wù)作業(yè)中的侵線異物識別。

該方案中，激光雷達用于獲取空間三維點云數(shù)據(jù)，通過百兆以太網(wǎng)口與工控機連接，將采集到的點云數(shù)據(jù)實時傳輸?shù)焦た貦C。工控機運行編寫的軟件程序?qū)⑶志€異物識別并定位，毫米波雷達用于對激光雷達感知結(jié)果進行二次確認。

1.1 技術(shù)指標

1）識別范圍5～20 m；

2）異物定位誤差不大于200 mm；

3）軌道作業(yè)車運行速度不大于10 km/h。

1.2 異物識別與定位

異物識別及定位流程如圖2所示。

圖2 異物識別及定位流程

通過百兆以太網(wǎng)將激光雷達采集的球坐標系下的點云數(shù)據(jù)發(fā)送到工控機，從雷達姿態(tài)傳感器中得到雷達的側(cè)滾角和俯仰角，在軟件中對雷達點云數(shù)據(jù)進行坐標變換和修正，得到基于指定視角的直角坐標系下的點云數(shù)據(jù)。

激光雷達每幀的點云數(shù)據(jù)量大，處理時間長。因此，采用點云濾波對點云數(shù)據(jù)進行預(yù)處理，減少噪聲點和離群點，并劃分得到感興趣區(qū)域。在感興趣區(qū)域中，分割出鐵路道床，然后采用歐氏聚類法對分割出的點云進行聚類，得到異物點云簇。對點云簇數(shù)據(jù)做窗口濾波得到異物的位置信息。

2 關(guān)鍵算法

2.1 點云濾波算法

濾波算法流程如圖3所示。在處理點云數(shù)據(jù)過程中，因為實時點云數(shù)據(jù)量大，加之受到外界干擾如視線遮擋、傳感器抖動等原因，點云數(shù)據(jù)中往往存在著一些離散點和噪聲點。因此，在點云數(shù)據(jù)的處理中，濾波作為預(yù)處理的第一步，對后續(xù)處理的步驟影響很大，必須針對實際應(yīng)用場景分析點云數(shù)據(jù)中噪聲類型，進行有效濾波，才能保證后續(xù)的聚類和特征提取的正確性。

圖3 濾波算法流程

2.2 點云聚類算法

聚類的方法主要包括DBSCAN算法、K-means聚類算法、歐氏聚類算法、利用深度圖像進行聚類分析等［7］。DBSCAN算法是基于密度的數(shù)據(jù)聚類算法，能夠快速對任意形狀點云進行聚類，但該法內(nèi)存資源消耗大，對處理器要求很高。K-means聚類算法準確率高，但需要手動輸入聚類數(shù)目k，難以達到實時性要求［8］。歐氏聚類算法對大多數(shù)據(jù)具有通用性，點云分割的效果與實時性良好［9］。綜上本文結(jié)合現(xiàn)場點云數(shù)據(jù)特點，采取歐氏聚類法進行異物的識別，其算法流程如圖4所示。

圖4 歐氏聚類算法流程

3 現(xiàn)場試驗

在軌道作業(yè)車端部安裝激光雷達傳感器，在軌道作業(yè)車端部下方安裝毫米波雷達，對侵入鐵路限界的異物進行掃描。試驗現(xiàn)場和界面顯示如圖5所示。

圖5 試驗現(xiàn)場與界面顯示

激光雷達將實時掃描到的三維點云數(shù)據(jù)通過以太網(wǎng)傳輸至工控機，經(jīng)過濾波、聚類后，識別出侵入鐵路限界的異物并得到其位置信息，在工控機軟件界面上用方框圈出；同時毫米波雷達對掃描出的異物進行二次確認，在界面上用圓框圈出距離軌道作業(yè)車最近的異物。

在線路上進行多次試驗得到異物監(jiān)測定位誤差，見表1。可知，異物監(jiān)測定位精度滿足誤差不大于200 mm的要求。

表1 異物監(jiān)測定位精度

4 結(jié)語

針對軌道作業(yè)車施工作業(yè)時車輛周邊施工配合人員眾多，極易發(fā)生異物侵線從而造成安全事故的難題，本文提出了基于三維激光雷達與毫米波雷達融合的軌道作業(yè)車周邊異物侵線監(jiān)測技術(shù)。現(xiàn)場試驗效果表明，該技術(shù)方案可有效識別并定位侵線異物，降低了現(xiàn)場異物侵線導致的安全風險，保障了施工安全。