一种基于雷达点云的货运列车形变判断方法及系统与流程

1.本发明涉及雷达点云技术领域，尤其是涉及一种基于雷达点云的货运列车形变判断方法及系统。


背景技术：

2.如今在物流业大发展的过程中，作为物流的主要功能要素之一的运输，特别是铁路运输更多地承担了改变货物空间位置的主要任务。铁路安全生产是铁路运输的生命线，是铁路企业实现社会效益和经济效益增长的立足点，围绕安全生产科学系统地做好各项安全管理工作，方能以此为基础推动铁路企业不断走向辉煌，促进铁路行业和谐发展。
3.其中货运列车的鼓胀变形问题成为比较棘手且麻烦的事情。目前对于货运列车较为高级的安全检测方法为采用高清相机进行图片或视频的采集，后台系统或人为识别判断，国铁对于货运列车允许稍微的鼓胀，但是不能超出一定的标准，例如敞车车厢鼓胀的标准为：空车80mm，重车150mm，超出此范围就认定为不符合安全标准。但是基于图像和视频的二维特性，对于货运列车车体的鼓胀、变形等问题，使用图片或视频的方法是无法或极难识别判断的，更无法满足鼓胀与变形数值的要求。这就导致了在大多数的运输生产环境中无法使用目前的基于图像和视频的方法。基于雷达点云计算目标物体形变系数的方法，可以判断目标物体的膨胀形变问题，然而现有技术中并没有将雷达点云计算和货运列车的膨胀变形问题结合起来，因此亟需一种基于雷达点云判断货运列车鼓胀的方法，为货运列车车厢鼓胀的识别提供依据。


技术实现要素：

4.为了解决货运列车车厢鼓胀的识别问题，本发明提供一种基于雷达点云的货运列车形变判断方法及系统。
5.第一方面，本发明提供的一种基于雷达点云的货运列车形变判断方法，采用如下的技术方案：一种基于雷达点云的货运列车形变判断方法，包括：获取货运列车的雷达点云；根据获取的雷达点云判断货运列车是否为目标识别物；根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算非同面点云的曲率值和体积值；根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。
6.进一步地，所述获取货运列车的雷达点云，包括利用雷达设备获取经过的货运列车的点云数据，通过点云数据拼接得到货运列车的轮廓和尺寸。
7.进一步地，所述根据获取的雷达点云判断货运列车是否为目标识别物，包括将货运列车的轮廓和尺寸与数据库中的标准目标识别物的轮廓和尺寸相比较，判断得到目标识别物。
8.进一步地，所述根据获取的雷达点云判断货运列车是否为目标识别物，还包括，根据判断得到的目标识别物，通过雷达点云得到目标识别物是空车还是重车。
9.进一步地，所述截取雷达点云中的非同面点云，包括截取雷达点云中的突出和凹陷的部分，作为非同面点云。
10.进一步地，所述计算非同面点云的曲率值和体积值，包括利用雷达点云中的点云坐标，计算非同面点云的曲率值和体积值。
11.进一步地，所述根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形，包括根据设定的阈值，若曲率值大于阈值或体积值大于阈值，则判断车厢变形。
12.第二方面，一种基于雷达点云的货运列车形变判断系统，包括：数据获取模块，被配置为，获取货运列车的雷达点云；识别模块，被配置为，根据获取的雷达点云判断货运列车是否为目标识别物；截取模块，被配置为，根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算模块，被配置为，计算非同面点云的曲率值和体积值；判断模块，被配置为，根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。
13.第三方面，本发明提供一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于雷达点云的货运列车形变判断方法。
14.第四方面，本发明提供一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于雷达点云的货运列车形变判断方法。
15.综上所述，本发明具有如下的有益技术效果：本发明通过判断采集到的雷达点云曲率和体积，该方法不仅可以判断货运列车车厢的鼓胀变形问题，为货运列车车厢鼓胀的识别提供依据，还可以提供货运列车车厢鼓胀变形的量算数据。
附图说明
16.图1是本发明实施例的一种基于雷达点云的货运列车形变判断方法的示意图。
17.图2是本发明实施例的一种基于雷达点云的货运列车形变判断方法的空车时的雷达点云图。
18.图3是本发明实施例的一种基于雷达点云的货运列车形变判断方法的重车时的雷达点云图。
具体实施方式
19.以下结合附图对本发明作进一步详细说明。
20.实施例1参照图1，本实施例的一种基于雷达点云的货运列车形变判断方法，包括：本方法是一种综合使用雷达点云的曲率和体积计算的方法来判断车厢的变形问题，铁路在安全运输方面有一定的标准，需要采集识别到货运列车的形变程度及形变系数。
在现实的生产环境中，货运列车的形变不仅包含外涨，也包含凹陷，为解决上述问题，获得目标物点云后比对数据库中的标准点云集，截取出非标准点云，即非同面点云，并进行计算曲率与体积计算，得到形变系数，比对铁路标准，例如空车的形变系数为80mm，重车的形变系数为150mm，依据得到的形变系数是否大于设定的阈值标准，判断货运列车是否形变。
21.作为进一步地实施方式，本实施例的一种基于雷达点云的货运列车形变判断方法，包括以下步骤：步骤1：获取货运列车的雷达点云，根据获取的雷达点云判断货运列车是否为目标识别物；在合适的位置安装雷达，车体左右安装雷达，单面可单个雷达，也可多个雷达同时使用，货运列车通过时，利用雷达设备进行点云数据采集，获得货运列车的雷达点云的图像，通过雷达点云的图像能够直接得到货运列车的轮廓、尺寸和唯一标识，如车牌。根据货运列车的轮廓、尺寸或唯一标识来确定识别到的货运列车是否为目标识别物。其中，根据货运列车的轮廓、尺寸（长、宽、高）进行确定，将货运列车的轮廓和尺寸分别与数据库中的标准目标识别物进行比对，就能确定是否为目标识别物，例如目标识别物为长方形的敞车，那么类椭圆的罐车就不是目标物；或更高准确度的方法，即结合目标识别物的唯一标识，例如，货运列车的车号为唯一标识，通过其他系统的推送，或本系统具备识别车号的功能，来确定目标识别物。
22.货运列车的每个面的对应设置的雷达能采集到每个面的雷达点云，通过得到的雷达点云，能够得到每个面的空间范围，通过将这几个面进行拼接，即可以组合出车厢轮廓。通常情况下只需要采集三个面的雷达点云即可，分别在顶部、左侧和右侧设置雷达，采集得到三个面的点云，将三个面的点云拼接后得到货运列车的大概轮廓即可。同时顶部的雷达还能探测到货运列车内是空车还是重车，因为空车和重车的点云图像是不同的。
23.拼接过程中，通过寻找参照物作为关键点，将关键点设定为坐标的起始点进行拼接。
24.雷达采集的点云数据是有深度和计量的，每个点云数据都包含了x、y、z三个坐标值的空间坐标信息，因此通过点云的几何就能计算出物体的三维轮廓和尺寸，具体过程参见pcl类库，该过程为现存的通用方法。
25.步骤2：比对如果不是目标识别物则进入步骤1，如果为目标识别物则区分空车还是重车，进入步骤3。利用获取的雷达点云的图像，能够直接区分目标识别物是空车还是重车，如图2和图3所示，由于空车和重车具有不同的形变系数，因此针对空车和重车设置不同的阈值，比对铁路标准，例如空车的形变系数为80mm，重车为150mm，通过形变系数判断货运列车是否形变。
26.形变系数，即为货运列车的曲率变化值或体积变化值相对于标准的货运列车的曲率值和体积值的比值。如针对于油罐车等曲面车厢的列车时，通过其曲率变化的差值与原曲率值的比值作为形变系数；在针对于矩形车厢的列车时，通过其体积变化的差值与原体积值的比值作为其形变系数。
27.步骤3：由于车厢表面有常规部件，雷达设备也会检测到微小的鼓胀，例如车门、把手等，通过将雷达点云的图像比对数据库中标准目标识别物，滤掉正常部件的点云数据，截取出非同面点云，即包含了突出或凹陷部分的点云，其中，判断突出或凹陷部分的点云，通
过计算点云数据中每个点的坐标（x、y、z），突出或凹陷部分的点云会在某个平面方向上，其坐标大于设定阈值，例如某点在x、y的平面上，突出或凹陷部分的点云坐标的z值超出了设定的阈值，那么该点就属于突出或凹陷的部分，即非同面点云。
28.步骤4：对截取部分的非同面点云进行曲率和体积的计算。
29.利用雷达获取的点云数据，截取到非同面点云后，对非同面点云进行计算其曲率和体积，通过现有的软件即可以实现点云的体积和曲率计算。
30.如计算点云各部分的体积，进行累加三角化之后放入ug或者solidworks，就可以输出体积，还可以根据不同的密度输出质量。
31.如计算点云的曲率，通过来高科技的techlego三维扫描软件的曲率算法，计算点云的曲率。
32.步骤5：根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。
33.比对截取部分的非同面点云的曲率和体积，如果非同面点云的曲率或者体积超出了设定的阈值，则认为车厢变形，可在系统内标注该曲率值和体积值作为变形系数，如果没有超出设定的阈值，则认为没有变形。
34.实施例2本实施例与实施例1的不同之处在于，本实施例提供一种基于雷达点云的货运列车形变判断系统，包括：数据获取模块，被配置为，获取货运列车的雷达点云；识别模块，被配置为，根据获取的雷达点云判断货运列车是否为目标识别物；截取模块，被配置为，根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算模块，被配置为，计算非同面点云的曲率值和体积值；判断模块，被配置为，根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。
35.一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种基于雷达点云的货运列车形变判断方法。
36.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种基于雷达点云的货运列车形变判断方法。
37.以上均为本发明的较佳实施例，并非依此限制本发明的保护范围，故：凡依本发明的结构、形状、原理所做的等效变化，均应涵盖于本发明的保护范围之内。

技术特征：
1.一种基于雷达点云的货运列车形变判断方法，其特征在于，包括：获取货运列车的雷达点云；根据获取的雷达点云判断货运列车是否为目标识别物；根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算非同面点云的曲率值和体积值；根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。2.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述获取货运列车的雷达点云，包括利用雷达设备获取经过的货运列车的点云数据，通过点云数据拼接得到货运列车的轮廓和尺寸。3.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述根据获取的雷达点云判断货运列车是否为目标识别物，包括将货运列车的轮廓和尺寸与数据库中的标准目标识别物的轮廓和尺寸相比较，判断得到目标识别物。4.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述根据获取的雷达点云判断货运列车是否为目标识别物，还包括，根据判断得到的目标识别物，通过雷达点云得到目标识别物是空车还是重车。5.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述截取雷达点云中的非同面点云，包括截取雷达点云中的突出和凹陷的部分，作为非同面点云。6.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述计算非同面点云的曲率值和体积值，包括利用雷达点云中的点云坐标，计算非同面点云的曲率值和体积值。7.根据权利要求1所述的一种基于雷达点云的货运列车形变判断方法，其特征在于，所述根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形，包括根据设定的阈值，若曲率值大于阈值或体积值大于阈值，则判断车厢变形。8.一种基于雷达点云的货运列车形变判断系统，其特征在于，包括：数据获取模块，被配置为，获取货运列车的雷达点云；识别模块，被配置为，根据获取的雷达点云判断货运列车是否为目标识别物；截取模块，被配置为，根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算模块，被配置为，计算非同面点云的曲率值和体积值；判断模块，被配置为，根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。9.一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如权利要求1所述的一种基于雷达点云的货运列车形变判断方法。10.一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如权利要求1所述的一种基于雷达点云的货运列车形变判断方法。

技术总结
本发明涉及雷达点云技术领域，尤其涉及一种基于雷达点云的货运列车形变判断方法及系统，本发明解决了如何利用雷达点云数据判断列车形变的问题，所述方法包括获取货运列车的雷达点云；根据获取的雷达点云判断货运列车是否为目标识别物；根据判断得到的目标识别物，截取雷达点云中的非同面点云；计算非同面点云的曲率值和体积值；根据曲率值和体积值与设定的阈值相比较，判断是否车厢变形。本发明通过判断采集到的雷达点云曲率和体积，该方法不仅可以判断货运列车车厢的鼓胀变形问题，为货运列车车厢鼓胀的识别提供依据，还可以提供货运列车车厢鼓胀变形的量算数据。车车厢鼓胀变形的量算数据。车车厢鼓胀变形的量算数据。


技术研发人员：李峰 柯腊 许西论 张彤 刘欢迎 谭明旭 韩明凤
受保护的技术使用者：山东矩阵软件工程股份有限公司
技术研发日：2022.12.13
技术公布日：2023/1/6