具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。

如图1-5所示，基于高速激光雷达的铁路货运几何超限预警系统实现的主要功能：

1、点云数据采集处理功能；

2、点云图像服务功能和信息整合查询功能；

3、上述功能基于设置在室外的前端数据采集子系统和设置在室内的机房子系统配合，其中前端数据采集子系统和机房子系统之间通过网络信息交互。

前端数据采集子系统包括：

车号识别系统内置AEI车号识别装置2，对运行列车的车号进行自动识别，并上传至机房子系统；

过车检测及车厢分割单元内置过车检测传感器1，记录单节车辆进入和离开前端数据采集子系统的时间，并上传至机房子系统；

激光雷达组包括安装在轨道两侧的左侧激光雷达3和右侧激光雷达4，进行车辆外观扫描和超限检测，并上传至机房子系统。

机房子系统包括：超限检测处理主机、检车应用平台及数据存储服务器，其中超限检测处理主机主要完成：

1、激光雷达数据采集与无效数据过滤；

2、激光雷达数据处理；

3、接收AEI车号识别主机、过车检测及车厢分割单元上传的有关数据；

4、各种数据的相互关联，将关联后数据传送至检车应用平台及数据存储服务器；从而实现点云数据采集处理功能。具体的是，激光雷达是二维光电测量系统，其中一维是激光测距系统，是利用激光来测量激光雷达与周围环境的距离，另外一维是角度控制系统，通过控制电机来控制测时激光与周围环境的角度，通过距离测量值和角度值来确定周围环境的扫描面，激光雷达可通过发射激光束，实现对被探测目标距离、方位、速度、形状等参数的动态测量，可应用在铁路超限检测领域，实现对列车车体外轮廓信息进行采集与成图，相比人工室外现场检测方式，采用激光雷达可以实现对通过列车的动态超限检测，检测方式由室外转到室内，提高检车效率，降低劳动强度，相比于激光/红外对射检测方式和图像识别与测量检测2种自动动态监测方式，采用激光雷达具有以下优点：可以精确定位超限部位；不易受环境干扰；不易受气候环境和夜间光线暗的影响；数据量小，实时性好，利用激光雷达设计铁路超限检测系统。

其中激光雷达的参数：激光雷达的扫描频率为200Hz、角度分辨率为1°、工作区域为0.5m…[email protected]％、扫描角度为110°、光斑发散角为6mrad、光源波长为905nm、适应车辆速度为≤50km/h、检测精度-宽为≤150mm、检测精度-高为≤50mm、EthernetTCP/IP为100Base-TX。

具体的是，过车检测及车厢分割单元的过车检测传感器1为车轮传感器，安装在轨道内壁下侧，当内部永磁铁的磁场强度因为列车车轮经过而改变时，感应线圈的磁通量会产生变化，感应线圈瞬时产生扰动的感应电动势形成感应电动势，感应线圈形成的感应电动势经过电压放大器的放大输出到信号处理模块，用于判断列车是否正在通行以及列车通行时的方向、车轮的轴数、列车行驶速度以及车轮经过传感器时间等信息。

具体的是，车号识别系统内置AEI车号识别装置2安装在轨道上，平行于通过的列车，通过上位机发送开功放指令，射频模块开始向周围发射射频信号，通过这种方式识别、读取列车底部的标签信息，读取的车号信息将上传至服务器数据库，结合过车检测及车厢分割系统对每一节有车号信息的火车车厢进行匹配对应的车号。

在本实施例中，激光雷达组设置在轨道外侧的龙门架上，左侧激光雷达3和右侧激光雷达4安装在龙门架的左右侧的同一高度，且左侧激光雷达3和右侧激光雷达4的激光发射端不相对，两激光雷达之间的距离完全覆盖铁轨以保证车辆驶入测量区域，假设车道是规则平整的，待测车辆笔直的驶入测量区域(笔直可以理解为相对于车道而言车辆行驶方向不倾斜)，设车辆行驶方向为z轴正方向，与激光雷达测量坐标系结合形成三维直角坐标系，激光雷达测量坐标系的xOz平面需与路面平行，xOy平面需垂直于路面且与车辆行驶方向的夹角为90度，两台雷达发射激光的部分不可以相对，否则会互相产生干扰，同时车轮传感器可以测量车速，保证测量系统可以正确获取数据。

需要补充的是，测量系统硬件系统搭建完成后，需要先进行系统标定工作，将两台激光雷达的测量坐标系配准到同一坐标系下，然后系统就进入正常工作状态，列车驶过测量区域时，测量系统通过激光雷达获取车辆的轮廓数据，通过车轮传感器获得车辆的行驶速度和方向。

作为铁路货运超限状态的动态检测的工作流程：

步骤一、列车经过时车轮传感器识别列车行驶的方向、速度等信息，并对车厢进行分割；列车经过AEI车号识别装置，识别出车厢底部的电子标签，获取车厢信息并传输给服务器；高速激光雷达实时采集每辆车外轮廓尺寸数据，并发送至机房子系统；

步骤二、超限检测处理主机进行激光雷达数据采集与无效数据过滤和激光雷达数据处理；接收AEI车号识别主机、过车检测及车厢分割单元上传的有关数据；对各种数据进行相互关联，将关联后数据传送至检车应用平台及数据存储服务器。

具体的是：当有列车通过激光雷达超限检测采集区时，过车检测传感器检测到列车第一个车轮信号，触发左、右两侧激光雷达开始进行数据采集，由于所采集数据包含无效的环境背景数据，所以需要对无效数据进行滤除。

其中激光雷达数据采集，是当列车通过激光雷达采集区时，激光雷达开始向被探测的车体表面发送激光束，在车体表面形成反射信号，激光雷达接收器接收到反射信号，根据同一束激光发射时间与接收时间之差，计算激光雷达到被探测物体的距离，并将其与超限标准进行比较，判断是否存在超限，当有机车车辆通过时，启动激光雷达发射激光束，同时开始接收反射信号，得到距离数据，每一个距离的值相当于一个扫描点，这些点的集合称为点云，产生扫描点的位置如图2虚线位置所示，根据过车检测传感器提供的实时测速信息可以得知相邻截面间间距，当整节车厢通过后可以得到该节车厢完整的三维外轮廓点云数据，根据点云数据进行机车车辆超限检测；

其中激光雷达采集到的点云数据需要进行无效数据过滤：

激光雷达在超限检测采集区安装完成后，所采集的点云数据主要包括环境背景点云数据和机车车辆外轮廓点云数据2种，超限检测就是根据机车车辆外轮廓点云数据判断是否存在超限，环境背景点云数据为无效数据，为了消除无效数据对超限检测的影响，必须将环境背景点云数据进行过滤，过滤过程如下：

如图6所示，在没有机车车辆通过时，两侧激光雷达采集到的主要是环境背景点云数据，根据机车车辆尺寸标准和激光雷达安装位置，可以根据距离算出点云数据的有效区域，得到无机车车辆通过时激光雷达采集数据分布图，其中有效区域为中间灰色部分，外侧的点云数据表示激光雷达采集的数据。

如图7所示，有机车车辆通过时激光雷达采集数据分布图，其中灰色区域内的部分即为机车车辆外轮廓点云数据。

如图8所示，当机车车辆通过时，将灰色区域边界作为点云数据过滤条件，对采集的数据进行过滤处理，只保留在灰色区域内的点云数据，这样将大量无效数据滤除，保留有效数据，得到过滤后的激光雷达采集数据分布图。

作为补充的是：点云数据过滤使用的滤波处理是对已知信号中某些特定的频率的操作，它可以一定程度上减少或避免外界的干扰，二维激光雷达采集的数据虽相对纯净，但激光雷达自身也会产生某些噪声，在剔除了孤立点之后，每一帧激光雷达的数据中依然会存有噪声，同时由于背景噪声而导致的不可靠的激光反射，也可能会对障碍物检测效果造成或多或少的影响，所以对采集到的激光雷达数据采取进一步的滤波处理，均值滤波是一种连续的窗口滤波算法，滤波后会增加额外新生数据，这些数据造成了伪障碍物信息，为此均值滤波适合连续的且变化幅度不是特别大的数据列。

具体的是，激光雷达对机车车辆所采集的点云数据是激光雷达多次测量的数据集，每次测量并不是在同一坐标系下进行，必须把多次测量得到的点云数据统一到同一个坐标系下，并且需将海量的点云数据转换成机车车辆外轮廓图像，为此，需对激光雷达数据进行进一步处理，处理过程包括点云配准和点云成图。

其中点云配准的流程为：

1、点云数据读取，分别读取左侧激光雷达和右侧激光雷达所采集的点云数据；

2、机车车辆顶部激光雷达数据提取，从点云数据中提取2台激光雷达机车车辆顶部数据，一般情况下，采集得到的顶部点云数据可以看作在一个平面上，因此，采用平面分割的方法分割出机车车辆顶部点云数据，利用点云库中基于随机采样一致性算法的几何模型分割提取模块，分别提取出机车车辆顶部点云数据；

3、人工粗配准，人工粗配准利用基本坐标转换方法，先根据2台激光雷达的安装位置，估计2台激光雷达的位置偏差，将2台激光雷达两片车顶点云数据距离拉近，为精配准提供良好的初值，以提高精配准准确性和效率；

4、二步式精配准，二步式精配准主要采用开源点云库(PCL)中的正态分布变换算法(NDT)和最近点迭代算法(ICP)实现，首先利用正态分布变换算法(NDT)的精配准算法进行相邻两帧点云配准，再采用最近点迭代算法(ICP)进行两帧点云位姿的校正，实现多次测量得到的点云数据统一到同一个坐标系下。

其中点云成图是将激光雷达采集的海量点云数据，通过处理机进行拼接处理，形成可视化图像的形式予以展现，形成的图像即为机车车辆顶部、左侧和右侧外轮廓图，流程如下：

如图9所示,采用OpenGL软件分别对机车车辆顶部点云数据、左侧点云数据和右侧点云数据分别进行拼接处理，拼接完成后，再将这三个部位图像合成一张图像进行展示；

如图10所示,在超限部位判定中，首先将三维点云数据划分为左侧、右侧和顶部3部分，然后对每部分的各个点进行超限级别从高到低判定，只保留该点的最高超限级别，如果某部分某级别超限点数超过一定规模，则判定为发生该级别超限，只保留该部分最高超限级别进行记录，在三维点云图像中，底色为黑色，对各点根据超限级别用不同颜色进行显示，正常点白色显示，异常部位用灰色显示，超限部位显示结果；

如图11所示，激光雷达将采集的列车外轮廓数据的点云成图预警信息存储至数据库，客户端软件实现通过列车车型、车号、车速、外轮廓点云图像等有关信息的整合，为检车员提供方便、快捷的检车服务。

需要补充的是：几何超限判定标准的设置：根据我国铁路超限超重运输规则规定的前提条件是货物装车后，在水平线上且停留状态下的规定，本系统是在运行状态下对车辆进行测量，因此对超限级别调整如下：原二级超限规定为一级超限；原二级限界和建筑限界规定为超级超限；大于建筑限界规定为建筑超限，以上限界标准数据存入数据库，在程序启动后调入内存，供超限判定使用，为了方便人员定位和查看超限部位，本系统将整节车辆三维点云数据划分为三部分后分别进行判定，三部分分别为：车辆左侧，车辆右侧和车辆顶部。

具体的是，检车应用平台为几何超限检测应用软件平台的工作流程为自动采集通过列车车次、车号、车型、车速、通过时间等信息；铁路货车外轮廓外形尺寸数据采集与处理，以车厢为单位完成数据分割，自动生成列车外轮廓左侧视图、右侧视图、顶部视图；检查人员通过客户端软件实现检车作业。

需要说明的是：数据存储服务器的系统数据库共设计了过车车厢基础信息表、检车信息表和用户信息表共三个数据库关系表，车车厢基础信息表采用Socket通信方式与前端铁路车号识别探测系统、过车检测及车厢分割系统建立TCP长连接，连接建立后，当列车通过时从接收的数据中解析出每节过车车厢的基础信息写入数据库。

几何超限检测应用软件平台的客户端软件设置的计算机设备包括处理器和存储器，存储器与处理器耦接用于存储客户端软件；其中包括用户登录模块、检车列表模块、超限状态检车主界面、报表模块和用户设置模块与计算机设备相交互。

在本实施例中，用户登录模块作为铁路货车装载状态监测系统的入口模块，要进行正确用户名与密码的输入之后才能成功登录，由于铁路货检用户数量不大，系统不需要设计用户注册模块，由后台管理人员负责添加用户就可以了，添加的账户要得到车站授权之后才能添加。用户输入账户与密码后，系统将用户输入的信息发送至后台服务器，验证模块对用户输入信息进行验证，此处的验证还涉及权限的验证码，唯有验证通过的账户方可进入系统；

检车列表模块用于登录系统后进入检车列表界面，主要显示前端视频和数据采集所对应的安装位置，列表部分详细记录列出每节车厢车次、车类型、车号、检车状态、车厢通过时间等信息，列表中按倒序排列显示最新的过车数据，检车员可以通过点击右侧检车按钮对该车厢进行检车作业；

报表模块主要根据铁路货运安全检查日报表标准，按日期生成出车质量报表，将报表导出为EXCEL文件格式，方便检车员对每天检车情况进行统计，提高工作效率；

用户设置模块主要用于系统管理员添加和删除系统用户，也可以修改用户登录密码等用户信息；

超限检查主界面主要为货检员提供快捷方便的检车服务，主界面分为每节车厢左侧、顶部、右侧三部位轮廓点云图像，采用模拟过车滚动方式进行显示，右侧上部分为按日期车次查询，当选择某个日期时，在下方将这一天所有车次在车次表列中进行显示，如果货检员需要对某一车次查看每节车厢详细超限情况，鼠标双击这一车次，在下部车辆表列中即把这一列车每节车厢信息进行显示，对于有异常情况车辆，显示为红色，向检车员进行预警，检车员可以在车俩表列中进行快速选择需要查看的单节车厢。

本发明的工作原理及使用流程：通过现场应用与验证可以看出采用激光雷达对行进列车进行动态扫描，能够扫描出车辆外轮廓尺寸数据，对数据进行处理后生成单节车厢左侧、顶部、右侧3部位点云图像，点云图像能看出车体外观轮廓细节，根据铁路总公司《铁路超限超重货物运输规则》作为超限判定标准，能自动判定货车装载状态左侧超限、顶部超限、右侧超限及车门未关等常见异常情况，并对异常部位进行定位。检车员使用检车应用平台软件能方便快捷的实现超限检车作业，有效降低劳动强度，提高工作效率，提升货检质量。

应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。