本发明公开一种基于机器学习的铁路点云特征提取方法,包括以下步骤:点云特征确立:针对点云图像分布,确立特征提取的对象;点云裁剪:对原始千万级别的点云数量进行裁剪,针对部分点云进行处理;目标分割:运用机器学习中的DBSCAN聚类对裁剪后的点云数据进行分割,提取Ⅰ类特征;特征提取:采用基于RANSAC的平面拟合算法对地面点云数据进行处理,提取出Ⅱ类特征;滤波处理:对初步提取的枕木和铁轨数据进行滤波处理;枕木精细提取:提取关键点,构建矩形邻域,最终提取枕木点。本发明提出一种基于矩形邻域的枕木提取算法,寻找并自动生成关键点,构建四点式矩形邻域,结合叉乘性质精确提取枕木特征,达到较高的准确性。
一种基于机器学习的铁路点云特征提取方法,该方法包括以下步骤:
Step1:点云特征确立:针对点云图像分布,确立特征提取的对象;
Step2:点云裁剪:对原始千万级别的点云数量进行裁剪,针对部分点云进行处理;
Step3:目标分割:运用机器学习中的DBSCAN聚类算法对裁剪后的点云数据进行分割,提取Ⅰ类特征,包括植被、电力线、电力线支柱以及地面;
Step4:特征提取:采用基于RANSAC的平面拟合算法对地面点云数据进行处理,提取出Ⅱ类特征,即枕木和铁轨;
Step5:滤波处理:对初步提取的枕木和铁轨数据进行滤波处理,过滤错误点;Step6:枕木精细提取:提取关键点,构建矩形邻域,最终提取枕木点。
华北理工大学,是一所省属重点骨干大学、省重点支持的国家一流大学建设高校 ;是中华人民共和国应急管理部、国家国防科技工业局与河北省人民政府共建高校,入选教育部卓越工程师教育培养计划、卓越医生教育培养计划、国家级大学生创新创业训练计划、新工科研究与实践项目、省部共建协同创新中心、国际中文教师奖学金接收院校 、国家专业综合改革试点。
评价单位:- (-)
评价时间:2024-06-11
综合评价
该项目技术思路方向很好,未来市场空间大,有利于当前政策要求,转化成熟度很高,值得支持推广。建议强化相应产品开发,加大产业链开发力度。技术转让,所需资金需双方协商,此项技术想尽快落地,希望具备此项技术研发的技术方,能够尽快承接次项目。
查看更多>