高速鐵路軌道近景影像匹配與定向建模.pdf

1、鐵路軌道作為高速鐵路的重要組成部分，是支撐列車(chē)高速運(yùn)行的重要基礎(chǔ)設(shè)備。由于軌道表面長(zhǎng)期承受輪軌動(dòng)力作用以及路基沉降等因素的影響，軌道的線(xiàn)形可能發(fā)生幾何變形，給列車(chē)安全運(yùn)營(yíng)帶來(lái)線(xiàn)路隱患。因此，及時(shí)快速檢測(cè)高速鐵路軌道靜態(tài)幾何狀態(tài)可為線(xiàn)路安全運(yùn)營(yíng)提供重要的技術(shù)保障。
　　 目前對(duì)于軌道靜態(tài)幾何狀態(tài)的檢測(cè)，通常采用軌檢小車(chē)和智能型全站儀配合的軌道檢測(cè)系統(tǒng)。本文為進(jìn)一步提高軌道檢測(cè)效率，嘗試將近景攝影測(cè)量方法引入軌道幾何檢測(cè)。通過(guò)對(duì)鐵路

2、軌道進(jìn)行近景攝影獲取連續(xù)的軌道影像，對(duì)軌道影像進(jìn)行特征提取與同名點(diǎn)匹配，采用連續(xù)像對(duì)解析幾何定向方法求解軌道模型坐標(biāo)，并計(jì)算出軌道點(diǎn)的三維地面坐標(biāo)，為軌道幾何狀態(tài)參數(shù)計(jì)算提供基礎(chǔ)數(shù)據(jù)。
　　 針對(duì)軌道近景攝影測(cè)量中面臨的軌道影像處理技術(shù)問(wèn)題，本文提出了一種二階Harris特征點(diǎn)提取算子，利用二階導(dǎo)數(shù)極值點(diǎn)作為提取特征點(diǎn)的依據(jù)，并對(duì)軌道影像進(jìn)行分塊處理，使用自適應(yīng)閾值提取軌道影像中的特征點(diǎn)。在此基礎(chǔ)上，采用基于金字塔影像粗匹配結(jié)合

3、最小二乘精匹配的由粗到精匹配策略，開(kāi)展軌道影像同名點(diǎn)的匹配。通過(guò)先將軌道影像做金字塔分層處理，逐層進(jìn)行相關(guān)系數(shù)粗匹配，再將粗匹配結(jié)果作為初始值，利用最小二乘算法進(jìn)行精匹配，最終獲得精匹配同名點(diǎn)的像點(diǎn)坐標(biāo)。
　　 利用精確匹配的軌道影像同名點(diǎn)，開(kāi)展了連續(xù)軌道影像的相對(duì)定向過(guò)程，并使用連續(xù)像對(duì)的相對(duì)定向參數(shù)求解出軌道點(diǎn)的像空間輔助坐標(biāo)，在完成模型連接的基礎(chǔ)上，計(jì)算軌道點(diǎn)在攝影測(cè)量坐標(biāo)系中的坐標(biāo)數(shù)值。
　　 對(duì)有砟軌道試驗(yàn)場(chǎng)及

4、杭甬客運(yùn)專(zhuān)線(xiàn)紹興段無(wú)砟軌道開(kāi)展近景攝影圖像處理實(shí)驗(yàn)，計(jì)算結(jié)果表明，相比于經(jīng)典Harris算子，本文提出的二階Harris有效提高了特征點(diǎn)提取的效率，所提取的特征點(diǎn)數(shù)量、精度有所改善，特征點(diǎn)的空間分布均勻，避免了特征點(diǎn)聚簇和數(shù)據(jù)冗余;基于金字塔粗匹配結(jié)合最小二乘精匹配的匹配算法，能快速準(zhǔn)確地實(shí)現(xiàn)相似性特征的軌道影像匹配，同名點(diǎn)數(shù)量和誤匹配率均能夠滿(mǎn)足近景攝影測(cè)量定向建模的需要，表明近景攝影測(cè)量方法應(yīng)用于高速鐵路軌道幾何平順性檢測(cè)具有較大潛