[發明專利]一種地鐵隧道限界檢測方法

在審

• 申請號: 201911134010.3
• 申請日: 2019-11-19
• 公開（公告）號: CN110793501A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: 郭春生;王維;付和寬;劉蝶;王令文;高志強;謝海燕
• 申請（專利權）人: 上海勘察設計研究院(集團)有限公司
• 主分類號: G01C7/06
• 分類號: G01C7/06;B61K9/02
• 代理公司: 31227 上海伯瑞杰知識產權代理有限公司
• 代理人: 孟旭彤

1.一種地鐵隧道限界檢測方法，其特征是，包括有以下步驟：

通過三維激光掃描檢測裝置掃描獲取隧道斷面點云，生成斷面點云圖的外接矩形框，將矩形框內的斷面點云轉換成斷面圖像；

標記斷面圖像中隧道特征點以獲得樣本集；

搭建基于卷積神經網絡的回歸模型，通過標記獲得的樣本集對回歸模型進行訓練、測試，再通過回歸模型進行預測；

獲取軌道車的輪廓線，識別特征點以統一軌道車坐標與斷面點云坐標并疊加，基于回歸模型對軌道車在隧道內是否侵界進行判斷。

2.根據權利要求1所述的地鐵隧道限界檢測方法，其特征是，標記獲得樣本集的具體步驟為：

在斷面圖像中選定特征點；

確定斷面圖像的坐標原點，獲得特征點在對應斷面圖像中的坐標；

獲取特征點在斷面圖像中的坐標比例；

將樣本集中的樣本按設定比例劃分為訓練集與測試集。

3.根據權利要求2所述的地鐵隧道限界檢測方法，其特征是：所述斷面圖像中選定的特征點包括有隧道頂部觸網最低點、兩個鋼軌的中心點。

4.根據權利要求3所述的地鐵隧道限界檢測方法，其特征是，回歸模型的訓練具體包括有：

通過樣本集中的訓練集對回歸模型進行訓練；

使用學習率自適應的隨機梯度算法進行參數優化；

對回歸模型的訓練次數大于訓練集中樣本總量一萬倍。

5.根據權利要求4所述的地鐵隧道限界檢測方法，其特征是：通過樣本集對回歸模型的測試過程具體為：

將測試集對應的斷面圖像輸入回歸模型進行測試；

回歸模型進行計算輸出對應的特征點坐標比例；

根據輸出的特征點坐標比例還原斷面圖像中特征點的坐標；

選取精度指標，對當前斷面圖像中還原獲得的特征點的坐標與標記對應獲得的特征點的坐標進行比較計算，判斷當前斷面圖像預測是否準確；

對測試集所有斷面圖像均進行測試，統計準確率，當準確率大于設定的閾值時，判定為回歸模型準確可用于預測；反之調整參數繼續進行訓練。

6.根據權利要求5所述的地鐵隧道限界檢測方法，其特征是：預測及侵界判斷的過程具體為：

選取樣本集之外的斷面圖像輸入回歸模型進行計算；

經回歸模型計算輸出對應特征點的坐標比例；

根據輸入的斷面圖像，計算獲得特征點在斷面圖像上的坐標；

根據斷面圖像對應的外界矩形框坐標，獲得特征點在點云坐標系下的坐標；

獲得軌道車輪廓特征線并將軌道車輪廓特征線中的軌道車輪中心坐標與點云坐標中兩個鋼軌的中心點進行匹配，得到軌道車輪廓在點云坐標系下的坐標；

檢測特征點中的隧道頂部觸網最低點與軌道車輪廓的坐標關系，若隧道頂部觸網最低點侵界則判斷為侵界；若隧道頂部觸網最低點未侵界，則依次對斷面上的各點是否位于軌道車輪廓內進行判斷，若存在任一一點位于軌道車輪廓內，則判定為侵界；反之，為不侵界。