[发明专利]一种地铁隧道限界检测方法

说明书

本发明公开了一种地铁隧道限界检测方法，解决了目前对于隧道侵界的检测效率低、成本高的弊端，其技术方案要点是通过三维激光扫描检测装置扫描获取隧道断面点云，生成断面点云图的外接矩形框，将矩形框内的断面点云转换成断面图像；标记断面图像中隧道特征点以获得样本集；搭建基于卷积神经网络的回归模型，通过标记获得的样本集对回归模型进行训练、测试，再通过回归模型进行预测；获取轨道车的轮廓线，识别特征点以统一轨道车坐标与断面点云坐标并叠加，基于回归模型对轨道车在隧道内是否侵界进行判断，本发明的一种地铁隧道限界检测方法，能通过模型计算将轨道车和断面点云进行坐标系的统一，高效便捷的进行侵界的判断。

技术领域

本发明涉及隧道检测，特别涉及一种地铁隧道限界检测方法。

背景技术

随着地铁隧道服役时间的增长，隧道内附属设施入侵轨行区会对列车的安全运行造成危害，因此需要不定期地对地铁隧道净空进行检测，判断是否侵界。传统的侵界检测方法主要采用触杆、皮尺、全站仪等手段量测，效率低成本高。近年来，国内外学者对隧道限界快速检测开展了相关研究。专利号为CN110006396的中国专利公布了一种隧道断面及限界扫描检测装置及方法，主要采用三维激光扫描仪、惯性导航系统、GPS天线和编码器定位和检测，但地铁隧道通信条件不佳，因此很难具有实用性。

发明内容

本发明的目的是提供一种地铁隧道限界检测方法，能通过模型计算将轨道车和断面点云进行坐标系的统一，高效便捷的进行侵界的判断。

本发明的上述技术目的是通过以下技术方案得以实现的：

一种地铁隧道限界检测方法，包括有以下步骤：

通过三维激光扫描检测装置扫描获取隧道断面点云，生成断面点云图的外接矩形框，将矩形框内的断面点云转换成断面图像；

标记断面图像中隧道特征点以获得样本集；

搭建基于卷积神经网络的回归模型，通过标记获得的样本集对回归模型进行训练、测试，再通过回归模型进行预测；

获取轨道车的轮廓线，识别特征点以统一轨道车坐标与断面点云坐标并叠加，基于回归模型对轨道车在隧道内是否侵界进行判断。

作为优选，标记获得样本集的具体步骤为：

在断面图像中选定特征点；

确定断面图像的坐标原点，获得特征点在对应断面图像中的坐标；

获取特征点在断面图像中的坐标比例；

将样本集中的样本按设定比例划分为训练集与测试集。

作为优选，所述断面图像中选定的特征点包括有隧道顶部触网最低点、两个钢轨的中心点。

作为优选，回归模型的训练具体包括有：

通过样本集中的训练集对回归模型进行训练；

使用学习率自适应的随机梯度算法进行参数优化；

对回归模型的训练次数大于训练集中样本总量一万倍。

作为优选，通过样本集对回归模型的测试过程具体为：

将测试集对应的断面图像输入回归模型进行测试；

回归模型进行计算输出对应的特征点坐标比例；

根据输出的特征点坐标比例还原断面图像中特征点的坐标；

选取精度指标，对当前断面图像中还原获得的特征点的坐标与标记对应获得的特征点的坐标进行比较计算，判断当前断面图像预测是否准确；