一种单目相机结合激光扫描的钢轨定位方法

本发明涉及轨道交通领域，具体公开了一种单目相机结合激光扫描的钢轨定位方法。

背景技术：

线激光扫描仪通过扫描可以获取线激光方向以及激光发射方向这两个方向的信息。通过编码器触发、或者匀速运动等方式，可获得行进方向的距离信息。以此可获得扫描目标物体的三维信息。线激光扫描仪相比单目具有定位精度高、稳定性好等优点。但在某些情况下，例如在钢轨的抓取过程中，若不对所有钢轨进行扫描，或在抓取钢轨前不对钢轨所在环境进行扫描，难以由局部的特征判定获得所需抓取钢轨的位置。且受限于线激光扫描仪需要其他设备带动等特性，会进一步导致处理速度变慢，而若不对扫描后的物体进行三维重建，扫描结果的可视性效果也相对较差。

考虑到上述问题，可以将单目与激光扫描仪进行互补。相对于激光扫描仪，单目因其原理的局限性造成定位精度较低，但可对所需定位的钢轨进行全局性判定，并且可视化效果好，可以直观看到拍摄的图像和处理后的图像效果，而后再利用激光扫描对所需抓取的钢轨进行精确定位。

技术实现要素：

为了解决利用激光定位进行钢轨抓取时全局性不强、可视效果差的问题，本发明将单目视觉加入到钢轨抓取的视觉定位当中，并提出了一种单目相机结合激光扫描的钢轨定位方法，其特征在于，以钢轨铺设方向为x轴,以在水平面与x轴垂直的方向为y轴,竖直方向为z轴，钢轨在存储平台上沿y轴方向并排放置，包括步骤：

s1：上位机获取单目相机反馈的钢轨铺设平台的拍摄图像；

s2：通过canny算子提取拍摄图像中的边缘图像，并通过sift提取边缘图像中的钢轨角点；

s3：根据钢轨角点获取目标钢轨在世界坐标系的初步三维坐标；

s4：根据三维坐标控制激光扫描仪移动至目标钢轨之上，并沿x轴方向移动获得目标钢轨的激光扫描曲线；

s5：根据激光扫描曲线获取目标钢轨两侧的各组边缘数据点；

s6：根据实时边缘数据点获取目标钢轨的最终定位结果；

s7：输出最终定位结果作为目标钢轨的定位结果。

进一步地，所述钢轨并排放置之间存在空隙，单目相机与存储平台的位置关系保持固定。

进一步地，所述步骤s3中初步三维坐标是通过将钢轨角点的像素坐标系下坐标依次转换为相机坐标系下坐标和世界坐标系下的坐标获得的。

进一步地，所述世界坐标系以存储平台上的预设点位作为世界坐标系的原点。

进一步地，所述步骤s1之后还包括步骤：

s11：对拍摄图像灰度化处理，并进行高斯滤波和直方图均衡化。

进一步地，所述步骤s2之后还包括步骤：

s21：根据钢轨角点对钢轨进行编号，并根据编号选取目标钢轨。

进一步地，所述步骤s4之后还包括步骤：

s41：对激光扫描曲线进行移动中位数滤波。

进一步地，所述步骤s5之后还包括步骤：

s51：获取目标钢轨各组边缘数据点的定位数据的均值，并计算各组边缘数据点与上一组边缘数据点的均值的差值。

进一步地，所述步骤s6之后还包括步骤：

s61：判断当前组边缘数据点与上一组边缘数据点的均值的差值是否在预设阈值内，若是，则将所有定位数据的均值作为定位结果，若否，则删除该定位数据。

进一步地，所述步骤s61之后还包括步骤：

s62：通过编码器获取机械手移动的距离长度；

s63：判断距离长度是否达到预设长度，若是，将定位结果作为最终定位结果，若否，则返回步骤s5。

与现有技术相比，本发明至少含有以下有益效果：

(1)本发明所述的一种单目相机结合激光扫描的钢轨定位方法，其先利用单目相机全局性强的优点，获取钢轨所在环境的全局特征并对钢轨进行编号，而后利用激光扫描高精度、高稳定性的特点对相应编号的钢轨进行边缘特征扫描获取钢轨坐标从而能够精确的对钢轨进行抓取；

(2)采用单目结合激光扫描的方式，将两者的优势进行互补，摒除缺点，既实现了大环境下的特征判定，又实现了局部的边缘特征提取，既保证了钢轨识别的高效性，又实现了钢轨抓取的高精度。

附图说明

图1为一种单目相机结合激光扫描的钢轨定位方法的方法步骤图；

图2为单目结合激光扫描对钢轨进行坐标获取的示意图；

图3为坐标系关系示意图；

附图标记说明：1-钢轨、2-单目相机、3-激光扫描仪、4-像素坐标系、5-相机坐标系、6-像素平面、7-世界坐标系。

具体实施方式

以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。

实施例一

为了解决利用激光定位进行钢轨抓取时全局性不强、可视效果差的问题，本发明将单目视觉加入到了钢轨抓取的视觉定位当中，并提出了一种单目相机结合激光扫描的钢轨定位方法，其特征在于，如图2所示，以钢轨铺设方向为x轴,以在水平面与x轴垂直的方向为y轴,竖直方向为z轴，钢轨1在存储平台上沿y轴方向并排放置。而为了便于钢轨特征的提取，同时也为了更好的对钢轨1进行运输和抓取，对于钢轨1的放置也有一定的要求，首先钢轨1需要平铺于钢轨铺设平台之上，且相邻两钢轨1间有一定的距离(留有一定的空间给机械手抓取钢轨)。而为了使相机坐标系相对稳定，不会因单目相机2的位置变动而导致偏差，所以单目相机2与钢轨铺设平台之间的距离关系相对固定，且要求单目相机2能捕捉到所有钢轨1的横截面信息。

对于钢轨图像的获取与处理，如图1所示,具体分为包含两大步骤，其中步骤s1至步骤s3为单目相机拍摄钢轨铺设平台大环境，对钢轨编号并进行初步三维坐标识别的过程，步骤s4至步骤s7为激光扫描钢轨获取钢轨最终三维坐标的过程，具体步骤如下：

s1：上位机获取单目相机反馈的钢轨铺设平台的拍摄图像；

s2：通过canny算子提取拍摄图像中的边缘图像，并通过sift提取边缘图像中的钢轨角点；

s3：根据钢轨角点获取目标钢轨在世界坐标系的初步三维坐标。

其中，为了使得单目相机获得的图像能够利用canny算子进行边缘特征提取，步骤s1之后还包括步骤：

s1：对拍摄图像灰度化处理，并进行高斯滤波和直方图均衡化。

其中canny边缘检测算子是johnf.canny于1986年开发出来的一个多级边缘检测算法。更为重要的是canny创立了“边缘检测计算理论”(computationaltheoryofedgedetection)解释这项技术如何工作。图像边缘信息主要集中在高频段，通常说图像锐化或检测边缘，实质就是高频滤波。我们知道微分运算是求信号的变化率，具有加强高频分量的作用。在空域运算中来说，对图像的锐化就是计算微分。由于数字图像的离散信号，微分运算就变成计算差分或梯度。图像处理中有多种边缘检测(梯度)算子，常用的包括普通一阶差分，robert算子(交叉差分)，sobel算子等等，是基于寻找梯度强度。拉普拉斯算子(二阶差分)是基于过零点检测。通过计算梯度，设置阈值，得到边缘图像。而canny算子具体步骤如下：

a)用高斯滤波器平滑图像；

b)用一阶偏导有限差分计算梯度幅值和方向；

c)对梯度幅值进行非极大值抑制；

d)用双阈值算法检测和连接边缘。

通过对梯度幅值的筛选获得钢轨的边缘特征以及角点特征。而后根据角点在像素坐标系上的坐标，根据相机坐标系以及像素坐标系之间的函数关系进行坐标转换获得钢轨相机坐标系下的三维坐标，再根据相机坐标系以及世界坐标系之间的函数关系进行坐标转换获得世界坐标系下的钢轨三维坐标。

其中，步骤s2之后，还包括步骤：

s21：根据钢轨角点对钢轨进行编号，并根据编号选取目标钢轨。

以下结合图3，对各坐标系进行说明：

像素坐标系4(pixelcoordinatesystem)

摄像机采集的数字图像在计算机内可以存储为数组，数组中的每一个元素(像素，pixel)的值即是图像点的亮度(灰度)。如图3所示，在图像上定义直角坐标系x-y，以o’为原点，每一个像素的坐标p(x,y)分别是该像素在数组中的列数和行数。故p(x,y)是以像素为单位的像素坐标系坐标。像素坐标系上的像素点构成了观测者实际看到的图形。

相机坐标系5(cameracoordinatesystem)

摄像机成像几何关系如图3，其中o点称为摄像机光心，x轴和y轴与成像平面的x轴和y轴平行，z轴为摄像机的光轴，与像素平面6垂直。光轴与像素平面6的交点为图像主点o'，由点o与轴组成的直角坐标系称为摄像机坐标系。oo'为摄像机焦距。像素坐标系4与相机坐标系5之间的转换关系可由针孔成像模型得到，若需进一步精确模型，可引入透镜畸变等修正模型。

相机坐标系5是三维坐标系。光轴与像素平面6的交点，即为像素坐标系的原点，像素坐标系是二维坐标系。

世界坐标系7(worldcoordinatesystem)

在环境中还选择一个参考坐标系(本实施例中以钢轨平台上一点作为世界坐标系的原点)来描述摄像机和物体的位置，该坐标系称为世界坐标系7。摄像机坐标系和世界坐标系7之间的关系可用旋转矩阵r与平移向量t来描述，可通过测量或手眼标定得到相机坐标系5与世界坐标系7间的转换关系。由此，空间中一点p在世界坐标系7和摄像机坐标系下的齐次坐标分别转换得到世界坐标系下对应的点p1(x,y,z)。

由此，像素坐标系4到世界坐标系7之间的转换关系可通过相机标定得到，因此得到图像上某点的像素坐标便可通过相机标定模型得到此点在世界坐标系中的三维坐标。但由于原理的局限性，单目相机定位的精确性较低，误差较大。因此，只能作为初步的定位结果。

s4：(如图2)根据三维坐标控制激光扫描仪3移动至目标钢轨1之上，并沿x轴方向移动获得目标钢轨1的激光扫描曲线；

s41：对激光扫描曲线进行移动中位数滤波；

s5：根据激光扫描曲线获取目标钢轨两侧的各组边缘数据点；

s51获取目标钢轨各组边缘数据点的定位数据的均值，并计算各组边缘数据点与上一组边缘数据点的均值的差值；

s6：根据实时边缘数据点获取目标钢轨的最终定位结果。

通过对钢轨两侧边缘数据点的获取，可以那么就可通过钢轨两侧的数据点求中值，根据此中值即可求得钢轨最终的三维坐标。而为了保证最终数据的准确性，避免个别错误数据对钢轨坐标的误判，还包括步骤：

s61：判断当前组边缘数据点与上一组边缘数据点的均值的差值是否在预设阈值内，若是，则将所有定位数据的均值作为定位结果，若否，则删除该定位数据；

s62：通过编码器获取机械手移动的距离长度；

s63：判断距离长度是否达到预设长度，若是，将定位结果作为最终定位结果，若否，则返回步骤s5。

通过带动激光扫描仪(本实施例中采用机械悬臂挂载并移动激光扫描仪)在x轴方向带动激光扫描进行扫描，对钢轨进行精定位，根据扫描数据，进行移动中位数去噪音，获取钢轨的三维坐标以及钢轨宽度，并在扫描过程中不断对定位坐标进行校准，滤除定位结果与此前定位结果差值较大的数据，并对保留的定位结果进行均值化得到最终的定位结果。同时，为了保证更高的精度，选取到足够的数据量，预设标准扫描长度。通过步骤s63使得数据的多样性得意保证，从而进一步提高了测量的精确度。

s7：输出最终定位结果作为目标钢轨的定位结果。

综上所述，本发明所述的一种单目相机结合激光扫描的钢轨定位方法，其先利用单目相机全局性强的优点，获取钢轨所在环境的全局特征并对钢轨进行编号，而后利用激光扫描高精度、高稳定性的特点对相应编号的钢轨进行边缘特征扫描获取钢轨坐标从而能够精确的对钢轨进行抓取。

同时，采用单目结合激光扫描的方式，将两者的优势进行互补，摒除缺点，既实现了大环境下的特征判定，又实现了局部的边缘特征提取，既保证了钢轨识别的高效性，又实现了钢轨抓取的高精度。

本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。