刘俊尧

【摘要】    为保障高速铁路运行安全，必须定期地检测沿线边坡的形态变化，及时发现潜在的山体滑坡风险，为铁路安全管理部门提供检测数据支撑。首先利用车载激光雷达获取高速铁路沿线边坡三维点云数据，并将当期点云和基准点云进行配准;采用点云体素化方法降低离散空间点坐标的随机误差，并利用区域生长算法拟合生成多个区域平面。最后，提出边坡形变量计算方法，得到边坡形态变化检测结果。试验结果表明：利用车载激光点云能够高效地检测边坡形态变化，实现了提升高速铁路边坡检测效率的目的。

【关键词】    高速铁路    边坡形变检测    试验研究    三维点云    车载激光雷达

近年来，我国铁路高速化进程不断加快，如何保障高速铁路运行安全已成为铁路安全管理部门的重点工作。高速铁路在山区存在较多的隧道、边坡等大型建筑物，由于地质活动和天气变化的影响，特别是我国南方降水量较多的区段，边坡发生滑坡的风险较高，严重威胁高速铁路运行安全。因此，必须定期地检测高速铁路沿线边坡的形态变化情况，统计分析边坡形变趋势，及时发现潜在的滑坡风险，以采取相应的加固措施，防止高速铁路安全事故的发生。

针对现有方法存在的问题，本文提出利用检测列车挂载高精度激光雷达获取高速铁路沿线边坡的三维点云数据，并进行配准;然后，将点云数据体素化，并利用区域生长算法拟合生成多个区域平面，最后，计算边坡形变量，得到边坡形态变化检测结果。……