洪 韦，唐国良，蓝贤桂

(1.中国铁路南昌局集团有限公司 货运部，江西 南昌 330002；2.东华理工大学 机械与电子工程学院，江西 南昌 330013)

安全是铁路永恒主题，铁路各级管理部门对货运安全高度重视，近年来不断加大途中货检站的设备投入，强化货运交接检查管理。但因起步较晚，铁路货检站仍主要依赖人工交接检查[1]，该方式存在劳动强度大、易漏检、耗时长、效率低等问题[2]。货物装载情况的动态测量和判定是保证列车安全运行的重要手段，目前激光雷达已在工业测量、外轮廓检测等多个领域得到广泛应用[3]，部分国家已经开始采用激光雷达，对铁路现场货物装载状态进行全方位的准确测量。为了实现铁路货运超限异常情况的动态检测，提出采用激光雷达对货运机车车辆通过采集区时进行动态扫描，完成货运机车车辆外轮廓尺寸测量与点云成图[4]，实现铁路货运超限预警。

1 铁路货运超限检测现状

1.1 铁路货运超限相关规定

在铁路运输过程中，由于货物装载不良造成超限，是诱发安全事故的重要原因之一。为了防范超限引发的安全隐患，原中国铁路总公司《铁路超限超重货物运输规则》规定超限等级判定标准。铁路限界包括建筑限界和机车车辆限界，建筑限界是其他建筑物和铁路设备不得侵入的轮廓线，两轮廓间在水平方向和垂直方向的空间间隙为确保行车的安全空间；机车车辆限界包括装载货物后不允许超越的外轮廓线。

目前判断货运机车车辆是否超限，主要是通过对机车车辆外轮廓尺寸的精确测量。铁路货运机车车辆超载检测，一般先需测量其外部尺寸、中心高、货物半宽等参数，然后通过计算曲线上货物和车辆所需空间半宽确定计算宽度，最后判定超限部位和等级。根据货运机车车辆超限部位高度，超限机车车辆分为上部超限、中部超限和下部超限3类情况，其中上部超限指自轨面起高度超过3 600 mm，任何部位超限；中部超限指自轨面起高度在1 250 ～ 3 600 mm 之间，任何部位超限；下部超限指轨面高度在150 ～ 1 250 mm间，任何部位超限。

1.2 货运超限检测方式及存在问题

目前我国铁路货运超限检测主要有人工室外现场检测和自动动态检测2种方式。

人工室外方式主要是在列车静止状态依靠人工室外完成，一般在列车进站停稳后检车人员凭经验对列车进行目测检查，发现问题再用标杆或滑动尺测量货运机车车辆宽度和高度。该方式主要存在准确性差、测量精度不高、效率低、劳动强度大，漏检率高，无法对运行中机车车辆进行监测等问题。

自动动态监测方式主要采用红外、激光、图像等检测设备，在线路轨道对货运机车车辆进行动态测量和检测，该方式主要分为以下2种类型[5]。

（1）激光/红外对射检测方式。依据限界判定标准，采用发射端和接收端对射方式进行安装，沿限界方向设置激光或红外光束，进行“刻边”检测。当机车车辆超限时，超限部位会对信号产生遮挡，形成超限报警信号，该类型具有较精细的辨别能力，一般能检测到直径3 mm以上的超限，可以对行进中列车进行动态检测。该方式主要存在以下问题：一是只能判断是否存在超限，无法测量具体超限数值和超限具体部位；二是无法保留现场实际检测情况，不能实现记录、回放、分析；三是环境干扰极易引起误报。

（2）图像识别与测量检测方式。采用摄像机对通过机车车辆进行视频采集，并进行图像处理与识别，实现装载超限的动态在线检测，该方式能定位超限具体部位，数据存档及查询简单。该方式主要存在以下问题：一是图像处理数据量大，实时性差，对图像处理机性能要求高；二是易受环境干扰的影响造成误报；三是复杂气候和夜间易造成图像质量差。

2 激光雷达铁路货运超限检测系统设计

激光雷达可通过发射激光束，实现对被探测目标距离、方位、速度、形状等参数的动态测量，可应用在铁路超限检测领域，通过向货运机车车辆表面发射激光束，实现对机车车辆外轮廓信息进行采集与成图。相比人工室外现场检测方式，采用激光雷达可以实现对机车车辆的动态超限检测，检测方式由室外转到室内，提高检车效率，降低劳动强度；相比于其他自动动态监测方式，采用激光雷达可精确定位超限部位，且不易受环境、气候、光线等因素干扰。因此，可利用激光雷达设计铁路货运超限检测系统，实现对货运机车车辆精准测量判断。

2.1 系统主要功能

利用激光雷达对运行状态下的货运机车车辆进行动态扫描与外轮廓尺寸测量，根据扫描结果以单节车辆为单位，生成外轮廓的点云图像，用于发现几何超限安全隐患，对异常情况快速定位并自动报警，提高检查工作效率，保障货物和行车安全。根据对铁路货检部门的需求调研，系统设计主要功能如下。

（1）点云数据采集处理功能。①提供货运机车车辆外轮廓的外形尺寸及超限数据，其中车辆按照车厢分割拼接点云数据，自动快速生成机车和单节车厢的外轮廓左侧视图、右侧视图、顶部视图；②检测出超限级别和超限部位，以可视化点云图像形式进行展示，辨别机车车辆外轮廓细节。

（2）点云图像服务功能。①基本信息存储，包括机车车辆通过记录、车号、行车方向、行车速度、通过时间等信息；②机车车辆轮廓点云图像存储，其点云图像可保存3个月以上；③机车车辆轮廓点云图像，可按车号、日期等综合条件查询。

（3）信息整合查询功能。①可依据车次、时间等快速查询、下载相关机车车辆点云图像及检测结果；②可随时通过铁路数据网对货检作业线上监控、信息共享。

2.2 整体架构设计

根据功能分析，系统主要由室外前端数据采集子系统和室内机房子系统2大部分组成，室外前端数据采集子系统包括车号天线、车号识别主机、车辆检测及车厢分割单元、左侧激光雷达、右侧激光雷达、千兆以太网交换机；机房子系统包括超限检测处理主机、检车应用平台及数据存储服务器。各子系统间采用千兆以太网方式组网。系统组网结构图如图1所示。

图1 系统组网结构图Fig.1 System networking diagram

室外前端数据采集子系统，主要完成对通过机车车辆有关信息的采集，室外前端数据采集子系统安装示意图如图2所示。车号识别主机对车号天线接收到的通过列车车号进行自动识别，并上传至机房子系统；车辆检测传感器记录机车车辆进入和离开前端数据采集子系统的时间，并上传至机房子系统，在轨道两侧分别安装1台激光雷达，完成机车车辆的外观扫描和超限数据检测。

图2 室外前端数据采集子系统安装示意图Fig.2 Installation diagram of the outdoor front-end data acquisition subsystem

室内机房子系统中，超限检测处理主机首先需将激光雷达数据采集与无效数据过滤，对激光雷达数据处理，再接收车号识别主机、车辆检测及车厢分割单元上传的有关数据，按照各种数据类型进行关联处理，最后将关联后数据传送至检车应用平台及数据存储服务器，实现点云数据采集处理功能。检车应用平台及数据存储服务器接收并存储超限检测处理主机上传的数据，对数据进行有效组织，实现点云图像服务功能和信息整合查询功能。

3 系统关键技术

为了实现铁路货运超限状态的动态检测，其关键技术主要包括激光雷达数据采集与滤除、激光雷达数据处理2个方面。其中激光雷达数据采集与滤除，主要实现对通过机车车辆表面到激光雷达距离的动态测量和对无效数据的滤除，消除现场环境背景数据的影响，确保所采集数据为通过机车车辆外轮廓的外形尺寸及超限数据；激光雷达数据处理，主要是完成点云配准和点云成图，检测出超限级别和超限部位。

3.1 激光雷达数据采集与过滤

当有机车车辆通过激光雷达超限检测采集区时，车辆检测传感器检测到其第一个车轮信号，触发左、右两侧激光雷达开始进行数据采集，由于所采集数据包含无效环境背景数据，还需对无效数据进行滤除。

（1）激光雷达数据采集。激光雷达数据采集，是当机车车辆通过激光雷达采集区时，激光雷达开始向被探测的车体表面发送激光束，在车体表面形成反射信号，激光雷达接收器接收到反射信号，根据同一束激光发射时间与接收时间之差，计算激光雷达到被探测物体的距离，并将其与超限标准进行比较，判断是否存在超限。

当有机车车辆通过时，启动激光雷达发射激光束，同时开始接收反射信号，得到距离数据，每一个距离的值相当于1个扫描点，这些点的集合称为点云。根据车辆检测传感器提供的实时测速信息可以得知相邻截面间间距，当整节车厢或机车通过后可以得到该节车厢或机车的完整三维外轮廓点云数 据[6]，根据点云数据可以进行机车车辆超限检测[7]。

（2）无效数据过滤。激光雷达在超限检测采集区安装完成后，所采集的点云数据主要包括环境背景点云数据和机车车辆外轮廓点云数据2种，超限检测就是根据机车车辆外轮廓点云数据判断是否存在超限，环境背景点云数据为无效数据，为了消除无效数据对超限检测的影响，必须将环境背景点云数据进行过滤，过滤过程如下。

在没有机车车辆通过时，两激光雷达采集到的主要是环境背景点云数据，根据机车车辆尺寸标准和激光雷达安装位置，可以根据距离算出点云数据的有效区域，得到无机车车辆通过时激光雷达采集数据分布图如图3所示，其中有效区域如图3中粉色部分，红色点云数据表示左侧激光雷达采集的数据，蓝色点云表示右侧激光雷达采集的数据。有机车车辆通过时激光雷达采集数据分布图如图4所示，其中粉色区域内的部分即为机车车辆外轮廓点云数据。

图3 无机车车辆通过时激光雷达采集数据分布图Fig.3 Distribution of lidar data when no locomotive or vehicle passes by

图4 有机车车辆通过时激光雷达采集数据分布图Fig.4 Distribution of lidar data when a locomotive or a vehicle passes by

当机车车辆通过时，将粉色区域边界作为点云数据过滤条件，对采集的数据进行过滤处理，只保留在粉色区域内的点云数据，这样将大量无效数据滤除，保留有效数据，得到过滤后的激光雷达采集数据分布图如图5所示。

图5 过滤后的激光雷达采集数据分布图Fig.5 Distribution of filtered lidar data

3.2 激光雷达数据处理

激光雷达对机车车辆所采集的点云数据是激光雷达多次测量的数据集，每次测量并不是在同一坐标系下进行，必须把多次测量得到的点云数据统一到同一个坐标系下，将海量的点云数据转换成机车车辆外轮廓图像，对激光雷达数据进行进一步处理，处理过程包括点云配准和点云成图。

（1）点云配准。点云配准主要是要将系统中左右两侧独立激光雷达所测量点云数据转换到同一坐标系下，点云配准流程图如图6所示。主要流程为： ①分别读取左侧激光雷达和右侧激光雷达所采集的点云数据；②从点云数据中提取2台激光雷达机车车辆顶部数据，一般情况下，采集得到的顶部点云数据可以看作在一个平面上，采用平面分割的方法分割出机车车辆顶部点云数据，利用点云库中基于随机采样一致性算法的几何模型分割提取模块，分别提取出机车车辆顶部点云数据；③根据2台激光雷达的安装位置，估计2台激光雷达的位置偏差，再将2台激光雷达车顶点云数据距离拉近，利用基本坐标转换进行人工粗配准，提供良好的初值；④先利用正态分布变换算法的精配准算法，进行相邻两帧点云配准，再采用最近点迭代算法进行两帧点云位姿的校正，实现多次测量得到的点云数据统一到同一个坐标系下，完成二步式精配准。

图6 点云配准流程图Fig.6 Flow chart of point cloud registration

（2）点云成图。点云成图就是将激光雷达采集的海量点云数据，通过处理机进行拼接处理，形成可视化图像的形式予以展现，形成的图像即为机车车辆顶部、左侧和右侧外轮廓图，具体实现过程如下。

①形成点云图像。通过相应软件分别对机车车辆顶部点云数据、左侧点云数据和右侧点云数据分别进行拼接处理，拼接完成后，再将3个部位图像合成一张图像进行展示，以装载集装箱状态下的TC64K敞车为例，得到其机车车辆3部位外轮廓点云图像如图7所示。

图7 机车车辆3部位外轮廓点云图像Fig.7 Point cloud images of outer contours corresponding to 3 parts of a locomotive or a vehicle

②判定超限部位。首先将三维点云数据划分为左侧、右侧和顶部3部分[8]，对每部分的各个点进行超限级别从高到低判定，只保留该点的最高超限级别。如果某部分某级别超限点数超过一定规模，则判定为发生该级别超限，只保留该部分最高超限级别进行记录。在三维点云图像中，底色为黑色，对各点根据超限级别用不同颜色进行显示，正常点白色显示，异常部位用红色显示，当机车通过超限检测采集区时，得到机车受电弓超高情况时的点云图像如图8所示。

图8 机车受电弓超高情况时的点云图像Fig.8 Point cloud image in the case of a quite high pantograph of the locomotive

③上传数据完成检车服务。激光雷达将采集的机车车辆外轮廓数据的点云成图预警信息存储至数据库，客户端软件实现通过列车车型、车号、车速、外轮廓点云图像等有关信息的整合，为检车员提供方便、快捷的检车服务。检车员检车界面图如图9所示。

图9 检车员检车界面图Fig.9 Inspection interface diagram of an inspector

4 结束语

货运机车车辆超限检测是铁路运输安全和效益的关键，但随着我国铁路货运量的急剧增长，运输效率的不断提升，依靠人工对其检查已不能满足作业需求。激光雷达铁路超限检测系统的研究，可以有效解决机车车辆超限动态检测难题，该系统能保留现场实际检测情况，追溯历史数据方便，可用于货检站、货运站、编组站、专用线等货运机车车辆的动态超限检查，检车人员可快速判断左侧超限、顶部超限、右侧超限等常见异常情况，并对异常部位进行定位，有效排除货运机车车辆超限安全隐患、降低劳动强度、提高工作效率和货检质量。