Vasúti infrastruktúra szegmentálása LiDAR adatokból

A vasúti infrastruktúra állapotának felügyelete elengedhetetlen a biztonsági előírások megtartása és balesetmegelőzési szempontokból. Az ehhez szükséges rendszeres ellenőrzést még ma is jellemzően költség- és időigényes helyszíni emberes vizsgálatokkal végzik számos országban. A mobil lézerszkenneléssel (MLS – mobile laser scanning) gyűjtött LiDAR pontfelhők alkalmasak lehetnek a vasúti infrastruktúrában vizuális megfigyeléssel is fellelhető anomáliák detektálására, ugyanakkor kihívást jelent a nagy méretű adathalmazok feldolgozásának számításigénye. Kutatásunkban olyan robosztus, automatizálható algoritmusokat valamint egy nyílt forráskódú könyvtárakon alapuló szoftver keretrendszert dolgoztunk ki, amely az előfeltételek minimalizálásával (pl. a vasúti pálya és a felsővezeték pozíciója közötti összefüggések) képes a vasúti infrastruktúra, elsődlegesen a sínpálya és a felsővezetékek objektumdetektálására majd a hozzájuk köthető hibakeresésre.

A projektfeladat célja elsődlegesen a vasúti járműre szerelt mobil lézerszkenneléssel készített nagy felbontású pontfelhők feldolgozása az infrastruktúra kulcsfontosságú eleminek (sínágy, sínpálya, felsővezeték, tartóoszlopok, stb.) szegmentálása céljából. Az eredmények alapján elvégezhető a hibaanalízis, például űrszelvény ütközésvizsgálat, felsővezeték kábel belógás vagy a zúzottkő ágyazat felgyűrődésének tekintetében.

Az implementáció C++ nyelven, a Point Cloud Library (PCL) és az OpenCV szoftverkönyvtárak felhasználásával kerül megvalósításra.

A kutatásban algoritmusaink teszteléséhez a Magyar Államvasutak (MÁV) biztosít pontfelhőket, amelyek akár rendkívül nagy sűrűségűek (legalább 5000 pont / m2) és pontosságúak (1-2 cm) is lehetnek.

Vasúti szegmens MLS LiDAR pontfelhője
Felsővezeték és sínpálya detektálás egyesített eredménye
Vasúti kanyarodó pályaszegmens MLS LiDAR pontfelhője
Pályakanyarulat felismerése LiDAR alapokon
Sínpálya detektálás LiDAR alapokon
Felsővezeték detektálás LiDAR alapokon
Vasúti oszlop detektálás
Felsővezeték kígyózás ellenőrzés
Vasúti keresztalj detektálás és süllyedésvizsgálat

Forráskód

Publikus projekt (publikált fejlesztések): https://github.com/GISLab-ELTE/railroad
Egyetemi projekt (nem publikált fejlesztések): https://gitlab.inf.elte.hu/gislab/railroad

Publikációk

  • Dénes Ertl: Automatic rail tie recognition and error detection using LiDAR point clouds, MSc thesis, 2023.
  • Attila Láber: Catenary segmentation and error detection in LiDAR point clouds, MSc thesis, 2023.
  • Milán Horváth: Vasúti infrastruktúra hibadetektálásának automatizálása LiDAR pontfelhőben, MSc diplomamunka, 2022.
  • Máté Cserép, Adalbert Demján, Friderika Mayer, Balázs Tábori, Péter Hudoba: Effective Railroad Fragmentation And Infrastructure Recognition Based On Dense LiDAR Point Clouds, ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci., V-2-2022, pp. 103–109, 2022. DOI: https://doi.org/10.5194/isprs-annals-V-2-2022-103-2022
  • Balázs Tábori: Vasúti sínpálya LiDAR pontfelhőjének fragmentálása, MSc diplomamunka, 2021.
  • Friderika Mayer: Powerline tracking and extraction from dense LiDAR point clouds, MSc thesis, 2020.
  • Adalbert Demján: Object extraction of rail track from VLS LiDAR data, MSc thesis, 2020.
  • Máté Cserép, Péter Hudoba, Zoltán Vincellér: Robust Railroad Cable Detection in Rural Areas from MLS Point Clouds, Free and Open Source Software for Geospatial (FOSS4G) Conference Proceedings: Vol. 18 , Article 2, 2018.
    DOI: https://doi.org/10.7275/z46z-xh51