融合聚类算法的钢轨轮廓点云自适应精简

针对原始结构光钢轨轮廓点云数据量大、强噪声和离群杂点多的问题,本文提出了一种欧式聚类融合多种传统滤波方式的钢轨点云自适应精简的方法。采用点云欧式距离为特征量的聚类分割方法用于无效杂散点数据的识别和精简,采用统计滤波结合均匀体素下采样滤波方法实现点云初步去噪。在此基础上,通过欧式聚类分割噪点,采用自动获取滤波范围的自适应直通滤波去除轨底粘连数据,以保证点云配准的效率与准确性。本文提出的方法可有效精简无效数据和去噪,点云精简比约为94%,同时保留了原始点云的有效轮廓特征,为点云配准与磨耗点的高精度识别奠定了基础。

基于区块链的重载铁路智能控制研究

由于列车编组时间长、线路条件复杂,重载铁路系统在列车运行时,运行模式经常发生变化。驾驶员的牵引或制动操作不当会增加对列车的纵向冲击力,导致列车脱钩,严重影响列车的安全运行。在重载轨道系统中,用智能控制代替手动控制是十分可取的。在本文中,利用重载轨道系统的行驶数据,为了处理不平衡的牵引和制动,对智能控制方法的有效性和准确性进行分析。