基于深度学习的撒砂管高度测量算法研究

机车在日常运行过程中，受到机车本身和外界环境因素的影响，撒砂管的高度可能会产生变化，严重时会导致车轮打滑事故的发生，造成安全问题。为此，文章提出了一种基于深度学习的撒砂管高度测量算法。首先，其通过基于深度学习的YOLOv3-tiny算法和DeepLabv3+模型，实现对2D图像中撒砂管的目标检测和钢轨平面的拟合分割。其次，对于测量环境中的噪声点云，其通过深度值滤波和聚类分割等方法实现点云滤波；对于撒砂管上影响高度测量的异物，其针对性地设计了边缘提取及伪边缘剔除，以消除异物对测量精度的影响。最后，其通过RANSAC算法对钢轨平面进行平面拟合，实现对撒砂管高度的3D高精度测量。文中分别采用所提算法和10分度游标卡尺对不同位置、形态及光照强度的撒砂管进行高度测量实验，结果显示，采用该算法，撒砂管高度的测量误差基本可以控制在±1 mm以内，平均测量精度可达98.74%，这表明该算法具备一定的鲁棒性。