Erkennung von Weichen in einer Punktwolke
Das vorgestellte Projekt ist ein Praktikumsprojekt zweier französischer Masterstudenten. Es wurde in Zusammenarbeit mit der Deutschen Bahn realisiert. Ziel des Projekts ist die automatische Erkennung und Identifizierung verschiedener Arten von Weichen innerhalb einer Punktwolke, die Schienen enthält. Unter Ausnutzung der spezifischen Eigenschaften von Weichen und Gleisen wurde ein mehrstufiger Ansatz entwickelt. Der erste Schritt besteht darin, die Gleise von den anderen Elementen der Punktwolke zu isolieren. Im zweiten Schritt werden Kreuzungen zwischen den Bahngleisen identifiziert. Der dritte Schritt besteht darin, diese Kreuzungen zu charakterisieren und digitale Weichen zu erstellen. Die Lösung ermöglicht sowohl die Identifizierung des Standortes als auch des Weichentyps innerhalb einer Punktwolke mit einem rechnerisch geringen Aufwand.
Motivation
Eine aktuelle und vollständige Dokumentation von Weichen oder einer Anschlusstopologie liegt der Deutschen Bahn nicht vor. Um die Dokumentation zu verbessern, sammelt das Unternehmen Punktwolkendaten der Bahn und ihrer Umgebung. Die manuelle Analyse der Punktwolken würde viel Zeit und Kosten in Anspruch nehmen. Aus diesem Grund ist die Entwicklung eines automatischen Systems, das die Analyse von Punktwolken ermöglicht, ein Vorteil und eine Notwendigkeit für die Deutsche Bahn. Ziel des Projekts ist es daher, ein automatisches System zu entwickeln, das Weichen erkennt, deren Typ bestimmt und die Topologie der Eisenbahn aufbaut.
Aktivitäten
Nach dem Studium verschiedener vorhandener Segmentierungsmethoden wurde ein lineares System implementiert, um die Weichen zu erkennen und die Topologie der Eisenbahn aufzubauen. Das entwickelte System ermöglicht die Übermittlung von Dateien, die von unserem Partner bereitgestellt werden, einer Reihe von Verarbeitungsschritten, die in drei Hauptkategorien eingeteilt sind.
Der erste Schritt ist die Vorverarbeitung. Dazu gehören die klassische Bildverarbeitung, die in 3D angepasste Bildverarbeitung oder die Anwendung mathematischer Prinzipien in 3D. Dies reduziert die Punktwolke auf nur die Gleise und verbessert die Punktwolkenqualität, um den nächsten Schritt zu erleichtern und zu optimieren.
Der zweite Schritt besteht aus einer Reihe von Prozessen auf niedrigerer Ebene, die die Punktwolkenergebnisse aus dem ersten Schritt zerlegen und dann ihre verschiedenen Elemente klassifizieren. Die Zerlegung wird durch eine Kombination mehrerer Segmentierungstechniken realisiert. Die Klassifizierung erfolgt anhand der Eigenschaften der verschiedenen Elemente.
Der dritte Schritt ist eine Reihe von übergeordneten Prozessen. Die verschiedenen zuvor erhaltenen Elemente werden gesammelt, um digitale Eisenbahnweichen zu bauen. Entsprechend den verschiedenen Elementen jeder Eisenbahnweiche können diese dann klassifiziert werden. Schließlich wird die Topologie der Eisenbahn durch den Aufbau von Verbindungen zwischen den verschiedenen Gleisen und Weichen erstellt.
Resultate
Das endgültige System ist in der Lage, Weichen mit einer Erfolgsquote von 97,4 % zu erkennen und ihren Typ mit einer Erfolgsquote von 99,3 % zu klassifizieren. Bei folgenden Systemspezifikationen kann das System 91 Kilometer Eisenbahn in einer Stunde verarbeiten: ein AMD E1, zwei Kerne mit 1,4 GHz, 4 GB RAM-Prozessor.