2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩65頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、鐵路軌道作為高速鐵路的重要組成部分,是支撐列車高速運(yùn)行的重要基礎(chǔ)設(shè)備。由于軌道表面長期承受輪軌動力作用以及路基沉降等因素的影響,軌道的線形可能發(fā)生幾何變形,給列車安全運(yùn)營帶來線路隱患。因此,及時快速檢測高速鐵路軌道靜態(tài)幾何狀態(tài)可為線路安全運(yùn)營提供重要的技術(shù)保障。
   目前對于軌道靜態(tài)幾何狀態(tài)的檢測,通常采用軌檢小車和智能型全站儀配合的軌道檢測系統(tǒng)。本文為進(jìn)一步提高軌道檢測效率,嘗試將近景攝影測量方法引入軌道幾何檢測。通過對鐵路

2、軌道進(jìn)行近景攝影獲取連續(xù)的軌道影像,對軌道影像進(jìn)行特征提取與同名點(diǎn)匹配,采用連續(xù)像對解析幾何定向方法求解軌道模型坐標(biāo),并計算出軌道點(diǎn)的三維地面坐標(biāo),為軌道幾何狀態(tài)參數(shù)計算提供基礎(chǔ)數(shù)據(jù)。
   針對軌道近景攝影測量中面臨的軌道影像處理技術(shù)問題,本文提出了一種二階Harris特征點(diǎn)提取算子,利用二階導(dǎo)數(shù)極值點(diǎn)作為提取特征點(diǎn)的依據(jù),并對軌道影像進(jìn)行分塊處理,使用自適應(yīng)閾值提取軌道影像中的特征點(diǎn)。在此基礎(chǔ)上,采用基于金字塔影像粗匹配結(jié)合

3、最小二乘精匹配的由粗到精匹配策略,開展軌道影像同名點(diǎn)的匹配。通過先將軌道影像做金字塔分層處理,逐層進(jìn)行相關(guān)系數(shù)粗匹配,再將粗匹配結(jié)果作為初始值,利用最小二乘算法進(jìn)行精匹配,最終獲得精匹配同名點(diǎn)的像點(diǎn)坐標(biāo)。
   利用精確匹配的軌道影像同名點(diǎn),開展了連續(xù)軌道影像的相對定向過程,并使用連續(xù)像對的相對定向參數(shù)求解出軌道點(diǎn)的像空間輔助坐標(biāo),在完成模型連接的基礎(chǔ)上,計算軌道點(diǎn)在攝影測量坐標(biāo)系中的坐標(biāo)數(shù)值。
   對有砟軌道試驗(yàn)場及

4、杭甬客運(yùn)專線紹興段無砟軌道開展近景攝影圖像處理實(shí)驗(yàn),計算結(jié)果表明,相比于經(jīng)典Harris算子,本文提出的二階Harris有效提高了特征點(diǎn)提取的效率,所提取的特征點(diǎn)數(shù)量、精度有所改善,特征點(diǎn)的空間分布均勻,避免了特征點(diǎn)聚簇和數(shù)據(jù)冗余;基于金字塔粗匹配結(jié)合最小二乘精匹配的匹配算法,能快速準(zhǔn)確地實(shí)現(xiàn)相似性特征的軌道影像匹配,同名點(diǎn)數(shù)量和誤匹配率均能夠滿足近景攝影測量定向建模的需要,表明近景攝影測量方法應(yīng)用于高速鐵路軌道幾何平順性檢測具有較大潛

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論