Udpegning af genstande langs jernbane i en punktsky
Oversat titel
Detecting objects close to railway in a point cloud
Forfattere
Nielsen, Jean Nicolai ; Detlefsen, Kirsten Kildegaard
Semester
4. semester
Udgivelsesår
2019
Afleveret
2019-06-17
Antal sider
112
Abstract
Dette speciale undersøger, om laserskanning langs jernbanespor kan bruges til at finde genstande, der ligger inden for en bestemt afstand af sporet ved hjælp af en UT-profil (en tværprofil, der angiver et frirum omkring sporet). Først gennemgås Banedanmarks krav til opmåling af infrastrukturen og den nuværende praksis, hvor der måles med totalstation (et præcisionsinstrument til landmåling). Datagrundlaget er en punktsky (en 3D-samling af målepunkter) fra en laserskanning af strækningen mellem Høje-Taastrup og København H. Herfra udvælges afsnittet mellem Danshøj og Valby, hvor genstande, der tidligere er målt med totalstation, identificeres og bruges som kontrolpunkter. I hovedanalysen gennemføres en trinvis implementering af UT-profilen på dele af strækningen: data forberedes og parametre fastsættes, skinnerne identificeres i punktskyen, målene for den anvendte UT-profil beregnes, og profilen indlægges i punktskyen for at detektere genstande, der befinder sig inden for dens område.
This thesis investigates whether laser scanning along railway tracks can be used to identify objects located within a specified distance of the track by using a UT profile (a cross-sectional clearance profile around the track). The study first reviews Banedanmark’s survey requirements for its infrastructure and the current practice of using a total station (a precision surveying instrument). The dataset is a point cloud (a 3D collection of measurement points) from laser scanning between Høje-Taastrup and Copenhagen Central Station. A smaller section between Danshøj and Valby is extracted; objects previously measured with a total station are identified and used as control points. The main analysis implements the UT profile on parts of this section in several steps: preparing the data and setting parameters, identifying the rails in the point cloud, calculating the dimensions of the UT profile used, and finally applying the profile to the point cloud to detect objects located within it.
[Dette resumé er genereret ved hjælp af AI]