钢轨外观状态的多偏振光点云数据融合方法及装置

1.一种钢轨外观状态的多偏振光点云数据融合方法，其特征在于，包括：将读取的偏振相机数据合并为钢轨廓形数据；根据轨顶点坐标和轨距点坐标将钢轨廓形数据分为多个区域；对多个区域的钢轨廓形数据利用随机采样一致性RANSAC算法进行拟合，获得多个区域的拟合曲线；将多个区域的拟合曲线进行曲线融合，获得最佳钢轨廓形拟合曲线；利用最佳钢轨廓形拟合曲线进行钢轨轮廓测量；按照如下公式对多个区域的钢轨廓形数据利用随机采样一致性RANSAC算法进行拟合，获得多个区域的拟合曲线：其中，C t , C w1 , 分别表示划分的5个区域的RANSAC拟合多项式曲线；ξ t , 分别表示划分的5个区域的内点阈值；m t , 分别表示划分的5个区域的采样迭代次数；n t , 分别表示划分的5个区域的最佳多项式拟合幂次，该值由实际下路中选取多幅典型廓形数据，构建全局最优化模型，经最小二乘法求得；P t , 分别表示划分的5个区域的钢轨廓形数据；判断多个区域的拟合曲线是否满足要求，若不满足，则调整RANSAC算法参数，重新进行拟合。 2.如权利要求1所述的钢轨外观状态的多偏振光点云数据融合方法，其特征在于，所述偏振相机数据包括四向偏振分量图像、线偏振角度图像、线偏振度图像和斯托克斯参量图像；将读取的偏振相机数据合并为钢轨廓形数据，包括：分别计算四向偏振分量图像、线偏振角度图像、线偏振度图像和斯托克斯参量图像对应的光条中心；根据对应的光条中心计算得到对应的廓形偏振点云数据；将对应的廓形偏振点云数据按照点云坐标排列合并为一个钢轨廓形数据。 3.如权利要求1所述的钢轨外观状态的多偏振光点云数据融合方法，其特征在于，按照如下公式将读取的偏振相机数据合并为钢轨廓形数据：P＝∪(P 0 ,P 45 ,P 90 ,P 135 ,P AoP ,P DoP ,S′ 0 ,S′ 1 ,S′ 2 )；其中，P表示钢轨廓形数据；∪(·)表示点云坐标数据合并操作；P 0 表示偏振方向为0°的偏振分量图像I 0 对应的廓形偏振点云数据；P 45 表示偏振方向为45°的偏振分量图像I 45 对应的廓形偏振点云数据；P 90 表示偏振方向为90°的偏振分量图像I 90 对应的廓形偏振点云数据；P 135 表示偏振方向为135°的偏振分量图像I 135 对应的廓形偏振点云数据；P AoP 表示线偏振角度图像I AoP 对应的廓形偏振点云数据；P DoP 表示线偏振度图像I DoP 对应的廓形偏振点云数据；S 0 ′表示斯托克斯参量图像的第一分量图像S 0 对应的廓形偏振点云数据；S 1 ′表示斯托克斯参量图像的第二分量图像S 1 对应的廓形偏振点云数据；S 2 ′表示斯托克斯参量图像的第三分量图像S 2 对应的廓形偏振点云数据。 4.如权利要求1所述的钢轨外观状态的多偏振光点云数据融合方法，其特征在于，按照如下公式根据轨顶点坐标和轨距点坐标将钢轨廓形数据分为多个区域：其中，P t , 分别表示划分的5个区域的钢轨廓形数据；segment(·)表示区域分割操作；P表示钢轨廓形数据；T x,y 表示轨顶点坐标；G x,y 表示轨距点坐标。 5.如权利要求1所述的钢轨外观状态的多偏振光点云数据融合方法，其特征在于，按照如下公式将多个区域的拟合曲线进行曲线融合，获得最佳钢轨廓形拟合曲线：其中，C表示最佳钢轨廓形拟合曲线；C t , C w1 , 分别表示划分的5个区域的RANSAC拟合多项式曲线；stitching(·)表示曲线融合操作。 6.一种钢轨外观状态的多偏振光点云数据融合装置，其特征在于，包括：数据合并模块，用于将读取的偏振相机数据合并为钢轨廓形数据；区域划分模块，用于根据轨顶点坐标和轨距点坐标将钢轨廓形数据分为多个区域；拟合模块，用于对多个区域的钢轨廓形数据利用随机采样一致性RANSAC算法进行拟合，获得多个区域的拟合曲线；融合模块，用于将多个区域的拟合曲线进行曲线融合，获得最佳钢轨廓形拟合曲线；测量模块，用于利用最佳钢轨廓形拟合曲线进行钢轨轮廓测量；按照如下公式对多个区域的钢轨廓形数据利用随机采样一致性RANSAC算法进行拟合，获得多个区域的拟合曲线：其中，C t , C w1 , 分别表示划分的5个区域的RANSAC拟合多项式曲线；ξ t , 分别表示划分的5个区域的内点阈值；m t , 分别表示划分的5个区域的采样迭代次数；n t , 分别表示划分的5个区域的最佳多项式拟合幂次，该值由实际下路中选取多幅典型廓形数据，构建全局最优化模型，经最小二乘法求得；P t , 分别表示划分的5个区域的钢轨廓形数据；判断模块，用于判断多个区域的拟合曲线是否满足要求，若不满足，则调整RANSAC算法参数，重新进行拟合。 7.如权利要求6所述的钢轨外观状态的多偏振光点云数据融合装置，其特征在于，所述偏振相机数据包括四向偏振分量图像、线偏振角度图像、线偏振度图像和斯托克斯参量图像；数据合并模块具体用于：分别计算四向偏振分量图像、线偏振角度图像、线偏振度图像和斯托克斯参量图像对应的光条中心；根据对应的光条中心计算得到对应的廓形偏振点云数据；将对应的廓形偏振点云数据按照点云坐标排列合并为一个钢轨廓形数据。 8.如权利要求6所述的钢轨外观状态的多偏振光点云数据融合装置，其特征在于，按照如下公式将读取的偏振相机数据合并为钢轨廓形数据：P＝∪(P 0 ,P 45 ,P 90 ,P 135 ,P AoP ,P DoP ,S′ 0 ,S′ 1 ,S′ 2 )；其中，P表示钢轨廓形数据；∪(·)表示点云坐标数据合并操作；P 0 表示偏振方向为0°的偏振分量图像I 0 对应的廓形偏振点云数据；P 45 表示偏振方向为45°的偏振分量图像I 45 对应的廓形偏振点云数据；P 90 表示偏振方向为90°的偏振分量图像I 90 对应的廓形偏振点云数据；P 135 表示偏振方向为135°的偏振分量图像I 135 对应的廓形偏振点云数据；P AoP 表示线偏振角度图像I AoP 对应的廓形偏振点云数据；P DoP 表示线偏振度图像I DoP 对应的廓形偏振点云数据；S′ 0 表示斯托克斯参量图像的第一分量图像S 0 对应的廓形偏振点云数据；S′ 1 表示斯托克斯参量图像的第二分量图像S 1 对应的廓形偏振点云数据；S′ 2 表示斯托克斯参量图像的第三分量图像S 2 对应的廓形偏振点云数据。 9.如权利要求6所述的钢轨外观状态的多偏振光点云数据融合装置，其特征在于，按照如下公式根据轨顶点坐标和轨距点坐标将钢轨廓形数据分为多个区域：其中，P t , 分别表示划分的5个区域的钢轨廓形数据；segment(·)表示区域分割操作；P表示钢轨廓形数据；T x,y 表示轨顶点坐标；G x,y 表示轨距点坐标。 10.如权利要求6所述的钢轨外观状态的多偏振光点云数据融合装置，其特征在于，按照如下公式将多个区域的拟合曲线进行曲线融合，获得最佳钢轨廓形拟合曲线：其中，C表示最佳钢轨廓形拟合曲线；C t , C w1 , 分别表示划分的5个区域的RANSAC拟合多项式曲线；stitching(·)表示曲线融合操作。 11.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5任一所述钢轨外观状态的多偏振光点云数据融合方法。 12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述钢轨外观状态的多偏振光点云数据融合方法。 13.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至5任一所述钢轨外观状态的多偏振光点云数据融合方法。