具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而 不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做 出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种轮对踏面参数测量方法及装置，能够实现了对 整个轮对踏面的进行三维重建，确定轮对踏面参数，提高测量的精确性和效 率。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图 和具体实施方式对本发明作进一步详细的说明。

实施例1

如图1，本发明公开了一种轮对踏面参数测量方法，所述方法包括：

S1:采集轮对踏面点云数据。

S2:对所述点云数据进行预处理，得到配准数据。

S3:构建拟合车轮内侧面。

S4:根据所述配准数据对拟合车轮内侧面进行三维重建，获取车轮的三 维模型。

S5:以所述三维模型的车轮内侧面为基准面，根据所述三维模型的车轮 参数与基准面之间的几何关系确定轮对踏面参数。具体的，所述轮对踏面参 数具体包括：车轮滚动圆直径、轮缘厚、轮缘高、轮辋宽和轮缘QR值。

S2:所述对所述点云数据进行预处理，得到配准数据，具体包括：

S2.1:对所述点云数据进行点云拼接，得到拼接数据。

S2.2:对所述拼接数据进行坐标换算，得到换算后的数据；所述换算后的 数据包括车轮内侧面踏面点云数据M和车轮外侧面踏面点云数据N。

S2.3:对换算后的数据进行点云配准，得到配准数据。

具体的，所述对换算后的数据进行点云配准，得到配准数据，具体包括：

方法1：对所述换算后的数据进行粗配准，得到配准数据。

方法2：或对所述换算后的数据进行精配准，得到配准数据。

方法3：或对所述换算后的数据依次进行粗配准和精配准，得到配准数 据。

方法1：根据换算后的点云数据计算得到点云数据M的质心以及点云数 据N的质心；所述质心公式为：

C_m为点云数据M的质心，C_n为点云数据N的质心，m_i、n_i(i＝1，2，…， K)为各点云数据质点坐标，K为点云数据质点的个数。

对换算后的数据使用内在形状签名ISS算法，求得点云数据M和点云 数据N的关键点。所述关键点是点云上具有稳定性、区别性的点集，是现有 名词。

使用FPFH算法提取各关键点的特征描述子，对两个所述特征描述子比 较，得到点云数据M关键点相对于点云数据N关键点的对应点，并确定两 关键点的一一对应关系。

根据一一对应关系、点云数据M的质心以及点云数据N的质心求对应 点协方差矩阵E_3×3，所述协方差矩阵为：

对所述协方差矩阵进行奇异值分解，得到旋转矩阵R₁和平移矩阵T₁， 具体步骤如下：

解E＝UΛV^T，将矩阵E分解为一个酉矩阵U，一个对角阵Λ和另一个 酉矩阵V^T的乘积。

得X＝UV^T，即得：

R₁＝X

T₁＝C_n-RC_m

根据旋转矩阵R₁和平移矩阵T₁得到配准数据。

方法2：对换算后的数据采用最近点迭代ICP算法进行点云精配准，具 体包括：

根据点云数据M和点云数据N的曲率特征确立对应点集P与Q，其中 对应点的个数为n。

选择三维空间中两个对应点P_i和q_j，计算两个对应点P_i和q_j之间的欧式距 离，具体公式如下：

其中，Xi、Yi、Zi为点P_i坐标，Xj、Yj、Zj为点q_j坐标，P_i为P中的一点， q_j为Q中的一点。

根据所述欧式距离对所述对应点集P与Q进行平移和旋转，得到旋转矩 阵R₂和平移矩阵T₂。

基于最小二乘法根据旋转矩阵R₂和平移矩阵T₂确定误差，所述误差公 式为：

其中，e为误差，R₂为旋转矩阵，T₂平移矩阵，p_i q_j为两点坐标。

判断误差是否满足设定阈值；如果误差满足设定阈值，则根据旋转矩阵 R₂、平移矩阵T₂和误差得到配准数据；如果误差不满足设定阈值，则返回 “基于最小二乘法根据旋转矩阵R₂和平移矩阵T₂确定误差”。

或判断迭代次数是否大于设定迭代次数；如果迭代次数大于设定迭代次 数，则根据旋转矩阵R₂、平移矩阵T₂和误差得到配准数据；如果迭代次数 小于或等于设定迭代次数，则令迭代次数加一，并返回“基于最小二乘法根 据旋转矩阵R₂和平移矩阵T₂确定误差”。

方法3：通过对根据换算后的点云数据粗配准得到旋转矩阵R₁和平移矩 阵T₁代入公式：

求解误差，判断误差是否满足设定阈值；如果误差满足设定阈值，则根 据旋转矩阵R₁、平移矩阵T₁和误差得到配准数据；如果误差不满足设定阈 值，则返回“基于最小二乘法根据旋转矩阵R₁和平移矩阵T₁确定误差”。

或判断迭代次数是否大于设定迭代次数；如果迭代次数大于设定迭代次 数，则根据旋转矩阵R₁、平移矩阵T₁和误差得到配准数据；如果迭代次数 小于或等于设定迭代次数，则令迭代次数加一，并返回“基于最小二乘法根 据旋转矩阵R₁和平移矩阵T₁确定误差”。

S3：构建拟合车轮内侧面，构建含有误差参数的平面方程，具体包括：

x+v_x＝b(y+v_y)+c(z+v_z)+d

其中，x、y、z分别为三维平面坐标，v_x、v_y、v_z分别为x、y、z三个方向 上的误差，b、c、d均为未知参数。

将所述平面方程改写成EIV模型，具体包括：

(A+E_A)X＝L+E_L

其中，E_A和E_L分别表示矩阵A和向量L的误差，即：

利用奇异值解法对EIV模型进行分解：

其中，[A L]为增广矩阵，[U₁ U₂]表示增广矩阵左奇异矩阵，表示增广矩阵右奇异矩阵，表示一个包含有奇异值的对角阵。

得到未知参数b、c、d最佳估值

将b、c、d代入所述含有误差参数的平面方程，得到所述拟合车轮内侧 面。

S4：根据所述配准数据对拟合车轮内侧面进行三维重建，获取车轮的三 维模型，具体包括：

将拟合车轮内侧面旋转平移与坐标Z-Y面重合，确定旋转矩阵R₀和平移 矩阵T₀。

其中，(X₂ Y₂ Z₂)为转换后拟合车轮内侧面内某一点的坐标， (X₁ Y₁ Z₁)为转换前拟合车轮内侧面内某一点的坐标，(α β γ)是两个 坐标之间的旋转矩阵R₀，(X₀ Y₀ Z₀)是两坐标之间的平移矩阵T₀。

所述直角坐标系xyz与圆柱坐标系ρφz的对应关系如下：

式中，ρ表示为径向距离、φ表示为方位角、z表示为高度。

将所述配准数据代入旋转矩阵R₀和平移矩阵T₀进行坐标变换，得到坐 标变换后的踏面点云数据。

将坐标变换后的踏面点云数据按照直角坐标系与圆柱坐标系的对应关 系进行转换，获得圆周分布的点云数据。

在MATLAB中根据圆周分布的点云数据进行绘制，得到车轮三维轮廓 图。

实施例2

如图2和图3所示，本发明还公开一种轮对踏面参数测量装置，所述装 置包括：

龙门立柱基底1，由顶部杆和两个立柱组成，在所述顶部杆的两侧各安 装一个立柱；所述顶部杆用于安装所述测量模块，所述立柱用于安装所述驱 动装置和所述定位支撑模块。

定位支撑模块3，用于支撑和定位待测轮对。

驱动装置2-1，安装于所述定位支撑模块3后方，用于夹紧并带动待测 轮对运动。

两个测量模块4，分别与待测轮对的两个车轮对应设置，各所述测量模 块4用于测量车轮踏面点云数据。

计算模块，与所述测量模块4连接，用于根据接收的所述车轮踏面点云 数据利用实施例1中的方法确定轮对踏面参数。

具体的，在轮对车轴的另一端设有所述驱动装置2-1配套的从动装置2-2； 所述驱动装置2-1与所述从动装置2-2经电动缸推动向前运动，夹紧轮对车 轴端面。

具体的，所述测量模块4包括：

线结构光传感器4-1和线结构光传感器4-2，线结构光传感器4-1用于测 量车轮内侧面踏面点云数据，线结构光传感器4-2用于测量车轮内侧面的踏 面点云数据。

滚珠丝杠，用于带动所述两个线结构光传感器到达测量位置。

具体的，车轮每旋转0.36°，线结构光传感器4-1和线结构光传感器4-2 各采集一次车轮踏面点云数据。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实 施例的说明只是用于帮助理解本发明的核心思想；同时，对于本领域的一般 技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之 处。综上所述，本说明书内容不应理解为对本发明的限制。