Сатҳи ғелиши релс сатҳи болоии сари релс аст, ки чархи қатор мустақиман бо он тамос мегирад ва барои арзёбии худкори геометрияи роҳи оҳан, фарсудашавӣ ва ҳолати инфрасохтор минтақаи ҳадафии муҳим ба ҳисоб меравад. Дар ин таҳқиқот барои ҷудо кардани сатҳи ғелиши релс аз абрҳои зичи нуқтаҳои LiDAR-и хатҳои метрои бебалласт, бе ниёз ба тасвири RGB, траекторияи воситаи нақлиёт, template matching ё маҷмуаи бузурги маълумоти омӯзишии тамғагузоришуда, низоми сабуки истихроҷи геометрӣ таҳия шудааст. Низом нахуст бо истифода аз қиматҳои intensity миқдори зиёди нуқтаҳои ғайриҳадафиро хориҷ мекунад, сипас тавассути Cloth Simulation Filtering қисми муҳими сохторҳои берун аз инфрасохтори релсро дур месозад. Барои нуқтаҳои боқимонда бо истифода аз Principal Component Analysis (PCA) векторҳои нормалӣ ва каҷии сатҳ ҳисоб карда мешаванд. Дар марҳилаи ниҳоӣ алгоритми такмилёфтаи region growing татбиқ мешавад, ки дар он нуқтаҳои дорои каҷии паст ҳамчун нуқтаҳои ибтидоии афзалиятнок интихоб шуда, афзоиш ҳам бо самти нормалӣ ва ҳам бо каҷӣ маҳдуд карда мешавад.

Дар маҷмуаи маълумоти 58.893.153-нуқтагӣ аз қитъаи саҳроии 50-метрии Shanghai Metro Line 10 усули пешниҳодшуда ба %92,23 recall, %95,32 precision ва тақрибан %93,7 F1-score расидааст. Дар ҳамон маълумоти пешакӣ коркардшуда Euclidean clustering %57,4 ва region growing-и стандартӣ %82,1 F1-score ба даст овардаанд. Бартарии асосии усули пешниҳодшуда дар он аст, ки он аз минтақаи ҳамвори марказии сатҳи ғелиши релс нуқтаҳои low-curvature seed-ро интихоб мекунад ва бо маҳдуд кардани афзоиш дар канорҳои релс, ки curvature боло меравад, мушкили boundary leakage ба самти сатҳи паҳлуии релсро коҳиш медиҳад.

Чаро сатҳи ғелиши релс бояд ба таври худкор ҷудо карда шавад?

Барои истифодаи бехатари системаҳои роҳи оҳани шаҳрӣ бояд релсҳо, унсурҳои васлкунанда, низоми контактӣ ва сохторҳои такягоҳӣ мунтазам назорат карда шаванд. Азбаски сатҳи ғелиши релс бо чархи қатор мустақиман тамос дорад, барои арзёбии тағйироти геометрӣ, фарсудашавӣ ва аномалияҳои сатҳӣ аҳамияти махсус дорад.

Гарчанде низомҳои анъанавии ченкунӣ метавонанд дақиқии баланд таъмин кунанд, ченкунии дастӣ дар шароити истифодаи зичи метро вақти зиёд мегирад ва фосилаҳои дастрасӣ ба хат маҳдуданд. Азбаски LiDAR метавонад дар муддати кӯтоҳ миллионҳо нуқтаи сеандозаро ҷамъ кунад, он барои санҷиши инфрасохтори роҳи оҳан алтернативаи пурқувват аст.

Чаро сегментатсияи LiDAR дар релсҳои бебалласт душвортар аст?

Дар роҳи оҳани балластдор байни релс ва балласти сангии атрофи он фарқи возеҳи геометрӣ вуҷуд дорад. Аммо дар хати бебалласт зери релсҳо таҳкурсии бетонии пайваста ҷойгир аст ва рӯи он метавонанд пайвандҳои металлии васеъшавӣ, унсурҳои васлкунандаи релс ва қисмҳои гуногуни инфрасохторӣ бошанд.

Баъзе аз ин сохторҳо метавонанд intensity ё геометрияи ҳамворе дошта бошанд, ки ба сатҳи ғелиши релс монанд аст. Хусусан дар гузариш байни сатҳи болоии сари релс ва сатҳи паҳлуии он, азбаски векторҳои нормалӣ тадриҷан тағйир меёбанд, алгоритмҳои классикии region growing метавонанд аз минтақаи ҳадаф берун раванд.

Таҳқиқот ин мушкилро ҳамчун boundary leakage, яъне паҳн шудани минтақаи сегментатсия аз ҳудуди геометрӣ ба сатҳҳои ғайриҳадафӣ, баррасӣ мекунад.

Маълумот аз куҷо ҷамъоварӣ шуд?

Озмоишҳо дар қисми қисман болобардошташудаи Shanghai Metro Line 10 анҷом дода шуданд.

Барои ҷамъоварии маълумот Leica P40 Terrestrial Laser Scanner истифода шуд. Сабти абрҳои нуқта аз истгоҳҳои сершумор ва поксозии нуқтаҳои садои вобаста ба фаъолияти инсон бо Leica Cyclone 9.0 иҷро гардид.

Қисми таҳқиқшуда:

• 50 m дарозии хат,
• тақрибан 620 m² масоҳат,
• 58.893.153 нуқта,
• тақрибан 9,5 × 10⁴ нуқта/m² зичии миёна

ро дар бар мегирад.

Дар саҳна релсҳо, унсурҳои васлкунанда, таҳкурсии бетонӣ, низоми контактӣ ва монеаҳои садоӣ мавҷуданд.

Ground truth чӣ гуна сохта шуд?

Абри нуқтаҳои эталонии rail tread, ки барои санҷиш истифода шуд, аз маълумоти аслии LiDAR аз ҷониби операторони ботаҷриба дастӣ тамғагузорӣ карда шудааст.

Натиҷаҳои алгоритм бо ин маҷмуаи эталонии дастӣ дар сатҳи point-level муқоиса шудаанд.

Раванди умумии кори усул чӣ гуна аст?

Расми 2 дар саҳифаи 5-и таҳқиқоти манбаъ усулро дар ду блоки асосӣ нишон медиҳад: филтркунӣ ва region growing.

Раванди кор чунин пайдарпайиро дорад:

1. Ҷамъоварии абри нуқтаҳои аслӣ
2. Сабти бисёристгоҳӣ ва поксозии садо
3. Intensity threshold filtering
4. Cloth Simulation Filtering
5. Ҳисоб кардани вектори нормалӣ ва curvature бо PCA
6. Гурӯҳбандии нуқтаҳои аз ҷиҳати геометрӣ монанд бо region growing
7. Филтри андозаи кластер
8. Ҷудо кардани сатҳи ғелиши релс

Чаро маълумоти intensity истифода мешавад?

LiDAR на танҳо координатаҳои XYZ, балки маълумоти intensity-ро низ сабт мекунад, ки нишон медиҳад сигнали лазерӣ аз сатҳ то чӣ андоза қавӣ бармегардад.

Дар маҷмуаи маълумоти истифодашуда қиматҳои маъмулии intensity барои сохторҳои асосӣ чунинанд:

Азбаски қимати intensity-и сатҳи ғелиши релс дар диапазони 1-4 ҷамъ мешавад, ин диапазон ҳамчун филтри аввал истифода шудааст.

Оё диапазони Intensity 1-4 ҳадди универсалии релс аст?

Не. Ба қимати Intensity дастгоҳи LiDAR, кунҷи афтидан, маводи сатҳ, ноҳамвории сатҳ, масофа ва шароити муҳити зист таъсир мерасонанд. Аз ин рӯ, диапазони 1-4 ҳаддест, ки барои маълумоти Leica P40 ва қитъаи таҳқиқшудаи ҳамин мақола ба таври таҷрибавӣ муайян шудааст.

Дар сенсорҳои гуногун ҳамон сатҳи релс метавонад дар диапазони дигари intensity чен карда шавад.

Филтри аввал чӣ қадар маълумотро хориҷ кард?

Пас аз Intensity threshold filtering шумораи нуқтаҳо:

58.893.153 → 4.412.356

кам шудааст.

Ин маънои онро дорад, ки қисми зиёди абри нуқтаҳои аслӣ пеш аз ворид шудан ба таҳлилҳои минбаъдаи геометрӣ хориҷ карда шудааст.

Расми 10 дар саҳифаи 12-и таҳқиқоти манбаъ ин соддасозии калонро нишон медиҳад ва Расми 11 нишон медиҳад, ки қисми муҳими нуқтаҳои сатҳи паҳлуии релс низ бо филтри аввал кам карда шудаанд.

Cloth Simulation Filtering чӣ гуна кор мекунад?

Ғояи асосии алгоритми Cloth Simulation Filtering ин аст, ки абри нуқтаҳо чаппа карда шуда, қабати матои виртуалӣ ба рӯи сатҳи чаппашуда гузошта мешавад.

Сатҳе, ки дар натиҷаи таъсири мутақобилаи матоъ бо нуқтаҳо ба вуҷуд меояд, барои ҷудокунии ground ва non-ground истифода мешавад.

Дар ин таҳқиқот ҳадаф на он қадар сохтани модели классикии релеф, балки ҳангоми нигоҳ доштани минтақаи инфрасохтори релс:

• кабелҳои низоми контактӣ,
• монеаҳои садоӣ,
• қисмҳои иловагии монеаи садоӣ

тоза кардани қисми муҳими чунин сохторҳо мебошад.

Параметрҳои Cloth Simulation

Пас аз танзими таҷрибавӣ:

истифода шуданд.

Пас аз ин марҳила шумораи нуқтаҳо:

4.412.356 → 1.876.460

шуд.

Вектори нормалӣ бо PCA чӣ гуна ҳисоб карда мешавад?

Нуқтаҳои ҳамсояи атрофи ҳар як нуқта бо истифода аз KD-tree пайдо мешаванд. Барои ҳамсоягии маҳаллӣ матритсаи ковариатсия сохта мешавад:

\[ C= \frac{1}{k} \sum_{j=1}^{k} (p_j-\bar{p})(p_j-\bar{p})^T \]

Қиматҳои хос ва векторҳои хоси матритсаи ковариатсия:

\[ Cv_i=\lambda_i v_i \]

ба ин шакл ҳисоб карда мешаванд.

Вектори хосе, ки ба хурдтарин қимати хос мувофиқат мекунад, ҳамчун самти нормалии сатҳи маҳаллӣ қабул мешавад.

Азбаски қисми миёнаи сатҳи ғелиши релс тақрибан ҳамвор аст, векторҳои нормалии нуқтаҳои ҳамсоя самтҳои ба ҳам наздик доранд.

Curvature чӣ гуна ҳисоб карда мешавад?

Дар таҳқиқот curvature бо равиши зерин ба даст оварда шудааст:

\[ \sigma(p_i)= \frac{\lambda_0} {\lambda_0+\lambda_1+\lambda_2} \]

Дар ин ҷо \(\lambda_0\) хурдтарин қимати хоси матритсаи ковариатсия мебошад.

Дар минтақаҳои ҳамвор ин таносуб паст аст. Дар канори релс, ки тағйироти шадиди геометрӣ вуҷуд дорад, он боло меравад.

Curvature-Guided Seed Selection чӣ кор мекунад?

Алгоритмҳои классикии region growing метавонанд нуқтаи ибтидоии seed-ро аксаран тасодуфӣ интихоб кунанд. Агар seed-и аввал ба минтақаи гузариши геометрӣ, масалан канори релс, наздик бошад, афзоиш метавонад аз сатҳи ҳадаф берун равад.

Дар усули пешниҳодшуда ҳамаи нуқтаҳо аз рӯи қимати curvature аз хурд ба калон тартиб дода мешаванд.

Нуқтае, ки пасттарин қимати curvature дорад ва ҳанӯз ба ягон минтақа нисбат дода нашудааст, ҳамчун seed-и нав интихоб мешавад.

Ҳамин тавр, алгоритм афзоишро пеш аз ҳама аз ҳамвортарин қисми марказии сатҳи ғелиши релс оғоз мекунад.

Дар канори релс curvature чӣ мешавад?

Расми 8 дар саҳифаи 11-и таҳқиқоти манбаъ нишон медиҳад, ки қимати curvature дар маркази rail tread паст аст, аммо ҳангоми гузариш ба сатҳи паҳлуии релс ба таври возеҳ боло меравад.

Дар таҳлили таҷрибавии муаллифон қиматҳои curvature дар гузаришҳои канорӣ тақрибан ба:

0,02 ва болотар

мерасанд.

Аз ин рӯ, барои паҳншавии seed-и нав шарти:

\[ K_i < 0.02 \]

истифода шудааст.

Чаро ҳадди Curvature 0,02 аст?

Агар ҳадд хеле баланд гузошта шавад, нуқтаҳои дорои тағйироти геометрии баланд, ба монанди rail side ва таҳкурсии бетонӣ, метавонанд ба навбати seed ворид шаванд ва сегментатсия аз ҳадаф берун паҳн шавад.

Агар ҳадд хеле паст гузошта шавад, ҳатто ноҳамвориҳои хурди табиии сатҳи ғелиши релс метавонанд афзоишро қатъ кунанд ва сатҳи релс қисм-қисм ҷудо шавад.

Дар озмоишҳои ҳассосияти таҳқиқот 0,02 ҳамчун ҳадди мувофиқ байни ин ду ҳолати ниҳоӣ муайян шудааст.

Маҳдудияти кунҷи вектори нормалӣ

Самти нормалии нуқтаи seed бо ҳамсояҳои KNN муқоиса мешавад. Агар кунҷи байни нуқтаи ҳамсоя ва seed шарти:

\[ S_i < S_\theta \]

ро қонеъ кунад, он ба ҳамон минтақаи геометрӣ дохил карда мешавад.

Дар ин ҷо \(S_\theta\) smoothing threshold аст.

Чаро Smoothing Threshold ба 5° интихоб шуд?

Дар таҳқиқот қиматҳои 3°, 4°, 5° ва 6° муқоиса шудаанд.

Дар ҳадҳои паст, монанди 3°, гарчанде precision баланд аст, қисми муҳими нуқтаҳои воқеии релс ба кластер ҳамроҳ шуда наметавонанд ва минтақаҳои нопурра ба вуҷуд меоянд.

Дар 6° recall каме боло меравад, аммо азбаски rail side ва нуқтаҳои атроф ба кластер дохил шудан мегиранд, precision якбора то %82,76 паст мешавад.

Қимати 5° ҳамчун беҳтарин мувозинат байни пуррагӣ ва дақиқии сарҳад интихоб шудааст.

Чаро андозаи кластер истифода мешавад?

Унсурҳои васлкунандаи релс ва пайвандҳои васеъшавӣ низ метавонанд дар сатҳи маҳаллӣ хусусиятҳои геометрии монанд дошта бошанд. Аммо ин объектҳо гусаста ва андозаашон маҳдуд аст.

Сатҳи ғелиши релс бошад минтақаи калон ва пайвастаест, ки даҳҳо метр идома мекунад.

Аз ин рӯ, кластерҳои хурдтар аз 20.000 нуқта ҳамчун номзади ниҳоии rail tread қабул нашудаанд.

Дар натиҷа, чор кластери пайвастаи rail tread дар саҳна нигоҳ дошта шуданд.

Усул ва натиҷаҳои таҳқиқот

Занҷири коҳиши маълумот

Муқоисаи се усул

Чаро Standard Region Growing бо вуҷуди Recall-и баландтар натиҷаи бадтар медиҳад?

Region growing-и стандартӣ тақрибан %95,1 нуқтаҳои воқеии rail tread-ро пайдо мекунад. Аммо азбаски афзоишро дар канори релс ба қадри кофӣ маҳдуд намекунад, шумораи зиёди нуқтаҳои ғайриҳадафӣ, аз ҷумла rail side, fastener base ва монанди онҳо, низ ба кластер дохил мешаванд.

Аз ин рӯ, сарфи назар аз recall-и баланд, precision танҳо дар сатҳи %72,3 мемонад.

Дар усули пешниҳодшуда recall каме паст шуда, %92,2 мешавад, аммо precision то %95,3 боло меравад ва F1-score-и умумӣ ба %93,7 мерасад.

Чаро Euclidean clustering заиф буд?

Euclidean clustering танҳо ба наздикии фазоии нуқтаҳо такя мекунад.

Азбаски фосилаи нуқтаҳои LiDAR дар ҳамаи қисмҳои саҳна яксон нест, дар rail tread кластерҳои гусаста ба вуҷуд омадаанд.

Дар натиҷа recall танҳо %45,2 ва F1-score %57,4 боқӣ мондааст.

Муқоисаи сифатӣ

Расми 17 дар саҳифаи 17-и таҳқиқоти манбаъ се усулро мустақиман муқоиса мекунад.

Euclidean clustering сатҳи релсро ба шакли кластерҳои пора-пора мегузорад, дар ҳоле ки region growing-и стандартӣ дар канорҳои релс артефактҳои “false connection”-ро ба самти rail side тавлид мекунад.

Усули пешниҳодшуда бошад дар тӯли rail tread геометрияи яклухттар ва сарҳадҳои тозатар медиҳад.

Натиҷа дар сатҳи объект

Ҳамаи чор rail tread-и дар саҳна мавҷудбуда ҷудо карда шуданд; fastener, низоми контактӣ ва монеаҳои садоӣ аз ҳадафҳои ниҳоӣ ҷудо шуданд.

Муаллифон инро дар арзёбии object-level ҳамчун %100 дақиқии истихроҷи ҳадаф гузориш кардаанд.

Бояд дар хотир дошт, ки ин мафҳум бо point-level precision яксон нест. Precision дар сатҳи нуқта %95,32 аст.

Бартариҳои муҳандисии усул

• Маҷмуаи бузурги маълумоти омӯзишии тамғагузоришударо талаб намекунад.
• Ба тасвири RGB ниёз надорад.
• Траекторияи пешакӣ маълуми воситаи метро ё сканерро истифода намекунад.
• Шаблони релс ё template matching талаб намекунад.
• Бо маҳдудияти curvature мустақиман ба мушкили geometric leakage дар хатҳои бебалласт таъсир мерасонад.
• Ба шарофати филтркунии пешакӣ зарурат надорад, ки даҳҳо миллион нуқтаро ба марҳилаи region growing фиристад.

Натиҷаҳое, ки таҳқиқот дастгирӣ мекунад

• Intensity ва cloth simulation якҷоя метавонанд қабати пурқуввати филтркунии пешакӣ созанд.
• Интихоби low-curvature seed метавонад устувории region growing-ро баланд кунад.
• Ҳангоми истифодаи якҷояи вектори нормалӣ + curvature, rail edge leakage метавонад ба таври назаррас кам карда шавад.
• 5° smoothing threshold дар ин маҷмуаи маълумот мувозинати хуби precision-recall таъмин кардааст.
• Усули пешниҳодшуда нисбат ба Euclidean clustering ва region growing-и стандартӣ F1-score-и баландтар ба даст овардааст.
• Бе RGB ё маълумоти омӯзишӣ истихроҷи rail tread аз маълумоти саҳроии LiDAR имконпазир аст.

Умумисозиҳое, ки таҳқиқот дастгирӣ намекунад

• Intensity 1-4 дар ҳамаи низомҳои LiDAR қимати универсалии rail tread нест.
• Curvature 0,02 барои ҳамаи навъҳои роҳи оҳан ҳадди тағйирнопазир нест.
• Наметавон хулоса кард, ки 5° smoothing threshold дар сенсорҳо ва хатҳои гуногун ба танзими дубора ниёз надорад.
• Исбот нашудааст, ки усул дар минтақаҳои turnout ҳамон самаранокиро нишон медиҳад.
• Ҳамин дақиқӣ дар туннелҳои бисёрхатта ё саҳнаҳои дорои ҳампӯшонии зич ҳанӯз нишон дода нашудааст.
• Усул то сатҳи кори вақти воқеӣ оптимизатсия нашудааст.
• Нишон дода нашудааст, ки он дар маҷмӯъ аз усулҳои омӯзиши амиқ дақиқтар аст; танҳо бо baseline-ҳои классикии геометрии интихобшуда муқоисаи мустақими миқдорӣ анҷом дода шудааст.

Таҳқиқоти оянда

Муаллифон пешниҳод мекунанд, ки усул дар геометрияҳои мураккабтар, аз ҷумла минтақаҳои turnout, низомҳои бисёррелса ва даромад/баромади туннелҳо санҷида шавад.

Илова бар ин, кам кардани бори ҳисоббарории normal estimation ва region growing, инчунин илова кардани усулҳои adaptive zoning ва topology-aware segmentation аз ҷумлаи такмилҳои банақшагирифташуда мебошанд.

Ёддошт оид ба манбаъ ва усул

Таҳқиқоти аслӣ: A Lightweight Rail Tread Extraction Framework for Ballastless Track LiDAR Point Clouds Using Multi-Stage Filtering and Curvature-Guided Region Growing.

Муаллифон: Guizhen He, Rui Zhang ва Yuxin Zhong.

Муаллифи масъул: Guizhen He.

Муассисаҳо: School of Transportation Engineering, East China Jiaotong University; Fujian Institute of Scientific and Technological Information; Fujian Provincial Key Laboratory of Information and Network.

Нашр: Applied Sciences, 2026, 16, 8791. MDPI.

DOI: 10.3390/app16178791

Раванди нашр: 27 майи 2026 қабул шудааст, 3 июли 2026 бознигарӣ шудааст, 13 июли 2026 пазируфта шудааст ва 4 сентябри 2026 нашр шудааст.

Тақриз: Мақолаи таҳқиқотии тақризшуда мебошад.

Иҷозатнома: Creative Commons Attribution (CC BY).

Майдон: Shanghai Metro Line 10, қитъаи 50 m хати болобардошташуда.

Низоми LiDAR: Leica P40 Terrestrial Laser Scanner.

Усулҳои асосӣ: intensity threshold filtering, Cloth Simulation Filtering, KD-tree/KNN, PCA normal estimation, curvature estimation ва curvature-guided region growing.

Параметрҳои асосӣ: rail tread intensity 1-4; Cloth resolution 2,5; Max iterations 500; Classification threshold 0,7; curvature seed threshold Ki < 0,02; smoothing threshold Sθ = 5°; minimum cluster size 20.000 нуқта.

Натиҷаи асосӣ: Precision %95,32; Recall %92,23; F1-score тақрибан %93,7.

Маблағгузорӣ: Аз ҷониби East China Jiaotong University барои “Comprehensive Analysis Project for Power Equipment Inspection and Fault Data”, Grant No. 2004525475.

Дастрасии маълумот: Гузориш шудааст, ки маълумотро бо дархост аз муаллифи масъул гирифтан мумкин аст ва бо сабаби маҳдудиятҳои махфият барои ҷомеа дастрас нест.

Бархӯрди манфиатҳо: Муаллифон изҳор кардаанд, ки бархӯрди манфиатҳо вуҷуд надорад.

Маҳдудиятҳои асосӣ: Низом ҳанӯз дар саҳнаҳои мураккаб, ба монанди turnout, multi-track tunnel ва tunnel entrance/exit, санҷида нашудааст. Intensity ва threshold-ҳои геометрӣ ба сенсор ва майдони истифодашуда вобастаанд. Хароҷоти ҳисоббарории Normal estimation ва region growing барои истифодаи вақти воқеӣ ҳанӯз баланд аст.