Создание цифровой модели железнодорожного пути с использованием беспилотных летательных аппаратов

Основные задачи, поставленные Правительством РФ в области устойчивого развития России до 2030 года, требуют амбициозных и согласованных действий на национальном, региональном и глобальном уровнях. Например, можно отметить стратегию холдинга ОАО «РЖД» в рамках цифровой трансформации, разработанную на основе национальной программы «Цифровая экономика». Сегодня компания представляет несколько инициативных платформ, которые должны перевести весь холдинг на новый цифровой уровень. Одной из главных составляющих цифровизации железнодорожного транспорта является цифровая модель железной дороги. В данной работе рассмотрен один из вариантов создания цифровой модели железнодорожного пути с применением беспилотного летательного аппарата, который был использован при выполнении дипломного проекта по заказу Новосибирского центра диагностики и мониторинга устройств инфраструктуры. В статье обоснована актуальность использования беспилотных летательных аппаратов и описаны основные способы построения цифровой модели с точки зрения геодезического обеспечения. Также рассмотрены основные программные продукты для обработки результатов съемки. Для систематизации процесса создания цифровой модели железнодорожного пути разработан алгоритм, который определяет порядок действий работников на этапах съемки местности, обработки полученных материалов, а также наполнения базы данных цифровой модели. В заключение указаны дальнейшие перспективы работы с цифровой моделью в части ее наполнения данными из информационных систем, которые используются в структурных подразделениях дирекции инфраструктуры, а также при решении задач по техническому обслуживанию железнодорожного пути.

1. Применение цифровизации при планировании контингента по техническому обслуживанию железнодорожной инфраструктуры / Н. И. Коваленко, В. А. Бучкин, Ю. А. Быков, Е. Н. Гринь // Мир транспорта. 2021. № 2. С. 116–121.

2. Суслов О. А., Федорова В. И. Цифровые двойники – перспективная основа планирования технического обслуживания железнодорожного пути // Наука 1520 ВНИИЖТ: Загляни за горизонт : сборник материалов научно-практической конференции АО «ВНИИЖТ». Щербинка : ВНИИЖТ, 2021. С. 184-192.

3. Асалханова Т. Н., Осколков А. А. Организация транспортного производства путевых работ с учетом информационного моделирования // Транспорт Урала. 2021. № 3. С. 65–67.

4. Асалханова Т. Н., Карпов И. Г., Лагерев С. Ю. Роботизация технологии допуска бригад к выполнению путевых работ в единой корпоративной автоматизированной системе управления инфраструктурой // Современные технологии. Системный анализ. Моделирование. 2022. № 1 (73). С. 54–63.

5. Кириенко С. В., Банул В. В. Механизация содержания железнодорожного пути // Экономика и управление народным хозяйством : сборник статей XIV Международной научно-практической конференции, Пенза, 27–28 октября 2021 г. Пенза : Приволжский Дом знаний, 2021. С. 136–139.

6. Щербаков В. В., Ковалева О. В., Щербаков И. В. Цифровые модели пути – основа геодезического обеспечения проектирования, строительства (ремонта) и эксплуатации железных дорог // Геодезия и картография. 2016. № 3. С. 12–16.

7. Щербаков И. В. Аппаратно-программный комплекс «Профиль-М» для определения пространственных и геометрических параметров рельсовой колеи // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2017. Т. 22, № 3. С. 60–71.

8. Васин Н. Н., Диязитдинов Р. Р. Система технического зрения для контроля состояния железнодорожного пути // Компьютерная оптика. 2016. № 3. С. 410–415. URL: https://cyberleninka.ru/article/n/sistema-tehnicheskogozreniya-dlya-kontrolya-sostoyaniya-zheleznodorozhnogo-puti (дата обращения: 30.11.2022).

9. Патент № 2020109110 Российская Федерация, МПК G01C 11/02 (2006.01), G01C 11/02 (2020.02). Способ построения трехмерной модели местности вдоль полотна железнодорожного пути : № 2726256 : заявл. 01.03.2020 : опубл. 10.07.2020 / Рощин Д. А.

10. Sahebdivani S., Arefi H., Maboudi M. Rail track detection and projection-based 3D modeling from UAV point cloud // Sensors. 2020. Pt. 20, No. 18. P. 1–15.

11. Lesiak P. Inspection and maintenance of railway infrastructure with the use of unmanned aerial vehicles // Problemy Kolejnictwa. 2020. No. 188. P. 115–127.

12. A comparative assessment of deep neural network models for detecting obstacles in the real time aerial railway track images / R. S. Rampriya [et al.] // Applied Artificial Intelligence. 2022. Pt. 36, No. 1. P. 1–34.