Fel i järnvägsspåren kan leda till intäktsförluster och i vissa fall till och med dödsfall. Den vanligaste typen av inspektion är manuell, där en inspektör hinner inspektera fem till sex kilometer per dag. Manuella inspektioner täcker endast ett litet område per dag, vilket medför en hög risk att fel förblir oupptäckta.
I denna artikel presenterar vi en fallstudie som visar hur den hybrida lösningen för inspektion av järnvägsspår har visat sig vara effektiv och minskat behovet av kontinuerlig bearbetning av enorma 2D-laserdataset.
För att upptäcka ytfel tas först kamerabilder, varefter laserskannerns 3D-profil eller punktmoln analyseras för att fastställa felets exakta karaktär.
Applikationens analysfunktioner kan förutsäga fel innan de blir uppenbara, vilket bidrar till att minska antalet kollisioner mellan människor och föremål i omgivningen.