CN104200464A - 一种识别列车异常的检测方法及*** - Google Patents
一种识别列车异常的检测方法及*** Download PDFInfo
- Publication number
- CN104200464A CN104200464A CN201410406535.9A CN201410406535A CN104200464A CN 104200464 A CN104200464 A CN 104200464A CN 201410406535 A CN201410406535 A CN 201410406535A CN 104200464 A CN104200464 A CN 104200464A
- Authority
- CN
- China
- Prior art keywords
- train
- depth information
- full car
- detected
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种识别列车异常的检测方法及***,属于图像自动识别的技术领域。识别方法包括如下步骤:采集待检测列车以及参考列车的全车深度信息,由车型车号匹配待检测列车以及参考列车的全车深度信息以识别故障组件,再匹配故障组件的深度信息与参考零件的深度信息以确定故障零件。识别***包括:采集待检测列车全车深度信息的采集模块,参考列车信息获取模块以及故障零件检测模块。这种利用深度信息对过车的进行三维图像信息采集的方法,克服了传统二维图像信息视觉功能的限制,从而方便检测人员快速找到实际故障点,降低了***误报率,提高了检测人员的检修效率。
Description
技术领域
本发明公开了一种识别列车异常的检测方法及***,属于图像自动识别的技术领域。
背景技术
传统的列车全车零部件异常检测通常采用人工进行检测,这种方式需要列车进站或入库时进行检测,由于列车(包括货车、客车、动车组及其它类型的轨道列车)停站时间较短,再加上列车上的零部件众多且结构复杂,检修人员很难在很短的时间内关注各个零部件的正常状态。尤其是,列车底部及顶部的零部件之间存在遮挡而存在视觉盲区,这既进一步增大列车零部件异常的漏检概率,也进一步降低异常检测效率和准确度。
此外,列车大部分时间处于运行状态,轨道列车在运行过程中因杂物击打、相对运动、冲击、震动等会造成零部件的磨损、异常松脱等问题,当列车进站后或完成运营公里数入库后才进行检修,这会导致列车底部零部件出现异常不能被及时发现和检修,最终将给轨道交通的运行造成极大的安全隐患。
发明内容
本发明所要解决的技术问题是针对上述背景技术的不足,提供了一种识别列车异常的检测方法及***。
本发明为实现上述发明目的采用如下技术方案:
一种识别列车异常的检测方法,包括如下步骤:
采集待检测列车的全车深度信息以及车型车号信息,
由所述待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息,及,
将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件;
上述步骤中所述全车深度信息为列车底部深度信息、列车侧部深度信息及列车顶部深度信息中的至少一种。
作为所述识别列车异常的检测方法的进一步优化方案,参考列车的全车深度信息为:
预先设置的正常列车的全车深度信息,
在与当前采样时刻最邻近时刻通过的同辆列车的全车深度信息,
在与当前采样时刻邻近时刻通过的同辆列车的多组全车深度信息,及
对上述全车深度信息进行融合或统计分析后得到的全车深度信息中的至少一种。
作为所述识别列车异常的检测方法的进一步优化方案,将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件的步骤,具体如下:
将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息所对应的组件设定为故障组件;
将故障组件的深度信息与参考零件的深度信息匹配,从故障组件的深度信息中进一步提取异常深度信息,将进一步提取得到的异常深度信息所对应的零件设定为故障零件。
作为所述识别列车异常的检测方法的进一步优化方案,参考零件为参考列车所对应的零件及预设零件库中所对应的零件中的至少一种。
作为所述识别列车异常的检测方法的进一步优化方案,将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息所对应的组件设定为故障组件的步骤中,按照如下方法设定故障组件:
提取所述参考列车不同深度层次数据的几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征标准分布信息图;
提取所述待检测列车不同深度层次数据的几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征分布信息图;
通过所述待检测列车车型车号信息与所述参考列车车型车号信息的匹配,使所述待检测列车的全车几何特征分布信息图与所述参考列车的全车几何特征标准分布信息图比对匹配;
所述待检测列车的全车几何特征分布信息图与所述参考列车的全车几何特征标准分布信息图比对后,将深度信息不匹配的信息图所对应的组件设定为故障组件。
作为所述识别列车异常的检测方法的进一步优化方案,将故障组件的深度信息与参考零件的深度信息匹配,从故障组件的深度信息中进一步提取异常深度信息,将进一步提取得到的异常深度信息所对应的零件设定为故障零件的步骤中,按照如下方法设定故障零件:
提取所述故障组件不同深度层次数据的几何元素,以零件为单位拟合各深度层次数据的几何元素,得到含有深度信息的故障组件几何特征分布信息图;
提取所述参考列车在不同深度层次数据的几何元素,以所述参考零件为单位拟合各深度层次数据的几何元素,得到与所述故障组件相匹配且含有深度信息的参考组件几何特征标准分布信息图;
所述故障组件几何特征分布信息图与所述参考组件几何特征标准分布信息图比对后,将深度信息不匹配的信息图所对应的零件设定为故障零件。
进一步的,待检测列车的全车深度信息的采集方法为激光三角法、双目测距法及脉冲测距法中的至少一种。
进一步的,识别列车异常的检测方法还包括在所述将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件步骤后,对故障零件报警显示的步骤。
一种识别列车异常的检测***,包括:
采集模块,用于采集待检测列车的全车深度信息及待检测列车的车型车号信息;
参考列车信息获取模块,由所述待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息;及,
故障零件检测模块,将所述待检测列车的全车深度信息与所述参考列车的全车深度信息匹配,检测故障零件。
进一步的,上述识别列车异常的检测***还包括用于报警显示所述故障零件的报警显示模块。
本发明通过多角度采集的若干组待检测列车的全车深度信息,并由所述待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息,经过待检测列车的全车深度信息与参考列车的全车深度信息的匹配,从而检测出故障零件。这种利用深度信息对过车的进行三维图像信息采集的方法,能够实时的对轨道列车的全车上的重要部件和/或零件进行异常状态识别,从而改变了传统作业模式,极大地提高了我国高速铁路运行安全监测能力。此外,这种三维图像信息采集的方法,还能够克服传统二维图像信息视觉功能的限制,能够屏蔽水渍灰尘等一些非故障点的报警,从而方便检测人员快速找到实际故障点,降低***误报率,并提高检测人员的检修效率。
附图说明
图1为第一种识别列车异常的检测方法的流程图。
图2为第二种识别列车异常的检测方法的流程图。
具体实施方式
下面结合附图对发明的技术方案进行详细说明。
本发明的流程图如图1所示。这里列举两个实施例来阐述本发明。
具体实施例一:
步骤1,采集待检测列车的全车深度信息:对通过列车车速进行实时探测,控制***根据实时车速调整图像采集脉冲形态,模块化双目采集子***中嵌入式时序发生电路解析采集脉冲,并对模块中各个摄像头的采集时序进行时序同步,确保三维数据在时间和空间上符合图像融合规范。上述待检测列车的全车深度信息的采集方法可以为脉冲测距法或激光三角法,但也不限于上述方法。
步骤2,建立车型车号索引:通过AEI车号识别***获得每一辆车的车型和车号,用于匹配参考列车,获取参考列车的全车深度信息。
其中,上述参考列车的全车深度信息可以为预先设置的正常列车的全车深度信息,比如同辆列车在首次使用时所测定的全车深度信息;此外,参考列车的全车深度信息还可以是在与当前采样时刻最邻近时刻通过的同辆列车的全车深度信息,或者是在与当前采样时刻邻近时刻通过的同辆列车的多组全车深度信息,或者是对上述全车深度信息进行融合或统计分析后得到的全车深度信息。
步骤3,将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件:即通过将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息对应的零件确定为故障零件。其中,上述参考零件可以为参考列车所对应的零件,还可以为预设零件库中所对应的零件。
为了提高待检测列车的全车深度信息与参考列车的全车深度信息匹配的运行速度,还可以将上述步骤细化为如下步骤:
步骤A,将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息对应的组件确定为故障组件(即为第一级部件定位结果):
步骤A-1,通过聚类、去噪等预处理,提取参考列车不同深度层次数据的轮廓,用线、矩形等几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征标准分布信息图;
步骤A-2,提取待检测列车不同深度层次数据的几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征分布信息图;
步骤A-3,通过待检测列车车型车号信息与参考列车车型车号信息的匹配,将含有深度信息的全车几何特征分布信息图与含有深度信息的全车几何特征标准分布信息图关联起来;
步骤A-4,匹配相关联的含有深度信息的全车几何特征标准分布信息图、含有深度信息的全车几何特征分布信息图,将深度信息不匹配的信息图对应的组件确定为故障组件。
步骤B,将故障组件的深度信息与参考零件的深度信息匹配,从故障组件的深度信息中进一步提取异常深度信息,将进一步提取得到的异常深度信息所对应的零件确定为故障零件(即为第二级部件定位结果):
步骤B-1,提取故障组件不同深度层次数据的几何元素,以零件为单位拟合
各深度层次数据的几何元素,得到含有深度信息的故障部件几何特征分布信息图;
步骤B-2,提取参考列车在不同深度层次数据的几何元素,以参考零件为单
位拟合各深度层次数据的几何元素,得到与故障组件相匹配且含有深度信息的参考组件几何特征标准分布信息图;
步骤B-3,匹配故障组件几何特征分布信息图、参考组件几何特征标准分布
信息图,将深度信息不匹配的信息图所对应的零件确定为故障零件。
采用几何元素拟合方式检测深度异常,对于多部件的复杂结构成像可以大大降低匹配检测的运算量,对采集噪声的容忍度也较高;同时由于该匹配与车号信息相关,每一车辆信息只与特定车号的历史数据做匹配,也降低了车辆间差异性造成的干扰。
具体实施例二:
步骤1,在列车前进方向上采用中间线阵、两侧面阵的方式布局相机阵列,并通过相机阵列实时采集全车三维图像信息及中间线阵、两侧面阵信息,采集时通过分时曝光技术控制激光线的触发频率,从而得到多角度采集的若干三维图像信息,并从上述三维图像信息中提取待检测列车的全车深度信息。
其中,上述待检测列车的全车深度信息的采集方法可以为但不限于脉冲测距法、双目测距法及激光三角法中的至少一种。
步骤2,建立车型车号索引,由待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息。
步骤3,按照具体实施例一中步骤3的方法匹配各角度下的待检测列车的深度信息、参考列车的全车深度信息得到各角度的故障零件的识别结果。
步骤4,融合各角度故障部件识别结果后提取故障组件的深度信息,再按照具体实施例一中步骤4的方法的细化步骤分级定位故障零件。
在具体实施例一的基础上,本实施例利用多角度深度信息匹配进行故障组件、故障零件的分级定位,能够屏蔽水渍灰尘等一些非故障点,并能够提高故障零件匹配结果的精确度,从而方便检测人员快速找到实际故障点,降低***误报率,并提高检测人员的检修效率。除此之外,上述多角度图像提取的三维图像信息能够有效改善单成像获取的深度信息会掩盖较小的深度信息的缺陷。
具体实施例一、具体实施例二步骤4中匹配部件深度信息的方法有:根据车型车号索引匹配车型车号关联的故障组件几何特征分布信息图、组件几何特征标准分布信息图,这实现了特定数据间的匹配;不限定车型车号,匹配故障组件几何特征分布信息图、所有可能类型的组件几何特征分布信息图,以适应列车组件互换的需要。本发明还包括对故障组件、故障零件进行报警显示的步骤,以及时反馈异常信息给操作人员。
除此之外,本发明还揭示了搭载上述识别列车异常的检测方法的识别列车异常的检测***,该***主要包括:用于采集待检测列车的全车深度信息及待检测列车的车型车号信息的采集模块;由待检测列车的车型车号信息匹配得到参考列车,并获取参考列车的全车深度信息的参考列车信息获取模块;及,将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件的故障零件检测模块。优选方案中,上述***还包括用于报警显示所述故障零件的报警显示模块。
Claims (10)
1.一种识别列车异常的检测方法,其特征在于,包括如下步骤:
采集待检测列车的全车深度信息以及车型车号信息,
由所述待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息,及,
将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件;
上述步骤中所述全车深度信息为列车底部深度信息、列车侧部深度信息及列车顶部深度信息中的至少一种。
2.根据权利要求1所述识别列车异常的检测方法,其特征在于,所述参考列车的全车深度信息为:
预先设置的正常列车的全车深度信息,
在与当前采样时刻最邻近时刻通过的同辆列车的全车深度信息,
在与当前采样时刻邻近时刻通过的同辆列车的多组全车深度信息,及
对上述全车深度信息进行融合或统计分析后得到的全车深度信息中的至少一种。
3.根据权利要求1或2所述识别列车异常的检测方法,其特征在于,所述将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件的步骤,具体如下:
将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息所对应的组件设定为故障组件;
将故障组件的深度信息与参考零件的深度信息匹配,从故障组件的深度信息中进一步提取异常深度信息,将进一步提取得到的异常深度信息所对应的零件设定为故障零件。
4.根据权利要求3所述识别列车异常的检测方法,其特征在于,所述参考零件为参考列车所对应的零件及预设零件库中所对应的零件中的至少一种。
5.根据权利要求3所述识别列车异常的检测方法,其特征在于,所述将待检测列车的全车深度信息与参考列车的全车深度信息匹配,从全车深度信息中提取异常深度信息,将提取的异常深度信息所对应的组件设定为故障组件的步骤中,按照如下方法设定故障组件:
提取所述参考列车不同深度层次数据的几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征标准分布信息图;
提取所述待检测列车不同深度层次数据的几何元素,以组件为单位拟合各深度层次数据的几何元素,得到含有深度信息的全车几何特征分布信息图;
通过所述待检测列车车型车号信息与所述参考列车车型车号信息的匹配,使所述待检测列车的全车几何特征分布信息图与所述参考列车的全车几何特征标准分布信息图比对匹配;
所述待检测列车的全车几何特征分布信息图与所述参考列车的全车几何特征标准分布信息图比对后,将深度信息不匹配的信息图所对应的组件设定为故障组件。
6.根据权利要求3所述识别列车异常的检测方法,其特征在于:所述将故障组件的深度信息与参考零件的深度信息匹配,从故障组件的深度信息中进一步提取异常深度信息,将进一步提取得到的异常深度信息所对应的零件设定为故障零件的步骤中,按照如下方法设定故障零件:
提取所述故障组件不同深度层次数据的几何元素,以零件为单位拟合各深度层次数据的几何元素,得到含有深度信息的故障组件几何特征分布信息图;
提取所述参考列车在不同深度层次数据的几何元素,以所述参考零件为单位拟合各深度层次数据的几何元素,得到与所述故障组件相匹配且含有深度信息的参考组件几何特征标准分布信息图;
所述故障组件几何特征分布信息图与所述参考组件几何特征标准分布信息图比对后,将深度信息不匹配的信息图所对应的零件设定为故障零件。
7.根据权利要求1、2、4、5及6中任意一项所述识别列车异常的检测方法,其特征在于,所述待检测列车的全车深度信息的采集方法为激光三角法、双目测距法及脉冲测距法中的至少一种。
8.据权利要求1所述识别列车异常的检测方法,其特征在于,在所述将待检测列车的全车深度信息与参考列车的全车深度信息匹配,检测故障零件步骤后,包括对故障零件报警显示的步骤。
9.一种识别列车异常的检测***,其特征在于,包括:
采集模块,用于采集待检测列车的全车深度信息及待检测列车的车型车号信息;
参考列车信息获取模块,由所述待检测列车的车型车号信息匹配得到参考列车,并获取所述参考列车的全车深度信息;及,
故障零件检测模块,将所述待检测列车的全车深度信息与所述参考列车的全车深度信息匹配,检测故障零件。
10.根据权利要求9所述的识别列车异常的检测***,其特征在于,还包括用于报警显示所述故障零件的报警显示模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410406535.9A CN104200464B (zh) | 2014-08-19 | 2014-08-19 | 一种识别列车异常的检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410406535.9A CN104200464B (zh) | 2014-08-19 | 2014-08-19 | 一种识别列车异常的检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104200464A true CN104200464A (zh) | 2014-12-10 |
CN104200464B CN104200464B (zh) | 2018-03-09 |
Family
ID=52085750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410406535.9A Active CN104200464B (zh) | 2014-08-19 | 2014-08-19 | 一种识别列车异常的检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104200464B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104567726A (zh) * | 2014-12-17 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104567725A (zh) * | 2014-12-17 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104809427A (zh) * | 2014-12-31 | 2015-07-29 | 朱金良 | 基于3d信息的故障自动识别检测***及检测方法 |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
WO2016095490A1 (zh) * | 2014-12-17 | 2016-06-23 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN106198559A (zh) * | 2016-08-31 | 2016-12-07 | 成都铁安科技有限责任公司 | 一种列车车顶图像的动态检测*** |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和*** |
CN106557773A (zh) * | 2015-09-25 | 2017-04-05 | 北汽福田汽车股份有限公司 | 一种车辆故障诊断的方法及*** |
CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测***及方法 |
CN107220609A (zh) * | 2017-05-22 | 2017-09-29 | 哈尔滨市科佳通用机电股份有限公司 | 一种动车故障自动检测方法 |
CN107697098A (zh) * | 2017-09-29 | 2018-02-16 | 佘以道 | 一种车厢倾斜度现场的测量方法 |
CN108711152A (zh) * | 2018-05-23 | 2018-10-26 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的图像分析方法、装置和用户终端 |
CN110095061A (zh) * | 2019-03-31 | 2019-08-06 | 唐山百川智能机器股份有限公司 | 基于轮廓扫描的车辆形位检测***及方法 |
CN110580748A (zh) * | 2018-06-08 | 2019-12-17 | 苏交科集团股份有限公司 | 基于图像处理的承重支架日常巡查和评估***及其方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和*** |
CN103077526A (zh) * | 2013-02-01 | 2013-05-01 | 苏州华兴致远电子科技有限公司 | 具有深度检测功能的列车异常检测方法及*** |
CN202952978U (zh) * | 2012-11-06 | 2013-05-29 | 苏州华兴致远电子科技有限公司 | 列车部件信息采集器 |
CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测*** |
US20140056507A1 (en) * | 2012-08-27 | 2014-02-27 | Joseph D. Doyle | Methods and systems for inspecting a workpiece |
-
2014
- 2014-08-19 CN CN201410406535.9A patent/CN104200464B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和*** |
CN103512762A (zh) * | 2012-06-29 | 2014-01-15 | 北京华兴致远科技发展有限公司 | 图像处理方法、装置及列车故障检测*** |
US20140056507A1 (en) * | 2012-08-27 | 2014-02-27 | Joseph D. Doyle | Methods and systems for inspecting a workpiece |
CN202952978U (zh) * | 2012-11-06 | 2013-05-29 | 苏州华兴致远电子科技有限公司 | 列车部件信息采集器 |
CN103077526A (zh) * | 2013-02-01 | 2013-05-01 | 苏州华兴致远电子科技有限公司 | 具有深度检测功能的列车异常检测方法及*** |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016095328A1 (zh) * | 2014-12-17 | 2016-06-23 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104567725A (zh) * | 2014-12-17 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104567726A (zh) * | 2014-12-17 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104567726B (zh) * | 2014-12-17 | 2017-12-08 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
WO2016095490A1 (zh) * | 2014-12-17 | 2016-06-23 | 苏州华兴致远电子科技有限公司 | 车辆运行故障检测***及方法 |
CN104809427B (zh) * | 2014-12-31 | 2019-02-15 | 朱金良 | 基于3d信息的故障自动识别检测***及检测方法 |
CN104809427A (zh) * | 2014-12-31 | 2015-07-29 | 朱金良 | 基于3d信息的故障自动识别检测***及检测方法 |
CN106468914A (zh) * | 2015-08-21 | 2017-03-01 | 苏州华兴致远电子科技有限公司 | 列车检修方法和*** |
CN106468914B (zh) * | 2015-08-21 | 2023-04-28 | 苏州华兴致远电子科技有限公司 | 列车检修方法和*** |
CN106557773A (zh) * | 2015-09-25 | 2017-04-05 | 北汽福田汽车股份有限公司 | 一种车辆故障诊断的方法及*** |
CN106557773B (zh) * | 2015-09-25 | 2020-04-24 | 北京宝沃汽车有限公司 | 一种车辆故障诊断的方法及*** |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
CN105243381B (zh) * | 2015-11-25 | 2019-04-19 | 朱金良 | 基于3d信息的故障自动识别检测***及方法 |
CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测***及方法 |
CN106198559A (zh) * | 2016-08-31 | 2016-12-07 | 成都铁安科技有限责任公司 | 一种列车车顶图像的动态检测*** |
CN107220609A (zh) * | 2017-05-22 | 2017-09-29 | 哈尔滨市科佳通用机电股份有限公司 | 一种动车故障自动检测方法 |
CN107697098B (zh) * | 2017-09-29 | 2018-08-03 | 金辉 | 一种车厢倾斜度现场测量平台 |
CN107697098A (zh) * | 2017-09-29 | 2018-02-16 | 佘以道 | 一种车厢倾斜度现场的测量方法 |
CN108711152A (zh) * | 2018-05-23 | 2018-10-26 | 深圳市阡丘越科技有限公司 | 一种基于ai技术的图像分析方法、装置和用户终端 |
CN110580748A (zh) * | 2018-06-08 | 2019-12-17 | 苏交科集团股份有限公司 | 基于图像处理的承重支架日常巡查和评估***及其方法 |
CN110095061A (zh) * | 2019-03-31 | 2019-08-06 | 唐山百川智能机器股份有限公司 | 基于轮廓扫描的车辆形位检测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104200464B (zh) | 2018-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200464A (zh) | 一种识别列车异常的检测方法及*** | |
CN102323070B (zh) | 列车异常检测方法和*** | |
CN108491758B (zh) | 一种轨道检测方法及机器人 | |
CN103186982B (zh) | 一种治安智能卡口*** | |
CN103512762B (zh) | 图像处理方法、装置及列车故障检测*** | |
CN211731391U (zh) | 一种轨道表面缺陷智能在线检测装置 | |
CN105809679B (zh) | 一种基于视觉分析的山区铁路边坡落石检测方法 | |
CN102854191B (zh) | 高速铁轨表面缺陷的实时视觉检测与识别方法 | |
CN105243381B (zh) | 基于3d信息的故障自动识别检测***及方法 | |
CN104809427B (zh) | 基于3d信息的故障自动识别检测***及检测方法 | |
CN108957240A (zh) | 电网故障远程定位方法及*** | |
CN102628814B (zh) | 一种基于数字图像处理的钢轨光带异常自动检测方法 | |
CN105241679B (zh) | 一种动车组隐蔽故障检测方法 | |
CN103077526B (zh) | 具有深度检测功能的列车异常检测方法及*** | |
CN104567725A (zh) | 车辆运行故障检测***及方法 | |
CN105067287A (zh) | 动车组运行故障动态图像检测***及方法 | |
CN105426864A (zh) | 一种基于等距边缘点匹配的多车道线检测方法 | |
CN104463235A (zh) | 基于动车组运行图像的故障识别方法及装置 | |
CN204461369U (zh) | 车辆运行故障检测*** | |
CN202147697U (zh) | 磁浮式轨道巡检车高速在线视频检测装置 | |
CN104243935A (zh) | 基于视频识别的机场场监***目标监控方法 | |
CN206074832U (zh) | 一种地铁车辆车顶受电弓异物检测*** | |
CN111942434A (zh) | 一种铁路货车关键部件故障图像智能检测装置 | |
CN204495300U (zh) | 受电弓运行状态监测装置 | |
CN105620511B (zh) | 铁路车辆列检制动试验效果确认机器人***及检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |