CN107014294B - 一种基于红外图像的接触网几何参数检测方法及*** - Google Patents

Abstract

本发明提供了一种基于红外图像的接触网几何参数检测方法及***，所述方法包括：在检测车车顶设置红外热像仪，采集弓网运行状态下的红外图像；对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标；根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值。本发明检测精度较高，不受原始图像质量的影响，并且所用设备结构简单，成本较低。

Description

一种基于红外图像的接触网几何参数检测方法及***

技术领域

本发明涉及电气化铁道接触网检测技术领域，尤其涉及一种基于红外图像的接触网几何参数检测方法及***。

背景技术

作为传统的接触网动态测量项目，目前国内外针对接触线的高度、拉出值等几何参数已有多个测量方案及应用，例如三角测量、激光雷达测量等方法，下面对各个测量方案进行简要分析。

以德国DB为代表的非接触式检测***采用三角测量原理，通过多个线扫描摄像头对接触线高度、拉出值、磨耗等参数进行测量。通过在光学检测梁上安装四个聚光灯(图1中未示出)和四个CCD线扫描摄像机(如图1中标号1-4所示)，采集接触线(如图1中标号5所示)的图像，基于高速图像分析处理技术实现对多个摄像头采集图像中的接触线进行准确定位和匹配，并进行空间坐标变换和分析计算，进而获得接触线几何参数。该方案的测量原理图如图1所示，这种方案的测量原理为业内所熟知，国内也有多家单位已做出相关产品，虽然此种方案测量精度高，但设备结构复杂，***成本高。

另外，激光雷达目前在各路局接触网检测车、接触网作业车等平台上应用也比较多。该设备以扫描方式对断面内的接触线几何位置进行测量，测量原理如图2所示。

激光雷达安装在车顶，其中心线与车体线路方向的中心线重合。在检测过程中，激光雷达发射激光，对其上方扫描扇面范围内的物体进行扫描，返回扫描到的物体距激光雷达的距离和对应的角度值。根据扫描结果，设接触线距激光雷达距离为l，角度为α，激光雷达安装基准面距轨平面的距离为h₀，则所测拉出值为：

s＝lcosα

接触线高度为：

h＝h₀+lsinα

虽然激光扫描雷达设备简单，但存在着测量精度不高、测量频率较低、干扰数据较多等问题。

发明内容

为解决现有技术中存在的上述技术问题，本发明实施例提供可一中基于红外图像的接触网几何参数检测方法及***。

本发明实施例一方面提供了一种基于红外图像的接触网几何参数检测方法，所述方法包括：

在检测车车顶设置红外热像仪，采集弓网运行状态下的红外图像；

对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标；

根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值。

本发明实施例另一方面还提供了一种基于红外图像的接触网几何参数检测***，所述***包括：

设置在检测车车顶的红外热像仪，用于采集弓网运行状态下的红外图像；

模板匹配单元，用于对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标；

参数计算单元，用于根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值。

本发明实施例提供的基于红外图像的接触网几何参数检测方法及***的计算量小，检测精度较高，不受原始图像质量的影响，并且所用设备结构简单，成本较低。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中利用CCD线扫描摄像机进行三角测量的原理示意图；

图2为现有技术中利用激光雷达测量的原理示意图；

图3为本发明实施例的基于红外图像的接触网几何参数检测方法的流程示意图；

图4为本发明实施例提供的图像匹配示意图；

图5为本发明实施例提供的一弓网运行状态下的红外图像；

图6为从图5所示红外图像中获取的受电弓滑板的图像模板；

图7为本发明实施例提供的另一弓网运行状态下的红外图像；

图8为本发明实施例的基于红外图像的接触网几何参数检测***的结构示意图；

图9为本发明实施例模板匹配单元的结构示意图；

图10为利用本发明实施例测量得到的接触线的动态拉出值的波形示意图；

图11为利用本发明实施例测量得到的接触线的动态高度的波形示意图。

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。

如前所述，在利用CCD线扫描摄像机对接触线的几何参数进行测量时，所涉及的设备结构复杂，***成本较高；在利用激光雷达测量接触线几何参数时，由于存在较多的干扰数据导致其测量精度不高，并且这种方案的测量频率较低。本发明实施例选择融合红外成像、视频分析技术进行接触网动态几何参数的测量。在车顶安装红外热像仪，采集弓网运行状态红外视频数据，并进行高速图像实时处理分析。基于模式识别技术对图像进行智能分析，提取出受电弓滑板、接触线等在图像中的准确位置，并基于视觉测量模型，进行坐标变换，最终得出动态拉出值、接触线高度等动态几何参数。

在基于红外图像进行接触网几何参数检测时，首先需要对红外图像中的受电弓滑板进行检测和准确定位。经算法研究和调试，本发明实施例基于计算机视觉中的模板匹配技术，实现了对图像中受电弓滑板的检测。

图像匹配问题是图像处理中的一个经典问题，在计算机视觉、模式识别等方面有着广泛的应用。图像匹配是一项在一幅图像中寻找与另一幅模板图像最匹配(即最相似)部分的技术。在进行图像匹配计算时，可以采用基于特征的图像匹配算法，也可以采用基于对图像理解和解释的匹配算法，下面分别对这两种算法的优缺点进行分析。

基于对图像理解和解释的匹配算法是把计算机中的模型同外在世界中的物体和现象建立起相对应的关系，这种方法涉及到计算机视觉、人工智能、模式识别等许多领域，即可用知识和规则来描述匹配对象。利用知识和规则实质上是给匹配对象赋予了一种解释，但是这种方法在实现时，为减少计算量而使结构与点之间的关系描述常常是不完全的，并且它们缺乏一种有效地衡量点集之间是否相同的手段，所以这种方法目前还没有取得突破性的进展。

基于特征的图像匹配算法一般不直接依赖于象素值，通常需要经过较复杂的图像处理以提取特征，通常在图像和变换后的图像中提取对比例、缩放、旋转、灰度变换具有不变性的特征。这种方法的优点在于充分利用了图像灰度特性和相关特性，有效地消除由于背景或光照引起的误匹配，并且这种方法对图像的各种非本质变化(如旋转、缩放和光照强度变化等)不敏感，对含有一定噪声和轻微扭曲的图像都可以匹配。而该方法也存在一定缺点，比如算法非常复杂，一般涉及大量的几何与图像形态学计算，计算量大，计算时间较长而难以达到实时性要求，并且没有一般模型可遵循，需要针对不同应用场合选择各自合适的特征。

根据红外图像处理问题的特点和3C***应用的需求，本发明实施例采用基于灰度的图像匹配算法进行受电弓滑板即接触线的检测。由于车顶红外摄像装置与受电弓的拍摄距离相对固定，受电弓滑板在图像中基本不存在旋转和缩放，并且，与可见光图像相比，红外图像的成像质量相对稳定，也可避免基于灰度的图像匹配中对灰度、光照等较敏感的问题。

关于基于灰度的图像匹配算法，这类方法直接利用图像的灰度信息进行匹配，通过像素对之间某种相似性度量(如最小均方差、归一化积相关、SSDA等)的全局最优化实现匹配，不需进行图像分割和图像特征提取，因而可以避免由这些预处理所造成的精度损失。这一类方法其原理相对较简单，并且数学统计模型以及收敛速度、定位精度、误差估计等均已有很成熟的研究成果。基于灰度的图像匹配算法，作为一种基本的匹配方法之一，在很多领域得到了充分的应用，可以充分利用图像的所有信息，尤其适合在图像仅有平移等小幅相对移动的情况下。这类匹配方法需要解决的问题是：对灰度信息变化、光照变化、噪声比较敏感，没有充分利用灰度统计特性，对每一点的灰度信息依赖较大，不适应于匹配对象存在旋转和缩放情况下的匹配问题。

下面结合各个图来对本发明实施例进行描述。

图3为本发明实施例基于红外图像的接触网几何参数检测方法的流程示意图。如图1所示，该方法主要包括：

步骤S301，在检测车车顶设置红外热像仪，采集弓网运行状态下的红外图像。

步骤S302，对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标。

步骤S303，根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值。

在一个实施例中，在对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标时，可以先将弓网运行状态下的红外图像转换成灰度图像，然后对所述红外图像对应的灰度图像进行模板匹配，获取所述受电弓滑板在所述红外图像中的位置。之后，再对所述红外图像对应的灰度图像进行直线检测，确定接触线在所述红外图像中的位置。在确定受电弓滑板及接触线在所述红外图像中的位置后，可根据所述受电弓滑板的位置及接触线的位置，获取所述接触线与受电弓滑板的交点坐标，以进行后续处理。

在一个实施例中，在所述对所述红外图像进行模式识别，获取所述受电弓滑板在所述红外图像中的位置时，需要预先建立受电弓滑板的图像模板，然后利用预设的图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述图像模板最匹配的区域，作为所述受电弓滑板在所述红外图像中的位置。其中，所述的在红外图像中进行模板图像匹配具体是指在所述红外图像对应的灰度图像中进行模板图像匹配。

本发明实施例中采用的基于灰度的图像匹配方法，也称作相关匹配方法，利用空间二维滑动模板进行图像匹配。不同图像匹配算法的区别主要体现在模板及相关准则的选择方面，其中经典的相关匹配算法有：平均绝对差算法(Mean Absolute Differences,MAD)、平均平方差算法(Mean Square Deviation,MSD)、归一化互相关算法(NormalizedCross Correlation,NCC)等。其中，归一化互相关匹配算法的鲁棒性相对较高，它也因此被应用到更为复杂的非遍历性最优化匹配搜索的算法框架中。

设实时图S是大小为M×M的图像，参考图T是大小为N×N的图像，并且M＞N，如图4所示。图像匹配是将参考图T叠放在实时图S上平移，模板覆盖下的那块大小为N×N的搜索图叫做子图S_u,v，(u，v)为这块子图的左上角像点在S图中的坐标，称为参考点，(u，v)的取值范围为：

1≤u，v＜M－N+1

我们的目标是在实时图S上找到最匹配参考图T的区域，为了确定匹配区域，需要滑动参考图T和实时图S进行比较。滑动参考图T时，将参考图T一次移动一个像素(从左往右、从上往下)，在每一个位置，都进行一次度量计算来表明它是“好”或“坏”地与其所覆盖的实时图S的特定区域相匹配，或者说参考图T和其覆盖的实时图S的特定区域的相似程度。对于T覆盖在S上的每个位置，若把度量值保存到结果图像矩阵R中，在R中的每个位置(x，y)都包含匹配度量值。获取该矩阵中最大的匹配度量值，以该最大匹配度量值对应的结果图像矩阵中的位置坐标作为左上角顶点，长和宽与T一样大小的矩阵作为参考图T在实时图S中的位置，即检测出实时图S中与参考图T最匹配的区域。

其中，该矩阵R还可以以图像的形式呈现，最白的点(即最亮的点)表示匹配度最高，所以以这个点为顶点，长和宽和参考图T一样大小的图形被认为是与参考图T最匹配的。

其中，常用的匹配算法主要有以下三种，分别如下所示：

1)平均绝对差算法(MAD)：

2)平均平方差算法(MSD)：

很显然，MAD和MSD算法的计算过程非常简单，无需复杂的运算，但是对噪声比较敏感，在存在噪声的情况下，匹配准确率随着信噪比的增加而减少。

3)归一化互相关算法(NCC)：

式中，

和

分别为参考图T和实时图S的图像灰度均值，可以分别按照下式求取：

归一化互相关算法(NCC)的优点是抗白噪声干扰能力强，且在灰度变化及几何畸变不大的情况下精度很高。

本发明实施例将归一化互相关算法(NCC)应用到受电弓滑板的检测中时，需预先建立受电弓滑板的图像模板。在后续采集到的红外图像序列中，逐帧进行模板图像匹配，检测出图像中与受电弓滑板图像模板最匹配的区域。之后，基于检测到的受电弓滑板在红外图像坐标系中的高度，即可转换为世界坐标系中的接触线动态高度。其中，所述的检测出图像中与受电弓滑板图像模板最匹配的区域，具体是检测出红外图像对应的灰度图像中与受电弓滑板图像模板最匹配的区域。

对于接触线拉出值的检测，则需在红外图像中检测出接触线的位置，并计算接触线与受电弓滑板交点的横坐标值，进而计算出空间中的接触线拉出值。

可选地，也可以先根据红外图像中接触线的位置及受电弓滑板的位置，获取受电弓滑板与接触线的交点坐标，通过对该交点的横坐标、纵坐标进行坐标变换，即可分别得到接触线的动态高度和拉出值的数值。在线岔、锚段关节处存在两组接触线处，可以将两支接触线的拉出值相减，即可得到双支接触线的水平距离。

在一个实施例中，在利用预设的受电弓滑板图像模板在所述红外图像中进行模板图像匹配时(可以结合图4所示示例理解，图4中的实时图S可以理解为本发明实施例中采集到的红外图像对应的灰度图像，参考图T可以理解为受电弓滑板的图像模板)，将所述图像模板自所述红外图像的左上角顶点处按照从上至下、从左到右地方向移动，每次移动一个像素，每移动一次，均在每一个位置均对所述图像模板进行度量计算，获取该图像模板覆盖在所述红外图像上每个位置处的匹配度量值，并将所述匹配度量值保存到结果图像矩阵中。此处的匹配度量值用于表明图像模板和其所覆盖的红外图像的当前区域有多么相似。对于图像模板覆盖在红外图像上的每个位置，若把匹配度量值保存道结果图像矩阵中，那么结果图像矩阵中的每个位置都包含匹配度量值。获取所述结果图像矩阵中的最大值，以该最大值对应的结果图像矩阵中的位置坐标作为左上角顶点，长和宽与所述图像模板一样大小的矩阵作为所述受电弓滑板在所述红外图像中的位置，即检测出所述红外图像中与所述受电弓滑板图像模板最匹配的区域。

在一个实施例中，所述的受电弓滑板的图像模板可以从当前获取的红外图像中获取，也可以从历史红外图像中获取。本发明实施例仅以从当前获取的红外图像中获取受电弓滑板图像模板为例进行说明，图5为本发明实施例提供的一弓网运行状态下的红外图像，从该红外图像中获取大致包含受电弓滑板的矩形区域作为受电弓滑板的图像模板(见图6)。根据上述的匹配步骤，根据图6所示图像模板在图7所示另一弓网运行状态下的红外图像中进行搜索，可以得到与图6所示图像模板最为匹配的图像区域，如图7中所示的黑色方框区域，即为受电弓滑板所在位置。

由于接触线相较于普通电线拥有其自身的独特的特点，因此，在所述对所述红外图像进行直线检测，确定接触线的位置时，通常预先根据红外图像中接触线的经验灰度设置一个灰度阈值区间，或者根据红外图像中接触线的宽度范围设置一个宽度阈值区间。在对所述红外图像中所述受电弓滑板的上方区域进行直线检测，获取到多条直线后，可以根据设定的灰度阈值区间和/或宽度阈值区间判断这些直线中哪个符合接触线的特征(即宽度和/或灰度落入接触线的相应阈值区间中)。进一步地，为了更加准确地判断上述直线中哪条直线为接触线，还可以预先根据当前线路上的接触线与受电弓滑板的夹角的大小设置一夹角阈值区间，在获取到所述直线后，通过判断这些直线与受电弓滑板的夹角是否在这一夹角阈值区间中，来判断上述直线是否为接触线，从而从所述直线的位置中确定接触线的位置。在一实施例中，可以只选取上述三个限制条件(灰度阈值区间、宽度阈值区间、夹角阈值区间)中的一个或两个对所述直线是否为接触线进行判断，也可以同时利用上述三个条件对所述直线是否为接触线进行判断。

在一个实施例中，在利用上述方法检测接触线几何参数之前，还需要在所述受电弓滑板所在断面处安装二维标定板，并且该二维标定板覆盖所述接触线的高度及拉出值检测范围，然后再利用红外热像仪采集所述二维标定板的红外图像，以进行从红外图像坐标到空间几何坐标变换的标定。其中，二维标定板是临时安装的，待完成***标定后，还可以将此二维标定板拆除。

本发明实施例提供的基于红外图像的接触网几何参数检测方法的计算量小，检测精度较高，不受原始图像质量的影响，并且所用设备结构简单，成本较低。

基于与图3中所示基于红外图像的接触网几何参数检测方法相同的发明构思，本发明实施例还提供了一种基于红外图像的接触网几何参数检测***，具体如下面实施例所述。由于该装置解决问题的原理与图3中的方法相似，因此该***的实施可以参见图3所示方法的实施，重复之处不再赘述。

如图8所示，本发明实施例还提供了一种基于红外图像的接触网几何参数检测***800。该***包括：红外热像仪81、模板匹配单元82及参数计算单元83。

其中，红外热像仪81设置在检测车车顶，用于采集弓网运行状态下的红外图像。模板匹配单元82用于对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标。参数计算单元83用于根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值。

例如，***800的所有组成部分均可以设置在检测车的车顶，也可以部分设置在检测车的车顶，另一部分设置于其他地方，通过有线或无线方式通信。例如，在将红外热像仪81设置在检测车车顶后，模板匹配单元82与参数计算单元83可以设置在检测车中，本发明并不限制。

在一个实施例中，模板匹配单元82的结构如图9所示，包括：模板匹配模块821、直线检测模块822及交点坐标获取模块823。其中，模板匹配模块821用于对所述红外图像进行基于灰度的模板匹配，获取所述受电弓滑板在所述红外图像中的位置。直线检测模块822用于对所述红外图像进行直线检测，确定接触线的位置。交点坐标获取模块823用于根据所述受电弓滑板的位置及接触线的位置，获取所述接触线与受电弓滑板的交点坐标。

在一个实施例中，模板匹配模块821具体用于：利用预设的受电弓滑板的图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述图像模板最匹配的区域，作为所述受电弓滑板在所述红外图像中的位置。

在一个实施例中，利用预设的受电弓滑板图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述受电弓滑板图像模板最匹配的区域，具体包括：将所述图像模板自所述红外图像的左上角顶点处从上至下、从左到右地移动，每次移动一个像素；在每一个位置均对所述图像模板进行度量计算，获取所述图像模板覆盖在所述红外图像上每个位置处的匹配度量值，并将所述匹配度量值保存到结果图像矩阵中；获取所述结果图像矩阵中的最大值，以该最大值对应的结果图像矩阵中的位置坐标作为左上角顶点，长和宽与所述图像模板一样大小的矩阵作为所述受电弓滑板在所述红外图像中的位置。

在一个实施例中，直线检测模块822具体用于：对所述红外图像中所述受电弓滑板的上方区域进行直线检测，获取所述红外图像中所述受电弓滑板上方区域中的直线的位置；根据预设的接触线灰度阈值区间、接触线宽度阈值区间及接触线与受电弓滑板的夹角阈值区间，从所述直线的位置中确定接触线的位置。

在一个实施例中，***800还包括：二维标定板(图中未示出)，临时安装在所述受电弓滑板所在断面处，并且覆盖所述接触线的高度及拉出值检测范围。在红外热像仪81采集完二维标定板的红外图像后，再将二维标定板拆除，采集到的二维标定板的红外图像用于进行从红外图像坐标到空间几何坐标变换的标定。

利用本发明实施例提供基于红外图像的接触网几何参数检测方法及***所得到弓网中接触线的动态拉出值的测量结果见图10，接触线的动态高度测量结果见图11。

本发明实施例提供的基于红外图像的接触网几何参数检测西天的计算量小，检测精度较高，不受原始图像质量的影响，并且所用设备结构简单，成本较低。

本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施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方法及其核心思想；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。

Claims (6)

1.一种基于红外图像的接触网几何参数检测方法，其特征在于，所述方法包括：

在检测车车顶设置红外热像仪，在受电弓滑板所在断面安装二维标定板，并采集所述二维标定板的红外图像，以进行从红外图像坐标到空间几何坐标变换的标定，所述二维标定板覆盖接触线的高度及拉出值检测范围；

采集弓网运行状态下的红外图像；

对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标；

根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值；

其中，对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标，包括：对所述红外图像进行基于灰度的模板匹配，获取所述受电弓滑板在所述红外图像中的位置；对所述红外图像进行直线检测，确定接触线的位置；根据所述受电弓滑板的位置及接触线的位置，获取所述接触线与受电弓滑板的交点坐标；

所述对所述红外图像进行直线检测，确定接触线的位置，包括：对所述红外图像中所述受电弓滑板的上方区域进行直线检测，获取所述红外图像中所述受电弓滑板上方区域中的直线的位置；根据预设的接触线灰度阈值区间、接触线宽度阈值区间及接触线与受电弓滑板的夹角阈值区间中的每个阈值区间，从所述直线的位置中确定接触线的位置；

其中，所述根据接触线与受电弓滑板的夹角阈值区间，从所述直线的位置中确定接触线的位置，具体包括：

预先根据当前线路上的接触线与受电弓滑板的夹角的大小设置一夹角阈值区间，在获取到所述直线后，通过判断所述直线与所述受电弓滑板的夹角是否在所述夹角阈值区间中，判断所述直线是否为接触线，然后从所述直线的位置中确定接触线的位置。

2.根据权利要求1所述的方法，其特征在于，所述对所述红外图像进行模式识别，获取所述受电弓滑板在所述红外图像中的位置，包括：

利用预设的受电弓滑板的图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述图像模板最匹配的区域，作为所述受电弓滑板在所述红外图像中的位置。

3.根据权利要求2所述的方法，其特征在于，所述利用预设的受电弓滑板图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述受电弓滑板图像模板最匹配的区域，包括：

将所述图像模板自所述红外图像的左上角顶点处从上至下、从左到右地移动，每次移动一个像素；

在每一个位置均对所述图像模板进行度量计算，获取所述图像模板覆盖在所述红外图像上每个位置处的匹配度量值，并将所述匹配度量值保存到结果图像矩阵中；

获取所述结果图像矩阵中的最大值，以该最大值对应的结果图像矩阵中的位置坐标作为左上角顶点，长和宽与所述图像模板一样大小的矩阵作为所述受电弓滑板在所述红外图像中的位置。

4.一种基于红外图像的接触网几何参数检测***，其特征在于，所述***包括：

二维标定板，安装在受电弓滑板所在断面处，并且覆盖接触线的高度及拉出值检测范围；

设置在检测车车顶的红外热像仪，用于采集弓网运行状态下的红外图像和所述二维标定板的红外图像，以进行从红外图像坐标到空间几何坐标变换的标定；

模板匹配单元，用于对所述红外图像进行基于灰度的模板匹配，获取受电弓滑板、接触线在所述红外图像中的交点坐标；

参数计算单元，用于根据从红外图像坐标到空间几何坐标变换的标定，对所述受电弓滑板、接触线在红外图像中的交点坐标进行坐标变换，获取所述接触线的高度及拉出值；

所述模板匹配单元包括：模板匹配模块，用于对所述红外图像进行基于灰度的模板匹配，获取所述受电弓滑板在所述红外图像中的位置；直线检测模块，用于对所述红外图像进行直线检测，确定接触线的位置；交点坐标获取模块，用于根据所述受电弓滑板的位置及接触线的位置，获取所述接触线与受电弓滑板的交点坐标；

所述直线检测模块具体用于：对所述红外图像中所述受电弓滑板的上方区域进行直线检测，获取所述红外图像中所述受电弓滑板上方区域中的直线的位置；根据预设的接触线灰度阈值区间、接触线宽度阈值区间及接触线与受电弓滑板的夹角阈值区间中的每个阈值区间，从所述直线的位置中确定接触线的位置；

其中，所述根据接触线与受电弓滑板的夹角阈值区间，从所述直线的位置中确定接触线的位置，具体包括：

预先根据当前线路上的接触线与受电弓滑板的夹角的大小设置一夹角阈值区间，在获取到所述直线后，通过判断所述直线与所述受电弓滑板的夹角是否在所述夹角阈值区间中，判断所述直线是否为接触线，然后从所述直线的位置中确定接触线的位置。

5.根据权利要求4所述的***，其特征在于，所述模板匹配模块具体用于：

利用预设的受电弓滑板的图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述图像模板最匹配的区域，作为所述受电弓滑板在所述红外图像中的位置。

6.根据权利要求5所述的***，其特征在于，利用预设的受电弓滑板图像模板在所述红外图像中进行模板图像匹配，检测出所述红外图像中与所述受电弓滑板图像模板最匹配的区域，具体包括：

将所述图像模板自所述红外图像的左上角顶点处从上至下、从左到右地移动，每次移动一个像素；

在每一个位置均对所述图像模板进行度量计算，获取所述图像模板覆盖在所述红外图像上每个位置处的匹配度量值，并将所述匹配度量值保存到结果图像矩阵中；

获取所述结果图像矩阵中的最大值，以该最大值对应的结果图像矩阵中的位置坐标作为左上角顶点，长和宽与所述图像模板一样大小的矩阵作为所述受电弓滑板在所述红外图像中的位置。

Images