CN107154033B - 一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** - Google Patents
一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** Download PDFInfo
- Publication number
- CN107154033B CN107154033B CN201610120388.8A CN201610120388A CN107154033B CN 107154033 B CN107154033 B CN 107154033B CN 201610120388 A CN201610120388 A CN 201610120388A CN 107154033 B CN107154033 B CN 107154033B
- Authority
- CN
- China
- Prior art keywords
- image
- area
- cotter pin
- rotating
- vertical cotter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 210000005069 ears Anatomy 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 230000009466 transformation Effects 0.000 claims description 52
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 29
- 230000007797 corrosion Effects 0.000 claims description 10
- 238000005260 corrosion Methods 0.000 claims description 10
- 238000013519 translation Methods 0.000 claims description 9
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000008034 disappearance Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003137 locomotive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/001—Industrial image inspection using an image reference approach
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4084—Scaling of whole images or parts thereof, e.g. expanding or contracting in the transform domain, e.g. fast Fourier transform [FFT] domain scaling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种高铁接触网旋转双耳竖向开口销缺失检测方法及***,属于电气化高铁接触网安全检测领域。该方法包括:采集高铁接触网的支持定位装置的图像;采用模板匹配定位出图像中旋转双耳所在的区域;以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对支持定位装置图像进行裁剪得到感兴趣区域图像;将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;最后根据竖向开口销所在区域的宽度判断出竖向开口销是否缺失。采用本发明所提供的检测方法及***,能够快速准确的判断出开口销是否缺失,以尽早发现高铁接触网中的故障,为高铁接触网的安全提供了保障。
Description
技术领域
本发明涉及电气化高铁接触网安全检测领域,具体涉及一种高铁接触网旋转双耳竖向开口销缺失检测方法及***。
背景技术
随着高速铁路运输技术的进一步发展及其广泛应用,高铁接触网作为向机车提供电能的重要设施,其是否处于安全工作状态也越来越受到关注。为了保证接触网处于良好工作状态,以利于电气化铁道的安全运营,越尽早发现并处理接触网故障。实际中,高铁接触网故障主要由零部件的松、脱、缺、裂等造成。
旋转双耳是接触网中支持及悬挂装置中重要的紧固件之一,旋转双耳上的开口销是否处于良好的工作状态是旋转双耳上容易出现的故障之一,开口销的脱落将会给接触网的安全带来隐患。目前,对于高铁接触网检测模式是在天窗作业时人工上线巡检,但由于线路所处环境复杂,人为观察危险性高及职工素质不均等因素,极有可能出现漏检的情况,从而造成安全隐患。另外,对于旋转双耳开口销的工作状态的检测目前尚未出现有比较成熟的自动检测方法,因此,如何快速准确检测高铁旋转双耳开口销的状态是一个亟待解决的问题。
发明内容
针对现有技术中存在的缺陷,本发明的目的在于提供一种高铁接触网旋转双耳竖向开口销缺失检测方法及***,通过该方法及***能够高效准确的检测出旋转双耳竖向开口销是否缺失。
为实现上述目的,本发明采用的技术方案如下:
一种高铁接触网旋转双耳竖向开口销缺失检测方法,包括以下步骤:
(1)采集高铁接触网的支持定位装置的图像;
(2)采用模板匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域;
(3)以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像;
(4)将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;
(5)根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失,判断方式为:
5.1)计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
5.2)判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,步骤(3)中,以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,包括:
3.1)根据模板图像将所述支持定位装置图像进行空间域变换,使变换后旋转双耳所在区域的中心坐标与模板图像的中心坐标重合;
3.2)以模板图像的中心为中心,按照第一预设图像尺寸对变换后的图像进行裁剪。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,步骤3.1)中,根据模板图像采用变换矩阵的方式将所述支持定位装置图像进行空间域变换;所述变换矩阵HomMat2DGlobal为:
HomMat2DGlobal=
HomMat2DTranSlate*HomMat2DScale*HomMat2DRotate
其中,HomMat2DTranSlate表示平移变换矩阵,HomMat2DScale表示缩放变换矩阵,HomMat2DRotate表示旋转变换矩阵;
所述平移变换矩阵计算方式为:
其中,ModelRow、ModelColumn分别表示模板图像的中心的行坐标和列坐标,Row、Column分别表示旋转双耳所在的区域的中心的行坐标和列坐标;
所述缩放变换矩阵为:
其中,ModelScale表示支持定位装置图像相对于模板图像的缩放系数;
所述旋转变换矩阵为:
其中,phi表示待匹配图像归一化时,支持定位装置图像相对于模板图像的旋转角度,即phi=ModelAngle。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,步骤(4)中,将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域的方式为:
4.1)将感兴趣区域图像进行二值化处理,得到二值化图像;
4.2)采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
4.3)获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,步骤4.3)中,确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,步骤(1)中,采集高铁接触网的支持定位装置的图像后,还包括对支持定位装置的图像进行预处理的步骤;所述预处理包括将图像进行增强和去噪。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,所述将待检测图像进行增强的公式为:
g′=g×Mult+Add
Mult=255/(GMax-GMin)
Add=Mult×GMin
其中,g为增强处理前图像中像素点的灰度值,g′为增强处理后结果图像灰度值;Mult为线性变换系数,Add为线性变换增量,GMax和GMin分别表示增强处理前图像中的最大灰度值和最小灰度值。
本发明实施例中还提供了一种高铁接触网旋转双耳竖向开口销缺失检测***,包括:
图像采集模块,用于采集高铁接触网的支持定位装置的图像;
旋转双耳定位模块,用于采用模板匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域;
图像裁剪模块,用于以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像;
双耳竖向开口销定位模块,用于将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;
开口销缺失判断模块,用于根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失;开口销缺失判断模块包括:
开口销区域宽度计算单元,用于计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
缺失判断单元,用于判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测***,所述双耳竖向开口销定位模块包括:
图像二值化单元,用于将感兴趣区域图像进行二值化处理,得到二值化图像;
腐蚀膨胀处理单元,用于采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
第一开口销区域定位单元,用于获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域。
进一步,如上所述的一种高铁接触网旋转双耳竖向开口销缺失检测***,所述双耳竖向开口销定位模块还包括:
第二开口销区域定位单元,用于在确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。
本发明的有益效果在于:本发明所提供的检测方法及***,能够快速准确的检测出旋转双耳竖向开口销的状态,判断出开口销是否缺失,以尽早发现高铁接触网中的故障,为高铁接触网的安全提供了保障,能够有效减少安全隐患。
附图说明
图1为本发明具体实施方式中一种高铁接触网旋转双耳竖向开口销缺失检测方法的流程图;
图2为具体实施方式中裁剪出的感兴趣区域图像的示意图;
图3为具体实施方式中裁剪旋转双耳的竖向开口销所在区域的图像的示意图;
图4为具体实施方式中竖向开口销存在时的示意图;
图5为具体实施方式中竖向开口销缺失时的示意图;
图6为本发明具体实施方式中一种高铁接触网旋转双耳竖向开口销缺失检测***的结构框图。
具体实施方式
下面结合说明书附图与具体实施方式对本发明做进一步的详细说明。
图1示出了本发明具体实施方式中一种高铁接触网旋转双耳竖向开口销缺失检测方法的流程图,该方法主要包括以下步骤:
步骤S100:采集高铁接触网的支持定位装置的图像;
步骤S200:采用模板匹配的方式定位出支持定位装置图像中旋转双耳所在的区域;
步骤S300:根据定位出的旋转双耳所在的区域,对支持定位装置进行裁剪,得到感兴趣区域图像;
首先通过高清图像采集设备采集高铁接触网支持定位装置的图像,由于采集到的图像中支持定位装置的灰度值较背景高(本实施方式中图像的背景色接近黑色),为了更加突出支持定位装置的特征,首先对采集到的图像进行预处理,所述预处理包括对图像进行增强和去除噪声。
本实施方式中,采用线性变换增强图像,线性变换增强的公式为:
g′=g×Mult+Add
Mult=255/(GMax-GMin)
Add=Mult×GMin
其中,g为增强处理前图像中像素点的灰度值,g′为增强处理后结果图像灰度值;Mult为线性变换系数,Add为线性变换增量,GMax和GMin分别表示增强处理前图像中的最大灰度值和最小灰度值。
图像采集设备采集到的图像通常会含有各种噪声,另一方面,在进行图像增强处理时也会引入噪声,为了去除噪声,可以采用高斯滤波器对图像进行平滑处理。
完成图像的预处理后,对预处理后的支持定位装置图像采用模板图像匹配的方式粗略定位出图像中旋转双耳所在的区域,具体的:制作旋转双耳的模板图像(将旋转双耳的轮廓做成图像,模板图像中旋转双耳所连接的定位管水平放置),将支持定位装置图像采用模板图像匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域。
本实施方式中,在根据模板图像匹配出旋转双耳所在的区域后,记录匹配时所采用的模板图像的中心坐标为(ModelRow,ModelColumn),匹配到的目标的旋转角度为ModelAngle,匹配到的目标的缩放系数为ModelScale。其中,ModelRow、ModelColumn分别为行坐标和列坐标,本实施方式中,图像的坐标原点为图像的左上角,ModelAngle为模板图像与目标区域图像匹配时目标区域图像相对于模板图像的旋转的角度,ModelScale为支持定位装置图像相对于模板图像大小的缩放倍数。采用模板匹配的方式定位出待处理图像中相对应的区域为现有技术,在此不再详细描述。
完成旋转双耳所在区域的粗略定位后,以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像。在实际应用中,所述第一预设图像尺寸可以根据实际应用场景进行设置。
由于在实际处理过程中,待处理的支持定位装置的图像是非常多的,为了使得到的感兴趣区域图像都能够归一化(图像中各零部件的大小和位置都归一化到基本一样的形式),本实施方式中,所述以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪的具体方式为:
在完成旋转双耳所在区域的粗略定位后,首先根据模板图像将所述支持定位装置图像进行空间域变换,使变换后旋转双耳所在区域的中心与模板图像的中心重合;之后,以旋转双耳所在区域的中心为中心,按照第一预设图像尺寸对变换后的图像进行裁剪,得到感兴趣区域图像。
本实施方式中,采用图像变换矩阵将所述支持定位装置进行空间域变换,包括对图像的平移变换、缩放变换和旋转变换。本实施方式中,图像的变换矩阵HomMat2DGlobal为:
HomMat2DGlobal=
HomMat2DTranSlate*HomMat2DScale*HomMat2DRotate
其中,HomMat2DTranSlate表示平移变换矩阵,HomMat2DScale表示缩放变换矩阵,HomMat2DRotate表示旋转变换矩阵;
所述平移变换矩阵计算方式为:
其中,ModelRow、ModelColumn分别表示模板图像的中心的行坐标和列坐标,Row、Column分别表示旋转双耳所在的区域的中心的行坐标和列坐标;
所述缩放变换矩阵为:
其中,ModelScale表示支持定位装置图像相对于模板图像的缩放系数;
所述旋转变换矩阵为:
其中,phi表示待匹配图像归一化时,支持定位装置图像相对于模板图像的旋转角度,即phi=ModelAngle。经过旋转后,支持定位装置图像中的旋转双耳的区域的位置与模板图像中旋转双耳的位置相一致。
图2示出了本实施方式中按照第一预设图像尺寸对空间域变换后的支持定位装置图像进行裁剪后的示意图,该图中旋转双耳的竖向开口销是缺失的。
步骤S400:将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;
本实施方式中,将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域的方式为:
1)将感兴趣区域图像进行二值化处理,得到二值化图像;
2)采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
3)获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域(开口销及其轴所在区域)。
在通过Blob分析确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。本述第二预设图像尺寸可以根据实际应用场景进行设定。如图3所示的白色矩形框区域的图像即为图2中所示的感兴趣图像中旋转双耳的竖向开口销所在区域的图像。
步骤S500:根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失。
本实施方式中,根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失的判断方式为:
1)计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
2)判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。本实施方式,所述宽度指的是所在开口销所在区域横向的像素个数,设定阈值的单位同样是像素的个数,该设定阈值可以根据实际应用场景设置。
图4和图5分别示出了旋转双耳的竖向开口销存在和缺失时的示意图,图中的白色矩形为竖向开口销对应的连通域的最小外接矩形,由两幅图中可以看出,当竖向开口销存在时,竖向开口销所在区域的连通域的最小外接矩形的水平宽度明显要大于缺失时的宽度,因此,可以通过所述设定阈值判断出竖向开口销是否缺失。
本发明提供上述高铁接触网旋转双耳竖向开口销缺失检测方法,通过图像采集及预处理、旋转双耳部件粗定位、开口销区域精细定位以及开口销是否缺失的检测等几大步骤,实现了旋转双耳的竖向开口销是否缺失的快速自判断,为后期高铁基础网的安全检测优化提供了基础。
与图1中所示的方法相对应,本发明实施例中还提供了一种高铁接触网旋转双耳竖向开口销缺失检测***,如图6所示,该***包括图像采集模块100,旋转双耳定位模块200、图像裁剪模块300、双耳竖向开口销定位模块400和开口销缺失判断模块500。其中:
图像采集模块100,用于采集高铁接触网的支持定位装置的图像;
旋转双耳定位模块200,用于采用模板匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域;
图像裁剪模块300,用于以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像;
双耳竖向开口销定位模块400,用于将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;该模块包括图像二值化单元、腐蚀膨胀处理单元、第一开口销区域定位单元和第二开口销区域定位单元;
图像二值化单元,用于将感兴趣区域图像进行二值化处理,得到二值化图像;
腐蚀膨胀处理单元,用于采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
第一开口销区域定位单元,用于获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域;
第二开口销区域定位单元,用于在确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。
开口销缺失判断模块500,用于根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失;该模块包括开口销区域宽度计算单元和缺失判断单元;
开口销区域宽度计算单元,用于计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
缺失判断单元,用于判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.一种高铁接触网旋转双耳竖向开口销缺失检测方法,包括以下步骤:
(1)采集高铁接触网的支持定位装置的图像;
(2)采用模板匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域,模板图像为旋转双耳的轮廓图像,模板图像中旋转双耳所连接的定位管水平放置;
(3)以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像,具体包括:
3.1)根据模板图像将所述支持定位装置图像进行空间域变换,使变换后旋转双耳所在区域的中心坐标与模板图像的中心坐标重合;
所述变换矩阵HomMat2DGlobal为:
HomMat2DGlobal=HomMat2DTranSlate*HomMat2DScale*HomMat2DRotate
其中,HomMat2DTranSlate表示平移变换矩阵,HomMat2DScale表示缩放变换矩阵,HomMat2DRotate表示旋转变换矩阵;
所述平移变换矩阵计算方式为:
其中,ModelRow、ModelColumn分别表示模板图像的中心的行坐标和列坐标,Row、Column分别表示旋转双耳所在的区域的中心的行坐标和列坐标;
所述缩放变换矩阵为:
其中,ModelScale表示支持定位装置图像相对于模板图像的缩放系数;
所述旋转变换矩阵为:
其中,phi表示待匹配图像归一化时,支持定位装置图像相对于模板图像的旋转角度,即phi=ModelAngle;
3.2)以模板图像的中心为中心,按照第一预设图像尺寸对变换后的图像进行裁剪;
(4)将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;
(5)根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失,判断方式为:
5.1)计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
5.2)判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。
2.根据权利要求1所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,其特征在于:步骤(4)中,将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域的方式为:
4.1)将感兴趣区域图像进行二值化处理,得到二值化图像;
4.2)采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
4.3)获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域。
3.根据权利要求2所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,其特征在于:步骤4.3)中,确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。
4.根据权利要求1所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,其特征在于:步骤(1)中,采集高铁接触网的支持定位装置的图像后,还包括对支持定位装置的图像进行预处理的步骤;所述预处理包括将图像进行增强和去噪。
5.根据权利要求4所述的一种高铁接触网旋转双耳竖向开口销缺失检测方法,其特征在于:所述将待检测图像进行增强的公式为:
g′=g×Mult+Add
Mult=255/(GMax-GMin)
Add=Mult×GMin
其中,g为增强处理前图像中像素点的灰度值,g′为增强处理后结果图像灰度值;Mult为线性变换系数,Add为线性变换增量,GMax和GMin分别表示增强处理前图像中的最大灰度值和最小灰度值。
6.一种高铁接触网旋转双耳竖向开口销缺失检测***,包括:
图像采集模块,用于采集高铁接触网的支持定位装置的图像;
旋转双耳定位模块,用于采用模板匹配的方式,定位出支持定位装置图像中旋转双耳所在的区域,模板图像为旋转双耳的轮廓图像,模板图像中旋转双耳所连接的定位管水平放置;
图像裁剪模块,用于以旋转双耳所在的区域的中心为中心,按照第一预设图像尺寸对所述支持定位装置图像进行裁剪,以裁剪出的图像作为感兴趣区域图像,具体包括:
1)根据模板图像将所述支持定位装置图像进行空间域变换,使变换后旋转双耳所在区域的中心坐标与模板图像的中心坐标重合;
所述变换矩阵HomMat2DGlobal为:
HomMat2DGlobal=HomMat2DTranSlate*HomMat2DScale*HomMat2DRotate
其中,HomMat2DTranSlate表示平移变换矩阵,HomMat2DScale表示缩放变换矩阵,HomMat2DRotate表示旋转变换矩阵;
所述平移变换矩阵计算方式为:
其中,ModelRow、ModelColumn分别表示模板图像的中心的行坐标和列坐标,Row、Column分别表示旋转双耳所在的区域的中心的行坐标和列坐标;
所述缩放变换矩阵为:
其中,ModelScale表示支持定位装置图像相对于模板图像的缩放系数;
所述旋转变换矩阵为:
其中,phi表示待匹配图像归一化时,支持定位装置图像相对于模板图像的旋转角度,即phi=ModelAngle;
2)以模板图像的中心为中心,按照第一预设图像尺寸对变换后的图像进行裁剪;
双耳竖向开口销定位模块,用于将感兴趣区域图像进行Blob分析,定位出图像中旋转双耳的竖向开口销所在区域;
开口销缺失判断模块,用于根据旋转双耳的竖向开口销所在区域的图像判断旋转双耳的竖向开口销是否缺失;开口销缺失判断模块包括:
开口销区域宽度计算单元,用于计算旋转双耳的竖向开口销所在区域的宽度,所述宽度为旋转双耳的竖向开口销所在区域的连通域的最小外接矩形的水平宽度;
缺失判断单元,用于判断所述宽度是否大于设定阈值,若是,则判断所述竖向开口销存在,若否,则判断所述竖向开口销缺失。
7.根据权利要求6所述的一种高铁接触网旋转双耳竖向开口销缺失检测***,其特征在于:所述双耳竖向开口销定位模块包括:
图像二值化单元,用于将感兴趣区域图像进行二值化处理,得到二值化图像;
腐蚀膨胀处理单元,用于采用预设的结构元素依次对所述二值化图像进行形态学腐蚀和膨胀处理,得到膨胀处理后的图像;
第一开口销区域定位单元,用于获取所述二值化图像和膨胀处理后图像的差值图像,标记差集图像中的连通区域,将差值图像中面积最大的连通区域确定为旋转双耳的竖向开口销所在区域。
8.根据权利要求7所述的一种高铁接触网旋转双耳竖向开口销缺失检测***,其特征在于:所述双耳竖向开口销定位模块还包括:
第二开口销区域定位单元,用于在确定出旋转双耳的竖向开口销所在区域之后,以确定出的旋转双耳的竖向开口销所在区域的中心为中心,按照第二预设图像尺寸对所述二值化图像进行裁剪,以裁剪出的图像作为旋转双耳的竖向开口销所在区域的图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610120388.8A CN107154033B (zh) | 2016-03-03 | 2016-03-03 | 一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610120388.8A CN107154033B (zh) | 2016-03-03 | 2016-03-03 | 一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107154033A CN107154033A (zh) | 2017-09-12 |
CN107154033B true CN107154033B (zh) | 2020-02-14 |
Family
ID=59792192
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610120388.8A Active CN107154033B (zh) | 2016-03-03 | 2016-03-03 | 一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107154033B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109856156A (zh) * | 2019-01-22 | 2019-06-07 | 武汉精立电子技术有限公司 | 一种基于aoi的显示面板微小缺陷判定方法与装置 |
CN111504192B (zh) * | 2020-05-07 | 2021-08-27 | 东华大学 | 一种基于机器视觉的压缩机外观检测方法 |
CN112132821B (zh) * | 2020-09-30 | 2021-05-11 | 哈尔滨市科佳通用机电股份有限公司 | 一种基于图像处理的开口销丢失检测方法 |
CN113076949B (zh) * | 2021-03-31 | 2023-04-18 | 成都唐源电气股份有限公司 | 一种接触网零部件快速定位方法及*** |
CN115311261A (zh) * | 2022-10-08 | 2022-11-08 | 石家庄铁道大学 | 高速铁路接触网悬挂装置开口销异常检测方法和*** |
CN117333483B (zh) * | 2023-11-30 | 2024-06-25 | 中科慧远视觉技术(洛阳)有限公司 | 一种用于金属凹陷结构底部的缺陷检测方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102980896A (zh) * | 2012-11-28 | 2013-03-20 | 西南交通大学 | 高铁接触网悬挂装置耳片断裂检测方法 |
US8548204B2 (en) * | 2010-12-14 | 2013-10-01 | Nec Access Technica, Ltd. | Image processing device, method for processing image, and program for processing image |
CN104318582A (zh) * | 2014-11-14 | 2015-01-28 | 西南交通大学 | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 |
CN104458755A (zh) * | 2014-11-26 | 2015-03-25 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
CN104933720A (zh) * | 2015-06-25 | 2015-09-23 | 哈尔滨工业大学 | 一种基于视觉的sop元件定位和缺陷检测方法 |
-
2016
- 2016-03-03 CN CN201610120388.8A patent/CN107154033B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8548204B2 (en) * | 2010-12-14 | 2013-10-01 | Nec Access Technica, Ltd. | Image processing device, method for processing image, and program for processing image |
CN102980896A (zh) * | 2012-11-28 | 2013-03-20 | 西南交通大学 | 高铁接触网悬挂装置耳片断裂检测方法 |
CN104318582A (zh) * | 2014-11-14 | 2015-01-28 | 西南交通大学 | 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法 |
CN104458755A (zh) * | 2014-11-26 | 2015-03-25 | 吴晓军 | 一种基于机器视觉的多类型材质表面缺陷检测方法 |
CN104933720A (zh) * | 2015-06-25 | 2015-09-23 | 哈尔滨工业大学 | 一种基于视觉的sop元件定位和缺陷检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107154033A (zh) | 2017-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107154033B (zh) | 一种高铁接触网旋转双耳竖向开口销缺失检测方法及*** | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
Li et al. | Detection of surface crack defects on ferrite magnetic tile | |
CN105654461B (zh) | 一种多***导线间隔棒断裂的机器视觉检测方法 | |
CN101793501B (zh) | 一种基于图像的输电线覆冰状态检测方法 | |
CN111754466B (zh) | 传输机皮带损伤状况的智能检测方法 | |
CN107154034B (zh) | 一种高铁接触网斜拉线定位钩的状态检测方法及*** | |
CN109859160B (zh) | 基于机器视觉的铝镁合金铸件内部缺陷图像识别方法 | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
WO2014139273A1 (zh) | 焊缝缺陷检测方法 | |
CN104794720A (zh) | 一种在接触网图像中定位出定位线夹的方法及*** | |
CN104318556B (zh) | 一种油污干扰下的硅钢板表面缺陷图像检测方法 | |
CN102663760A (zh) | 一种对图像中的车辆挡风镜区域进行定位分割的方法 | |
CN110619146B (zh) | 基于结构相似性度量的多晶硅电池片裂纹缺陷检测方法 | |
CN112767326A (zh) | 钢轨表面缺陷检测方法、装置、设备及存储介质 | |
CN106651893A (zh) | 一种基于边缘检测的墙体裂缝识别方法 | |
CN107169951B (zh) | 一种基于图像的斜腕臂末端管帽的缺失检测方法及*** | |
CN111242923A (zh) | 基于Canny算子的最大熵阈值优化的绝缘子裂纹检测方法 | |
CN110363749B (zh) | 基于图像处理的防震锤锈蚀程度评价方法 | |
CN116128873A (zh) | 一种基于图像识别的轴承保持器检测方法、设备及介质 | |
Lee et al. | Machine vision system for automatic inspection of bridges | |
CN111833350B (zh) | 机器视觉检测方法与*** | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN104700387A (zh) | 一种图像边界线的检测方法及*** | |
CN107153832B (zh) | 一种高铁接触网等电位线松脱检测方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |