CN107180425A - 轨道扣件自动识别方法和装置 - Google Patents

轨道扣件自动识别方法和装置 Download PDF

Info

Publication number
CN107180425A
CN107180425A CN201710361021.XA CN201710361021A CN107180425A CN 107180425 A CN107180425 A CN 107180425A CN 201710361021 A CN201710361021 A CN 201710361021A CN 107180425 A CN107180425 A CN 107180425A
Authority
CN
China
Prior art keywords
similarity
image
formwork
rail clip
display images
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
Application number
CN201710361021.XA
Other languages
English (en)
Other versions
CN107180425B (zh
Inventor
蔡付文
王玉飞
谢辉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huaxia High Speed Rail Technology Co Ltd
Original Assignee
Huaxia High Speed Rail Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huaxia High Speed Rail Technology Co Ltd filed Critical Huaxia High Speed Rail Technology Co Ltd
Priority to CN201710361021.XA priority Critical patent/CN107180425B/zh
Publication of CN107180425A publication Critical patent/CN107180425A/zh
Application granted granted Critical
Publication of CN107180425B publication Critical patent/CN107180425B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30236—Traffic on road, railway or crossing

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了轨道扣件自动识别方法和装置，激光器和摄像机采集拍摄图像，拍摄图像包括UI显示图像；在拍摄图像上标记标准扣件，将标准扣件作为模板图像，将与标准扣件匹配的图像区域作为第一搜索图像；对模板图像和第一搜索图像进行图像灰度化和图像二值化处理，将处理的第一搜索图像和模板图像通过NCC匹配算法，得到第一模板块的相似度；如果第一模板块的相似度大于预设相似度，则获取匹配目标；如果第一模板块的相似度小于预设相似度，则根据UI显示图像的搜索范围确定第二模板块的相似度；根据第二模板块的相似度和预设相似度的绝对差值，确定轨道扣件的病害种类，可以提高检测速度和提高轨道扣件缺陷的检出率，使计算复杂度大大降低。

Description

轨道扣件自动识别方法和装置
技术领域
本发明涉及交通技术领域，尤其是涉及轨道扣件自动识别方法和装置。
背景技术
轨道扣件是连接钢轨和轨枕使之形成轨排的部件，扣件的缺失可能酿成列车脱轨等重大事故，这对铁路的运营安全造成了很大威胁。同时，扣件病害是轨道***最常见的病害之一，发生概率很高，因此扣件检查成为铁路日常巡检重点项目，是保障高速铁路运营安全的关键措施之一。
由于轨道扣件形状比较复杂，灰度和背景(即轨道侧面)无明显变化，目前的扣件检测技术为视觉图像检测技术，采取高速摄像机采集完整图片，然后进行图像处理，判断扣件是否存在，但是采集的图像受不均匀光照和相机视角等条件的限制，图像质量差异较大，进而影响全图像识别轨道扣件的处理，检测速度和匹配精度受到严重制约。
发明内容
有鉴于此，本发明的目的在于提供轨道扣件自动识别方法和装置，可以提高检测速度和提高轨道扣件缺陷的检出率，以及使计算复杂度大大降低。
第一方面，本发明实施例提供了轨道扣件自动识别方法，所述方法包括：
通过激光器和摄像机采集拍摄图像，所述拍摄图像包括用户界面UI显示图像；
在所述拍摄图像上标记标准扣件，将所述标准扣件作为模板图像，以及将与所述标准扣件匹配的图像区域作为第一搜索图像；
对所述模板图像和所述第一搜索图像进行图像灰度化和图像二值化处理，将处理的所述第一搜索图像和所述模板图像通过NCC匹配算法，得到第一模板块的相似度；
如果所述第一模板块的相似度大于预设相似度，则获取匹配目标；
如果所述第一模板块的相似度小于所述预设相似度，则根据所述UI显示图像的搜索范围确定第二模板块的相似度；
根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，所述如果所述第一模板块的相似度小于所述预设相似度，则根据所述UI显示图像的搜索范围确定第二模板块的相似度包括，重复执行以下处理，直至处理的所述第一搜索图像的大小等于所述UI显示图像的大小：
如果所述第一模板块的相似度小于所述预设相似度，则增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第二搜索图像；
将所述第二搜索图像通过所述NCC匹配算法，得到第三模板块的相似度；
如果所述第三模板块的相似度大于所述预设相似度，则获取所述匹配目标；
如果所述第三模板块的相似度小于所述预设相似度，则继续增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第三搜索图像。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，所述根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类包括：
根据下式计算所述绝对差值：
Dvalue＝|Rmax—R4|
其中，Dvalue为所述绝对差值，Rmax为所述预设相似度，R4为所述第二模板块的相似度。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，所述根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类还包括：
当所述绝对差值在第一区间时，所述轨道扣件断裂；
当所述绝对差值在第二区间时，所述轨道扣件歪斜；
当所述绝对差值在第三区间时，所述轨道扣件缺失。
结合第一方面的第三种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，所述第一区间为0至0.02，所述第二区间为0.02至0.04，所述第三区间为0.04至0.06。
第二方面，本发明实施例还提供轨道扣件自动识别装置，所述装置包括：
采集单元，用于通过激光器和摄像机采集拍摄图像，所述拍摄图像包括用户界面UI显示图像；
标记单元，用于在所述拍摄图像上标记标准扣件，将所述标准扣件作为模板图像，以及将与所述标准扣件匹配的图像区域作为第一搜索图像；
处理单元，用于对所述模板图像和所述第一搜索图像进行图像灰度化和图像二值化处理，将处理的所述第一搜索图像和所述模板图像通过NCC匹配算法，得到第一模板块的相似度；
获取单元，用于在所述第一模板块的相似度大于预设相似度的情况下，获取匹配目标；
第一确定单元，用于在所述第一模板块的相似度小于所述预设相似度的情况下，根据所述UI显示图像的搜索范围确定第二模板块的相似度；
第二确定单元，用于根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，所述第一确定单元用于重复执行以下处理，直至处理的所述第一搜索图像的大小等于所述UI显示图像的大小：
如果所述第一模板块的相似度小于所述预设相似度，则增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第二搜索图像；
将所述第二搜索图像通过所述NCC匹配算法，得到第三模板块的相似度；
如果所述第三模板块的相似度大于所述预设相似度，则获取所述匹配目标；
如果所述第三模板块的相似度小于所述预设相似度，则继续增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第三搜索图像。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，所述第二确定单元包括：
根据下式计算所述绝对差值：
Dvalue＝|Rmax—R4|
其中，Dvalue为所述绝对差值，Rmax为所述预设相似度，R4为所述第二模板块的相似度。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，所述第二确定单元还包括：
当所述绝对差值在第一区间时，所述轨道扣件断裂；
当所述绝对差值在第二区间时，所述轨道扣件歪斜；
当所述绝对差值在第三区间时，所述轨道扣件缺失。
结合第二方面的第三种可能的实施方式，本发明实施例提供了第二方面的第四种可能的实施方式，其中，所述第一区间为0至0.02，所述第二区间为0.02至0.04，所述第三区间为0.04至0.06。
本发明实施例提供了轨道扣件自动识别方法和装置，包括：通过激光器和摄像机采集拍摄图像，拍摄图像包括UI显示图像；在拍摄图像上标记标准扣件，将标准扣件作为模板图像，以及将与标准扣件匹配的图像区域作为第一搜索图像；对模板图像和第一搜索图像进行图像灰度化和图像二值化处理，将处理的第一搜索图像和模板图像通过NCC匹配算法，得到第一模板块的相似度；如果第一模板块的相似度大于预设相似度，则获取匹配目标；如果第一模板块的相似度小于预设相似度，则根据UI显示图像的搜索范围确定第二模板块的相似度；根据第二模板块的相似度和预设相似度的绝对差值，确定轨道扣件的病害种类，可以提高检测速度和提高轨道扣件缺陷的检出率，以及使计算复杂度大大降低。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例一提供的轨道扣件自动识别方法流程图；
图2为本发明实施例一提供的轨道扣件自动识别方法中步骤S105的流程图；
图3为本发明实施例一提供的轨道扣件自动识别方法中步骤S106的流程图；
图4为本发明实施例二提供的轨道扣件自动识别装置示意图。
图标：
10-采集单元；20-标记单元；30-处理单元；40-获取单元；50-第一确定单元；60-第二确定单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
为便于对本实施例进行理解，下面对本发明实施例进行详细介绍。
实施例一：
图1为本发明实施例一提供的轨道扣件自动识别方法流程图。
参照图1，该方法包括以下步骤：
步骤S101，通过激光器和摄像机采集拍摄图像，拍摄图像包括用户界面UI显示图像A；
这里，通过激光器和摄像机采集的拍摄图像包括左轨道和右轨道的图像。
步骤S102，在拍摄图像上标记标准扣件，将标准扣件作为模板图像，以及将与标准扣件匹配的图像区域作为第一搜索图像；
这里，标准扣件是根据标准在拍摄图像进行的扣件标定区域，即为模板图像T。
将匹配扣件显示位置设定在UI显示图像的中间区域，将其左上定点坐标设为(x，y)，那么，第一搜索图像的横坐标为x-5像素，纵坐标为UI显示图像的高的一半再减去标准扣件的高再减去5像素，宽为标准扣件的宽再加10像素，高为标准扣件的高再加10像素。
UI显示图像的大小为(W，H)，标准扣件的左上定点坐标为(x，y)，大小为(w，h)，那么第一搜索图像的左上定点坐标为(x-5，H/2-h/2-5)，大小(w+10，h+10)。
步骤S103，对模板图像T和第一搜索图像s进行图像灰度化和图像二值化处理，将处理的第一搜索图像s和所述模板图像T通过NCC匹配算法，得到第一模板块的相似度R1；
这里，UI显示图像A的尺寸为P×P，第一搜索图像s的尺寸为M×M，模板图像T的尺寸为N×N，P、M和N代表图像像素的大小。其中，P>M>N。
NCC匹配算法是利用子图与模板图像的灰度，通过归一化的相关性度量公式来计算二者之间的匹配程度。
具体可参照公式(1)：
其中，R(i,j)为第一模板块R1的相似度，E(Si,j)、E(T)分别表示(i,j)的子图、模板图像的平均灰度值。
R(i,j)的值越大，子图与模板图像越相似。因此，根据R(i,j)的值可以判断子图、模板图像的相似度。
步骤S104，如果第一模板块的相似度大于预设相似度，则获取匹配目标；
步骤S105，如果第一模板块的相似度小于预设相似度，则根据UI显示图像的搜索范围确定第二模板块的相似度；
这里，当第一模板块的相似度小于预设相似度，需要增加UI显示图像A的搜索范围，根据增加的UI显示图像A确定新的搜索图像，从而确定新的模板块的相似度，直至新的搜索图像的大小达到UI显示图像的大小。
步骤S106，根据第二模板块的相似度和预设相似度的绝对差值，确定轨道扣件的病害种类。
进一步的，参照图2，步骤S105包括，重复执行以下处理，直至处理的所述第一搜索图像的大小等于所述UI显示图像的大小：
步骤S201，如果第一模板块的相似度R1小于预设相似度，则增加UI显示图像的搜索范围，并根据增加的UI显示图像确定第二搜索图像；
这里，第二搜索图像的尺寸为M1×M1，其中，M1>M>N。
需要说明的是，对UI显示图像范围的增加，可进行控制，例如，UI显示图像A的搜索范围为：左上顶点坐标(a，b)，宽为w像素，高为h像素的矩形区域，增加范围后，具体为：左上顶点坐标(a-10,b-10)宽为w+20像素，高为h+40像素的矩形区域。
步骤S202，将第二搜索图像通过NCC匹配算法，得到第三模板块的相似度R2；
步骤S203，如果第三模板块的相似度R2大于预设相似度，则获取匹配目标；
步骤S204，如果第三模板块的相似度R2小于预设相似度，则继续增加UI显示图像的搜索范围，并根据增加的UI显示图像确定第三搜索图像。
这里，第三搜索图像的尺寸为M2×M2，其中，M2>M1>M>N。
步骤S205，将第三搜索图像通过NCC匹配算法，得到第四模板块的相似度R3；
步骤S206，如果第四模板块的相似度R3大于预设相似度，则获取匹配目标；
步骤S207，如果第四模板块的相似度R3小于预设相似度，则继续增加UI显示图像的搜索范围，并根据增加的UI显示图像确定第四搜索图像，其中，第四搜索图像的大小等于UI显示图像的大小；
步骤S208，将第四搜索图像通过所述NCC匹配算法，得到第二模板块的相似度R4；
步骤S209，如果第四模板块的相似度R4大于预设相似度，则获取匹配目标；
步骤S210，如果第四模板块的相似度R4小于预设相似度，则结束。
这里，对于无砟轨道，由于轨道扣件间距变化不大，只需对第四模板块的相似度R3进行判断即可，不需要再继续增加UI显示图像的范围。
由于施工工艺的差别，有砟轨道相对于无砟轨道，通常轨道扣件间距相对变化较大，故需要计算到第二模板块的相似度R4。
另外，定位下一图像的扣件位置：通常一定里程内轨道扣件的间距可以看成是相对不变或者变化较小的(记为D±α个像素)，把{当前图像的扣件位置+D±α}位置的区域作为图像搜索范围，确定搜索图像s。在完成本步骤后转到步骤S101。
其中，下一图像即为和UI显示图像A距离为“扣件间距”的下一帧或几帧图像。
进一步的，参照图3，步骤S106包括：
根据公式(2)计算所述绝对差值：
Dvalue＝|Rmax—R4| (2)
其中，Dvalue为所述绝对差值，Rmax为所述预设相似度，R4为所述第二模板块的相似度。
步骤S301，当绝对差值在第一区间时，轨道扣件断裂；
步骤S302，当绝对差值在第二区间时，轨道扣件歪斜；
步骤S303，当绝对差值在第三区间时，轨道扣件缺失。
具体地，第一区间为0至0.02，第二区间为0.02至0.04，第三区间为0.04至0.06。
需要说明的是，轨道扣件的病害种类包括轨道扣件断裂、轨道扣件歪斜和轨道扣件缺失，仅仅是示例性的，还可以包括其他病害种类。另外，病害种类所对应的区间也仅仅是示例性的，在不同的轨道环境中病害种类对应的区间也不同，因此，还包括其他区间。
实施例二：
图4为本发明实施例二提供的轨道扣件自动识别装置示意图。
参照图4，该装置包括采集单元10、标记单元20、处理单元30、获取单元40、第一确定单元50和第二确定单元60。
采集单元10，用于通过激光器和摄像机采集拍摄图像，所述拍摄图像包括用户界面UI显示图像；
标记单元20，用于在所述拍摄图像上标记标准扣件，将所述标准扣件作为模板图像，以及将与所述标准扣件匹配的图像区域作为第一搜索图像；
处理单元30，用于对所述模板图像和所述第一搜索图像进行图像灰度化和图像二值化处理，将处理的所述第一搜索图像和所述模板图像通过NCC匹配算法，得到第一模板块的相似度；
获取单元40，用于在所述第一模板块的相似度大于预设相似度的情况下，获取匹配目标；
第一确定单元50，用于在所述第一模板块的相似度小于所述预设相似度的情况下，根据所述UI显示图像的搜索范围确定第二模板块的相似度；
第二确定单元60，用于根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类。
进一步的，第一确定单元50用于重复执行以下处理，直至处理的第一搜索图像的大小等于UI显示图像的大小：
如果第一模板块的相似度小于预设相似度，则增加UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第二搜索图像；
将第二搜索图像通过NCC匹配算法，得到第三模板块的相似度；
如果第三模板块的相似度大于预设相似度，则获取匹配目标；
如果第三模板块的相似度小于预设相似度，则继续增加UI显示图像的搜索范围，并根据增加的UI显示图像确定第三搜索图像。
进一步的，第二确定单元60包括：
根据公式(2)计算绝对差值。
进一步的，第二确定单元60还包括：
当所述绝对差值在第一区间时，所述轨道扣件断裂；
当所述绝对差值在第二区间时，所述轨道扣件歪斜；
当所述绝对差值在第三区间时，所述轨道扣件缺失。
具体地，第一区间为0至0.02，第二区间为0.02至0.04，第三区间为0.04至0.06。
本发明实施例提供了轨道扣件自动识别方法和装置，包括：通过激光器和摄像机采集拍摄图像，拍摄图像包括UI显示图像；在拍摄图像上标记标准扣件，将标准扣件作为模板图像，以及将与标准扣件匹配的图像区域作为第一搜索图像；对模板图像和第一搜索图像进行图像灰度化和图像二值化处理，将处理的第一搜索图像和模板图像通过NCC匹配算法，得到第一模板块的相似度；如果第一模板块的相似度大于预设相似度，则获取匹配目标；如果第一模板块的相似度小于预设相似度，则根据UI显示图像的搜索范围确定第二模板块的相似度；根据第二模板块的相似度和预设相似度的绝对差值，确定轨道扣件的病害种类，可以提高检测速度和提高轨道扣件缺陷的检出率，以及使计算复杂度大大降低。
本发明实施例所提供的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种轨道扣件自动识别方法，其特征在于，所述方法包括：
通过激光器和摄像机采集拍摄图像，所述拍摄图像包括用户界面UI显示图像；
在所述拍摄图像上标记标准扣件，将所述标准扣件作为模板图像，以及将与所述标准扣件匹配的图像区域作为第一搜索图像；
对所述模板图像和所述第一搜索图像进行图像灰度化和图像二值化处理，将处理的所述第一搜索图像和所述模板图像通过NCC匹配算法，得到第一模板块的相似度；
如果所述第一模板块的相似度大于预设相似度，则获取匹配目标；
如果所述第一模板块的相似度小于所述预设相似度，则根据所述UI显示图像的搜索范围确定第二模板块的相似度；
根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类。
2.根据权利要求1所述的轨道扣件自动识别方法，其特征在于，所述如果所述第一模板块的相似度小于所述预设相似度，则根据所述UI显示图像的搜索范围确定第二模板块的相似度包括，重复执行以下处理，直至处理的所述第一搜索图像的大小等于所述UI显示图像的大小：
如果所述第一模板块的相似度小于所述预设相似度，则增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第二搜索图像；
将所述第二搜索图像通过所述NCC匹配算法，得到第三模板块的相似度；
如果所述第三模板块的相似度大于所述预设相似度，则获取所述匹配目标；
如果所述第三模板块的相似度小于所述预设相似度，则继续增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第三搜索图像。
3.根据权利要求1所述的轨道扣件自动识别方法，其特征在于，所述根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类包括：
根据下式计算所述绝对差值：
Dvalue＝|Rmax—R4|
其中，Dvalue为所述绝对差值，Rmax为所述预设相似度，R4为所述第二模板块的相似度。
4.根据权利要求1所述的轨道扣件自动识别方法，其特征在于，所述根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类还包括：
当所述绝对差值在第一区间时，所述轨道扣件断裂；
当所述绝对差值在第二区间时，所述轨道扣件歪斜；
当所述绝对差值在第三区间时，所述轨道扣件缺失。
5.根据权利要求4所述的轨道扣件自动识别方法，其特征在于，所述第一区间为0至0.02，所述第二区间为0.02至0.04，所述第三区间为0.04至0.06。
6.一种轨道扣件自动识别装置，其特征在于，所述装置包括：
采集单元，用于通过激光器和摄像机采集拍摄图像，所述拍摄图像包括用户界面UI显示图像；
标记单元，用于在所述拍摄图像上标记标准扣件，将所述标准扣件作为模板图像，以及将与所述标准扣件匹配的图像区域作为第一搜索图像；
处理单元，用于对所述模板图像和所述第一搜索图像进行图像灰度化和图像二值化处理，将处理的所述第一搜索图像和所述模板图像通过NCC匹配算法，得到第一模板块的相似度；
获取单元，用于在所述第一模板块的相似度大于预设相似度的情况下，获取匹配目标；
第一确定单元，用于在所述第一模板块的相似度小于所述预设相似度的情况下，根据所述UI显示图像的搜索范围确定第二模板块的相似度；
第二确定单元，用于根据所述第二模板块的相似度和所述预设相似度的绝对差值，确定所述轨道扣件的病害种类。
7.根据权利要求6所述的轨道扣件自动识别装置，其特征在于，所述第一确定单元用于重复执行以下处理，直至处理的所述第一搜索图像的大小等于所述UI显示图像的大小：
如果所述第一模板块的相似度小于所述预设相似度，则增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第二搜索图像；
将所述第二搜索图像通过所述NCC匹配算法，得到第三模板块的相似度；
如果所述第三模板块的相似度大于所述预设相似度，则获取所述匹配目标；
如果所述第三模板块的相似度小于所述预设相似度，则继续增加所述UI显示图像的搜索范围，并根据增加的所述UI显示图像确定第三搜索图像。
8.根据权利要求6所述的轨道扣件自动识别装置，其特征在于，所述第二确定单元包括：
根据下式计算所述绝对差值：
Dvalue＝|Rmax—R4|
其中，Dvalue为所述绝对差值，Rmax为所述预设相似度，R4为所述第二模板块的相似度。
9.根据权利要求6所述的轨道扣件自动识别装置，其特征在于，所述第二确定单元还包括：
当所述绝对差值在第一区间时，所述轨道扣件断裂；
当所述绝对差值在第二区间时，所述轨道扣件歪斜；
当所述绝对差值在第三区间时，所述轨道扣件缺失。
10.根据权利要求9所述的轨道扣件自动识别装置，其特征在于，所述第一区间为0至0.02，所述第二区间为0.02至0.04，所述第三区间为0.04至0.06。
CN201710361021.XA 2017-05-19 2017-05-19 轨道扣件自动识别方法和装置 Active CN107180425B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710361021.XA CN107180425B (zh) 2017-05-19 2017-05-19 轨道扣件自动识别方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710361021.XA CN107180425B (zh) 2017-05-19 2017-05-19 轨道扣件自动识别方法和装置

Publications (2)

Publication Number Publication Date
CN107180425A true CN107180425A (zh) 2017-09-19
CN107180425B CN107180425B (zh) 2020-09-25

Family

ID=59832318

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710361021.XA Active CN107180425B (zh) 2017-05-19 2017-05-19 轨道扣件自动识别方法和装置

Country Status (1)

Country Link
CN (1) CN107180425B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229583A (zh) * 2018-02-02 2018-06-29 北京邮电大学 一种基于主方向差分特征的快速模板匹配的方法及装置
CN110567680A (zh) * 2018-06-05 2019-12-13 成都精工华耀科技有限公司 一种基于角度比对的轨道扣件松动检测方法
CN110728662A (zh) * 2019-09-26 2020-01-24 中国铁道科学研究院集团有限公司基础设施检测研究所 轨道类型识别方法及装置
CN111539436A (zh) * 2020-04-20 2020-08-14 上海工程技术大学 一种基于一字模板匹配的轨道扣件定位方法
CN113808112A (zh) * 2021-09-22 2021-12-17 北京京东乾石科技有限公司 轨道扣件检测方法、电子设备和计算机可读介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101142462A (zh) * 2004-06-30 2008-03-12 乔治敦铁轨设备公司 用于检查铁路轨道的***和方法
US20140253729A1 (en) * 2013-03-06 2014-09-11 International Business Machines Corporation Frame to frame persistent shadow reduction within an image
CN105139413A (zh) * 2015-09-25 2015-12-09 深圳大学 基于图像特征提取的铁轨连接件质量检测方法及检测***
CN105574870A (zh) * 2015-12-16 2016-05-11 南京铁道职业技术学院 多功能轨道扣件图像检测***及其检测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101142462A (zh) * 2004-06-30 2008-03-12 乔治敦铁轨设备公司 用于检查铁路轨道的***和方法
US20140253729A1 (en) * 2013-03-06 2014-09-11 International Business Machines Corporation Frame to frame persistent shadow reduction within an image
CN105139413A (zh) * 2015-09-25 2015-12-09 深圳大学 基于图像特征提取的铁轨连接件质量检测方法及检测***
CN105574870A (zh) * 2015-12-16 2016-05-11 南京铁道职业技术学院 多功能轨道扣件图像检测***及其检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
冯凯: "基于图像的轨道缺陷自动检测***的研究", 《中国优秀硕士学位全文数据库 信息科技辑》 *
张晓东: "基于DSP的印刷品缺陷在线检测***设计", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229583A (zh) * 2018-02-02 2018-06-29 北京邮电大学 一种基于主方向差分特征的快速模板匹配的方法及装置
CN108229583B (zh) * 2018-02-02 2022-04-29 北京邮电大学 一种基于主方向差分特征的快速模板匹配的方法及装置
CN110567680A (zh) * 2018-06-05 2019-12-13 成都精工华耀科技有限公司 一种基于角度比对的轨道扣件松动检测方法
CN110567680B (zh) * 2018-06-05 2022-03-29 成都精工华耀科技有限公司 一种基于角度比对的轨道扣件松动检测方法
CN110728662A (zh) * 2019-09-26 2020-01-24 中国铁道科学研究院集团有限公司基础设施检测研究所 轨道类型识别方法及装置
CN110728662B (zh) * 2019-09-26 2022-06-28 中国国家铁路集团有限公司 轨道类型识别方法及装置
CN111539436A (zh) * 2020-04-20 2020-08-14 上海工程技术大学 一种基于一字模板匹配的轨道扣件定位方法
CN111539436B (zh) * 2020-04-20 2022-02-15 上海工程技术大学 一种基于一字模板匹配的轨道扣件定位方法
CN113808112A (zh) * 2021-09-22 2021-12-17 北京京东乾石科技有限公司 轨道扣件检测方法、电子设备和计算机可读介质
CN113808112B (zh) * 2021-09-22 2024-03-01 北京京东乾石科技有限公司 轨道扣件检测方法、电子设备和计算机可读介质

Also Published As

Publication number Publication date
CN107180425B (zh) 2020-09-25

Similar Documents

Publication Publication Date Title
CN107180425A (zh) 轨道扣件自动识别方法和装置
CN107977656A (zh) 一种行人重识别方法及***
CN103994786B (zh) 圆弧标尺线指针式仪表刻度的图像检测方法
CN113674273B (zh) 一种基于产品缺陷的光学检测方法、***和可读存储介质
CN106096567B (zh) 基于图像识别技术的人群安全指数计算方法及装置
JP2009055139A (ja) 人物追跡システム、人物追跡装置および人物追跡プログラム
CN109447186A (zh) 聚类方法及相关产品
CN105740792B (zh) 目标检测方法和装置
CN109141453A (zh) 一种路线指引方法及***
CN107588738A (zh) 一种基于视频图像偏移量跟踪的形变监测方法及装置
CN107264570A (zh) 钢轨光带分布检测装置与方法
CN110440764B (zh) 一种表计检测云台二次对准方法、装置和设备
CN112085778A (zh) 基于超像素和形态学的倾斜摄影违法建筑检测方法及***
CN116660270A (zh) 电力电缆的检测方法、装置及存储介质
WO2020239088A1 (zh) 一种保险理赔处理方法及装置
CN112200838A (zh) 一种弹丸轨迹跟踪方法、装置、设备及存储介质
CN106600740A (zh) 一种传输外线数据的验证方法及装置
CN108960226B (zh) 一种指针仪类表示值读数方法及装置
CN116137010A (zh) 桩基施工质量的确定方法、装置、电子设备及存储介质
CN109101917A (zh) 用于行人重识别的标注方法、训练方法、装置及***
CN110896469A (zh) 用于三摄的解像力测试方法及其应用
CN104933705B (zh) 一种时空环数据结构进行槽孔检测的方法及装置
CN112712604A (zh) 一种基于机器视觉的现场巡视质量无感检测方法
JP6443144B2 (ja) 情報出力装置、情報出力プログラム及び情報出力方法、並びに情報出力システム
CN109740518A (zh) 一种视频中对象的确定方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB03 Change of inventor or designer information

Inventor after: Xu Haiyong

Inventor before: Cai Fuwen

Inventor before: Wang Yufei

Inventor before: Xie Hui

CB03 Change of inventor or designer information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant