CN108394426A - 铁路车轮监测***及方法 - Google Patents
铁路车轮监测***及方法 Download PDFInfo
- Publication number
- CN108394426A CN108394426A CN201810105441.6A CN201810105441A CN108394426A CN 108394426 A CN108394426 A CN 108394426A CN 201810105441 A CN201810105441 A CN 201810105441A CN 108394426 A CN108394426 A CN 108394426A
- Authority
- CN
- China
- Prior art keywords
- wheel
- railway wheel
- model
- dimensional
- profile
- 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
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/12—Measuring or surveying wheel-rims
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M17/00—Testing of vehicles
- G01M17/08—Railway vehicles
- G01M17/10—Suspensions, axles or wheels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
- G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- 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
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/97—Determining parameters from multiple pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
- H04N13/20—Image signal generators
- H04N13/204—Image signal generators using stereoscopic image cameras
- H04N13/246—Calibration of cameras
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
-
- 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
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本申请案涉及一种铁路车轮监测***及一种方法。所述***及方法用于监测铁路车轮(5),由以下操作组成:借助于立体相机(8及9)而获得所述铁路车轮(5)的图像,及借助于这些图像而执行所述铁路车轮(5)的三维及二维模型。使此二维模型经受对所述铁路车轮(5)的轮廓的分析(18),从而将所述二维模型与理想车轮的二维模型进行比较且因此测量所述铁路车轮的轮廓的有效磨损。使所述三维模型经受对所述铁路车轮(5)的表面的分析(19),从而也将所述三维模型与理想车轮的三维模型进行比较且因此测量所述铁路车轮的表面(3)的有效磨损。
Description
技术领域
本发明涉及一种用于监测铁路车轮的***及方法。
背景技术
铁路车轮由用于在轨道上移动的交通工具中的车轮组成。举例来说,此类交通工具用于运输材料及人。
使用此类型的车轮的最常见交通工具是铁路列车,所述铁路列车互连到根据运输内容而分类的数个车厢。当列车运输乘客时,所述列车称为乘客列车;当其运输材料时,所述列车称为货运列车。
在铁路***中所研究及分析的各方面当中,最重要且受关注的方面是:列车脱轨;维修成本;及高效物流策略。
列车脱轨一般由于铁路车轮与轨道之间失去摩擦造成,从而致使列车失去与这些元件的接触。
此失去摩擦致使列车从轨道脱离,从而由于列车的较大尺寸及较高质量而导致事故及严重损坏。
关于维修成本,铁路车轮/轨道相互作用不仅在维修列车中而且在燃料消耗、安全性及乘客列车的乘车质量中起重要作用。最后,脱轨可能影响物流合同,此可由于由轨道事故所致的货物损失或甚至生命损失而具有财务影响。
列车脱轨的主要原因是:车轮/轨道相互作用、破损的轨道、焊接故障、轨道几何形状缺陷、轨道轨距故障及破损的车轮。
在“车轮/轨道相互作用”之后举出的所有因素也是由这种相同的现象引起的。换句话说,破损的轨道、轨距故障、轨道几何形状及焊接故障可直接或间接地影响“车轮/轨道相互作用”。举一个实例,损坏的铁路车轮轮廓可引起轨道几何形状故障及表面缺陷,这又导致过度车轮磨损。
因此,极受关注且重要的是设计并使用一种用于铁路车轮的监测***及方法,所述监测***及方法防止由较差车轮条件或车轮/轨道相互作用故障所致的事故。
在现有技术中,周期性地执行此监测,且列车及其车厢的操作必须被停止以便检验轨道车轮。
此检验由一或多个工人手动地执行,所述一或多个工人沿着列车行走以检查所述列车的车轮且识别哪些车轮被过度磨损而需要替换。
然而,此方法需要极长的执行时间且会经受人为故障,这是因为检验是由工人手动执行的。此外,由于检验是在周期性基础上发生的,因此存在车轮在检验之间的周期内遭受过度磨损或变形的极大风险。
现有技术还包括揭示铁路车轮的监测的一些文件,且下文描述所述文件。
包括现有技术的一个文件是专利US8925873,其揭示了一种用于测量及检验与车轮在轨道上的磨损相关的尺寸的装置及方法。此装置由与激光仪表相关联的快速致动相机组成,所述快速致动相机经配置以建构车轮的模型且因此检验例如攻角、车轮不对准等尺寸以及与此元件的过早磨损相关的其它尺寸。
US8925873的装置及方法的应用允许检验车轮的过早磨损且降低必要维修的次数,从而避免由这些元件的过早磨损引起的事故。
在US8925873中,装置安装于每一轨道的两侧上以执行设备的车轮或滚轮(truck)(两个车轮与轮轴的组合)的部分建模。在列车的通过期间获得由相机及激光传感器捕获的图像,且不必使列车停止以执行测量。
由相机获得的图像接着经受利用激光的三角测量以产生车轮的准确图像并读出所述车轮的尺寸。
然而,所述方法仅允许借助于由装置获得的图像而测量车轮,而不可能将所述车轮与处于完美条件或具有理想车轮模型的其它车轮进行比较以确定车轮的有效磨损。
所述美国文件中所描述的方法也不允许检验未由相机或传感器捕获的尺寸(例如车轮的与轨道接触的表面),从而使得不可能检查车轮的此区段中的异常并检验车轮/轨道相互作用。
此外,装置不允许仅使用相机,而是需要应用激光传感器来执行所监测车轮的建模,因此增加装置的成本。
现有技术的另一文件是专利申请案US20140285658,其揭示了一种用于在不与车轮接触的情况下测量轨道上的车轮的方法及装置。所述装置由相机及激光传感器组成,所述相机及激光传感器靠近轨道而安装或由操作者操作、经配置以捕获车轮的图像。当测定每一图像时,所述装置还可与位置传感器组合以获得较大准确性。
US20140285658的装置允许整体地捕获车轮或仅捕获所关注区段。当整体地捕获车轮时,由计算机***制作车轮的三维模型,所述计算机***经配置以处理由相机及激光获得的图像。
在US20140285658中所描述的计算机***中,可能执行数种类型的车轮测量,因此允许检验所述车轮的大部分组件的尺寸。另外,所述***还包括比较第一个三维模型与由同一装置获得的其它模型以检查可能的车轮异常及变形的选项。
然而,此装置及方法不允许测量轨道车轮的表面,而是仅测量车轮轮廓,从而阻止识别车轮表面上的变形,例如突出、表面不规则及其它类型的问题。由于所描述的方法不允许测量车轮表面,因此所述所描述的方法还阻止检验车轮/轨道相互作用,这可产生直接代价(例如事故)及间接代价(例如过度燃料消耗及乘客不舒适)。
此外,US20140285658中所揭示的方法仅允许将由装置测量的车轮模型与也由所述装置获得的其它车轮模型进行比较,而不可能引入理想车轮模型以测量车轮的有效磨损。
因此,得出结论:监测轨道车轮的周期性技术以及现有技术中所揭示的装置及***两者均不能够有效地检验车轮表面,因此阻止检验车轮/轨道相互作用。
此外,现有技术中的装置、***及方法均不能够测量车轮表面及轮廓的有效磨损且将所述车轮与理想车轮模型进行比较。
发明内容
本发明针对于一种用以监测铁路车轮的***,所述***允许测量并分析所述铁路车轮的轮廓及表面。
本发明还针对于一种用于借助于与理想铁路车轮模型进行比较而测量由所监测铁路车轮遭受的有效磨损的方法。
在一个方面中,本发明提供一种用以监测铁路车轮(5)的***,所述铁路车轮(5)具有:平行布置的两个侧,这些侧为内侧(1)及外侧(2);以及垂直地安置于在所述铁路车轮(5)的所述侧(1及2)之间界定的空间中的表面(3),所述***包括:用以测量所述铁路车轮(5)的轮廓(17)的***,其由两个立体相机(8及9)组成,所述两个立体相机为第一立体相机(8)及第二立体相机(9);用以借助于计算方法而分析所述铁路车轮(5)的所述轮廓(18)的***,所述计算方法包括处于完美条件中的铁路车轮(5)的二维理论模型(B);及用以也借助于计算方法而分析所述铁路车轮(5)的所述表面(19)的***,所述计算方法包括处于完美条件中的铁路车轮(5)的三维理论模型。
在另一方面中,本发明提供根据技术方案1到13所述的用以监测铁路车轮(5)的***,其中所述用以分析所述铁路车轮(5)的所述轮廓(18)的***及所述用以分析所述铁路车轮(5)的所述表面(19)的***经配置以包括所述车轮(5)/轨道(4)相互作用且减少铁路交通工具的燃料消耗、增加由此铁路交通工具运输的乘客的舒适度并降低此交通工具的脱轨风险。
在又一方面中,本发明提供一种用以监测铁路车轮(5)的方法,其包括以下步骤:
i、捕获借助于立体相机(8及9)而获得的所述铁路车轮(5)的两侧(1及2)的立体图像(10);
ii、由于发生于所述立体相机(8及9)的透镜(6、6’、7及7’)上的失真(20及21)而校准(11)这些元件;
iii、对所述铁路车轮进行分段(12);
iv、重建所述铁路车轮(5)的两侧(1及2)的三维模型(13及13’);
v、移除失真三维点(14),从而在所述所重建三维模型中产生较大精确度;
vi、融合在所述先前步骤中获得的所述三维点(15),从而产生所述铁路车轮(5)的所观察三维模型;
vii、对在所述第六步骤中产生的所述所观察三维模型进行映射(16)以获得所观察二维模型(A);
viii、测量所述铁路车轮(5)的轮廓(17);
ix、分析所述铁路车轮(5)的所述二维所观察模型(A)的所述轮廓(18);及
x、分析所述铁路车轮(5)的所述三维所观察模型的表面(19)。
附图说明
基于相应图而详细描述本发明:图1是本发明的监测***的优选实施例的透视图。
图2描绘本发明的优选实施例中的在监测铁路车轮中所涉及的步骤的方块图。
图3描绘立体相机的校准过程的方块图。
图4描绘立体图像的分段过程中的步骤。
图5描绘在测量铁路车轮轮廓中所涉及的步骤的流程图。
图6描绘在分析铁路车轮轮廓中所涉及的步骤的流程图。
图7描绘由常规相机的透镜导致的径向失真的实例。
图8描绘由常规相机的透镜导致的切向失真的实例。
具体实施方式
本发明描述一种用于监测铁路车轮5的***及方法。此监测使得可使车轮轮廓5及其表面3可视化并对所述车轮轮廓及其表面进行分析。
另外,监测还允许分析铁路车轮5的整个轮廓及表面3,将所述铁路车轮与理想车轮模型进行比较以测量所述铁路车轮的有效磨损。
可将监测划分成三个基本步骤:测量车轮5的轮廓17;分析车轮5的轮廓18;及分析车轮5的表面19。
第一方面涉及提供相对于车轮5的几何形状的测量。关于车轮5的轮廓的分析18,在此步骤中,沿着所述车轮的整个轮廓来分析其几何形状,且仅以二维(2D)而产生此轮廓。
对车轮5的表面的分析19涉及将沿着车轮5的轮廓的此过程(2D)扩展到铁路车轮5的表面3的小区域,从而获得经受分析的车轮5的三维(3D)模型。
此2D到3D扩展具有显著重要性,这是因为此允许理解在沿着铁道移动时的车轮5/轨道4相互作用以及车轮5的动态。下文单独地解释这些监测步骤中的每一者。
测量车轮轮廓(17)
监测***使用优选地如下分布的两个同步立体相机:一个立体相机位于轨道4的每一侧上,所述立体相机为第一立体相机8及第二立体相机9(参考图1)。
每一立体相机8及9包括两个透镜,第一立体相机8包括第一左透镜6及第一右透镜7,且第二立体相机9包括第二左透镜6’及第二右透镜7’。
此分布用于从铁路车轮5的外侧2及内侧1两者捕获立体图像,参考图1。因此,第一立体相机8从车轮5的内侧1捕获图像,而第二立体相机9从车轮5的外侧2捕获图像。
这些立体图像连同相机8及9的校准参数中的每一者一起允许对铁路车轮5的两个侧1及2进行3D重建。
通过应用以下预处理步骤而可能进行此3D重建:校正图像失真;图像矫正;映射;及计算图像视差。
校正图像失真使用每一立体相机8及9的校准参数11(参考图2)来补偿透镜失真20及21,使得将真实世界中的直线呈现为所映射图像的直线。
图像矫正确保在立体图像的给定线上所检测到的图像分量位于所映射图像的相同线上。
映射以及计算图像视差将经矫正图像中的对应像素点之间的距离映射到度量深度,以便计算左透镜相对于主体的三维距离。
***使用立体块匹配算法(块匹配)或立体半全局(Semi-Global)块匹配算法(半全局匹配)来计算视差图。两种算法旨在确定立体图像之间的对应点。通过比较两个图像的像素强度值而执行此确定,其中通过确定匹配点而选择最小绝对差异。3D重建所需的最后步骤是三角测量。此方法将视差图以及两个透镜之间的距离组合以估计所测量对象相对于立体相机的左透镜的三维位置。
换句话说,由于立体相机的两个透镜之间的距离针对任何所捕获对象为相同的,因此所述立体相机的开发者精确地已知归于此距离的值,仅需要比较由两个透镜获得的这些图像的差异且在计算时考虑两个透镜之间的距离以确定透镜中的一者与所捕获对象之间的距离。
在针对铁路车轮5的内侧1及外侧2的立体图像两者应用这些预处理步骤之后,***能够执行对应于铁路车轮5的每一侧1及2的三维(3D)重建13及13’。
此过程后续接着记录三维云中的点的步骤。此步骤将两个3D重建组合以便使用迭代最近点算法(ICP)以及两个立体相机8及9的外在校准参数而产生铁路车轮5的单个三维模型(称为所观察模型)。ICP是一种算法,所述算法用于记录点云并且借助于迭代过程而针对于使两个点云之间的差异最小化的变换。在所述算法的执行期间,将称为参考的点云保持为固定的,而使其它点云迭代地变换直到其找到参考云的最近对应点为止。
基于对铁路车轮5的理论2D模型B的使用而测量车轮轮廓17是针对于测量车轮5的几何形状的特定参数,例如:凸缘宽度l、凸缘高度h、凸缘角度θ、车轮宽度L(参考图5)。
此通过将铁路车轮5的理论2D模型B(其称为“真实模型”)与在铁路车轮5的三维重建中使用立体相机所获得的所观察2D模型的轮廓(其称为“所观察模型”)进行比较而成为可能。
此比较是基于对位于沿着这两个车轮轮廓的固定坐标中的函数点的距离的计算。
通过提供可从铁路车轮5的制造商获得的所述车轮5的理论2D模型B,此方法可适于任何类型的铁路车轮5。
分析车轮轮廓(18)
不同于测量铁路车轮5的几何形状的特定特征的车轮5的轮廓的测量步骤17,对车轮轮廓的分析18旨在提供对如何沿着车轮5的轮廓而使用所述车轮的透彻理解。
为了执行此测量,将沿着真实模型的所有点与所述点在所观察模型中的对应点进行比较。在此比较之后,通过计算理论或真实2D模型B中的每一点与其位于所观察2D模型A中的对应点之间的欧几里德距离而计算车轮沿着其轮廓的所估计有效磨损。欧几里德距离是对两个点之间的相异度的测量,此测量越大,所述点之间的相似度越小。因此,可能确定所观察模型的点距理论模型的点多近。
由于此分析是沿着车轮轮廓执行的,因此监测***产生由真实模型及所观察模型提供的欧几里德距离的曲线50。
借助于此曲线50,可能估计铁路车轮5的轮廓的有效磨损,参考图6。所得曲线50的分辨率取决于所观察2D模型A的分辨率,所述所观察2D模型A的分辨率基本上取决于两个立体相机8与9的经组合分辨率。也就是说,8及9相机的分辨率越好,对铁路车轮5的轮廓的所估计磨损越准确。
分析车轮表面(19)
监测***的额外及基本特征是估计车轮5的表面区域3的磨损,所述表面区域对应于与铁路4接触的区。
此表面区3由铁路车轮5的在两个立体相机8与9的经组合视野中出现的所述区域(也就是说,未由所述两个立体相机整体地捕获的区域)界定。
在此情形中,***计算属于真实模型的点与针对车轮5的表面区3中所指定的区域而观察的模型中的点之间的欧几里德距离。
此方法19及轮廓分析方法18允许理解车轮5/轨道4相互作用,借此使用在第一步骤17中所测量的车轮5的参数中的一些参数来执行对车轮5的较透彻分析。此程序对于防止列车脱轨及减少燃料消耗为极其重要的。
在图2中的方块图中揭示上文所揭示的三个主要方面(轮廓测量17、轮廓分析18及表面分析19)以及测量及分析车轮5的轮廓的几何特性的完整过程的细节,其中描述以下步骤:获取立体图像10;校正图像失真或校准立体相机11;对铁路车轮12进行分段;对车轮的内侧1进行3D重建13;对车轮的外侧2进行重建13’;3D数据筛选14;3D数据融合15;对三维模型16进行映射;测量铁路车轮轮廓17;分析铁路车轮轮廓18;及分析铁路车轮表面19。
在已描述包括铁路车轮5监测***的三个主要方面后,以下内容是包括监测铁路车轮5的方法的每一步骤的配置及执行次序。
第一步骤10由优选地使用两个立体相机8及9来获取铁路车轮5的立体图像组成。每一立体相机放置于轨道4的任一侧上,如图1中所展示。
本发明中的相机分别称为第一立体相机8及第二立体相机9。每一相机包括具有竞争性视野的平行布置的一对透镜,第一相机8包括第一左透镜6及第一右透镜7,且第二相机9包括第二左透镜6’及第二右透镜7’。
替代地,可使用经设计以帮助获取车轮的图像的激光传感器或灯且将所述激光传感器或灯集成到立体相机8及9中。
用于立体图像的获取的帧速率可经先前配置,使得确保每一车轮5属于适合于立体相机8及9的视野内的特定车厢。因此,当列车或车厢围绕相机8及9安装之处移动时,所述相机捕获构成交通工具的所有车轮5的立体图像10,从而允许单独地分析每一车轮5。
每一立体相机8及9相对于轨道4的距离、几何形状及定向必须根据相机8及9的技术规范以及照明条件及由交通工具沿着轨道4的移动产生的振动来界定。
第二步骤11由校准立体相机8及9以补偿发生于这些元件的透镜6、6’、7及7'上的失真组成。存在发生于大多数相机中的两种不同类型的失真:径向失真20及切向失真21(参考图7及8)。两种失真20及21是由透镜制造及安装过程所致。
径向失真20是因透镜制造商制造球面透镜比理想抛物面(parabolic)透镜更容易且更便宜的事实而产生。存在于透镜制造过程中的此特征致使球面透镜产生此失真20(参考图7)。在图7中,可能看到在将透镜24插置到对象23时由所述透镜导致的图像平面22中的失真图像20。
切向失真21主要与将相机24的透镜与相机25的传感器完美地对准具有极大难度的事实相关,参考图8,其表示相机24的透镜不与相机25的传感器对准以及失真图像26。
为了执行对象的2D或3D测量,必须校正这些失真20及21对所捕获立体图像的影响。此校正借助于称为相机校准11的过程而完成。此过程旨在估计两种类型的参数:内在参数及外在参数。
内在参数是指由3D对象穿过图像平面中的坐标的光学中心而传播的射线的方向。将针对每一透镜进行估计的主要内在参数为:焦距、主要点、倾斜度系数以及径向失真20及切向失真21。
关于外在参数,其囊括构成监测***的每一立体相机8及9的透镜的位置及定向。图3描绘校准过程的方块图,其展示以下步骤:获取左图像30;获取右图像30’;使用内在参数来执行单眼校准31;及使用外在参数来执行立体校准32。
第三步骤12由对轨道车轮进行分段组成,此步骤经配置以帮助并简化第四步骤,在所述第四步骤中,以三维模型13及13’对轨道车轮进行重建。
此分段计算可使用属于被拍摄的轨道车轮5的像素。将图像的像素划分成所述图像的构成区域或对象的过程称为分段。在本发明中存在用于图像分段的数种技术,所采用分段技术是基于变换的距离。
在图4中揭示使用此技术所获得的结果。图4A展示输入图像,图4B展示平衡拐角,图4C展示基于变换的距离的分段,并且图4D展示最终被分段的车轮5。
针对由立体相机8及9中的任一者所产生的对轨道车轮5的区段的3D重建,3D重建算法仅考虑车轮5的表面上的虚线矩形内的像素(图4D中所展示)。
图2中的流程图的第四步骤13及13’由重建经受监测***的车轮5的三维模型组成。使用三角测量过程来实现三维模型的重建。
此过程是基于对在分别由立体相机8及9的左透镜6及6’以及右透镜7及7’获得的图像中检测到的对应点的使用。也就是说,针对存在于左图像中的经分段区域中的元素,必须在右图像的经分段区域中检测对应像素。此程序称为对应资源。
由于每一像素位于给定x及y坐标处,因此获得所述元件在左图像及右图像中的x坐标,且这两个像素之间的差异(称为视差)用于借助于三角测量过程而计算像素相对于左透镜6的三维位置。针对存在于轨道车轮5的经分段区中的每一像素重复此过程,从而允许所述轨道车轮的完整重建。
每一立体相机8及9均需要步骤1及2(也就是说,获取图像10及校准立体相机11),如图2的方块图中所展示。因此,每一立体相机8及9产生轨道车轮5的部分重建。
第一立体相机8重建车轮的内侧1,而车轮的外侧2的重建由第二立体相机9产生。这两个三维重建13及13’可含有必须在应用3D数据融合算法(其在第六步骤中解释)之前被移除的稀疏的点群组(噪声),以便获得轨道车轮5的表面3的完整重建。下文在第五步骤中描述此噪声移除程序。
第五步骤14由移除失真三维点组成,换句话说,移除噪声或筛选3D数据,从而在所重建3D模型中产生较大准确性。
在此步骤中,将轨道车轮5的每一侧1及2的三维重建13及13’考虑在内,借助于轨道车轮5的表面3的理论三维模型而移除稀疏且失真点。
从每一个三维点到轨道车轮5的表面3的距离用于将3D重建点分类为可能属于车轮5的表面3,也就是说,对于车轮5的三维模型的重建,仅考虑处于似乎合理距离处的点。
还在此过程中执行统计分析,以便实现针对3D数据筛选过程14的稳健形式。用于执行此统计分析的方法包含:线性回归、2D及3D曲线调整或分组。此步骤14的优点是不具有嘈杂3D点的3D重建,使得容易在接下来的步骤中测量车轮5的特性。
第六步骤15在于融合由先前步骤获得的这些三维点。在提供表示铁路车轮5的每一侧1、2的不具有嘈杂点的三维重建13及13’的两个3D点集合之后,接着应用3D数据融合技术15。
为了执行3D数据融合15,方法使用三维数据融合算法。此算法将步骤2的通过计算第一相机8的左透镜6与第二相机9的右透镜7’之间的外在参数而产生的校准信息11考虑在内。
这些参数囊括这两个透镜6与7’之间的相对平移及定向。接着,3D点经受刚性变换,所述刚性变换允许***将由第二相机9获得的3D点云与由第一相机8的左透镜6获得的3D点云组合。
此组合允许***在3D坐标***中对这些3D点云进行重新投射。此借助于迭代最近点算法(ICP,上文在测量车轮轮廓的项中所解释)而进行。
在此步骤中,将重建13及13’两者融合到单个表示中,使得产生轨道车轮5的三维模型。轨道车轮5的此独特三维模型(其称为所观察3D模型)接着用于分析车轮及车轮轮廓的所估计磨损,如在接下来的步骤中所描述。
第七步骤16由将由第六步骤产生的三维模型映射到所观察2D模型A组成。为了产生用于车轮轮廓分析的所观察2D模型A,使所投射3D坐标(X,Y,Z)与由理论2D模型B产生的坐标相关联。
此关联通过以下操作而进行:使理论2D模型B与所观察3D模型(在第六步骤中重建的模型)重叠以使两个模型对准,且接着针对最接近于理论2D模型B的点的3D点执行数据关联。
因此,第七步骤能够将所观察模型的轮廓公式化,从而产生所观察2D模型A。
第八步骤17由测量铁路车轮5的轮廓组成,所述步骤将新的铁路车轮5的理论2D模型B以及在第七步骤中获得的观察2D模型A作为输入而接收。
图5展示存在于此步骤中的组成部分及程序,其为:所观察2D模型A、理论2D模型B、路径点设定C、法向向量计算D、数据关联E及车轮特性估计F。
路径点设定C界定特性点,所述特性点促进对车轮轮廓几何形状的参数(例如凸缘高度h、凸缘宽度l、凸缘角度θ、车轮宽度L及所关注的其它尺寸)的测量。使这些路径点沿着车轮轮廓的位置标准化且基于轨道车轮5的最高凸缘点P的位置而执行每一点的坐标。
法向向量计算D计算沿着所观察2D模型A的轮廓定位的参考点的内部法向向量。考虑沿着车轮轮廓的两个连续点并找到联合这两个点的直线的方程而完成所述计算。接着,此方程的倾斜度被反转并用于确定法向向量。图5中的法向向量计算D的左部分中所展示的曲线例示此操作的结果。
数据关联E将所观察2D模型A的(点路径的)点与沿着理论2D模型B的对应点进行比较,从而使两个2D模型对准,如下文图5中的数据关联E所展示。
针对沿着所观察2D模型A的给定点,此程序计算所述给定点相对于两个最近法向向量的相交点的垂直距离,从而比较在所观察2D模型A中及在理论2D模型B中所获得的此距离以检验哪一垂直距离为较小的。
针对沿着所观察2D模型A的每一点重复此数据关联过程E以便使数据与沿着车轮5的轮廓的所有点相关联。
车轮特性估计F使用从数据关联E获得的对应点,从而产生新的轮廓40,所述新的轮廓展示新的凸缘角度θ’、新的凸缘高度h’、新的车轮宽度L’及新的凸缘宽度l’以及经受测量的轨道车轮5的所有特性。
第九步骤18由使用在第八步骤17中所测量的参数帮助进行分析来分析轨道车轮5的2D轮廓组成。另外,第九步骤18极类似于第八步骤17。仅有的两个差异是路径点设定C’及车轮特性估计F’,参考图6。
现在针对理论2D模型B中所指示的所有点而界定路径点设定C’,使得可能分析沿着车轮5的轮廓的每一点。
关于车轮特性估计F’,其结果是曲线50,所述曲线展示车轮5的轮廓的有效磨损。对车轮5的轮廓分析18允许从车轮轮廓发现所述车轮与新的铁路车轮5相比何处受损。
另外,此估计允许理解车轮5/轨道4相互作用,此又允许设计新的车轮轮廓、轨道及列车参数集合(例如速度及加速度),其不仅可用于增加车轮轨道5的使用寿命,而且还减少燃料消耗成本。
第十及最后步骤19由分析铁路车轮5的表面3组成。除了估计车轮5沿着其轮廓的降级之外,***还可在3D中分析表面19。为了执行此分析19,***将在第六步骤15中产生的所观察模型以及在第七步骤17中测量的一些特性考虑在内。
可采用两种不同方法来执行表面分析19,下文将对此进行解释。
第一种方法由将在第六步骤15中获得的所观察3D模型划分成数个切片且应用轨道车轮5的2D轮廓的分析模块组成,如第七步骤16中所描述。
第二种方法由执行所观察3D模型的点与理论3D模型的点之间的三维点对的对应组成。此理论3D模型可为理论2D模型B的回转表面,可通过将理论2D模型B与所观察3D模型对准并使所述理论2D模型B相对于轨道车轮5的中心进行旋转而基本上获得所述理论3D模型。
一旦这两个3D模型对准,便可使用最近邻算法而使来自所观察模型的3D中的相关联的点对与理论3D模型的点对相关联。
用于测量两个点之间的距离的参数可为欧几里德距离或马氏(Mahalanobis)距离。在第一情形中,未将3D点位置的不确定性考虑在内,从而使此第二种方法对于嘈杂数据为较稳健的。
因此,可能分析铁路车轮5的表面19并检验其是否已变形、突出或不规则。此分析19避免由车轮5的表面3的磨损所致的可能事故且还确保对车轮5/轨道4相互作用的较好理解。
在已以其优选及替代实施例描述***及方法后,得出结论:本发明通过一种用以监测铁路车轮5的***而实现其目标,所述***能够测量发生于车轮5的所有部分中的有效磨损。
另外,用以监测铁路车轮5的方法允许将新的铁路车轮5的理论模型与所监测车轮5的所观察模型进行比较,从而允许检验所述铁路车轮的有效磨损。
Claims (20)
1.一种用以监测铁路车轮(5)的***,所述铁路车轮(5)具有:平行布置的两个侧,这些侧为内侧(1)及外侧(2);以及垂直地安置于在所述铁路车轮(5)的所述侧(1及2)之间界定的空间中的表面(3),所述***包括:用以测量所述铁路车轮(5)的轮廓(17)的***,其由两个立体相机(8及9)组成,所述两个立体相机为第一立体相机(8)及第二立体相机(9);用以借助于计算方法而分析所述铁路车轮(5)的所述轮廓(18)的***,所述计算方法包括处于完美条件中的铁路车轮(5)的二维理论模型(B);及用以也借助于计算方法而分析所述铁路车轮(5)的所述表面(19)的***,所述计算方法包括处于完美条件中的铁路车轮(5)的三维理论模型。
2.根据权利要求1所述的用以监测铁路车轮(5)的***,其中所述***的用以测量所述铁路车轮(5)的所述轮廓(17)的所述立体相机(8及9)经配置以捕获所述铁路车轮(5)的所述侧(1及2)的图像,所述第一立体相机(8)捕获所述铁路车轮(5)的所述内侧(1)的图像且所述第二立体相机(9)捕获所述外侧(2)的图像。
3.根据权利要求2所述的用以监测铁路车轮(5)的***,其中由所述立体相机(8及9)捕获的所述图像经受计算处理,所述计算处理经配置以产生所述铁路车轮(5)的每一侧(1及2)的三维重建(13及13’)。
4.根据权利要求3所述的用以监测铁路车轮(5)的***,其中所述铁路车轮(5)的所述内侧(1)及所述外侧(2)的这些三维重建(13、13’)借助于计算过程而经受融合(15),从而形成所述铁路车轮(5)的所观察三维模型。
5.根据权利要求4所述的用以监测铁路车轮(5)的***,其中所述用以分析所述铁路车轮(5)的所述轮廓(18)的***执行所述所观察三维模型的映射(16)以将所述所观察三维模型变换成所观察二维模型(A)。
6.根据权利要求5所述的用以监测铁路车轮(5)的***,其中所述用以分析所述铁路车轮(5)的所述轮廓(18)的***借助于曲线(50)而执行对由所述铁路车轮(5)的所述轮廓遭受的有效磨损的分析,所述曲线(50)是通过所述所观察二维模型(A)的轮廓与所述理论二维模型(B)的轮廓的计算比较而产生。
7.根据权利要求4所述的用以监测铁路车轮(5)的***,其中所述用以分析所述铁路车轮(5)的所述表面(19)的***借助于所述所观察三维模型的所述表面(3)与所述理论三维模型的计算比较而执行对由所述铁路车轮(5)的所述表面(3)遭受的有效磨损的分析。
8.根据权利要求2所述的用以监测铁路车轮(5)的***,其中所述立体相机(8及9)包括两个透镜,所述第一立体相机(8)的所述透镜为第一左透镜(6)及第一右透镜(7)且所述第二立体相机(9)的所述透镜为第二左透镜(6’)及第二右透镜(7’)。
9.根据权利要求2所述的用以监测铁路车轮(5)的***,其中所述立体相机(8及9)包括激光传感器及光投影仪。
10.根据权利要求3所述的用以监测铁路车轮(5)的***,其中计算过程为:借助于所述立体相机(8及9)而获取立体图像(10);校准立体相机(11);矫正所述立体图像;对所述铁路车轮进行分段(12);映射及计算图像视差;以及三角测量。
11.根据权利要求4所述的用以监测铁路车轮(5)的***,其中计算处理由在三维云中将点对齐组成。
12.根据权利要求5所述的用以监测铁路车轮(5)的***,其中所述用以测量所述铁路车轮(5)的所述轮廓(17)的***产生由所述理论二维模型(B)的所述轮廓与所述所观察二维模型(A)的所述轮廓的计算比较提供的欧几里德距离的图表(40),所述图表(40)经配置以估计所述轨道车轮(5)的所述轮廓的几何特性。
13.根据权利要求7所述的用以监测铁路车轮(5)的***,其中所述计算比较计算属于所述理论三维模型的点与针对所述铁路车轮(5)的所述表面区(3)中所指定的区域的所述所观察三维模型中的相关点之间的欧几里德距离。
14.根据权利要求1到13中任一权利要求所述的用以监测铁路车轮(5)的***,其中所述用以分析所述铁路车轮(5)的所述轮廓(18)的***及所述用以分析所述铁路车轮(5)的所述表面(19)的***经配置以包括所述车轮(5)/轨道(4)相互作用且减少铁路交通工具的燃料消耗、增加由此铁路交通工具运输的乘客的舒适度并降低此交通工具的脱轨风险。
15.一种用以监测铁路车轮(5)的方法,其包括以下步骤:
i、捕获借助于立体相机(8及9)而获得的所述铁路车轮(5)的两侧(1及2)的立体图像(10);
ii、由于发生于所述立体相机(8及9)的透镜(6、6’、7及7’)上的失真(20及21)而校准(11)这些元件;
iii、对所述铁路车轮进行分段(12);
iv、重建所述铁路车轮(5)的两侧(1及2)的三维模型(13及13’);
v、移除失真三维点(14),从而在所述所重建三维模型中产生较大精确度;
vi、融合在所述先前步骤中获得的所述三维点(15),从而产生所述铁路车轮(5)的所观察三维模型;
vii、对在所述第六步骤中产生的所述所观察三维模型进行映射(16)以获得所观察二维模型(A);
viii、测量所述铁路车轮(5)的轮廓(17);
ix、分析所述铁路车轮(5)的所述二维所观察模型(A)的所述轮廓(18);及
x、分析所述铁路车轮(5)的所述三维所观察模型的表面(19)。
16.根据权利要求15所述的用以监测铁路车轮(5)的方法,其中步骤viii包括以下过程:路径点设定(C);法向向量计算(D);数据关联(E),其将所述所观察二维模型(A)的所述路径点设定(C)中的所述点与沿着理论二维模型(B)的对应点进行比较;及所述车轮的特性的估计(F),其经配置以使用从数据关联(E)获得的所述对应点来计算所述铁路车轮(5)的几何特性(40)。
17.根据权利要求16所述的用以监测铁路车轮(5)的方法,其中通过所述车轮的所述特性的所述估计(F)而计算的所述几何特性(40)为:新的凸缘高度(h’)、新的凸缘宽度(l’)、新的车轮宽度(L’)及新的凸缘角度(θ’)。
18.根据权利要求15所述的用以监测铁路车轮(5)的方法,其中步骤ix包括以下过程:路径点设定(C’),其经配置以界定所述理论二维模型(B)中所指示的所有点;数据关联(E),其用以将所述所观察二维模型(A)的所述路径点设定(C’)中的所述点与沿着所述理论二维模型(B)的所述对应点进行比较;及所述车轮的所述特性的估计(F’),从而产生展示所述铁路车轮(5)的所述轮廓的有效磨损的曲线(50)。
19.根据权利要求15所述的用以监测铁路车轮(5)的方法,其中借助于以下操作而执行步骤x:将所述所观察三维模型划分成数个切片,应用理论二维轮廓(B)的分析模块且针对每一选定切片比较这两个模型,借助于这两个模型之间的差异而估计所述铁路车轮(5)的表面(3)遭受的有效磨损。
20.根据权利要求15所述的用以监测铁路车轮(5)的方法,其中通过以下操作而执行步骤x:使三维点对与所述所观察三维模型及理论三维模型的点对应,借助于算法而比较这些点的距离。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
BR102017002219-6A BR102017002219B1 (pt) | 2017-02-02 | 2017-02-02 | Sistema e método para o monitoramento de rodas ferroviárias |
BR102017002219-6 | 2017-02-02 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108394426A true CN108394426A (zh) | 2018-08-14 |
CN108394426B CN108394426B (zh) | 2020-03-13 |
Family
ID=63036957
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810105441.6A Active CN108394426B (zh) | 2017-02-02 | 2018-02-02 | 铁路车轮监测***及方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10543859B2 (zh) |
CN (1) | CN108394426B (zh) |
AU (1) | AU2018200755B2 (zh) |
BR (1) | BR102017002219B1 (zh) |
CA (1) | CA2992775A1 (zh) |
RU (1) | RU2743020C2 (zh) |
SE (1) | SE542208C2 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110379000A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置、存储介质以及电子设备 |
CN110849643A (zh) * | 2019-12-06 | 2020-02-28 | 新昌县羽林街道伟玉机械厂 | 一种有利于模拟实时运行的铁路车轮检测装置 |
CN110866966A (zh) * | 2018-08-27 | 2020-03-06 | 苹果公司 | 利用与环境相匹配的逼真表面属性渲染虚拟对象 |
CN116380445A (zh) * | 2023-06-05 | 2023-07-04 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
US11913345B2 (en) | 2021-07-26 | 2024-02-27 | General Electric Company | System and method of using a tool assembly |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106500623B (zh) * | 2016-12-06 | 2023-03-17 | 中国铁道科学研究院铁道建筑研究所 | 一种钢轨断面检测装置及轮轨关系评估*** |
US10953899B2 (en) * | 2018-11-15 | 2021-03-23 | Avante International Technology, Inc. | Image-based monitoring and detection of track/rail faults |
CN109798841B (zh) * | 2019-03-05 | 2023-09-22 | 盎锐(上海)信息科技有限公司 | 相机与投影仪的标定***及方法 |
KR20230104298A (ko) | 2020-01-22 | 2023-07-07 | 노다르 인크. | 비-강성 스테레오 비전 카메라 시스템 |
US11427193B2 (en) | 2020-01-22 | 2022-08-30 | Nodar Inc. | Methods and systems for providing depth maps with confidence estimates |
US11926351B2 (en) | 2020-09-01 | 2024-03-12 | Bnsf Railway Company | Apparatus and method for wear detection of railroad vehicle wheels |
US11699225B2 (en) * | 2020-11-24 | 2023-07-11 | Get Spiffy, Inc. | Tire sensing and analysis system |
CN112849574A (zh) * | 2021-01-08 | 2021-05-28 | 广州南沙珠江啤酒有限公司 | 一种啤酒包装异常的检测方法、计算机设备、***及介质 |
CN112833791B (zh) * | 2021-02-02 | 2021-11-19 | 浙江大学 | 一种自旋转线结构光扫描***时空标定方法 |
WO2022244920A1 (ko) * | 2021-05-18 | 2022-11-24 | 주식회사 쓰리아이 | 휴대 단말기 및 단말기 거치대의 제어 방법 |
FR3126487B1 (fr) * | 2021-08-30 | 2024-03-01 | Safran Ceram | Contrôle dimensionnel par projection |
CN114283129B (zh) * | 2021-12-20 | 2024-06-11 | 浙江大学 | 一种基于计算机视觉的地铁列车轮轨力监测方法 |
US11782145B1 (en) | 2022-06-14 | 2023-10-10 | Nodar Inc. | 3D vision system with automatically calibrated stereo vision sensors and LiDAR sensor |
CN115642998B (zh) * | 2022-12-26 | 2023-03-28 | 浙大城市学院 | 一种毫米波频段联合通信与定位的导频分配方法 |
CN117649437B (zh) * | 2024-01-30 | 2024-05-03 | 中南大学 | 一种轨道车辆轮轨横向位移测量方法及测量装置 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100999219A (zh) * | 2006-12-18 | 2007-07-18 | 杭州电子科技大学 | 车辆轮对踏面缺陷在线检测方法及装置 |
JP2008180619A (ja) * | 2007-01-25 | 2008-08-07 | Act Denshi Kk | 車輪測定方法とそれに使用される車輪測定装置 |
US20090055043A1 (en) * | 2007-08-20 | 2009-02-26 | Mian Zahid F | Rail vehicle identification and processing |
CN101802308A (zh) * | 2007-07-17 | 2010-08-11 | 伦斯雷尔公司 | 用于分析铁道车辆车轮的***和方法 |
CN101929844A (zh) * | 2009-06-25 | 2010-12-29 | (株)赛丽康 | 具有双立体相机的测距设备 |
CN102159918A (zh) * | 2008-09-17 | 2011-08-17 | 罗伯特·博世有限公司 | 用于测定机动车的车轮或车轴几何形状的方法和测量装置 |
CN102941861A (zh) * | 2012-11-21 | 2013-02-27 | 成都主导科技有限责任公司 | 一种货运机车正线轮对外形尺寸检测装置 |
CN103196370A (zh) * | 2013-04-01 | 2013-07-10 | 北京理工大学 | 一种导管接头空间位姿参数的测量方法和装置 |
CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
US20140285658A1 (en) * | 2013-03-21 | 2014-09-25 | International Electronic Machines Corporation | Noncontact Measuring Device |
US8925873B2 (en) * | 2012-05-24 | 2015-01-06 | International Electronic Machines Corp. | Wayside measurement of railcar wheel to rail geometry |
CN104554344A (zh) * | 2014-12-19 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 踏面缺陷信息检测***及方法 |
US20160282108A1 (en) * | 2013-03-18 | 2016-09-29 | Universidad Eafit | System and method for inspecting the geometric parameters of the wheels of railway vehicles |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06123608A (ja) * | 1992-10-12 | 1994-05-06 | Mitsubishi Electric Corp | 車輪測定装置 |
ES2122876B1 (es) * | 1995-06-29 | 1999-08-01 | Talgo Patentes | Instalacion y procedimiento de medida de parametros de rodadura por vision artificial en ruedas de vehiculos ferroviarios. |
JPH09101122A (ja) * | 1995-10-02 | 1997-04-15 | East Japan Railway Co | 車輪形状計測装置およびその方法 |
RU2247319C1 (ru) * | 2003-06-24 | 2005-02-27 | Федеральное государственное предприятие "Научно- исследовательский институт телевидения" | Система контроля износа вагонных колесных пар |
CA2743237C (en) * | 2008-10-22 | 2014-05-27 | International Electronic Machines Corp. | Thermal imaging-based vehicle analysis |
RU2396177C1 (ru) * | 2009-08-05 | 2010-08-10 | Общество с ограниченной ответственностью "АГРОЭЛ" | Способ обнаружения дефектов на поверхности катания колеса железнодорожного подвижного состава |
CN102060037A (zh) * | 2010-12-07 | 2011-05-18 | 安徽科富光电装备有限公司 | 机车轮对全周外形尺寸在线动态检测装置 |
JP2013205045A (ja) * | 2012-03-27 | 2013-10-07 | Toshiba Transport Eng Inc | 車輪形状計測装置 |
DE102013200910A1 (de) * | 2013-01-22 | 2014-07-24 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Fahrzeugvermessung |
CA2996128A1 (en) * | 2014-08-27 | 2016-03-03 | Lynxrail Corporation | System and method for analyzing rolling stock wheels |
-
2017
- 2017-02-02 BR BR102017002219-6A patent/BR102017002219B1/pt active IP Right Grant
-
2018
- 2018-01-24 CA CA2992775A patent/CA2992775A1/en active Pending
- 2018-01-31 RU RU2018103751A patent/RU2743020C2/ru active
- 2018-01-31 SE SE1850112A patent/SE542208C2/en unknown
- 2018-02-01 AU AU2018200755A patent/AU2018200755B2/en active Active
- 2018-02-01 US US15/886,545 patent/US10543859B2/en active Active
- 2018-02-02 CN CN201810105441.6A patent/CN108394426B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN100999219A (zh) * | 2006-12-18 | 2007-07-18 | 杭州电子科技大学 | 车辆轮对踏面缺陷在线检测方法及装置 |
JP2008180619A (ja) * | 2007-01-25 | 2008-08-07 | Act Denshi Kk | 車輪測定方法とそれに使用される車輪測定装置 |
CN101802308A (zh) * | 2007-07-17 | 2010-08-11 | 伦斯雷尔公司 | 用于分析铁道车辆车轮的***和方法 |
US20090055043A1 (en) * | 2007-08-20 | 2009-02-26 | Mian Zahid F | Rail vehicle identification and processing |
CN102159918A (zh) * | 2008-09-17 | 2011-08-17 | 罗伯特·博世有限公司 | 用于测定机动车的车轮或车轴几何形状的方法和测量装置 |
CN101929844A (zh) * | 2009-06-25 | 2010-12-29 | (株)赛丽康 | 具有双立体相机的测距设备 |
US8925873B2 (en) * | 2012-05-24 | 2015-01-06 | International Electronic Machines Corp. | Wayside measurement of railcar wheel to rail geometry |
CN102941861A (zh) * | 2012-11-21 | 2013-02-27 | 成都主导科技有限责任公司 | 一种货运机车正线轮对外形尺寸检测装置 |
US20160282108A1 (en) * | 2013-03-18 | 2016-09-29 | Universidad Eafit | System and method for inspecting the geometric parameters of the wheels of railway vehicles |
US20140285658A1 (en) * | 2013-03-21 | 2014-09-25 | International Electronic Machines Corporation | Noncontact Measuring Device |
CN103196370A (zh) * | 2013-04-01 | 2013-07-10 | 北京理工大学 | 一种导管接头空间位姿参数的测量方法和装置 |
CN104034733A (zh) * | 2014-07-02 | 2014-09-10 | 中国人民解放军国防科学技术大学 | 基于双目视觉监测与表面裂纹图像识别的寿命预测方法 |
CN104554344A (zh) * | 2014-12-19 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 踏面缺陷信息检测***及方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866966A (zh) * | 2018-08-27 | 2020-03-06 | 苹果公司 | 利用与环境相匹配的逼真表面属性渲染虚拟对象 |
CN110866966B (zh) * | 2018-08-27 | 2023-12-15 | 苹果公司 | 利用与环境相匹配的逼真表面属性渲染虚拟对象 |
CN110379000A (zh) * | 2019-06-24 | 2019-10-25 | 深圳前海达闼云端智能科技有限公司 | 检测飞机进气道的方法、装置、存储介质以及电子设备 |
CN110379000B (zh) * | 2019-06-24 | 2023-06-30 | 达闼机器人股份有限公司 | 检测飞机进气道的方法、装置、存储介质以及电子设备 |
CN110849643A (zh) * | 2019-12-06 | 2020-02-28 | 新昌县羽林街道伟玉机械厂 | 一种有利于模拟实时运行的铁路车轮检测装置 |
US11913345B2 (en) | 2021-07-26 | 2024-02-27 | General Electric Company | System and method of using a tool assembly |
CN116380445A (zh) * | 2023-06-05 | 2023-07-04 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
CN116380445B (zh) * | 2023-06-05 | 2023-08-08 | 吉林市特种设备检验中心(吉林市特种设备事故调查服务中心) | 基于振动波形的设备状态诊断方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
RU2743020C2 (ru) | 2021-02-12 |
SE542208C2 (en) | 2020-03-10 |
BR102017002219B1 (pt) | 2020-01-07 |
SE1850112A1 (sv) | 2018-08-03 |
CA2992775A1 (en) | 2018-08-02 |
CN108394426B (zh) | 2020-03-13 |
RU2018103751A (ru) | 2019-07-31 |
RU2018103751A3 (zh) | 2021-01-25 |
AU2018200755A1 (en) | 2018-08-16 |
AU2018200755B2 (en) | 2019-05-30 |
US20180222499A1 (en) | 2018-08-09 |
US10543859B2 (en) | 2020-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108394426A (zh) | 铁路车轮监测***及方法 | |
CN105526882B (zh) | 基于结构光测量的道岔磨耗检测***及其检测方法 | |
CN111122598B (zh) | 一种钢轨表面缺陷三维检测***及方法 | |
US6909514B2 (en) | Wheel profile inspection apparatus and method | |
Xu et al. | Real-time 3D shape inspection system of automotive parts based on structured light pattern | |
US9228834B2 (en) | Method and apparatus for obtaining photogrammetric data to estimate impact severity | |
CN103534583B (zh) | 轮胎的缺陷检测方法 | |
CN108955576B (zh) | 钢轨廓形动态检测中的多线结构光自标定方法及*** | |
CN105839505B (zh) | 一种三维可视化的路面破损信息的检测方法及检测装置 | |
CN106403828B (zh) | 一种基于棋盘格标定的单轨接触线残高测量方法及*** | |
CN104075659B (zh) | 一种基于rgb结构光源的三维成像识别方法 | |
CN104457562A (zh) | 一种基于面结构光的承载鞍在线检测*** | |
Zhong et al. | A cost-effective single-shot structured light system for 3D shape measurement | |
CN106978774A (zh) | 一种路面坑槽自动检测方法 | |
CN107421502A (zh) | 一种铁路货车限界自动化测量方法 | |
CN104648440A (zh) | 一种轮对几何参数在线测量***及其方法 | |
Usamentiaga et al. | Flatness measurement using two laser stripes to remove the effects of vibrations | |
JP2005016979A (ja) | 車載カメラ校正治具及び車載カメラ校正方法 | |
Rikhotso et al. | 3D rail modelling and measurement for rail profile condition assessment | |
CN110686622A (zh) | 一种列车车轮冲角的测量方法 | |
EP2667149A1 (en) | Measuring method for determining the section and the diameter of wheels of moving railway vehicles and measuring equipment used | |
Wang et al. | A study of error correction method based on selective focus for curved rail profile measurement | |
Yan et al. | Online measurement system of slab front-end bending in hot rough rolling based on line structured light vision | |
CN104390585B (zh) | 一种建立三维测量基准平面的装置及其方法 | |
Baris et al. | Accurate identification of 3D pose through reprojection onto a single image from mask-RCNN contour |
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 |