CN109269403B - 一种基于机器视觉的接触网导线磨耗测量方法及装置 - Google Patents
一种基于机器视觉的接触网导线磨耗测量方法及装置 Download PDFInfo
- Publication number
- CN109269403B CN109269403B CN201710579763.XA CN201710579763A CN109269403B CN 109269403 B CN109269403 B CN 109269403B CN 201710579763 A CN201710579763 A CN 201710579763A CN 109269403 B CN109269403 B CN 109269403B
- Authority
- CN
- China
- Prior art keywords
- wire
- image
- contact
- abrasion
- lead
- 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
Images
Classifications
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及城市轨道交通中的地铁***接触网刚性导线测量领域。针对现有技术存在的问题,本发明提供一种基于机器视觉的接触网导线磨耗测量方法及装置。通过利用图像处理和机器视觉的基本方法,实现磨耗测量。在采集的包含导线的图像中,通过图像处理阈值化和连通区域特性分析,将L1、L2以及L3与图像中其余背景分割,并利用导线边界位置E1与E2,确定导线L2,对L2宽度进行测量即可得到磨耗值d。进一步的,若由于地铁线路复杂造成导线在图像中仅存在局部区域不连续,而无法准确计算导线L2各位置的磨耗值d时,采用导线跟踪、图像细化等处理得到导线的准确位置,以此计算测量导线磨耗值d。
Description
技术领域
本发明涉及城市轨道交通中的地铁***接触网刚性导线测量领域,尤其是一种基于机器视觉的接触网导线磨耗测量方法及装置。
背景技术
在电气化铁路中,列车运行通过受电弓滑板与接触网导线的相互接触滑动取电流。为了保证受电弓良好受流,需要受电弓滑板与接触线之间具备一定的接触压力。但是,随着列车运行所带来的振动,以及受电弓滑板与接触线之间长期接触,接触网导线将会存在不同程度和不同角度的磨耗。
从物理学知识可知,接触网导线磨耗的大小主要与弓网压力大小、受电弓滑板特性及接触线线面的状态有关。刚性悬挂汇流排没有弹性,用于抵消受电弓抬升力的作用力,随受电弓对接触悬挂的抬升力的出现而突然出现,这样受电弓抬升力对接触悬挂的冲量就比较大,从而接触线的磨耗程度更大。根据铁路线路相关技术指标,当接触线磨耗到一定程度,就需要维护或更换,否则易造成安全事故。因此,需要对地铁线路的接触线磨耗状态进行不定期测量监测。
发明内容
本发明所要解决的技术问题是:针对现有技术存在的问题,提供一种基于机器视觉的接触网导线磨耗测量方法及装置。通过利用图像处理和机器视觉的基本方法,实现磨耗测量。在采集的包含导线的图像中,通过图像处理阈值化和连通区域特性分析,将L1、L2以及L3与其余部分分割开,并利用导线边界区域E1与E2位置,确定导线L2,对L2宽度进行测量即可得到磨耗值d。进一步的,若无法准确地计算磨耗值d,采用导线跟踪、图像细化等处理得到导线的准确位置,以此计算测量导线磨耗值d。
本发明采用的技术方案如下:
一种基于机器视觉的接触网导线磨耗测量方法包括:
图像采集步骤:单路相机采集包括接触网导线底部的接触网导线图像;
导线最大连通区域步骤:从上述接触网导线图像中分割出包含L1、L2以及L3的导线最大连通区域、边界位置E1及边界位置E2;
导线定位步骤:基于导线最大连通区域的阈值化处理得到阈值化图像T(x,y);根据连通区域特性,阈值化图像T(x,y)结合边界位置E1、边界位置E2,得到L1、L2以及L3的位置信息;
磨耗值计算步骤:利用L2的位置信息,采用图像处理的原理计算导线磨耗值d。
进一步的,当无法计算出导线磨耗值d时,则在导线定位步骤之后,磨耗值计算步骤之前还包括导线轮廓跟踪步骤,具体为:
细化L1、L2以及L3中心位置;
在导线最大连通域基础上,L1、L2以及L3中心位置结合边界位置E1、边界位置E2,识别L1、L2以及L3导线不连续;
利用导线最大连通域垂直方向梯度和梯度灰度分布的连续性,跟踪识别出图像中L1、L2以及L3导线不连续部分,得到L1、L2或L3在图像中的完整轮廓位置。
进一步的,细化L1、L2以及L3中心位置具体指的是:
在计算得到L1、L2和L3以及汇流排边界E1、E2基础上,利用二值图像细化算法,对L1、L2和L3所在的最大连通区域进行细化处理,即可得到L1、L2和L3对应的3条中心线。
进一步的,分割出导线最大连通区域、边界位置E1及边界位置E2具体过程是:通过设定经验阈值,将包括L1、L2以及L3的导线最大连通区域与背景区域区分,得到包括L1、L2以及L3的导线最大连通区域。
进一步的,导线最大连通区域的阈值化处理是通过计算相机采集原始图像的梯度图像,并基于梯度图像阈值t进行导线最大连通区域阈值化处理,得到阈值化图像T(x,y)。
进一步的,梯度图像阈值t计算过程是:
进一步的,单路相机安装在检测列车车顶,并位于接触网导线下方,负责采集包括接触网导线底部的接触网导线图像。
进一步的,导线磨耗值d计算是利用导线L2的位置信息,采用图像处理的方法,通过计算导线L2位置横向的灰度变化计算得到导线L2的磨耗宽度,根据L2宽度得到导线磨耗值d。
一种基于机器视觉接触网导线磨耗测量装置包括:
图像采集模块,用于通过单路相机采集包括接触网导线底部的接触网导线图像;
导线最大连通区域模块,用于从上述接触网导线图像中分割出包含L1、L2以及L3的导线最大连通区域、边界位置E1及边界位置E2;
导线定位模块,用于导线最大连通区域的阈值化处理得到阈值化图像T(x,y),根据导线连通区域特性,结合边界位置E1、边界位置E2,得到L1、L2以及L3的位置信息。
磨耗值计算模块,用于利用L2的位置信息,采用图像处理的原理计算导线磨耗值d。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
采用线阵相机实现接触线导线磨耗图像采集,使得导线的磨耗情况更易直观监测;
对接触线导线磨耗图像采集进行两次二值化处理,即首先将包括L1、L2以及L3的导线最大连通区域与背景分割开,用较低的经验阈值就可以实现(根据线路导线成像一般灰度分布,设定经验阈值的方法,提取包括L1、L2和L3在内的整个导线最大连通区域);第二次通过精确计算的t值,将导线最大连通区域的梯度图值进行二值化,比较精确的将L1、L2以及L3与其余图像进行分割。在理想状态下,即可获得导线L2宽度,达到精确测量的目的;接触网导线的核心定位方法是基于梯度图像,能在很大程度克服地铁线路环境复杂多样带来的各种干扰。
本方案除过上述实现过程外,对于特殊情况也有相应处理过程,即当无法计算出导线磨耗值d时,对L1、L2以及L3图像进行判断,针对L1、L2和L3导线不连续的情况进行进一步的判断,提高本发明的测量精度。
采用非接触式方法完成接触网导线磨耗测量,可实现整条线路的实时磨耗状态检测,便于及时反馈维修更换;
该方法可满足接触网导线不同拉出值范围标准的磨耗测量,易于扩展。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是接触网刚性导线图示。
图2是磨耗导线对比图。
图3是接触网刚性导线示图。
图4是算法流程总图。
图5是导线定位相关流程图。
图6是导线磨耗检测流程图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
背景说明:
目前国内地铁线路接触网主要由刚性接触网组成。刚性接触网核心两大部件是汇流排和接触线,如图1所示,在本文中,若非特殊说明,接触网导线均指图1中包含汇流排和接触线两个组件在内的完整刚性接触线,而导线则指图1中的接触线,汇流排指图1中的汇流排。列车在运行过程中,通过车顶受电弓滑板与导线之间滑动接触来实现取流;同一条线路的接触网导线经过长时间不同列车受电弓滑板的滑动,将逐渐出现导线磨耗情况,同时由于不同受电弓与导线之间的接触压力不同,将导致不同接触线位置的磨耗状态不一致,因此有必要对线路接触网导线磨耗状态进行测量监测,以便于尽快对线路进行检修维护。
如图2所示,全新未磨损导线与磨损导线的切面示图区分明显,新导线的下半部分呈完整圆弧状,而磨损导线底端呈平面状,沿图像横向磨耗宽度为w,磨耗测量即需要完成L2磨耗宽度w的测量。磨耗的最终数据呈现方式根据不同的需求而不同,本方案最终磨耗测量数据值以切面磨损直径长度d的数据形式呈现。
图3为接触网刚性导线基本轮廓示图,图中L1表示接触网导线的左侧汇流排端部,L2表示受电弓滑板与接触网导线实际接触时,刚性导线磨耗形成具有磨耗宽度w的切面部分,L3表示接触网导线的右侧汇流排端部。边界位置E1、边界位置E2分别对应表示单路相机采集包括接触网刚性导线底部的图像中导线L1左边界、L3右边界。相机安装在检测列车车顶,负责采集接触网导线的图像,由于L1、L2、L3比背景部分距离相机更近,所以在采集图像中,通过设置经验值,L1、L2、L3能与背景区域图像很好的区分;导线磨耗平面形成具有磨耗宽度w的导线L2、汇流排L1、L3两端是需要识别的图像(图3中L1、L2、L3三条网格线区域),其余部分是背景区域(L1、L3中间白色区域)。x表示接触线图像中平行于地面的方向坐标,y表示接触线图像中垂直x轴方向的坐标。在本专利中,接触网导线主要由这三个组件构成。在实际相机采集图像中,L1、L2和L3呈较亮条状区域,背景区域较暗。一般情况下,汇流排两端L1、L3宽度是固定,L1与L3之间宽度也是固定值,未磨耗导线的切面比磨耗导线的切面宽度小。x表示接触线图像中平行于地面的横向方向坐标,y表示接触线图像中垂直x轴方向的纵向方向坐标。
导线最大连通区域分割模块、接触网导线分割模块、导线磨耗值计算模块都是通过具有数据处理功能的处理器等硬件设备实现。
本发明工作原理:
接触网导线的磨耗测量是利用图像处理对相机采集图像中的接触网导线定位,分析导线灰度分布特性的方法完成。首先相机完成有效拉出值范围内导线成像图像采集,然后利用图像处理算法对图像中包括L1、L2以及L3的接触网刚性导线最大连通区域与其余部分分割,以此判别磨耗测量的相机图像采集有效性;最后在有效的相机采集图像中,将包括L1、L2以及L3的接触网刚性导线最大连通区域通过对导线的灰度成像灰度特性和边缘梯度特性分析识别,根据L2的导线磨损宽度d的实现导线磨耗宽度w的检测。
实施例一:
步骤1:单路相机采集包括接触网刚性导线底部的接触网图像;
步骤2:从上述接触网图像中分割出包括L1、L2以及L3的接触网导线最大连通区域、边界位置E1及边界位置E2;
步骤2种分割出导线最大连通区域、边界位置E1及边界位置E2具体过程是:根据接触网导线成像一般灰度分布特性,通过设定经验阈值,将包括L1、L2以及L3的导线最大连通区域与背景区域区分,得到包括L1、L2以及L3的导线最大连通区域。
步骤3:接触网导线最大连通区域的阈值化处理得到阈值化图像T(x,y),根据接触网导线连通区域特性,结合边界位置E1、边界位置E2,将L1、L2以及L3与导线最大连通区域其余背景图像分割,得到L1、L2以及L3的位置信息,位置信息指的是L1、L2以及L3左右边界以及宽度信息;
其中,步骤3中接触网导线最大连通区域的阈值化处理是通过计算相机采集接触网图像的梯度图像值,并基于梯度图像阈值t进行导线最大连通区域阈值化处理;
步骤3中接触网刚性导线最大连通区域的阈值化处理得到阈值化图像T(x,y)具体过程为:
步骤31、采用梯度算子计算提取导线梯度图像,有利于去除图像中大部分的噪声,采用的梯度算子模板:
设单路相机采集包括接触网刚性导线底部的结接触线图像,即原相机采集图像I(x,y),则梯度图像值E(x,y)=E(I(x,y));
步骤32、通过阈值t将梯度图像值E进行阈值化处理,得到阈值化图像T(x,y)。
其中t计算过程是:根据该单路相机采集包括接触网刚性导线底部的图像I(x,y)的梯度图像值E(x,y),计算基于灰度值加权的接触线图像梯度图像值与接触线图像梯度图像值比值得到t。具体过程为:
设梯度图像为E(x,y),则梯度图像阈值化的阈值其中:ex=Ex(I(x,y)),ey=Ey(I(x,y)),exy=(ex+ey)·I(x,y),Sxy=∑exy,其中,-ex表示接触线图像中某一个像素坐标x(当前像素)水平方向的梯度图像值;ey表示接触线图像某一个像素坐标y(当前像素)垂直方向的梯度图像值;exy表示接触线图像中某一个像素坐标(x,y)(当前)像素点总梯度值;Sxy表示接触线图像梯度图像值总和;表示基于灰度值加权的接触线图像梯度图像值总和。
步骤4:利用导线L2的定位信息,采用图像处理的原理计算导线磨耗值d。
其中步骤4具体是利用导线L2的定位信息,采用图像处理的方法,通过导线L2位置横向的灰度变化计算得到导线L2的磨损宽度w,根据L2磨损宽度w得到导线磨耗值d。根据圆的几何关系转换,设定导线半径为r。于是,可计算得到导线磨耗值d:
d=Γ(w,r);Γ为导线磨耗值d与w、r之间的几何转换关系式。
实施例二:在实施例一基础上,当通过一路图像采集相机,无法识别L2宽度信息,进而无法计算出导线磨耗值d时,则需要进一步判断单幅图像中是否因为图像中L1、L2即L3导线不连续;具体步骤为:
步骤5:当无法计算出导线磨耗值d时,则还包括:
步骤51:细化L1、L2以及L3中心位置;即在计算得到L1、L2和L3以及汇流排边界E1、E2基础上,利用二值图像细化算法,对L1、L2和L3所在的最大连通区域进行细化处理,即可得到L1、L2和L3对应的3条中心线;
步骤52:在导线最大连通域基础上,L1、L2以及L3中心位置结合导线左右边界E1、E2,识别L1、L2以及L3导线不连续;L1、L2以及L3导线不连续指的是以下三种方式中任意一种:
1)L1、L2以及L3中任意一条导线不连续;
2)L1、L2以及L3中任意两条导线;
3)L1、L2以及L3三条导线同时不连续;
步骤53:由于地铁线路环境复杂,采集图像差异性等原因,步骤52得到的L1、L2和L3组件的位置并不完整,则步骤53利用导线最大连通域垂直方向梯度和灰度分布的连续性,计算垂直方向导线相邻两行图像中梯度渐变最小变化,跟踪识别出图像中L1、L2以及L3导线不连续部分图像,得到L1、L2或L3在图像中的完整轮廓位置。
步骤54:基于灰度变化平滑L1、L2以及L3位置。该步骤主要是使得L1、L2和L3的曲线轮廓位置更加平滑。
其中,步骤51中细化L1、L2以及L3中心位置具体指的是:基于L1、L2以及L3位置以及边界位置E1、E2,根据细化算法完成,得到L1、L2以及L3中心位置,形成L1、L2以及L3的3条对应中心线。
其中,二值图像细化算法,一般指二值图像的骨架化的一种操作运算,是将图像的线条从多像素宽度减少到单位像素宽度过程的简称。目前,该方向的图像算法成熟应用的较多,如Hilditch、Pavlidis、Rosenfenld等算法。本文采用广泛应用的Hilditch细化算法。
Hilditch细化算法的步骤为:
假设背景值为0,前景值为1。像素p的3x3邻域结构为:
x4 | x3 | x2 |
x5 | p | x1 |
x6 | x7 | x8 |
对图像从左向右从上向下迭代每个像素,视为一个迭代周期。在每个迭代周期中,对于每一个像素p,如果它同时满足以下6个条件,则标记它。在当前迭代周期结束时,则把所有标记的像素的值设为背景值。如果某次迭代周期中不存在标记点(即满足6个条件的像素),则算法结束。
6个条件为:
(1):p为1,即p不是背景;
(2):x1,x3,x5,x7不全部为1(否则把p标记删除,图像空心了);
(3):x1~x8中,至少有2个为1(若只有1个为1,则是线段的端点。若没有为1的,则为孤立点);
(4):p的8连通联结数为1;
联结数指在像素p的3x3邻域中,和p连接的图形分量的个数:
(5)假设x3已经标记删除,那么当x3为0时,p的8联通联结数为1;
(6)假设x5已经标记删除,那么当x5为0时,p的8联通联结数为1。
步骤53中得到L1、L2以及L3在图像中的完整轮廓位置具体过程是:通过步骤52,可计算得到L1、L2和L3在图像中的位置,但是L1、L2和L3的位置不连续;某条曲线如L1在纵向断裂(不连续)位置,通过不间断计算断裂(不连续)各行与有效行导线所在位置的梯度值,计算梯度渐变最小值的方式跟踪得到断裂各行所在位置,从而补齐得到完整轮廓位置。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (8)
1.一种基于机器视觉的接触网导线磨耗测量方法,其特征在于包括:
图像采集步骤:单路相机采集包括接触网导线底部的接触网导线图像;
导线最大连通区域步骤:从上述接触网导线图像中提取包含L1、L2以及L3的导线最大连通区域、边界位置E1及边界位置E2;其中,L1表示接触网导线的左侧汇流排端部,L2表示受电弓滑板与接触网导线实际接触时,刚性导线磨耗形成具有磨耗宽度的切面部分,L3表示接触网导线的右侧汇流排端部;边界位置E1、边界位置E2分别对应L1左边界、L3右边界;
导线定位步骤:基于导线最大连通区域的阈值化处理得到阈值化图像T(x,y);根据连通区域特性,阈值化图像T(x,y)结合边界位置E1、边界位置E2,得到L1、L2以及L3的位置信息;其中位置信息指的是L1、L2以及L3的左右边界以及宽度信息;所述导线最大连通区域的阈值化处理是通过计算相机采集原始图像的梯度图像,并基于梯度图像阈值t进行导线最大连通区域阈值化处理,得到阈值化图像T(x,y);
磨耗值计算步骤:利用L2的位置信息,采用图像处理的原理计算导线磨耗值d。
2.根据权利要求1所述的一种基于机器视觉的接触网导线磨耗测量方法,其特征在于当无法计算出导线磨耗值d时,则在导线定位步骤之后,磨耗值计算步骤之前还包括导线轮廓跟踪步骤,具体为:
细化L1、L2以及L3中心位置;
在导线最大连通域基础上,L1、L2以及L3中心位置结合边界位置E1、边界位置E2,识别L1、L2以及L3导线不连续;
利用导线最大连通域垂直方向灰度和梯度分布的连续性,跟踪识别出图像中L1、L2以及L3导线不连续部分图像,得到L1、L2或L3在图像中的完整轮廓位置。
3.根据权利要求2所述的一种基于机器视觉的接触网导线磨耗测量方法,其特征在于细化L1、L2以及L3中心位置具体指的是:
在计算得到L1、L2和L3以及汇流排边界E1、E2基础上,利用二值图像细化算法,对L1、L2和L3所在的最大连通区域进行细化处理,即可得到L1、L2和L3对应的3条中心线。
4.根据权利要求2所述的一种基于机器视觉的接触网导线磨耗测量方法,其特征在于分割出导线最大连通区域、边界位置E1及边界位置E2,具体过程是:通过设定经验阈值,将包括L1、L2以及L3的导线最大连通区域与背景区域区分,得到包括L1、L2以及L3的导线最大连通区域。
6.根据权利要求1所述的一种基于机器视觉的接触网导线磨耗测量方法,其特征在于相机安装在检测列车车顶,位于接触网导线正下方,采集包括接触网导线底部的接触网导线图像。
7.根据权利要求1所述的一种基于机器视觉的接触网导线磨耗测量方法,其特征在于导线磨耗值d计算是利用导线L2的位置信息,采用图像处理的方法,通过计算导线L2位置横向的灰度变化计算得到导线L2的磨耗宽度,根据L2宽度得到导线磨耗值d。
8.基于权利要求1至6之一所述基于机器视觉接触网导线磨耗测量方法的接触网导线磨耗测量装置,其特征在于包括:
图像采集模块,用于通过单路相机采集包括接触网导线底部的接触网导线图像;
导线最大连通区域提取模块,用于从上述接触网导线图像中分割出包含L1、L2以及L3的导线最大连通区域、边界位置E1及边界位置E2;其中,L1表示接触网导线的左侧汇流排端部,L2表示受电弓滑板与接触网导线实际接触时,刚性导线磨耗形成具有磨耗宽度的切面部分,L3表示接触网导线的右侧汇流排端部;边界位置E1、边界位置E2分别对应L1左边界、L3右边界;
导线定位模块,用于导线最大连通区域的阈值化处理得到阈值化图像T(x,y),根据导线连通区域特性,结合边界位置E1、边界位置E2,得到L1、L2以及L3的位置信息;其中位置信息指的是L1、L2以及L3的左右边界以及宽度信息;所述导线最大连通区域的阈值化处理是通过计算相机采集原始图像的梯度图像,并基于梯度图像阈值t进行导线最大连通区域阈值化处理,得到阈值化图像T(x,y);
磨耗值计算模块,用于利用L2的位置信息,采用图像处理的原理计算导线磨耗值d。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710579763.XA CN109269403B (zh) | 2017-07-17 | 2017-07-17 | 一种基于机器视觉的接触网导线磨耗测量方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710579763.XA CN109269403B (zh) | 2017-07-17 | 2017-07-17 | 一种基于机器视觉的接触网导线磨耗测量方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109269403A CN109269403A (zh) | 2019-01-25 |
CN109269403B true CN109269403B (zh) | 2020-02-04 |
Family
ID=65147727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710579763.XA Active CN109269403B (zh) | 2017-07-17 | 2017-07-17 | 一种基于机器视觉的接触网导线磨耗测量方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109269403B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110503048B (zh) * | 2019-08-26 | 2020-07-17 | 中铁电气化局集团有限公司 | 刚性接触网悬挂装置的识别***和方法 |
CN110992348B (zh) * | 2019-12-10 | 2023-09-19 | 成都国铁电气设备有限公司 | 一种基于3d结构光相机的地铁接触网磨耗测量方法及*** |
CN111260631B (zh) * | 2020-01-16 | 2023-05-05 | 成都地铁运营有限公司 | 一种高效刚性接触线结构光光条提取方法 |
CN114541197B (zh) * | 2021-12-31 | 2024-04-05 | 上海天链轨道交通检测技术有限公司 | 一种轨道沉降、偏移的动态测量方法、装置及*** |
CN114909990B (zh) * | 2022-03-02 | 2024-04-05 | 上海天链轨道交通检测技术有限公司 | 一种车载非接触式的接触线磨耗测量方法、装置与*** |
CN116309280A (zh) * | 2022-12-16 | 2023-06-23 | 上海药明康德新药开发有限公司 | 一种淋巴细胞标注方法和*** |
CN117029696B (zh) * | 2023-10-08 | 2024-01-02 | 天津津铁供电有限公司 | 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
EP2071277A1 (en) * | 2006-10-05 | 2009-06-17 | Meidensha Corporation | Trolley wire wear measuring device |
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
CN104748685A (zh) * | 2015-04-17 | 2015-07-01 | 上海铁路局科学技术研究所 | 一种接触网几何参数动态测量方法 |
-
2017
- 2017-07-17 CN CN201710579763.XA patent/CN109269403B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2071277A1 (en) * | 2006-10-05 | 2009-06-17 | Meidensha Corporation | Trolley wire wear measuring device |
CN101334896A (zh) * | 2008-07-25 | 2008-12-31 | 西安交通大学 | 数字图像测量亚像素边沿处理方法 |
CN103150735A (zh) * | 2013-03-26 | 2013-06-12 | 山东大学 | 一种基于灰度差值平均的图像边缘检测方法 |
CN104748685A (zh) * | 2015-04-17 | 2015-07-01 | 上海铁路局科学技术研究所 | 一种接触网几何参数动态测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109269403A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109269403B (zh) | 一种基于机器视觉的接触网导线磨耗测量方法及装置 | |
CN109269415B (zh) | 一种基于多路相机的接触网导线磨耗测量方法及装置 | |
CN109269416B (zh) | 一种接触网导线磨耗测量方法及装置 | |
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
CN104655030B (zh) | 一种输电线路覆冰检测与预警装置 | |
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 | |
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 | |
Aydin et al. | A new contactless fault diagnosis approach for pantograph-catenary system | |
CN110910443B (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
RU2009108733A (ru) | Устройство для измерения износа контактного провода | |
CN108759670A (zh) | 一种基于非接触式检测技术的接触线磨耗动态检测装置 | |
CN108596872B (zh) | 基于Gabor小波和SVM的钢轨病害的检测方法 | |
CN107967681B (zh) | 一种基于机器视觉的电梯补偿链冲伤缺陷检测方法 | |
CN105133471A (zh) | 一种基于线结构光路面检测***的路面深度图像生产方法 | |
CN108830822B (zh) | 基于改进Canny算子的受电弓碳滑板磨耗识别方法 | |
CN115690012A (zh) | 一种电能表接错线的检测方法 | |
CN111242052B (zh) | 一种接触网刚柔导线自动判别方法及装置 | |
CN111127381B (zh) | 一种受电弓滑板不平行检测方法 | |
CN108759671B (zh) | 一种接触线磨耗动态检测方法 | |
CN111062933A (zh) | 一种基于视场自适应调节的输电线路覆冰图像检测方法 | |
CN108961288B (zh) | 一种轨腰塞钉销及引线检测图像智能识别方法 | |
CN111260631B (zh) | 一种高效刚性接触线结构光光条提取方法 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、***和介质 | |
Tastimur et al. | A real time interface for vision inspection of rail components and surface in railways |
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 |