CN110230984B - 一种轨枕螺栓检测方法 - Google Patents

Abstract

本发明公开了一种轨枕螺栓检测方法，包括以下步骤：A)获取轨枕螺栓图像的待采集位置；B)根据待采集位置获取轨枕螺栓的平面图像数据；C)从轨枕螺栓的平面图像数据中获取形状描述，并根据形状描述识别出螺栓区域；D)计算识别为螺栓区域的轨枕螺栓中心偏移量，并得到下一帧轨枕螺栓图像的待采集位置；E)输出轨枕螺栓中心偏移量并更新待采集位置。本发明能够解决现有轨枕螺栓检测方法基于的检测装置不仅结构复杂、成本较高、标定过程繁琐，而且由于相机与激光存在较大角度，高度超过螺栓的背景物体极易遮挡激光线，因而无法采集到螺栓剖面，进而导致产生漏检，同时采用线扫描图像采集方式对前进方向的定位存在一定里程累积误差的技术问题。

Description

一种轨枕螺栓检测方法

技术领域

本发明涉及视觉图像检测技术领域，尤其是涉及一种应用于轨道交通领域的轨枕螺栓位置检测方法。

背景技术

轨枕螺栓的位置检测是铁路线路维修作业中重要的一环，主要用于获取轨枕螺栓相对于作业装置沿轨道前进方向的偏移量Y、垂直轨道方向的偏移量X，以及高度偏移量Z。而轨枕螺栓的位置信息可用于指导换轨车换轨作业、轨枕螺栓注油小车注油操作、轨枕螺栓自动松紧作业，以及自动捣固作业等自动化作业方式。

目前，轨枕螺栓的检测方式主要有人工目测、接触开关或金属传感器探测、3D点云检测等方法。其中，人工目测方法劳动强度大、作业效率低。接触开关或金属传感器探测方式只获取偏移量Y，而无法获取偏移量X和Z，而且接触开关存在易将突起的道砟误认为螺栓，金属传感器感应距离范围比较小，易被突起物碰坏等缺点。采用3D点云检测的非接触式定位方式，工作高度可控、定位准确，其中采用激光三角测量法获取三维点云检测螺栓，能同时获取偏移量X、Y、Z，但其结构复杂、成本较高、标定过程繁琐。由于相机与激光存在较大角度，所以高度超过螺栓的背景物体极易遮挡激光线，而无法采集到螺栓剖面，进而导致产生漏检(例如：野草、落叶等)。同时，其采用线扫描的图像采集方式对前进方向的定位存在一定的里程累积误差。

在现有技术中，主要有以下技术方案与本发明申请相关：

该技术方案为本申请人株洲时代电子技术有限公司、中国铁路总公司于2016年12月30日申请，并于2017年05月24日公开，公开号为CN106705862A的中国发明申请《一种快速换轨作业轨枕螺栓位置检测方法》。该发明申请公开了一种快速换轨作业轨枕螺栓位置检测方法，包括以下步骤：S10)获取轨枕螺栓的图像数据；S20)对获取的轨枕螺栓的图像数据进行处理，当计算出轨枕螺栓相对于初始标定状态发生横向偏移时，则发出控制夹钳移动方向和位移量的作业偏移量数据；S30)根据图像处理模块发出的作业偏移量数据控制夹钳移动，以保持夹钳与轨枕螺栓之间的相对位置关系。该发明申请虽然能够解决现有轨枕螺栓检测方式未实现作业的自动化，效率低下，存在较大的安全隐患，容易发生误判与误操作，导致轨枕螺栓毁坏，破坏换轨进程的技术问题。但是，该技术方案采用3D点云检测的非接触式定位方式，不仅装置结构复杂、成本较高、标定过程繁琐，而且由于相机与激光存在较大的角度，高度超过螺栓的背景物体极易遮挡激光线，因而无法采集到螺栓剖面，进而导致产生漏检。同时，该发明申请采用线扫描的图像采集方式对前进方向的定位存在一定的里程累积误差。

因此，提出一种能兼容目标部分遮挡，且能实时、精确地自动定位，获取轨枕螺栓位置信息并指导作业机构作业的轨枕螺栓检测方法成为当前亟待解决的技术问题。

发明内容

有鉴于此，本发明的目的在于提供一种轨枕螺栓检测方法，以解决现有轨枕螺栓检测方法基于的检测方法不仅结构复杂、成本较高、标定过程繁琐，而且由于相机与激光存在较大角度，高度超过螺栓的背景物体极易遮挡激光线，因而无法采集到螺栓剖面，进而导致产生漏检，同时采用线扫描的图像采集方式对前进方向的定位存在一定里程累积误差的技术问题。

为了实现上述发明目的，本发明具体提供了一种轨枕螺栓检测方法的技术实现方案，轨枕螺栓检测方法，包括以下步骤：

A)获取轨枕螺栓图像的待采集位置；

B)根据待采集位置获取轨枕螺栓的平面图像数据；

C)从轨枕螺栓的平面图像数据中获取形状描述，并根据形状描述识别出螺栓区域；

D)计算识别为螺栓区域的轨枕螺栓中心偏移量，并得到下一帧轨枕螺栓图像的待采集位置；

E)输出轨枕螺栓中心偏移量并更新待采集位置。

进一步的，所述步骤C)包括：

将形状描述为轨枕螺栓的区域作为候选区域，并对候选区域应用已训练好的网络模型进行精确类别判断，以识别出螺栓区域，对螺栓区域进行圆拟合，提取圆心坐标。

进一步的，在所述步骤D)中，根据圆心坐标计算轨枕螺栓的中心偏移量及下一帧轨枕螺栓图像的待采集位置。

进一步的，在所述步骤B)中，当图像采集的当前位置大于或等于待采集位置时，获取轨枕螺栓的平面图像数据。

进一步的，在所述步骤D)中，根据以下公式计算轨枕螺栓的中心偏移量：

并根据以下公式计算并得到下一帧轨枕螺栓图像的待采集位置：

P_g＝S+Gap-(K*y) 2)

其中，off_x为轨枕螺栓中心偏移量的X轴分量，off_y为轨枕螺栓中心偏移量的Y轴分量，K为图像的毫米像素比，(x,y)为轨枕螺栓中心在图像平面中心为坐标原点的坐标系中的坐标，d为作业装置与相机中心的距离，r为轨枕螺栓的半径，P_g为下一帧轨枕螺栓图像的待采集位置，S为当前帧的触发里程，Gap为相邻轨枕中心的间距。

进一步的，第一帧轨枕螺栓图像的待采集位置为轨枕螺栓检测装置进行***初始化时的赋值，当图像采集的当前位置到达第一帧轨枕螺栓图像的待采集位置时采集一帧图像，并记录所采集图像平面的宽度W、高度H，以及当前拍摄位置S₀。

进一步的，所述步骤C)包括：

C1)计算并获取所述轨枕螺栓的平面图像数据中的形状描述；

C2)根据预先定义形状模板，从平面图像数据的形状描述中筛选出与参数模型相似度满足设定条件的前N_c个区域作为候选区域；

C3)根据训练好的网络模型对候选区域进行精确类别判断，剔除非螺栓区域，保留螺栓区域；

C4)对螺栓区域进行圆拟合，并提取圆心坐标。

进一步的，所述步骤C1)包括：

从轨枕螺栓的平面图像数据中获取轮廓边缘点集合P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系。其中，P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系是指以P中任意一点p_i为圆心、R为半径的区域内以对数距离为间隔创建N个同心圆，并将同心圆m等分后，p_i与任意一点p_j(j≠i)的相对关系由以下各个子区域内的点分布直方图函数h_i(t)确定：

h_i(t)＝#{(p_j-p_i)∈fan(t)},(j≠i) 3)

其中，t＝{1,2,3,Λ,m*N}，#{(p_j-p_i)∈fan(t)}为点p_j与p_i之间的距离关系在扇区t中的分布表示。

分别以p_i(i＝1,2,Λ,n)作为参考点，依次计算与剩下n-1个点构成的形状直方图特征即为平面图像数据的形状描述。

进一步的，所述步骤C2)包括：

根据以下公式计算平面图像数据的形状描述与标准轨枕螺栓形状描述之间的相似度S(π)：

其中，h_j(t)为标准轨枕螺栓形状描述中任意一点q_j的形状直方图，C_i,j为p_i和q_j的匹配代价，S(π)为匹配代价的累加和，也即相似度，π为匹配方向弧度，π(i)代表匹配的姿态角度，q_π(i)为标准轨枕螺栓形状描述中的一点。

设匹配阈值为T，若满足S(π)<T则判断为螺栓候选区域，否则为非螺栓区域，并取前N_c个螺栓候选区域进行保存。

进一步的，在所述步骤C3)中：将各个螺栓候选区域分别作为训练好的CNN模型输入，根据CNN模型的输出确定候选区域是否为螺栓，若输出大于设定的阈值则为螺栓区域，否则为非螺栓区域。

进一步的，在所述步骤C4)中：对螺栓区域进行圆拟合，提取圆心坐标，并采用径向对称算法或霍夫圆拟合算法得到轨枕螺栓的中心坐标(x,y)。

进一步的，若采集的第一帧轨枕螺栓图像检测出轨枕螺栓，则判断该轨枕螺栓图像采集位置为轨枕螺栓的位置。若采集的第一帧轨枕螺栓图像未检测出轨枕螺栓，则认为第一帧轨枕螺栓图像采集位置为两个相邻轨枕螺栓之间连线的中点。

通过实施上述本发明提供的轨枕螺栓检测方法的技术方案，具有如下有益效果：

(1)本发明轨枕螺栓检测方法，其基于的检测装置无需采用复杂而庞大的结构，不进行繁琐的标定，在有砟和无砟轨道的复杂背景下，均能获取准确的轨枕螺栓位置信息，不会产生漏检，且不存在里程累积误差；

(2)本发明轨枕螺栓检测方法，通过对图像采集位置的预测更新，确保图像采集视角为垂直向下俯视螺栓且基本保持视角一致，极大程度地降低了图像中轨枕螺栓的几何透视形变，从而提高了定位精度和识别率；

(3)本发明轨枕螺栓检测方法，避免了连续采集时对同一个轨枕螺栓的重复检测，提高了检测速度，保证了***实时性，采用粗定位、精定位两次筛选，既保障了检测准确率也降低了误检率，对50％以下的目标遮挡鲁棒性很好；

(4)本发明轨枕螺栓检测方法，其基于的检测装置硬件成本低、结构简单、轻便易拆装，能够很好地适用于各种轨道车。

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的介绍。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它的实施例。

图1为本发明轨枕螺栓检测方法一种具体实施例的程序流程图；

图2为本发明轨枕螺栓检测方法一种具体实施例更为具体的程序流程图；

图3是基于本发明方法的轨枕螺栓检测装置一种具体实施例的***结构框图；

图4是本发明轨枕螺栓检测方法一种具体实施例中作业偏移量计算的原理示意图；

图5为本发明轨枕螺栓检测方法一种具体实施例中图像待采集位置计算的原理示意图；

图6为本发明轨枕螺栓检测方法一种具体实施例中形状描述计算的原理示意图；

图中：1-触发采集模块，2-图像采集模块，3-图像处理模块，4-数据处理模块，5-轨枕螺栓，6-钢轨，7-轨枕，31-形状描述单元，32-粗定位单元，33-精定位单元，34-计算单元，10-轨枕螺栓检测装置，20-作业装置，30-光源，40-相机。

具体实施方式

为了引用和清楚起见，将下文中使用的技术名词、简写或缩写记载如下：

CCD：Charge Coupled Device，电荷耦合器件的简称；

CMOS：Complementary Metal Oxide Semiconductor，互补金属氧化物半导体的简称；

CPU：Central Processing Unit，中央处理器的简称；

DSP：Digital Signal Processing，数字信号处理器的简称；

ARM：Advanced RISC Machine，增强型精简指令集计算机的简称；

GPU：Graphics Processing Unit，图形处理器的简称；

CNN：Convolutional Neural Networks，卷积神经网络的简称。

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、完整的描述。显然，所描述的实施例仅仅是本发明的一部分实施例，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作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如附图1至附图6所示，给出了本发明轨枕螺栓检测方法的具体实施例，下面结合附图和具体实施例对本发明作进一步说明。

实施例1

如附图1和附图2所示，一种本发明轨枕螺栓检测方法的实施例，具体包括以下步骤：

A)获取轨枕螺栓图像的待采集位置；首先，装置初始化，第一帧轨枕螺栓图像的待采集位置为轨枕螺栓检测装置10进行***初始化时的赋值，当图像采集的当前位置到达第一帧轨枕螺栓图像的待采集位置时采集一帧图像，并记录所采集图像平面的宽度W、高度H，以及当前拍摄位置S₀；

作为本发明一种较佳的具体实施例，若采集的第一帧轨枕螺栓图像检测出轨枕螺栓，则判断该轨枕螺栓图像采集位置为轨枕螺栓的位置；若采集的第一帧轨枕螺栓图像未检测出轨枕螺栓，则认为第一帧轨枕螺栓图像采集位置为两个相邻轨枕螺栓之间连线的中点；

B)根据待采集位置获取轨枕螺栓的平面图像数据；

在步骤B)中，当图像采集的当前位置大于或等于待采集位置时，获取轨枕螺栓的平面图像数据；

C)从轨枕螺栓的平面图像数据中获取形状描述，并根据形状描述识别出螺栓区域；

步骤C)进一步包括：

将形状描述为轨枕螺栓的区域作为候选区域；

对候选区域应用已训练好的网络模型进行精确类别判断，以识别出螺栓区域；

对螺栓区域进行圆拟合，提取圆心坐标；

D)计算识别为螺栓区域的轨枕螺栓中心偏移量，并得到下一帧轨枕螺栓图像的待采集位置；

在步骤D)中，根据圆心坐标计算轨枕螺栓5的中心偏移量及下一帧轨枕螺栓图像的待采集位置；

E)输出轨枕螺栓中心偏移量并更新待采集位置。

如附图4和附图5所示，在步骤D)中，进一步根据以下公式1)计算轨枕螺栓5的中心偏移量：

并进一步根据以下公式2)计算并得到下一帧轨枕螺栓图像的待采集位置：

P_g＝S+Gap-(K*y) 2)

其中，off_x为轨枕螺栓中心偏移量的X轴分量，off_y为轨枕螺栓中心偏移量的Y轴分量，K为图像的毫米像素比，(x,y)为轨枕螺栓中心在图像平面中心为坐标原点的坐标系中的坐标，d为作业装置20与相机40中心的距离，r为轨枕螺栓5的半径，P_g为下一帧轨枕螺栓图像的待采集位置，S为当前帧的触发里程，Gap为相邻轨枕7中心的间距。

步骤C)进一步包括：

C1)计算并获取轨枕螺栓5的平面图像数据中的形状描述；

C2)根据预先定义形状模板，从平面图像数据的形状描述中筛选出与参数模型相似度满足设定条件的前N_c个区域作为候选区域；

C3)根据训练好的网络模型对候选区域进行精确类别判断，剔除非螺栓区域，保留螺栓区域；

C4)对螺栓区域进行圆拟合，并提取圆心坐标。

步骤C1)进一步包括：

从轨枕螺栓5的平面图像数据中获取轮廓边缘点集合P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系。其中，P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系是指以P中任意一点p_i为圆心、R为半径的区域内以对数距离为间隔创建N个同心圆，并将同心圆m等分(如：将同心圆12等分)后，如附图6所示，p_i与任意一点p_j(j≠i)的相对关系由以下各个子区域内的点分布直方图函数h_i(t)确定，计算公式如式3)所示：

h_i(t)＝#{(p_j-p_i)∈fan(t)},(j≠i) 3)

其中，t＝{1,2,3,Λ,m*N}，#{(p_j-p_i)∈fan(t)}指点p_j与p_i之间距离关系在扇区t中的分布表示；

分别以p_i(i＝1,2,Λ,n)作为参考点，依次计算与剩下n-1个点构成的形状直方图特征即为平面图像数据的形状描述。

步骤C2)进一步包括：

根据以下公式4)和公式5)计算平面图像数据的形状描述与标准轨枕螺栓形状描述之间的相似度S(π)(S(π)越小则越相似)：

其中，h_j(t)为标准轨枕螺栓形状描述中任意一点q_j的形状直方图，C_i,j为p_i和q_j的匹配代价，S(π)为匹配代价的累加和，也即相似度，π为匹配方向弧度，π(i)代表匹配的姿态角度，q_π(i)为标准轨枕螺栓形状描述中的一点。

设匹配阈值为T，若满足S(π)<T则判断为螺栓候选区域，否则为非螺栓区域，并取前N_c(N_c∈[30,50])个螺栓候选区域进行保存。

在步骤C3)中：将各个螺栓候选区域分别作为训练好的CNN模型输入，根据CNN模型的输出确定候选区域是否为螺栓，若输出大于设定的阈值(如输出为0)则为螺栓区域，否则(如输出为1)为非螺栓区域。

在步骤C4)中：对螺栓区域进行圆拟合，提取圆心坐标，并采用径向对称算法或霍夫圆拟合算法得到轨枕螺栓的中心坐标(x,y)，即附图4中的P_center(x,y)。

实施例2

如附图3所示，一种基于实施例1所述方法的轨枕螺栓检测装置的实施例，具体包括：

触发采集模块1，获取轨枕螺栓图像的待采集位置。触发采集模块1主要由位置传感器、逻辑电路等组成，通过配置可获取不同精度的位置信息，同时传输多路触发信号、触发索引等参考信息。

图像采集模块2，根据待采集位置获取轨枕螺栓5的平面图像数据。图像采集模块2进一步包括光源30和相机40，图像采集模块2根据所述触发采集模块1发送的触发脉冲采集轨枕螺栓5的平面图像数据。当图像采集模块2的当前位置大于或等于待采集位置时，触发采集模块1发送触发脉冲至图像采集模块2。图像采集模块2主要由CCD或CMOS面阵相机、镜头、光源等组成，根据触发脉冲信号采集平面图像数据。

图像处理模块3，从轨枕螺栓5的平面图像数据中获取形状描述，根据形状描述识别出螺栓区域，对螺栓区域进行圆拟合，提取圆心坐标。图像处理模块3可包括CPU、DSP、ARM、FPGA等处理器的一种或多种，以及内存、GPU等设备。

数据处理模块4，根据圆心坐标计算轨枕螺栓5的中心偏移量X(即Off_x)和偏移量Y(即Off_y)，结合先验知识中相邻轨枕7上轨枕螺栓5的大概间距Gap(Gap∈[520mm,640mm])，预测下一帧轨枕螺栓图像的待采集位置。

数据处理模块4进一步根据以下公式计算轨枕螺栓5的中心偏移量：

数据处理模块4进一步根据以下公式计算并得到下一帧轨枕螺栓图像的待采集位置：

P_g＝S+Gap-(K*y) 2)

其中，off_x为轨枕螺栓中心偏移量的X轴分量，off_y为轨枕螺栓中心偏移量的Y轴分量，K为图像的毫米像素比，(x,y)(即附图4中的P_center(x,y))为轨枕螺栓中心在图像平面中心为坐标原点的坐标系中的坐标，d为作业装置20(如：可以是夹钳、注油器等)与相机40中心的距离，r为轨枕螺栓5的半径，P_g为下一帧轨枕螺栓图像的待采集位置，S为当前帧的触发里程，Gap为相邻轨枕7中心的间距。

图像处理模块3进一步包括：

形状描述单元31，计算并获取轨枕螺栓5的平面图像数据中的形状描述。

粗定位单元32，根据预先定义形状模板，从平面图像数据的形状描述中筛选出与参数模型相似度满足设定条件的前N_c个区域作为候选区域(如N_c∈[30,50])。

精定位单元33，根据训练好的网络模型对候选区域进行精确类别判断，剔除类别标签为0的非螺栓区域，保留类别标签为1的螺栓区域。精定位单元33将各个螺栓候选区域分别作为训练好的CNN模型输入，根据CNN模型的输出确定候选区域是否为螺栓，若输出大于设定的阈值则为螺栓区域，否则为非螺栓区域。

计算单元34，对螺栓区域进行圆拟合，并提取圆心坐标。计算单元34对螺栓区域进行圆拟合，提取圆心坐标，并采用径向对称算法或霍夫圆拟合算法得到轨枕螺栓的中心坐标(x,y)，即附图4中的P_center(x,y)。

形状描述单元31从轨枕螺栓5的平面图像数据中获取轮廓边缘点集合P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系。如附图5所示，其中，P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系是指以P中任意一点p_i为圆心、R为半径的区域内以对数距离为间隔创建N个同心圆，并将同心圆m等分后，p_i与任意一点p_j(j≠i)的相对关系由以下各个子区域内的点分布直方图函数h_i(t)确定：

h_i(t)＝#{(p_j-p_i)∈fan(t)},(j≠i) 3)

其中，t＝{1,2,3,Λ,m*N}，#{(p_j-p_i)∈fan(t)}指点p_j与p_i之间距离关系在扇区t中的分布表示。

分别以p_i(i＝1,2,Λ,n)作为参考点，依次计算与剩下n-1个点构成的形状直方图特征即为形状描述。

粗定位单元32根据以下公式计算形状描述单元31获取的形状描述与标准轨枕螺栓形状描述之间的相似度S(π)：

其中，h_j(t)为标准轨枕螺栓形状描述中任意一点q_j的形状直方图，C_i,j为p_i和q_j的匹配代价，S(π)为匹配代价的累加和，也即相似度，π为匹配方向弧度，π(i)代表匹配的姿态角度，q_π(i)为标准轨枕螺栓形状描述中的一点。

设匹配阈值为T，若满足S(π)<T则判断为螺栓候选区域，否则为非螺栓区域，并取前N_c个螺栓候选区域进行保存。

第一帧轨枕螺栓图像的待采集位置为轨枕螺栓检测装置10进行***初始化时的赋值，当图像采集模块2到达第一帧轨枕螺栓图像的待采集位置时采集一帧图像，并记录所采集图像平面的宽度W、高度H，以及当前拍摄位置S₀。若图像采集模块2采集的第一帧轨枕螺栓图像检测出轨枕螺栓，则判断该轨枕螺栓图像采集位置为轨枕螺栓的位置。若图像采集模块2采集的第一帧轨枕螺栓图像未检测出轨枕螺栓，则认为第一帧轨枕螺栓图像采集位置为两个相邻轨枕螺栓之间连线的中点。两种情况都可以预测出第二帧轨枕螺栓图像的采集位置，这样后面都能正常检测出轨枕螺栓了。

通过实施本发明具体实施例描述的轨枕螺栓检测方法的技术方案，能够产生如下技术效果：

(1)本发明具体实施例描述的轨枕螺栓检测方法，其基于的检测装置无需采用复杂而庞大的结构，不进行繁琐的标定，在有砟和无砟轨道的复杂背景下，均能获取准确的轨枕螺栓位置信息，不会产生漏检，且不存在里程累积误差；

(2)本发明具体实施例描述的轨枕螺栓检测方法，通过对图像采集位置的预测更新，确保图像采集视角为垂直向下俯视螺栓且基本保持视角一致，极大程度地降低了图像中轨枕螺栓的几何透视形变，从而提高了定位精度和识别率；

(3)本发明具体实施例描述的轨枕螺栓检测方法，避免了连续采集时对同一个轨枕螺栓的重复检测，提高了检测速度，保证了***实时性，采用粗定位、精定位两次筛选，既保障了检测准确率也降低了误检率，对50％以下的目标遮挡鲁棒性很好；

(4)本发明具体实施例描述的轨枕螺栓检测方法，其基于的检测装置硬件成本低、结构简单、轻便易拆装，能够很好地适用于各种轨道车。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭示如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明的精神实质和技术方案的情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同替换、等效变化及修饰，均仍属于本发明技术方案保护的范围。

Claims (11)

1.一种轨枕螺栓检测方法，其特征在于，包括以下步骤：

A)获取轨枕螺栓图像的待采集位置；

B)根据待采集位置获取轨枕螺栓的平面图像数据；

C)从轨枕螺栓的平面图像数据中获取形状描述，并根据形状描述识别出螺栓区域；

D)计算识别为螺栓区域的轨枕螺栓中心偏移量，并得到下一帧轨枕螺栓图像的待采集位置；

E)输出轨枕螺栓中心偏移量并更新待采集位置；

所述步骤C)进一步包括：

将形状描述为轨枕螺栓的区域作为候选区域，并对候选区域应用已训练好的网络模型进行精确类别判断，以识别出螺栓区域，对螺栓区域进行圆拟合，提取圆心坐标。

2.根据权利要求1所述的轨枕螺栓检测方法，其特征在于：在所述步骤D)中，根据圆心坐标计算轨枕螺栓(5)的中心偏移量及下一帧轨枕螺栓图像的待采集位置。

3.根据权利要求2所述的轨枕螺栓检测方法，其特征在于：在所述步骤B)中，当图像采集的当前位置大于或等于待采集位置时，获取轨枕螺栓的平面图像数据。

4.根据权利要求1、2或3所述的轨枕螺栓检测方法，其特征在于，在所述步骤D)中，进一步根据以下公式计算轨枕螺栓(5)的中心偏移量：

并根据以下公式计算并得到下一帧轨枕螺栓图像的待采集位置：

P_g＝S+Gap-(K*y) 2)

其中，off_x为轨枕螺栓中心偏移量的X轴分量，off_y为轨枕螺栓中心偏移量的Y轴分量，K为图像的毫米像素比，(x,y)为轨枕螺栓中心在图像平面中心为坐标原点的坐标系中的坐标，d为作业装置(20)与相机(40)中心的距离，r为轨枕螺栓(5)的半径，P_g为下一帧轨枕螺栓图像的待采集位置，S为当前帧的触发里程，Gap为相邻轨枕(7)中心的间距。

5.根据权利要求4所述的轨枕螺栓检测方法，其特征在于：第一帧轨枕螺栓图像的待采集位置为轨枕螺栓检测装置(10)进行***初始化时的赋值，当图像采集的当前位置到达第一帧轨枕螺栓图像的待采集位置时采集一帧图像，并记录所采集图像平面的宽度W、高度H，以及当前拍摄位置S₀。

6.根据权利要求1、2、3或5所述的轨枕螺栓检测方法，其特征在于，所述步骤C)进一步包括：

C1)计算并获取所述轨枕螺栓(5)的平面图像数据中的形状描述；

C2)根据预先定义形状模板，从平面图像数据的形状描述中筛选出与参数模型相似度满足设定条件的前N_c个区域作为候选区域；

C3)根据训练好的网络模型对候选区域进行精确类别判断，剔除非螺栓区域，保留螺栓区域；

C4)对螺栓区域进行圆拟合，并提取圆心坐标。

7.根据权利要求6所述的轨枕螺栓检测方法，其特征在于，所述步骤C1)进一步包括：

从轨枕螺栓(5)的平面图像数据中获取轮廓边缘点集合P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系；其中，P＝{p₁,p₂,p₃,Λ,p_n}及其相互关系是指以P中任意一点p_i为圆心、R为半径的区域内以对数距离为间隔创建N个同心圆，并将同心圆m等分后，p_i与任意一点p_j(j≠i)的相对关系由以下各个子区域内的点分布直方图函数h_i(t)确定：

h_i(t)＝#{(p_j-p_i)∈fan(t)},(j≠i) 3)

其中，t＝{1,2,3,Λ,m*N}，#{(p_j-p_i)∈fan(t)}为点p_j与p_i之间的距离关系在扇区t中的分布表示；

分别以p_i(i＝1,2,Λ,n)作为参考点，依次计算与剩下n-1个点构成的形状直方图特征即为平面图像数据的形状描述。

8.根据权利要求7所述的轨枕螺栓检测方法，其特征在于，所述步骤C2)进一步包括：

根据以下公式计算平面图像数据的形状描述与标准轨枕螺栓形状描述之间的相似度S(π)：

其中，h_j(t)为标准轨枕螺栓形状描述中任意一点q_j的形状直方图，C_i,j为p_i和q_j的匹配代价，S(π)为匹配代价的累加和，也即相似度，π为匹配方向弧度，π(i)代表匹配的姿态角度，q_π(i)为标准轨枕螺栓形状描述中的一点；

设匹配阈值为T，若满足S(π)<T则判断为螺栓候选区域，否则为非螺栓区域，并取前N_c个螺栓候选区域进行保存。

9.根据权利要求7或8所述的轨枕螺栓检测方法，其特征在于，在所述步骤C3)中：将各个螺栓候选区域分别作为训练好的CNN模型输入，根据CNN模型的输出确定候选区域是否为螺栓，若输出大于设定的阈值则为螺栓区域，否则为非螺栓区域。

10.根据权利要求9所述的轨枕螺栓检测方法，其特征在于，在所述步骤C4)中：对螺栓区域进行圆拟合，提取圆心坐标，并采用径向对称算法或霍夫圆拟合算法得到轨枕螺栓的中心坐标(x,y)。

11.根据权利要求1、2、3、5、7、8或10所述的轨枕螺栓检测方法，其特征在于：若采集的第一帧轨枕螺栓图像检测出轨枕螺栓，则判断该轨枕螺栓图像采集位置为轨枕螺栓的位置；若采集的第一帧轨枕螺栓图像未检测出轨枕螺栓，则认为第一帧轨枕螺栓图像采集位置为两个相邻轨枕螺栓之间连线的中点。

Images