CN110567680B - 一种基于角度比对的轨道扣件松动检测方法 - Google Patents
一种基于角度比对的轨道扣件松动检测方法 Download PDFInfo
- Publication number
- CN110567680B CN110567680B CN201810582857.7A CN201810582857A CN110567680B CN 110567680 B CN110567680 B CN 110567680B CN 201810582857 A CN201810582857 A CN 201810582857A CN 110567680 B CN110567680 B CN 110567680B
- Authority
- CN
- China
- Prior art keywords
- image
- fastener
- bolt
- matching
- angle
- 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
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于角度比对的轨道扣件松动检测方法,属于铁路基础设施检测领域。本发明的主要步骤为:采用线阵或面阵成像装置获取轨道扣件图像,进行图像预处理,选取扣件感兴趣区域,从中识别出螺栓区域,进行模板匹配,计算螺栓转动角度,根据阈值角度判断螺栓是否转动、浮起,进而判断轨道扣件是否松动。本发明所提出的检测方法使用方便,不会改变现有铁路扣件结构,可通过检测多种类型扣件螺栓或螺母是否转动、浮起,来判断轨道扣件是否松动。
Description
技术领域
本发明涉及铁路基础设施检测领域,具体指一种基于角度比对的轨道扣件松动检测方法。
背景技术
扣件是连接钢轨和轨枕的重要部件,其作用是将钢轨固定在轨枕上,保持轨距以及阻止钢轨发生相对于轨枕的纵横向移动,因此,扣件在保证轨道稳定性、可靠性方面起着十分重要的作用。螺栓和螺帽是确保扣件固定牢靠的关键,螺栓或螺帽一旦发生浮起,必然会导致扣件发生松动,进而造成严重的安全隐患。
在铁路基础设施检测上,我国长期以人工和静态检测为主,养护费用高,强度高,安全性差,随着高速铁路迅猛发展,对铁路检测的自动化、实时性提出了更高的要求。目前,国内外已出现了一些基于图像的扣件检测缺陷检测方法,主要通过线阵相机拍摄扣件图像,通过图像处理算法,识别扣件缺陷。但是,现有的这些扣件检测***都无法识别和检测扣件是否松动。
ZL.201580000881.X公开了一种铁路扣件螺栓松动自动显示装置,该装置通过包括上下两层垫片,当上层垫片和下层垫片之间的摩擦力小于弹簧的张力时,上层垫片和下层垫片两者在弹簧张力作用下重叠部分分开,露出反光装置或发光装置,从而使检测设备或检测人员发现。该专利虽然可以检测出铁路扣件螺栓是否松动,但其主要缺点在于:需要在铁轨施工过程中,安装这些垫片,改变现有扣件结构。并且,这种方式需要人工参与检测,无法自动判别扣件松动。
专利Z.201210192641.2介绍一种基于红外热成像的铁路扣件松动高速探测***与方法:利用内置红外摄像机直接获取扣件取扣件与钢轨的接触应力产生的红外热成像图,通过红外图像灰度值,判断扣件是否松动或缺失并进行自动预警。但是,该方法存在以下缺点:1)采用面阵红外摄像机,存在扣件成像区域对准困难、采集图像数据量大的问题,并且面阵红外摄像机的成像分辨率低、设备成本高;2)直接利用红外图像观察值与最小、最大应力值对应的温度值做比较的检测方法,在实际应用中还存在着两个问题:首先,在不同的列车运行速度下,扣件所受到的挤压力大小不同,所产生的热量也不同,因此,难以采用相同的检测阈值用于不同速度水平扣件松动检测;其次,该方法不能检测扣件裂纹异常。
综上,亟待研究一种在不改变现有扣件结构,特别是在已经施工完成的铁路上能够实现自动、可靠检测扣件松动的方法。
发明内容
本发明的目的是提供一种基于角度比对的轨道扣件松动检测方法,在不改变现有扣件结构的基础上,通过判断螺栓或螺帽是否浮动进而判断轨道扣件是否发生松动,以解决现有轨道扣件松动检测方法所存在的精度差、效率低、适用范围有限的问题。
为解决上述技术问题,本发明的技术方案来如下:
一种基于角度比对的轨道扣件松动检测方法,其特征在于:包括以下步骤:
步骤1:采用线阵或面阵成像装置获取轨道扣件图像;
所述步骤1中线阵或面阵成像装置的光轴垂直于轨道路面成像,获取螺栓图像。
步骤2:进行扣件图像预处理,选取扣件感兴趣区域;
所述步骤2中图像预处理包括:图像去噪,成像装置的镜头畸变修正,并根据成像装置外参,将获取的扣件图像变换为鸟瞰图像,在鸟瞰图像上进行后续处理;当采用线阵扫描成像装置获取扣件图像时,还需要对扣件图像的横、纵方向上单位像素的物理尺寸进行校准,以保证拍摄扣件不存在形状失真。
所述步骤2中扣件感兴趣区域是包含螺栓在内的一个较大区域,可采用手动选取,也可以采用SVM或深度学习或神经网络分类等方法在预处理后的图像中自动检测得到。
步骤3:根据螺栓在扣件感兴趣区域中的位置关系,定位螺栓区域;
步骤4:在螺栓区域内,取当前扣件螺栓历史图像作为模板,进行模板匹配,根据模板匹配结果计算螺栓转动角度β;
所述步骤4中进行模板匹配,计算螺栓转动角度β方法如下:
步骤4.1:取螺栓历史图像中螺栓区域中的像素构成模板图像T;
步骤4.2:在当前检测图像螺栓区域内,先提取螺栓图像边缘,基于图像显著边缘,拟合六边形图案,以六边形图案中心点为圆心,以模板图像T为匹配对象,进行逐角度旋转的模板匹配,设定旋转匹配搜索角度范围为m,m的取值范围为-180°~180°,设定匹配时角度旋转步长为s,s的取值范围是0.01°~360°,遍历整个角度搜索范围m,找到最优匹配位置,并记录当前匹配角度β1,作为螺栓旋转角度β=β1。
所述步骤4.1中,生成的模板图像T应包括螺栓六边形区域,以及螺栓六边形区域内包含的数字、文字等标识信息。
所述步骤4.2中采用基于灰度相似性的模板图像匹配方法,在匹配过程中衡量模板图像T与当前检测图像的匹配程度可采用如下测度:
D=∑||S(i,j)-T(i,j)|| (1)
其中S表示当前检测图像,T表示模板图像,(i,j)表示重叠区域的像素坐标,∑表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(1)计算匹配程度D,D值越小,表示匹配度越大。
所述步骤4.2中还可以采用基于图像边缘相似性的图像匹配方法:
D=∑|SE(i,j)-TE(i,j)| (2)
其中,SE(i,j)和TE(i,j)分别表当前检测图像S、模板图像T中位置(i,j)位置处边缘,(i,j)表示重叠区域的像素坐标,∑表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(2)计算匹配程度D,D值越小,表示匹配度越大。
所述步骤1至步骤4还可以采用三维成像***获取扣件二维深度图像,在二维深度图像上,进行螺栓区域分割,并基于二维深度图像进行螺栓形状匹配,计算螺栓转动角度。
步骤5:设定阈值Tβ,根据螺栓转动角度β是否超过阈值角度Tβ,判断螺栓是否浮起,从而判断扣件是否松动。
所述螺栓还可用轨道扣件螺帽代替。
本发明有益效果:
1)本发明方法利用拍摄的轨道扣件中螺栓或螺帽图像,计算轨道扣件中螺栓或螺帽的转动角度,再通过角度比对的方法,判断螺栓或螺帽是否浮起,进而判断轨道扣件是否松动,从而有效避免轨道扣件浮起后导致轨道扣件松动,消除列车运行安全隐患。与ZL.201580000881.X方法相比,本发明提供的检测方法不改变现有轨道扣件结构,可直接应用已完成施工的铁路扣件检测,并且可以实现自动检测。
2)与现有单纯基于图像的扣件松动检测方法相比,本发明直接利用螺栓或螺帽角度值变化进行螺栓或螺帽浮起检测,具有简单直观、稳定可靠的优点。
3)本发明方法可适用于多种类型扣件螺栓或螺帽的浮起检测,比如W型、Z型扣件等,进而判断轨道扣件松动。
附图说明
图1是本发明方法的流程图。
图2是采用六边形螺栓的W型扣件示意图。
图3是采用四边形螺栓的W型扣件示意图。
图4是采用六边形螺帽的W型扣件示意图。
图5是DZ型扣件示意图。
其中,1是W型扣件的六边形螺栓,2是W型扣件的螺栓垫片,3是W型扣件的弹条,4是W型扣件的四边形螺栓,5是W型扣件的圆形螺杆,6是W型扣件的六边形螺帽,7是扣件支座固定螺栓,8、扣件支座,9是道床,10是钢轨,11是DZ型扣件支座螺栓,12是DZ型扣件弹条。
具体实施方式
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、完整地描述,显然,所描述的实施例仅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。
如图1所示,本实施例提供一种基于角度比对的轨道扣件松动检测方法,具体实施方式如下:
实施例1:
实施例1通过测量W型扣件六边形螺栓角度值来判定扣件是否松动,本实施例中采用六边形螺栓的W型扣件如图2所示,该扣件包括六边形螺栓1、螺栓垫片2和弹条3。
步骤1:采用线阵或面阵成像装置获取轨道扣件图像,线阵或面阵成像装置的光轴垂直于轨道路面成像。
步骤2:进行扣件图像预处理,选取扣件感兴趣区域,图像预处理包括:图像去噪,成像装置的镜头畸变修正,并根据成像装置外参,将获取的扣件图像变换为鸟瞰图像,在鸟瞰图像上进行后续处理;当采用线阵扫描成像装置获取扣件图像时,还需要对扣件图像的横、纵方向上单位像素的物理尺寸进行校准,以保证拍摄扣件不存在形状失真。
扣件感兴趣区域是包含螺栓在内的一个较大区域,可采用手动选取扣件感兴趣区域。
步骤3:根据螺栓在扣件感兴趣区域中的位置关系,定位螺栓区域。
步骤4:在螺栓区域内,取当前扣件螺栓历史图像作为模板,进行模板匹配,根据模板匹配结果计算螺栓转动角度β,具体方法如下:
步骤4.1:取螺栓历史图像中螺栓区域中的像素构成模板图像T,生成的模板图像T应包括螺栓六边形区域,以及螺栓六边形区域内包含的数字、文字等标识信息。
步骤4.2:在当前检测图像螺栓区域内,先提取螺栓图像边缘,基于图像显著边缘,拟合六边形图案,以六边形图案中心点为圆心,以模板图像T为匹配对象,进行逐角度旋转的模板匹配,设定旋转匹配搜索角度范围为m,m的取值范围为-180°~180°,设定匹配时角度旋转步长为s,s的取值范围是0.01°~360°,遍历整个角度搜索范围m,找到最优匹配位置,并记录当前匹配角度β1,作为螺栓旋转角度β=β1。
步骤4.2中采用基于灰度相似性的模板图像匹配方法,在匹配过程中衡量模板图像T与当前检测图像的匹配程度可采用如下测度:
D=∑||S(i,j)-T(i,j)|| (1)
其中S表示当前检测图像,T表示模板图像,(i,j)表示重叠区域的像素坐标,∑表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(1)计算匹配程度D,D值越小,表示匹配度越大。
步骤5:设定阈值角度Tβ,根据螺栓转动角度β是否超过阈值角度Tβ,判断螺栓是否转动、浮起,从而判断轨道扣件是否松动。
实施例2
与实施例1不同的是,步骤4.2中采用基于图像边缘相似性的图像匹配方法:
D=∑|SE(i,j)-TE(i,j)| (2)
其中,SE(i,j)和TE(i,j)分别表当前检测图像S、模板图像T中位置(i,j)位置处边缘,(i,j)表示重叠区域的像素坐标,∑表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(2)计算匹配程度D,D值越小,表示匹配度越大。
实施例3
将实施例1和2中步骤1至步骤4替换为:采用三维成像***获取扣件二维深度图像,在二维深度图像上,进行螺栓区域分割,并基于二维深度图像进行螺栓形状匹配,计算螺栓转动角度,后续步骤与实施例1和2相同。
实施例1和2中步骤2中选取扣件感兴趣区域还可以采用SVM或深度学习或神经网络分类等方法在预处理后的图像中自动检测得到。
实施例1、2和3中的螺栓还可用轨道扣件中的螺帽代替。
实施例4
与实施例1、2、3不同的是,对图3所示的采用四边形螺栓的W型扣件中螺栓转动角度进行测量,用于判定该螺栓是否浮起,进而判断扣件是否松动。
实施例5
与实施例4不同的是,对图4所示的采用六边形螺帽的W型扣件中螺帽转动角度进行测量,用于判定该螺帽是否浮起,进而判断扣件是否松动。
实施例6
与实施例1-3不同的是,对图5所示的DZ型扣件中用于固定的扣件支座的六边形螺栓转动角度进行测量,用于判定该螺栓是否浮起,进而判断DZ扣件是否松动。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种基于角度比对的轨道扣件松动检测方法,其特征在于:包括以下步骤:
步骤1:采用线阵或面阵成像装置获取轨道扣件图像;
步骤2:进行扣件图像预处理,选取扣件感兴趣区域;
步骤3:根据螺栓在扣件感兴趣区域中的位置关系,定位螺栓区域;
步骤4:在螺栓区域内,取当前扣件螺栓历史图像作为模板,进行模板匹配,根据模板匹配结果计算螺栓转动角度β;
步骤5:设定阈值Tβ,根据螺栓转动角度β是否超过阈 值Tβ,判断螺栓是否浮起,从而判断扣件是否松动;
其中,所述步骤4中进行模板匹配,计算螺栓转动角度β方法如下:
步骤4.1:取螺栓历史图像中螺栓区域中的像素构成模板图像T;
步骤4.2:在当前检测图像螺栓区域内,先提取螺栓图像边缘,基于图像显著边缘,拟合六边形图案,以六边形图案中心点为圆心,以模板图像T为匹配对象,进行逐角度旋转的模板匹配,设定旋转匹配搜索角度范围为m,m的取值范围为-180°~180°,设定匹配时角度旋转步长为s,s的取值范围是0.01°~360°,遍历整个角度搜索范围m,找到最优匹配位置,并记录当前匹配角度β1,作为螺栓旋转角度β=β1。
2.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤1中线阵或而阵成像装置的光轴垂直于轨道路面成像,获取螺栓图像。
3.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤2中图像预处理包括:图像去噪,成像装置的镜头畸变修正,并根据成像装置外参,将获取的扣件图像变换为鸟瞰图像,在鸟瞰图像上进行后续处理;当采用线阵扫描成像装置获取扣件图像时,还需要对扣件图像的橫、纵方向上单位像素的物理尺寸进行校准,以保证拍摄扣件不存在形状失真。
4.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤2中扣件感兴趣区域是包含螺栓在内的一个较大区域,可采用手动选取,也可以采用SVM或深度学习或神经网络分类等方法在预处理后的图像中自动检测得到。
5.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤4.1中,生成的模板图像T应包括螺栓六边形区域,以及螺栓六边形区域内包含的数字、文字等标识信息。
6.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤4.2中采用基于灰度相似性的模板图像匹配方法,在匹配过程中衡量模板图像T与当前检测图像的匹配程度可采用如下测度:
D=Σ||S(i,j)-T(i,j)|| (1)
其中S表示当前检测图像,T表示模板图像,(i,j)表示重叠区域的像素坐标,Σ表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(1)计算匹配程度D,D值越小,表示匹配度越大。
7.根据权利要求6所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤4.2中还可以采用基于图像边缘相似性的图像匹配方法:
D=Σ||SE(i,j)-TE(i,j)|| (2)
其中,SE(i,j)和TE(i,j)分别表当前检测图像S、模板图像T中位置(i,j)位置处边缘,(i,j)表示重叠区域的像素坐标,Σ表示求和操作,D表示匹配程度,针对每一个角度旋转步长,提取模板图像T与当前检测图像S的重叠区域,按公式(2)计算匹配程度D,D值越小,表示匹配度越大。
8.根据权利要求1所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述步骤1至步骤4还可以采用三维成像***获取扣件二维深度图像,在二维深度图像上,进行螺栓区域分割,并基于二维深度图像进行螺栓形状匹配,计算螺栓转动角度。
9.根据权利要求1-8任一所述的基于角度比对的轨道扣件松动检测方法,其特征在于:所述螺栓还可用轨道扣件螺帽代替,所述螺栓和螺帽形状包括六边形、四边形、三角形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810582857.7A CN110567680B (zh) | 2018-06-05 | 2018-06-05 | 一种基于角度比对的轨道扣件松动检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810582857.7A CN110567680B (zh) | 2018-06-05 | 2018-06-05 | 一种基于角度比对的轨道扣件松动检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110567680A CN110567680A (zh) | 2019-12-13 |
CN110567680B true CN110567680B (zh) | 2022-03-29 |
Family
ID=68772110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810582857.7A Active CN110567680B (zh) | 2018-06-05 | 2018-06-05 | 一种基于角度比对的轨道扣件松动检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110567680B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311560B (zh) * | 2020-02-10 | 2023-09-12 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨扣件状态的检测方法及装置 |
CN112085723B (zh) * | 2020-09-09 | 2021-04-02 | 哈尔滨市科佳通用机电股份有限公司 | 一种货车摇枕弹簧窜出故障自动检测方法 |
CN112084964A (zh) * | 2020-09-11 | 2020-12-15 | 浙江水晶光电科技股份有限公司 | 产品识别设备、方法及存储介质 |
CN112258484B (zh) * | 2020-10-23 | 2024-03-19 | 常州路航轨道交通科技有限公司 | 一种轨道检测方法、装置及计算机可读存储介质 |
CN112419297B (zh) * | 2020-12-04 | 2024-06-04 | 中冶建筑研究总院(深圳)有限公司 | 一种螺栓松动检测方法、装置、设备及存储介质 |
CN113532332B (zh) * | 2021-06-08 | 2023-08-15 | 宁波帅特龙集团有限公司 | 一种工件安装角度的检测方法及检测装置 |
CN117576107B (zh) * | 2024-01-17 | 2024-03-29 | 中数智科(杭州)科技有限公司 | 基于图像匹配和配准的列车底部零部件的松动检测方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009210276A (ja) * | 2008-02-29 | 2009-09-17 | Mitsubishi Heavy Ind Ltd | 締結具の緩み検出システム及び緩み検出方法 |
CN104680517A (zh) * | 2015-01-22 | 2015-06-03 | 清华大学 | 一种螺栓松动的检测方法 |
CN105046271A (zh) * | 2015-06-25 | 2015-11-11 | 哈尔滨工业大学 | 基于模板匹配的melf元件定位与检测方法 |
CN106192634A (zh) * | 2016-08-31 | 2016-12-07 | 武汉汉宁轨道交通技术有限公司 | 一种铁路轨道弹条扣件状态自动检测装置以及方法 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN107180425A (zh) * | 2017-05-19 | 2017-09-19 | 华夏高铁技术有限公司 | 轨道扣件自动识别方法和装置 |
CN107576667A (zh) * | 2017-10-13 | 2018-01-12 | 成都精工华耀机械制造有限公司 | 一种基于线阵红外摄像机的铁轨扣件异常检测*** |
CN107576666A (zh) * | 2017-10-13 | 2018-01-12 | 成都精工华耀机械制造有限公司 | 一种双光谱成像铁轨及扣件异常检测方法 |
CN107688024A (zh) * | 2017-10-13 | 2018-02-13 | 成都精工华耀机械制造有限公司 | 一种基于单目视觉与激光散斑的铁轨扣件异常检测*** |
CN107886496A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于形状匹配的汽车零配件的质量检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101109625A (zh) * | 2007-08-01 | 2008-01-23 | 北京理工大学 | 光学测孔内螺旋导轨旋转角度的方法 |
CN104129404B (zh) * | 2013-05-02 | 2017-07-04 | 上海工程技术大学 | 一种高速动态实时检测铁轨扣件松动的方法及装置 |
-
2018
- 2018-06-05 CN CN201810582857.7A patent/CN110567680B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009210276A (ja) * | 2008-02-29 | 2009-09-17 | Mitsubishi Heavy Ind Ltd | 締結具の緩み検出システム及び緩み検出方法 |
CN104680517A (zh) * | 2015-01-22 | 2015-06-03 | 清华大学 | 一种螺栓松动的检测方法 |
CN105046271A (zh) * | 2015-06-25 | 2015-11-11 | 哈尔滨工业大学 | 基于模板匹配的melf元件定位与检测方法 |
CN106192634A (zh) * | 2016-08-31 | 2016-12-07 | 武汉汉宁轨道交通技术有限公司 | 一种铁路轨道弹条扣件状态自动检测装置以及方法 |
CN106952257A (zh) * | 2017-03-21 | 2017-07-14 | 南京大学 | 一种基于模板匹配与相似度计算的曲面标签破损缺陷检测方法 |
CN107180425A (zh) * | 2017-05-19 | 2017-09-19 | 华夏高铁技术有限公司 | 轨道扣件自动识别方法和装置 |
CN107886496A (zh) * | 2017-09-30 | 2018-04-06 | 北京得华机器人技术研究院有限公司 | 一种基于形状匹配的汽车零配件的质量检测方法 |
CN107576667A (zh) * | 2017-10-13 | 2018-01-12 | 成都精工华耀机械制造有限公司 | 一种基于线阵红外摄像机的铁轨扣件异常检测*** |
CN107576666A (zh) * | 2017-10-13 | 2018-01-12 | 成都精工华耀机械制造有限公司 | 一种双光谱成像铁轨及扣件异常检测方法 |
CN107688024A (zh) * | 2017-10-13 | 2018-02-13 | 成都精工华耀机械制造有限公司 | 一种基于单目视觉与激光散斑的铁轨扣件异常检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN110567680A (zh) | 2019-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
CN109029283B (zh) | 一种基于高度比对的轨道扣件螺栓浮起检测方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测*** | |
CN110634123A (zh) | 一种采用深度图像的轨道扣件紧固件松动检测方法 | |
CN113870123B (zh) | 基于车载移动激光点云的接触网导高与拉出值自动检测方法 | |
CN110634121A (zh) | 一种基于纹理与深度图像的轨道扣件紧固件松动检测方法 | |
CN108797241B (zh) | 一种基于高度比对的轨道扣件螺帽松动检测方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
AU2016385541A1 (en) | Object surface deformation feature extraction method based on line scanning three-dimensional point Cloud | |
CN109489724B (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN111485475B (zh) | 一种路面坑槽识别方法及其装置 | |
CN109059775B (zh) | 具有图像边缘提取步骤的钢轨磨耗检测方法 | |
CN105719305A (zh) | 接触网中组件脱落缺陷识别方法及*** | |
CN111754460A (zh) | 一种转辙机缺口自动检测方法、***及存储介质 | |
CN110567397B (zh) | 一种扣件弹舌离缝检测方法 | |
CN111127409A (zh) | 基于sift图像配准与余弦相似度的列车部件检测方法 | |
Lorente et al. | Detection of range-based rail gage and missing rail fasteners: Use of high-resolution two-and three-dimensional images | |
Huang et al. | A deep learning augmented vision-based method for measuring dynamic displacements of structures in harsh environments | |
CN110672632A (zh) | 一种隧道病害识别方法 | |
CN108596968B (zh) | 一种基于轨道3d深度图像的轨枕计数方法 | |
CN112435289B (zh) | 钢轨接头轨缝宽度的检测方法及装置 | |
CN112257599B (zh) | 一种铁路货车紧固螺栓松动图像识别方法 | |
CN109993741B (zh) | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 | |
CN108830891B (zh) | 一种钢轨鱼尾板紧固件松动检测方法 |
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 |