CN110702423A - 一种地铁车辆门***的动态平稳性分析方法及装置 - Google Patents

一种地铁车辆门***的动态平稳性分析方法及装置 Download PDF

Info

Publication number
CN110702423A
CN110702423A CN201910903329.1A CN201910903329A CN110702423A CN 110702423 A CN110702423 A CN 110702423A CN 201910903329 A CN201910903329 A CN 201910903329A CN 110702423 A CN110702423 A CN 110702423A
Authority
CN
China
Prior art keywords
door
camera
image
vehicle door
coordinates
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
CN201910903329.1A
Other languages
English (en)
Other versions
CN110702423B (zh
Inventor
路绳方
陈烨
高阳
张嘉超
孟琳
焦良葆
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.)
Nanjing Institute of Technology
Original Assignee
Nanjing Institute of Technology
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 Nanjing Institute of Technology filed Critical Nanjing Institute of Technology
Publication of CN110702423A publication Critical patent/CN110702423A/zh
Application granted granted Critical
Publication of CN110702423B publication Critical patent/CN110702423B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01M17/00—Testing of vehicles
    • G01M17/007—Wheeled or endless-tracked vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
    • G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
    • 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
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种地铁车辆门***的动态平稳性分析方法及装置，基于双目视觉测量***求解激光器投影生成的动态目标点的三维位姿信息，通过线阵激光器投射的激光光条与地铁列车门上的竖直胶条相交形成目标点，利用图像处理算法提取图像中目标点的坐标，根据图像坐标实现目标点的三维重建，通过调整分析不同时刻处理结果，实现车辆门***的动态运行状况分析，完成其动态检测。本发明测量精度高，便携性强，可靠性高，有效解决了地铁车辆门***运行平稳状态的在线动态分析，对保障地铁安全运营和乘客的生命财产安全具有重要意义。

Description

一种地铁车辆门***的动态平稳性分析方法及装置
技术领域
本发明涉及计算机视觉测量技术领域，尤其涉及一种地铁车辆门***的动态平稳性分析方法及装置。
背景技术
地铁车辆门***是地铁列车重要的组成部分。地铁车辆门***在地铁列车运行中频繁的开启与关闭，是与乘客接触的高频次装置。车辆门***的运行平稳性反映了车辆门***的健康状态，通过对车辆门***的动态平稳性分析，可以实现对车辆门***健康状态的预警和监测，对保证列车运行安全和乘客的生命财产安全具有重要意义。视觉测量以其大量程、高精度和便携性等特点，适用于地铁门***动态平稳性的分析和监测。
地铁车辆门***涉及机械动力技术、控制技术和信息等技术，是一项综合多项技术的复杂机械电气装置，地铁门频繁的开启和关闭，极易发生故障，造成行车故障，严重情况下危及乘客生命财产安全。地铁门***门动作稳定性的监测是一项具有重要意义的研究内容。目前，关于地铁门***动态稳定性的分析还不多，因此急需一种对地铁门***动态平稳性分析的方法与装置，实现对地铁门***的安全监测。
发明内容
发明目的：针对现有技术中对地铁车辆门***动态平稳性分析的不足以及对***动态测量装置的需求，本发明公开了一种地铁车辆门***的动态平稳性分析方法及装置，提出了一种基于主动视觉分析的方法和一种高精度、低成本、可移动式的测量装置，解决了地铁车辆门***无法实现在线动态监测的问题，实现了地铁门***中门动作的实时监控和门健康状态的在线分析。
技术方案：本发明公开了一种地铁车辆门***的动态平稳性分析方法，包括以下步骤：
步骤A、图像获取：激光器发出的激光光条，光条中心线与地铁车门门边的竖直黑色胶条边缘形成两个交点，该交点记为目标点，在车门开启或关闭过程的任意时刻t，触发并启动双目立体视觉测量***中像机工作，分别获取带有激光光条的车门图像；
步骤B、亚像素提取并拟合线条方程：利用Steger算法精确提取带有激光光条的车门图像亚像素，包括光条中心线的亚像素位置和边缘方向，根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程；
步骤C、求出两个目标点在图像中的坐标：利用Hough变换求取列车车门两扇门边的竖直黑色胶条边缘在两幅图像中的直线方程，结合步骤B中求出的光条中心线的直线方程，求出两个目标点分别在两幅图像中的坐标；
步骤D、初始化双目立体视觉测量***：根据步骤A中两幅图像对双目立体视觉测量***进行标定，求出两个像机的内参数和外部结构参数；
步骤E、求出在时刻t两个目标点在实际三维空间中的距离：在双目立体视觉测量***中，结合步骤D中像机标定结果，由步骤C中每个目标点在双目像机中的图像坐标，可以分别实现t时刻两个目标点的三维重建，求取在时刻t两目标点之间的三维距离dt；
步骤F、求出在时刻t+Δt两个目标点在实际三维空间中的距离：在车辆门开启或关闭过程的t+Δt时刻，根据步骤E所述方法，求取在t+Δt时刻的三维距离dt+Δt；
步骤G、数据处理分析：根据步骤E与步骤F求出的dt与dt+Δt，计算出车辆门***在Δt时间内运行的平均速度
Figure BDA0002211252910000021
和平均加速度
Figure BDA0002211252910000022
其中平均速度
Figure BDA0002211252910000023
平均加速度
Figure BDA0002211252910000024
在车辆门开启和关闭的过程时间内，通过调整像机图像的采集间隔Δt，逼近还原列车门在瞬时的运行速度和加速度，进而实现地铁列车门动态运行状态的平稳性分析和健康状态的在线监测。
作为优选，所述步骤B还包括：
步骤B1：对步骤A获取的图像中激光条纹上的任意像素(x0，y0)，求出该点的Hessian矩阵；
步骤B2：在步骤B1中Hessian矩阵最大特征值对应的特征向量对应于光条的法线方向，像素(x0，y0)的相邻像素的图像可以表示成二次泰勒多项式形式，求出像素(x0，y0)处光条中心的亚像素坐标；
步骤B3：根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程。
作为优选，所述步骤E还包括：
步骤E1：根据步骤D中的双目立体视觉测量***，建立两摄像机坐标系O1-xlylzl和O2-xryrzr，和两像机的图像坐标系o1-u1v1和o2-u2v2；
步骤E2：选定任意一目点P在两幅图像上的投影点的齐次坐标分别为
Figure BDA0002211252910000031
和根据摄像机的透视投影模型得到点P在三维世界坐标系下的齐次坐标
Figure BDA0002211252910000033
的方程组：
Figure BDA0002211252910000035
其中M1和M2分别为点P到图像点p1和p2的投影矩阵，由对应摄像机的内参数和外部结构参数决定，λu和λ′u分别为空间点在对应图像平面上的投影系数；
步骤E3：对步骤E2中所求的方程组展开化简，求出两幅图像成像平面上的像素坐标对应世界坐标系下的三维坐标的一般性公式：
Figure BDA0002211252910000036
其中，
Figure BDA0002211252910000037
步骤E4：根据步骤E3代入步骤C求出的第一目标点(8)和第二目标点(9)在两幅图像中的坐标，求出t时刻下两目标点在世界坐标系下的三维坐标，接着求出两点之间的距离dt。
本发明还公开了一种地铁车辆门***的动态平稳性分析方法的装置，包括一组用于目标点三维重建的双目立体视觉测量***，其中双目立体视觉测量***主要由第一像机和第二像机组成；用于向地铁车门方向投射激光光条的激光器；用于支撑双目立体视觉测量***和激光器的支架；在双目立体视觉测量***的一侧放置一台用来接收和处理高速摄像机拍摄的图像的计算机；用于承载计算机和支架的手动推车。
作为优选，所述激光器采用扇面激光类型的线阵投射器，投射到列车门上呈现出一种水平细长形光条，根据测量位置可以调整投射器的水平角度和俯仰角度。
作为优选，在对双目立体视觉测量***进行标定时，对双目立体视觉测量***内像机和像机进行固定，使像机和像机不发生相对运动。
作为优选，所述手动推车为升降型手动推车
有益效果：本发明公开了一种地铁车辆门***的动态平稳性分析装置及方法，结合主动视觉测量技术，利用激光光条与目标边缘线的交点，实现目标点的精确定位；结合双目视觉测量***，实现在车辆门***开启和关闭的任意时刻内，目标点三维距离的解算；通过调整像机图像的采集间隔，逼近还原列车门在每一时刻的运行速度和加速度等状态参数，实现列车门***的动态稳定性分析。本发明提出的方法简单，易操作，测量精度高；提出的测量装置大大降低了列车门状态监测成本，有效解决了车辆门***动态平稳性分析和运行健康状态的监测问题。
附图说明
图1为本发明的地铁车辆门***的动态平稳性分析装置及方法的流程图；
图2为本发明的地铁车辆门***的动态平稳性分析装置结构图；
图3为本发明的基于激光光条的主动双目视觉测量示意图。
具体实施方式
本发明公开了一种地铁车辆门***的动态平稳性分析装置，基于主动视觉测量的方法，其特征在于分为图像处理阶段和测量两个阶段。移动式视觉测量装置包括一个可升降型的手动推车，用于测量装置的移动；安装在手动推车支架上的一组双目立体视觉测量***(像机1和2组成)，用于目标点的三维重建；向列车车门方向投射激光光条的线阵激光器，用于目标点8和9的特征提取；一台用来接收和处理高速摄像机拍摄的图像的计算机。
本实施例中，线阵激光器3是一种扇面激光类型的投射器，投射到列车门上呈现出一种水平细长形光条5，根据测量位置可以调整投射器的水平角度和俯仰角度。优选激光器3与双目立体视觉测量***是相互独立的，单独调整或任意移动一组***的位置不影响***的整体使用，不需要对视觉测量***进行重新标定。
一种地铁车辆门***的动态平稳性分析装置及方法，其特征在于：包括以下步骤：
1.1图像处理阶段
步骤A：图像获取；固定测量装置在合适位置，在车门开启或关闭过程的任意时刻t，触发并启动测量装置中像机1和2工作，分别获取带有激光光条5的车门图像；
步骤B：亚像素提取并拟合线条方程；利用Steger算法精确提取带有激光光条5的车门图像亚像素，包括光条中心线的亚像素位置和边缘方向，根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程；Steger算法基于Hessian矩阵，能够实现光条中心亚像素精度定位。
其中，步骤B还包括，
步骤R1：对步骤A获取的图像中激光条纹上的任意像素(x0，y0)，求出该点的Hessian矩阵；对于图像中激光条纹上的任意一点(x，y)，Hessian矩阵可以表示为：
Figure BDA0002211252910000051
其中，gxx表示图像沿x的二次偏导数，gxy表示图像沿x和y的二次偏导数，gyy表示图像沿y的二次偏导数。
步骤B2：在步骤B1中Hessian矩阵最大特征值对应的特征向量对应于光条的法线方向，像素(x0，y0)的相邻像素的图像可以表示成二次泰勒多项式形式，求出像素(x0，y0)处光条中心的亚像素坐标；二维图形任意像素(x0，y0)的相邻像素的图像可以表示成二次泰勒多项式形式：
Figure BDA0002211252910000052
Hessian矩阵最大特征值对应的特征向量对应于光条的法线方向，以点(x0，y0)为基准点，沿边缘方向用用(nx，ny)表示为
Figure BDA0002211252910000061
针对线条边缘，令
Figure BDA0002211252910000062
则光条中心的亚像素坐标为：
(px，py)＝(tnx+x0，tny+y0) (4)
其中，
Figure BDA0002211252910000063
如果(tnx，tny)∈[-0.5，0.5]×[-0.5，0.5]，即一阶导数为零的点位于当前像素内，且(nx，ny)方向的二阶导数大于指定的阈值，则该点(x0，y0)为光条的中心点，(px，py)则为亚像素坐标。
步骤B3：根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程；针对提取出的整个光条的中心点的亚像素坐标，利用最小二乘法拟合光条直线：
y＝asx+cs (5)
步骤C：求出两个目标点在图像中的坐标；利用Hough变换求取列车车门两扇门边的竖直黑色胶条边缘在两幅图像中的直线方程，结合步骤B中求出的光条中心线的直线方程，求出目标点8和9在两幅图像中的坐标；在二维平面O-xv中，假设直线方程为y＝kx+b(6)
其中，(k，b)分别是直线的斜率和截距，如果(k，b)确定了，也就唯一的确定了O-xy平面上的一条直线；把二维空间换算到O-kb空间，直线y＝kx+b唯一的对应于O-kb平面上的一个点(k，b)；这种线到点的变换就是Hough变换。不失一般性，直线方程利用极坐标形式表示，
ρ＝x cosθ+y sinθ (7)
利用此变换，结合图像边缘的灰度信息，即可以实现列车门中左右两扇门边的竖直黑色胶条边缘检测，分别求出在t时刻时两条黑色胶条边缘的直线方程为
ρ0＝x cosθ0+y sinθ0 (8)
ρ1＝x cosθ1+y sinθ1 (9)
联立公式(5)和(8)，可以求得目标点8分别在两幅图像中的坐标(x8，y8)和(x’8，y’8)，
Figure BDA0002211252910000071
联立公式(5)和(9)，可以求得目标点9在两幅图像中的坐标(x9，y9)和(x’9，y’9)，
Figure BDA0002211252910000072
1.2测量阶段
步骤D：初始化双目立体视觉测量***；对双目立体视觉测量***进行标定，求出两个像机的内参数和外部结构参数；根据摄像机的针孔成像模型，利用平面方格点的摄像机标定方法，可以实现机器人的搭载摄像机的精确标定。假定靶标平面的三维点的齐次坐标记为图像平面的二维点齐次坐标为
Figure BDA0002211252910000074
二者之间的射影关系为
Figure BDA0002211252910000075
其中，s为一任意的非零尺度因子，[R t]是一个3行4列的矩阵，称为像机外参数矩阵，R称为旋转矩阵，t＝(t1，t2，t3)T，称为平移矩阵，
Figure BDA0002211252910000076
A称为摄像机的内部参数矩阵。αx、αy是u轴和v轴的尺度因子，(u0，v0)为主点坐标，r是u轴和v轴的不垂直因子。由张氏平面标定法，可以求出像机的内参数矩阵A即所求的内参数。
双目立体视觉标定与像机内参数标定的最主要区别就是双目摄像机需要标定出左右两摄像机坐标系之间的相对关系。假设双目立体视觉***中左右摄像机的外部参数分别为Rl、Tl和Rr、Tr，Rl、Tl分别表示左摄像机与世界坐标系的相对位置，Rr、Tr分别表示右摄像机与世界坐标系的相对位置。对空间任意一点，假设它在世界坐标系、做摄像机坐标系和右摄像机坐标系下的非齐次坐标坐标分别为xw、xl、xr，则有
Figure BDA0002211252910000081
消去xw，得到
Figure BDA0002211252910000082
因此，两个摄像机之间的几何关系R、T可以用以下关系表示：
Figure BDA0002211252910000083
通过对左右像机的单独标定，即可以求出Rl、Tl和Rr、Tr，最终求出双目像机的几何关系R、T，即所求的外部结构参数。
步骤E：求出在时刻t两个目标点在实际三维空间中的距离；在双目立体视觉测量***中，分别实现t时刻两个目标点8和9的三维重建，求取在时刻t两目标点8和9之间的三维距离dt；
其中步骤E还包括
步骤E1：根据步骤D中的双目立体视觉测量***，建立两摄像机坐标系O1-xlylzl和O2-xryrzr，和两像机的图像坐标系o1-u1v1和o2-u2v2；
步骤E2：假设一目点P在两幅图像上的投影点的齐次坐标分别为
Figure BDA0002211252910000084
和
Figure BDA0002211252910000085
根据摄像机的透视投影模型得到点P在三维世界坐标系下的齐次坐标
Figure BDA0002211252910000086
的方程组：
Figure BDA0002211252910000088
其中M1和M2分别为点P到图像点p1和p2的投影矩阵，由对应摄像机的内参数和外部结构参数决定，λu和λ′u分别为空间点在对应图像平面上的投影系数；
步骤E3：对步骤E2中所求的方程组展开化简，求出两幅图像成像平面上的像素坐标对应世界坐标系下的三维坐标的一般性公式：
Figure BDA0002211252910000091
其中，
Figure BDA0002211252910000092
步骤E4：根据步骤E3代入步骤C求出的目标点8和9在两幅图像中的坐标，求出t时刻下两目标点在世界坐标系下的三维坐标，接着求出两点之间的距离dt。假设两目标点在世界坐标系下的三维坐标分别为
Figure BDA0002211252910000093
和
Figure BDA0002211252910000094
则t时刻两目标点之间的三维距离为
Figure BDA0002211252910000095
步骤F：求出在时刻t+Δt两个目标点在实际三维空间中的距离；在车辆门开启或关闭过程的t+Δt时刻，根据步骤E所述方法，求取在t+Δt时刻的三维距离dt+Δt，
Figure BDA0002211252910000096
1.3数据处理阶段
步骤G：数据处理分析：根据步骤E与步骤F所求信息，计算出车辆门***在Δt时间内运行的平均速度
Figure BDA0002211252910000097
和平均加速度其中平均速度
Figure BDA0002211252910000099
平均加速度
Figure BDA00022112529100000910
在车辆门开启和关闭的过程时间内，通过调整像机图像的采集间隔Δt，逼近还原列车门在每一时刻的运行速度和加速度，进而实现地铁列车门动态运行状态的平稳性分析和健康状态的在线监测。
本发明中，所述步骤D在对双目立体视觉测量***进行标定时，对双目立体视觉测量***内像机1和像机2进行固定，使像机1和像机2不发生相对运动。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种地铁车辆门***的动态平稳性分析方法，其特征在于：包括以下步骤：
步骤A、图像获取：激光器发出的激光光条，光条中心线与地铁车门门边的竖直黑色胶条边缘形成两个交点，该交点记为目标点，在车门开启或关闭过程的任意时刻t，触发并启动双目立体视觉测量***中像机工作，分别获取带有激光光条的车门图像；
步骤B、亚像素提取并拟合线条方程：利用Steger算法精确提取带有激光光条的车门图像亚像素，包括光条中心线的亚像素位置和边缘方向，根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程；
步骤C、求出两个目标点在图像中的坐标：利用Hough变换求取列车车门两扇门边的竖直黑色胶条边缘在两幅图像中的直线方程，结合步骤B中求出的光条中心线的直线方程，求出两个目标点分别在两幅图像中的坐标；
步骤D、初始化双目立体视觉测量***：根据步骤A中两幅图像对双目立体视觉测量***进行标定，求出两个像机的内参数和外部结构参数；
步骤E、求出在时刻t两个目标点在实际三维空间中的距离：在双目立体视觉测量***中，结合步骤D中像机标定结果，由步骤C中每个目标点在双目像机中的图像坐标，可以分别实现t时刻两个目标点的三维重建，求取在时刻t两目标点之间的三维距离dt；
步骤F、求出在时刻t+Δt两个目标点在实际三维空间中的距离：在车辆门开启或关闭过程的t+Δt时刻，根据步骤E所述方法，求取在t+Δt时刻的三维距离dt+Δt；
步骤G、数据处理分析：根据步骤E与步骤F求出的dt与dt+Δt，计算出车辆门***在Δt时间内运行的平均速度和平均加速度
Figure FDA0002211252900000012
其中平均速度
Figure FDA0002211252900000013
平均加速度
Figure FDA0002211252900000014
在车辆门开启和关闭的过程时间内，通过调整像机图像的采集间隔Δt，逼近还原列车门在瞬时的运行速度和加速度，进而实现地铁列车门动态运行状态的平稳性分析和健康状态的在线监测。
2.根据权利要求1所述的一种地铁车辆门***的动态平稳性分析方法，其特征在于：所述步骤B还包括，
步骤B1：对步骤A获取的图像中激光条纹上的任意像素(x0，y0)，求出该点的Hessian矩阵；
步骤B2：在步骤B1中Hessian矩阵最大特征值对应的特征向量对应于光条的法线方向，像素(x0，y0)的相邻像素的图像可以表示成二次泰勒多项式形式，求出像素(x0，y0)处光条中心的亚像素坐标；
步骤B3：根据提取出的光条中心线的亚像素位置，拟合求出光条中心线分别在两幅图像中的直线方程。
3.根据权利要求1所述的一种地铁车辆门***的动态平稳性分析方法，其特征在于：所述步骤E还包括
步骤E1：根据步骤D中的双目立体视觉测量***，建立两摄像机坐标系O1-xlylzl和O2-xryrzr，和两像机的图像坐标系o1-u1v1和o2-u2v2；
步骤E2：选定任意一目点P在两幅图像上的投影点的齐次坐标分别为
Figure FDA0002211252900000021
和
Figure FDA0002211252900000022
根据摄像机的透视投影模型得到点P在三维世界坐标系下的齐次坐标
Figure FDA0002211252900000023
的方程组：
Figure FDA0002211252900000024
Figure FDA0002211252900000025
其中M1和M2分别为点P到图像点p1和p2的投影矩阵，由对应摄像机的内参数和外部结构参数决定，λu和λ′u分别为空间点在对应图像平面上的投影系数；
步骤E3：对步骤E2中所求的方程组展开化简，求出两幅图像成像平面上的像素坐标对应世界坐标系下的三维坐标的一般性公式：
Figure FDA0002211252900000026
其中，
Figure FDA0002211252900000031
步骤E4：根据步骤E3代入步骤C求出的第一目标点(8)和第二目标点(9)在两幅图像中的坐标，求出t时刻下两目标点在世界坐标系下的三维坐标，接着求出两点之间的距离dt。
4.一种地铁车辆门***的动态平稳性分析方法的装置，其特征在于：包括一组用于目标点三维重建的双目立体视觉测量***，其中双目立体视觉测量***主要由第一像机(1)和第二像机(2)组成；用于向地铁车门(10)方向投射激光光条(5)的激光器(3)；用于支撑双目立体视觉测量***和激光器(3)的支架(4)；在双目立体视觉测量***的一侧放置一台用来接收和处理高速摄像机拍摄的图像的计算机(11)；用于承载计算机(11)和支架(4)的手动推车(12)。
5.根据权利要求4所述的一种地铁车辆门***的动态平稳性分析方法的装置，其特征在于：所述激光器(3)采用扇面激光类型的线阵投射器，投射到列车门上呈现出一种水平细长形光条(5)，根据测量位置可以调整投射器的水平角度和俯仰角度。
6.根据权利要求4所述的一种地铁车辆门***的动态平稳性分析方法的装置，其特征在于：在对双目立体视觉测量***进行标定时，对双目立体视觉测量***内像机(1)和像机(2)进行固定，使像机(1)和像机(2)不发生相对运动。
7.根据权利要求4所述的一种地铁车辆门***的动态平稳性分析方法的装置，其特征在于：所述手动推车(12)为升降型手动推车。
CN201910903329.1A 2019-09-16 2019-09-23 一种地铁车辆门***的动态平稳性分析方法及装置 Active CN110702423B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2019108746200 2019-09-16
CN201910874620 2019-09-16

Publications (2)

Publication Number Publication Date
CN110702423A true CN110702423A (zh) 2020-01-17
CN110702423B CN110702423B (zh) 2021-04-27

Family

ID=69195229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910903329.1A Active CN110702423B (zh) 2019-09-16 2019-09-23 一种地铁车辆门***的动态平稳性分析方法及装置

Country Status (1)

Country Link
CN (1) CN110702423B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932626A (zh) * 2020-09-09 2020-11-13 成都唐源电气股份有限公司 基于线阵图像变比例恢复的列车车门定位方法及***
CN113231654A (zh) * 2021-05-24 2021-08-10 成都广屹实业发展有限公司 一种基于视觉测量的轮对自动镟修***及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675407A (en) * 1995-03-02 1997-10-07 Zheng Jason Geng Color ranging method for high speed low-cost three dimensional surface profile measurement
CN103759671A (zh) * 2014-01-10 2014-04-30 西北农林科技大学 一种牙模三维表面数据非接触扫描方法
CN103914186A (zh) * 2013-01-08 2014-07-09 上海天派无线科技有限公司 图像定位识别***
CN107436127A (zh) * 2017-09-07 2017-12-05 王镛 一种用于轨道列车车体内部空间尺寸高精度测量的装置及方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN108662987A (zh) * 2018-04-23 2018-10-16 西南交通大学 2d摄像式激光测量头的标定方法
CN110230998A (zh) * 2019-06-24 2019-09-13 深度计算(长沙)信息技术有限公司 一种基于线激光和双目相机的快速精密三维测量方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5675407A (en) * 1995-03-02 1997-10-07 Zheng Jason Geng Color ranging method for high speed low-cost three dimensional surface profile measurement
CN103914186A (zh) * 2013-01-08 2014-07-09 上海天派无线科技有限公司 图像定位识别***
CN103759671A (zh) * 2014-01-10 2014-04-30 西北农林科技大学 一种牙模三维表面数据非接触扫描方法
CN107578464A (zh) * 2017-06-30 2018-01-12 长沙湘计海盾科技有限公司 一种基于线激光扫描的传送带工件三维轮廓测量方法
CN107907048A (zh) * 2017-06-30 2018-04-13 长沙湘计海盾科技有限公司 一种基于线结构光扫描的双目立体视觉三维测量方法
CN107436127A (zh) * 2017-09-07 2017-12-05 王镛 一种用于轨道列车车体内部空间尺寸高精度测量的装置及方法
CN108662987A (zh) * 2018-04-23 2018-10-16 西南交通大学 2d摄像式激光测量头的标定方法
CN110230998A (zh) * 2019-06-24 2019-09-13 深度计算(长沙)信息技术有限公司 一种基于线激光和双目相机的快速精密三维测量方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
LU SHENGFANG: "Automatic Fault Detection of Multiple Targets in Railway Maintenance Based on Time-Scale Normalization", 《IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT 》 *
许宁: "线结构光光条图像处理方法研究", 《万方数据》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111932626A (zh) * 2020-09-09 2020-11-13 成都唐源电气股份有限公司 基于线阵图像变比例恢复的列车车门定位方法及***
CN111932626B (zh) * 2020-09-09 2020-12-22 成都唐源电气股份有限公司 基于线阵图像变比例恢复的列车车门定位方法及***
CN113231654A (zh) * 2021-05-24 2021-08-10 成都广屹实业发展有限公司 一种基于视觉测量的轮对自动镟修***及方法

Also Published As

Publication number Publication date
CN110702423B (zh) 2021-04-27

Similar Documents

Publication Publication Date Title
CN108844459B (zh) 一种叶片数字化样板检测***的标定方法及装置
CN109215108B (zh) 基于激光扫描的全景三维重建***及方法
Burner et al. Videogrammetric model deformation measurement technique
CN104677305B (zh) 一种基于十字结构光的物体表面三维重建方法和***
CN107367229B (zh) 自由双目立体视觉转轴参数标定方法
CN104990515B (zh) 大型物体三维形状测量***及其测量方法
CN103162639B (zh) 一种获取车辆三维轮廓的方法、装置及***
CN109764858B (zh) 一种基于单目相机的摄影测量方法及***
CN110763152A (zh) 一种水下主动旋转结构光三维视觉测量装置及测量方法
CN110091891B (zh) 高速列车动态限界测量方法、装置、存储介质及电子设备
CN1618005A (zh) 一种三维形状测量的传感装置及其测量方法
US9214024B2 (en) Three-dimensional distance measurement apparatus and method therefor
CN110702423B (zh) 一种地铁车辆门***的动态平稳性分析方法及装置
CN105423954A (zh) 一种基于视觉测量的柔壁喷管的测量方法
CN113658266B (zh) 一种基于固定相机和单靶标的动轴旋转角视觉测量方法
CN114998499A (zh) 一种基于线激光振镜扫描的双目三维重建方法及***
CN114413788B (zh) 基于双目视觉和反向模型重构的零件表面图案检测方法
CN110849331B (zh) 基于三维点云数据库模型的单目视觉测量与地面试验方法
JP2509357B2 (ja) ワ―ク位置検知装置
CN114993608B (zh) 一种风洞模型三维姿态角测量方法
CN113884519B (zh) 自导航x射线成像***及成像方法
CN108180888A (zh) 一种基于可转动摄像头的距离检测方法
CN113554697A (zh) 基于线激光的舱段轮廓精确测量方法
CN103954220A (zh) 撞桥试验中船体运动状态数字图像测量方法
CN109773589B (zh) 对工件表面进行在线测量和加工导引的方法及装置、设备

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