CN111256737B - 车厢异常检测***及方法 - Google Patents

车厢异常检测***及方法 Download PDF

Info

Publication number
CN111256737B
CN111256737B CN202010369997.3A CN202010369997A CN111256737B CN 111256737 B CN111256737 B CN 111256737B CN 202010369997 A CN202010369997 A CN 202010369997A CN 111256737 B CN111256737 B CN 111256737B
Authority
CN
China
Prior art keywords
vehicle
sensor
server
model information
image
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
Application number
CN202010369997.3A
Other languages
English (en)
Other versions
CN111256737A (zh
Inventor
冯化一
彭二飞
闫俊刚
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.)
Tianjin Meiteng Technology Co Ltd
Original Assignee
Tianjin Meiteng Technology Co Ltd
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 Tianjin Meiteng Technology Co Ltd filed Critical Tianjin Meiteng Technology Co Ltd
Priority to CN202010369997.3A priority Critical patent/CN111256737B/zh
Publication of CN111256737A publication Critical patent/CN111256737A/zh
Application granted granted Critical
Publication of CN111256737B publication Critical patent/CN111256737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01DMEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D5/00Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
    • G01D5/26Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
    • G01D5/32Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
    • G01D5/34Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01BMEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00Measuring arrangements characterised by the use of optical techniques
    • G01B11/24Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种车厢异常检测***及方法,属于检测领域。该车厢异常检测***包括:光电传感器、3D传感器、服务器;所述光电传感器与3D传感器连接,3D传感器与服务器连接。其中,光电传感器用于在检测到车辆时,向3D传感器发送启动信号;3D传感器用于在获取到启动信号时,对车辆进行扫描,生成与车辆对应的图像并传递给服务器;服务器用于根据所述图像检测出所述车辆是否存在异常。整个检测过程不需要人为参与,由机器自动执行,可以提高检测效率,减轻工人的工作强度。

Description

车厢异常检测***及方法
技术领域
本申请属于检测领域,具体涉及一种车厢异常检测***及方法。
背景技术
随着铁路外运量的逐年加大,集运站的集、储、装生产管理过程也面临诸多难题。其中,返空列车中的个别车体损坏严重,破损孔隙较大,从而形成安全隐患,因此,需安排专人逐个检查统计,并根据人工统计结果,制定修复方案,调配人力及物资材料。由于整个过程由人工来完成,因此,作业效率低,对工人造成的劳动强度较大。
发明内容
有鉴于此,本申请的目的在于提供一种车厢异常检测***及方法,能够自动对经过的车辆的车厢是否存在异常进行检测,提高检测效率。
本申请的实施例是这样实现的:
第一方面,本申请实施例提供一种车厢异常检测***,所述***包括:光电传感器、3D传感器、服务器;所述光电传感器与所述3D传感器连接,所述3D传感器与所述服务器连接;所述光电传感器,用于在检测到车辆时,向所述3D传感器发送启动信号;所述3D传感器,用于在获取到所述启动信号时,对所述车辆进行扫描,生成与所述车辆对应的图像并传递给所述服务器;所述服务器,用于根据所述图像检测出所述车辆是否存在异常。上述整个检测过程不需要人为参与,由机器自动执行,可以提高检测效率,减轻工人的工作强度。
结合第一方面实施例,在一种可能的实施方式中,所述光电传感器包括投光器及受光器,所述投光器安装在轨道的一侧,所述受光器安装在所述轨道的另一侧,且所述受光器的入光端与所述投光器的出光端对准;当所述受光器检测到未获取到所述投光器发射的光信号时,生成所述启动信号。
结合第一方面实施例,在一种可能的实施方式中,所述***包括至少三个所述3D传感器,其中一个所述3D传感器设置在所述轨道上方的龙门架上,其中一个所述3D传感器设置在所述投光器处,其中一个所述3D传感器设置在所述受光器处,所述至少三个所述3D传感器安装在同一平面;所述至少三个所述3D传感器,用于在获取到所述启动信号时,分别同步扫描所述车辆在各个方向上的图像。
结合第一方面实施例,在一种可能的实施方式中,所述服务器,用于:在获取到所述图像时,对所述图像进行识别,得到与所述车辆对应的标准模型信息;根据所述图像生成当前的模型信息;将所述标准模型信息与所述当前的模型信息进行比对;在确定所述标准模型信息与所述当前的模型信息不一致时,确定所述车辆存在异常。
结合第一方面实施例,在一种可能的实施方式中,所述光电传感器,还用于在未检测到所述车辆时,停止发送所述启动信号。
结合第一方面实施例,在一种可能的实施方式中,所述服务器,还用于在确定存在异常时,向客户端推送异常信息。
第二方面,本申请实施例提供一种车厢异常检测方法,应用于车厢异常检测***,所述***包括:光电传感器、3D传感器、服务器;所述光电传感器与所述3D传感器连接,所述3D传感器与所述服务器连接;所述方法包括:通过所述光电传感器在检测到车辆经过时,向所述3D传感器发送启动信号;通过所述3D传感器在获取到所述启动信号时,对所述车辆进行扫描,生成与所述车辆对应的图像并传递给所述服务器;通过所述服务器根据所述图像检测出所述车辆是否存在异常。
结合第二方面实施例,在一种可能的实施方式中,所述服务器根据所述图像检测出所述车辆是否存在异常,包括:所述服务器在获取到所述图像时,对所述图像进行识别,得到与所述车辆对应的标准模型信息;所述服务器根据所述图像生成当前的模型信息;所述服务器将所述标准模型信息与所述当前的模型信息进行比对;所述服务器在确定所述标准模型信息与所述当前的模型信息不一致时,确定所述车辆存在异常。
结合第二方面实施例,在一种可能的实施方式中,所述方法还包括:通过所述光电传感器在未检测到所述车辆时,停止发送所述启动信号。
结合第二方面实施例,在一种可能的实施方式中,所述方法还包括:通过所述服务器在确定存在异常时,向客户端推送异常信息。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例而了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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他的附图。通过附图所示,本申请的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图,重点在于示出本申请的主旨。
图1示出了本申请实施例提供的一种车厢异常检测***的示意图。
图2示出了本申请实施例提供的一种车厢异常检测***的光电传感器的结构示意图。
图3示出了本申请实施例提供的一种车厢异常检测***的3D传感器的设置位置示意图。
图4示出了本申请实施例提供的一种车厢异常检测方法的流程图。
标号:100-车厢异常检测***;110-光电传感器;111-投光器;112-受光器;120-3D传感器;130-服务器。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中诸如“第一”、“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了解决现有技术中的问题,本申请实施例提供一种车厢异常检测***及方法,能够自动对经过的车辆的车厢是否存在异常进行检测,提高检测效率。该技术可采用相应的软件、硬件以及软硬结合的方式实现。以下对本申请实施例进行详细介绍。
首先,参照图1来描述用于实现本申请实施例的车厢异常检测***100。车厢异常检测***100可以对经过的车辆的车厢是否存在异常进行检测。
可选的,车厢异常检测***100可以包括:光电传感器110、3D传感器120、服务器130。
应当注意,图1所示的车厢异常检测***100的组件和结构只是示例性的,而非限制性的,根据需要,车厢异常检测***100也可以具有其他组件和结构。例如,在一些情况下,车厢异常检测***100还可以包括光纤收发器、接入交换机、核心交换机等。
光电传感器110、3D传感器120、服务器130以及其他可能出现于车厢异常检测***100的组件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,光电传感器110、3D传感器120、服务器130以及其他可能出现的组件相互之间可通过一条或多条通讯总线或信号线实现电性连接,还可以通过无线通信的方式实现电连接。
其中,所述光电传感器110在车厢异常检测***100中作为来车检测装置,用于在检测到车辆时,向3D传感器120发送启动信号,以便3D传感器120开始采集车辆的信息。
可选的,请参看图2,光电传感器110可以包括投光器111以及受光器112。投光器111以及受光器112可以拆分安装,以适用不同的现场安装环境及安装规范要求,例如在图2中,投光器111安装在轨道的一侧,受光器112安装在轨道的另一侧,且受光器112的入光端与投光器111的出光端对准。
其中,投光器111用于发射光信号,受光器112用于接收光信号。光信号可以包括但不限于红外光束、紫外光束等。
由于受光器112的入光端与投光器111的出光端对准,因此,在无任何遮挡物的情况下,受光器112可以准确接收到投光器111所发射的光信号。当有车辆经过设置有光电传感器110的轨道(检测区域)时,车辆会遮挡投光器111所发射的光信号(当然,在设置投光器111以及受光器112时,考虑到投光器111以及受光器112与车辆之间的高度差,使得投光器111所发射的光信号投射到车辆的车厢),此时,受光器112检测到未获取到光信号,生成启动信号发送给3D传感器120。
此外,值得指出的是,3D传感器120与光电传感器110安装在同一检测区域,用于在获取到启动信号时,对经过检测区域的车辆进行扫描,生成与车辆对应的图像并传递给所述服务器130。
可选的,请参看图3,车厢异常检测***100可以包括至少三个3D传感器120(图3中仅示出三个3D传感器120)。
在图3中,其中一个3D传感器120(为了便于区分,此处称之为第一3D传感器120)设置在轨道上方的龙门架上,用于对经过检测区域的车厢的上端面进行扫描,当车辆的车厢为敞型车厢时,车厢的上端面为敞开状态,第一3D传感器120可以拍到车厢内的图像;其中一个3D传感器120(为了便于区分,此处称之为第二3D传感器120)设置在投光器111处,用于对经过检测区域的车厢的一个侧面进行扫描;其中一个3D传感器120(为了便于区分,此处称之为第三3D传感器120)设置在受光器112处,用于对经过检测区域的车厢的另一个侧面进行扫描。
此外,第一3D传感器120、第二3D传感器120以及第三3D传感器120安装在同一平面。
第一3D传感器120、第二3D传感器120以及第三3D传感器120用于在获取到启动信号时,分别同步扫描车辆在各个方向上的图像,并将图像传递给所述服务器130进行处理。
服务器130,用于根据获取到的图像,检测出进入检测区域的车辆是否存在异常。
在一种可选的实施方式中,服务器130检测进入检测区域的车辆是否存在异常的过程如下。
服务器130在获取到图像时,根据预先保存的图像识别算法(例如SIFT算法、SURF算法等现有算法)对图像进行识别,从而获取到图像中的信息。其中,一般而言,图像中的信息包括车厢上的参数,例如车厢型号、车厢编号等。在获取到图像中的信息后,服务器130在预先保存在数据库中的多种标准模型信息中查找与图像中的信息对应的标准模型信息。例如在一种可选的实施方式中,服务器130可以预先将车厢型号与标准模型信息形成一一对应关系,并将车厢型号与标准模型信息的对应关系保存在数据库中,当后续服务器130通过获取到的图像识别出的车厢型号后,将识别出的车厢型号与对应关系进行比对,从而获取到对应关系中与车厢型号对应的标准模型信息。
此外,服务器130还用于根据获取到的图像生成与车辆对应的当前的模型信息。其中,当3D传感器120的数量为三个时,服务器130将三个3D传感器120传输的各个方向的图像进行融合,从而形成与车辆对应的3D模型,并将3D模型确定为当前的模型信息。相应的,此时,预先保存在服务器130数据库内的标准模型信息也包括各种不同车辆型号的3D模型。
值得指出的是,服务器130对图像进行融合,从而得到3D模型的过程为现有技术,此处不再赘述。
在得到与车辆对应的当前的模型信息后,服务器130将当前的模型信息与确定出的标准模型信息比对,以判断当前的模型信息与标准模型信息是否一致。
在一种可选的实施方式中,当前的模型信息与标准模型信息都包括车厢的深度信息。在这种实施方式下,服务器130将两者的深度信息进行比较,当存在同一个位置的深度信息不一致的情况时,则说明车辆的该位置存在异常。
可选的,当车辆的车厢外存在烂车、鼓邦、凹陷或者当车厢内存在雪底、冻车和杂物时,均会引起深度信息的改变。
其中,烂车是指车体门框破损、存在破损孔隙,需在门边用胶、布袋、泡沫等杂物进行封堵的情况;鼓邦、凹陷是车厢出现变形导致异常的情况;雪底、冻车是指冬天运行的车辆底部、车帮(车厢的内侧)有煤的原因,且因为冻结而未及时卸载形成冻煤的情况;杂物是指因遗留在空车厢内的木头、铁器、编织袋或其他物品,在进站时未及时清理的情况。
此外,针对车辆而言,一般包括多节车厢。其中,各节车厢的结构可能均相同,也可能存在结构不同的车厢。
在一种可选的实施方式中,当某种车辆所包括的各节车厢的结构一致时,与该车辆对应的标准模型信息可以只包括上文中所提及的那一节车厢的深度信息以及用于表征车辆的各节车厢的结构一致的车厢信息。在这种实施方式下,当服务器130在对该车辆进行检测时,所生成的与该车辆对应的当前的模型信息包括每节车厢的深度信息。在将当前的模型信息与标准模型信息进行比对时,服务器130将每节车厢的深度信息与标准模型信息所包括的那一节车厢的深度信息进行比对,从而确定出该车辆是否存在异常。在此过程中,只需要将当前的模型信息包括每节车厢的深度信息与标准模型信息所包括的那一节车厢的深度信息进行比较。对于服务器而言,只需要改变待比较的两个参数中的一个参数,可以提高服务器的运算速度,提高检测效率。
在另一种可选的实施方式中,当某种车辆所包括的各节车厢的结构不一致时,与该车辆对应的标准模型信息需要包括该车辆所具备的每一种结构类型的车厢的深度信息以及用于表征该车辆的各节车厢的各节车厢所对应的车厢结构类型的车厢信息。在这种实施方式下,当服务器130在对该车辆进行检测时,所生成的与该车辆对应的当前的模型信息包括每节车厢的深度信息。在将当前的模型信息与标准模型信息进行比对时,服务器130将每节车厢的深度信息与标准模型信息所包括的对应的车厢的深度信息进行比对,从而确定出该车辆是否存在异常。值得指出的是,当车辆所包括的各节车厢的结构不一致时,对应的标准模型信息中所包括的车厢的结构的深度信息与车辆所包括的车厢的结构的种类的数量相同。例如车辆包括6节车厢,且包括三种车厢结构,分别为车厢A、车厢B以及车厢C,其中,车辆的车厢排序为车厢A-车厢B-车厢B-车厢B-车厢B-车厢C。对应于此处的实施方式,与车辆对应的标准模型信息中所包括的车厢的结构的深度信息分别为与车厢A对应的深度信息、与车厢B对应的深度信息以及与车厢C对应的深度信息,以及用于表征第一节车厢的车厢类型为车厢A,第二节车厢到第五节车厢的车厢类型为车厢B,第六节车厢的车厢类型为车厢C的车厢信息。当服务器在将当前的模型信息与标准模型信息进行比对时,根据车厢信息,用与车厢A的深度信息去与车辆的第一节车厢的深度信息进行比对,用与车厢B的深度信息去与车辆的第二节车厢的深度信息到第五节车厢的深度信息进行比对,用与车厢C的深度信息去与车辆的第六节车厢的深度信息进行比对。在此过程中,对于服务器而言,在针对车辆的第二节车厢的深度信息到第五节车厢的深度信息进行比对时,只需要改变待比较的两个参数中的一个参数(对应于此处,即只需要改变车辆的当前的模型信息所包括的车厢的深度信息),可以提高服务器的运算速度,提高检测效率。
此外,在一种可选的实施方式中,当服务器130在确定存在异常时,还可以向与之存在通信连接的客户端推送异常信息,以便通知检修人员进行检修。
当然,由于被检测的车辆一直处于运动状态,因此,随着时间的推进,车辆会驶出检测区域。此时,车辆不再对投光器111发射的光信号形成遮挡,受光器112再次接受到投光器111发射的光信号,因此,受光器112停止发送启动信号,3D传感器120停止工作,避免对计算资源造成浪费。
下面将针对本申请所提供的车厢异常检测方法进行介绍。
请参阅图4,本申请实施例提供一种应用于上述车厢异常检测***100的车厢异常检测方法,该方法包括:
步骤S110:通过所述光电传感器在检测到车辆经过时,向所述3D传感器发送启动信号。
步骤S120:通过所述3D传感器在获取到所述启动信号时,对所述车辆进行扫描,生成与所述车辆对应的图像并传递给所述服务器。
步骤S130:通过所述服务器根据所述图像检测出所述车辆是否存在异常。
作为一种可选的实施方式,所述服务器根据所述图像检测出所述车辆是否存在异常,包括:所述服务器在获取到所述图像时,对所述图像进行识别,得到与所述车辆对应的标准模型信息;所述服务器根据所述图像生成当前的模型信息;所述服务器将所述标准模型信息与所述当前的模型信息进行比对;所述服务器在确定所述标准模型信息与所述当前的模型信息不一致时,确定所述车辆存在异常。
作为一种可选的实施方式,所述方法还包括:通过所述光电传感器在未检测到所述车辆时,停止发送所述启动信号。
作为一种可选的实施方式,所述方法还包括:通过所述服务器在确定存在异常时,向客户端推送异常信息。
本申请实施例所提供的车厢异常检测方法,其实现原理及产生的技术效果和前述***实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
综上所述,本发明实施例提出的车厢异常检测***及方法,车厢异常检测***包括:光电传感器、3D传感器、服务器;所述光电传感器与3D传感器连接,3D传感器与服务器连接。其中,光电传感器用于在检测到车辆时,向3D传感器发送启动信号; 3D传感器用于在获取到启动信号时,对车辆进行扫描,生成与车辆对应的图像并传递给服务器;服务器用于根据所述图像检测出所述车辆是否存在异常。整个检测过程不需要人为参与,由机器自动执行,可以提高检测效率,减轻工人的工作强度。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的***和方法,也可以通过其它的方式实现。以上所描述的***实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,笔记本电脑,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。

Claims (8)

1.一种车厢异常检测***,其特征在于,所述***包括:光电传感器、3D传感器、服务器;所述光电传感器与所述3D传感器连接,所述3D传感器与所述服务器连接;
所述光电传感器,用于在检测到车辆时,向所述3D传感器发送启动信号;
所述3D传感器,用于在获取到所述启动信号时,对所述车辆进行扫描,生成与所述车辆对应的图像并传递给所述服务器;
所述服务器,用于根据所述图像检测出所述车辆是否存在异常,过程如下:
在获取到所述图像时,对所述图像进行识别,得到与所述车辆对应的标准模型信息,其中,所述标准模型信息所包括的模型个数与所述车辆所包括的车厢结构的种类个数一致,且所述标准模型信息还包括所述车辆所包括的各节车厢结构所对应的车厢结构类型;
根据所述3D传感器传输的图像进行融合,生成当前的模型信息;
将所述标准模型信息所包括的深度信息与所述当前的模型信息所包括的深度信息进行比对;
在确定所述标准模型信息与所述当前的模型信息不一致时,确定所述车辆存在异常,其中,所述车辆存在异常包括:车厢外存在烂车、鼓邦、凹陷、车厢内存在雪底、车厢内存在冻车、车厢内存在杂物中的至少一种。
2.根据权利要求1所述的***,其特征在于,所述光电传感器包括投光器及受光器,所述投光器安装在轨道的一侧,所述受光器安装在所述轨道的另一侧,且所述受光器的入光端与所述投光器的出光端对准;当所述受光器检测到未获取到所述投光器发射的光信号时,生成所述启动信号。
3.根据权利要求2所述的***,其特征在于,所述***包括至少三个所述3D传感器,其中一个所述3D传感器设置在所述轨道上方的龙门架上,其中一个所述3D传感器设置在所述投光器处,其中一个所述3D传感器设置在所述受光器处,所述至少三个所述3D传感器安装在同一平面;
所述至少三个所述3D传感器,用于在获取到所述启动信号时,分别同步扫描所述车辆在各个方向上的图像。
4.根据权利要求1所述的***,其特征在于,所述光电传感器,还用于在未检测到所述车辆时,停止发送所述启动信号。
5.根据权利要求1所述的***,其特征在于,所述服务器,还用于在确定存在异常时,向客户端推送异常信息。
6.一种车厢异常检测方法,其特征在于,应用于车厢异常检测***,所述***包括:光电传感器、3D传感器、服务器;所述光电传感器与所述3D传感器连接,所述3D传感器与所述服务器连接;所述方法包括:
通过所述光电传感器在检测到车辆经过时,向所述3D传感器发送启动信号;
通过所述3D传感器在获取到所述启动信号时,对所述车辆进行扫描,生成与所述车辆对应的图像并传递给所述服务器;
通过所述服务器根据所述图像检测出所述车辆是否存在异常,过程如下:
在获取到所述图像时,对所述图像进行识别,得到与所述车辆对应的标准模型信息,其中,所述标准模型信息所包括的模型个数与所述车辆所包括的车厢结构的种类个数一致,且所述标准模型信息还包括所述车辆所包括的各节车厢结构所对应的车厢结构类型;
根据所述3D传感器传输的图像进行融合,生成当前的模型信息;
将所述标准模型信息所包括的深度信息与所述当前的模型信息所包括的深度信息进行比对;
在确定所述标准模型信息与所述当前的模型信息不一致时,确定所述车辆存在异常,其中,所述车辆存在异常包括:车厢外存在烂车、鼓邦、凹陷、车厢内存在雪底、车厢内存在冻车、车厢内存在杂物中的至少一种。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
通过所述光电传感器在未检测到所述车辆时,停止发送所述启动信号。
8.根据权利要求6所述的方法,其特征在于,所述方法还包括:
通过所述服务器在确定存在异常时,向客户端推送异常信息。
CN202010369997.3A 2020-05-06 2020-05-06 车厢异常检测***及方法 Active CN111256737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010369997.3A CN111256737B (zh) 2020-05-06 2020-05-06 车厢异常检测***及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010369997.3A CN111256737B (zh) 2020-05-06 2020-05-06 车厢异常检测***及方法

Publications (2)

Publication Number Publication Date
CN111256737A CN111256737A (zh) 2020-06-09
CN111256737B true CN111256737B (zh) 2020-08-28

Family

ID=70948153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010369997.3A Active CN111256737B (zh) 2020-05-06 2020-05-06 车厢异常检测***及方法

Country Status (1)

Country Link
CN (1) CN111256737B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063712A (zh) * 2014-06-27 2014-09-24 杭州科度科技有限公司 一种车辆信息提取方法和***
CN107122747A (zh) * 2017-04-28 2017-09-01 北京理工大学 一种轨道车辆车厢状态非接触检测装置及方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19730885A1 (de) * 1997-07-18 1999-01-21 Audi Ag Verfahren zur automatischen Erkennung von Oberflächenfehlern an Rohkarosserien und Vorrichtung zur Durchführung des Verfahrens
CN201133809Y (zh) * 2007-10-29 2008-10-15 麻伟明 机动车外廓尺寸动态自动测量装置
CN102941864B (zh) * 2012-11-09 2015-03-25 武汉翔翼科技有限公司 一种列车装载状态高清监控及超限检测方法
CN105067287A (zh) * 2015-07-23 2015-11-18 北京京天威科技发展有限公司 动车组运行故障动态图像检测***及方法
CN105427614A (zh) * 2015-08-28 2016-03-23 北京动视元科技有限公司 一种车型分类***及其方法
CN105761305B (zh) * 2016-02-05 2017-08-25 北京铁道工程机电技术研究所有限公司 一种车辆行驶检测方法及***
DE202016105450U1 (de) * 2016-08-24 2016-11-07 INSISTO GmbH Vorrichtung zur Inspektion von zumindest der Außenseiten von Kraftfahrzeugen
CN106441411A (zh) * 2016-08-31 2017-02-22 成都铁安科技有限责任公司 一种轨道机车及车辆走行部检测方法及检测***
CN109373928A (zh) * 2018-10-31 2019-02-22 广东泓胜科技股份有限公司 一种车辆外廓尺寸测量***
CN110450813B (zh) * 2019-08-06 2024-04-02 中铁第四勘察设计院集团有限公司 一种动车组全车身运行故障动态图像检测***及检测方法
CN110595804B (zh) * 2019-10-09 2024-03-01 哈尔滨市科佳通用机电股份有限公司 铁路货车走行部故障智能检测***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104063712A (zh) * 2014-06-27 2014-09-24 杭州科度科技有限公司 一种车辆信息提取方法和***
CN107122747A (zh) * 2017-04-28 2017-09-01 北京理工大学 一种轨道车辆车厢状态非接触检测装置及方法

Also Published As

Publication number Publication date
CN111256737A (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
US20180231364A1 (en) Brake Component Monitoring
US20240124035A1 (en) Systems and methods for detecting tanks in railway environments
KR102017870B1 (ko) 실시간 선로 결함 검측 시스템
KR102527319B1 (ko) 철도 차량의 부품 및 운영 환경 특징 벡터 정보 기반의 기계 학습 고장 진단 시스템 및 그 방법
US20220172335A1 (en) Machine Vision Based Inspection
KR101973933B1 (ko) 승차인원 검지방법 및 그 장치
CN112351927A (zh) 轨道基础设施中的智能传感器数据传输
CN105447528A (zh) 列车车号和车型识别方法和***及安全检查方法和***
CN111256737B (zh) 车厢异常检测***及方法
CN101424510B (zh) 列车超限的检测方法及***
CN112441075A (zh) 轨道交通外部环境感知***、方法和轨道交通设备
CN109633684A (zh) 用于分类的方法、装置、机器学习***和机器可读存储介质
KR101924276B1 (ko) 철도 차량 차륜 및 베어링의 검지 시스템
KR102111237B1 (ko) 이동 추적 방식의 철도 차량의 상태 검지 시스템
US10878250B2 (en) Determining presence of a rail vehicle on a track based on image data
KR102444885B1 (ko) 엣지 컴퓨팅 기반의 헤드라이트 검사 장치 및 방법
Hu et al. A self-supervised learning technique for road defects detection based on monocular three-dimensional reconstruction
US20200013280A1 (en) System for Automatic Detection of Categories of Vehicle Based on Analysis of the Image of the Longitudinal Profile
CN113848900B (zh) 高铁巡检机器人巡检的方法、装置、电子设备及存储介质
JP7399708B2 (ja) タグ管理システム、タグ欠落判定システム、鉄道車両の通過判定システム、タグ欠落判定方法及び鉄道車両の通過判定方法
US20220292850A1 (en) Reserved seat monitoring system, reserved seat monitoring method, and storage medium
Jeyaselvi et al. An Intelligent Method for Train Accident Prevention and Detection Using ResNet and Long Short-Term Memory Network
Shaikh et al. Deep learning-based fault detection in railway wheelsets using time series analysis
Dwivedi et al. Realtime damage detection in long conveyor belts using deep learning approach
KR20240029829A (ko) 철도차량 대차 하부장치용 영상빅데이터를 활용한 상태기반 유지보수 예측시스템

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