CN115610479A - 一种铁路线路状态巡检***和方法 - Google Patents
一种铁路线路状态巡检***和方法 Download PDFInfo
- Publication number
- CN115610479A CN115610479A CN202211170733.0A CN202211170733A CN115610479A CN 115610479 A CN115610479 A CN 115610479A CN 202211170733 A CN202211170733 A CN 202211170733A CN 115610479 A CN115610479 A CN 115610479A
- Authority
- CN
- China
- Prior art keywords
- turnout
- image
- rail
- train
- loop
- 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
Links
- 238000007689 inspection Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 claims abstract description 40
- 230000007547 defect Effects 0.000 claims abstract description 17
- 238000013135 deep learning Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 10
- 229910000831 Steel Inorganic materials 0.000 claims description 28
- 239000010959 steel Substances 0.000 claims description 28
- 238000012423 maintenance Methods 0.000 abstract description 2
- 238000012549 training Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种铁路线路状态巡检***和方法,该***包括:速度检测模块,设置在列车的车轮轴端或电机齿轮箱上,用于检测列车的车速;道岔检测模块,包括多个道岔摄像头,设置在列车底部,用于根据车速和预先存储的公里标信息在铁路道岔处分别采集道岔的轨内侧图像和轨外侧图像;图像处理模块,用于根据所采集的道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。通过本发明提供的技术方案,可以实现无人值守模式的巡检,不仅能够快速正确地识别检测线路的各种缺陷,而且复核便捷,可以为故障隐患预警、科学制定养护计划提供决策依据。
Description
技术领域
本发明涉及铁路线路状态巡检技术,特别地,涉及一种铁路线路状态巡检***和方法。
背景技术
目前针对道岔及环线的巡检作业状况和作业质量记录主要依靠人工,这种方式可追溯性较低,道岔及环线状态受外界及磨耗等因素的影响,铁路线路容易出现各种缺陷。若在车辆运行过程中不能及时发现道岔及环线的缺陷,很可能会造成严重的安全隐患。至于人工检测,受到巡检作业人员的专业和疏漏的影响,很可能导致追踪信息混乱,因此,检修作业的方式已经难以满足日益增强的铁路线路安全防范管理的要求。
综上所述,目前针对道岔和环线图像巡视分析及状态情况由人工进行检测,当前检修方式占用了很多人力物力,同时人工检测的质量也得不到保证。
发明内容
本发明的目的在于提供一种铁路线路状态巡检***和方法,用以解决现有技术中人工巡检质量得不到保证的问题。
为实现上述目的,本发明提供了一种铁路线路状态巡检***,该***包括:速度检测模块,设置在列车的车轮轴端或电机齿轮箱上,用于检测所述列车的车速;道岔检测模块,包括多个道岔摄像头,设置在列车底部,用于根据所述车速和预先存储的公里标信息在铁路道岔处分别采集所述道岔的轨内侧图像和轨外侧图像;以及图像处理模块,用于根据所采集的所述道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。
优选地,所述铁路线路状态巡检***还包括:环线检测模块,包括环线摄像头,设置在列车底部,用于实时采集环线图像;其中,所述图像处理模块还用于根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。
优选地,所述道岔检测模块包括:列车位置判定单元,用于根据所述车速和所述公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间;以及道岔图像采集单元,包括多个道岔摄像头,用于根据列车到达道岔位置的时间在列车到达道岔位置的情况下采集所述道岔的轨内侧图像和轨外侧图像。
优选地,所述道岔图像采集单元包括:第一道岔摄像头,用于采集位于道岔的第一条钢轨的轨外侧图像;第二道岔摄像头,用于采集位于道岔的第一条钢轨的轨内侧图像;第三道岔摄像头,用于采集位于道岔的第二条钢轨的轨内侧图像;以及第四道岔摄像头,用于采集位于道岔的第二条钢轨的轨外侧图像。
优选地,所述铁路线路状态巡检***还包括:报警模块,用于在所述道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。
相应地,本发明还提供了一种铁路线路状态巡检方法,该方法包括:检测列车的车速;根据所述车速和预先存储的公里标信息在铁路道岔处采用多个道岔摄像头分别采集所述道岔的轨内侧图像和轨外侧图像;以及根据所采集的所述道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。
优选地,所述铁路线路状态巡检方法还包括:实时采集环线图像;以及根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。
优选地,所述根据所述车速和预先存储的公里标信息在铁路道岔处分别采集所述道岔的轨内侧图像和轨外侧图像包括:根据所述车速和所述公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间;以及根据列车到达道岔位置的时间在列车到达道岔位置的情况下采用多个道岔摄像头采集所述道岔的轨内侧图像和轨外侧图像。
优选地,所述采用多个道岔摄像头采集所述道岔的轨内侧图像和轨外侧图像包括:采用第一道岔摄像头采集位于道岔的第一条钢轨的轨外侧图像;采用第二道岔摄像头采集位于道岔的第一条钢轨的轨内侧图像;采用第三道岔摄像头采集位于道岔的第二条钢轨的轨内侧图像;以及采用第四道岔摄像头采集位于道岔的第二条钢轨的轨外侧图像。
优选地,所述铁路线路状态巡检方法还包括:在所述道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。
本发明通过检测得到的列车车速和预先存储的公里标信息实现在铁路道岔处采集道岔的轨内侧图像和轨外侧图像,并根据所采集的所述道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像利用深度学习目标检测算法,判断道岔的轨内侧和/或轨外侧是否存在故障,通过本发明提供的技术方案,可以实现无人值守模式的巡检,不仅能够快速正确地识别检测线路的各种缺陷,而且复核便捷,可以为故障隐患预警、科学制定养护计划提供决策依据。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1是本发明提供的铁路线路状态巡检***的框图;
图2是本发明提供的另一铁路线路状态巡检***的框图;以及
图3是本发明提供的铁路线路状态巡检方法的流程图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明,并不用于限制本发明的范围。
图1是本发明提供的铁路线路状态巡检***的框图,如图1所示,该***包括速度检测模块10、道岔检测模块20和图像处理模块30。
速度检测模块10设置在列车的车轮轴端或电机齿轮箱上,用于检测所述列车的车速。速度检测模块可以利用传感器,例如速度传感器。
道岔检测模块20包括多个道岔摄像头,设置在列车底部,用于根据车速和预先存储的公里标信息在铁路道岔处分别采集道岔的轨内侧图像和轨外侧图像。道岔检测模块20首先根据速度检测模块10得到的车速和预先存储的公里标信息计算得到列车所处的位置,也就是判断列车是否位于道岔或何时位于道岔,然后在列车位于道岔的情况下通过多个道岔摄像头分别采集道岔的轨内侧图像和轨外侧图像。道岔摄像头应当在列车运行过程中能够对道岔的可视部件进行高清图像采集,在选取摄像头的时候应当注意选取可适应车速为120km/h的摄像头。
设置在列车底部的多个道岔摄像头应当设置在可以拍摄到道岔的轨内侧图像和轨外侧图像的位置,具体设置在列车底部的哪个位置,可以根据实际情况进行设定。
图像处理模块30用于根据所采集的道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。预先存储的正常图像包括已知没有故障情况下的轨内侧图像和轨外侧图像,本发明中采用深度学习目标检测模型通过对所采集的道岔的轨内侧图像和轨外侧图像与没有故障情况下的轨内侧图像和轨外侧图像进行对比分析,判断得到道岔是否存在故障,例如道岔结构外观是否存在异常、是否有异物等。
本领域技术人员应当理解,深度学习目标检测模型采用深度学习算法并通过训练得到,图像处理模块可以预先采用训练参数对深度学习目标检测模型进行训练,训练参数包括已知存在故障的道岔的轨内侧图像和轨外侧图像及正常图像(即已知没有故障情况下的轨内侧图像和轨外侧图像),通过训练参数对深度学习目标检测模型进行训练之后,得到用于判断道岔的轨内侧和/或轨外侧是否存在故障的深度学习目标检测模型,深度学习算法、深度学习目标检测模型及训练过程均为本领域熟知的技术,于此不予赘述。
图2是本发明提供的另一铁路线路状态巡检***的框图,如图2所示,该***还包括环线检测模块40。
环线检测模块40包括环线摄像头,设置在列车底部,用于实时采集环线图像;其中,图像处理模块30还用于根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。环线摄像头设置的位置为列车底部可以采集到环线高度的任意位置。
环线是位于铁路线路的两条钢轨中间的一条高低起伏的线缆,容易理解,环线在不同位置与地面的距离不同,预先存储的环线初始状态指的是在布置环线时的环线状态,即环线没有损坏且在布置好环线之后高度没有变化的情况下的图像。本发明中环线检测模块40实现的对环线是否存在缺陷的检测一方面包括环线线缆是否损坏,另一方面也包括环线在任意位置与地面的距离与初始状态相比是否有变化,由于每隔一段距离会采用支撑物将环线支撑起来,所以从整体上来看,环线与地面的高度是起伏变化的,在例如支撑物出现故障的情况下就会造成相应部分的环线与地面的高度出现变化即与初始状态下的高度不同。
列车行进过程中环线摄像头实时拍摄得到任意位置的环线图像,图像处理模块30会将环线摄像头实时拍摄得到的环线图像与环线初始状态进行比对,在以下两种情况下则认为环线存在缺陷:第一种情况,有漏缆的情况;第二种情况,环线在某一位置的高度与初始状态不同。
如图2所示,道岔检测模块20包括列车位置判定单元21和道岔图像采集单元22。
列车位置判定单元21用于根据车速和公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间。本领域技术人员应当理解,公里标信息是预先已知的信息,在列车到达公里标的特定位置时也会发出信号,并且道岔的位置是固定的,因而可以根据公里标信息和车速来确定列车到达道岔所处位置的时间。
道岔图像采集单元22包括多个道岔摄像头,用于根据列车到达道岔位置的时间在列车到达道岔位置的情况下采集道岔的轨内侧图像和轨外侧图像。本发明提供的技术方案是对道岔位置的铁轨是否存在故障进行判断,所以道岔图像采集单元22根据列车位置判定单元21得到的列车到达道岔所处位置的时间来采集道岔的轨内侧图像和轨外侧图像。
更具体地,道岔图像采集单元22包括四个道岔摄像头,分别为第一道岔摄像头、第二道岔摄像头、第三道岔摄像头和第四道岔摄像头。
第一道岔摄像头用于采集位于道岔的第一条钢轨的轨外侧图像;第二道岔摄像头用于采集位于道岔的第一条钢轨的轨内侧图像;第三道岔摄像头用于采集位于道岔的第二条钢轨的轨内侧图像;第四道岔摄像头用于采集位于道岔的第二条钢轨的轨外侧图像。
四个道岔摄像头设置在列车底部任意适当的位置,更具体地,第一道岔摄像头设置在列车底部可以拍摄到道岔的第一条钢轨的轨外侧图像的位置,第二道岔摄像头设置在列车底部可以拍摄到道岔的第一条钢轨的轨内侧图像的位置,第三道岔摄像头设置在列车底部可以拍摄到道岔的第二条钢轨的轨内侧图像的位置,第四道岔摄像头设置在列车底部可以拍摄到道岔的第二条钢轨的轨外侧图像的位置。
本发明提供的铁路线路状态巡检***还包括报警模块(图中未示出),报警模块用于在道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。具体来说,在某张图片所显示的信息有问题的情况下进行报警。
图3是本发明提供的铁路线路状态巡检方法的流程图,如图3所示,该方法包括:
步骤S301,检测列车的车速;
步骤S302,根据车速和预先存储的公里标信息在铁路道岔处采用多个道岔摄像头分别采集道岔的轨内侧图像和轨外侧图像;
步骤S303,根据所采集的道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。
其中,本发明提供的铁路线路状态巡检方法还包括:实时采集环线图像;根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。
其中,根据车速和预先存储的公里标信息在铁路道岔处分别采集道岔的轨内侧图像和轨外侧图像包括:根据车速和公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间;根据列车到达道岔位置的时间在列车到达道岔位置的情况下采用多个道岔摄像头采集道岔的轨内侧图像和轨外侧图像。
其中,采用多个道岔摄像头采集道岔的轨内侧图像和轨外侧图像包括:采用第一道岔摄像头采集位于道岔的第一条钢轨的轨外侧图像;采用第二道岔摄像头采集位于道岔的第一条钢轨的轨内侧图像;采用第三道岔摄像头采集位于道岔的第二条钢轨的轨内侧图像;采用第四道岔摄像头采集位于道岔的第二条钢轨的轨外侧图像。
其中,本发明提供的铁路线路状态巡检方法还包括:在道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。
需要说明的是,本发明提供的铁路线路状态巡检方法的具体细节及益处与本发明提供的铁路线路状态巡检***类似,于此不予赘述。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (10)
1.一种铁路线路状态巡检***,其特征在于,该***包括:
速度检测模块,设置在列车的车轮轴端或电机齿轮箱上,用于检测所述列车的车速;
道岔检测模块,包括多个道岔摄像头,设置在列车底部,用于根据所述车速和预先存储的公里标信息在铁路道岔处分别采集所述道岔的轨内侧图像和轨外侧图像;以及
图像处理模块,用于根据所采集的所述道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。
2.根据权利要求1所述的铁路线路状态巡检***,其特征在于,该***还包括:
环线检测模块,包括环线摄像头,设置在列车底部,用于实时采集环线图像;
其中,所述图像处理模块还用于根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。
3.根据权利要求1或2所述的铁路线路状态巡检***,其特征在于,所述道岔检测模块包括:
列车位置判定单元,用于根据所述车速和所述公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间;以及
道岔图像采集单元,包括多个道岔摄像头,用于根据列车到达道岔位置的时间在列车到达道岔位置的情况下采集所述道岔的轨内侧图像和轨外侧图像。
4.根据权利要求3所述的铁路线路状态巡检***,其特征在于,所述道岔图像采集单元包括:
第一道岔摄像头,用于采集位于道岔的第一条钢轨的轨外侧图像;
第二道岔摄像头,用于采集位于道岔的第一条钢轨的轨内侧图像;
第三道岔摄像头,用于采集位于道岔的第二条钢轨的轨内侧图像;以及
第四道岔摄像头,用于采集位于道岔的第二条钢轨的轨外侧图像。
5.根据权利要求2所述的铁路线路状态巡检***,其特征在于,该***还包括:
报警模块,用于在所述道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。
6.一种铁路线路状态巡检方法,其特征在于,该方法包括:
检测列车的车速;
根据所述车速和预先存储的公里标信息在铁路道岔处采用多个道岔摄像头分别采集所述道岔的轨内侧图像和轨外侧图像;以及
根据所采集的所述道岔的轨内侧图像和轨外侧图像以及预先存储的正常图像并采用预先设定的深度学习目标检测模型,判断道岔的轨内侧和/或轨外侧是否存在故障。
7.根据权利要求6所述的铁路线路状态巡检方法,其特征在于,该方法还包括:
实时采集环线图像;以及
根据实时采集的环线图像和预先存储的环线初始状态判断环线是否存在缺陷。
8.根据权利要求6或7所述的铁路线路状态巡检方法,其特征在于,所述根据所述车速和预先存储的公里标信息在铁路道岔处分别采集所述道岔的轨内侧图像和轨外侧图像包括:
根据所述车速和所述公里标信息判定列车所处位置,从而确定列车到达道岔位置的时间;以及
根据列车到达道岔位置的时间在列车到达道岔位置的情况下采用多个道岔摄像头采集所述道岔的轨内侧图像和轨外侧图像。
9.根据权利要求8所述的铁路线路状态巡检方法,其特征在于,所述采用多个道岔摄像头采集所述道岔的轨内侧图像和轨外侧图像包括:
采用第一道岔摄像头采集位于道岔的第一条钢轨的轨外侧图像;
采用第二道岔摄像头采集位于道岔的第一条钢轨的轨内侧图像;
采用第三道岔摄像头采集位于道岔的第二条钢轨的轨内侧图像;以及
采用第四道岔摄像头采集位于道岔的第二条钢轨的轨外侧图像。
10.根据权利要求6所述的铁路线路状态巡检方法,其特征在于,该方法还包括:
在所述道岔的轨内侧和/或轨外侧存在故障的情况下进行报警,并用于在环线存在缺陷的情况下进行报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211170733.0A CN115610479B (zh) | 2022-09-23 | 2022-09-23 | 一种铁路线路状态巡检***和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211170733.0A CN115610479B (zh) | 2022-09-23 | 2022-09-23 | 一种铁路线路状态巡检***和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115610479A true CN115610479A (zh) | 2023-01-17 |
CN115610479B CN115610479B (zh) | 2023-09-15 |
Family
ID=84881095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211170733.0A Active CN115610479B (zh) | 2022-09-23 | 2022-09-23 | 一种铁路线路状态巡检***和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115610479B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110064273A1 (en) * | 2009-09-11 | 2011-03-17 | Harsco Corporation | Automated turnout inspection |
CN202854908U (zh) * | 2012-10-12 | 2013-04-03 | 昆明铁路局 | 铁路线路智能巡检*** |
CN105501248A (zh) * | 2016-02-16 | 2016-04-20 | 株洲时代电子技术有限公司 | 一种铁路线路巡检*** |
CN106794851A (zh) * | 2014-10-22 | 2017-05-31 | Hp3真实有限责任公司 | 用于测量和显示轨道设备的轨道几何形状的方法 |
CN110248858A (zh) * | 2016-12-07 | 2019-09-17 | 西门子交通有限责任公司 | 用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 |
CN112960014A (zh) * | 2021-02-02 | 2021-06-15 | 南京效秀自动化技术有限公司 | 基于人工智能的轨道交通运行安全在线实时监测预警管理云平台 |
CN113104063A (zh) * | 2021-06-09 | 2021-07-13 | 成都国铁电气设备有限公司 | 一种网轨隧综合检测***及方法 |
-
2022
- 2022-09-23 CN CN202211170733.0A patent/CN115610479B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110064273A1 (en) * | 2009-09-11 | 2011-03-17 | Harsco Corporation | Automated turnout inspection |
CN202854908U (zh) * | 2012-10-12 | 2013-04-03 | 昆明铁路局 | 铁路线路智能巡检*** |
CN106794851A (zh) * | 2014-10-22 | 2017-05-31 | Hp3真实有限责任公司 | 用于测量和显示轨道设备的轨道几何形状的方法 |
CN105501248A (zh) * | 2016-02-16 | 2016-04-20 | 株洲时代电子技术有限公司 | 一种铁路线路巡检*** |
CN110248858A (zh) * | 2016-12-07 | 2019-09-17 | 西门子交通有限责任公司 | 用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 |
CN112960014A (zh) * | 2021-02-02 | 2021-06-15 | 南京效秀自动化技术有限公司 | 基于人工智能的轨道交通运行安全在线实时监测预警管理云平台 |
CN113104063A (zh) * | 2021-06-09 | 2021-07-13 | 成都国铁电气设备有限公司 | 一种网轨隧综合检测***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115610479B (zh) | 2023-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106061822B (zh) | 车辆成像***和方法 | |
CN102941864B (zh) | 一种列车装载状态高清监控及超限检测方法 | |
CN108491758B (zh) | 一种轨道检测方法及机器人 | |
CN110085029B (zh) | 基于轨道式巡检机器人的高速公路巡检***与方法 | |
CN106954042B (zh) | 一种无人机铁路线路巡检装置、***及方法 | |
KR101111569B1 (ko) | 궤도차량을 이용한 철도시설물 감시시스템 및 방법 | |
KR101672472B1 (ko) | 열차의 종합 검사 및 관리시스템 | |
CN109598187A (zh) | 障碍物识别方法、障碍物识别***及轨道车自动驾驶装置 | |
CN104847211B (zh) | 一种站台安全门与车门区间安全的辅助***及其实现方法 | |
CN107301777A (zh) | 基于视频检测技术的车辆违章变道检测方法 | |
CN105115605A (zh) | 轨道列车红外检测***及检测方法 | |
KR101701160B1 (ko) | 가동브래킷 변형 검사 시스템 | |
CN110646801A (zh) | 一种用于铁路货车车厢的检测装置及其检测方法 | |
CN109242035B (zh) | 车底故障检测装置及方法 | |
CN210954335U (zh) | 一种用于铁路货车车厢的检测装置 | |
CN103871249A (zh) | 一种自动监测路面车辆尾气的环保装置 | |
CN113011252B (zh) | 轨道异物侵限检测***及方法 | |
CN112200483A (zh) | 一种地铁轨旁设备自动巡检***及自动巡检方法 | |
KR20140031541A (ko) | 전차선로 결함 검사시스템 | |
CN115600124A (zh) | 地铁隧道巡检***及巡检方法 | |
CN115610479A (zh) | 一种铁路线路状态巡检***和方法 | |
CN108805145A (zh) | 一种地铁施工轨道车信号灯及环境亮度检测装置 | |
CN111076750B (zh) | 一种用于检测接触网吊弦线夹松脱的装置及方法 | |
JPH05143714A (ja) | 画像処理を利用した走行車両の異常監視方法及び異常監視システム | |
KR20090085214A (ko) | 레일 모니터링 시스템 및 방법 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20230809 Address after: 100000 floor 11, block B, No. 22, Shangdi Information Road, Haidian District, Beijing Applicant after: BEIJING GTV TECHNOLOGY DEVELOPMENT Co.,Ltd. Applicant after: GUANGZHOU METRO GROUP Co.,Ltd. Address before: 100000 floor 11, block B, No. 22, Shangdi Information Road, Haidian District, Beijing Applicant before: BEIJING GTV TECHNOLOGY DEVELOPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |