CN117029696B - 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 - Google Patents
一种用于刚性悬挂接触网的磨耗检测方法及检测设备 Download PDFInfo
- Publication number
- CN117029696B CN117029696B CN202311288612.0A CN202311288612A CN117029696B CN 117029696 B CN117029696 B CN 117029696B CN 202311288612 A CN202311288612 A CN 202311288612A CN 117029696 B CN117029696 B CN 117029696B
- Authority
- CN
- China
- Prior art keywords
- target
- abrasion
- light band
- image
- rigid suspension
- 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
- 239000000725 suspension Substances 0.000 title claims abstract description 102
- 238000005299 abrasion Methods 0.000 title claims abstract description 96
- 238000001514 detection method Methods 0.000 title claims abstract description 70
- 230000003287 optical effect Effects 0.000 claims description 70
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 238000003384 imaging method Methods 0.000 claims description 21
- 238000010586 diagram Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 15
- 230000035772 mutation Effects 0.000 claims description 11
- 230000009467 reduction Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000004590 computer program Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000003709 image segmentation Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本申请实施例提供一种用于刚性悬挂接触网的磨耗检测方法及检测设备。激光装置按照预设角度照射刚性悬挂接触网，以在刚性悬挂接触网产生光带，检测方法包括：获取刚性悬挂接触网的光带图像；提取光带图像的多个纹理特征以对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域；确定多个纹理特征的目标纹理特征，以确定目标区域的磨耗区域；对磨耗区域进行局部聚类处理，得到磨耗端点后确定刚性悬挂接触网的磨耗宽度。基于光带图像中特殊纹理特征，对磨耗位置进行识别，不仅可以实现非侵入性地检测，并且其检测结果的精度高、实时性强。在不影响铁路列车正常运转的情况下进行检测，为地铁线路供电维护提供了有效的保障手段。
Description
技术领域
本申请涉及缺陷检测技术领域，具体涉及一种用于刚性悬挂接触网的磨耗检测方法及检测设备。
背景技术
在地铁列车过程中，由于刚性悬挂接触网长时间使用，以及恶劣环境的影响，会出现表面磨损现象。如果磨损过度，会导致接触不良、电阻增大等问题，从而影响列车的正常运行。因此，刚性悬挂接触网的磨耗检测对于地铁运营维护具有重要意义。在现有技术中，采用测距仪检测磨耗的方式，由于列车行驶隧道中光线的强弱变化，会直接影响测距仪的测量结果，精确性和及时性较低。而采用深度学习检测磨耗的方式，由于神经网络部署的速度有限，无法满足磨耗检测所需要的高帧率快速识别要求。
发明内容
本申请实施例的目的是提供一种用于刚性悬挂接触网的磨耗检测方法、检测设备、存储介质及处理器。
为了实现上述目的，本申请第一方面提供一种用于刚性悬挂接触网的磨耗检测方法，激光装置按照预设角度照射刚性悬挂接触网，以在刚性悬挂接触网产生光带，检测方法包括：
获取刚性悬挂接触网的光带图像；
提取光带图像的多个纹理特征；
根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域；
确定多个纹理特征的目标纹理特征，目标纹理特征包括光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及目标线段区域包括的第二线段对应的第二目标纹理特征，其中，目标线段区域是指与刚性悬挂方向垂直的线段所在的区域；
根据全部的目标纹理特征确定目标区域的磨耗区域；
对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点；
根据磨耗端点确定刚性悬挂接触网的磨耗宽度。
在本申请的实施例中，第一目标纹理特征为第一线段与第一线段两端的曲线之间的第一交点、光带上产生的第一目标形状对应的第一成像特征以及光带的偏移畸变特征的至少一者，第二目标纹理特征为第二线段与第二线段两端的曲线之间的第二交点、光带上产生的第二目标形状对应的第二成像特征以及光带的偏移畸变特征的至少一者。
在本申请的实施例中，提取光带图像的多个纹理特征包括：通过滤波器对光带图像进行去噪处理，以得到去噪后的光带图像；基于直方图均衡化算法对去噪后的光带图像进行处理，以得到与去噪后的光带图像对应的目标图像；基于局部二值模式算法或灰度共生矩阵算法对目标图像进行特征提取，以得到光带图像的多个纹理特征。
在本申请的实施例中，根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域包括：多个纹理特征包括全局特征和局部特征，根据全局特征对光带图像进行分割，以得到光带图像中的光带区域；根据局部特征对光带区域进行分割，以得到光带区域中磨耗位置对应的目标区域。
在本申请的实施例中，根据全部的目标纹理特征确定目标区域的磨耗区域包括：将目标区域转化成二值图像；对二值图像进行垂直投影，以得到二值图像在垂直方向对应的像素密度分布图；根据全部的目标纹理特征确定像素密度分布图中的突变区域；根据突变区域确定目标区域的磨耗区域。
在本申请的实施例中，对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点包括：对磨耗区域对应的第二区域图像进行降维处理，以得到降维后的第二区域图像；基于超像素分割算法对降维后的第二区域图像进行局部聚类处理，以确定磨耗端点。
在本申请的实施例中，预设角度为30度。
本申请第二方面提供一种处理器，被配置成执行上述的用于刚性悬挂接触网的磨耗检测方法。
本申请第三方面提供一种检测设备，包括：
激光装置，用于按照预设角度照射刚性悬挂接触网，以在所述刚性悬挂接触网产生光带；
图像采集装置，用于采集所述刚性悬挂接触网的光带图像；以及
上述处理器。
本申请第四方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令在被处理器执行时使得所述处理器被配置成执行上述的用于刚性悬挂接触网的磨耗检测方法。
通过上述技术方案，激光装置按照预设角度照射刚性悬挂接触网，以在刚性悬挂接触网产生光带，检测方法包括：获取刚性悬挂接触网的光带图像；提取光带图像的多个纹理特征以对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域；确定多个纹理特征的目标纹理特征，以确定目标区域的磨耗区域；对磨耗区域进行局部聚类处理，得到磨耗端点后确定刚性悬挂接触网的磨耗宽度。基于光带图像中特殊纹理特征，对磨耗位置进行识别，不仅可以实现非侵入性地检测，并且其检测结果的精度高、实时性强。在不影响铁路列车正常运转的情况下进行检测，为地铁线路供电维护提供了有效的保障手段。
本申请实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本申请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申请实施例，但并不构成对本申请实施例的限制。在附图中：
图1示意性示出了根据本申请实施例的用于刚性悬挂接触网的磨耗检测方法的应用环境示意图；
图2示意性示出了根据本申请实施例的用于刚性悬挂接触网的磨耗检测方法的流程示意图；
图3a示意性示出了根据本申请实施例的光带图像1的示意图；
图3b示意性示出了根据本申请实施例的光带图像2的示意图；
图3c示意性示出了根据本申请实施例的光带图像3的示意图；
图4示意性示出了根据本申请实施例的检测设备的结构框图；
图5示意性示出了根据本申请实施例的用于刚性悬挂接触网的磨耗检测装置的结构框图；
图6示意性示出了根据本申请实施例的计算机设备的内部结构图。
附图标记说明
10-激光装置，20-图像采集装置，A-目标区域，B-光带区域，C-磨耗区域，a-第一线段，b-第二线段。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，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清楚、完整地描述，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申请实施例，并不用于限制本申请实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请提供的用于刚性悬挂接触网的磨耗检测方法，可以应用于如图1所示的应用环境中。其中，检测设备由激光装置10和图像采集装置20集成。检测设备与刚性悬挂接触网保持预设距离，对刚性悬挂接触进行检测，以便于获取清楚准确的图像。激光装置10可按照预设角度照射刚性悬挂接触网，图像采集装置20架设于光带的正前方。在刚性悬挂接触网产生光带的同时，图像采集装置采集光带图像。激光装置10可以是结构光线激光器，其射出的光线在刚性悬挂接触网呈现一条光带。图像采集装置20可以是面阵相机。面阵相机主要采用的连续的、面状扫描光线来实现刚性悬挂接触网的检测，可以一次性获取完整的光带图像。具体地，预设角度为30度。
图2示意性示出了根据本申请实施例的用于刚性悬挂接触网的磨耗检测方法的流程示意图。如图2所示，在本申请一实施例中，提供了一种用于刚性悬挂接触网的磨耗检测方法，本实施例主要以该方法应用于处理器来举例说明，包括以下步骤：
S202，获取刚性悬挂接触网的光带图像；
S204，提取光带图像的多个纹理特征；
S206，根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域；
S208，确定多个纹理特征的目标纹理特征，目标纹理特征包括光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及目标线段区域包括的第二线段对应的第二目标纹理特征，其中，目标线段区域是指与刚性悬挂方向垂直的线段所在的区域；
S210，根据全部的目标纹理特征确定目标区域的磨耗区域；
S212，对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点；
S214，根据磨耗端点确定刚性悬挂接触网的磨耗宽度。
接触网刚性悬挂结构是一种新型的铁路车辆接触网构造技术。在传统的接触网构造中，车辆与接触网之间的传导是采用导电线穿过车辆屋顶来实现的。而采用接触网刚性悬挂技术后，通过在车顶部安装可伸缩的引流管，将传导从车顶转移到车侧的刚性悬挂支架上，从而实现了铁路车辆与接触网之间的稳定传导。而由于接触线缆长时间使用，以及恶劣环境的影响，接触网会出现表面磨损现象。
为了对刚性悬挂接触网的磨耗进行检测，采用了光切技术。光切技术是指将一束平行光带以一定角度投射与被测表面上，光带与表面轮廓相交的曲线影像即反映了被测表面的微观几何形状，能够避免与被测表面的接触。在本申请的实施例中，通过激光装置按照预设角度照射刚性悬挂接触网，以在刚性悬挂接触网产生光带，此时通过图像采集装置来采集刚性悬挂接触网的光带图像。如图1所示，光带图像中呈现激光照射刚性悬挂接触网产生的整条光带。
处理器可以获取采集到的光带图像，以提取光带图像的多个纹理特征。具体地，纹理特征包括局部特征和全局特征。针对光带图像的纹理特征进行提取的方式包括但不限于：局部二值模式（LBP)、灰度共生矩阵（GLCM）等方法。那么，处理器可以根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域。目标区域是指光带图像中的光带上的磨耗位置所处的大致区域，且区域范围通过技术人员进行设置。为了检测的准确性，技术人员可以将目标区域的区域范围设定的大于历史的光带图像中磨耗区域的区域范围。可以理解的是，刚性悬挂线缆上可能存在多个磨耗位置，对应的目标区域也会存在多个。先锁定每个磨耗位置对应的目标区域，可以将各个磨耗位置隔离开来，以针对性进行识别处理。如图3a所示，区域A为光带图像的目标区域。
进一步地，处理器可以确定上述多个纹理特征中的目标纹理特征。其中，目标纹理特征包括光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及目标线段区域包括的第二线段对应的第二目标纹理特征，其中，目标线段区域是指与刚性悬挂方向垂直的线段所在的区域。刚性悬挂接触网上存在磨耗时，在光带上会存在与刚性悬挂方向垂直的线段，即磨耗所在的位置。由于激光装置是按照预设角度照射刚性悬挂接触网的，因此目标线段区域包括光带两侧的第一线段和第二线段。第一目标纹理特征是指第一线段包含的局部特征，第二目标纹理特征是指第二线段包含的局部特征。可以理解地是，第一和第二是相对而言的。如图3b所示，a为目标线段区域的第一线段，b为目标线段区域的第二线段。
那么，处理器可以根据全部的第一目标纹理特征和第二目标纹理特征，来确定目标区域的磨耗区域。磨耗区域是指磨耗位置所处的ROI区域。如图3a所示，区域C为光带图像的磨耗区域。进一步地，处理器可以对磨耗区域进行局部聚类处理，以确定磨耗区域两端的磨耗端点，以确定刚性悬挂接触网的磨耗宽度。
在一个实施例中，提取光带图像的多个纹理特征包括：通过滤波器对光带图像进行去噪处理，以得到去噪后的光带图像；基于直方图均衡化算法对去噪后的光带图像进行处理，以得到与去噪后的光带图像对应的目标图像；基于局部二值模式算法或灰度共生矩阵算法对目标图像进行特征提取，以得到光带图像的多个纹理特征。
具体地，纹理特征包括局部特征和全局特征。处理器可以先通过滤波器对光带图像进行去噪处理，去除光带图像中的噪声后得到去噪后的光带图像。进一步地，可以采用直方图均衡化算法，对去噪后的光带图像进行图像增强的处理，使输入的光带图像的直方图分布变得均匀，图像的灰度级增加，得到与去噪后的光带图像对应的目标图像，实现图像对比度整体增强的效果。在目标图像中，呈现光带的区域相较于去噪后的光带图像更加突出。则，处理器可以根据局部二值模式算法或灰度共生矩阵算法提取目标图像的多个纹理特征。
在一个实施例中，根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域包括：多个纹理特征包括全局特征和局部特征，根据全局特征对光带图像进行分割，以得到光带图像的光带区域；根据局部特征对光带区域进行分割，以得到光带区域中磨耗位置对应的目标区域。处理器先根据全局特征对光带图像进行分割，得到光带图像的整条光带所在的光带区域，即查找到刚性悬挂接触网所在的图像区域。进一步地，根据局部特征对光带区域的图像进行分割，以确定光带图像的目标区域。如图3a所示，区域A为光带图像的目标区域，区域B为光带图像的光带区域，区域C为光带图像的磨耗区域。
在一个实施例中，第一目标纹理特征为第一线段与第一线段两端的曲线之间的第一交点、光带上产生的第一目标形状对应的第一成像特征以及光带的偏移畸变特征的至少一者，第二目标纹理特征为第二线段与第二线段两端的曲线之间的第二交点、光带上产生的第二目标形状对应的第二成像特征以及光带的偏移畸变特征的至少一者。
如图3b所示，在光带上会存在与刚性悬挂方向垂直的线段，线段两端的光带通常呈现为曲线，曲线与线段之间存在交点。第一线段a与第一线段两端的曲线相交的交点为第一交点，第二线段b与第二线段两端的曲线相交的交点为第二交点。理想状态下，第一交点或第二交点的数量为两个。但是由于在拍摄图像或者激光照射过程中，存在干扰，如图3c所示，光带图像中也可能不存在上述第一交点或第二交点。如图3a所示，由于激光照射的预设角度是倾斜的，而非垂直照射，因此磨损区域C产生的光带存在一定的成像特征。第一目标形状对应的第一成像特征是指第一线段对应的“V”型底端的成像特征。第二目标形状对应的第二成像特征是指第二线段对应的“V”型底端的成像特征。偏移畸变特征是指基于图像采集装置的相机参数产生的图像畸变所对应的特征。
在一个实施例中，根据全部的目标纹理特征确定目标区域的磨耗区域包括：将目标区域转化成二值图像；对二值图像进行垂直投影，以得到二值图像在垂直方向对应的像素密度分布图；根据全部的目标纹理特征确定像素密度分布图中的突变区域；根据突变区域确定目标区域的磨耗区域。
目标区域的区域范围设定的大于历史的光带图像中磨耗区域的区域范围，为了确定目标区域中磨耗位置所在ROI区域，处理器可以将目标区域转化成二值图像。二值图像是指在图像中，灰度等级只有两种，也就是说，图像中的任何像素点的灰度值均为0或者255，分别代表黑色和白色。那么，处理器可以对二值图像进行垂直投影，以得到二值图像在垂直方向对应的像素密度分布图。其中，二值图像的垂直方向投影可以用于计算图像在垂直方向上的像素密度分布。具体来说，可以将二值图像沿着垂直方向分成若干个条带，然后计算每个条带中像素的数量，最终得到一个在垂直方向上的像素密度分布图，利用像素密度分布图可以检测图像中的垂直线条或者其他垂直结构。用于表征磨耗区域的目标纹理特征，在像素密度分布图中呈现与之对应的密度分布。则，处理器可以根据全部的目标纹理特征，来对确定像素密度分布图中进行识别，确定像素密度分布图的突变区域。突变区域是指像素密度分布图与目标纹理特征对应的图像区域。其中，第一目标纹理特征包括第一线段与第一线段两端的曲线之间的第一交点、光带上产生的第一目标形状对应的第一成像特征以及光带的偏移畸变特征。第二目标纹理特征包括第二线段与第二线段两端的曲线之间的第二交点、光带上产生的第二目标形状对应的第二成像特征以及光带的偏移畸变特征。则，处理器可以根据突变区域确定目标区域的磨耗区域。
在一个实施例中，对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点包括：对磨耗区域进行降维处理，以得到降维后的磨耗区域；基于超像素分割算法对降维后的磨耗区域进行局部聚类处理，以确定磨耗端点。
进一步地，由于刚性悬挂接触网长度较长，可以通过简化对图像计算的复杂度来实现快速地图像识别。具体地，处理器可以使用圆形LBP算子对磨耗区域进行图像编码，使磨耗区域的图像维度降低。再利用深度学习中的超像素分割算法对降维后的磨耗区域进行局部聚类处理，确定磨耗区域两端的磨耗端点。在另一种实施方式中，还可以通过支持向量机SVM技术进行二次像素颗粒识别，识别磨耗区域中的异常情况。那么，处理器可以根据聚类结果得到的磨耗端点，计算出磨耗宽度。
通过上述技术方案，通过激光装置按照预设角度照射刚性悬挂接触网，以在刚性悬挂接触网产生光带，获取刚性悬挂接触网的光带图像，检测出刚性悬挂接触网的磨耗宽度。面阵相机简易安装的属性，增强了对光线强弱和安装角度的适应性。基于光带图像中特殊纹理特征，对磨耗位置进行识别，不仅可以实现非侵入性地检测，并且其检测结果的精度高、实时性强。在不影响铁路列车正常运转的情况下进行检测，为地铁线路供电维护提供了有效的保障手段。
图2为一个实施例中用于刚性悬挂接触网的磨耗检测方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
图4示意性示出了根据本申请实施例的检测设备的结构框图。如图4所示，本申请实施例体用一种检测设备400，包括：
激光装置410，用于按照预设角度照射刚性悬挂接触网，以在所述刚性悬挂接触网产生光带；
图像采集装置420，用于采集所述刚性悬挂接触网的光带图像；
处理器430，被配置成执行上述的用于刚性悬挂接触网的磨耗检测方法。
具体地，激光装置发射的光线与刚性悬挂接触网之间的最佳角度为30度，图像采集装置架设于光带的正前方。检测设备与刚性悬挂接触网之间的最佳距离为65cm，激光装置与图像采集装置之间的最佳距离为100cm，以便于获取清楚准确的图像。在刚性悬挂接触网产生光带的同时，图像采集装置采集光带图像。激光装置可以是结构光线激光器，其射出的光线在刚性悬挂接触网呈现一条光带。图像采集装置可以是面阵相机。面阵相机主要采用的连续的、面状扫描光线来实现刚性悬挂接触网的检测，可以一次性获取完整的光带图像。
具体地，在一个实施例中，处理器430可以被配置成：
获取刚性悬挂接触网的光带图像；
提取光带图像的多个纹理特征；
根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域；
确定多个纹理特征的目标纹理特征，目标纹理特征包括光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及目标线段区域包括的第二线段对应的第二目标纹理特征，其中，目标线段区域是指与刚性悬挂方向垂直的线段所在的区域；
根据全部的目标纹理特征确定目标区域的磨耗区域；
对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点；
根据磨耗端点确定刚性悬挂接触网的磨耗宽度。
在一个实施例中，处理器430可以被配置成：第一目标纹理特征为第一线段与第一线段两端的曲线之间的第一交点、光带上产生的第一目标形状对应的第一成像特征以及光带的偏移畸变特征的至少一者，第二目标纹理特征为第二线段与第二线段两端的曲线之间的第二交点、光带上产生的第二目标形状对应的第二成像特征以及光带的偏移畸变特征的至少一者。
在一个实施例中，处理器430可以被配置成：提取光带图像的多个纹理特征包括：通过滤波器对光带图像进行去噪处理，以得到去噪后的光带图像；基于直方图均衡化算法对去噪后的光带图像进行处理，以得到与去噪后的光带图像对应的目标图像；基于局部二值模式算法或灰度共生矩阵算法对目标图像进行特征提取，以得到光带图像的多个纹理特征。
在一个实施例中，处理器530可以被配置成：根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域包括：多个纹理特征包括全局特征和局部特征，根据全局特征对光带图像进行分割，以得到光带图像中的光带区域；根据局部特征对光带区域进行分割，以得到光带区域中磨耗位置对应的目标区域。
在一个实施例中，处理器430可以被配置成：根据全部的目标纹理特征确定目标区域的磨耗区域包括：将目标区域转化成二值图像；对二值图像进行垂直投影，以得到二值图像在垂直方向对应的像素密度分布图；根据全部的目标纹理特征确定像素密度分布图中的突变区域；根据突变区域确定目标区域的磨耗区域。
在一个实施例中，处理器430可以被配置成：对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点包括：对磨耗区域对应的第二区域图像进行降维处理，以得到降维后的第二区域图像；基于超像素分割算法对降维后的第二区域图像进行局部聚类处理，以确定磨耗端点。
在一个实施例中，如图5所示，提供一种用于刚性悬挂接触网的磨耗检测装置500，包括图像获取模块、图像分割模块、磨耗识别模块以及宽度检测模块，其中：
图像获取模块520，用于获取刚性悬挂接触网的光带图像。
图像分割模块540，用于提取光带图像的多个纹理特征；根据多个纹理特征对光带图像进行分割，以得到光带图像的磨耗位置对应的目标区域。
磨耗识别模块560，用于确定多个纹理特征的目标纹理特征，目标纹理特征包括光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及目标线段区域包括的第二线段对应的第二目标纹理特征，其中，目标线段区域是指与刚性悬挂方向垂直的线段所在的区域；根据全部的目标纹理特征确定目标区域的磨耗区域。
宽度检测模块580，对磨耗区域进行局部聚类处理，以确定磨耗区域的磨耗端点；根据磨耗端点确定刚性悬挂接触网的磨耗宽度。
在一个实施例中，第一目标纹理特征为第一线段与第一线段两端的曲线之间的第一交点、光带上产生的第一目标形状对应的第一成像特征以及光带的偏移畸变特征的至少一者，第二目标纹理特征为第二线段与第二线段两端的曲线之间的第二交点、光带上产生的第二目标形状对应的第二成像特征以及光带的偏移畸变特征的至少一者。
在一个实施例中，图像分割模块540还用于：通过滤波器对光带图像进行去噪处理，以得到去噪后的光带图像；基于直方图均衡化算法对去噪后的光带图像进行处理，以得到与去噪后的光带图像对应的目标图像；基于局部二值模式算法或灰度共生矩阵算法对目标图像进行特征提取，以得到光带图像的多个纹理特征。
在一个实施例中，图像分割模块540还用于：多个纹理特征包括全局特征和局部特征，根据全局特征对光带图像进行分割，以得到光带图像中的光带区域；根据局部特征对光带区域进行分割，以得到光带区域中磨耗位置对应的目标区域。
在一个实施例中，磨耗识别模块560还用于：将目标区域转化成二值图像；对二值图像进行垂直投影，以得到二值图像在垂直方向对应的像素密度分布图；根据全部的目标纹理特征确定像素密度分布图中的突变区域；根据突变区域确定目标区域的磨耗区域。
在一个实施例中，宽度检测模块580还用于：对磨耗区域对应的第二区域图像进行降维处理，以得到降维后的第二区域图像；基于超像素分割算法对降维后的第二区域图像进行局部聚类处理，以确定磨耗端点。
在一个实施例中，预设角度为30度。
所述用于刚性悬挂接触网的磨耗检测装置包括处理器和存储器，上述图像获取模块、图像分割模块、磨耗识别模块以及宽度检测模块等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序模块中实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来实现对用于刚性悬挂接触网的磨耗检测方法。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本申请实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现上述用于刚性悬挂接触网的磨耗检测方法。
本申请实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述用于刚性悬挂接触网的磨耗检测方法。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过***总线连接的处理器A01、网络接口A02、存储器（图中未示出）和数据库（图中未示出）。其中，该计算机设备的处理器A01用于提供计算和控制能力。该计算机设备的存储器包括内存储器A03和非易失性存储介质A04。该非易失性存储介质A04存储有操作***B01、计算机程序B02和数据库（图中未示出）。该内存储器A03为非易失性存储介质A04中的操作***B01和计算机程序B02的运行提供环境。该计算机设备的数据库用于存储用于刚性悬挂接触网的磨耗检测数据。该计算机设备的网络接口A02用于与外部的终端通过网络连接通信。该计算机程序B02被处理器A01执行时以实现一种用于刚性悬挂接触网的磨耗检测方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本申请实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现上述用于刚性悬挂接触网的磨耗检测方法的步骤。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下上述用于刚性悬挂接触网的磨耗检测方法步骤的程序。
本领域内的技术人员应明白，本申请的实施例可提供为方法、***、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（***）、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”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、商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、商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，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种用于刚性悬挂接触网的磨耗检测方法，其特征在于，激光装置按照预设角度照射所述刚性悬挂接触网，以在所述刚性悬挂接触网产生光带，所述检测方法包括：
获取所述刚性悬挂接触网的光带图像；
提取所述光带图像的多个纹理特征；
根据所述多个纹理特征对所述光带图像进行分割，以得到所述光带图像的磨耗位置对应的目标区域；
确定所述多个纹理特征的目标纹理特征，所述目标纹理特征包括所述光带中目标线段区域包括的第一线段对应的第一目标纹理特征，以及所述目标线段区域包括的第二线段对应的第二目标纹理特征，其中，所述目标线段区域是指与刚性悬挂方向垂直的线段所在的区域，所述第一目标纹理特征为所述第一线段与所述第一线段两端的曲线之间的第一交点、所述光带上产生的第一目标形状对应的第一成像特征以及所述光带的偏移畸变特征的至少一者，所述第二目标纹理特征为所述第二线段与所述第二线段两端的曲线之间的第二交点、所述光带上产生的第二目标形状对应的第二成像特征以及所述光带的偏移畸变特征的至少一者，所述第一成像特征是指所述第一线段对应的“V”型底端的成像特征，所述第二成像特征是指所述第二线段对应的“V”型底端的成像特征；
将所述目标区域转化成二值图像；
对所述二值图像进行垂直投影，以得到所述二值图像在垂直方向对应的像素密度分布图；
根据全部的目标纹理特征确定所述像素密度分布图中的突变区域，所述突变区域是指像所述素密度分布图与所述目标纹理特征对应的图像区域；
根据所述突变区域确定所述目标区域的磨耗区域；
对所述磨耗区域进行局部聚类处理，以确定所述磨耗区域的磨耗端点；
根据所述磨耗端点确定所述刚性悬挂接触网的磨耗宽度。
2.根据权利要求1所述的用于刚性悬挂接触网的磨耗检测方法，其特征在于，所述提取所述光带图像的多个纹理特征包括：
通过滤波器对所述光带图像进行去噪处理，以得到去噪后的光带图像；
基于直方图均衡化算法对所述去噪后的光带图像进行处理，以得到与所述去噪后的光带图像对应的目标图像；
基于局部二值模式算法或灰度共生矩阵算法对所述目标图像进行特征提取，以得到所述光带图像的多个纹理特征。
3.根据权利要求1所述的用于刚性悬挂接触网的磨耗检测方法，其特征在于，所述根据所述多个纹理特征对所述光带图像进行分割，以得到所述光带图像的磨耗位置对应的目标区域包括：
所述多个纹理特征包括全局特征和局部特征，
根据所述全局特征对所述光带图像进行分割，以得到所述光带图像的光带区域；
根据所述局部特征对所述光带区域进行分割，以得到所述光带区域中所述磨耗位置对应的目标区域。
4.根据权利要求1所述的用于刚性悬挂接触网的磨耗检测方法，其特征在于，所述对所述磨耗区域进行局部聚类处理，以确定所述磨耗区域的磨耗端点包括：
对所述磨耗区域进行降维处理，以得到降维后的第二区域图像；
基于超像素分割算法对所述磨耗区域进行局部聚类处理，以确定所述磨耗端点。
5.根据权利要求1所述的用于刚性悬挂接触网的磨耗检测方法，其特征在于，所述预设角度为30度。
6.一种处理器，其特征在于，被配置成执行根据权利要求1至5中任意一项所述的用于刚性悬挂接触网的磨耗检测方法。
7.一种检测设备，其特征在于，所述检测设备包括：
激光装置，用于按照预设角度照射刚性悬挂接触网，以在所述刚性悬挂接触网产生光带；
图像采集装置，用于采集所述刚性悬挂接触网的光带图像；以及
如权利要求6所述的处理器。
8.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行根据权利要求1至5中任一项所述的用于刚性悬挂接触网的磨耗检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311288612.0A CN117029696B (zh) | 2023-10-08 | 2023-10-08 | 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311288612.0A CN117029696B (zh) | 2023-10-08 | 2023-10-08 | 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117029696A CN117029696A (zh) | 2023-11-10 |
| CN117029696B true CN117029696B (zh) | 2024-01-02 |
Family
ID=88641488
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311288612.0A Active CN117029696B (zh) | 2023-10-08 | 2023-10-08 | 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117029696B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013008600B3 (de) * | 2013-05-22 | 2014-08-28 | Db Netz Ag | Verfahren zur optischen Fahrdrahtstärkenmessung einer Oberleitung des Schienenverkehrs |
| CN106274979A (zh) * | 2016-08-30 | 2017-01-04 | 大连民族大学 | 钢轨磨耗自动检测装置 |
| CN109269403A (zh) * | 2017-07-17 | 2019-01-25 | 成都唐源电气股份有限公司 | 一种基于机器视觉的接触网导线磨耗测量方法及装置 |
| CN112284267A (zh) * | 2020-12-18 | 2021-01-29 | 成都弓网科技有限责任公司 | 一种接触线磨耗检测方法及*** |
| CN113465541A (zh) * | 2021-07-09 | 2021-10-01 | 北京运达华开科技有限公司 | 一种接触线磨耗测量方法及*** |
| CN113701628A (zh) * | 2021-08-20 | 2021-11-26 | 中国铁道科学研究院集团有限公司 | 接触线磨耗动态测量方法及装置 |
| CN214893085U (zh) * | 2021-05-12 | 2021-11-26 | 成都弓网科技有限责任公司 | 一种接触线磨耗快速测量装置 |
| CN114693619A (zh) * | 2022-03-18 | 2022-07-01 | 杭州申昊科技股份有限公司 | 刚性接触网磨耗检测方法、设备和存储介质 |
| CN114964008A (zh) * | 2022-04-14 | 2022-08-30 | 北京京港地铁有限公司 | 刚性接触网轻便式接触线连续磨耗测量仪及测量方法 |
| CN115631194A (zh) * | 2022-12-08 | 2023-01-20 | 首都医科大学附属北京天坛医院 | 颅内动脉瘤识别检测的方法、装置、设备及介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20160025977A1 (en) * | 2014-07-22 | 2016-01-28 | Osterhout Group, Inc. | External user interface for head worn computing |
-
2023
- 2023-10-08 CN CN202311288612.0A patent/CN117029696B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102013008600B3 (de) * | 2013-05-22 | 2014-08-28 | Db Netz Ag | Verfahren zur optischen Fahrdrahtstärkenmessung einer Oberleitung des Schienenverkehrs |
| CN106274979A (zh) * | 2016-08-30 | 2017-01-04 | 大连民族大学 | 钢轨磨耗自动检测装置 |
| CN109269403A (zh) * | 2017-07-17 | 2019-01-25 | 成都唐源电气股份有限公司 | 一种基于机器视觉的接触网导线磨耗测量方法及装置 |
| CN112284267A (zh) * | 2020-12-18 | 2021-01-29 | 成都弓网科技有限责任公司 | 一种接触线磨耗检测方法及*** |
| CN214893085U (zh) * | 2021-05-12 | 2021-11-26 | 成都弓网科技有限责任公司 | 一种接触线磨耗快速测量装置 |
| CN113465541A (zh) * | 2021-07-09 | 2021-10-01 | 北京运达华开科技有限公司 | 一种接触线磨耗测量方法及*** |
| CN113701628A (zh) * | 2021-08-20 | 2021-11-26 | 中国铁道科学研究院集团有限公司 | 接触线磨耗动态测量方法及装置 |
| CN114693619A (zh) * | 2022-03-18 | 2022-07-01 | 杭州申昊科技股份有限公司 | 刚性接触网磨耗检测方法、设备和存储介质 |
| CN114964008A (zh) * | 2022-04-14 | 2022-08-30 | 北京京港地铁有限公司 | 刚性接触网轻便式接触线连续磨耗测量仪及测量方法 |
| CN115631194A (zh) * | 2022-12-08 | 2023-01-20 | 首都医科大学附属北京天坛医院 | 颅内动脉瘤识别检测的方法、装置、设备及介质 |
Non-Patent Citations (4)
| Title |
|---|
| 国外接触网导线磨耗检测***;彭朝勇;高晓蓉;;中国铁路(第04期);第71-73页 * |
| 电气化铁路接触线磨耗动态检测***研究;王佳;王瑞锋;;郑铁科技(第04期);第13-17页 * |
| 视频图像中维吾尔文字的识别研究;艾力·居麦等;《计算机工程与应用》;第47卷(第36期);第190-192、248页 * |
| 轨道交通接触线磨损实时在线检测研究;靳成等;《激光杂志》;第41卷(第1期);第26-30页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117029696A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9990546B2 (en) | Method and apparatus for determining target region in video frame for target acquisition | |
| US20180027224A1 (en) | Systems and Methods for Estimating and Refining Depth Maps | |
| Mu et al. | Lane detection based on object segmentation and piecewise fitting | |
| CN114529459B (zh) | 一种对图像边缘进行增强处理的方法和***及介质 | |
| CN107871319B (zh) | 限束器区域的检测方法、装置、x射线***和存储介质 | |
| CN111027535A (zh) | 一种车牌识别方法及相关设备 | |
| JP2012038318A (ja) | ターゲット検出方法及び装置 | |
| CN111144228B (zh) | 基于3d点云数据的障碍物识别方法和计算机设备 | |
| Kocur et al. | Detection of 3D bounding boxes of vehicles using perspective transformation for accurate speed measurement | |
| US20150178573A1 (en) | Ground plane detection | |
| CN116630225B (zh) | 一种铁路桥梁水下基础损伤识别方法、装置以及处理设备 | |
| CN117094916B (zh) | 一种市政桥梁支座视觉检测方法 | |
| CN115311631A (zh) | 一种隧道内的图像采集方法、设备及介质 | |
| CN115272852A (zh) | 一种输电线路保护区隐患识别方法、设备及介质 | |
| CN117029696B (zh) | 一种用于刚性悬挂接触网的磨耗检测方法及检测设备 | |
| CN111127381B (zh) | 一种受电弓滑板不平行检测方法 | |
| CN114842166A (zh) | 应用于结构化道路的负障碍检测方法、***、介质及设备 | |
| CN111488762A (zh) | 一种车道级定位方法、装置及定位设备 | |
| CN116342656B (zh) | 一种基于自适应边缘检测的时空图像测速方法和装置 | |
| Ikeda et al. | Traffic measurement with a roadside vision system-individual tracking of overlapped vehicles | |
| Zeglazi et al. | Accurate dense stereo matching for road scenes | |
| CN115809999A (zh) | 器件上目标对象检测方法、装置、电子设备及存储介质 | |
| CN116168288A (zh) | 一种基于红外图像的分布式光伏电站光伏阵列分割方法、***、设备以及存储介质 | |
| KR102556350B1 (ko) | 병변 면적비율 산출 방법 및 그를 위한 장치 | |
| CN114140742A (zh) | 一种基于光场深度图像的轨道异物入侵检测方法 |
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 |