JP6488478B2 - Overhead line inspection device - Google Patents
Overhead line inspection device Download PDFInfo
- Publication number
- JP6488478B2 JP6488478B2 JP2015092526A JP2015092526A JP6488478B2 JP 6488478 B2 JP6488478 B2 JP 6488478B2 JP 2015092526 A JP2015092526 A JP 2015092526A JP 2015092526 A JP2015092526 A JP 2015092526A JP 6488478 B2 JP6488478 B2 JP 6488478B2
- Authority
- JP
- Japan
- Prior art keywords
- overhead
- line
- likelihood
- particle
- particles
- 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.)
- Expired - Fee Related
Links
- 238000007689 inspection Methods 0.000 title claims description 71
- 239000002245 particle Substances 0.000 claims description 303
- 238000012545 processing Methods 0.000 claims description 102
- 238000006073 displacement reaction Methods 0.000 claims description 86
- 239000000725 suspension Substances 0.000 claims description 78
- 230000007704 transition Effects 0.000 claims description 54
- 238000001514 detection method Methods 0.000 claims description 45
- 238000004364 calculation method Methods 0.000 claims description 41
- 238000012952 Resampling Methods 0.000 claims description 26
- 230000008859 change Effects 0.000 claims description 15
- 241001669679 Eleotris Species 0.000 claims description 13
- 238000000034 method Methods 0.000 description 103
- 230000008569 process Effects 0.000 description 52
- 230000006870 function Effects 0.000 description 42
- 238000009826 distribution Methods 0.000 description 33
- 238000005259 measurement Methods 0.000 description 16
- 238000013459 approach Methods 0.000 description 13
- 238000003384 imaging method Methods 0.000 description 12
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 229910052708 sodium Inorganic materials 0.000 description 2
- 239000011734 sodium Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Description
本発明は、架線類検測装置に関し、とくに確率伝播法と時系列フィルタを用いて複数の架線類の変位などを検査・測定するための架線類検測装置に関する。 The present invention relates to an overhead wire inspection device, and more particularly, to an overhead wire inspection device for inspecting and measuring a plurality of overhead wire displacements using a probability propagation method and a time series filter.
下記特許文献1には、レーザー光をトロリ線摺動面に照射し、その反射光を受光してその受光信号に基づいてトロリ線の摩耗量を測定する装置が開示されている。
また、下記特許文献2には、ナトリウムランプ光源とラインセンサを用いてトロリ線摺動面を測定する装置が開示されている。
下記特許文献3には、パンタグラフ方向に光を照射し、その反射光を用いてトロリ線摺動面を検出する装置が開示されている。
なお、本発明に関連する架線類検出装置として、確率的なアプローチ(以下、確率論的アプローチという)を使用し、どの時点で何本の架線があるか分かっている場合に有効な手法の発明もなされている(特願2013−232759、特願2013−232761参照)。この手法は過去の同区間の計測データを有効活用することで時系列フィルタの状態遷移や架線の本数を決定している。 The invention of a technique effective when a probabilistic approach (hereinafter referred to as a probabilistic approach) is used as an overhead line detection device related to the present invention and how many overhead lines are known at which point. (See Japanese Patent Application Nos. 2013-232759 and 2013-232761). This method determines the state transition of the time series filter and the number of overhead lines by effectively using the measurement data of the same section in the past.
一方、下記非特許文献1には、時系列フィルタであるパーティクルフィルタの確率遷移方法としてSIR(Sampling Importance Resampling)とMCMC(Malkov Chain Monte Calro)を組み合わせるSIR/MCMCパーティクルフィルタにより、追跡対象の数が分からない場合にも対応できる手法が提案されている。
On the other hand, the following
ここで、パーティクルフィルタについて、図1に基づき説明する。
先ず、図1上段は横軸が状態、縦軸が確率を示す確率密度分布である。本手法では状態は場合によって変わるが(架線の偏位・摩耗の開始位置・摩耗の幅×架線の本数)、どれも多次元になるため、ここでは簡単のため1次元の概念図にして説明している(例えば架線偏位における確率を表す関数とみなせる)。図1上段左は、状態(架線位置、摩耗幅など)の確率密度分布が一様分布であり、図1上段中央は、事後分布に状態遷移モデルをかけて状態の分布を算出している。
Here, the particle filter will be described with reference to FIG.
First, the upper part of FIG. 1 is a probability density distribution in which the horizontal axis indicates the state and the vertical axis indicates the probability. In this method, the state changes depending on the situation (overlapping line deflection, wear start position, wear width x number of overhead lines), but all of them are multi-dimensional. (For example, it can be regarded as a function representing the probability of overhead line deviation). The upper left of FIG. 1 shows a uniform probability density distribution of states (overhead position, wear width, etc.), and the upper center of FIG. 1 calculates the state distribution by applying a state transition model to the posterior distribution.
次に、図1中段は、確率密度分布を離散化して表示したものになる。確率密度分布のような連続関数は数式で表せない場合は計算が不可能であるが、離散化・近似を行うことで元の確率密度分布に近しい値を算出することが出来る。これを図中では、「確率密度分布の近似」と示している。 Next, the middle part of FIG. 1 shows the probability density distribution displayed in a discrete manner. A continuous function such as a probability density distribution cannot be calculated when it cannot be expressed by a mathematical expression, but a value close to the original probability density distribution can be calculated by discretization and approximation. This is shown as “approximation of probability density distribution” in the figure.
非特許文献1に記載されたSIR/MCMCパーティクルフィルタでは、低解像度MCMCパーティクルフィルタ(一様サンプリング法に基づく方法であり、真値への収束性能は低い一方、追跡対象の変化が急激でなければ、全対象へ一様に粒子が収束するという性質を有する)により追跡対象候補位置を大まかに取得し、取得した追跡対象候補位置の近傍に、重点的に高解像度SIRパーティクルフィルタ(一般的なパーティクルフィルタであり、複数の情報源から得られる観測結果の統合が容易であり、ご観測やデータの欠落に強いという性質を有する)の初期粒子を配置することより、確率密度分布において高い値を示す箇所では密に離散化を、低い箇所では疎に離散化を行う。
The SIR / MCMC particle filter described in Non-Patent
図1中段左では確率密度分布が一様分布だったため等間隔に離散化を行っている。またこの離散化した際に表現した点の事を粒子(パーティクル)と呼ぶ。
図1下段では、図1中段で得られた離散化した粒子に対して、尤もらしいどうかの評価を行う。これには観測データ(例えば架線偏位の情報が観測されたデータ)を用いる。ここで粒子が尤もらしければ高い値を、尤もらしくなければ低い値を与える。これを尤度という。観測データにより尤度が算出される(事後分布)。
In the middle left of FIG. 1, the probability density distribution is a uniform distribution, so the discretization is performed at equal intervals. Further, the points expressed when discretized are called particles.
In the lower part of FIG. 1, whether or not the discretized particles obtained in the middle part of FIG. 1 are likely is evaluated. For this, observation data (for example, data in which information on overhead line deviation is observed) is used. Here, a high value is given if the particle is plausible, and a low value is given if it is not plausible. This is called likelihood. Likelihood is calculated from the observed data (posterior distribution).
全粒子に対して尤度評価を行うことで事後確率(事後分布)が得られる。これは最初に与えられた確率密度分布を事前確率とすると、尤度を用いてベイズの定理で事後確率が求められるためである。よって図1下段は事後確率を表す。
これが左→中→右と矢印で示すように、時刻とともに変わる観測データに合わせて変わっていく様子を示したのが図1である。実際には右で終わるのではなく、時刻分この処理が行われる。これを図中で「繰り返し」と説明している。
A posteriori probability (posterior distribution) is obtained by performing likelihood evaluation on all particles. This is because if the probability density distribution given first is the prior probability, the posterior probability is obtained by Bayes' theorem using likelihood. Therefore, the lower part of FIG. 1 represents the posterior probability.
FIG. 1 shows how this changes according to the observation data that changes with time, as indicated by arrows from left to middle to right. Actually, it does not end on the right, but this process is performed for the time. This is described as “repeat” in the figure.
なお、「図1上段中央は、事後分布に状態遷移モデルをかけて状態の分布を算出している。」と説明したが、ここで、「状態遷移モデル」とは、例えば、架線偏位がx1という位置であったら次の時刻にはx2という位置になる確率、の事であり、前時刻の事後分布に対して状態遷移モデル(状態遷移確率、状態遷移方程式とも言う)を用いる事で、新しい(現時刻の)事前分布を得ることが出来る。 In addition, “the state distribution model is calculated by applying the state transition model to the posterior distribution in the upper center of FIG. 1”. Here, the “state transition model” means, for example, an overhead line displacement is If it is the position of x1, it is the probability of becoming the position of x2 at the next time, and by using a state transition model (also referred to as state transition probability, state transition equation) for the posterior distribution of the previous time, A new (current time) prior distribution can be obtained.
ちなみに実際に得られる事前分布は離散化されたものであり、図1で言うと処理的には左下段の事後分布を使用し、中の中段の事前分布を得るという事になる。図1上段はもしこの事前分布を連続関数(確率密度分布)で表すとどうなるかというイメージ図になる。 Incidentally, the prior distribution actually obtained is discretized. In FIG. 1, the lower left posterior distribution is used in terms of processing, and the middle middle prior distribution is obtained. The upper part of FIG. 1 is an image diagram showing what happens if this prior distribution is represented by a continuous function (probability density distribution).
また、下記非特許文献2には、グラフィカルモデルと確率伝播について記述されており、同時分布の大域最大解を求める方法について記述されている。
Non-Patent
特許文献1では、レーザー光をトロリ線摺動面に照射し、その反射光を受光してその受光信号に基づいてトロリ線の摩耗量を測定するが、何本あるか分からない架線(以下、複数架線という)にどのように対応するかについては触れられていない。また、確率論的アプローチは使用していないため、しきい値処理での誤認識が起こる可能性がある。
In
特許文献2では、ナトリウムランプ光源とラインセンサを用いてトロリ線摺動面を測定するが、特許文献1同様複数架線への対応の詳細が不明なこと、確率論的アプローチを導入していないことが問題である。
In
特許文献3では、光の反射を使って、ラインセンサカメラ画像からトロリ線を検出している。エッジ検出処理により架線の連続性は評価しているが、区切りによって架線が検出できなかったり複数の架線を取得できなかったりといった問題がある。また確率論的アプローチは導入していない。
In
特願2013−232759、特願2013−232761の方法では、過去の同区間の計測データを有効活用することで時系列フィルタの状態遷移や架線の本数の決定をしているが、これらの情報がないときに架線の推定が難しくなるおそれがある。 In the methods of Japanese Patent Application Nos. 2013-232759 and 2013-232761, the state transition of the time series filter and the number of overhead lines are determined by effectively utilizing the past measurement data of the same section. There is a risk that it is difficult to estimate the overhead line when there is not.
このようなことから本発明は、非特許文献1に記載されているSIR/MCMCパーティクルフィルタを応用するとともに、非特許文献2に記載されている同時分布の大域最大解を求める方法を用いて架線検測を行うことにより、時系列フィルタを用いたデータ処理と確率伝播処理により単一もしくは複数の架線類を高精度に計測することを可能とした架線検測装置を提供することを目的とする。なお、本発明では、架線の検出を決定論ではなく確率論で扱い、その確率が時系列的に連続性を持っていれば同時確率は大きくなることから、この最大確率を得る手法として確率伝播法を用いる。
For this reason, the present invention applies the SIR / MCMC particle filter described in Non-Patent
上記の課題を解決するための第1の発明に係る架線類検測装置は、
時系列フィルタを用いたデータ処理により電車車両上の架線類を高精度に計測する架線類検測装置において、
前記電車車両上面に配置されたラインセンサにより取得された前記架線類の偏位・幅を含むデータを入力するデータ入力部と、
前記架線類の偏位・幅のランダムな値を持つパーティクルを用意するパーティクル初期化部と、
パーティクル及び前記データ入力部で入力された前時刻の前記データを使用して尤度関数に基づき前記パーティクルの尤度値を計算する尤度計算部と、
前記尤度計算部で計算された尤度値に基づき、尤度値の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行うリサンプリング部と、
前記リサンプリング部でリサンプリングした前記パーティクルのパラメータを状態遷移モデルに基づいて変化させて新たなパーティクルを作成する状態遷移部と、
予め規定した数のラインのデータから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する架線類検出部と、から構成され、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記データ入力部で入力された前時刻の前記データとを使用して前記パーティクルの尤度値を計算する
ことを特徴とする。
The overhead wire inspection device according to the first invention for solving the above-mentioned problems is
In the overhead line inspection device that measures the overhead lines on the train car with high accuracy by data processing using a time series filter,
A data input unit for inputting data including the displacement and width of the overhead wires obtained by a line sensor disposed on the upper surface of the train car;
A particle initialization unit for preparing particles having random values of the displacement and width of the overhead lines;
A likelihood calculating unit that calculates a likelihood value of the particle based on a likelihood function using the particle and the data at the previous time input in the data input unit;
Based on the likelihood value calculated by the likelihood calculation unit, a resampling unit that performs resampling so that particles with a high likelihood value are selected with a high probability;
A state transition unit that creates a new particle by changing a parameter of the particle resampled by the resampler based on a state transition model;
Wireline detection that evaluates the time-series continuity of the particles by probability propagation processing based on the likelihood values of particles obtained from a predetermined number of lines of data, and finally selects the particles used for detection Part, and
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit and the data at the previous time input by the data input unit. And calculating the likelihood value of the particle.
上記の課題を解決するための第2の発明に係る架線類検測装置は、第1の発明において、
前記ラインセンサはラインセンサカメラであり、
前記データ入力部は、前記ラインセンサカメラにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データを入力する画像入力部であり、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記画像入力部で入力された前時刻の画像データとを使用して尤度関数に基づき前記パーティクルの尤度値を計算し、
前記架線類検出部は、予め規定した数のラインの画像データから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する
ことを特徴とする。
The overhead wire inspection device according to the second invention for solving the above-mentioned problems is the first invention,
The line sensor is a line sensor camera;
The data input unit is an image input unit for inputting image data including a deviation, a width, and a wear width of the overhead wires taken in time series by the line sensor camera,
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit and the image data of the previous time input by the image input unit. And calculating the likelihood value of the particle based on the likelihood function,
The overhead line detection unit evaluates the time-series continuity of the particles by probability propagation processing based on the likelihood value of the particles obtained from the image data of a predetermined number of lines, and finally detects it. The particle to be used is selected.
上記の課題を解決するための第3の発明に係る架線類検測装置は、第2の発明において、
前記架線類は、単一又は複数の架線であり、
前記パーティクル初期化部は、前記架線の偏位・摩耗幅のランダムな値を持つパーティクルを用意し、
前記尤度関数が、枕木方向において前記架線の摩耗領域とその両側とで画素値が大きく変わること、および前記摩耗領域の平均画素値が前記摩耗領域を除いた架線の領域の平均画素値よりも大きくなることを考慮して設定される
ことを特徴とする。
An overhead wire inspection apparatus according to a third invention for solving the above-mentioned problems is the second invention,
The overhead lines are single or multiple overhead lines,
The particle initialization unit prepares particles having random values of the deflection / wear width of the overhead wire,
The likelihood function is such that the pixel value changes greatly between the wear area of the overhead line and both sides thereof in the sleeper direction, and the average pixel value of the wear area is larger than the average pixel value of the overhead line area excluding the wear area It is characterized by being set in consideration of the increase.
上記の課題を解決するための第4の発明に係る架線類検測装置は、第3の発明において、
前記架線類は、吊架線を含み、
前記パーティクル初期化部は、前記吊架線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、背景の画素値よりも吊架線の画素値が低い傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする。
The overhead wire inspection device according to a fourth invention for solving the above-mentioned problems is the third invention,
The overhead lines include a suspended overhead line,
The particle initialization unit further prepares particles having random values of the displacement and width of the suspension line,
The likelihood calculating unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the pixel value of the suspension line tends to be lower than the pixel value of the background. And
上記の課題を解決するための第5の発明に係る架線類検測装置は、第3又は第4の発明において、
前記架線類は、渡り線を含み、
前記パーティクル初期化部は、前記渡り線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、背景の画素値よりも渡り線の画素値が低い傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする。
An overhead wire inspection apparatus according to a fifth invention for solving the above-mentioned problems is the third or fourth invention,
The overhead wires include crossovers,
The particle initialization unit further prepares particles having random values of the displacement / width of the crossover line,
The likelihood calculating unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the pixel value of the crossover line is lower than the pixel value of the background. And
上記の課題を解決するための第6の発明に係る架線類検測装置は、第2から第5のいずれか一つの発明において、
前記ラインセンサカメラは、複数であり、
前記画像入力部が複数の前記ラインセンサカメラにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データをそれぞれ入力する
ことを特徴とする。
The overhead line inspection device according to a sixth invention for solving the above-mentioned problems is any one of the second to fifth inventions,
The line sensor camera is plural,
The image input unit inputs image data including a deviation, a width, and a wear width of the overhead wires taken in time series by the plurality of line sensor cameras.
上記の課題を解決するための第7の発明に係る架線類検測装置は、第1の発明において、
前記ラインセンサは測距センサであり、
前記データ入力部は、前記測距センサにより取得された前記架線類の偏位・架線幅・高さを含む距離データを入力する距離データ入力部であり、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記データ入力部で入力された前時刻の距離データとを使用して尤度関数に基づき前記パーティクルの尤度値を計算し、
前記架線類検出部は、予め規定した数のラインの距離データから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する
ことを特徴とする。
The overhead wire inspection device according to a seventh aspect of the invention for solving the above-described problems is the first aspect of the invention,
The line sensor is a distance measuring sensor,
The data input unit is a distance data input unit for inputting distance data including a deviation, an overhead line width, and a height of the overhead lines obtained by the ranging sensor,
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit, and the distance data of the previous time input by the data input unit. And calculating the likelihood value of the particle based on the likelihood function,
The overhead line detection unit evaluates the chronological continuity of the particles by probability propagation processing based on the likelihood value of the particles obtained from the distance data of a predetermined number of lines, and finally detects it. The particle to be used is selected.
上記の課題を解決するための第8の発明に係る架線類検測装置は、第7の発明において、
前記架線類は、単一又は複数の架線であり、
前記パーティクル初期化部は、前記架線の偏位・摩耗幅のランダムな値を持つパーティクルを用意し、
前記尤度関数が、枕木方向において前記架線の摩耗領域とその両側とで距離データが大きく変わること、架線領域および高さは前時刻の偏位から大幅に変化しないことを考慮して設定される
ことを特徴とする。
An overhead wire inspection device according to an eighth invention for solving the above-described problems is the seventh invention,
The overhead lines are single or multiple overhead lines,
The particle initialization unit prepares particles having random values of the deflection / wear width of the overhead wire,
The likelihood function is set considering that the distance data greatly changes between the wear area of the overhead line and both sides thereof in the sleeper direction, and that the overhead line area and height do not change significantly from the deviation from the previous time. It is characterized by that.
上記の課題を解決するための第9の発明に係る架線類検測装置は、第8の発明において、
前記架線類は、吊架線を含み、
前記パーティクル初期化部は、前記吊架線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、架線よりも吊架線の距離が大きい傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする。
An overhead wire inspection device according to a ninth aspect of the invention for solving the above-mentioned problems is the eighth aspect of the invention,
The overhead lines include a suspended overhead line,
The particle initialization unit further prepares particles having random values of the displacement and width of the suspension line,
The likelihood calculation unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the distance of the suspension line tends to be larger than the overhead line.
上記の課題を解決するための第10の発明に係る架線類検測装置は、第8又は第9の発明において、
前記架線類は、渡り線を含み、
前記パーティクル初期化部は、前記渡り線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、架線よりも渡り線の距離が大きい傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする。
The overhead wire inspection device according to a tenth aspect of the invention for solving the above problems is the eighth or ninth aspect of the invention,
The overhead wires include crossovers,
The particle initialization unit further prepares particles having random values of the displacement / width of the crossover line,
The likelihood calculating unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the distance of the crossover line is larger than the overhead line.
本発明によれば、時系列フィルタを用いたデータ処理と確率伝播処理とを行うことにより、架線類の本数が不明であっても、架線類の偏位および幅を高精度に検出することができる。 According to the present invention, by performing data processing using a time series filter and probability propagation processing, even when the number of overhead lines is unknown, the displacement and width of the overhead lines can be detected with high accuracy. it can.
〔第一の実施形態〕
電車上面からラインセンサカメラを用いて撮影した架線類の軌跡を正確に計測したいという要望がある。ここで、架線類とは、本発明においては、単一又は複数の架線を意味する他、更に、吊架線、渡り線を含めた意味で使用する。
[First embodiment]
There is a desire to accurately measure the trajectory of overhead lines taken from the upper surface of a train using a line sensor camera. Here, in the present invention, the overhead line means a single or a plurality of overhead lines, and further includes a suspended overhead line and a crossover line.
しかしながら、画像上には様々なものが計測されることや、屋外環境で太陽光など様々な計測困難な要因があるため単純な画像処理で架線のみを検出することは困難である。
そこで、まず、本実施形態では特許文献3同様、電車上面よりカメラで架線を撮影する際に光を投光することを考える。
光を投光することにより、架線の摩耗面が光を反射し、それを計測することで高精度な架線検測の実現を目指す。
However, it is difficult to detect only the overhead line by simple image processing because various things are measured on the image and there are various factors such as sunlight in the outdoor environment that are difficult to measure.
Therefore, first, in this embodiment, as in
By projecting light, the wear surface of the overhead line reflects the light, and by measuring it, we aim to realize highly accurate overhead line inspection.
さらに、本実施形態では架線の特徴である「摩耗領域の前後で画素値が大きく変わる」、「摩耗領域の平均画素値の方が摩耗領域を除いた架線領域の平均画素値よりも大きい」、「架線領域および摩耗領域は前ラインの偏位や高さから大幅に変化しない」といった情報を用いて、架線偏位およびその摩耗幅の画像処理を用いた計測を行う。
まず、「架線領域および摩耗領域は前ラインの偏位から大幅に変化しない」という特徴があることから、非特許文献1に記載された追跡に有効な時系列フィルタであるSIR/MCMCパーティクルフィルタを用いて架線の偏位・摩耗を推定する。
Furthermore, in the present embodiment, the characteristic of the overhead line is "the pixel value is greatly changed before and after the wear area", "the average pixel value of the wear area is larger than the average pixel value of the overhead line area excluding the wear area", Using information such as “the overhead wire region and the wear region do not change significantly from the deviation or height of the previous line”, measurement using the image processing of the overhead wire displacement and its wear width is performed.
First, since there is a feature that “the overhead wire region and the wear region do not change significantly from the deviation of the previous line”, the SIR / MCMC particle filter, which is a time series filter effective for tracking described in
パーティクルフィルタの特徴として時系列情報を用いた予測が行えること、決定論ではなく確率論を扱えることが挙げられる。 As a feature of the particle filter, prediction using time series information can be performed, and probability theory can be handled instead of determinism.
パーティクルフィルタでは確率密度分布をサンプリングにより離散化して扱うことにより計算困難性を解消している。このサンプリング点をパーティクルと呼ぶ。各パーティクルがどれだけ最適解として尤もらしいかを尤度計算によって求めている。この際尤度関数をどのように設定するかが非常に重要となる。 In the particle filter, calculation difficulty is eliminated by discretizing the probability density distribution by sampling. This sampling point is called a particle. How likely each particle is as an optimal solution is obtained by likelihood calculation. At this time, how to set the likelihood function is very important.
本実施形態では複数の要素を考慮した尤度関数を用いることで尤もらしさを計算する。
まず、パーティクルフィルタの状態ベクトルはラインセンサで撮像された1ライン中の架線の偏位、摩耗領域の幅の二次元ベクトルとする。
In this embodiment, likelihood is calculated by using a likelihood function considering a plurality of elements.
First, the state vector of the particle filter is a two-dimensional vector of the displacement of the overhead line in one line imaged by the line sensor and the width of the wear region.
次に、尤度関数として、図2に示すように、枕木方向において摩耗領域とその両側とで画素値が大きく変わること、摩耗領域の平均画素値の方が摩耗領域を除いた架線領域の平均画素値よりも大きくなることを考慮した尤度関数を設定する。 Next, as a likelihood function, as shown in FIG. 2, the pixel values greatly change between the wear area and both sides in the sleeper direction, and the average pixel value of the wear area is the average of the overhead line area excluding the wear area. A likelihood function is set considering that the pixel value is larger than the pixel value.
つまり、尤度関数は、枕木方向における摩耗領域とその両側との画素値の差分の絶対値と、摩耗領域の平均画素値から架線領域の平均画素値を減算した場合の差分値とに基づく。
具体的には、この2つを組み合わせて尤度関数としている。現状ではそれぞれの値を全て和算したものを用いているが、場合によって各項目の重みを大きくするといった処理(重み付け和)をしている。尤度値は尤度と同じである。
That is, the likelihood function is based on the absolute value of the pixel value difference between the wear area in the sleeper direction and its both sides and the difference value when the average pixel value of the overhead line area is subtracted from the average pixel value of the wear area.
Specifically, the two are combined into a likelihood function. At present, the sum of all the values is used, but depending on the case, processing (weighted sum) is performed to increase the weight of each item. The likelihood value is the same as the likelihood.
また、架線の形状は大幅には変化が無いことが分かっていることから、偏位情報は前ライン情報を用いて次ラインのおおまかな偏位が推測できる。
この情報を用いて状態遷移モデルを定義することで高精度な推定が可能になると考えられる。
すなわち、事前に架線の大まかな形状が既知の場合、架線が次の時刻でどの範囲に存在するかを予測できるため、その情報を状態遷移モデルとして使用する。
In addition, since it is known that the shape of the overhead wire does not change significantly, it is possible to estimate a rough displacement of the next line using the previous line information as the displacement information.
By using this information to define a state transition model, high-precision estimation is possible.
That is, when the approximate shape of the overhead line is known in advance, it is possible to predict in which range the overhead line exists at the next time, so that information is used as the state transition model.
本実施形態では、図1にあるような確率密度分布を利用することで、前ラインでの推定(もっとも確率が高かった事例)に誤差が存在した場合でも、次ラインの推定には誤差の生じた結果以外の情報も用いる事ができるため、特許文献1,2,3のような決定論的なアプローチ(以下、決定論的アプローチという)と比べ毎ラインのロバストな推定が可能になる。
In the present embodiment, by using the probability density distribution as shown in FIG. 1, even if there is an error in the estimation on the previous line (the case with the highest probability), an error occurs in the estimation of the next line. Since information other than the results can also be used, robust estimation of each line is possible as compared with the deterministic approaches (hereinafter referred to as deterministic approaches) such as
ここで、前ライン、次ラインとは、図3に示すように、前時刻のデータ、次時刻のデータの意味である。即ち、図3は、ラインセンサカメラで得られたラインデータを時刻順に並べたグラフであり、本発明の説明において前ライン、次ラインとは例えば時刻tで得られたラインデータに対して、時刻t−1で得られたデータ、時刻t+1で得られたデータの事を指す。
Here, the previous line and the next line mean the data of the previous time and the data of the next time, as shown in FIG. That is, FIG. 3 is a graph in which the line data obtained by the line sensor camera is arranged in order of time. In the description of the present invention, the previous line and the next line are, for example, the time for the line data obtained at time t. It refers to the data obtained at t-1 and the data obtained at
なお、時系列フィルタには様々な物があるが、ここで使用している「パーティクルフィルタ」はその中の1つである。 There are various types of time series filters, and the “particle filter” used here is one of them.
ここで、「決定論」と「確率論」について、簡単に対比すると以下の通りである。
雲が上空に30%ある状態を「晴れ」と説明するのが決定論、「30%の雲がある晴れ」と説明するのが確率論である。○×だけでなくその程度も考慮する事ができるのが確率論的アプローチの優位性である。
Here, “determinism” and “probability theory” can be briefly compared as follows.
Deterministic is to explain the state where the clouds are 30% in the sky as “clear”, and probability theory is to explain that it is “clear with 30% clouds”. The advantage of the probabilistic approach is that not only XX but also the degree can be considered.
「決定論では、「架線の抽出」→「連続性の確認」」となる。これが問題なのは、本当に正しいかどうか分からなくても「この箇所は架線だ」という決定論を毎時刻行い、後からそれが連続していたから正しいという判断をしている事である。
どこか1時刻でも間違っていた場合や何かしらの理由で架線が撮像できなかった場合、連続性が途切れてしまい、誤認識する事になる。
“In determinism,“ extract overhead lines ”→“ confirm continuity ”. The problem is that even if you don't know if it's really correct, you run a determinism that says "This part is an overhead line" every time, and later decide that it is correct because it was continuous.
If it is wrong somewhere at one time, or if the overhead line cannot be imaged for some reason, the continuity is interrupted, resulting in erroneous recognition.
それに対して確率論では各時刻で架線らしい領域とその尤もらしさを評価している。
前述の決定論的手法だとある1箇所を架線として判定するが、確率論的手法だと複数箇所の(本発明で言えば各パーティクルの)尤もらしさを用いるので、ある1点の結果に左右されない判定を行うことができる。
On the other hand, the probability theory evaluates the area that seems to be an overhead line at each time and its likelihood.
In the case of the deterministic method described above, a certain point is determined as an overhead line, but in the case of the probabilistic method, the likelihood of each point (in the present invention, each particle) is used. Judgment that is not performed can be made.
このように確率論的アプローチをとった方法は上述した特願2013−232759で提案されているが、特願2013−232759ではどの時刻に何本の架線があるかは既知という制約があった。しかしながら、どの時刻に何本の架線があるかは過去の同区間のデータを活用するなどしない限り、実際は分からない。そのためどの時刻に何本あるかも同時に検出できる方法が望まれている。このようにいくつ対象物があるか分からない際に追跡する手法として非特許文献1の手法(SIR/MCMCパーティクルフィルタ)が提案されている。本特許ではこの非特許文献1の手法を応用することで複数架線に対応する。
A method using such a probabilistic approach has been proposed in Japanese Patent Application No. 2013-232759 described above. However, in Japanese Patent Application No. 2013-232759, there is a limitation that it is known how many overhead lines are present at which time. However, the actual number of overhead lines at which time is not known unless data from the same section in the past is used. The method can be detected simultaneously be anything present there has been desired in which the time for it. As described above, the method (SIR / MCMC particle filter) of
そして、パーティクルフィルタを利用することで各時刻における架線らしい領域の確率を表現することができたら、確率が最も高い箇所が架線であるかどうかを、時系列的な連続性(「架線領域および摩耗領域は前ラインの偏位や高さから大幅に変化しない」という情報)を考慮して求める。これには、非特許文献2に記載された確率伝播法を用いる。すなわち、確率的伝播法を用いることで、架線の接続性を調査し、これにより大域的最適解(連続性を考慮した存在確率が高くなる架線軌跡候補)を求め、複数架線の検出を行う。
Then, if the probability of the region that seems to be an overhead line at each time can be expressed by using the particle filter, it is determined whether the location with the highest probability is an overhead line or not. The area is determined in consideration of the information) that the area does not change significantly from the deviation or height of the previous line. For this, the probability propagation method described in
例えば、図4に示す例では、左右にそれぞれパーティクルが集中している部分が存在し、時刻t−2,t+1,t+2では左側のパーティクルの尤度が高いのに対し、時刻t−1,tでは右側のパーティクルの尤度が高くなっている。このような場合、連続性の評価を行うことにより、破線で囲んだ左側のパーティクルが架線領域と判断され、右側のパーティクルは誤検出と判断される。 For example, in the example shown in FIG. 4, there are portions where the particles are concentrated on the left and right, and the likelihood of the left particle is high at time t−2, t + 1, t + 2, whereas the time t−1, t Then, the likelihood of the right particle is high. In such a case, by evaluating the continuity, the left particle surrounded by the broken line is determined as the overhead region, and the right particle is determined as an erroneous detection.
従来のような決定論的アプローチを行うよりも、このような確率論的アプローチを用いたほうがロバストな推定が可能となる。 Robust estimation is possible using such a probabilistic approach rather than a conventional deterministic approach.
〔第2の実施形態〕
上述した第1の実施形態に対し、電車上面から測距センサを用いて取得した1ラインの距離データを用いて、架線類の軌跡を正確に計測したいという要望もある。
[Second Embodiment]
In contrast to the first embodiment described above, there is also a desire to accurately measure the trajectory of overhead lines using distance data of one line acquired from a train upper surface using a distance measuring sensor.
しかしながら距離データには様々なものが計測されることや、計測誤差が大きい事から単純な処理で架線のみを検出することは困難である。 However, it is difficult to detect only the overhead line by simple processing because various data are measured as distance data and the measurement error is large.
そこで、本実施形態では、架線の特徴である「枕木方向において架線領域とその両側とで距離が大きく変わる」「架線領域は前ラインの偏位や高さから大幅に変化しない」といった情報を用いて架線偏位およびその高さの距離データ処理を用いた計測を行う。 Therefore, in the present embodiment, information such as “the distance greatly changes between the overhead line area and its both sides in the sleeper direction” and “the overhead line area does not change significantly from the deviation or height of the previous line”, which is a characteristic of the overhead line, is used. To measure the deviation of overhead wire and its height using distance data processing.
まず「架線領域は前ラインの偏位や高さから大幅に変化しない」という特徴があることから、非特許文献1に記載された追跡に有効な時系列フィルタであるパーティクルフィルタを用いて架線の偏位・高さを推定する。なお、パーティクルフィルタについては前述したとおりであり、重複する説明は省略する。
First, since there is a feature that “the overhead line region does not change greatly from the deviation or height of the previous line”, the particle filter, which is a time series filter effective for tracking described in
パーティクルフィルタの状態ベクトルは測距センサで取得された1ライン中の架線の偏位、架線の幅、架線高さの3次元ベクトルとする。 The state vector of the particle filter is a three-dimensional vector of the displacement of the overhead line in one line, the width of the overhead line, and the height of the overhead line acquired by the distance measuring sensor.
次に尤度関数として、図5に示すように、枕木方向において架線領域とその両側とで距離データが大きく変わること、架線領域および高さは前ラインの偏位から大幅に変化しないことを考慮した尤度関数を設定した。 Next, as a likelihood function, as shown in FIG. 5, it is considered that the distance data greatly changes between the overhead line area and its both sides in the sleeper direction, and that the overhead line area and height do not change significantly from the deviation of the previous line. The likelihood function was set.
つまり、尤度関数は、架線領域の前後の距離データの差分の絶対値と、前時刻(前ライン)の偏位、架線の幅、架線高さと現時刻(現ライン)の偏位、架線の幅、架線高さの差(架線幅以内であればあるほど高い値にする。それより離れた場合は0)とに基づく。
また、架線の形状は大幅には変化が無いことが分かっていることから、偏位情報は前ライン情報を用いて次ラインのおおまかな偏位が推測できる。この情報を用いて状態遷移モデルを定義することで高精度な推定が可能になると考えられる。
That is, the likelihood function is the absolute value of the difference between the distance data before and after the overhead line area, the deviation of the previous time (previous line), the overhead line width, the overhead line height and the deviation of the current time (current line), the overhead line Based on the difference between the width and the overhead line height (the higher the value is within the overhead line width, 0 when the distance is greater).
In addition, since it is known that the shape of the overhead wire does not change significantly, it is possible to estimate a rough displacement of the next line using the previous line information as the displacement information. By using this information to define a state transition model, high-precision estimation is possible.
すなわち、事前に架線の大まかな形状が既知の場合、架線が次の時刻でどの範囲に存在するかを予測できるため、その情報を状態遷移モデルとして使用する。 That is, when the approximate shape of the overhead line is known in advance, it is possible to predict in which range the overhead line exists at the next time, so that information is used as the state transition model.
本実施形態では、図1にあるような確率密度分布を利用することで、前ラインでの推定(もっとも確率が高かった事例)に誤差が存在した場合でも、次ラインの推定には誤差の生じた結果以外の情報も用いる事ができるため、特許文献1,2のような決定論的アプローチと比べ毎ラインのロバストな推定が可能になる。なお、前ライン、次ラインについては上述した通りである。
In the present embodiment, by using the probability density distribution as shown in FIG. 1, even if there is an error in the estimation on the previous line (the case with the highest probability), an error occurs in the estimation of the next line. Since information other than the results can also be used, robust estimation of each line is possible as compared with the deterministic approaches as in
このように確率論的アプローチをとった方法は上述した特願2013−232761で提案されているが、特願2013−232761ではどの時刻に何本の架線があるかは既知という制約があった。しかしながら、どの時刻に何本の架線があるかは過去の同区間のデータを活用するなどしない限り、実際は分からない。そのためどの時刻に何本あるかも同時に検出できる方法が望まれており、本発明ではいくつ対象物があるか分からない際に追跡する手法として非特許文献1に記載された手法(SIR/MCMCパーティクルフィルタ)を応用することで複数架線に対応する。
A method using such a probabilistic approach has been proposed in the above-mentioned Japanese Patent Application No. 2013-232761, but the Japanese Patent Application No. 2013-232761 has a limitation that it is known how many overhead lines exist at which time. However, the actual number of overhead lines at which time is not known unless data from the same section in the past is used. Therefore a method which can detect any time what this is may simultaneously have been desired, the technique described in
パーティクルフィルタを利用することで各時刻における架線らしい領域の確率を表現することができたら、確率が最も高い箇所が架線であるかどうかを、時系列的な連続性(「架線領域および摩耗領域は前ラインの偏位や高さから大幅に変化しない」という情報)を考慮して求める。これには、非特許文献2に記載された確率伝播法を用いる。すなわち、確率的伝播法を用いることで、架線の接続性を調査し、これにより大域的最適解(連続性を考慮した存在確率が高くなる架線軌跡候補)を求め、複数架線の検出を行う。
If we can express the probability of the region that seems to be an overhead line at each time by using the particle filter, we can determine whether the location with the highest probability is an overhead line or not. This is calculated in consideration of the information that does not change significantly from the deviation or height of the previous line. For this, the probability propagation method described in
図1、図2および図6から図8を用いて本発明の実施例1に係る架線類検測装置の詳細を説明する。
図6に示すように、本実施例において架線類検測装置は、電車車両1の屋根上に設置されたラインセンサカメラ(ラインセンサ)2及び照明装置3と、車両1の内部に設置された画像処理装置4とを備えている。
Details of the overhead wire inspection device according to the first embodiment of the present invention will be described with reference to FIGS. 1, 2, and 6 to 8.
As shown in FIG. 6, in this embodiment, the overhead wire inspection device is installed inside the
ラインセンサカメラ2は、鉛直上向きで枕木方向に平行(車両1の進行方向に直交)する向きに画像素子が並ぶように設置されてその走査線が架線5を横切るようになっている。ラインセンサカメラ2により撮影された画像の信号は画像処理装置4に入力される。
照明装置3は、ラインセンサカメラ2によって撮像される領域の照明を行う。
The
The
画像処理装置4は、時系列フィルタを用いた画像処理と確率伝播処理により単一もしくは複数の架線の偏位および摩耗幅を求めるものであり、図7に示すように、画像入力部4aと、パーティクル初期化部4bと、尤度計算部4cと、リサンプリング部4dと、状態遷移部4eと、架線類検出部4fと、記憶部4gとを備えている。
The
画像入力部4aでは、ラインセンサカメラ2で取得した1ライン分の画像データを入力し、記憶部4gへ保管する。
In the
本実施例では、ラインセンサカメラ2を車両1上面に鉛直上方を見上げるように設置し、照明装置3により光を投光して、架線5を横切るように枕木方向に沿って走査することにより1ライン分の輝度信号を撮影し、撮影された1ライン分の輝度信号を時系列に並べた画像中の背景と架線との濃淡の差から、画像処理により、架線偏位・架線幅・摩耗幅を時系列的に取得する。
In this embodiment, the
図2にも示したように、架線5の摩耗領域は、投光されているため、輝度値が高く白色領域となり、架線5の摩耗領域以外の架線領域は輝度値が低く黒色領域となる。架線領域以外の背景領域は、昼間に計測する場合は、白と黒の中間のグレーとなる。また、軌道中心から架線領域の中心までの距離が架線の偏位(枕木方向)となる。
As shown in FIG. 2, since the wear area of the
パーティクル初期化部4bでは、一定数のパーティクルに予め設定した範囲・密度でランダムなパラメータを設定し、範囲・密度・各パーティクルのパラメータをパーティクルデータとして記憶部4gに保管する。
In the
尤度計算部4cでは、記憶部4gから最新のパーティクルデータ及び画像データを読み出し、予め設定する尤度関数と、各パーティクルのパラメータと、画像データとを用いて各パーティクルの尤度を計算し、算出した各パーティクルの尤度を尤度データとして記憶部4gに保管する。
The
リサンプリング部4dでは、記憶部4gから尤度データを読み出して各パーティクルの尤度の値を重みとし、重みの高いパーティクルが確率的に選ばれるようにしたサンプリング(リサンプリング)を行う。すなわち、重みの高いパーティクルの周囲により多くのパーティクルが配置されるようにパーティクルを配置し直す。リサンプリングされた各パーティクルのパラメータはパーティクルデータとして記憶部4gで保管し、リサンプリングに使用したパーティクルは架線類検出に必要なライン分の時刻経過後に消去する。
In the
状態遷移部4eでは、記憶部4gからパーティクルデータを読み出し、リサンプリングしたパーティクルのパラメータを予め設定する状態遷移モデル(架線類の次のラインでの位置の予測値)に基づいて変化させ、パーティクルデータとして記憶部4gに保管する。
The
確率伝播による架線類検出部4fでは、予め規定した数(時間)のラインの画像から得られたパーティクルの尤度値を記憶部4gから読み出し、時系列的な連続性を評価し最終的に検出に用いるパーティクルを選択して架線類を検出する。検出した架線類のデータは記憶部4gで保管する。
記憶部4gでは、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。
The overhead
The
次に、図8を用いて本実施例の画像処理装置4における架線類の検出処理の流れを説明する。
すなわち、本実施例の画像処理装置4では、まず、パーティクル初期化部4bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線偏位、摩耗幅)を設定する(ステップS1)。すなわち、各パラメータ(架線偏位、摩耗幅)のランダムな値をもつパーティクルを作成する。
Next, the flow of overhead line detection processing in the
That is, in the
続いて、画像入力部4aにより、ラインセンサカメラ2で取得した1ライン分の画像データを入力する(ステップS2)。
Subsequently, image data for one line acquired by the
続いて、尤度計算部4cにより、画像入力部4aにて入力した1ライン分の画像データとパーティクル初期化部4bにて設定した各パーティクルのパラメータとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する(ステップS3)。
Subsequently, the
当該処理により、図1の下段に示すように架線5として尤もらしいパーティクルの尤度が高く、架線5の可能性が低いパーティクルの尤度が低くなる。なお、図1の下段ではパーティクルの大きさで尤度の重みを示しており、パーティクルが大きいほど尤度は大きく、パーティクルが小さいほど尤度は小さくなっている。
算出した各パーティクルの尤度は尤度データとして記憶部4gに保管する。
With this processing, as shown in the lower part of FIG. 1, the likelihood of particles likely to be the
The calculated likelihood of each particle is stored in the
続いて、尤度を出現確率とし、状態遷移モデル(架線5の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する(ステップS4)。すなわち、リサンプリング部4dにより、尤度計算部4cにて算出した尤度データを記憶部4gから読み出し、これを用いて上述したリサンプリングを行い、状態遷移部4eにより、リサンプリング部4dにてリサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させる。
Subsequently, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (the predicted value of the position on the line next to the overhead line 5) (step S4). That is, the
ここで、初期状態での事前分布は通常未知である。そのため図1の中段左のように、確率密度分布は一様分布と仮定するのが一般的である。
この一様分布をパーティクル初期化部4bによりランダムな値をもつパーティクルで表現し、各パーティクルに対して画像データを用いて尤度計算部40により尤度を計算し、リサンプリング部50により事後分布を作成するというのが本実施例の手順である。
Here, the prior distribution in the initial state is usually unknown. Therefore, the probability density distribution is generally assumed to be uniform as shown in the middle left of FIG.
This uniform distribution is expressed by particles having a random value by the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップS5)。ステップS5の判定の結果、規定ライン分の処理が終了していなければ、ステップS2に戻ってラインセンサカメラ2で取得した1ライン分の画像データ(新しく撮像された1ライン分の画像データ)を入力し、ステップS3で、尤度計算部4cにより、状態遷移部4eにて設定した各パーティクルのパラメータと画像入力部4aにて新たに入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップS2からステップS4の処理を繰り返して時系列フィルタ(パーティクルフィルタ)を用いた画像処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step S5). As a result of the determination in step S5, if the processing for the prescribed line is not completed, the process returns to step S2 and the image data for one line acquired by the line sensor camera 2 (image data for one line newly captured) is obtained. In step S3, the
そして、規定ライン分の処理を行ったら、ステップS5からステップS6に移行し、確率伝播による架線類検出部4fにより、非特許文献2に記載された確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線5の連続性を考慮した架線5の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部4gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して画像から架線5を検出し、これに基づいて架線5の偏位および摩耗幅を求める(ステップS6)。なお、画像上の位置から架線5の偏位および摩耗幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
When the processing for the prescribed line is performed, the process proceeds from step S5 to step S6, and the max-sum algorithm, which is one of the probability propagation methods described in
続いて、撮像が終了したか否かを判定し(ステップS7)、撮像が終了していなければ(NO)、ステップS2の処理に戻り、撮像が終了していれば(YES)、処理を終了する。
以上により、時系列フィルタを用いた画像処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not imaging is completed (step S7). If imaging is not completed (NO), the process returns to step S2, and if imaging is completed (YES), the process is terminated. To do.
As described above, the overhead line inspection using the image processing using the time series filter and the probability propagation processing is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線5の本数が不明であっても、確実に架線5を検出して、架線5の偏位および架線5の摩耗幅を高精度に計測することができる。
According to the overhead wire inspection device according to the present embodiment configured as described above, even if the number of
以下、図8を用いて本発明の実施例2に係る架線類検測装置の詳細を説明する。
本実施例に係る架線類検測装置は、実施例1に係る架線類検測装置に比較して、画像処理装置4により、架線の検出に加え、吊架線(図示省略)の検出を行う点が異なる。なお、装置構成については実施例1と同様であり、以下、重複する説明は省略する。
Hereinafter, the details of the overhead wire inspection device according to the second embodiment of the present invention will be described with reference to FIG.
The overhead wire inspection device according to the present embodiment detects a suspended wire (not shown) in addition to the detection of the overhead wire by the
以下、図8を利用して本実施例における画像処理装置4による架線類の検出処理の流れを説明する。
すなわち、本実施例の画像処理装置4は、ステップS1で、パーティクル初期化部4bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線の偏位、架線の摩耗幅、吊架線の偏位、及び吊架線の幅)を設定する。パーティクルのパラメータは実施例1で説明した架線の二パラメータ(架線の偏位、架線の摩耗幅)に、吊架線の偏位、吊架線の幅の二パラメータを加えたものとなる。
Hereinafter, the flow of the overhead line detection process by the
That is, in step S1, the
続いて、ステップS2で、画像入力部4aにより、ラインセンサカメラ2で取得した1ライン分の画像データを入力する。
Subsequently, in step S2, image data for one line acquired by the
続いて、ステップS3で、尤度計算部4cにより、パーティクル初期化部4bにて設定した各パーティクルのパラメータと画像入力部4aにて入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。尤度は、実施例1で用いたものに、背景よりも吊架線の画素値が低い傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。
当該処理により、架線5および吊架線として尤もらしいパーティクルの尤度が高く、架線5および吊架線の可能性が低いパーティクルの尤度は低くなる。算出した各パーティクルの尤度は尤度データとして記憶部4gに保管する。
Subsequently, in step S3, the
By this processing, the likelihood of particles that are likely to be the
続いて、ステップS4で、尤度を出現確率とし、状態遷移モデル(架線5および吊架線の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する。
Subsequently, in step S4, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (predicted value of the position on the line next to the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップS5)。ステップS5の判定の結果、規定ライン分の処理が終了していなければ、ステップS2に戻ってラインセンサカメラ2で取得した1ライン分の画像データ(新しく撮像された1ライン分の画像データ)を入力し、ステップS3で、尤度計算部4cにより、状態遷移部4eにて設定した各パーティクルのパラメータと画像入力部4aにて新たに入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップS2からステップS4の処理を繰り返してパーティクルフィルタ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step S5). As a result of the determination in step S5, if the processing for the prescribed line is not completed, the process returns to step S2 and the image data for one line acquired by the line sensor camera 2 (image data for one line newly captured) is obtained. In step S3, the
そして、規定ライン分の処理を行ったら、ステップS5からステップS6に移行し、確率伝播による架線類検出部4fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線類(本実施例では、架線5および吊架線)の連続性を考慮した架線類の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部4gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して画像から架線5および吊架線を検出し、これに基づいて架線5の偏位および摩耗幅ならびに吊架線の偏位および幅を求める。なお、画像上の位置から架線5の偏位および摩耗幅ならびに吊架線の偏位および幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
Then, when the processing for the specified line is performed, the process proceeds from step S5 to step S6, and the overhead line class (main book) is detected by the overhead line
続いて、撮像が終了したか否かを判定し(ステップS7)、撮像が終了していなければ(NO)、ステップS2の処理に戻り、撮像が終了していれば(YES)、処理を終了する。
以上により、時系列フィルタ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not imaging is completed (step S7). If imaging is not completed (NO), the process returns to step S2, and if imaging is completed (YES), the process is terminated. To do.
As described above, the overhead line inspection using the time series filtering process and the probability propagation process is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線5、吊架線の本数が不明であっても、確実にこれらを検出して、架線5の偏位および架線の摩耗幅、ならびに吊架線の偏位および吊架線の幅を高精度に計測することができる。
According to the overhead line inspection device according to the present embodiment configured as described above, even if the number of the
以下、図8を用いて本発明の実施例3に係る架線類検測装置の詳細を説明する。
本実施例に係る架線類検測装置は、実施例2に係る架線類検測装置に比較して、画像処理装置4により、架線および吊架線の検出に加え、渡り線(図示省略)の検出を行う点が異なる。なお、装置構成については実施例2と同様であり、以下、重複する説明は省略する。
Hereinafter, the details of the overhead wire inspection apparatus according to the third embodiment of the present invention will be described with reference to FIG.
The overhead wire inspection device according to the present embodiment detects crossover lines (not shown) in addition to the detection of overhead wires and suspension wires by the
以下、図8を利用して本実施例における画像処理装置4による架線類の検出処理の流れを説明する。
すなわち、本実施例の画像処理装置4は、ステップS1で、パーティクル初期化部4bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線の偏位、架線の摩耗幅、吊架線の偏位、吊架線の幅、渡り線の偏位、及び渡り線の幅)を設定する。パーティクルのパラメータは実施例2で説明した架線偏位、架線摩耗幅の二パラメータ、及び吊架線の偏位、吊架線の幅の二パラメータに、さらに渡り線の偏位、渡り線の幅の二パラメータを加えたものとなる。
Hereinafter, the flow of the overhead line detection process by the
That is, in step S1, the
続いて、ステップS2で、画像入力部4aにより、ラインセンサカメラ2で取得した1ライン分の画像データを入力する。
Subsequently, in step S2, image data for one line acquired by the
続いて、ステップS3で、尤度計算部4cにより、パーティクル初期化部4bにて設定した各パーティクルのパラメータと画像入力部4aにて入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。尤度は、実施例2で用いたものに、背景よりも渡り線の画素値が低い傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。
当該処理により、架線5および吊架線として尤もらしいパーティクルの尤度が高く、架線5および吊架線の可能性が低いパーティクルの尤度は低くなる。算出した各パーティクルの尤度は尤度データとして記憶部4gに保管する。
Subsequently, in step S3, the
By this processing, the likelihood of particles that are likely to be the
続いて、ステップS4で、尤度を出現確率とし、状態遷移モデル(架線5、吊架線および渡り線の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する。
Subsequently, in step S4, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (predicted value of the position on the line next to the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップS5)。ステップS5の判定の結果、規定ライン分の処理が終了していなければ、ステップS2に戻ってラインセンサカメラ2で取得した1ライン分の画像データ(新しく撮像された1ライン分の画像データ)を入力し、ステップS3で、尤度計算部4cにより、状態遷移部4eにて設定した各パーティクルのパラメータと画像入力部4aにて新たに入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップS2からステップS4の処理を繰り返してパーティクルフィルタ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step S5). As a result of the determination in step S5, if the processing for the prescribed line is not completed, the process returns to step S2 and the image data for one line acquired by the line sensor camera 2 (image data for one line newly captured) is obtained. In step S3, the
そして、規定ライン分の処理を行ったら、ステップS5からステップS6に移行し、確率伝播による架線類検出部4fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線類(本実施例では、架線5、吊架線および渡り線)の連続性を考慮した架線類の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部4gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して画像から架線5、吊架線および渡り線を検出し、これに基づいて架線5の偏位および摩耗幅、吊架線の偏位および幅、ならびに渡り線の偏位および幅を求める。なお、画像上の位置から架線5の偏位および摩耗幅、吊架線の偏位および幅ならびに渡り線の偏位および幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
Then, when the processing for the specified line is performed, the process proceeds from step S5 to step S6, and the overhead line class (main book) is detected by the overhead line
続いて、撮像が終了したか否かを判定し(ステップS7)、撮像が終了していなければ(NO)、ステップS2の処理に戻り、撮像が終了していれば(YES)、処理を終了する。
以上により、時系列フィルタ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not imaging is completed (step S7). If imaging is not completed (NO), the process returns to step S2, and if imaging is completed (YES), the process is terminated. To do.
As described above, the overhead line inspection using the time series filtering process and the probability propagation process is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線、吊架線、渡り線の本数が不明であっても、確実にこれらを検出して、架線の偏位および架線の摩耗幅、吊架線の偏位および吊架線の幅、ならびに渡り線の偏位および渡り線の幅を高精度に計測することができる。 According to the overhead line inspection device according to the present embodiment configured as described above, even if the number of overhead lines, suspension lines, and crossover lines is unknown, these are reliably detected, and the displacement of the overhead lines and the overhead lines are detected. Wear width, suspension wire displacement and suspension wire width, and crossover wire displacement and crossover wire width can be measured with high accuracy.
以下、図1、図10および図11を用いて本発明の実施例4に係る架線類検測装置の詳細を説明する。
図10に示すように、本実施例に係る架線類検測装置は、実施例3に係る架線類検測装置に比較して、電車車両1の屋根上に設けるラインセンサカメラ2を複数台として、画像処理装置4により、架線の偏位および摩耗幅、吊架線の偏位および幅、渡り線の偏位および幅、並びに、架線、吊架線及び渡り線の高さの検出を行う点が異なる。
Hereinafter, the details of the overhead wire inspection device according to the fourth embodiment of the present invention will be described with reference to FIGS. 1, 10, and 11.
As illustrated in FIG. 10, the overhead wire inspection device according to the present embodiment includes a plurality of
実施例3との違いは、カメラを複数用意することで架線・吊架線・渡り線の高さにも対応できる点、複数の視点から評価することで高精度化が図れる点である。パーティクルのパラメータは実施例3で説明したパラメータのカメラ台数分となる。尤度は、実施例3で用いたものをカメラ台数分用いる。
その他の構成については実施例3と同様であり、以下、実施例3と異なる点を中心に説明し、重複する説明は省略する。
The difference from the third embodiment is that by preparing a plurality of cameras, it is possible to cope with the heights of overhead lines, suspension lines, and crossover lines, and that high accuracy can be achieved by evaluating from a plurality of viewpoints. The parameter of the particle is the number of cameras of the parameter described in the third embodiment. Likelihoods used in the third embodiment are used for the number of cameras.
The other configuration is the same as that of the third embodiment, and hereinafter, differences from the third embodiment will be mainly described, and a duplicate description will be omitted.
本実施例において、画像入力部4aでは、各ラインセンサカメラ2で取得した1ライン分の画像データをそれぞれ入力し、記憶部4gへ保管する。
In the present embodiment, the
また、尤度計算部4cでは、記憶部4gから最新のパーティクルデータ及び各ラインセンサカメラ2で取得した1ライン分の画像データを読み出し、予め設定する尤度関数と、各パーティクルのパラメータと、各画像データとを用いて各画像それぞれについて各パーティクルの尤度を計算し、算出した各パーティクルの尤度を尤度データとして記憶部4gに保管する。
In the
リサンプリング部4dでは、記憶部4gから尤度データを読み出して各画像データについて各パーティクルの尤度の値を重みとし、重みの高いパーティクルが確率的に選ばれるようにしたサンプリング(リサンプリング)を行う。すなわち、重みの高いパーティクルの周囲により多くのパーティクルが配置されるようにパーティクルを配置し直す。リサンプリングされた各パーティクルのパラメータはパーティクルデータとして記憶部4gで保管し、リサンプリングに使用したパーティクルは架線類検出に必要なライン分の時刻経過後に消去する。
In the
状態遷移部4eでは、記憶部4gからパーティクルデータを読み出し、リサンプリングしたパーティクルのパラメータを予め設定する状態遷移モデル(架線類の次のラインでの位置の予測値)に基づいて変化させ、パーティクルデータとして記憶部4gに保管する。
The
確率伝播による架線類検出部4fでは、予め規定した数(時間)のラインの画像から得られたパーティクルの尤度値を記憶部4gから読み出し、時系列的な連続性を評価し最終的に検出に用いるパーティクルを選択して架線類を検出する。検出した架線類のデータは記憶部4gで保管する。
記憶部4gでは、画像データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。
The overhead
The
以下、図11を用いて本実施例における画像処理装置4による架線類の検出処理の流れを説明する。
すなわち、本実施例の画像処理装置4は、ステップT1で、パーティクル初期化部4bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線の偏位、架線の摩耗幅、吊架線の偏位、吊架線の幅、渡り線の偏位、及び渡り線の幅)を設定する。パーティクルのパラメータは実施例3で説明した架線の偏位および架線の摩耗幅の二パラメータと、吊架線の偏位、吊架線の幅の二パラメータと、渡り線の偏位、渡り線の幅の二パラメータになる。
Hereinafter, the flow of overhead line detection processing by the
That is, in step T1, the
続いて、ステップT2で、画像入力部4aにより、各ラインセンサカメラ2で取得した1ライン分の画像データをそれぞれ入力する。
Subsequently, in step T2, the image data for one line acquired by each
続いて、ステップT3で、尤度計算部4cにより、パーティクル初期化部4bにて設定した各パーティクルのパラメータと画像入力部4aにて入力した1ライン分の各画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。尤度は、実施例3で用いたものと同様とする。
当該処理により、図1の下段に示すように架線5および吊架線として尤もらしいパーティクルの尤度が高く、架線5および吊架線の可能性が低いパーティクルの尤度は低くなる。算出した各パーティクルの尤度は尤度データとして記憶部4gに保管する。
Subsequently, in step T3, the
With this processing, as shown in the lower part of FIG. 1, the likelihood of particles that are likely to be
続いて、ステップT4で、尤度を出現確率とし、状態遷移モデル(架線5および吊架線の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する。
Subsequently, in step T4, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (the predicted value of the position on the next line of the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップT5)。ステップT5の判定の結果、規定ライン分の処理が終了していなければ、ステップT2に戻って各ラインセンサカメラ2で取得した1ライン分の画像データ(新しく撮像された1ライン分の画像データ)をそれぞれ入力し、ステップT3で、尤度計算部4cにより、状態遷移部4eにて設定した各パーティクルのパラメータと画像入力部4aにて新たに入力した1ライン分の画像データとを記憶部4gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップT2からステップT4の処理を繰り返してパーティクルフィルタ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step T5). As a result of the determination in step T5, if the processing for the specified line has not been completed, the process returns to step T2 and image data for one line acquired by each line sensor camera 2 (image data for one line newly captured). In step T3, the
そして、規定ライン分の処理を行ったら、ステップT5からステップT6に移行し、確率伝播による架線類検出部4fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線類(本実施例では、架線5、吊架線および渡り線)の連続性を考慮した架線類の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部4gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して各画像から架線5、吊架線および渡り線を検出し、これに基づいて架線5の偏位および摩耗幅、吊架線の偏位および幅、渡り線の偏位および幅、並びに架線5、吊架線および渡り線の高さを求める。なお、画像上の位置から架線5の偏位および摩耗幅、吊架線の偏位および幅、渡り線の偏位および幅、ならびに架線5、吊架線および渡り線の高さを求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
When the processing for the prescribed line is performed, the process proceeds from step T5 to step T6, and the overhead line class (main book) is detected by the overhead line
続いて、撮像が終了したか否かを判定し(ステップT7)、撮像が終了していなければ(NO)、ステップT2の処理に戻り、撮像が終了していれば(YES)、処理を終了する。
以上により、パーティクルフィルタ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not imaging has ended (step T7). If imaging has not ended (NO), the process returns to step T2, and if imaging has ended (YES), the process ends. To do.
As described above, the overhead line inspection using the particle filter process and the probability propagation process is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線、吊架線、渡り線の本数が不明であっても、確実にこれらを検出して、架線の偏位および架線の摩耗幅、吊架線の偏位および吊架線の幅、ならびに渡り線の偏位および渡り線の幅を高精度に計測することができることに加え、架線、吊架線および渡り線の高さを高精度に計測することができる。 According to the overhead line inspection device according to the present embodiment configured as described above, even if the number of overhead lines, suspension lines, and crossover lines is unknown, these are reliably detected, and the displacement of the overhead lines and the overhead lines are detected. In addition to high-accuracy measurement of the wear width, suspension line deviation and suspension line width, and crossover line deviation and crossover line width, the height of the overhead line, suspension line and crossover line can be increased. It can be measured with high accuracy.
図1、図5、図12および図13を用いて本発明の実施例5に係る架線類検測装置の詳細を説明する。
図12に示すように、本実施例は、実施例1に係る架線類検出装置に比較して、ラインセンサとしてラインセンサカメラ2に代えて測距センサ6を配置したことにより、照明装置3が不要となり、架線の摩耗幅に代えて高さ情報が取得できる点が異なる。なお、架線の偏位を計測可能である点は実施例1と同様である。パーティクルのパラメータは実施例1同様、架線一本につき二パラメータとなる(ただし、架線偏位と摩耗幅ではなく架線偏位と架線幅)。尤度は図5に示すように、架線領域の平均距離が他領域の平均距離よりも小さいことを利用して求める。
Details of the overhead wire inspection device according to the fifth embodiment of the present invention will be described with reference to FIGS. 1, 5, 12, and 13.
As shown in FIG. 12, in this embodiment, the
図12に示すように、本実施例において架線類検測装置は、電車車両1の屋根上に設置された測距センサ6と、車両1の内部に設置された距離データ処理装置7とを備えている。
As shown in FIG. 12, in this embodiment, the overhead line inspection device includes a
測距センサ6は、鉛直上向きで枕木方向に平行(検査車両1の進行方向に直交)する向きに沿って測距を行うように設置されており、1台で距離情報を取得できるため、架線類の高さを求められる。測距センサ6により計測された距離データは距離データ処理装置7に入力される。
The
距離データ処理装置7は、時系列フィルタを用いた距離データ処理と確率伝播処理により単一もしくは複数の架線の偏位・高さを求めるものであり、図13に示すように、距離データ入力部7aと、パーティクル初期化部7bと、尤度計算部7cと、リサンプリング部7dと、状態遷移部7eと、架線類検出部7fと、記憶部7gとを備えている。
The distance
距離データ入力部7aでは、測距センサ6で取得した1ライン分の距離データを入力し、記憶部7gへ保管する。
本実施例では、一例として、測距センサ6を車両1の屋根上に鉛直上方を見上げるように設置し、架線5を横切るように枕木方向に沿って距離を計測することにより1ライン分の距離データを取得し、取得した1ライン分の距離データを時系列に並べることにより、架線偏位・架線高さを時系列的に求める。
距離データは、図5に示すように測距センサ6から架線5までの距離がLとなり、架線領域以外の背景領域は、理論的には距離無限大となる。軌道中心からの架線領域の中心までの距離(枕木方向)が偏位となる。
In the distance
In the present embodiment, as an example, the
In the distance data, the distance from the
パーティクル初期化部7bでは、一定数のパーティクルに予め設定した範囲・密度でランダムなパラメータを設定し、範囲・密度・各パーティクルのパラメータをパーティクルデータとして記憶部7gに保管する。
In the
尤度計算部7cでは、記憶部7gから最新のパーティクルデータ及び距離データを読み出し、予め設定する尤度関数と、各パーティクルのパラメータと、距離データとを用いて各パーティクルの尤度を計算し、算出した各パーティクルの尤度を尤度データとして記憶部7gに保管する。
The
リサンプリング部7dでは、記憶部7gから尤度データを読み出して各パーティクルの尤度の値を重みとし、重みの高いパーティクルが確率的に選ばれるようにしたサンプリング(リサンプリング)を行う。すなわち、重みの高いパーティクルの周囲により多くのパーティクルが配置されるようにパーティクルを配置し直す。リサンプリングされた各パーティクルのパラメータはパーティクルデータとして記憶部7gで保管し、リサンプリングに使用したパーティクルは架線類検出に必要なライン分の時刻経過後に消去する。
In the
状態遷移部7eでは、記憶部7gからパーティクルデータを読み出し、リサンプリングしたパーティクルのパラメータを予め設定する状態遷移モデル(架線類の次のラインでの位置の予測値)に基づいて変化させ、パーティクルデータとして記憶部7gに保管する。
The
ここで、実施例1でも説明したが、初期状態での事前分布は通常未知である。そのため図1の中段左のように、確率密度分布は一様分布と仮定するのが一般的である。
この一様分布をパーティクル初期化部7bによりランダムな値をもつパーティクルで表現し、各パーティクルに対して距離データを用いて尤度計算部40により尤度を計算し、リサンプリング部50により事後分布を作成するというのが本実施例の手順である。
Here, as described in the first embodiment, the prior distribution in the initial state is usually unknown. Therefore, the probability density distribution is generally assumed to be uniform as shown in the middle left of FIG.
This uniform distribution is expressed by particles having random values by the
確率伝播による架線類検出部7fでは、予め規定した数(時間)のラインの距離データから得られたパーティクルの尤度値を記憶部7gから読み出し、時系列的な連続性を評価し最終的に検出に用いるパーティクルを選択して架線類を検出する。検出した架線類のデータは記憶部7gで保管する。
記憶部7gでは、距離データ、パーティクルデータ、状態遷移確率などの種々のパラメータデータを保管する。
In the overhead
The
次に、図13を用いて本実施例の距離データ処理装置7における架線類の検出処理の流れを説明する。
すなわち、本実施例の距離データ処理装置7では、まず、パーティクル初期化部7bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線偏位、架線の幅)を設定する(ステップU1)。
Next, the flow of the overhead line detection process in the distance
That is, in the distance
続いて、距離データ入力部7aにより、測距センサ6で取得した1ライン分の距離データを入力する(ステップU2)。
Then, the distance
続いて、尤度計算部7cにより、パーティクル初期化部7bにて設定した各パーティクルのパラメータと距離データ入力部7aにて入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する(ステップU3)。
Subsequently, the
当該処理により、図1の下段に示すように架線5として尤もらしいパーティクルの尤度が高く、架線5の可能性が低いパーティクルの尤度は低くなる。算出した各パーティクルの尤度は尤度データとして記憶部7gに保管する。
With this processing, as shown in the lower part of FIG. 1, the likelihood of particles that are likely to be
続いて、尤度を出現確率とし、状態遷移モデル(架線5の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する(ステップU4)。すなわち、リサンプリング部7dにより、尤度計算部7cにて算出した尤度データを記憶部7gから読み出し、これを用いて上述したリサンプリングを行い、状態遷移部7eにより、リサンプリング部7dにてリサンプリングしたパーティクルのパラメータを状態遷移モデルに基づいて変化させる。
Subsequently, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (the predicted value of the position on the line next to the overhead line 5) (step U4). That is, the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップU5)。ステップU5の判定の結果、規定ライン分の処理が終了していなければ、ステップU2に戻って測距センサ6で取得した1ライン分の距離データ(新しく取得された1ライン分の距離データ)を入力し、ステップU3で、尤度計算部7cにより、状態遷移部7eにて設定した各パーティクルのパラメータと距離データ入力部7aにて新たに入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップU2からステップU4の処理を繰り返して時系列フィルタを用いた距離データ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step U5). If it is determined in step U5 that the processing for the prescribed line has not been completed, the process returns to step U2 and the distance data for one line acquired by the distance measuring sensor 6 (distance data for one line newly acquired) is obtained. In step U3, the
そして、規定ライン分の処理を行ったら、ステップU5からステップU6に移行し、確率伝播による架線類検出部7fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線5の連続性を考慮した架線5の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部7gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して距離データから架線5を検出し、これに基づいて架線5の偏位および幅を求める(ステップU6)。なお、距離データから架線5の偏位および幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
When the processing for the specified line is performed, the process proceeds from step U5 to step U6, and the
続いて、計測が終了したか否かを判定し(ステップU7)、計測が終了していなければ(NO)、ステップU2の処理に戻り、計測が終了していれば(YES)、処理を終了する。
以上により、時系列フィルタを用いた距離データ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not the measurement is finished (step U7). If the measurement is not finished (NO), the process returns to step U2, and if the measurement is finished (YES), the process is finished. To do.
As described above, the overhead line inspection using the distance data processing using the time series filter and the probability propagation processing is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線5の本数が不明であっても、確実にこれらを検出して、複数架線の偏位、幅および高さを高精度に計測することができる。
According to the overhead wire inspection device according to the present embodiment configured in this way, even if the number of
以下、図13を用いて本発明の実施例6に係る架線類検測装置の詳細を説明する。
本実施例に係る架線類検測装置は、実施例5に係る架線類検測装置に比較して、距離データ処理装置7により、架線の検出に加え、吊架線(図示省略)の検出を行う点が異なる。なお、装置構成については実施例5と同様であり、以下、重複する説明は省略する。
Hereinafter, the details of the overhead wire inspection apparatus according to the sixth embodiment of the present invention will be described with reference to FIG.
In the overhead wire inspection device according to the present embodiment, the distance
以下、図13を利用して本実施例における距離データ処理装置7による架線類の検出処理の流れを説明する。
すなわち、本実施例の距離データ処理装置7は、ステップU1で、パーティクル初期化部7bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線の偏位、架線の幅、吊架線の偏位、及び吊架線の幅)を設定する。パーティクルのパラメータは実施例5と同様の架線の二パラメータに、吊架線偏位、吊架線幅の二パラメータを加えたものとなる。
Hereinafter, the flow of the overhead line detection processing by the distance
That is, the distance
続いて、ステップU2で、距離データ入力部7aにより、測距センサ6で取得した1ライン分の距離データを入力する。
Subsequently, in step U2, distance data for one line acquired by the
続いて、ステップU3で、尤度計算部7cにより、パーティクル初期化部7bにて設定した各パーティクルのパラメータと距離データ入力部7aにて入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。尤度は、実施例5で用いたものに、架線よりも吊架線の距離が大きい傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。
Subsequently, in step U3, the
続いて、ステップU4で、尤度を出現確率とし、状態遷移モデル(架線5および吊架線の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する。
Subsequently, in step U4, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (the predicted value of the position on the next line of the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップU5)。ステップU5の判定の結果、規定ライン分の処理が終了していなければ、ステップU2に戻ってラインセンサカメラ2で取得した1ライン分の距離データ(新しく取得された1ライン分の距離データ)を入力し、ステップU3で、尤度計算部7cにより、状態遷移部7eにて設定した各パーティクルのパラメータと距離データ入力部7aにて新たに入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップU2からステップU4の処理を繰り返してパーティクルフィルタ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step U5). If it is determined in step U5 that the processing for the specified line has not been completed, the process returns to step U2 and the distance data for one line acquired by the line sensor camera 2 (distance data for one line newly acquired) is obtained. In step U3, the
そして、規定ライン分の処理を行ったら、ステップU5からステップU6に移行し、確率伝播による架線類検出部7fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線類(本実施例では、架線5および吊架線)の連続性を考慮した架線類の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部7gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して距離データから架線5および吊架線を検出し、これに基づいて架線5の偏位および幅ならびに吊架線の偏位および幅を求める。なお、距離データから架線5の偏位および幅ならびに吊架線の偏位および幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
When the processing for the specified line is performed, the process proceeds from step U5 to step U6, and the overhead line class (main book) is detected by the overhead line
続いて、計測が終了したか否かを判定し(ステップU7)、計測が終了していなければ(NO)、ステップU2の処理に戻り、計測が終了していれば(YES)、処理を終了する。
以上により、パーティクルフィルタ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not the measurement is finished (step U7). If the measurement is not finished (NO), the process returns to step U2, and if the measurement is finished (YES), the process is finished. To do.
As described above, the overhead line inspection using the particle filter process and the probability propagation process is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線、吊架線の本数が不明であっても、確実にこれらを検出して、架線5の偏位および架線5の幅、吊架線の偏位および吊架線の幅、ならびに架線5および吊架線の高さを高精度に計測することができる。
According to the overhead line inspection device according to the present embodiment configured as described above, even if the number of overhead lines and suspension lines is unknown, these are reliably detected, and the displacement of the
以下、図13を用いて本発明の実施例7に係る架線類検測装置の詳細を説明する。
本実施例に係る架線類検測装置は、実施例6に係る架線類検測装置に比較して、距離データ処理装置7により、架線および吊架線の検出に加え、渡り線の検出を行う点が異なる。なお、装置構成については実施例6と同様であり、以下、重複する説明は省略する。
Hereinafter, details of the overhead line inspection device according to the seventh embodiment of the present invention will be described with reference to FIG.
The overhead wire inspection device according to the present embodiment uses the distance
以下、図13を利用して本実施例における距離データ処理装置7による架線類の検出処理の流れを説明する。
すなわち、本実施例の距離データ処理装置7は、ステップU1で、パーティクル初期化部7bにより、一定数のパーティクルに対し、予め設定した範囲・密度でランダムなパラメータ(架線の偏位、架線の幅、吊架線の偏位、吊架線の幅、渡り線の偏位、及び渡り線の幅)を設定する。パーティクルのパラメータは実施例6で説明した架線の二パラメータ(架線の偏位、架線の幅)と、吊架線偏位、吊架線幅の二パラメータに、さらに渡り線偏位、渡り線幅の二パラメータを加えたものとなる。
Hereinafter, the flow of the overhead line detection processing by the distance
That is, the distance
続いて、ステップU2で、距離データ入力部7aにより、測距センサ6で取得した1ライン分の距離データを入力する。
Subsequently, in step U2, distance data for one line acquired by the
続いて、ステップU3で、尤度計算部7cにより、パーティクル初期化部7bにて設定した各パーティクルのパラメータと距離データ入力部7aにて入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。尤度は、実施例6で用いたものに、架線よりも渡り線の距離が大きい傾向があることを考慮した尤度関数を加えて、尤度計算を実現する。
Subsequently, in step U3, the
続いて、ステップU4で、尤度を出現確率とし、状態遷移モデル(架線5および吊架線の次のラインでの位置の予測値)を用いて新たなパーティクルを作成する。
Subsequently, in step U4, the likelihood is set as the appearance probability, and a new particle is created using the state transition model (the predicted value of the position on the next line of the
続いて、予め設定した規定ライン分の処理が終了したか否かを判定する(ステップU5)。ステップU5の判定の結果、規定ライン分の処理が終了していなければ、ステップU2に戻ってラインセンサカメラ2で取得した1ライン分の距離データ(新しく取得された1ライン分の距離データ)を入力し、ステップU3で、尤度計算部7cにより、状態遷移部7eにて設定した各パーティクルのパラメータと距離データ入力部7aにて新たに入力した1ライン分の距離データとを記憶部7gから読み出し、これらと尤度関数とを用いて各パーティクルの尤度を計算する。このように、ステップU2からステップU4の処理を繰り返してパーティクルフィルタ処理を行う。
Subsequently, it is determined whether or not the processing for the predetermined line set in advance has been completed (step U5). If it is determined in step U5 that the processing for the specified line has not been completed, the process returns to step U2 and the distance data for one line acquired by the line sensor camera 2 (distance data for one line newly acquired) is obtained. In step U3, the
そして、規定ライン分の処理を行ったら、ステップU5からステップU6に移行し、確率伝播による架線類検出部7fにより、確率伝播法の一つであるmax-sumアルゴリズムを用いて、架線類(本実施例では、架線5、吊架線および渡り線)の連続性を考慮した架線類の検出を行う。すなわち、各ラインで得られたパーティクルの尤度を記憶部7gより読み出し、時系列的な連続性を評価し(確率伝播処理を行い)、最終的に検出に用いるパーティクルを選択して距離データから架線5、吊架線および渡り線を検出し、これに基づいて架線5の偏位および摩耗幅、吊架線の偏位および幅、渡り線の偏位および幅、並びに架線5、吊架線および渡り線の高さを求める。なお、距離データから架線5の偏位および摩耗幅、吊架線の偏位および幅ならびに渡り線の偏位および幅を求める手法は既知の手法を用いるものとし、ここでの詳細な説明は省略する。
When the processing for the specified line is performed, the process proceeds from step U5 to step U6, and the overhead line class (main book) is detected by the overhead line
続いて、計測が終了したか否かを判定し(ステップU7)、計測が終了していなければ(NO)、ステップU2の処理に戻り、計測が終了していれば(YES)、処理を終了する。
以上により、パーティクルフィルタ処理および確率伝播処理を利用した架線の検測を行う。
Subsequently, it is determined whether or not the measurement is finished (step U7). If the measurement is not finished (NO), the process returns to step U2, and if the measurement is finished (YES), the process is finished. To do.
As described above, the overhead line inspection using the particle filter process and the probability propagation process is performed.
このように構成される本実施例に係る架線類検測装置によれば、架線、吊架線、渡り線の本数が不明であっても、確実にこれらを検出して、架線5の偏位および摩耗幅、吊架線の偏位および幅、渡り線の偏位および幅、並びに架線5、吊架線および渡り線の高さを高精度に計測することができる。
According to the overhead wire inspection device according to the present embodiment configured in this way, even if the number of overhead wires, suspension wires, and crossover wires is unknown, these are reliably detected, and the displacement of the
本発明は、時系列フィルタを用いた画像処理により架線類を検出する架線類検測装置に適用して好適なものである。 The present invention is suitable for application to an overhead wire inspection device that detects overhead wires by image processing using a time series filter.
1 電車車両
2,2−1〜2−n ラインセンサカメラ(ラインセンサ)
3 照明装置
4 画像処理装置
4a 画像入力部
4b パーティクル初期化部
4c 尤度計算部
4d リサンプリング部
4e 状態遷移部
4f 架線類検出部
4g 記憶部
5 架線
6 測距センサ(ラインセンサ)
7 距離データ処理装置
7a 距離データ入力部
7b パーティクル初期化部
7c 尤度計算部
7d リサンプリング部
7e 状態遷移部
7f 架線類検出部
7g 記憶部
1
DESCRIPTION OF
7 distance
Claims (10)
前記電車車両上面に配置されたラインセンサにより取得された前記架線類の偏位・幅を含むデータを入力するデータ入力部と、
前記架線類の偏位・幅のランダムな値を持つパーティクルを用意するパーティクル初期化部と、
パーティクル及び前記データ入力部で入力された前時刻の前記データを使用して尤度関数に基づき前記パーティクルの尤度値を計算する尤度計算部と、
前記尤度計算部で計算された尤度値に基づき、尤度値の高いパーティクルが高い確率で選ばれるようにしたリサンプリングを行うリサンプリング部と、
前記リサンプリング部でリサンプリングした前記パーティクルのパラメータを状態遷移モデルに基づいて変化させて新たなパーティクルを作成する状態遷移部と、
予め規定した数のラインのデータから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する架線類検出部と、から構成され、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記データ入力部で入力された前時刻の前記データとを使用して前記パーティクルの尤度値を計算する
ことを特徴とする架線類検測装置。 In the overhead line inspection device that measures the overhead lines on the train car with high accuracy by data processing using a time series filter,
A data input unit for inputting data including the displacement and width of the overhead wires obtained by a line sensor disposed on the upper surface of the train car;
A particle initialization unit for preparing particles having random values of the displacement and width of the overhead lines;
A likelihood calculating unit that calculates a likelihood value of the particle based on a likelihood function using the particle and the data at the previous time input in the data input unit;
Based on the likelihood value calculated by the likelihood calculation unit, a resampling unit that performs resampling so that particles with a high likelihood value are selected with a high probability;
A state transition unit that creates a new particle by changing a parameter of the particle resampled by the resampler based on a state transition model;
Wireline detection that evaluates the time-series continuity of the particles by probability propagation processing based on the likelihood values of particles obtained from a predetermined number of lines of data, and finally selects the particles used for detection Part, and
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit and the data at the previous time input by the data input unit. An overhead wire inspection device characterized by calculating likelihood values of the particles.
前記データ入力部は、前記ラインセンサカメラにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データを入力する画像入力部であり、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記画像入力部で入力された前時刻の画像データとを使用して尤度関数に基づき前記パーティクルの尤度値を計算し、
前記架線類検出部は、予め規定した数のラインの画像データから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する
ことを特徴とする請求項1記載の架線類検測装置。 The line sensor is a line sensor camera;
The data input unit is an image input unit for inputting image data including a deviation, a width, and a wear width of the overhead wires taken in time series by the line sensor camera,
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit and the image data of the previous time input by the image input unit. And calculating the likelihood value of the particle based on the likelihood function,
The overhead line detection unit evaluates the time-series continuity of the particles by probability propagation processing based on the likelihood value of the particles obtained from the image data of a predetermined number of lines, and finally detects it. The overhead line inspection device according to claim 1, wherein particles to be used are selected.
前記パーティクル初期化部は、前記架線の偏位・摩耗幅のランダムな値を持つパーティクルを用意し、
前記尤度関数が、枕木方向において前記架線の摩耗領域とその両側とで画素値が大きく変わること、および前記摩耗領域の平均画素値が前記摩耗領域を除いた架線の領域の平均画素値よりも大きくなることを考慮して設定される
ことを特徴とする請求項2記載の架線類検測装置。 The overhead lines are single or multiple overhead lines,
The particle initialization unit prepares particles having random values of the deflection / wear width of the overhead wire,
The likelihood function is such that the pixel value changes greatly between the wear area of the overhead line and both sides thereof in the sleeper direction, and the average pixel value of the wear area is larger than the average pixel value of the overhead line area excluding the wear area 3. The overhead wire inspection device according to claim 2, wherein the overhead wire inspection device is set in consideration of the increase.
前記パーティクル初期化部は、前記吊架線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、背景の画素値よりも吊架線の画素値が低い傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする請求項3記載の架線類検測装置。 The overhead lines include a suspended overhead line,
The particle initialization unit further prepares particles having random values of the displacement and width of the suspension line,
The likelihood calculating unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the pixel value of the suspension line tends to be lower than the pixel value of the background. The overhead wire inspection device according to claim 3.
前記パーティクル初期化部は、前記渡り線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、背景の画素値よりも渡り線の画素値が低い傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする請求項3又は請求項4記載の架線類検測装置。 The overhead wires include crossovers,
The particle initialization unit further prepares particles having random values of the displacement / width of the crossover line,
The likelihood calculating unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the pixel value of the crossover line is lower than the pixel value of the background. The overhead wire inspection device according to claim 3 or 4.
前記画像入力部が複数の前記ラインセンサカメラにより時系列に撮影された前記架線類の偏位・幅・摩耗幅を含む画像データをそれぞれ入力する
ことを特徴とする請求項2から請求項5のいずれか一項に記載の架線類検測装置。 The line sensor camera is plural,
6. The image input unit according to claim 2, wherein the image input unit inputs image data including a deviation, a width, and a wear width of the overhead lines taken in time series by the plurality of line sensor cameras. The overhead wire inspection device according to any one of the above.
前記データ入力部は、前記測距センサにより取得された前記架線類の偏位・架線幅・高さを含む距離データを入力する距離データ入力部であり、
前記尤度計算部は、前記パーティクル初期化部により用意された前記パーティクル又は前記状態遷移部により作成された前記新たなパーティクルと、前記データ入力部で入力された前時刻の距離データとを使用して尤度関数に基づき前記パーティクルの尤度値を計算し、
前記架線類検出部は、予め規定した数のラインの距離データから得られたパーティクルの尤度値に基づいて確率伝播処理により前記パーティクルの時系列的な連続性を評価し、最終的に検出に用いるパーティクルを選択する
ことを特徴とする請求項1記載の架線類検測装置。 The line sensor is a distance measuring sensor,
The data input unit is a distance data input unit for inputting distance data including a deviation, an overhead line width, and a height of the overhead lines obtained by the ranging sensor,
The likelihood calculation unit uses the particles prepared by the particle initialization unit or the new particles created by the state transition unit, and the distance data of the previous time input by the data input unit. And calculating the likelihood value of the particle based on the likelihood function,
The overhead line detection unit evaluates the chronological continuity of the particles by probability propagation processing based on the likelihood value of the particles obtained from the distance data of a predetermined number of lines, and finally detects it. The overhead line inspection device according to claim 1, wherein particles to be used are selected.
前記パーティクル初期化部は、前記架線の偏位・摩耗幅のランダムな値を持つパーティクルを用意し、
前記尤度関数が、枕木方向において前記架線の摩耗領域とその両側とで距離データが大きく変わること、架線領域および高さは前時刻の偏位から大幅に変化しないことを考慮して設定される
ことを特徴とする請求項7記載の架線類検測装置。 The overhead lines are single or multiple overhead lines,
The particle initialization unit prepares particles having random values of the deflection / wear width of the overhead wire,
The likelihood function is set considering that the distance data greatly changes between the wear area of the overhead line and both sides thereof in the sleeper direction, and that the overhead line area and height do not change significantly from the deviation from the previous time. The overhead wire inspection device according to claim 7.
前記パーティクル初期化部は、前記吊架線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、架線よりも吊架線の距離が大きい傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする請求項8記載の架線類検測装置。 The overhead lines include a suspended overhead line,
The particle initialization unit further prepares particles having random values of the displacement and width of the suspension line,
The likelihood calculation unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the distance of the suspension line tends to be larger than the overhead line. 8. The overhead wire inspection device according to 8.
前記パーティクル初期化部は、前記渡り線の偏位・幅のランダムな値を持つパーティクルをさらに用意し、
前記尤度計算部は、架線よりも渡り線の距離が大きい傾向があることを考慮して設定される尤度関数をさらに加えて前記パーティクルの尤度値を計算する
ことを特徴とする請求項8又は請求項9記載の架線類検測装置。 The overhead wires include crossovers,
The particle initialization unit further prepares particles having random values of the displacement / width of the crossover line,
The likelihood calculation unit further calculates a likelihood value of the particle by further adding a likelihood function set in consideration of a tendency that the distance of the crossover line is larger than the overhead line. The overhead wire inspection device according to claim 8 or 9.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015092526A JP6488478B2 (en) | 2015-04-30 | 2015-04-30 | Overhead line inspection device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015092526A JP6488478B2 (en) | 2015-04-30 | 2015-04-30 | Overhead line inspection device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016211863A JP2016211863A (en) | 2016-12-15 |
JP6488478B2 true JP6488478B2 (en) | 2019-03-27 |
Family
ID=57551342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015092526A Expired - Fee Related JP6488478B2 (en) | 2015-04-30 | 2015-04-30 | Overhead line inspection device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6488478B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6217834B2 (en) * | 2016-11-30 | 2017-10-25 | 井関農機株式会社 | Combine threshing equipment |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7376246B2 (en) * | 2005-06-27 | 2008-05-20 | Mitsubishi Electric Research Laboratories, Inc. | Subspace projection based non-rigid object tracking with particle filters |
JP5245445B2 (en) * | 2008-02-15 | 2013-07-24 | 株式会社明電舎 | Crossover measuring device |
-
2015
- 2015-04-30 JP JP2015092526A patent/JP6488478B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2016211863A (en) | 2016-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Motion induced error reduction methods for phase shifting profilometry: A review | |
JP5293815B2 (en) | Image processing apparatus, image processing method, and image processing program | |
Elberink et al. | Rail track detection and modelling in mobile laser scanning data | |
CN105526882A (en) | Turnout wear detection system and detection method based on structured light measurement | |
EP2960620B1 (en) | Wear measuring device and method for same | |
JP2009041972A (en) | Image processing device and method therefor | |
JP5834933B2 (en) | Vehicle position calculation device | |
CN108921164B (en) | Contact net locator gradient detection method based on three-dimensional point cloud segmentation | |
US20220327779A1 (en) | Detection device, detection method and detection program for linear structure | |
JP4032843B2 (en) | Monitoring system and monitoring method, distance correction device and distance correction method in the monitoring system | |
JP2016091506A (en) | Rail detection device | |
Chen et al. | Automated bridge deck evaluation through UAV derived point cloud | |
Huyan et al. | Three-dimensional pavement crack detection based on primary surface profile innovation optimized dual-phase computing | |
JP2023029441A (en) | Measuring device, measuring system, and vehicle | |
JP6488478B2 (en) | Overhead line inspection device | |
CN116958099B (en) | Cable abrasion detection method, system, device and computer equipment | |
Hautière et al. | Road scene analysis by stereovision: a robust and quasi-dense approach | |
Pan et al. | One-stage 3D profile-based pavement crack detection and quantification | |
KR101208647B1 (en) | Method and apparatus for detecting obstacle on road | |
JP7225616B2 (en) | Wire measuring device and wire measuring method | |
JP7159790B2 (en) | Catenary wear detector | |
JP6236687B2 (en) | Overhead inspection system using time series filter processing | |
JP5903901B2 (en) | Vehicle position calculation device | |
JP5891802B2 (en) | Vehicle position calculation device | |
JP2010117989A (en) | Method and device for generating feature information of vehicle traveling route, and program for generation processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180220 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181219 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190122 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190204 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6488478 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |