CN102252859A - 汽车列车直线行驶横向稳定性自动辨识系统 - Google Patents
汽车列车直线行驶横向稳定性自动辨识系统 Download PDFInfo
- Publication number
- CN102252859A CN102252859A CN2011101437290A CN201110143729A CN102252859A CN 102252859 A CN102252859 A CN 102252859A CN 2011101437290 A CN2011101437290 A CN 2011101437290A CN 201110143729 A CN201110143729 A CN 201110143729A CN 102252859 A CN102252859 A CN 102252859A
- Authority
- CN
- China
- Prior art keywords
- prime
- overbar
- omega
- straight line
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种用于检测汽车列车行驶过程中牵引车和挂车之间最大横向摆动量的汽车列车直线行驶横向稳定性自动辨识系统,其特征是采用了一种基于机器视觉和GPS的汽车列车横向稳定性自动辨识方法,该方法利用安装在牵引车和挂车底部的两个摄像头,实时采集汽车列车下方直线标志线的图像信息,运用机器视觉检测算法分别计算牵引车和挂车底部固连点相对于直线标志线的距离,同时利用GPS获得列车沿直线标志线的行驶速度,根据同一时刻牵引车和挂车相对直线标志线的距离统计出牵引车和挂车之间的最大横向摆动量,该检测系统具有较高的检测精度,能够满足汽车列车最大横向摆动量实时、可靠检测和横向稳定性自动辨识的需要。
Description
技术领域
本发明涉及一种用于检测汽车列车直线行驶过程中牵引车和挂车最大横向摆动量的汽车列车直线行驶横向稳定性自动辨识系统,尤其涉及一种基于机器视觉和GPS的汽车列车直线行驶横向稳定性自动辨识系统。属于汽车列车横向稳定性检测技术领域。
背景技术
汽车列车直线行驶横向稳定性是汽车列车操纵稳定性的重要内容。横向稳定性是汽车列车的一种运动性能,不仅影响到汽车列车驾驶的操纵方便程度,而且也是汽车列车高速、安全行驶的一个重要因素。一方面,人们对汽车列车稳定性能的要求不断增高,另一方面,传统的汽车列车横向摆动量检测系统已经不能满足当前汽车列车稳定性能检测的要求。
传统的检测系统主要是:利用在牵引车和挂车底盘中间下方各固定一个喷枪,在汽车行驶过程中同时朝下方地面喷射某种白色液体,在地面上形成两条曲线,然后两个人用皮尺对重合的曲线进行分段测量,然后比较记录下的最短距离,将这些最短距离中的最大值作为汽车列车的最大横向摆动量。由此可见,目前的汽车列车横向摆动检测主要还是靠人工进行,检测效率低。由于是随机抽检,准确率低,漏检率高;再加上喷枪喷出的液体容易受到周围气流的影响,对环境的适应性差,同时检测可靠性也受到影响,这些都给传统的检测系统带来了极大地挑战。
发明内容
本发明的目的是克服现有汽车列车横向稳定性检测系统的不足,提供一种自动、可靠的基于机器视觉和GPS的汽车列车直线行驶横向稳定性自动检测系统。
本发明采用如下技术方案:
一种汽车列车直线行驶横向稳定性自动辨识系统,其特征在于,所述的汽车列车包括牵引车和挂车,所述辨识系统包括:液晶显示屏、PC104车载计算机、DH-CG320图像采集卡、CCD摄像头C1、CCD摄像头C2、车载电源、GPS,在PC104车载计算机上中央处理器通过显卡连接液晶显示屏、通过串行端口连接GPS、通过PC104总线连接DH-CG320图像采集卡、通过数据线连接硬盘,在DH-CG320图像采集卡上通过数据线连接CCD摄像头C1和CCD摄像头C2,车载电源通过电源线分别跟PC104车载计算机、CCD摄像头C1、CCD摄像头C2和GPS供电,CCD摄像头C1和CCD摄像头C2分别安装在牵引车前桥和挂车后桥下方,在CCD摄像头C1和CCD摄像头C2的拍摄范围内设置白色直线标志线,CCD摄像头C1用于牵引车下方图像信息的采集,CCD摄像头C2用于挂车下方图像信息的采集;另外,在牵引车上方安装GPS,负责实时采集汽车列车行驶速度,所述硬盘中至少包括:用于检测圆形标志圆心坐标及直径的机器视觉检测模块、用于CCD摄像机像素标定的摄像机像素标定模块,用于提取直线标志线参数的直线标志线参数检测模块、用于计算固连点到直线标志线距离的固连点到直线标志线距离检测模块、用于计算汽车列车行驶速度的GPS速度实时计算模块、用于统计汽车列车最大横向摆动量并用于确定当前速度范围下汽车列车最大横向摆动量SMax的统计计算模块,用于判断汽车列车直线行驶横向稳定性的横向稳定性辨识模块。
所述摄像机像素标定模块分别用于:求解CCD摄像头C1和CCD摄像头C2所拍图像像素的标定值
(1)求解CCD摄像头C1所拍图像像素的标定值
在CCD摄像头C1的拍摄范围内设置第一圆形标志,并由CCD摄像头C1对圆形标志进行拍摄,获得第一圆形标志的图像;
对第一圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B(m,n),I(m,n)为采集的第一圆形标志图像数据的灰度值,T为二值化图像分割阈值,T=210,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第一圆形标志圆心O1′的横坐标值u、纵坐标值v及半径值R,并将第一圆形标志的圆心坐标O1′作为与牵引车固连的固连点O1的坐标,即固连点O1的横纵坐标值也为u和v, 其中, Ω为点Hough变换确定的圆边缘像素点的个数,xi、yi分别表示点Hough变换确定的第i个边缘像素点的横、纵坐标值,
利用直尺直接测得第一圆形标志的直径值Da,单位:毫米,再计算得到CCD摄像头C1所拍图像像素的标定值Cv,即:Cv=Da/Dc,单位:毫米/像素,其中,Dc=2R,单位:像素,
(2)求解CCD摄像头C2所拍图像像素的标定值
在CCD摄像头C2的拍摄范围内设置第二圆形标志,并由CCD摄像头C2对圆形标志进行拍摄,获得第二圆形标志的图像;
对第二圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B′(m,n),I′(m,n)为采集的第二圆形标志图像数据的灰度值,T′为二值化图像分割阈值,T′=205,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E′(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第二圆形标志圆心O2′的横坐标值u′、纵坐标值v′及半径值R′,并将圆形标志的圆心坐标O2′作为与牵引车固连的固连点O2的坐标,即固连点O2的横、纵坐标值也为u′和v′, 其中, Ω′为点Hough变换确定的圆边缘像素点的个数,x′i′、y′i′分别表示点Hough变换后的第i′个边缘点的横、纵坐标值,
利用直尺直接测得第二圆形标志的直径值Da′,单位:毫米,再计算得到CCD摄像头C2所拍图像像素的标定值C′v,即:C′v=Da′/D′c,单位:毫米/像素,其中,D′c=2R′,单位:像素;
直线标志线参数检测模块和固连点到直线标志线距离检测模块用于:实时测量固连点O1到CCD摄像头C1拍摄的白色直线标志线的距离,
(1)直线标志线图像预处理
对C1实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1(m,n),
I1(m,n)为采集的直线标志线图像数据的灰度值,T1为二值化图像分割阈值,T1=230,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1(m,n),
m、n分别为当前位置像素的横、纵坐标,
(2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a+bx,并利用Gauss-Jordan消去法,求解 得到a,b值,a,b为牵引车上CCD摄像头C1采集的图像拟合出的直线标志线参数,N1为直线标志线边缘点的像素个数,x′k、y′k分别表示直线标志线第k个边缘点的横、纵坐标值,k=1,2,…,N1,
(3)固连点O1到直线标志线距离的计算
直线标志线参数检测模块和固连点到直线标志线距离检测模块还用于:实时测量固连点O2到CCD摄像头C2拍摄的白色直线标志线的距离,
(1)直线标志线图像预处理
对C2实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1′(m,n),
I1′(m,n)为采集的直线标志线图像数据的灰度值,T1′为二值化图像分割阈值,T1′=220,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1′(m,n),
m、n分别为当前位置像素的横、纵坐标,同理,可求得C2采集的白色标志线图像二值化后及边缘检测后的图像的灰度值,
(2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a′+b′x,并利用Gauss-Jordan消去法,求解 得到a′,b′值,a′,b′为牵引车上CCD摄像头C2采集的图像拟合出的直线标志线参数,N1′为直线标志线边缘点的像素个数,x″k′、y″k′分别表示直线标志线第k′个边缘点的横、纵坐标值,k′=1,2,…,N1′,
(3)固连点O2到直线标志线距离的计算
所述的GPS速度实时计算模块用于:给定速度下,汽车列车横向摆动值计算,
首先,利用GPS实时获得列车第t时刻的北向速度VNt和东向速度VEt,根据速度合成公式,求得第t时刻汽车列车沿直线标志线方向的瞬时速度Vt,即接着,分别计算第t时刻牵引车距离直线标志线的偏离值W1t和挂车距离直线标志线的偏离值W2t:即W1t=P1t·Cv,W2t=P2t·C′v,t=1,2,3,…,Nc,Nc为测试次数,Nc=1000;将速度Vt控制在[Vmin,Vmax]内,计算并记录当前速度范围[Vmin,Vmax]下汽车列车在第t时刻的横向摆动值St,即St=|W1t-W2t|,其中,Vmin为当前速度范围下的最小值,Vmax为当前速度范围下的最大值;
统计计算模块用于:汽车列车最大横向摆动量计算
对检测过程中记录的各时刻横向摆动值进行统计比较,找出当前速度范围下汽车列车的最大横向摆动量SMax,SMax=Max{St};
横向稳定性辨识模块用于:汽车列车直线行驶横向稳定性的判断
将当前速度范围[Vmin,Vmax]下汽车列车的最大横向摆动量SMax同预先设定的横向摆动量阈值STh进行比较,STh=10毫米,若SMax>STh,则汽车列车在当前速度范围下直线行驶不满足横向稳定性的要求,反之,若SMax≤STh,则汽车列车在当前速度范围下直线行驶满足横向稳定性的要求。
与现有技术相比,本发明具有如下优点:
(1)和传统的汽车列车横向稳定性辨识系统相比,该系统利用PC104车载计算机、CCD摄像头、图像采集卡和GPS对汽车列车横向摆动量进行实时检测并对检测结果进行自动辨识,提高了系统的检测效率和自动化水平。
(2)采用机器视觉技术,对汽车列车横向摆动进行实时检测,克服了当前人工手动检测错误率高、效率低下的弊端,提高了汽车列车横向摆动检测的自动化水平和效率。
(3)利用GPS,可以对汽车列车在不同行进速度下横向摆动量进行实时检测并对检测结果进行自动辨识,拓宽了汽车列车横向稳定性自动辨识系统的应用范围。
附图说明
图1是系统电路原理图;
图2是系统辨识模块框图;
图3是汽车列车横向稳定性辨识流程图;
图4是标定算法流程图;
图5是牵引车横向摆动检测标定示意图;
图6是挂车横向摆动检测标定示意图;
图7是圆形标志半径和圆心坐标视觉检测流程图;
图8是直线标志线视觉检测流程图;
图9是汽车列车沿标志线方向的速度合成示意图。
具体实施方式
下面参照说明书附图,对本发明的具体实施方式做出更为详细地说明:
一种汽车列车直线行驶横向稳定性自动辨识系统,包括:液晶显示屏1、PC104车载计算机2、DH-CG320图像采集卡3、CCD摄像头C14、CCD摄像头C25、车载电源6、GPS7,在PC104车载计算机2上中央处理器22通过显卡21连接液晶显示屏1、通过串行端口25连接GPS7、通过PC104总线23连接DH-CG320图像采集卡3、通过数据线连接硬盘24,在DH-CG320图像采集卡3上通过数据线连接CCD摄像头C14和CCD摄像头C25,车载电源6通过电源线分别跟PC104车载计算机2、CCD摄像头C14、CCD摄像头C25和GPS7供电,CCD摄像头C14和CCD摄像头C25分别安装在牵引车前桥和挂车后桥下方,在CCD摄像头C14和CCD摄像头C25的拍摄范围内设置白色直线标志线,CCD摄像头C14用于牵引车下方图像信息的采集,CCD摄像头C25用于挂车下方图像信息的采集;另外,在牵引车上方安装GPS7,负责实时采集汽车列车行驶速度,系统电路原理图如图1所示。所述硬盘24中至少包括:用于检测圆形标志圆心坐标及直径的机器视觉检测模块241、用于CCD摄像机像素标定的摄像机像素标定模块242,用于提取直线标志线参数的直线标志线参数检测模块243、用于计算固连点到直线标志线距离的固连点到直线标志线距离检测模块244、用于计算汽车列车行驶速度的GPS速度实时计算模块245、用于统计汽车列车最大横向摆动量并用于确定当前速度范围下汽车列车最大横向摆动量SMax的统计计算模块246,用于判断汽车列车直线行驶横向稳定性的横向稳定性辨识模块247,系统辨识模块框图如图2所示。
所述的汽车列车直线行驶横向稳定性自动辨识系统,其特征在于:所述的汽车列车包括牵引车和挂车,所述汽车列车直线行驶横向稳定性自动辨识可通过两个阶段来实现,一是离线标定阶段,二是在线辨识阶段,系统辨识流程图如图3所示,具体实现步骤如下:
1、所述摄像机像素标定模块242分别用于:求解CCD摄像头C1和CCD摄像头C2所拍图像像素的标定值,标定算法的流程图如图4所示
(1)求解CCD摄像头C1所拍图像像素的标定值
在CCD摄像头C1的拍摄范围内设置第一圆形标志,并由CCD摄像头C1对圆形标志进行拍摄,获得第一圆形标志的图像,
对第一圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B(m,n),I(m,n)为采集的第一圆形标志图像数据的灰度值,T为二值化图像分割阈值,T=210,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第一圆形标志圆心O1′的横坐标值u、纵坐标值v及半径值R,圆形标志半径和圆心坐标视觉检测流程图如图7所示,并将第一圆形标志的圆心坐标O1′作为与牵引车固连的固连点O1的坐标,即固连点O1的横纵坐标值也为u和v,
利用直尺直接测得第一圆形标志的直径值Da,单位:毫米,再计算得到CCD摄像头C1所拍图像像素的标定值Cv,即:Cv=Da/Dc,单位:毫米/像素,其中,Dc=2R,单位:像素,牵引车横向摆动检测标定示意图如图5所示;
第一圆形标志圆心O1′的横坐标值u、纵坐标值v及半径值R的计算步骤为:
1)针对边缘图像E(m,n),计算圆周上任意不共线的三点Aj,Bj,Cj组成的点对所确定的圆的半径值rj,单位为像素, 其中, 和分别为第j个点对中Aj的横坐标值和纵坐标值,单位为像素,和分别为第j个点对中Bj的横坐标值和纵坐标值,单位为像素,和分别为第j个点对中Cj的横坐标值和纵坐标值,单位为像素;j为点对的序号,j=1,2,…,N,N为第一圆形标志边缘点点对个数;
2)对N个边缘点对所计算出的N个半径值rj(j=1,2,…,N)出现的次数进行统计,找出出现次数最多的半径值rM,将与之对应的圆周上边缘点称为点Hough变换后的边缘点,并将其坐标值记录下来,
3)利用最小二乘法,对出现次数最多的半径值rM所对应的边缘点的横纵坐标值进行拟合,求得第一圆形标志圆心O1′的横坐标值u、纵坐标值v及半径值R, 其中, Ω为点Hough变换确定的圆边缘像素点的个数,xi、yi分别表示点Hough变换确定的第i个边缘像素点的横、纵坐标值,
(2)求解CCD摄像头C2所拍图像像素的标定值
在CCD摄像头C2的拍摄范围内设置第二圆形标志,并由CCD摄像头C2对圆形标志进行拍摄,获得第二圆形标志的图像,
对第二圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B′(m,n),I′(m,n)为采集的第二圆形标志图像数据的灰度值,T′为二值化图像分割阈值,T′=205,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E′(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第二圆形标志圆心O2′的横坐标值u′、纵坐标值v′及半径值R′,圆形标志半径和圆心坐标视觉检测流程图如图7所示,并将圆形标志的圆心坐标O2′作为与牵引车固连的固连点O2的坐标,即固连点O2的横、纵坐标值也为u′和v′,
利用直尺直接测得第二圆形标志的直径值Da′,单位:毫米,再计算得到CCD摄像头C2所拍图像像素的标定值C′v,即:C′v=Da′/D′c,单位:毫米/像素,其中,D′c=2R′,单位:像素,挂车横向摆动检测标定示意图如图6所示;
第二圆形标志圆心O2′的横坐标值u′、纵坐标值v′及半径值R′的计算步骤为:
1)针对边缘图像E′(m,n),计算圆周上任意不共线的三点A′j′,B′j′,C′j′组成的点对所确定的圆的半径值r′j′,单位为像素, 其中, 和分别为第j′个点对中A′j′的横坐标值和纵坐标值,单位为像素,和分别为第j′个点对中B′j′的横坐标值和纵坐标值,单位为像素,和分别为第j′个点对中C′j′的横坐标值和纵坐标值,单位为像素;j′为点对的序号,j′=1,2,…,N′,N′为第二圆形标志边缘点点对个数;
2)对N′个边缘点对所计算出的N′个半径值r′j′(j′=1,2,…,N′)出现的次数进行统计,找出出现次数最多的半径值r′M,将与之对应的圆周上边缘点称为点Hough变换后的边缘点,并将其坐标值记录下来,
3)利用最小二乘法,对出现次数最多的半径值r′M所对应的边缘点的横纵坐标值进行拟合,求得第二圆形标志圆心O2′的横坐标值u′、纵坐标值v′及半径值R′, 其中, Ω′为点Hough变换确定的圆边缘像素点的个数,x′i′、y′i′分别表示点Hough变换后的第i′个边缘点的横、纵坐标值,
2、在CCD摄像头C1和CCD摄像头C2的拍摄范围内设置白色直线标志线,实时测量给定速度下汽车列车横向摆动值,直线标志线视觉检测流程图如图8所示
(1)直线标志线参数检测模块243和固连点到直线标志线距离检测模块244用于:实时测量固连点O1到CCD摄像头C1拍摄的白色直线标志线的距离
1)直线标志线图像预处理
对C1实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1(m,n),
I1(m,n)为采集的直线标志线图像数据的灰度值,T1为二值化图像分割阈值,T1=230,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1(m,n),
m、n分别为当前位置像素的横、纵坐标,
2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a+bx,并利用Gauss-Jordan消去法,求解 得到a,b值,a,b为牵引车上CCD摄像头C1采集的图像拟合出的直线标志线参数,N1为直线标志线边缘点的像素个数,x′k、y′k分别表示直线标志线第k个边缘点的横、纵坐标值,k=1,2,…,N1,
3)固连点O1到直线标志线距离
(2)直线标志线参数检测模块243和固连点到直线标志线距离检测模块244还用于:实时测量固连点O2到CCD摄像头C2拍摄的白色直线标志线的距离
1)直线标志线图像预处理
对C2实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1′(m,n),
I1′(m,n)为采集的直线标志线图像数据的灰度值,T1′为二值化图像分割阈值,T1′=220,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1′(m,n),
m、n分别为当前位置像素的横、纵坐标,同理,可求得C2采集的白色标志线图像二值化后及边缘检测后的图像的灰度值,
2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a′+b′x,并利用Gauss-Jordan消去法,求解 得到a′,b′值,a′,b′为牵引车上CCD摄像头C2采集的图像拟合出的直线标志线参数,N1′为直线标志线边缘点的像素个数,x″k′、y″k′分别表示直线标志线第k′个边缘点的横、纵坐标值,k′=1,2,…,N1′,
3)固连点O2到直线标志线距离的计算
利用点到直线的距离公式,求得第t次牵引车上的固连点O2到直线标志线的矢量距离P2t,其中u′、v′分别为固连点O2在图像上的横、纵坐标值,
3、所述的GPS速度实时计算模块245用于:给定速度下,汽车列车横向摆动值计算
首先,利用GPS实时获得列车第t时刻的北向速度VNt和东向速度VEt,根据速度合成公式,求得第t时刻汽车列车沿直线标志线方向的瞬时速度Vt,即汽车列车沿标志线方向的速度合成示意图如图9所示,接着,分别计算第t时刻牵引车距离直线标志线的偏离值W1t和挂车距离直线标志线的偏离值W2t:即W1t=P1t·Cv,W2t=P2t·C′v,t=1,2,3,…,Nc,Nc为测试次数,Nc=1000;将速度Vt控制在[Vmin,Vmax]内,计算并记录当前速度范围[Vmin,Vmax]下汽车列车在第t时刻的横向摆动值St,即St=|W1t-W2t|,其中,Vmin为当前速度范围下的最小值,Vmax为当前速度范围下的最大值;
4、统计计算模块246用于:汽车列车最大横向摆动量计算
对检测过程中记录的各时刻横向摆动值进行统计比较,找出当前速度范围下汽车列车的最大横向摆动量SMax,SMax=Max{St}。
5、横向稳定性辨识模块247用于:汽车列车直线行驶横向稳定性的判断
将当前速度范围[Vmin,Vmax]下汽车列车的最大横向摆动量SMax同预先设定的横向摆动量阈值STh进行比较,STh=10毫米,若SMax>STh,则汽车列车在当前速度范围下直线行驶不满足横向稳定性的要求,反之,若SMax≤STh,则汽车列车在当前速度范围下直线行驶满足横向稳定性的要求。
Claims (2)
1.一种汽车列车直线行驶横向稳定性自动辨识系统,其特征在于,所述的汽车列车包括牵引车和挂车,所述辨识系统包括:液晶显示屏(1)、PC104车载计算机(2)、DH-CG320图像采集卡(3)、CCD摄像头C1(4)、CCD摄像头C2(5)、车载电源(6)、GPS(7),在PC104车载计算机(2)上中央处理器(22)通过显卡(21)连接液晶显示屏(1)、通过串行端口(25)连接GPS(7)、通过PC104总线(23)连接DH-CG320图像采集卡(3)、通过数据线连接硬盘(24),在DH-CG320图像采集卡(3)上通过数据线连接CCD摄像头C1(4)和CCD摄像头C2(5),车载电源(6)通过电源线分别跟PC104车载计算机(2)、CCD摄像头C1(4)、CCD摄像头C2(5)和GPS(7)供电,CCD摄像头C1和CCD摄像头C2分别安装在牵引车前桥和挂车后桥下方,在CCD摄像头C1和CCD摄像头C2的拍摄范围内设置白色直线标志线,CCD摄像头C1用于牵引车下方图像信息的采集,CCD摄像头C2用于挂车下方图像信息的采集;另外,在牵引车上方安装GPS,负责实时采集汽车列车行驶速度,所述硬盘(24)中至少包括:用于检测圆形标志圆心坐标及直径的机器视觉检测模块(241)、用于CCD摄像机像素标定的摄像机像素标定模块(242),用于提取直线标志线参数的直线标志线参数检测模块(243)、用于计算固连点到直线标志线距离的固连点到直线标志线距离检测模块(244)、用于计算汽车列车行驶速度的GPS速度实时计算模块(245)、用于统计汽车列车最大横向摆动量并用于确定当前速度范围下汽车列车最大横向摆动量SMax的统计计算模块(246),用于判断汽车列车直线行驶横向稳定性的横向稳定性辨识模块(247)。
2.根据权利要求1所述的汽车列车直线行驶横向稳定性自动辨识系统,其特征在于,
所述摄像机像素标定模块(242)分别用于:求解CCD摄像头C1和CCD摄像头C2所拍图像像素的标定值
(1)求解CCD摄像头C1所拍图像像素的标定值
在CCD摄像头C1的拍摄范围内设置第一圆形标志,并由CCD摄像头C1对圆形标志进行拍摄,获得第一圆形标志的图像;
对第一圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B(m,n),I(m,n)为采集的第一圆形标志图像数据的灰度值,T为二值化图像分割阈值,T=210,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第一圆形标志圆心O1′的横坐标值u、纵坐标值v及半径值R,并将第一圆形标志的圆心坐标O1′作为与牵引车固连的固连点O1的坐标,即固连点O1的横纵坐标值也为u和v, 其中, Ω为点Hough变换确定的圆边缘像素点的个数,xi、yi分别表示点Hough变换确定的第i个边缘像素点的横、纵坐标值,
利用直尺直接测得第一圆形标志的直径值Da,单位:毫米,再计算得到CCD摄像头C1所拍图像像素的标定值Cv,即:Cv=Da/Dc,单位:毫米/像素,其中,Dc=2R,单位:像素,
(2)求解CCD摄像头C2所拍图像像素的标定值
在CCD摄像头C2的拍摄范围内设置第二圆形标志,并由CCD摄像头C2对圆形标志进行拍摄,获得第二圆形标志的图像;
对第二圆形标志的图像进行阈值分割并二值化处理,得到二值化图像的灰度值B′(m,n),I′(m,n)为采集的第二圆形标志图像数据的灰度值,T′为二值化图像分割阈值,T′=205,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像E′(m,n),
m、n分别为当前位置像素的横、纵坐标,接着利用点Hough变换和最小二乘法计算第二圆形标志圆心O2′的横坐标值u′、纵坐标值v′及半径值R′,并将圆形标志的圆心坐标O2′作为与牵引车固连的固连点O2的坐标,即固连点O2的横、纵坐标值也为u′和v′, 其中, Ω′为点Hough变换确定的圆边缘像素点的个数,x′i′、y′i′分别表示点Hough变换后的第i′个边缘点的横、纵坐标值,
利用直尺直接测得第二圆形标志的直径值Da′,单位:毫米,再计算得到CCD摄像头C2所拍图像像素的标定值C′v,即:C′v=Da′/D′c,单位:毫米/像素,其中,D′c=2R′,单位:像素;
直线标志线参数检测模块(243)和固连点到直线标志线距离检测模块(244)用于:实时测量固连点O1到CCD摄像头C1拍摄的白色直线标志线的距离,
(1)直线标志线图像预处理
对C1实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1(m,n),
I1(m,n)为采集的直线标志线图像数据的灰度值,T1为二值化图像分割阈值,T1=230,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1(m,n),
m、n分别为当前位置像素的横、纵坐标,
(2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a+bx,并利用Gauss-Jordan消去法,求解 得到a,b值,a,b为牵引车上CCD摄像头C1采集的图像拟合出的直线标志线参数,N1为直线标志线边缘点的像素个数,x′k、y′k分别表示直线标志线第k个边缘点的横、纵坐标值,k=1,2,…,N1,
(3)固连点O1到直线标志线距离的计算
利用点到直线的距离公式,求得第t次牵引车上的固连点O1到直线标志线的矢量距离P1t,其中u、v分别为固连点O1在图像上的横、纵坐标值;
直线标志线参数检测模块(243)和固连点到直线标志线距离检测模块(244)还用于:实时测量固连点O2到CCD摄像头C2拍摄的白色直线标志线的距离,
(1)直线标志线图像预处理
对C2实时采集的白色直线标志线图像进行阈值分割并二值化处理,得到二值化图像的灰度值B1′(m,n),
I1′(m,n)为采集的直线标志线图像数据的灰度值,T1′为二值化图像分割阈值,T1′=220,然后,利用基于形态学的边缘检测算法,求得二值化后的边缘图像的灰度值E1′(m,n),
m、n分别为当前位置像素的横、纵坐标,同理,可求得C2采集的白色标志线图像二值化后及边缘检测后的图像的灰度值,
(2)直线标志线参数计算
利用最小二乘法,拟合出直线标志线的参数方程y=a′+b′x,并利用Gauss-Jordan消去法,求解 得到a′,b′值,a′,b′为牵引车上CCD摄像头C2采集的图像拟合出的直线标志线参数,N1′为直线标志线边缘点的像素个数,x″k′、y″k′分别表示直线标志线第k′个边缘点的横、纵坐标值,k′=1,2,…,N1′,
(3)固连点O2到直线标志线距离的计算
所述的GPS速度实时计算模块(245)用于:给定速度下,汽车列车横向摆动值计算,
首先,利用GPS实时获得列车第t时刻的北向速度VNt和东向速度VEt,根据速度合成公式,求得第t时刻汽车列车沿直线标志线方向的瞬时速度Vt,即接着,分别计算第t时刻牵引车距离直线标志线的偏离值W1t和挂车距离直线标志线的偏离值W2t:即W1t=P1t·Cv,W2t=P2t·C′v,t=1,2,3,…,Nc,Nc为测试次数,Nc=1000;将速度Vt控制在[Vmin,Vmax]内,计算并记录当前速度范围[Vmin,Vmax]下汽车列车在第t时刻的横向摆动值St,即St=|W1t-W2t|,其中,Vmin为当前速度范围下的最小值,Vmax为当前速度范围下的最大值;
统计计算模块(246)用于:汽车列车最大横向摆动量计算
对检测过程中记录的各时刻横向摆动值进行统计比较,找出当前速度范围下汽车列车的最大横向摆动量SMax,SMax=Max{St};
横向稳定性辨识模块(247)用于:汽车列车直线行驶横向稳定性的判断
将当前速度范围[Vmin,Vmax]下汽车列车的最大横向摆动量SMax同预先设定的横向摆动量阈值STh进行比较,STh=10毫米,若SMax>STh,则汽车列车在当前速度范围下直线行驶不满足横向稳定性的要求,反之,若SMax≤STh,则汽车列车在当前速度范围下直线行驶满足横向稳定性的要求。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110143729 CN102252859B (zh) | 2011-05-31 | 2011-05-31 | 汽车列车直线行驶横向稳定性自动辨识系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110143729 CN102252859B (zh) | 2011-05-31 | 2011-05-31 | 汽车列车直线行驶横向稳定性自动辨识系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102252859A true CN102252859A (zh) | 2011-11-23 |
CN102252859B CN102252859B (zh) | 2013-06-05 |
Family
ID=44980252
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110143729 Expired - Fee Related CN102252859B (zh) | 2011-05-31 | 2011-05-31 | 汽车列车直线行驶横向稳定性自动辨识系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102252859B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104019752A (zh) * | 2014-05-29 | 2014-09-03 | 京东方科技集团股份有限公司 | 显示屏的厚度均匀性检测方法、装置及系统 |
CN104071111A (zh) * | 2014-07-15 | 2014-10-01 | 吉林大学 | 全挂汽车列车防失稳实时监测及预警系统 |
CN104955713A (zh) * | 2012-12-12 | 2015-09-30 | 罗伯特·博世有限公司 | 用于稳定包括牵引车和拖挂车的牵引车组的方法和装置 |
CN104956196A (zh) * | 2013-01-31 | 2015-09-30 | 米其林集团总公司 | 表征车辆的行动性的方法以及在车辆轮胎的选择中的使用 |
CN106353109A (zh) * | 2016-10-10 | 2017-01-25 | 交通运输部公路科学研究所 | 一种中置轴挂车列车行驶稳定性测试评价系统及方法 |
CN108450034A (zh) * | 2015-12-15 | 2018-08-24 | 本田技研工业株式会社 | 基于图像的车辆测位系统及方法 |
CN108801643A (zh) * | 2017-04-26 | 2018-11-13 | 襄阳达安汽车检测中心 | 基于连续正弦扫频试验的车辆频响特性获取方法 |
CN109978901A (zh) * | 2019-03-07 | 2019-07-05 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN112758087A (zh) * | 2021-01-27 | 2021-05-07 | 湖南汽车工程职业学院 | 一种基于大数据的车辆行驶稳定性监控的安全提醒系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020024255A1 (en) * | 2000-07-04 | 2002-02-28 | Johannes Schmitt | Method and device for anti-slip control, in particular for traction control, in a motor vehicle |
US20030097218A1 (en) * | 2001-11-19 | 2003-05-22 | Volvo Trucks North America, Inc. | System for preventing unauthorized trailer uncoupling |
DE102007050188A1 (de) * | 2007-10-20 | 2009-04-23 | Daimler Ag | Fahrzeugstabilisierungsverfahren |
CN101666716A (zh) * | 2009-06-05 | 2010-03-10 | 中南大学 | 铁路机车车辆运行姿态测量方法 |
-
2011
- 2011-05-31 CN CN 201110143729 patent/CN102252859B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020024255A1 (en) * | 2000-07-04 | 2002-02-28 | Johannes Schmitt | Method and device for anti-slip control, in particular for traction control, in a motor vehicle |
US20030097218A1 (en) * | 2001-11-19 | 2003-05-22 | Volvo Trucks North America, Inc. | System for preventing unauthorized trailer uncoupling |
DE102007050188A1 (de) * | 2007-10-20 | 2009-04-23 | Daimler Ag | Fahrzeugstabilisierungsverfahren |
CN101666716A (zh) * | 2009-06-05 | 2010-03-10 | 中南大学 | 铁路机车车辆运行姿态测量方法 |
Non-Patent Citations (2)
Title |
---|
王新彦: "基于卫星定位技术的车辆横向稳定性参数的测量", 《机械设计与研究》, vol. 25, no. 6, 31 December 2009 (2009-12-31) * |
许洪国: "汽车列车横向稳定性研究", 《公路交通科技》, vol. 23, no. 2, 28 February 2006 (2006-02-28) * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104955713A (zh) * | 2012-12-12 | 2015-09-30 | 罗伯特·博世有限公司 | 用于稳定包括牵引车和拖挂车的牵引车组的方法和装置 |
CN104955713B (zh) * | 2012-12-12 | 2017-06-20 | 罗伯特·博世有限公司 | 用于稳定包括牵引车和拖挂车的牵引车组的方法和装置 |
CN104956196B (zh) * | 2013-01-31 | 2018-12-21 | 米其林集团总公司 | 表征车辆的行动性的方法以及在车辆轮胎的选择中的使用 |
CN104956196A (zh) * | 2013-01-31 | 2015-09-30 | 米其林集团总公司 | 表征车辆的行动性的方法以及在车辆轮胎的选择中的使用 |
CN104019752B (zh) * | 2014-05-29 | 2015-11-25 | 京东方科技集团股份有限公司 | 显示屏的厚度均匀性检测方法、装置及系统 |
WO2015180367A1 (zh) * | 2014-05-29 | 2015-12-03 | 京东方科技集团股份有限公司 | 显示屏的厚度均匀性检测方法、装置及系统 |
US9812068B2 (en) | 2014-05-29 | 2017-11-07 | Boe Technology Group Co., Ltd. | Method, device and system of detecting uniformity of thickness of a display screen |
CN104019752A (zh) * | 2014-05-29 | 2014-09-03 | 京东方科技集团股份有限公司 | 显示屏的厚度均匀性检测方法、装置及系统 |
CN104071111B (zh) * | 2014-07-15 | 2016-06-08 | 吉林大学 | 全挂汽车列车防失稳实时监测及预警系统 |
CN104071111A (zh) * | 2014-07-15 | 2014-10-01 | 吉林大学 | 全挂汽车列车防失稳实时监测及预警系统 |
CN108450034B (zh) * | 2015-12-15 | 2022-02-11 | 本田技研工业株式会社 | 基于图像的车辆测位系统及方法 |
CN108450034A (zh) * | 2015-12-15 | 2018-08-24 | 本田技研工业株式会社 | 基于图像的车辆测位系统及方法 |
CN106353109A (zh) * | 2016-10-10 | 2017-01-25 | 交通运输部公路科学研究所 | 一种中置轴挂车列车行驶稳定性测试评价系统及方法 |
CN108801643A (zh) * | 2017-04-26 | 2018-11-13 | 襄阳达安汽车检测中心 | 基于连续正弦扫频试验的车辆频响特性获取方法 |
CN108801643B (zh) * | 2017-04-26 | 2020-01-31 | 襄阳达安汽车检测中心 | 基于连续正弦扫频试验的车辆频响特性获取方法 |
CN109978901A (zh) * | 2019-03-07 | 2019-07-05 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN109978901B (zh) * | 2019-03-07 | 2023-06-02 | 江苏亿通高科技股份有限公司 | 一种快速、精确的圆形检测和圆心定位方法 |
CN112758087A (zh) * | 2021-01-27 | 2021-05-07 | 湖南汽车工程职业学院 | 一种基于大数据的车辆行驶稳定性监控的安全提醒系统 |
CN112758087B (zh) * | 2021-01-27 | 2022-04-01 | 湖南汽车工程职业学院 | 一种基于大数据的车辆行驶稳定性监控的安全提醒系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102252859B (zh) | 2013-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102252859B (zh) | 汽车列车直线行驶横向稳定性自动辨识系统 | |
CN108256413B (zh) | 可通行区域检测方法及装置、存储介质、电子设备 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN107025432B (zh) | 一种高效的车道线检测跟踪方法及系统 | |
CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
CN104183127B (zh) | 交通监控视频检测方法和装置 | |
CN104599249B (zh) | 缆索承重桥梁桥面车辆载荷分布实时检测方法 | |
CN106428558B (zh) | 一种基于空-轨两用无人机的轨道综合巡检方法 | |
CN105180933B (zh) | 基于直行路口检测的移动机器人航迹推算修正系统及方法 | |
US10699567B2 (en) | Method of controlling a traffic surveillance system | |
CN106056100A (zh) | 一种基于车道检测与目标跟踪的车辆辅助定位方法 | |
CN104008645A (zh) | 一种适用于城市道路车道线预测及预警方法 | |
CN104129389A (zh) | 一种有效判别车辆行驶状态的方法及其装置 | |
CN104573646A (zh) | 基于激光雷达和双目相机的车前行人检测方法及系统 | |
CN103425764B (zh) | 一种基于视频的车辆匹配方法 | |
CN104029680A (zh) | 基于单目摄像头的车道偏离预警系统及方法 | |
CN102810250A (zh) | 基于视频的多车型交通信息检测方法 | |
CN104157160B (zh) | 车辆行驶控制方法、装置及车辆 | |
CN104616502A (zh) | 基于组合式车路视频网络的车牌识别与定位系统 | |
CN106741890A (zh) | 一种基于空轨两用无人机的高速铁路安全检测系统 | |
CN103234542B (zh) | 基于视觉的汽车列车弯道行驶轨迹测量方法 | |
CN103134429B (zh) | 一种基于视觉的汽车列车直线行驶轨迹测量方法 | |
CN107705577A (zh) | 一种基于车道线标定车辆违章变道的实时检测方法及系统 | |
CN106494611A (zh) | 一种空轨两用巡检无人机 | |
Xu et al. | Road lane modeling based on RANSAC algorithm and hyperbolic model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130605 Termination date: 20160531 |