CN102445453A - 一种高速铁路线路护栏完整性自动检测装置及识别方法 - Google Patents
一种高速铁路线路护栏完整性自动检测装置及识别方法 Download PDFInfo
- Publication number
- CN102445453A CN102445453A CN2011103918596A CN201110391859A CN102445453A CN 102445453 A CN102445453 A CN 102445453A CN 2011103918596 A CN2011103918596 A CN 2011103918596A CN 201110391859 A CN201110391859 A CN 201110391859A CN 102445453 A CN102445453 A CN 102445453A
- Authority
- CN
- China
- Prior art keywords
- guardrail
- integrity
- detection
- computer
- pixel
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000007547 defect Effects 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 4
- 230000010339 dilation Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 230000004888 barrier function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- 239000004568 cement Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011016 integrity testing Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种高速铁路线路护栏完整性自动检测装置，包括一护栏完整性检测计算机，其内安装有：采集安装在列车两侧的数字摄像机输出图像并存储的图像采集卡；采集安装在列车车轮上的转速传感器输出信号的数据采集卡；对图像进行完整性处理判断和对信号进行处理及定位的识别软件；一检测结果管理计算机，通过网络与护栏完整性检测计算机相连，检测结果管理计算机内安装有检测结果管理信息系统，包括有护栏缺陷信息数据库，用于存储护栏完整性检测计算机通过网络传输的护栏缺陷信息。本发明还提供了一种高速铁路线路护栏完整性、包括护栏内部立柱完整性识别判断的识别方法。本发明检测范围大、适用性较强；识别方法可靠，检测速度快、结构简单。
Description
技术领域
本发明属于高速铁路基础设施检测领域，特别涉及一种高速铁路线路护栏完整自动性检测装置，以及应用于该自动检测装置的识别软件的识别方法。
背景技术
护栏是高速铁路线路两侧重要的隔离设施，同时部分护栏兼有声屏障的功能。护栏的缺失或破损将影响到高速铁路的运营安全和周边居民的居住环境。护栏完整性检查装置就是要找出护栏存在缺失的位置，以便及时修复。传统上，护栏完整性都是通过人工方法进行检查，效率极低。王尧的硕士学位论文《基于图像的高速铁路线路环境状态智能识别技术研究》公开了一种护栏完整性自动检测装置，但该装置主要存在以下缺陷。1、其只能对声屏障类型的护栏进行检测，不能检测水泥栏杆类型的护栏，检测范围小、适用性较差；2、其基于二维图像处理技术的护栏完整性识别方法可靠性较差；3、基于上述原因，该装置需要结合三维视觉技术进行确认，从而造成检测速度低、结构复杂等问题；4、该装置没有对检测结果进行系统化管理，检测结果不能及时反映给地面维修部门。
发明内容
鉴于现有技术中存在的问题，本发明的目的在于克服现有技术的不足，提供了一种高速铁路线路护栏完整性自动检测装置，该装置解决了现有技术存在的检测范围小、检测速度低、可靠性差等不足；并对检测结果进行系统化管理、加快了将检测结果反映给维修部门的速度。
本发明的另一目的在于，提供一种高速铁路线路护栏完整性的识别方法。
为实现上述发明目的，本发明提供的技术方案是：一种高速铁路线路护栏完整性自动检测装置，包括一护栏完整性检测计算机，其内安装有：采集安装在列车两侧的数字摄像机输出图像并存储的图像采集卡；采集安装在列车车轮上的转速传感器输出信号的数据采集卡；对图像进行完整性处理判断和对信号进行处理及定位的识别软件；一检测结果管理计算机，通过网络与护栏完整性检测计算机相连，检测结果管理计算机内安装有检测结果管理信息系统，包括有护栏缺陷信息数据库，用于存储护栏完整性检测计算机通过网络传输的护栏缺陷信息。
所述的检测结果管理计算机连接有一无线数据收发模块。
还包括照明装置，所述的识别软件通过数据采集卡输出端口控制照明装置的开关。
所述的转速传感器为光电式编码器。
本发明还提供了一种高速铁路线路护栏完整性的识别方法，包括以下步骤：
安装在列车上任意可以拍摄到线路两侧护栏的位置两台数字摄像机，用于实时拍摄护栏的图像；
护栏完整性检测计算机内部安装的图像采集卡用于采集数字摄像机输出的图像，并存储到护栏完整性检测计算机的内存中；
护栏完整性检测计算机上运行的识别软件通过对图像进行处理判断护栏的完整性；
识别软件根据转速传感器输出和事先输入的初始里程信息对列车进行定位，定位信息用于软件记录护栏缺陷的位置；
通过网络将护栏缺陷相关的信息存储到检测结果管理计算机中的护栏缺陷信息数据库中；
检测结果管理计算机通过安装的检测结果管理信息系统，对护栏完整性检测的结果进行系统管理。
进一步的，还包括检测结果管理计算机对护栏缺陷进行危害性评估以及评估结果的传输的步骤。
其中，所述的护栏完整性检测计算机中的识别软件对采集的图片采用的识别方法包括以下步骤：
第一步，利用局部阈值分割方法初步提取出护栏白色外框；
以每一个像素(x，y)为中心选取其周围的矩形区域作为局部窗口；
计算该局部窗口内像素灰度的平均值和标准差；
根据像素灰度值和其局部窗口内像素灰度的平均值和标准差，满足阈值条件来判定该像素是否为护栏外框，即：
当g(x，y)＞m(x，y)+max(S*d(x，y)，A)时，该像素满足阈值条件，为护栏外框的像素；
其中，
g(x，y)为(x，y)位置像素的灰度值；
m(x，y)和d(x，y)分别为该像素局部窗口中像素灰度值得平均值和标准差；
S为一表示阈值条件强度的系数；
A为附加的决定阈值条件；
第二步，对第一步提取的区域进行形态学膨胀处理，并进行连通区域筛选，准确提取护栏外框；
采用适当大小和形状的模板对第一步提取的外框区域进行膨胀处理，使护栏外框区域连成一体；
将膨胀处理后的区域按连通性分成若干个连通区域；
在这些区域中筛选出宽度和/或面积最大区域，作为真实的护栏外框区域；
第三步，通过洞提取算法提取护栏内部区域；
第四步，根据护栏内部区域的大小和间距判断护栏外框完整性；
具体方法是，计算第三步中提取的每一个护栏内部区域的宽度，分别记为W1，W2，......Wn，以及平均宽度W；并计算相邻两个区域中心的间距，分别记为D1，D2，......Dn-1，以及平均间距D。当任意一个区域的宽度Wk＞1.4*W和/或任意相邻两个区域中心间距Dk＞1.4*D时，认为护栏外框有缺陷。
所述的识别方法还包括护栏内部立柱完整性识别判断，具体为：
利用第一步所述的局部阈值分割方法在第三步提取的护栏内部区域中提取立柱区域；
对区域进行形态学膨胀处理；
最后进行连通区域筛选；
通过判断提取的立柱的数量和/或相邻立柱的间隔判断护栏内部立柱的完整性。
本发明的有益效果是：本发明可以检测除声屏障类型的护栏以外的水泥栏杆类型的护栏，检测范围大、适用性较强；护栏完整性识别方法可靠，检测速度快、结构简单，并且对检测结果进行系统化管理，检测结果及时反映给地面维修部门。
附图说明
当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：
图1是本发明总体结构示意图；
图2是护栏完整性识别中间结果；
图3是护栏完整性识别中提取的护栏外框区域；
图4是护栏完整性识别中提取的护栏内部区域；
图5是护栏完整性识别中提取的护栏内部立柱；
图6是异常情况下护栏完整性识别中提取的护栏内部立柱。
具体实施方式
以下结合实施例对本发明的具体实施方式作进一步详细描述，以下实施方式用于解释本发明，但不用来限制本发明的保护范围。
实施例1
下面介绍本发明的一个实施例，本实施例可用于对水泥栏杆类型的护栏进行完整性检测。
如图1所示，本发明包括一台护栏完整性检测计算机1、两台数字摄像机2和3、一个转速传感器4、一台检测结果管理计算机5、一个无线数据收发模块6、一组照明装置7，以及安装在计算机1中的图像采集卡11和数据采集卡12。
本发明的护栏完整性检测计算机1，内部安装有图像采集卡11和数据采集卡12。图像采集卡11采集数字摄像机2和3输出的图像并存储到计算机1的内存中，计算机1上运行的识别软件通过对图像进行处理判断护栏的完整性。
本实施例中数字摄像机2和3，分别放置在列车的两侧车窗后，分别拍摄线路左右两侧的护栏(数字摄像机亦可安装在其他位置，只要可以拍摄到两侧护栏即可)。本发明的数字摄像机2和3，具有较短的曝光时间、高增益等特性，以保证在列车高速行驶的情况下，摄像机拍摄的图像依然清晰。同时本发明的数字摄像机还具有自动曝光、自动白平衡、自动光圈、自动增益等功能，可以在较大范围内自动适应外界光线的变化。数字摄像机的镜头上安装有偏振滤光片，以削弱车窗反射光线的影响。
夜间进行检测或外界光线极低时，可以根据需要打开照明装置7。计算机1上运行的识别软件通过数据采集卡12的数字输出端口控制照明装置7的开关。识别软件自动衡量图像的亮度情况，并在需要时自动开启照明装置。用户也可以通过操作软件手动控制照明装置的开关。
本发明的转速传感器4安装在列车的车轮上，本实施例中采用光电式编码器作为转速传感器，其输出的信号由数据采集卡12进行采集。计算机1上运行的识别软件根据转速传感器输出和事先输入的初始里程信息对列车进行定位。定位信息用于软件记录护栏缺陷的位置，以便维修部分快速寻找缺陷位置。
检测结果管理计算机5，安装有检测结果管理信息系统，用于对护栏完整性检测的结果进行系统管理。其包括护栏缺陷信息数据库，以及相应的管理软件。计算机5通过网络和计算机1相连接，在检测过程中，当计算机1检测到护栏存在缺陷时将通过网络将护栏缺陷相关的信息存储到计算机5中的护栏缺陷信息数据库中。管理软件对数据库中的护栏缺陷信息进行管理，提供多种查询和报表生成的功能：包括在检测过程中查询本次检测过程中发现的护栏缺陷，查询之前某次检测过程中的护栏缺陷，查询一段时期内某条线路上的护栏缺陷的总体情况等。并可以将当前检测结果和历史结果进行比较，以检查缺陷修复的情况。
计算机5上运行的管理软件，在检测过程中自动检查最新检测出的护栏缺陷，并由人工和/或自动评估该缺陷的危害性。自动评估缺陷时，算法通过计算缺陷区域的面积和数量来评估缺陷的危害性。当发现严重的护栏缺陷时将通过无线数据收发模块6，将该缺陷信息直接发送到地面指挥中心，以便尽快组织修复或采取其他应急措施。
本发明中护栏完整性检测计算机1中运行的护栏完整性识别软件通过如下方法判断护栏完整性。
第一步，利用局部阈值分割方法初步提取出护栏白色外框。其具体方法是首先以每一个像素(x，y)为中心选取其周围一定大小的矩形区域作为局部窗口，其大小根据图像中护栏边框的尺寸确定，一般可选择宽度大致为护栏边框平均宽度5-10倍的正方形区域。本实施例采用251像素宽的正方形区域。然后计算该局部窗口内像素灰度的平均值和标准差。最后根据像素灰度值和其局部窗口内像素灰度的平均值和标准差，是否满足一定的阈值条件来判定该像素是否为护栏外框。
本实施例中由于护栏外宽的灰度大于其周围像素，所以采用的阈值条件具体可描述如下。设g(x，y)为(x，y)位置像素的灰度值，m(x，y)和d(x，y)分别为该像素局部窗口中像素灰度值得平均值和标准差。当g(x，y)＞m(x，y)+max(S*d(x，y)，A)时，可以认为该像素满足阈值条件，为护栏外框的像素。其中S为一表示阈值条件强度的系数，当S越大时，阈值条件越强，表示像素的选取更严格，只有比灰度周围像素大很多的像素才会被提取。A为附加的决定阈值条件，用来避免大面积的灰度均匀的干扰区域被提取出来。本实施例中S和A分别取1和10。提取的结果如图2所示。
第二步，对第一步提取的区域进行形态学膨胀处理并进行连通区域筛选准确提取护栏外框。由于第一步提取的区域不可能完全包括全部的护栏外框的像素，提取的护栏外框在边缘和连接处容易缺失。采用适当大小和形状的模板对第一步提取的外框区域进行膨胀处理后可以修补上述缺失，使护栏外框区域连成一体便于进行连通区域筛选。本实施例采用边长为10个像素的正方形模板，进行膨胀操作。另一方面，第一步提取的区域必然存在干扰区域，即不属于护栏外框而被提取出来的像素。由于这些像素组成的区域在宽度和面积上与真实的护栏区域有较大差别，因此只需进行连通区域筛选就可以提取出真实的护栏区域。具体过程是首先进行连通区域提取，将第一步分割的到的区域按连通性分成若干个连通区域；然后在这些区域中筛选出宽度和/或面积最大区域，即以真实的护栏外框区域，如图3所示。
第三步，提取护栏内部区域。因为护栏的内部区域即为外框的洞，所以在上一步得到护栏外框区域后，可以通过现有的洞提取算法提取护栏的内部区域。如图4所示。
第四步，根据护栏内部区域的大小和间距判断护栏外框完整性。若护栏的外框是完整的，上一步就可以提取出大小接近，间隔均匀的若干个护栏内部区域。而若护栏的外框有缺损，则会有部分护栏内部区域没有完全被护栏外框包围，而无法在上一步被提取出。另一种情况是，立柱上有缺失时，两个单元的护栏内部区域连接在一起，从而上一步将提取出大小显著大于其他单元的区域。因此，通过判断第三步提取的护栏内部区域的大小和间距就可以判断护栏外框的完整性。具体方法是，计算第三步中提取的每一个护栏内部区域的宽度，分别记为W1，W2，......Wn，以及平均宽度W；并计算相邻两个区域中心的间距，分别记为D1，D2，......Dn-1，以及平均间距D。当任意一个区域的宽度Wk＞1.4*W和/或任意相邻两个区域中心间距Dk＞1.4*D时认为护栏外框有缺陷。
实施例2：
在实施例1的基础上，首先利用局部阈值分割方法在第三步提取的护栏内部区域中提取立柱区域。然后对区域进行形态学膨胀处理，最后进行连通区域筛选。提取的立柱结果如图5所示。
判断护栏内部立柱的完整性。由于上一步只提取完整的护栏内部立柱，若立柱存在缺陷将无法被提取，如图6所示。因此只需判断上一步提取的立柱的数量和/或相邻立柱的间隔就可以判断护栏内部立柱的完整性。
以上所述实施例，只是本发明的较佳实施例，并非来限制本发明实施范围，故凡依本发明申请专利范围所述的显而易见的变动，以及其它不脱离本发明实质的改动，均应包括在本发明的保护范围之内。
Claims (8)
1.一种高速铁路线路护栏完整性自动检测装置，其特征在于，包括一护栏完整性检测计算机，其内安装有：采集安装在列车两侧的数字摄像机输出图像并存储的图像采集卡；采集安装在列车车轮上的转速传感器输出信号的数据采集卡；对图像进行完整性处理判断和对信号进行处理及定位的识别软件；
一检测结果管理计算机，通过网络与护栏完整性检测计算机相连，检测结果管理计算机内安装有检测结果管理信息系统，包括有护栏缺陷信息数据库，用于存储护栏完整性检测计算机通过网络传输的护栏缺陷信息。
2.根据权利要求1所述的高速铁路线路护栏完整性自动检测装置，其特征在于，所述的检测结果管理计算机连接有一无线数据收发模块。
3.根据权利要求1所述的高速铁路线路护栏完整性自动检测装置，其特征在于，还包括照明装置，所述的识别软件通过数据采集卡输出端口控制照明装置的开关。
4.根据权利要求1所述的高速铁路线路护栏完整性自动检测装置，其特征在于，所述的转速传感器为光电式编码器。
5.一种高速铁路线路护栏完整性的识别方法，其特征在于，包括以下步骤：
安装在列车上任意可以拍摄到线路两侧护栏的位置两台数字摄像机，用于实时拍摄护栏的图像；
护栏完整性检测计算机内部安装的图像采集卡用于采集数字摄像机输出的图像，并存储到护栏完整性检测计算机的内存中；
护栏完整性检测计算机上运行的识别软件通过对图像进行处理判断护栏的完整性；
识别软件根据转速传感器输出和事先输入的初始里程信息对列车进行定位，定位信息用于软件记录护栏缺陷的位置；
通过网络将护栏缺陷相关的信息存储到检测结果管理计算机中的护栏缺陷信息数据库中；
检测结果管理计算机通过安装的检测结果管理信息系统，对护栏完整性检测的结果进行系统管理。
6.根据权利要求5所述的一种高速铁路线路护栏完整性的识别方法，其特征在于，还包括检测结果管理计算机对护栏缺陷进行危害性评估以及评估结果的传输的步骤。
7.根据权利要求5所述的一种高速铁路线路护栏完整性的识别方法，其特征在于，所述的护栏完整性检测计算机中的识别软件对采集的图片采用的识别方法包括以下步骤：
第一步，利用局部阈值分割方法初步提取出护栏白色外框；
以每一个像素(x，y)为中心选取其周围的矩形区域作为局部窗口；
计算该局部窗口内像素灰度的平均值和标准差；
根据像素灰度值和其局部窗口内像素灰度的平均值和标准差，满足阈值条件来判定该像素是否为护栏外框，即：
当g(x，y)＞m(x，y)+max(S*d(x，y)，A)时，该像素满足阈值条件，为护栏外框的像素；
其中，
g(x，y)为(x，y)位置像素的灰度值；
m(x，y)和d(x，y)分别为该像素局部窗口中像素灰度值得平均值和标准差；
S为一表示阈值条件强度的系数；
A为附加的决定阈值条件；
第二步，对第一步提取的区域进行形态学膨胀处理，并进行连通区域筛选，准确提取护栏外框；
采用适当大小和形状的模板对第一步提取的外框区域进行膨胀处理，使护栏外框区域连成一体；
将膨胀处理后的区域按连通性分成若干个连通区域；
在这些区域中筛选出宽度和/或面积最大区域，作为真实的护栏外框区域；
第三步，通过洞提取算法提取护栏内部区域；
第四步，根据护栏内部区域的大小和间距判断护栏外框完整性；
具体方法是，计算第三步中提取的每一个护栏内部区域的宽度，分别记为W1，W2，......Wn，以及平均宽度W；并计算相邻两个区域中心的间距，分别记为D1，D2，......Dn-1，以及平均间距D，当任意一个区域的宽度Wk＞1.4*W和/或任意相邻两个区域中心间距Dk＞1.4*D时，认为护栏外框有缺陷。
8.根据权利要求7所述的一种高速铁路线路护栏完整性的识别方法，其特征在于，所述的识别方法还包括护栏内部立柱完整性识别判断，具体为：
利用第一步所述的局部阈值分割方法在第三步提取的护栏内部区域中提取立柱区域；
对区域进行形态学膨胀处理；
最后进行连通区域筛选；
通过判断提取的立柱的数量和/或相邻立柱的间隔判断护栏内部立柱的完整性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110391859 CN102445453B (zh) | 2011-11-30 | 2011-11-30 | 一种高速铁路线路护栏完整性自动检测装置及识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN 201110391859 CN102445453B (zh) | 2011-11-30 | 2011-11-30 | 一种高速铁路线路护栏完整性自动检测装置及识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102445453A true CN102445453A (zh) | 2012-05-09 |
| CN102445453B CN102445453B (zh) | 2013-10-23 |
Family
ID=46008158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN 201110391859 Active CN102445453B (zh) | 2011-11-30 | 2011-11-30 | 一种高速铁路线路护栏完整性自动检测装置及识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102445453B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103354014A (zh) * | 2013-06-19 | 2013-10-16 | 江苏瞬通交通设施有限公司 | 道路交通护栏智能管理系统 |
| CN103640595A (zh) * | 2013-12-25 | 2014-03-19 | 江西理工大学 | 一种铁路防护栏网自动检测系统及破损识别方法 |
| CN105956942A (zh) * | 2016-05-12 | 2016-09-21 | 陕西瑞海电力工程有限公司 | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 |
| CN106087809A (zh) * | 2016-07-20 | 2016-11-09 | 湖南红太阳新能源科技有限公司 | 一种智能型交通护栏管理系统及护栏 |
| CN107167523A (zh) * | 2017-05-31 | 2017-09-15 | 王燕 | 一种桥梁混凝土护栏的裂缝自动探伤装置 |
| CN109035759A (zh) * | 2018-06-13 | 2018-12-18 | 重庆邮电大学 | 一种护栏检测评估方法 |
| CN111241900A (zh) * | 2019-04-12 | 2020-06-05 | 泰州阿法光电科技有限公司 | 交通环境现场维护方法 |
| CN112257723A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种护栏提取的置信度评估方法及系统 |
| EP3522134B1 (en) * | 2016-09-27 | 2024-08-07 | KYOCERA Corporation | Roadside machine, roadside machine control method and roadside machine control program |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101142462A (zh) * | 2004-06-30 | 2008-03-12 | 乔治敦铁轨设备公司 | 用于检查铁路轨道的系统和方法 |
| JP2009234338A (ja) * | 2008-03-26 | 2009-10-15 | Railway Technical Res Inst | 鉄道のトロリ線の状態診断装置 |
| JP2010203157A (ja) * | 2009-03-04 | 2010-09-16 | Hitachi High-Technologies Corp | リニア浮上式高速鉄道ガイドウェイ走行路検査装置及び検査方法。 |
-
2011
- 2011-11-30 CN CN 201110391859 patent/CN102445453B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101142462A (zh) * | 2004-06-30 | 2008-03-12 | 乔治敦铁轨设备公司 | 用于检查铁路轨道的系统和方法 |
| JP2009234338A (ja) * | 2008-03-26 | 2009-10-15 | Railway Technical Res Inst | 鉄道のトロリ線の状態診断装置 |
| JP2010203157A (ja) * | 2009-03-04 | 2010-09-16 | Hitachi High-Technologies Corp | リニア浮上式高速鉄道ガイドウェイ走行路検査装置及び検査方法。 |
Non-Patent Citations (1)
| Title |
|---|
| 王尧: "基于图像的高速铁路线路环境状态智能识别技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》, no. 10, 15 October 2010 (2010-10-15), pages 138 - 531 * |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103354014B (zh) * | 2013-06-19 | 2015-07-08 | 江苏瞬通交通设施有限公司 | 道路交通护栏智能管理系统 |
| CN103354014A (zh) * | 2013-06-19 | 2013-10-16 | 江苏瞬通交通设施有限公司 | 道路交通护栏智能管理系统 |
| CN103640595A (zh) * | 2013-12-25 | 2014-03-19 | 江西理工大学 | 一种铁路防护栏网自动检测系统及破损识别方法 |
| CN105956942B (zh) * | 2016-05-12 | 2020-06-16 | 陕西瑞海电力工程有限公司 | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 |
| CN105956942A (zh) * | 2016-05-12 | 2016-09-21 | 陕西瑞海电力工程有限公司 | 基于机器视觉的电力管廊钢筋网质量检测方法及检测装置 |
| CN106087809A (zh) * | 2016-07-20 | 2016-11-09 | 湖南红太阳新能源科技有限公司 | 一种智能型交通护栏管理系统及护栏 |
| EP3522134B1 (en) * | 2016-09-27 | 2024-08-07 | KYOCERA Corporation | Roadside machine, roadside machine control method and roadside machine control program |
| CN107167523A (zh) * | 2017-05-31 | 2017-09-15 | 王燕 | 一种桥梁混凝土护栏的裂缝自动探伤装置 |
| CN109035759A (zh) * | 2018-06-13 | 2018-12-18 | 重庆邮电大学 | 一种护栏检测评估方法 |
| CN109035759B (zh) * | 2018-06-13 | 2021-02-02 | 重庆邮电大学 | 一种护栏检测评估方法 |
| CN111241900B (zh) * | 2019-04-12 | 2021-02-05 | 宁夏爱特云翔信息技术有限公司 | 交通环境现场维护方法 |
| CN111241900A (zh) * | 2019-04-12 | 2020-06-05 | 泰州阿法光电科技有限公司 | 交通环境现场维护方法 |
| CN112257723A (zh) * | 2020-10-26 | 2021-01-22 | 武汉中海庭数据技术有限公司 | 一种护栏提取的置信度评估方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102445453B (zh) | 2013-10-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102445453B (zh) | 一种高速铁路线路护栏完整性自动检测装置及识别方法 | |
| CN105809679B (zh) | 一种基于视觉分析的山区铁路边坡落石检测方法 | |
| CN106373426B (zh) | 基于计算机视觉的停车位及违规占道停车监控方法 | |
| CN105744232B (zh) | 一种基于行为分析技术的输电线路视频防外破的方法 | |
| CN107738612A (zh) | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 | |
| CN111739335B (zh) | 一种基于视觉差的停车检测方法及装置 | |
| CN108491758A (zh) | 一种轨道检测方法及机器人 | |
| CN106530818A (zh) | 基于视频处理技术的智能停车场管理系统 | |
| CN102915638A (zh) | 基于监控视频的智能停车场管理系统 | |
| CN101231786A (zh) | 一种基于视频图像特征的车辆检测方法 | |
| CN103778786A (zh) | 一种基于显著车辆部件模型的交通违章检测方法 | |
| CN104504388A (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
| CN111523397B (zh) | 一种智慧灯杆视觉识别装置、方法及其系统和电子设备 | |
| CN101692313A (zh) | 基于嵌入式平台的便携式车辆识别装置 | |
| CN103186982A (zh) | 一种治安智能卡口系统 | |
| CN103646550A (zh) | 一种智能车牌识别系统 | |
| CN110956104A (zh) | 一种检测垃圾桶溢出的方法、装置及系统 | |
| CN104134350A (zh) | 一种交通违法行为识别智能球机系统 | |
| CN111783700B (zh) | 一种路面异物自动识别预警方法和系统 | |
| CN111738203B (zh) | 一种基于自动划线区域的站台行人越线检测方法 | |
| CN113205692B (zh) | 一种路侧停车泊位异常变动的自动识别方法 | |
| CN111951601B (zh) | 一种识别配送车辆停放位置的方法及装置 | |
| CN112381014A (zh) | 一种基于城市道路的违停车辆检测及管理方法及系统 | |
| CN111144301A (zh) | 一种基于深度学习的道路路面缺陷快速预警装置 | |
| CN103149603B (zh) | 一种基于视频的道路气象检测方法 |
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 |