CN104809427B - 基于3d信息的故障自动识别检测系统及检测方法 - Google Patents
基于3d信息的故障自动识别检测系统及检测方法 Download PDFInfo
- Publication number
- CN104809427B CN104809427B CN201410847125.8A CN201410847125A CN104809427B CN 104809427 B CN104809427 B CN 104809427B CN 201410847125 A CN201410847125 A CN 201410847125A CN 104809427 B CN104809427 B CN 104809427B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- unit
- failure
- automatic identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Abstract
基于3D信息的故障自动识别检测系统及检测方法。随着铁路客运与货运量的不断增大，铁路车辆和机车作为铁路运输的核心部分，车体零部件等出现故障或异常将严重影响行车安全，因此铁路车辆和机车的安全检测变得更加重要。一种基于3D信息的故障自动识别检测系统，其组成包括：3D信息获取单元（1），所述的3D信息获取单元与车型与车号识别单元（2）连接，所述的车型和车号识别单元与3D信息检索单元（3）连接，所述的3D信息检索单元与3D信息配准单元（4）连接，所述的3D信息配准单元与3D信息故障自动识别单元（5）连接，所述的3D信息故障自动识别单元与报警单元（6）连接，所述的报警单元与入库单元（7）连接。本发明应用于交通运输。
Description
技术领域：
本发明涉及一种基于3D信息的故障自动识别检测系统及检测方法，对动车、客车、货车、机车等各种铁路车辆和机车的故障自动识别检测。
背景技术：
随着铁路客运与货运量的不断增大，铁路车辆和机车作为铁路运输的核心部分，车体零部件等出现故障或异常将严重影响行车安全，因此铁路车辆和机车的安全检测变得更加重要。传统的人工检车存在不及时、工作量大、容易漏检、盲区多等问题，存在极大的安全隐患。
目前也存在某些故障自动识别检测的系统及方法，但多是利用线阵相机和面阵相机拍摄的2D图像进行故障自动识别，容易受到光线、灰尘、污渍、雨雪天气等外界环境因素的影响，从而产生大量的漏报与误报，加大了人工确认的工作量与难度，影响检车效率。
发明内容：
本发明的目的是提供一种基于3D信息的故障自动识别检测系统及检测方法。
上述的目的通过以下的技术方案实现：
一种基于3D信息的故障自动识别检测系统，其组成包括： 3D信息获取单元，所述的3D信息获取单元与车型和车号识别单元电连接，所述的车型和车号识别单元与3D信息检索单元电连接，所述的3D信息检索单元与3D信息配准单元电连接，所述的3D信息配准单元与3D信息故障自动识别单元电连接，所述的3D信息故障自动识别单元与报警单元电连接，所述的报警单元将信号输入到入库单元。
所述的基于3D信息的故障自动识别检测系统，所述的3D信息获取单元，用于获取铁路车辆和机车各角度3D信息，包含三维空间信息及灰度信息；所述的车型和车号识别单元，利用3D信息识别得出铁路车辆和机车的车型和车号；所述的3D信息检索单元，利用3D信息检索得出当前过车对应的各种模板和历史数据信息；所述的3D信息配准单元，利用3D信息配准当前过车对应的各种模板和历史数据信息；所述的3D信息故障自动识别单元，利用3D信息特征识别得出各个部件是否存在异常及异常程度；所述的报警单元，将报警以二维或三维图形的形式显示给用户，在图形显示中以不同颜色、不同深浅程度、不同形状的标识展示不同等级的故障和异常。
所述的基于3D信息的故障自动识别检测系统，所述的3D信息获取单元获取当前过车各个角度的3D信息，同一部件可以从若干个角度获得不同的3D信息；每个3D信息单元均包含三维空间信息及灰度信息；信息数据库中每个模板的3D信息单元均包含三维空间信息及灰度信息，根据获取3D信息中的三维空间信息识别车型与具体车辆；根据获取3D信息中的灰度信息识别车型与具体车辆；根据获取3D信息中的三维空间信息和灰度信息识别车型与具体车辆；结合3D信息与现有的二维图像车号识别或电子标签识别车型与具体车辆。
所述的基于3D信息的故障自动识别检测系统，所述的3D信息检索单元检索信息数据库中该车辆或机车对应的统型模板；检索信息数据库中该过车在同一探测站最近一次的过车数据信息；检索信息数据库中该过车在同一探测站一段时期内的过车数据信息；检索信息数据库中该过车在其他探测站最近一次的过车数据信息；检索信息数据库中该过车在其他探测站一段时期内的过车数据信息。
所述的基于3D信息的故障自动识别检测系统，所述的3D信息配准单元利用3D信息中的三维空间信息配准当前过车与其对应的各种模板或数据信息；利用3D信息中的灰度信息配准当前过车与其对应的各种模板或数据信息；配准当前过车3D信息与现有线阵相机拍摄的图像；配准当前过车3D信息与现有面阵相机拍摄的图像。
所述的基于3D信息的故障自动识别检测系统，所述的3D信息故障自动识别单元根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警。
所述的基于3D信息的故障自动识别检测系统，所述的报警单元根据数据三维空间信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警；根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警；根据数据三维空间信息和灰度信息结合识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警。报警可以以二维或三维图形的形式显示给用户；在图形显示中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
所述的基于3D信息的故障自动识别检测系统的检测方法，该方法包括如下步骤：
获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接车功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
本发明的有益效果：
1.本发明提供的基于3D信息的故障自动识别检测方法，利用3D相机获取的铁路车辆和机车的三维空间信息及灰度信息识别得出具体车型和具体车辆编号；在信息数据库中检索得出当前过车对应的各种模板和历史数据信息并进行配准；结合3D信息中的三维空间信息差异特征和灰度信息差异特征识别各个部件是否存在异常及异常程度；根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警。与现有检测方法相比，本发明提供的技术方案结合3D信息中的三维空间信息和灰度信息，能够避免受到光线、灰尘、污渍、雨雪天气等外界环境因素的影响，提高自动识别准确率，降低误报率，并最终提高检车效率。
本发明基于各种铁路车辆和机车的3D信息，能够克服光线、灰尘、污渍、雨雪天气等外界环境因素对故障检测准确性的影响，在保证检测准确率的同时显著降低误报率，提高作业效率。
附图说明：
附图1是本发明的结构示意图。
附图2是附图1的结构流程示意图。
具体实施方式：
实施例1：
一种基于3D信息的故障自动识别检测系统，其组成包括：基于3D信息的故障自动识别检测系统，其组成包括： 3D信息获取单元，所述的3D信息获取单元与车型和车号识别单元电连接，所述的车型和车号识别单元与3D信息检索单元电连接，所述的3D信息检索单元与3D信息配准单元电连接，所述的3D信息配准单元与3D信息故障自动识别单元电连接，所述的3D信息故障自动识别单元与报警单元电连接，所述的报警单元将信号输入到入库单元，根据信号对机车运行进行进一步的检测和控制、处理。
实施例2：
根据实施例1所述的基于3D信息的故障自动识别检测系统，所述的3D信息获取单元，用于获取铁路车辆和机车各角度3D信息，包含三维空间信息及灰度信息；所述的车型和车号识别单元，利用3D信息识别得出铁路车辆和机车的车型和车号；所述的3D信息检索单元，利用3D信息检索得出当前过车对应的各种模板和历史数据信息；所述的3D信息配准单元，利用3D信息配准当前过车对应的各种模板和历史数据信息；所述的3D信息故障自动识别单元，利用3D信息特征识别得出各个部件是否存在异常及异常程度；所述的报警单元，将报警以二维或三维图形的形式显示给用户，在图形显示中以不同颜色、不同深浅程度、不同形状的标识展示不同等级的故障和异常。
实施例3：
根据实施例1或2所述的基于3D信息的故障自动识别检测系统，所述的3D信息获取单元获取当前过车各个角度的3D信息，同一部件可以从若干个角度获得不同的3D信息；每个3D信息单元均包含三维空间信息及灰度信息；信息数据库中每个模板的3D信息单元均包含三维空间信息及灰度信息，根据获取3D信息中的三维空间信息识别车型与具体车辆；根据获取3D信息中的灰度信息识别车型与具体车辆；根据获取3D信息中的三维空间信息和灰度信息识别车型与具体车辆；结合3D信息与现有的二维图像车号识别或电子标签识别车型与具体车辆。
实施例4：
根据实施例1或2或3所述的基于3D信息的故障自动识别检测系统，所述的3D信息检索单元检索信息数据库中该车辆或机车对应的统型模板；检索信息数据库中该过车在同一探测站最近一次的过车数据信息；检索信息数据库中该过车在同一探测站一段时期内的过车数据信息；检索信息数据库中该过车在其他探测站最近一次的过车数据信息；检索信息数据库中该过车在其他探测站一段时期内的过车数据信息。
实施例5：
根据实施例1或2或3或4所述的基于3D信息的故障自动识别检测系统，所述的3D信息配准单元利用3D信息中的三维空间信息配准当前过车与其对应的各种模板或数据信息；利用3D信息中的灰度信息配准当前过车与其对应的各种模板或数据信息；配准当前过车3D信息与现有线阵相机拍摄的图像；配准当前过车3D信息与现有面阵相机拍摄的图像。
实施例6：
根据实施例1或2或3或4或5所述的基于3D信息的故障自动识别检测系统，所述的3D信息故障自动识别单元根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警。
实施例7：
根据实施例1或2或3或4或5或6所述的基于3D信息的故障自动识别检测系统，所述的报警单元根据数据三维空间信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警；根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警；根据数据三维空间信息和灰度信息结合识别出的故障根据部件位置、重点程度、故障程度等判定因素输出各种级别、各种形式的报警。报警可以以二维或三维图形的形式显示给用户；在图形显示中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
实施例8：
根据实施例1或2或3或4或5或6或7所述的基于3D信息的故障自动识别检测系统。
获取3D信息。
获取3D信息指的是获取当前铁路车辆或机车各个角度（如底部、顶部、左侧、右侧等）的3D信息，其中同一部件可以从若干个角度获得不同的3D信息（如轮对信息可以由底部3D相机和侧部3D相机分别获取）。每个3D信息单元包含空间中一点的三维空间信息及灰度信息。
获取3D信息的方法可以通过3D相机直接采集，也可以通过双目视觉方式计算得出，还可以通过二维图像和高度测量方法配合得出。
识别车型与车号。
根据获取的3D信息特征识别出当前铁路车辆或机车的具体型号和车号，作为后续检索功能的入口或关键词。车型和车号也可根据现有的二维图像车号识别和电子标签等方式获得，再利用3D信息进行验证，进一步提高准确性。
检索信息数据库中对应当前铁路车辆或机车的模板和历史信息数据。
模板和历史信息数据中每个3D信息单元均包含三维空间信息及灰度信息。检索的入口为当前铁路车辆或机车的车型和车号。
配准当前铁路车辆或机车与对应模板和历史信息数据。
配准主要解决因车速变化而造成的行车方向压缩或拉伸问题，具体流程如下：
特征点提取。
特征点可以根据3D信息中的三维空间坐标提取，也可以根据3D信息中的灰度信息提取，还可以综合三维空间坐标信息和灰度信息提取。
生成特征描述子。
对于提取的每个特征点，可以生成基于三维空间坐标的特征描述子，也可以生成基于灰度信息的特征描述子，还可以综合3D信息中的三维空间坐标信息和灰度信息生成综合特征描述子。
匹配特征点。
匹配生成的特征描述子，进而匹配特征点。
插值运算。
根据匹配的特征点对对获取的3D信息进行插值运算，完成整车配准。
以上所述的四个配准步骤还可以结合现有的线阵相机和面阵相机拍摄的二维灰度图像进行配准，即根据图像生成灰度特征描述子并与3D信息中的三维空间信息和灰度信息进行匹配。
自动识别当前铁路车辆或机车部件异常。
根据3D信息中的三维空间信息生成各个部件的三维空间特征描述子，识别特征描述子存在的异常，或对比其与当前铁路车辆或机车对应的各种模板或历史信息数据特征描述子的差异。
根据3D信息中的灰度信息生成各个部件的灰度特征描述子，识别特征描述子存在的异常，或对比其与当前铁路车辆或机车对应的各种模板或历史信息数据特征描述子的差异。
结合3D信息中的三维空间信息和灰度信息生成各个部件的综合特征描述子，识别特征描述子存在的异常，或对比其与当前铁路车辆或机车对应的各种模板或历史信息数据特征描述子的差异。
自动识别过程还可以结合现有的线阵相机拍摄图像和面阵相机拍摄图像在配准之后生成的灰度特征描述子识别过车各个部件是否存在异常。
输出报警信息。
对与识别出的故障，根据部件位置、重点程度、故障程度等判定因素输出二维或三维图形，其中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
实施例9：
一种实施例1-7所述的基与3D信息的故障自动识别检测系统的检测方法，该方法包括如下步骤：
获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接车功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
Claims (12)
1.一种基于3D信息的故障自动识别检测系统，其组成包括:3D信息获取单元，其特征是：所述的3D信息获取单元与车型和车号识别单元电连接，所述的车型和车号识别单元与3D信息检索单元电连接，所述的3D信息检索单元与3D信息配准单元电连接，所述的3D信息配准单元与3D信息故障自动识别单元电连接，所述的3D信息故障自动识别单元与报警单元电连接，所述的报警单元将信号输入到入库单元；
所述的3D信息获取单元，用于获取铁路车辆和机车各角度3D信息，包含三维空间信息及灰度信息；所述的车型和车号识别单元，利用3D信息识别得出铁路车辆和机车的车型和车号；所述的3D信息检索单元，利用3D信息检索得出当前过车对应的各种模板和历史数据信息；所述的3D信息配准单元，利用3D信息配准当前过车对应的各种模板和历史数据信息；所述的3D信息故障自动识别单元，利用3D信息特征识别得出各个部件是否存在异常及异常程度；所述的报警单元，将报警以二维或三维图形的形式显示给用户，在图形显示中以不同颜色、不同深浅程度、不同形状的标识展示不同等级的故障和异常；
所述的3D信息配准单元利用3D信息中的三维空间信息配准当前过车与其对应的各种模板或数据信息；利用3D信息中的灰度信息配准当前过车与其对应的各种模板或数据信息；配准当前过车3D信息与现有线阵相机拍摄的图像；配准当前过车3D信息与现有面阵相机拍摄的图像；
配准具体流程如下:
a、特征点提取：
特征点根据3D信息中的三维空间坐标提取，或根据3D信息中的灰度信息提取，或综合三维空间坐标信息和灰度信息提取；
b、生成特征描述子：
对于提取的每个特征点，生成基于三维空间坐标的特征描述子，或生成基于灰度信息的特征描述子，或综合3D信息中的三维空间坐标信息和灰度信息生成综合特征描述子；
c、匹配特征点：
匹配生成的特征描述子，进而匹配特征点；
d、插值运算：
根据匹配的特征点对对获取的3D信息进行插值运算，完成整车配准。
2.根据权利要求1所述的基于3D信息的故障自动识别检测系统，其特征是:所述的3D信息获取单元获取当前过车各个角度的3D信息，同一部件可以从若干个角度获得不同的3D信息；每个3D信息单元均包含三维空间信息及灰度信息；信息数据库中每个模板的3D信息单元均包含三维空间信息及灰度信息，根据获取3D信息中的三维空间信息识别车型与具体车辆；根据获取3D信息中的灰度信息识别车型与具体车辆；根据获取3D信息中的三维空间信息和灰度信息识别车型与具体车辆；结合3D信息与现有的二维图像车号识别或电子标签识别车型与具体车辆。
3.根据权利要求1或2所述的基于3D信息的故障自动识别检测系统，其特征是:所述的3D信息检索单元检索信息数据库中该车辆或机车对应的统型模板；检索信息数据库中该过车在同一探测站最近一次的过车数据信息；检索信息数据库中该过车在同一探测站一段时期内的过车数据信息；检索信息数据库中该过车在其他探测站最近一次的过车数据信息；检索信息数据库中该过车在其他探测站一段时期内的过车数据信息。
4.根据权利要求1或2所述的基于3D信息的故障自动识别检测系统，其特征是:所述的3D信息故障自动识别单元根据数据灰度信息识别出的故障，根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警。
5.根据权利要求1或2所述的基于3D信息的故障自动识别检测系统，其特征是:所述的报警单元根据数据三维空间信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据三维空间信息和灰度信息结合识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警，报警可以以二维或三维图形的形式显示给用户；在图形显示中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
6.一种利用权利要求1或2所述的基于3D信息的故障自动识别检测系统的检测方法，其特征:该方法包括如下步骤:获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接午功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
7.根据权利要求3所述的基于3D信息的故障自动识别检测系统，其特征是:所述的3D信息故障自动识别单元根据数据灰度信息识别出的故障，根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警。
8.根据权利要求3所述的基于3D信息的故障自动识别检测系统，其特征是:所述的报警单元根据数据三维空间信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据三维空间信息和灰度信息结合识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警，报警可以以二维或三维图形的形式显示给用户；在图形显示中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
9.根据权利要求4所述的基于3D信息的故障自动识别检测系统，其特征是:所述的报警单元根据数据三维空间信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据灰度信息识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警；根据数据三维空间信息和灰度信息结合识别出的故障根据部件位置、重点程度、故障程度判定因素输出各种级别、各种形式的报警，报警可以以二维或三维图形的形式显示给用户；在图形显示中以不同颜色、不同深浅程度、不同形状的标识使用户直观的观测故障报警信息。
10.一种利用权利要求3所述的基于3D信息的故障自动识别检测系统的检测方法，其特征:该方法包括如下步骤:获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接午功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
11.一种利用权利要求4所述的基于3D信息的故障自动识别检测系统的检测方法，其特征:该方法包括如下步骤:获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接午功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
12.一种利用权利要求5所述的基于3D信息的故障自动识别检测系统的检测方法，其特征:该方法包括如下步骤:获取当前过车各个角度的3D信息，每个3D信息单元包含三维空间坐标及灰度信息；检索得出当前过车对应信息数据库中存储的同型模板；配准当前过车与行车数据库中存储的对应模板；根据3D信息特征识别当前过车各个部件是否存在异常情况；对比当前过车与标准模板和历史过车的差异；输出过车异常报警信息；将当前过车的3D信息存储在信息数据库中；具备双向接午功能；能够结合现有线阵相机和面阵相机拍摄的图像进行故障自动识别、显示及人工核查。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410847125.8A CN104809427B (zh) | 2014-12-31 | 2014-12-31 | 基于3d信息的故障自动识别检测系统及检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410847125.8A CN104809427B (zh) | 2014-12-31 | 2014-12-31 | 基于3d信息的故障自动识别检测系统及检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104809427A CN104809427A (zh) | 2015-07-29 |
| CN104809427B true CN104809427B (zh) | 2019-02-15 |
Family
ID=53694238
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410847125.8A Active CN104809427B (zh) | 2014-12-31 | 2014-12-31 | 基于3d信息的故障自动识别检测系统及检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104809427B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105243381B (zh) * | 2015-11-25 | 2019-04-19 | 朱金良 | 基于3d信息的故障自动识别检测系统及方法 |
| CN106940884B (zh) * | 2015-12-15 | 2020-11-24 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测系统及检测方法 |
| CN106375412A (zh) * | 2016-08-31 | 2017-02-01 | 重庆微标科技股份有限公司 | 5t系统探测站的巡检管理平台 |
| CN107220609A (zh) * | 2017-05-22 | 2017-09-29 | 哈尔滨市科佳通用机电股份有限公司 | 一种动车故障自动检测方法 |
| CN107909619A (zh) * | 2017-09-30 | 2018-04-13 | 优信数享（北京）信息技术有限公司 | 车架损伤图的方法、装置、设备、服务器、系统、可读介质 |
| CN109238756B (zh) * | 2018-10-15 | 2021-05-25 | 哈尔滨市科佳通用机电股份有限公司 | 货车运行故障动态图像检测设备及检测方法 |
| CN109754410B (zh) * | 2019-01-03 | 2020-12-11 | 北京化工大学 | 一种基于机器视觉的铁路车辆车厢计数方法 |
| CN110263718A (zh) * | 2019-06-21 | 2019-09-20 | 中国神华能源股份有限公司 | 车辆出入段检测方法及检测系统 |
| CN110930538A (zh) * | 2019-12-18 | 2020-03-27 | 三一重机有限公司 | 车辆可视化故障信息的方法和系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436348A (zh) * | 2008-12-22 | 2009-05-20 | 北京中星微电子有限公司 | 电子警察系统以及应用于电子警察系统的信息识别方法 |
| CN202025435U (zh) * | 2010-12-13 | 2011-11-02 | 索尼公司 | 摄像机控制装置、摄像机及路口摄像系统 |
| CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
| CN104200464A (zh) * | 2014-08-19 | 2014-12-10 | 苏州华兴致远电子科技有限公司 | 一种识别列车异常的检测方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20130127822A (ko) * | 2012-05-15 | 2013-11-25 | 한국전자통신연구원 | 도로상 물체 분류 및 위치검출을 위한 이종 센서 융합처리 장치 및 방법 |
-
2014
- 2014-12-31 CN CN201410847125.8A patent/CN104809427B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101436348A (zh) * | 2008-12-22 | 2009-05-20 | 北京中星微电子有限公司 | 电子警察系统以及应用于电子警察系统的信息识别方法 |
| CN202025435U (zh) * | 2010-12-13 | 2011-11-02 | 索尼公司 | 摄像机控制装置、摄像机及路口摄像系统 |
| CN102323070A (zh) * | 2011-06-10 | 2012-01-18 | 北京华兴致远科技发展有限公司 | 列车异常检测方法和系统 |
| CN104200464A (zh) * | 2014-08-19 | 2014-12-10 | 苏州华兴致远电子科技有限公司 | 一种识别列车异常的检测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104809427A (zh) | 2015-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104809427B (zh) | 基于3d信息的故障自动识别检测系统及检测方法 | |
| CN105243381B (zh) | 基于3d信息的故障自动识别检测系统及方法 | |
| US11875284B2 (en) | Asset identification and tracking system | |
| CN102323070B (zh) | 列车异常检测方法和系统 | |
| CN106156780B (zh) | 轨道上异物侵限识别中排除误报的方法 | |
| Zhangyu et al. | A camera and LiDAR data fusion method for railway object detection | |
| CN103077526B (zh) | 具有深度检测功能的列车异常检测方法及系统 | |
| CN105067287A (zh) | 动车组运行故障动态图像检测系统及方法 | |
| CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
| CN201825066U (zh) | 机车地面信号及障碍物自动识别系统 | |
| CN104200464A (zh) | 一种识别列车异常的检测方法及系统 | |
| KR100994159B1 (ko) | 전차선로시설물 변형 영상감시 시스템 | |
| CN104567725A (zh) | 车辆运行故障检测系统及方法 | |
| CN204461369U (zh) | 车辆运行故障检测系统 | |
| CN103745597A (zh) | 一种视频传感器与rfid传感器融合系统 | |
| CN110023171A (zh) | 用于在轨道交通中、尤其是在铁路交通中的危险情况识别的方法、设备和轨道车辆、尤其是铁路车辆 | |
| CN105513349A (zh) | 基于双视角学习的山区高速公路车辆事件检测方法 | |
| CN104134350A (zh) | 一种交通违法行为识别智能球机系统 | |
| CN108639108B (zh) | 一种机车作业安全防护系统 | |
| JP6855712B2 (ja) | 分岐器進入可否判定装置及び分岐器進入可否判定方法 | |
| Yoneda et al. | Convolutional neural network based vehicle turn signal recognition | |
| CN115600124A (zh) | 地铁隧道巡检系统及巡检方法 | |
| CN102749335B (zh) | 基于二代曲波系数形态学条带能量法的绝缘子破损故障检测方法 | |
| Wolf et al. | Asset Detection in Railroad Environments using Deep Learning-based Scanline Analysis. | |
| CN103935293A (zh) | 车道偏离警示系统与车道辨识装置以及相关方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191211 Address after: 150069 No.2, Weifang Road, Haiping road concentration area, economic development zone, Harbin City, Heilongjiang Province Patentee after: Harbin Kejia general electrical Limited by Share Ltd Address before: 150069 Heilongjiang Province, Harbin City Economic Development Zone haping Road District No. 2 Weifang Road Patentee before: Zhu Jinliang |
|
| TR01 | Transfer of patent right |