CN105652154A - 接触网运行状态安全监测分析系统 - Google Patents
接触网运行状态安全监测分析系统 Download PDFInfo
- Publication number
- CN105652154A CN105652154A CN201610049323.9A CN201610049323A CN105652154A CN 105652154 A CN105652154 A CN 105652154A CN 201610049323 A CN201610049323 A CN 201610049323A CN 105652154 A CN105652154 A CN 105652154A
- Authority
- CN
- China
- Prior art keywords
- pantograph
- image
- defect
- module
- frame
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
Abstract
本发明公开了一种接触网运行状态安全监测分析系统，包括第一相机、第二相机、图像矫正单元、受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元；所述缺陷识别单元包括受电弓形变缺陷识别单元、组件脱落缺陷识别单元、受电弓拉出超限缺陷识别单元、燃弧缺陷识别单元、高温干扰识别单元和意外降弓缺陷识别单元。本发明根据受电弓识别单元识别出的受电弓、接触线识别单元识别出的接触线和/或几何参数计算单元输出的几何参数，实时检测识别接触网存在的缺陷，包括接触网缺陷、受电弓缺陷和弓网关系缺陷。本发明系统能在不干扰运营车辆的运输秩序的情况下，对弓网关系进行在线监测，及时发现弓网所存在的异常缺陷。
Description
技术领域
本发明涉及接触网领域，特别是涉及接触网运行状态安全监测分析系统。
背景技术
在电气化铁路中，接触网是电气化铁道的主要供电设备，电力机车通过接触网取得电能。弓网关系对整个电气化铁路运营系统的正常运作起着重要的作用。为保证接触网运行的可靠性及弓网间的良好受流性能，对弓网关系进行检测和随时掌握接触网参数的状态是非常重要的工作。接触网在运营过程中承载着巨大的牵引电流，在接触网线夹等部位存在接触网不良引发温度异常、接触网几何参数超限等原因，可能引发接触网故障。由于接触网属无备用设备，一旦出现故障，将中断列车运行，给铁路运输造成巨大的损失。
目前主要检测方式采用如下方式：
①人工巡视：通过铁路天窗点时间，作业人员上线检测；
②接触网检测车：采用接触网检测车定期上线对弓网状态进行检测。
上述检测方式存在的不足为：
①天窗点人工巡视：效率低，浪费人力物力，需要天窗时间，作业时间有限，还可能因为人的疲劳检查导致漏检；
②接触网检测车：非运营车辆，不能模拟真正的运营状态；检测设备有限，覆盖率低。
发明内容
本发明的目的在于克服现有技术的不足，提供接触网运行状态安全监测分析系统。本发明的目的是通过以下技术方案来实现的：
一种接触网运行状态安全监测分析系统，至少包括第一相机、第二相机、图像矫正单元、受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元。
所述第一相机和第二相机同一水平安装在轨道交通工具顶部的两侧，分别从两个不同的角度采集受电弓的视频图像，输出第一视角图像和第二视角图像。所述图像矫正单元根据受电弓的标定分别对第一视角图像和第二视角图像进行透视矫正，使第一视角图像和第二视角图像中的受电弓呈左右对称形式。所述模型数据库用于存储受电弓模型，所述受电弓模型包括与第一视角图像相应的第一视角受电弓模型和与第二视角图像相应的第二视角受电弓模型。所述受电弓识别单元根据第一视角受电弓模型和第二视角受电弓模型，分别在第一视角图像和第二视角图像中识别出受电弓，并定位出受电弓区域。所述接触线识别单元用于分别在第一视角图像和第二视角图像中识别出疑似接触线的直线，并将同一尺度下的第一视角图像的受电弓区域与第二视角图像的受电弓区域进行比对，查找出相交于受电弓顶端平面的疑似接触线的直线，并将该直线判定为接触线。所述几何参数计算单元根据受电弓识别单元识别出的受电弓和接触线识别单元识别出的接触线，分别计算出第一视角图像和第二视角图像中接触网的几何参数，并根据平滑度和/或相似度特性，输出最优的几何参数。
所述缺陷识别单元根据受电弓识别单元识别出的受电弓、接触线识别单元识别出的接触线和/或几何参数计算单元输出的几何参数，实时检测识别接触网存在的缺陷，包括接触网缺陷、受电弓缺陷和弓网关系缺陷。
所述缺陷识别单元至少包括受电弓形变缺陷识别单元、组件脱落缺陷识别单元、受电弓拉出超限缺陷识别单元、燃弧缺陷识别单元、高温干扰识别单元和意外降弓缺陷识别单元中的任一种或多种组合。
本发明的有益效果是：本发明系统可装配在运营车辆上，如运营动车组或机车，随运营车辆运行，可实时全天候在线检测接触网及弓网运行状态，实现运行即可检测的在线检测模式。本发明系统可以在不干扰运营车辆的运输秩序的情况下，对弓网关系进行有效快速的在线监测，能及时发现弓网所存在的异常缺陷，能够实时发现弓网关系缺陷、接触网缺陷、受电弓缺陷和其它运行缺陷等。
附图说明
图1为本发明接触网运行状态安全监测分析系统的系统框图；
图2为本发明第一相机采集的第一视角图像处理示例图；
图3为本发明第二相机采集的第二视角图像处理示例图；
图4为本发明中受电弓形变缺陷识别单元的系统框图；
图5为本发明中组件脱落缺陷识别单元的系统框图；
图6为本发明中受电弓拉出超限缺陷识别单元的系统框图；
图7为本发明中燃弧缺陷识别单元的系统框图；
图8为本发明中高温干扰识别单元的工作原理示意图；
图9为本发明中意外降弓缺陷识别单元的系统框图；
图10为本发明中支柱装置识别单元的系统框图；
图11为本发明中支柱装置识别单元实施例的边缘查找示意图。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述，需说明的是，本发明的技术方案以各个单元逐个说明的方式进行详细描述，然而在不同的单元模块的描述中，可能存在以相同的符号或字母来表示着不同的含义现象，例如字母n，在受电弓形变缺陷识别单元中表示受电弓区域的总列数，在组件脱落缺陷识别单元中表示尺度的数量等等，本领域技术人员在理解时，可将各个单元模块存在异议的符号或字母，仅限定在该单元模块中来解释，即可克服不清楚的问题。
(一)接触网运行状态安全监测分析系统
如图1所示，该实施例描述了一种本发明所提出的接触网运行状态安全监测分析系统，至少包括第一相机、第二相机、图像矫正单元、受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元。本发明还可设置用于进行受电弓监测的第三相机，辅助第一相机进行双视觉监测，输出受电弓高清图像。
(1)所述第一相机和第二相机同一水平安装在轨道交通工具顶部的两侧，分别从两个不同的角度采集受电弓的视频图像，输出第一视角图像和第二视角图像。
一般的，所述第一相机可采用红外相机，采集的第一视角图像为红外图像，如图2所示，所述第二相机可采用高清可见光相机，采集的第二视角图像为可见光图像，如图3所示，所述第二相机也可采用近红外相机。近红外相机与普通可见光相机相比有着更多更优的特点，更适用于安装在高速轨道交通工具上，以采集接触网受电弓的高清视频图像。
(2)所述图像矫正单元根据受电弓的标定分别对第一视角图像和第二视角图像进行透视矫正，使第一视角图像和第二视角图像中的受电弓呈左右对称形式。通过矫正手段可克服相机在拍摄过程中由于抖动等原因造成图像畸变的情况，基于该矫正后的受电弓，可测量出更精确的几何参数。
一般的，对于红外图像和可见光图像，均采用基于九点标定板的矫正方法，通过第一相机或第二相机对九点标定板透视成像的像素坐标和实际像素坐标进行量化标定，计算出畸变系数，在后期使用时，只需通过第一相机或第二相机拍摄受电弓成像的像素坐标，然后带入该畸变系数，推算出没有畸变的实际像素坐标，完成畸变矫正。
(3)所述模型数据库用于存储受电弓模型，所述受电弓模型包括与第一视角图像相应的第一视角受电弓模型和与第二视角图像相应的第二视角受电弓模型。进一步的，所述第一视角受电弓模型包括第一视角受电弓整体模型、第一视角受电弓左边模型和第一视角受电弓右边模型。所述第二视角受电弓模型包括第二视角受电弓整体模型、第二视角受电弓左边模型和第二视角受电弓右边模型。
其中，受电弓左边模型和受电弓右边模型均在受电弓整体模型的内部，受电弓左边模型为受电弓整体模型的左侧部分，受电弓右边模型为受电弓整体模型右侧部分。在进行模型匹配时，检查定位目标是否与受电弓整体模型、受电弓左边模型和受电弓右边模型等三个模型匹配，一般的，当三个模型均匹配时，才判定该定位目标为受电弓。
(4)所述受电弓识别单元根据第一视角受电弓模型和第二视角受电弓模型，分别在第一视角图像和第二视角图像中识别出受电弓，并定位出受电弓区域。
(5)所述接触线识别单元用于分别在第一视角图像和第二视角图像中识别出疑似接触线的直线，并将同一尺度下的第一视角图像的受电弓区域与第二视角图像的受电弓区域进行比对，查找出相交于受电弓顶端平面的疑似接触线的直线，并将该直线判定为接触线。
如以第一视角图像的定位结果为基准，对第二视角图像的受电弓定位区域尺寸进行调整，使第一视角图像中的受电弓与第二视角图像中的受电弓保持在同一尺度下，分别识别出第一视角图像和第二视角图像中疑似接触线的直线，将同一尺度下的两个受电弓图像进行叠合比对，若第一视角图像中所识别出的某一直线正好与第二视角图像中所识别出的某一直线相交，且其交点在受电弓顶端平面上，则判定该直线分别为第一视角图像中的接触线和第二视角图像中的接触线。
进一步的，还可执行接触线跟踪识别判断，计算当前接触线的位置与前一帧接触线的位置的偏差，若该偏差大于设定的偏差阈值，则将该接触线视为错误结果。
(6)所述几何参数计算单元根据受电弓识别单元识别出的受电弓和接触线识别单元识别出的接触线，分别计算出第一视角图像和第二视角图像中接触网的几何参数，并根据平滑度和/或相似度特性，输出最优的几何参数。所述几何参数一般包括导高值、拉出值、弓高等等。
平滑度的计算目的是有助于判断当前视角图像的几何参数是否可靠。平滑度好则认为当前视角的几何参数可信度大，反之可信度小。相似度的计算有助于区分两个视角中哪个视角下识别的几何参数可信度大，如第一视角图像独立计算的几何参数与基于双目计算的几何参数更相似，则说明第一视角的几何参数可信度大，在双目计算的时候可增加其权重。
基于优化计算方式，本发明先在单目模式下测量几何参数，然后再利用两个相机的测量结果以及接触线的识别信息进行综合分析，最终得到一个更为精确的几何参数。双目模式下的几何参数测量方法可削弱隧道对于红外相机、噪声、光线亮度以及单个相机下受电弓被遮挡的影响。
(7)所述缺陷识别单元根据受电弓识别单元识别出的受电弓、接触线识别单元识别出的接触线和/或几何参数计算单元输出的几何参数，实时检测识别接触网存在的缺陷，包括接触网缺陷、受电弓缺陷和弓网关系缺陷。其中，接触网缺陷包括组件脱落缺陷、线夹和定位器等接触不良或氧化造成的热缺陷及接触网磨耗或材质问题造成的热缺陷等，受电弓缺陷包括受电弓形变缺陷、意外降弓缺陷、燃弧缺陷等，弓网关系缺陷包括接触网动态几何参数超限，如受电弓拉出值超限缺陷。
所述缺陷识别单元至少包括受电弓形变缺陷识别单元、组件脱落缺陷识别单元、受电弓拉出超限缺陷识别单元、燃弧缺陷识别单元、高温干扰识别单元和意外降弓缺陷识别单元中的任一种或多种组合。
(8)所述系统还可包括与组件脱落缺陷识别单元连接的支柱装置识别单元，支柱装置识别单元为组件脱落缺陷识别单元提供支柱装置的数据，以实现对支柱装置的组件脱落缺陷进行实时检测。
本发明还可设置用于监测车顶及沿线周边环境的第四相机，输出车顶及沿线周边环境的全画面图像，第四相机与支柱装置识别单元连接。
(9)所述系统还可包括进行图像压缩处理的图像压缩单元，图像压缩单元可分别对第一视角图像和第二视角图像的每一帧图像进行压缩处理，并将压缩得到的图像以追加模式写入视频压缩文件中，还将该帧图像经受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元处理后所得到的相关数据，以追加模式写入视频压缩文件里该帧图像的索引文件中。
(10)所述系统还可包括缺陷报警单元和地理位置定位单元，所述地理定位单元至少包括基站定位模块、卫星定位模块和惯性导航模块中的一种或多种组合。所述缺陷报警单元接收缺陷识别单元发出的缺陷报警信息和地理位置定位单元发出的定位数据，将缺陷报警信息和相应的同步的定位数据生成缺陷报警数据；缺陷报警单元接收缺陷识别单元所发出的缺陷报警信息，并调取地理位置定位单元中与该缺陷报警信息同步的定位数据，生成缺陷报警数据。
本发明还设置无线数传/直播单元，通过无线数传/直播单元与上位管理系统进行交互，如将缺陷报警数据发送至接触网监控数据中心。
进一步的，本发明还可适用于具有多架受电弓的动车组或机车组上，对于具有多架受电弓的实际应用，可采取至少两种措施，其一为：设置多个本发明所提出的监测分析系统，一个监测分析系统监控一架受电弓，对每架受电弓的监测分析，均通过独立的单元模块处理；其二为：设置多个摄像机组，一个摄像机组采集一架受电弓的视频图像，且每个摄像机组均包括所述的第一相机和所述的第二相机，将所有摄像机组所采集的视频图像传输至一个监测分析系统，通过一个监测分析系统对多架受电弓进行统一的监测分析处理。
(二)受电弓形变缺陷识别单元
在机车或动车的运行过程中，若接触网供电线上的硬点以及其他缺陷导致受电弓高速经过时产生撞击效果，轻则使受电弓剧烈晃动，重则使受电弓变形，甚至脱落。受电弓发生此类碰撞会带来严重的后果，因此当受电弓出现碰撞缺陷时，需要系统尽快检测出该事件。
如图4所示，该实施例描述了一种本发明所提出的受电弓形变缺陷识别单元，包括滑板线条查找模块、形变量计算模块和形变缺陷判断模块。
其中，所述滑板线条查找模块将同一尺度下的受电弓区域和受电弓模型进行匹配比对，所述受电弓模型中包括受电弓滑板模拟线条，该受电弓滑板模拟线条作为正常滑板的参考模型，在受电弓区域中逐列查找位于受电弓滑板模拟线条上下两方最近的白像素，将所有查找出的白像素作为滑板实际线条，并计算该滑板实际线条中所有白像素的像素高度值。所述形变量计算模块根据滑板实际线条中所有白像素的像素高度值与滑板模拟线条中所有点的像素高度值计算受电弓滑板的形变量。所述形变缺陷判断模块判断形变量计算模块所计算得到的形变量是否大于预设的形变阈值，若是，则判定受电弓出现形变缺陷。
进一步的，所述系统还包括移动调整模块，移动调整模块将滑板实际线条在一定范围内进行移动调整与滑板模拟线条进行重新匹配，以使形变量计算模块计算得出多个形变量，并基于一定规则根据该多个形变量得到形变量的最优值，当该最优值大于形变阈值时，则判定受电弓出现形变缺陷。
本发明受电弓形变缺陷识别单元的工作原理如下，包括S1-S6多个步骤。
S1，提取受电弓边缘图。
S2，调用受电弓模型，所述受电弓模型中包括受电弓滑板模拟线条，该受电弓滑板模拟线条作为正常滑板的参考模板。其中，受电弓滑板模拟线条的生成过程为：首先该受电弓模型为受电弓边缘图的模板图，该模板图中仅有透视端正的受电弓图像，没有其他干扰，在受电弓模型中，从左至右每列均从上向下逐像素查找白像素，找到白像素就立即结束本列扫描，即得到一组滑板模拟线条的像素坐标数据，即确定出滑板模拟线条。
S3，对受电弓边缘图和受电弓模型的图像尺寸进行调整，使受电弓边缘图和受电弓模型保持在同一尺度下。
S4，将受电弓边缘图和受电弓模型进行匹配比对，在受电弓边缘图中逐列查找位于受电弓滑板模拟线条上下两方最近的白像素，将所有查找出的白像素作为滑板的实际线条，并计算该滑板实际线条中所有白像素的像素高度值，将该组数据组成一组像素坐标数据。
S5，将滑板实际线条中所有白像素的像素高度值Fn与滑板模拟线条中所有点的像素高度值Tn相比，计算得到受电弓滑板的形变量，当形变量大于形变阈值时，则判定受电弓出现形变缺陷。形变量数值越大，则受电弓形变异常越大。
进一步的，对于连续多帧受电弓边缘图执行步骤S1～S5，若连续多帧判定受电弓出现形变缺陷，则判定受电弓弓头发生永久性形变。
进一步的，在步骤S5计算形变量之前，还包括移动调整处理步骤：将滑板实际线条在一定范围内进行移动调整与滑板模拟线条进行重新匹配，计算得到多个形变量。
该移动调整处理步骤的目的是使滑板实际线条发生水平移动和/或倾斜度改变，让滑板模拟线条与滑板实际线条的匹配度的更高，减少受电弓位置误差产生的形变量的误差，减少由于受电弓弓晃动产生的形变量误差。
移动调整优化处理时，若移动后，滑板实际线条与滑板模拟线条出现错位，其无法相互匹配的像素点，不进行差值计算，仅将能相互匹配的像素点的像素高低值进行匹配比对。
进一步的，所述受电弓边缘图为透视扭正的边缘图，在获取受电弓边缘图时，基于标定图像将受电弓图像进行矫正处理，使受电弓图像中的受电弓呈左右对称形式。进一步的，本发明步骤S1中所获取的受电弓边缘图可为近红外相机和高清可见光相机采集的受电弓图像，对受电弓图像进行灰度和二值化处理，再通过受电弓模型定位出受电弓边缘图。本发明可采用基于九点标定板的矫正方式来实现矫正处理，如通过相机对九点标定板透视成像的像素坐标和实际像素坐标进行量化标定，计算出畸变系数，在后期使用时，只需通过相机拍摄受电弓成像的像素坐标，然后带入该畸变系数，推算出没有畸变的实际像素坐标，完成畸变矫正。
本发明基于图像识别技术来判定受电弓是否发生有因碰撞而产生的形变，识别准确率高，不仅输出形变判定结果，还输出形变的量化数值，还可用于判定形变缺陷的等级，以及其他数据处理。
(三)组件脱落缺陷识别单元
接触网中使用了大量的如螺钉、螺栓等连接组件来固定相关的支架、定位器、定位杆等，而此类连接组件一旦出现松动或脱落的情况，对接触网安全运行有着很大的潜在危险。
如图5所示，该实施例描述了一种本发明所提出的组件脱落缺陷识别单元，接触网中的各个组件由连接件连接组成，本单元用于检测该连接件是否存在脱落缺陷，所述连接件可包括螺钉、螺母、螺栓等。组件脱落缺陷识别单元可适用于检测各个组件的各种连接件，只需针对不同组件和不同连接件，采用不同的参数即可，其原理基本相同。
所述组件脱落缺陷识别单元包括依次连接的待检测图像获取模块、多尺度组件定位模块、连接件定位模块、连接件分割模块和连接件特征分析模块。所述待检测图像获取模块用于获取组件的待检测图像。所述多尺度组件定位模块用于利用组件模板图像在待检测图像的不同尺度上滑动搜索目标组件，在待检测图像中匹配出目标组件的位置区域图像，所述组件模板图像包括接触网中各个组件的模板图像。所述连接件定位模块用于根据图像边缘分析算法在位置区域图像中定位出目标连接件区域。所述连接件分割模块用于根据目标组件与目标连接件的结构关系，按照相应的比例在位置区域图像中分割出目标连接件。所述连接件特征分析模块用于获取目标连接件的灰度直方图和梯度特征，根据目标连接件的灰度直方图判定目标连接件是否存在疑似脱落缺陷，再根据目标连接件的梯度特征确定该疑似脱落缺陷是否为真，若为真则判定该目标连接件存在组件脱落缺陷，若为假则判定该目标连接件正常。
本发明组件脱落缺陷识别单元的工作原理如下，包括S6-S10多个步骤。
S6，获取待检测图像。
S7，定位组件：利用组件模板图像在待检测图像的不同尺度上滑动搜索目标组件，在待检测图像中匹配出目标组件的位置区域图像，所述组件模板图像包括接触网中各个组件的模板图像。
S8，定位连接件：根据图像边缘分析算法在位置区域图像中定位出目标连接件区域。
S9，分割连接件：根据目标组件与目标连接件的结构关系，按照相应的比例在位置区域图像中分割出目标连接件。
S10，特征分析：获取目标连接件的灰度直方图和梯度特征，根据目标连接件的灰度直方图判定目标连接件是否存在疑似脱落缺陷，再根据目标连接件的梯度特征确定该疑似脱落缺陷是否为真，若为真则判定该目标连接件存在组件脱落缺陷，若为假则判定该目标连接件正常。
进一步的，所述定位组件步骤S7包括以下子步骤：
S701，生成组件子模板图像：在组件模板图像object中，截取组件模板图像object的子图像作为组件子模板图像object_sub。
S702，多尺度定位目标组件：在组件模板图像object的n个尺度上进行上采样和下采样，得到2n+1个不同尺度的组件模板图像objectk，在组件子模板图像object_sub的n个尺度上进行上采样和下采样，得到2n+1个不同尺度的组件子模板图像object_subk，其中，
其中，上采样倍率为fup，下采样倍率为fdown。
S703，提取图像的梯度幅值：计算组件模板图像objectk、组件子模板图像object_subk和待检测图像的梯度幅值Amp，得到幅值Ampk、幅值Ampk_sub和幅值Ampdetect。
S704，定位目标组件的位置区域：将幅值Ampk和幅值Ampk_sub分别在幅值Ampdetect中进行模板匹配，得到当前尺度下目标组件的最优的定位图像Lock和定位图像Lock_sub。
其中，所述模板匹配的匹配方式包括平方差匹配、标准平方差匹配、相关匹配、标准相关匹配、相关系数匹配和标准相关系数匹配等等。
S705，计算定位图像与模板图像的相似性：
若定位图像Lock_sub是定位图像Lock的子图像，即则分别提取当前尺度下组件模板图像objectk的HOG特征与定位图像Lock的HOG特征，并计算两个HOG特征之间的欧式距离distk。
若定位图像Lock_sub不是定位图像Lock的子图像，即则定义当前尺度下组件模板图像objectk与定位图像Lock的欧式距离distk为一个极大值MaxValue，即diskt＝MaxVal。u其e中，极大值MaxValue可取一个接近无穷大的正值，如MaxValue＝10000。
S706，确定目标组件的位置区域图像：从2n+1个欧式距离distk中选择最小的欧式距离distk，并将其与阈值MaxTh进行比较，若该最小的欧式距离distk＞MaxTh，则判定该定位图像Lock无效，若该最小的欧式距离distk＜MaxTh，则判定该定位目标Lock为该目标组件的位置区域图像。
本发明中，阈值可根据不同的组件进行相应的调整。
进一步的，所述定位连接件步骤S8包括以下子步骤：
S801，获取位置区域图像的sobel边缘图。
S802，统计sobel边缘图的水平边缘直方图和垂直边缘直方图。
S803，根据水平边缘直方图与阈值Th1进行比较，第一次定位出目标连接件区域的上边界和下边界，根据垂直边缘直方图与阈值Th2进行比较，第一次定位出目标连接件区域的左边界和右边界，得到第一次定位的目标连接件区域。
S804，根据S803的定位结果，重复一次或多次步骤S801-S803，得到多次定位后的目标连接件区域。
进一步的，所述定位连接件步骤S8还包括子步骤S805：排除多次定位后的目标连接件区域中错误的定位结果。
进一步的，所述步骤S803包括以下子步骤：
S8031，根据水平边缘直方图HistRp与阈值Th1进行比较，定位出目标连接件区域的上边界top：从水平边缘直方图HistRp的起始值开始依次与其均值AvgR进行比较，直到第p行HistRp与均值AvgR的比值大于阈值Th1时，则令目标连接件区域的上边界top＝p；
S8032，根据水平边缘直方图HistRp与阈值Th1进行比较，定位出目标连接件区域的下边界bottom：从水平边缘直方图HistRp的末尾值开始依次与其最大值MaxR进行比较，直到第p行HistRp大于均值AvgR且HistRp与最大值MaxR的比值大于阈值Th0时，则令目标连接件区域的下边界bottom＝p；
S8033，根据垂直边缘直方图HistCq与阈值Th2进行比较，定位出目标连接件区域的左边界left：从垂直边缘直方图HistCq的起始值开始依次与阈值Th2进行比较，当第q列HistCq大于阈值Th2时，则令目标连接件区域的左边界left＝q；
S8034，根据垂直边缘直方图HistCq与阈值Th2进行比较，定位出目标连接件区域的右边界right：从垂直边缘直方图HistCq的末尾值开始依次与阈值Th2进行比较，当第q列HistCq大于阈值Th2时，则令目标连接件区域的右边界right＝q；
S8035，根据上边界top、下边界bottom、左边界left和右边界right，第一次定位出的目标连接件区域Ifirst。
在得到目标连接件区域Ifirst后，执行步骤S804，一般的，可只需对目标连接件进行两次定位，即在步骤S804时，仅再重复一次S801-S803。
将定位的边界top,bottom,left,right截取到第二次定位的目标连接件区域图像Isceond。在获得第二次定位的目标连接件区域图像Isceond后，还可执行去除目标连接件错误的定位结果操作。
进一步的，步骤S9中所述的结构关系可包括相对位置关系和面积比例关系。例如，对于螺钉组件，由于根据螺钉组件中各个螺钉的尺寸大小是相同的，且螺钉的位置在组件中是相对固定的。因此螺钉的分割可根据这种特性进行分割。具体方法如下：
①根据螺钉在组件中所占比例，可计算单个螺钉的高度Height*0.5-offset，其中Height为Isceond的图像高度。由于螺钉的尺寸可视为正方形，即可知螺钉的宽度为Height*0.5-offset，其中取offset＝4。
②根据螺钉在组件中的相对位置关系，可分割相应出相应的单个螺钉。如对于三角形状分布的螺钉可分割出三角形三个顶点处的螺钉。
进一步的，特征分析步骤S10中所述判定目标连接件是否存在疑似脱落缺陷包括以下子步骤：计算各个目标连接件的灰度直方图，并判断各个目标连接件的灰度直方图最大的灰度级是否相同或相同灰度级之间的差异是否小于阈值。
若满足，则判定该目标连接件存在疑似脱落缺陷，并记录连接件脱落标志flag＝1，若不满足，则记录连接件脱落标志flag＝0。
进一步的，特征分析步骤S10中所述确定疑似脱落缺陷是否为真，包括以下子步骤：
S1001，分别计算每个目标连接件的水平梯度和垂直梯度，计算每个像素点的幅角θ。
S1002，统计整个目标连接件图像中幅角θ的分布情况，对幅角直方图进行归一化处理，得到幅角特征向量。
S1003，若连接件脱落标志flag＝1，则计算该目标连接件区域所分割出的所有目标连接件中，每两两目标连接件之间的幅角特征向量的均方差，若有一组均方差大于阈值Th4，则确定疑似脱落缺陷是否为真，判定该目标连接件存在组件脱落缺陷。S1004，若连接件脱落标志flag＝0，则比较所有目标连接件的幅角主方向是否相同。若相同，则确定疑似脱落缺陷是否为假，判定该目标连接件正常。若不相同，则计算该目标连接件区域所分割出的所有目标连接件中，每两两目标连接件之间的幅角特征向量的均方差，若有一组均方差大于阈值Th5且含有一组均方差小于阈值Th6，则确定疑似脱落缺陷是否为真，判定该目标连接件存在组件脱落缺陷。
经试验验证，本发明能在不同灰度的全背景图像中有效识别出组件脱落缺陷，排除背景、隧道、树丛等干扰，多尺度定位目标结果好，漏检少、误检更少，其中，螺钉精确定位结果也非常理想。
本发明可适用于检测各个组件的各种连接件，只需针对不同组件和不同连接件，采用不同的参数即可，其原理基本相同，可精准地定位出各组件及其各个组件上的连接件，通过多尺度定位、模板匹配和HOG特征分析等技术，有效提高组件脱落识别的准确性，减少误检率，还可排除背景、树丛和隧道等环境干扰。
通过本发明实现组件脱落缺陷的智能检测，在检测到图像存在脱落缺陷时，发出脱落缺陷报警，并输出该存在脱落缺陷的图片，工作人员只需对经本发明智能识别出的图片进行人工确认和分析，极大的缩短了工作人员查看视频的时间，提高工作效率。
(四)受电弓拉出超限缺陷识别单元
由于施工质量不高或者日常检修不到位，接触线在受电弓上的拉出值可能超限，当列车运行至曲线、锚段、线岔、分相等区段时，易使受电弓脱离动态包络线，发生钻弓、打弓等较大的弓网事故。
目前供电设备管理部门对接触网静态参数的测量和对接触网设备的检查、检修，对线路附近的环境整治情况进行检查，一般采取登乘巡视等措施，来达到及时发现接触网异常信息，保证接触网技术状态，确保接触网设备运行正常的目的。然而这种基于人工检测的方式，不仅耗费大量的人力，还可能因为人的疲劳检查导致漏检。因此基于图像识别技术的的拉出值超限自动检测方法具有很强的实用价值。
如图6所示，该实施例描述了一种本发明所提出的受电弓拉出超限缺陷识别单元，克服人工随车巡视检查接触网异常信息的不便，采用图像处理技术对受电弓的拉出值计算，从而进行拉出超限判断，是一种高效便捷的异常情况检查方法。所述受电弓拉出超限缺陷识别单元包括判断模块和拉出超限候选帧缓存模块。
所述拉出超限候选帧缓存模块用于缓存多帧拉出超限候选帧；所述判断模块用于读取每帧视频图像的拉出值、接触线数量和帧序号，并判断当前拉出超限候选帧是否满足拉出超限判定条件，若符合则判定当前拉出超限候选帧中存在拉出值超限缺陷，并输出拉出值超限报警，否则结束当前拉出超限候选帧的拉出超限判断，不对当前拉出超限候选帧进行拉出值超限缺陷报警；
所述拉出超限判定条件至少包括以下7种中的一种或多种组合：
①根据帧序号判断当前拉出超限候选帧与前一帧拉出超限候选帧是否连续；
②判断拉出超限候选帧缓存模块中，连续两帧之间拉出值的大小差是否超过大小差阈值；
③判断当前拉出值超限候选帧的拉出值是否在所有拉出超限候选帧的拉出值曲线中处于极值状态，所述极值状态为拉出值曲线的波峰或波谷；
④计算所有拉出超限候选帧中拉出值的最大值和最小值的差值，判断该差值是否大于峰谷差阈值；
⑤判断当前拉出超限候选帧拉出值是否超过拉出超限阈值；
⑥判断当前拉出超限候选帧是否处于单接触线模式；
⑦判断当前拉出超限候选帧的接触线数量在接触线数量阈值范围内。
本发明受电弓拉出超限缺陷识别单元的工作原理如下，包括S11-S19多个步骤。
S11，读取每帧视频图像的拉出值、接触线数量和帧序号。
S12，若视频图像当前帧与前一帧的帧序号不连续，则不对该帧视频图像进行拉出值超限缺陷判断处理，若帧序号连续，则执行S13。
S13，缓存当前拉出超限候选帧的前后多帧视频图像的拉出值，根据连续两帧之间拉出值的大小差异判断拉出值的连续性，若大小差超过一定阈值，则跳转至S19，否则继续对当前拉出超限候选帧进行拉出超限判断，执行S14。
S14，缓存当前拉出超限候选帧的前后多帧视频图像的拉出值，计算缓存帧的拉出值曲线，判断当前拉出值超限候选帧的拉出值是否在缓存帧的拉出值曲线中处于极值状态，所述极值状态为拉出值曲线的波峰或波谷，若是，则继续对当前拉出超限候选帧进行拉出超限判断，执行S15，否则跳转至S19。
S15，缓存当前拉出超限候选帧的前后多帧视频图像的拉出值，计算缓存帧中拉出值的最大值和最小值的差值，判断该差值是否大于峰谷差阈值，若是，则继续对当前拉出超限候选帧进行拉出超限判断，执行S16，否则跳转至S19。
S16，判断当前拉出超限候选帧拉出值是否超过拉出超限阈值，若是，则执行S17，否则跳转至S19。
S17，缓存并判断当前拉出超限候选帧的前后多帧视频图像的接触线数量，判断当前拉出超限候选帧是否处于单接触线模式，若是则继续对当前拉出超限候选帧进行拉出超限判断，执行S18，若处于多接触线模式或无接触线模式，则跳转至S19。
S18，若当前拉出超限候选帧的接触线数量在接触线数量阈值范围内，则判定当前拉出超限候选帧中存在拉出值超限缺陷，并输出拉出值超限报警，否则跳转至S19。
S19，结束当前拉出超限候选帧的拉出超限判断，不对当前拉出超限候选帧进行拉出值超限缺陷报警。
进一步的，步骤S17中多接触线模式的判断方式包括：在缓存帧中，若接触线数量大于2的拉出超限候选帧超过一定数量，则判定当前拉出超限候选帧处于多接触线模式。
无接触线模式的判断方式包括：在缓存帧中，若接触线数量为0的拉出超限候选帧超过一定数量，则判定当前拉出超限候选帧处于无接触线模式。
单接触线模式的判断方式包括：在缓存帧中，若接触线数量大于0且小于3的拉出超限候选帧超过一定数量，则判定当前拉出超限候选帧处于单接触线模式。
本发明采用图像处理技术对受电弓的拉出值进行计算，根据拉出值平滑度、是否处于极值状态以及接触线模式等因素，对拉出超限判断进行条件限制，排除报警干扰，减小了拉出值超限缺陷误报的问题，从而进行拉出超限判断，是一种高效便捷的异常情况检查方法。
本发明基于双目原理来计算接触线的拉出值，提高接触线的识别准确率，减少拉出值超限缺陷的误报，并且基于双目原理，还可避免在单相机拍摄时，由于图像成像差等原因，而误将图像中的其它线条识别为接触线等问题。
(五)燃弧缺陷识别单元
在列车高速运行的过程中，弓网不良接触现象的发生是不可避免的，弓网系统振动、滑板或者接触线异物、接触线缺陷等因素都将可能造成弓网不良接触现象的发生，而弓网系统的不良接触往往伴随着受电弓与接触网间强烈放电现象，即发生弓网燃弧。弓网燃弧现象是弓网关系恶化的重要表现形式。然而目前一般是基于接触网检测车，定期检测接触网是否存在燃弧缺陷，但这种检测方式并不能模拟真正的运营状态，不能实时检测轨道交通列车的真实运行过程中，所发生的燃弧缺陷。
如图7所示，该实施例描述了一种本发明所提出的燃弧缺陷识别单元，基于图像处理实时检测弓网燃弧缺陷，便于对燃弧多发段的接触网以及受电弓进行排查检修。
首先燃弧缺陷识别单元可从第一视角图像中获取受电弓红外图像，从第二视角图像中获取受电弓可见光图像。所述燃弧缺陷识别单元包括包括以下多种模块：
图像预处理模块，用于对受电弓可见光图像进行预处理，包括灰度处理、二值化处理和形态学处理，擦除受电弓可见光图像中具有燃弧特点和固定形状的第一类燃弧干扰，输出擦除第一类燃弧干扰后的二值化燃弧图像。
参数计算模块，用于将当前帧二值化燃弧图像与上一帧二值化燃弧图像作差，得到燃弧差值图，并统计燃弧差值图在X轴方向上的亮度值、Y轴方向上的亮度值和所有非零像素点的个数，并分别存储记录为第一参数、第二参数和第三参数；
温度计算模块，用于计算与受电弓可见光图像对应的同步受电弓红外图像的最高温度值，并存储记录为第四参数。
燃弧参数缓存模块，用于缓存n帧连续的燃弧差值图，以及每帧燃弧差值图相应的第一参数、第二参数和第三参数及对应同步受电弓红外图像的第四参数，其中，将前a帧燃弧差值图作为干扰校验帧，后b帧燃弧差值图作为燃弧识别帧。
干扰校验模块，用于根据第一参数和第二参数排除第二类燃弧干扰，若a帧干扰校验帧中第一参数或第二参数大于其预设阈值的燃弧差值图超过一定数量，则将后b帧燃弧识别帧均视为第二类燃弧干扰，否则对燃弧识别帧进行燃弧缺陷判断。
燃弧缺陷判断模块，用于根据第三参数和第四参数作出燃弧缺陷判断，若b帧燃弧识别帧中第1帧燃弧差值图的第三参数及其对应的第四参数均分别大于其预设阈值，且该b帧燃弧识别帧中所有的第三参数依次减小或依次减小至0，则判定该b帧燃弧识别帧中的第1帧存在燃弧缺陷，为燃弧帧。
进一步的，所述燃弧缺陷识别单元还包括面积计算模块和燃弧缺陷报警模块。
所述面积计算模块用于计算燃弧帧的燃弧缺陷轮廓的面积，并存储记录为第五参数。所述燃弧缺陷报警模块根据第四参数和第五参数判定燃弧缺陷的等级，并产生相应等级的报警。
本发明燃弧缺陷识别单元的工作原理如下，包括S20-S27多个步骤。
S20，获取连续的受电弓可见光图像及与高清受电弓可见光图像同步的受电弓红外图像，统计受电弓红外图像中每个像素点的温度值，对受电弓可见光图像进行预处理，包括灰度处理、二值化处理和形态学处理，擦除受电弓可见光图像中具有燃弧特点和固定形状的第一类燃弧干扰，输出擦除第一类燃弧干扰后的二值化燃弧图像。其中，所述第一类燃弧干扰包括杆号牌。因此进一步的，所述步骤S21可包括以下多个子步骤。
S2101，依次对受电弓可见光图像进行灰度处理、二值化处理和形态学处理，输出噪点较少的二值化图像。
S2102，查找二值化图像中所有的轮廓并标记。
S2103，调用第一类燃弧干扰模型数据库，将标记出的轮廓与第一类燃弧干扰模型数据库中第一类燃弧干扰模型的固定形状进行匹配。
S2104，计算出匹配成功后的轮廓在二值化图像中的位置数据；所述位置数据包括中心点位置坐标、最小外接图形的轮廓坐标以及最小外接图形与第一类燃弧干扰模型相比同X轴所形成的夹角。
S2105，根据该位置信息擦除受电弓可见光图像中具有燃弧特点和固定形状的第一类燃弧干扰。
S23，将当前帧二值化燃弧图像与上一帧二值化燃弧图像作差，得到燃弧差值图。
S24，统计燃弧差值图在X轴方向上的亮度值、Y轴方向上的亮度值和所有非零像素点的个数，并分别存储记录为第一参数、第二参数和第三参数，计算对应的同步受电弓红外图像中的最高温度值，并存储记录为第四参数。
第一参数和第二参数用于排出第二类燃弧干扰，主要用于排除进出隧道及过桥梁时的光线干扰，因为在进出隧道及过桥梁时，由于光线或遮挡的原因，会出现亮度瞬时增大而且很快消失的情况，与燃弧出现的状况近似，会导致将其误识别为燃弧缺陷，然而与燃弧不同的是，此类干扰前面几帧图像在X轴方向与Y轴方向的亮度面一般很宽。
S25，缓存n帧连续的燃弧差值图，以及每帧燃弧差值图相应的第一参数、第二参数、第三参数和对应受电弓红外图像的第四参数，将前a帧燃弧差值图作为干扰校验帧，将后b帧燃弧差值图作为燃弧识别帧，其中，n、a、b均为自然数。
S26，干扰校验：若a帧干扰校验帧中第一参数或第二参数大于其预设阈值的燃弧差值图超过一定数量，则将后b帧燃弧识别帧均视为第二类燃弧干扰，否则对燃弧识别帧进行燃弧缺陷判断。
S27，燃弧缺陷判断：若b帧燃弧识别帧中第1帧燃弧差值图的第三参数及其对应的第四参数均分别大于其预设阈值，且该b帧燃弧识别帧中所有的第三参数依次减小或依次减小至0，则判定该b帧燃弧识别帧中的第1帧存在燃弧缺陷，为燃弧帧。
进一步的，还包括燃弧报警步骤S28：计算燃弧帧中燃弧缺陷轮廓的面积，并存储记录为第五参数，根据第四参数和第五参数判定燃弧缺陷的等级，并产生相应等级的报警。
本发明通过对受电弓可见光图像进行燃弧形体识别，可有效排除如杆号牌等第一类燃弧干扰及如进出隧道和桥梁时的光线干扰等第二类燃弧干扰，能更为准确地识别出燃弧缺陷，计算其燃弧缺陷的面积，以及与其对应的同步受电弓红外图像中的最高温度值，根据识别到的燃弧形体面积的大小以及弓网区域的最高温度，进行燃弧缺陷识别，并根据燃弧缺陷轮廓的面积，产生相应等级的报警。
(六)高温干扰识别单元
当发生打弓、受电弓有缺口等缺陷时，弓网区域的温度会瞬时增大，所以，目前该类系统主要依靠红外监控设备对其弓网进行温度监控，一旦检测到弓网区域的温度超过某一阈值，就以高温报警的形式传回数据终端，以便工作人员及时分析，处理这些高温缺陷，保障电力机车的正常安全运行。
但是，由于红外相机采集到的图像中并不是单一的受电弓和接触网图像，其背景相当复杂，诸如太阳、月亮等自身发光发热的物体都会存在于图像中，所以会导致生成的高温报警数据中含有大量的误报警。而这些无效的报警数据会有以下影响：利用无线传输技术传回数据终端时要消耗大量的流量，工作人员要重新对其数据进行人工分析与处理，加大了工作量。所以为了节约经济与人力成本，对其太阳月亮等高温干扰物体进行识别过滤尤为重要。
所述的高温干扰包括太阳干扰和月亮干扰等等。这些高温干扰一般具有较大的发热区域、持续时间长、位置变化小、温度值高等特点，基于该特点，本发明提出采用至少包括判定条件1、判定条件2、判定条件3和判定条件4等四个判定条件中的一种或多种组合来识别判断红外图像中的最大温度值是否为高温干扰的高温干扰识别单元，能够对弓网运行状态安全监测系统生成的高温报警数据进行实时分析，识别过滤如太阳、月亮等高温干扰，减少弓网高温缺陷报警的误报率，减少误报警数据的冗余，提高高温缺陷报警的准确有效性。
其判定条件1为基于位置变化判断高温干扰：比较每帧红外图像的最大温度值的位置坐标，若该红外图像中，持续多帧红外图像中每相邻两帧最大温度值的位置变化小于第一阈值，则判定该p帧红外图像中的最大温度值为高温干扰。
其判定条件2为基于发热区域判断高温干扰：对红外图像进行灰度转换，得到灰度图像；根据最大温度值的位置坐标，在灰度图像中找到其对应的高温点位置；以该高温点位置为中心，将其周围像素点的灰度值与该高温点位置的灰度值进行比较，若其差值均小于第二阈值，则将该周围像素点所形成的区域视为该高温点的发热区域，若持续多帧红外图像中均出现该发热区域，则将该发热区域视为高温干扰。
其判定条件3为基于高温阈值判断高温干扰：若持续多帧红外图像的最大温度值均大于第三阈值，则判定该多帧红外图像中的最大温度值为高温干扰。
其判定条件4为基于受电弓区域判断高温干扰：在红外图像中识别受电弓，得到受电弓区域坐标，将最大温度值的位置坐标与受电弓区域坐标进行比较，若最大温度值的位置坐标或所述发热区域不在受电弓区域内，则判定该最大温度值为高温干扰；若最大温度值的位置坐标或所述发热区域在受电弓区域内，则结合判定条件1、判定条件2和判定条件3中的任一个或多个来判断。
进一步的，在判定条件4中，若出现识别不到受电弓的图像帧，则根据该图像帧的前后帧中所得到的受电弓区域坐标，估算该图像帧中受电弓区域坐标。
进一步的，若所述红外图像为升弓端的红外图像时，当该红外图像同时满足判定条件1和判定条件2，则判定该p帧红外图像中的最大温度值为高温干扰。
进一步的，若所述红外图像为升弓端的红外图像时，当该红外图像满足判定条件3或判定条件4，则判定该p帧红外图像中的最大温度值为高温干扰。
进一步的，若所述红外图像为升弓端的红外图像时，当该红外图像同时满足判定条件1、判定条件2、判定条件3和判定条件4，则判定该p帧红外图像中的最大温度值为高温干扰。
进一步的，若所述红外图像为非升弓端的红外图像时，当该红外图像同时满足判定条件1和判定条件2或者仅满足判定条件3，则判定该p帧红外图像中的最大温度值为高温干扰。
一般的，基于发热区域大小、高温点位移大小和高温点所持续存在的帧数等三个参数即可识别出大部分情况下的高温干扰，即采用判定条件1和判定条件2，来判断红外图像中的最大温度值是否为高温干扰。由于机车、动车的车速差别很大，所以这三个参数设置也会有所不同，这三个参数的具体要求值根据具体应用而设定。
如图8所示，在识别到高温干扰后，将该最大温度值标记为高温干扰，向该红外图像添加高温干扰标志。进一步的，系统在收到红外高温数据时，若该红外高温数据中存在高温干扰标志，则系统将此红外高温数据过滤弃掉，不作出高温缺陷报警；若该红外高温数据中不存在高温干扰标志，系统将产生高温缺陷报警，并上报至上位机，使得在上位机收到的高温缺陷报警只有真正的高温缺陷数据。
本发明高温干扰识别单元能够对弓网运行状态安全监测系统生成的高温报警数据进行实时分析，识别过滤如太阳、月亮等高温干扰，减少弓网高温缺陷报警的误报率，减少误报警数据的冗余，提高高温缺陷报警的准确有效性。
本发明高温干扰识别单元适应现场多变的环境，可在升弓端和非升弓端准确识别出高温干扰，可在过桥和进出隧道之时，准确识别出高温干扰，还可准确识别出时有时无的出现在图像边界的高温干扰。
(七)意外降弓缺陷识别单元
受电弓是轨道交通工具从接触网取得电能的安装在电力机车或动车车顶上的电气设备，是接触网中的重要组成部件。一旦受电弓发生意外降弓的故障，会使电力机车或动车由于断电而发生严重事故。目前，现有的受电弓故障检测识别中并没有对意外降弓缺陷进行检测识别。
如图9所示，该实施例描述了一种本发明所提出的意外降弓缺陷识别单元，基于图像处理不仅能实时检测受电弓是否发生意外降弓，便于及时进行应急处理，防止由于意外降弓而引起的事故发生，还能排除因过隧道等作出的短暂降弓动作的误识别，有效提高降弓报警的可信度。。
本发明意外降弓缺陷识别单元的工作原理如下，包括S29-S35多个步骤。
S29、采集并缓存多帧的受电弓图像，对每帧受电弓图像进行识别处理，识别受电弓。
S30，将该多帧受电弓图像分为判断图像和校验图像，所述判断图像用于判断受电弓是否有降弓趋势，所述校验图像用于对基于判断图像所得出的结果进行校验。
S31，计算每帧受电弓图像中受电弓的弓高，所述弓高为受电弓顶部或受电弓边缘图顶部距离受电弓图像顶部的像素高度。
S32，判断受电弓降弓动作，若判断图像中每帧图像的弓高呈线性变换趋势，则判定受电弓有降弓趋势，受电弓发生降弓动作。
S34，校验受电弓降弓动作是否为降弓缺陷，若校验图像中连续多帧图像的弓高小于预设弓高阈值，且有多帧图像的弓高小于判断图像中降弓趋势最后一帧的弓高数据，则判定该降弓趋势为降弓缺陷。
S35，判定意外降弓缺陷，采集车辆当前的运行速度，若当前车辆的运行速度大于预设车速阈值，则判定该降弓缺陷为意外降弓缺陷，否则判定该降弓为正常降弓。
本发明中，设置校验图像及相关的处理步骤，其目的在于：排除意外降弓的误识别。当运行车辆在过隧道或是过桥梁时，其受电弓可能会出现短时间的降低，之后又会回升回去的情况，此时，如果仅仅使用利用受电弓识别所测到的弓高参数和车速的大小来判断受电弓是否发生意外降弓，必然会导致误识别。本发明基于校验图像能有效准确的排除这种误识别情况。
(八)支柱装置识别单元
铁路接触网的支柱和支撑杆的完整性对接触网正常运行非常重要。对支柱装置的识别定位，也是后续基于图像识别技术分析支柱上的各部件是否存在缺陷的必要前序动作，如检测螺丝是否脱落、是否有鸟窝、绝缘子是否缺裂等异常情况，以避免发生安全事故。
如图10所示，该实施例描述了一种本发明所提出的支柱装置识别单元，支柱装置识别单元与组件脱落缺陷识别单元连接，为组件脱落缺陷识别单元提供支柱装置的定位图像，便于组件脱落缺陷识别单元实时自动检测支柱装置上的组件脱落缺陷。
所述支柱装置识别单元至少包括支柱装置图像获取模块、灰度转换模块、二值化处理模块和边缘查找模块。所述支柱装置图像获取模块用于获取的支柱装置图像。所述灰度转换模块用于对支柱装置图像进行灰度转换，输出灰度图像。所述二值化处理模块对灰度图像进行中值滤波和二值化处理，得到二值化图像。所述边缘查找模块根据支柱装置中各个部件的径向方向，选择从左至右逐行或从上至下逐列遍历二值化图像，对每行或每列的每一个像素点在一定扫描区域内进行边缘查找，以定位出各个部件的位置区域。
所述扫描区域为以当前查找像素点为原点的一定夹角范围内的区域，该区域的开口方向与该待定位部件的径向方向相同，其中，所述扫描区域中存在n条以当前查找像素点为原点的扫描线段。
进一步的，所述边缘查找模块可包括大宽度部件边缘查找模块。所述大宽度部件边缘查找模块用于统计其扫描区域内每条扫描线段两边的黑白像素点的数量，当某条扫描线段两边的黑白像素点的数量占相应的扫描线段的长度的一定比例时，确定出宽度较大的部件的第一边缘和第二边缘，再取第一边缘和第二边缘之间的垂直于第一边缘和第二边缘的线段作为端部查找线段，当某条端部查找线段上的白像素总数量占第一边缘和第二边缘的宽度像素值的一定比例时，则判定该顶部查找线段为该部件的顶部，根据所述第一边缘、第二边缘和顶部确认出支柱装置中宽度较大的部件的位置区域。其中，所述第一边缘和第二边缘相对立，且其之间的宽度与部件的宽度相匹配。
进一步的，所述边缘查找模块还可包括小宽度部件边缘查找模块。所述小宽度部件边缘查找模块用于统计其扫描区域内每条扫描线段上的白像素点的数量，当某条扫描线段上白像素点的数量占该条扫描线段的长度的一定比例时，则判定该扫描区域内的该条扫描线段属于宽度较小的部件，根据所查找出的扫描线段，确定出支柱装置中宽度较小的部件的位置区域。
进一步的，所述系统还包括支柱装置模型数据库和匹配定位模块，支柱装置模型数据库用于存储支柱装置模型，匹配定位模块用于根据已确定的宽度较大的支柱装置的位置区域，将支柱装置图像与支柱装置模型进行匹配，定位出支柱装置的位置区域，以便在相应的区域内确定宽度较小的支柱装置的位置区域。该支柱装置模型数据库可为本系统中模型数据库的一部分，匹配定位模块也可为受电弓识别单元中的一部分。
本发明支柱装置识别单元的工作原理如下，包括S36-S40多个步骤。
S36，采集支柱装置图像，对其进行灰度转换，输出灰度图像。
S37，对灰度图像进行中值滤波和二值化处理，得到二值化图像。
S38，根据支柱装置中各个部件的径向方向，选择从左至右逐行或从上至下逐列遍历二值化图像，对每行或每列的每一个像素点在一定扫描区域内进行边缘查找，以定位出各个部件的位置区域。所述扫描区域为以当前查找像素点为原点的一定夹角范围内的区域，该区域的开口方向与该待定位部件的径向方向相同，其中，所述扫描区域中存在n条以当前查找像素点为原点的扫描线段。所述扫描区域可采用扇形扫描区域或三角形扫描区域以及其他形式的扫描区域。
所述扫描线段的长度为从作为原点的像素点至扫描区域的底边的像素距离值。扫描线段不能太长，扫描线段越长则运算时间越大。
根据接触网支柱装置的特性，该支柱装置包括如支柱等宽度较大的部件，还包括如平腕臂、斜腕臂、支撑杆、定位管和定位器等宽度较小的部件。由于支柱部件呈纵向竖立，而平腕臂一般呈横向设置，斜腕臂和支撑杆呈倾斜设置，因此，在查找各个部件时，其扫描区域的方向需与该部件的径向方向一致，才能准确地查找出该部件的边缘。
(1)进一步的，对于支柱装置中宽度较大的部件，其定位步骤S39包括：
S3901，统计其扫描区域内每条扫描线段两边的黑白像素点的数量，当某条扫描线段两边的黑白像素点的数量占相应的扫描线段的长度的一定比例时，确定出宽度较大的部件的第一边缘和第二边缘，所述第一边缘和第二边缘相对立，且其之间的宽度与部件的宽度相匹配；
S3902，取第一边缘和第二边缘之间的垂直于第一边缘和第二边缘的线段作为端部查找线段，当某条端部查找线段上的白像素总数量占第一边缘和第二边缘的宽度像素值的一定比例时，则判定该顶部查找线段为该部件的顶部；
S3903，根据所述第一边缘、第二边缘和顶部确认出支柱装置中宽度较大的部件的位置区域。
实施例一，如图11所示，定位支柱部件：
首先，查找支柱部件的左边缘：从左至右逐行遍历二值化图像，对每行的每一个像素点的向下扇形区域进行扫描，所述向下扇形区域中存在n条以该像素点为原点的向下扫描线段，统计在该向下扇形区域内每条向下扫描线段左边黑像素点的数量L1和右边白像素点的数量R1，当数量L1和数量R1占相应向下扫描线段的长度的一定比例时，则判定该向下扇形区域内的该条向下扫描线段为该支柱部件的左边缘。
其次，查找支柱部件的疑似右边缘：在找出左边缘后，继续对该行余下的像素点的向下扇形区域进行扫描，继续统计在向下扇形区域内每条向下扫描线段左边白像素点的数量L2和右边黑像素点的数量R2，当数量L2和数量R2占相应的向下扫描线段的长度的一定比例时，则将该向下扇形区域内的该条向下扫描线段视为该支柱部件的疑似右边缘。
然后，确定支柱部件的右边缘：当找出疑似右边缘时，计算该疑似右边缘和左边缘的宽度，若该宽度在一定阈值范围，则判定该疑似右边缘为右边缘，若该宽度不在所述阈值范围内，则继续寻找下一个疑似右边缘。
接着，查找支柱部件的顶部：从上到下逐行扫描左边缘和右边缘之间的白像素，当某行白像素占左边缘与右边缘的宽度像素值的一定比例时，则判定左边缘和右边缘之间的该行像素点为该支柱部件的顶部。
最后，根据找出的左边缘、右边缘和顶部，定位出支柱装置中的支柱部件的位置区域。一般的，在支柱装置图像中，支柱部件的底部为其左边缘和右边缘的延长线与支柱装置图像底边相交的线段。
(2)进一步的，对于支柱装置中宽度较小的部件，其定位步骤S40包括：
S4001，统计其扫描区域内每条扫描线段上的白像素点的数量，当某条扫描线段上白像素点的数量占该条扫描线段的长度的一定比例时，则判定该扫描区域内的该条扫描线段属于宽度较小的部件；
S4002，根据S4001所查找出的扫描线段，确定出支柱装置中宽度较小的部件的位置区域。
①定位横向设置的小宽度部件：
首先，从上至下逐列遍历二值化图像，对每列的每一个像素点的向右扇形区域进行扫描，所述向右扇形区域中存在n条以该像素点为原点的向右扫描线段，统计在该向右扇形区域内每条向右扫描线段上的白像素点的数量，当某条向右扫描线段上白像素点的数量占该条向右扫描线段的长度的一定比例时，则判定该向右扇形区域内的该条向右扫描线段为该横向设置的小宽度部件。
最后，根据所查找出的扫描线段，确定出该横向设置的小宽度部件。
②定位倾斜设置的小宽度部件：
在定位倾斜设置的小宽度部件时，首先需定位出纵向设置的大宽度部件和横向设置的小宽度部件，再来定位倾斜设置的小宽度部件。
如上参照附图以示例的方式描述了根据本发明的接触网运行状态安全监测分析系统。但是，本领域技术人员应当理解，对于上述本发明所提出的接触网运行状态安全监测分析系统，还可以在不脱离本发明内容的基础上做出各种改进，或者对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。因此，本发明的保护范围应当由所附的权利要求书的内容确定。
Claims (10)
1.接触网运行状态安全监测分析系统，其特征在于：所述系统至少包括第一相机、第二相机、图像矫正单元、受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元；
所述第一相机和第二相机分别从两个不同的角度采集受电弓的视频图像，输出第一视角图像和第二视角图像；
所述图像矫正单元根据受电弓的标定分别对第一视角图像和第二视角图像进行透视矫正，使第一视角图像和第二视角图像中的受电弓呈左右对称形式；
所述模型数据库用于存储受电弓模型，所述受电弓模型包括与第一视角图像相应的第一视角受电弓模型和与第二视角图像相应的第二视角受电弓模型；
所述受电弓识别单元根据第一视角受电弓模型和第二视角受电弓模型，分别在第一视角图像和第二视角图像中识别出受电弓，并定位出受电弓区域；
所述接触线识别单元用于分别在第一视角图像和第二视角图像中识别出疑似接触线的直线，并将同一尺度下的第一视角图像的受电弓区域与第二视角图像的受电弓区域进行比对，查找出相交于受电弓顶端平面的疑似接触线的直线，并将该直线判定为接触线；
所述几何参数计算单元根据受电弓识别单元识别出的受电弓和接触线识别单元识别出的接触线，分别计算出第一视角图像和第二视角图像中接触网的几何参数，并根据平滑度和/或相似度特性，输出最优的几何参数；
所述缺陷识别单元根据受电弓识别单元识别出的受电弓、接触线识别单元识别出的接触线和/或几何参数计算单元输出的几何参数，实时检测识别接触网存在的缺陷，包括接触网缺陷、受电弓缺陷和弓网关系缺陷；
所述缺陷识别单元至少包括受电弓形变缺陷识别单元、组件脱落缺陷识别单元、受电弓拉出超限缺陷识别单元、燃弧缺陷识别单元、高温干扰识别单元和意外降弓缺陷识别单元中的任一种或多种组合。
2.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述受电弓形变缺陷识别单元包括滑板线条查找模块、形变量计算模块和形变缺陷判断模块；
滑板线条查找模块：提取受电弓边缘图，将同一尺度下的受电弓边缘图和受电弓模型进行匹配比对，所述受电弓模型中包括受电弓滑板模拟线条，该受电弓滑板模拟线条作为正常滑板的参考模型，在受电弓边缘图中逐列查找位于受电弓滑板模拟线条上下两方最近的白像素，将所有查找出的白像素作为滑板实际线条，并计算该滑板实际线条中所有白像素的像素高度值；
形变量计算模块根据滑板实际线条中所有白像素的像素高度值与滑板模拟线条中所有点的像素高度值计算受电弓滑板的形变量；
形变缺陷判断模块判断形变量计算模块所计算得到的形变量是否大于预设的形变阈值，若是，则判定受电弓出现形变缺陷。
3.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述组件脱落缺陷识别单元包括依次连接的待检测图像获取模块、多尺度组件定位模块、连接件定位模块、连接件分割模块和连接件特征分析模块；
所述待检测图像获取模块用于获取组件的待检测图像；
所述多尺度组件定位模块利用组件模板图像在待检测图像的不同尺度上滑动搜索目标组件，在待检测图像中匹配出目标组件的位置区域图像，所述组件模板图像包括接触网中各个组件的模板图像；
所述连接件定位模块用于根据图像边缘分析算法在位置区域图像中定位出目标连接件区域；
所述连接件分割模块用于根据目标组件与目标连接件的结构关系，按照相应的比例在位置区域图像中分割出目标连接件；
所述连接件特征分析模块用于获取目标连接件的灰度直方图和梯度特征，根据目标连接件的灰度直方图判定目标连接件是否存在疑似脱落缺陷，再根据目标连接件的梯度特征确定该疑似脱落缺陷是否为真，若为真则判定该目标连接件存在组件脱落缺陷，若为假则判定该目标连接件正常。
4.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述受电弓拉出超限缺陷识别单元包括判断模块和拉出超限候选帧缓存模块；
所述拉出超限候选帧缓存模块用于缓存多帧拉出超限候选帧；
所述判断模块用于读取每帧视频图像的拉出值、接触线数量和帧序号，并判断当前拉出超限候选帧是否满足拉出超限判定条件，若符合则判定当前拉出超限候选帧中存在拉出值超限缺陷，并输出拉出值超限报警，否则结束当前拉出超限候选帧的拉出超限判断，不对当前拉出超限候选帧进行拉出值超限缺陷报警；
所述拉出超限判定条件至少包括以下7种中的一种或多种组合：
①根据帧序号判断当前拉出超限候选帧与前一帧拉出超限候选帧是否连续；
②判断拉出超限候选帧缓存模块中，连续两帧之间拉出值的大小差是否超过大小差阈值；
③判断当前拉出值超限候选帧的拉出值是否在所有拉出超限候选帧的拉出值曲线中处于极值状态，所述极值状态为拉出值曲线的波峰或波谷；
④计算所有拉出超限候选帧中拉出值的最大值和最小值的差值，判断该差值是否大于峰谷差阈值；
⑤判断当前拉出超限候选帧拉出值是否超过拉出超限阈值；
⑥判断当前拉出超限候选帧是否处于单接触线模式；
⑦判断当前拉出超限候选帧的接触线数量在接触线数量阈值范围内。
5.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述第一视角图像包括受电弓红外图像，所述第二视角图像包括受电弓可见光图像；
所述燃弧缺陷识别单元包括以下多种模块：
图像预处理模块，用于对受电弓可见光图像进行预处理，包括灰度处理、二值化处理和形态学处理，擦除受电弓可见光图像中具有燃弧特点和固定形状的第一类燃弧干扰，输出擦除第一类燃弧干扰后的二值化燃弧图像；
参数计算模块，用于将当前帧二值化燃弧图像与上一帧二值化燃弧图像作差，得到燃弧差值图，并统计燃弧差值图在X轴方向上的亮度值、Y轴方向上的亮度值和所有非零像素点的个数，并分别存储记录为第一参数、第二参数和第三参数；
温度计算模块，用于计算与受电弓可见光图像对应的同步受电弓红外图像的最高温度值，并存储记录为第四参数；
燃弧参数缓存模块，用于缓存n帧连续的燃弧差值图，以及每帧燃弧差值图相应的第一参数、第二参数和第三参数及对应同步受电弓红外图像的第四参数，其中，将前a帧燃弧差值图作为干扰校验帧，后b帧燃弧差值图作为燃弧识别帧；
干扰校验模块，用于根据第一参数和第二参数排除第二类燃弧干扰，若a帧干扰校验帧中第一参数或第二参数大于其预设阈值的燃弧差值图超过一定数量，则将后b帧燃弧识别帧均视为第二类燃弧干扰，否则对燃弧识别帧进行燃弧缺陷判断
燃弧缺陷判断模块，用于根据第三参数和第四参数作出燃弧缺陷判断，若b帧燃弧识别帧中第1帧燃弧差值图的第三参数及其对应的第四参数均分别大于其预设阈值，且该b帧燃弧识别帧中所有的第三参数依次减小或依次减小至0，则判定该b帧燃弧识别帧中的第1帧存在燃弧缺陷，为燃弧帧。
6.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述高温干扰识别单元获取连续的红外图像，计算每帧红外图像中的最大温度值及其位置坐标，并采用以下判定条件中的一种或多种组合来识别判断红外图像中的最大温度值是否为高温干扰；其中：
判定条件1，基于位置变化判断高温干扰：比较每帧红外图像的最大温度值的位置坐标，若该红外图像中，持续多帧红外图像中每相邻两帧最大温度值的位置变化小于第一阈值，则判定该多帧红外图像中存在高温干扰；
判定条件2，基于发热区域判断高温干扰：对红外图像进行灰度转换，得到灰度图像；根据最大温度值的位置坐标，在灰度图像中找到其对应的高温点位置；以该高温点位置为中心，将其周围像素点的灰度值与该高温点位置的灰度值进行比较，若其差值均小于第二阈值，则将该周围像素点所形成的区域视为该高温点的发热区域，若持续多帧红外图像中均出现该发热区域，则将该发热区域视为高温干扰；
判定条件3，基于高温阈值判断高温干扰：若持续多帧红外图像的最大温度值均大于第三阈值，则判定该多帧红外图像中的最大温度值为高温干扰；
判定条件4，基于受电弓区域判断高温干扰：在红外图像中识别受电弓，得到受电弓区域坐标，将最大温度值的位置坐标与受电弓区域坐标进行比较，若最大温度值的位置坐标或所述发热区域不在受电弓区域内，则判定该最大温度值为高温干扰；若最大温度值的位置坐标或所述发热区域在受电弓区域内，则结合判定条件1、判定条件2和判定条件3中的任一个或多个来判断。
7.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述意外降弓缺陷识别单元包括弓高计算模块、降弓趋势判断模块、降弓缺陷判断模块、意外降弓判断模块和存储模块；
所述存储模块用于缓存第一视角图像或第二视角图像中的多帧受电弓图像，该多帧受电弓图像分为判断图像和校验图像，所述判断图像用于判断受电弓是否有降弓趋势，所述校验图像用于对基于判断图像所得出的结果进行校验；
所述弓高计算模块用于计算每帧受电弓图像中受电弓的弓高，所述弓高为受电弓顶部距离受电弓图像上边界/下边界的像素高度；
所述降弓趋势判断模块用于判断受电弓降弓动作，若判断图像中每帧图像的弓高呈线性变换趋势，则判定受电弓有降弓趋势，受电弓发生降弓动作；
所述降弓缺陷判断模块用于校验受电弓降弓动作是否为降弓缺陷，若校验图像中连续多帧图像的弓高小于预设弓高阈值，且有多帧图像的弓高小于判断图像中降弓趋势最后一帧的弓高数据，则判定该降弓趋势为降弓缺陷；
所述意外降弓判断模块用于根据车辆当前的运行速度进行判断，若其运行速度大于预设车速阈值，则判定该降弓缺陷为意外降弓缺陷，否则判定该降弓缺陷为正常降弓。
8.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述系统还包括与组件脱落缺陷识别单元连接的支柱装置识别单元，所述支柱装置识别单元包括支柱装置图像获取模块、灰度转换模块、二值化处理模块和边缘查找模块；
所述支柱装置图像获取模块用于获取的支柱装置图像；
所述灰度转换模块用于对支柱装置图像进行灰度转换，输出灰度图像；
所述二值化处理模块对灰度图像进行中值滤波和二值化处理，得到二值化图像；
所述边缘查找模块根据支柱装置中各个部件的径向方向，选择从左至右逐行或从上至下逐列遍历二值化图像，对每行或每列的每一个像素点在一定扫描区域内进行边缘查找，以定位出各个部件的位置区域；
所述扫描区域为以当前查找像素点为原点的一定夹角范围内的区域，该区域的开口方向与该待定位部件的径向方向相同，其中，所述扫描区域中存在n条以当前查找像素点为原点的扫描线段。
9.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述系统还包括图像压缩单元，图像压缩单元可分别对第一视角图像和第二视角图像的每一帧图像进行压缩处理，并将压缩得到的图像以追加模式写入视频压缩文件中，还将该帧图像经受电弓识别单元、接触线识别单元、模型数据库、几何参数计算单元和缺陷识别单元处理后所得到的相关数据，以追加模式写入视频压缩文件里该帧图像的索引文件中。
10.根据权利要求1所述的接触网运行状态安全监测分析系统，其特征在于：所述系统还包括缺陷报警单元和地理位置定位单元，所述缺陷报警单元接收缺陷识别单元发出的缺陷报警信息和地理位置定位单元发出的定位数据，将缺陷报警信息和相应的同步的定位数据生成缺陷报警数据；
所述地理定位单元至少包括基站定位模块、卫星定位模块和惯性导航模块中的一种或多种组合。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610049323.9A CN105652154B (zh) | 2016-01-25 | 2016-01-25 | 接触网运行状态安全监测分析系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610049323.9A CN105652154B (zh) | 2016-01-25 | 2016-01-25 | 接触网运行状态安全监测分析系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105652154A true CN105652154A (zh) | 2016-06-08 |
| CN105652154B CN105652154B (zh) | 2018-05-11 |
Family
ID=56487851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610049323.9A Active CN105652154B (zh) | 2016-01-25 | 2016-01-25 | 接触网运行状态安全监测分析系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105652154B (zh) |
Cited By (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106017576A (zh) * | 2016-08-08 | 2016-10-12 | 成都骏盛科技有限责任公司 | 接触网动态检测系统 |
| CN106203537A (zh) * | 2016-08-31 | 2016-12-07 | 成都铁安科技有限责任公司 | 一种受电弓升降状态检测方法和装置 |
| CN106370103A (zh) * | 2016-08-31 | 2017-02-01 | 成都主导软件技术有限公司 | 一种受电弓状态检测方法和装置 |
| CN106546629A (zh) * | 2016-10-21 | 2017-03-29 | 上海工程技术大学 | 一种城市轨道接触网节点故障预警方法及装置 |
| CN107064751A (zh) * | 2017-03-10 | 2017-08-18 | 北京环境特性研究所 | 一种用于高铁的双波段成像放电检测仪及其使用方法 |
| CN107680091A (zh) * | 2017-10-12 | 2018-02-09 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN107742288A (zh) * | 2017-10-11 | 2018-02-27 | 成都国铁电气设备有限公司 | 一种受电弓打弓缺陷检测方法及系统 |
| CN108099613A (zh) * | 2017-11-30 | 2018-06-01 | 中车青岛四方机车车辆股份有限公司 | 控制受电弓的系统、方法和装置 |
| CN108169616A (zh) * | 2017-11-30 | 2018-06-15 | 中车青岛四方机车车辆股份有限公司 | 受电弓的监测方法、装置和系统 |
| CN108333472A (zh) * | 2018-01-24 | 2018-07-27 | 江阴众和电力仪表有限公司 | 接触网支架松动智能监测装置、在线监测系统及其方法 |
| CN108594032A (zh) * | 2018-01-05 | 2018-09-28 | 珠海泰坦科技股份有限公司 | 一种非接触式接触网在线检测告警实时传输系统及方法 |
| CN108694349A (zh) * | 2017-04-07 | 2018-10-23 | 成都唐源电气股份有限公司 | 一种基于线阵相机的受电弓图像提取方法及装置 |
| CN108985282A (zh) * | 2018-09-21 | 2018-12-11 | 中国铁道科学研究院集团有限公司铁道科学技术研究发展中心 | 一种识别高速动车组低锥度蛇行晃车特征的信号处理方法 |
| CN109000728A (zh) * | 2018-07-31 | 2018-12-14 | 广州科易光电技术有限公司 | 车载接触网运行状态检测装置 |
| CN109001597A (zh) * | 2017-10-30 | 2018-12-14 | 北京华开领航科技有限责任公司 | 一种电火花确定方法及装置 |
| CN109000729A (zh) * | 2018-07-31 | 2018-12-14 | 广州科易光电技术有限公司 | 车载接触网运行状态检测系统 |
| CN109142978A (zh) * | 2018-09-17 | 2019-01-04 | 成都国铁电气设备有限公司 | 一种铁路接触网运行状态主动监测方法 |
| CN109142964A (zh) * | 2017-06-16 | 2019-01-04 | 国电南瑞科技股份有限公司 | 一种高速铁路故障测距装置的定值自动整定方法 |
| CN109443811A (zh) * | 2018-11-19 | 2019-03-08 | 中国科学院力学研究所 | 一种非接触式测量受电弓模态的方法 |
| CN109584238A (zh) * | 2018-12-07 | 2019-04-05 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测系统及方法 |
| CN109727428A (zh) * | 2019-01-10 | 2019-05-07 | 成都国铁电气设备有限公司 | 基于深度学习的重复报警抑制方法 |
| CN109765241A (zh) * | 2019-01-09 | 2019-05-17 | 中国科学院上海微系统与信息技术研究所 | 弓网状态的监测装置 |
| CN110014915A (zh) * | 2017-08-15 | 2019-07-16 | 郑州宇通客车股份有限公司 | 一种反向受电弓、充电系统和汽车 |
| CN110136189A (zh) * | 2019-05-22 | 2019-08-16 | 成都铁安科技有限责任公司 | 一种列车闸片检测方法和装置 |
| CN110458126A (zh) * | 2019-08-16 | 2019-11-15 | 上海仁童电子科技有限公司 | 一种受电弓状态监测方法及装置 |
| CN110647838A (zh) * | 2019-09-19 | 2020-01-03 | 电子科技大学 | 一种用于设备工作状态识别的基于几何形状的一维信号特征提取方法 |
| CN110907081A (zh) * | 2019-12-09 | 2020-03-24 | 湖北文华系统工程有限公司 | 基于物联网的受电弓接触压力监测装置、系统及方法 |
| CN111076750A (zh) * | 2018-10-22 | 2020-04-28 | 株洲中车时代电气股份有限公司 | 一种用于检测接触网吊弦线夹松脱的装置及方法 |
| CN111238388A (zh) * | 2020-01-08 | 2020-06-05 | 安徽逻根农业科技有限公司 | 一种高空支架形态监测装置和方法 |
| CN111561967A (zh) * | 2020-05-25 | 2020-08-21 | 山东万腾智能科技有限公司 | 弓网运行状态实时在线检测方法及系统 |
| CN111640155A (zh) * | 2020-05-26 | 2020-09-08 | 成都唐源电气股份有限公司 | 一种基于3d成像的受电弓弓头倾斜角测量方法及系统 |
| CN112700037A (zh) * | 2020-12-28 | 2021-04-23 | 成都国铁电气设备有限公司 | 一种高速铁路接触网异物缺陷数预测方法及预测装置 |
| CN113487543A (zh) * | 2021-06-16 | 2021-10-08 | 成都唐源电气股份有限公司 | 接触网燃弧灼烧检测方法、装置、计算机设备和存储介质 |
| CN113655323A (zh) * | 2021-09-02 | 2021-11-16 | 成都地铁运营有限公司 | 弓网在线监测运维方法 |
| CN113916293A (zh) * | 2021-10-11 | 2022-01-11 | 孙洪茂 | 一种电动列车接触网悬挂状态及弓网关系检测系统 |
| CN113960066A (zh) * | 2021-10-21 | 2022-01-21 | 江苏集萃智能光电系统研究所有限公司 | 一种基于三维线扫描的受电弓识别抓拍检测装置及方法 |
| CN114013343A (zh) * | 2021-10-27 | 2022-02-08 | 中铁第五勘察设计院集团有限公司 | 一种铁路牵引网系统的设计方法、装置及处理设备 |
| CN115496750B (zh) * | 2022-11-14 | 2023-04-18 | 诺比侃人工智能科技(成都)股份有限公司 | 一种基于神经网络的接触网缺陷验损方法及系统 |
| CN117647826A (zh) * | 2024-01-29 | 2024-03-05 | 成都星历科技有限公司 | 基于干扰源定位的导航欺骗干扰信号的检测系统及方法 |
| CN117647826B (zh) * | 2024-01-29 | 2024-04-12 | 成都星历科技有限公司 | 基于干扰源定位的导航欺骗干扰信号的检测系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090050210A (ko) * | 2007-11-15 | 2009-05-20 | 현대중공업 주식회사 | 온도측정모듈을 구비한 선로 감시진단 장치 |
| CN201429413Y (zh) * | 2009-06-25 | 2010-03-24 | 北京交通大学 | 高速列车受电弓状态在线式自动检测系统 |
| CN101784887A (zh) * | 2007-08-06 | 2010-07-21 | 昆士兰铁路有限公司 | 受电弓损坏和磨损监视系统 |
| CN102837716A (zh) * | 2012-09-25 | 2012-12-26 | 成都国铁电气设备有限公司 | 一种用于电气化轨道交通接触网支柱的全视角成像装置 |
| CN102981102A (zh) * | 2012-11-14 | 2013-03-20 | 天津市翔晟远电力设备实业有限公司 | 一种新型环网柜状态监测系统 |
| CN202827351U (zh) * | 2012-09-25 | 2013-03-27 | 成都国铁电气设备有限公司 | 热红外弓网运行状态在线监控装置 |
| CN103759658A (zh) * | 2014-01-27 | 2014-04-30 | 成都国铁电气设备有限公司 | 一种基于红外图像处理实现对接触网几何参数检测的方法 |
| CN103837087A (zh) * | 2013-06-04 | 2014-06-04 | 中国科学院遥感与数字地球研究所 | 基于主动形状模型的受电弓自动检测方法 |
-
2016
- 2016-01-25 CN CN201610049323.9A patent/CN105652154B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101784887A (zh) * | 2007-08-06 | 2010-07-21 | 昆士兰铁路有限公司 | 受电弓损坏和磨损监视系统 |
| KR20090050210A (ko) * | 2007-11-15 | 2009-05-20 | 현대중공업 주식회사 | 온도측정모듈을 구비한 선로 감시진단 장치 |
| CN201429413Y (zh) * | 2009-06-25 | 2010-03-24 | 北京交通大学 | 高速列车受电弓状态在线式自动检测系统 |
| CN102837716A (zh) * | 2012-09-25 | 2012-12-26 | 成都国铁电气设备有限公司 | 一种用于电气化轨道交通接触网支柱的全视角成像装置 |
| CN202827351U (zh) * | 2012-09-25 | 2013-03-27 | 成都国铁电气设备有限公司 | 热红外弓网运行状态在线监控装置 |
| CN102981102A (zh) * | 2012-11-14 | 2013-03-20 | 天津市翔晟远电力设备实业有限公司 | 一种新型环网柜状态监测系统 |
| CN103837087A (zh) * | 2013-06-04 | 2014-06-04 | 中国科学院遥感与数字地球研究所 | 基于主动形状模型的受电弓自动检测方法 |
| CN103759658A (zh) * | 2014-01-27 | 2014-04-30 | 成都国铁电气设备有限公司 | 一种基于红外图像处理实现对接触网几何参数检测的方法 |
Non-Patent Citations (4)
| Title |
|---|
| 占栋，等: "接触网几何参数高度动态视觉测量方法研究", 《仪器仪表学报》 * |
| 周威，等: "基于多目立体视觉的接触网几何参数测量方法", 《中国铁道科学》 * |
| 张发: "红外热像仪在电气化铁路弓网检测中的应用", 《中国管理信息化》 * |
| 谢大鹏，孙忠国: "图像识别技术在接触网悬挂状态检测中的应用", 《电气化铁道》 * |
Cited By (58)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106017576A (zh) * | 2016-08-08 | 2016-10-12 | 成都骏盛科技有限责任公司 | 接触网动态检测系统 |
| CN106203537B (zh) * | 2016-08-31 | 2019-06-04 | 成都铁安科技有限责任公司 | 一种受电弓升降状态检测方法和装置 |
| CN106203537A (zh) * | 2016-08-31 | 2016-12-07 | 成都铁安科技有限责任公司 | 一种受电弓升降状态检测方法和装置 |
| CN106370103A (zh) * | 2016-08-31 | 2017-02-01 | 成都主导软件技术有限公司 | 一种受电弓状态检测方法和装置 |
| CN106546629A (zh) * | 2016-10-21 | 2017-03-29 | 上海工程技术大学 | 一种城市轨道接触网节点故障预警方法及装置 |
| CN107064751A (zh) * | 2017-03-10 | 2017-08-18 | 北京环境特性研究所 | 一种用于高铁的双波段成像放电检测仪及其使用方法 |
| CN108694349A (zh) * | 2017-04-07 | 2018-10-23 | 成都唐源电气股份有限公司 | 一种基于线阵相机的受电弓图像提取方法及装置 |
| CN108694349B (zh) * | 2017-04-07 | 2020-03-06 | 成都唐源电气股份有限公司 | 一种基于线阵相机的受电弓图像提取方法及装置 |
| CN109142964B (zh) * | 2017-06-16 | 2021-02-05 | 国电南瑞科技股份有限公司 | 一种高速铁路故障测距装置的定值自动整定方法 |
| CN109142964A (zh) * | 2017-06-16 | 2019-01-04 | 国电南瑞科技股份有限公司 | 一种高速铁路故障测距装置的定值自动整定方法 |
| CN110014915A (zh) * | 2017-08-15 | 2019-07-16 | 郑州宇通客车股份有限公司 | 一种反向受电弓、充电系统和汽车 |
| CN107742288A (zh) * | 2017-10-11 | 2018-02-27 | 成都国铁电气设备有限公司 | 一种受电弓打弓缺陷检测方法及系统 |
| CN107680091A (zh) * | 2017-10-12 | 2018-02-09 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN107680091B (zh) * | 2017-10-12 | 2020-11-17 | 成都思晗科技股份有限公司 | 一种输电线路的防震锤脱落缺陷检测方法 |
| CN109001597A (zh) * | 2017-10-30 | 2018-12-14 | 北京华开领航科技有限责任公司 | 一种电火花确定方法及装置 |
| CN108099613A (zh) * | 2017-11-30 | 2018-06-01 | 中车青岛四方机车车辆股份有限公司 | 控制受电弓的系统、方法和装置 |
| CN108169616A (zh) * | 2017-11-30 | 2018-06-15 | 中车青岛四方机车车辆股份有限公司 | 受电弓的监测方法、装置和系统 |
| CN108099613B (zh) * | 2017-11-30 | 2022-06-14 | 中车青岛四方机车车辆股份有限公司 | 控制受电弓的系统、方法和装置 |
| CN108594032A (zh) * | 2018-01-05 | 2018-09-28 | 珠海泰坦科技股份有限公司 | 一种非接触式接触网在线检测告警实时传输系统及方法 |
| CN108333472B (zh) * | 2018-01-24 | 2021-03-02 | 江阴众和电力仪表有限公司 | 接触网支架松动智能监测装置、在线监测系统及其方法 |
| CN108333472A (zh) * | 2018-01-24 | 2018-07-27 | 江阴众和电力仪表有限公司 | 接触网支架松动智能监测装置、在线监测系统及其方法 |
| CN109000729A (zh) * | 2018-07-31 | 2018-12-14 | 广州科易光电技术有限公司 | 车载接触网运行状态检测系统 |
| CN109000728A (zh) * | 2018-07-31 | 2018-12-14 | 广州科易光电技术有限公司 | 车载接触网运行状态检测装置 |
| CN109142978B (zh) * | 2018-09-17 | 2023-06-27 | 成都国铁电气设备有限公司 | 一种铁路接触网运行状态主动监测方法 |
| CN109142978A (zh) * | 2018-09-17 | 2019-01-04 | 成都国铁电气设备有限公司 | 一种铁路接触网运行状态主动监测方法 |
| CN108985282B (zh) * | 2018-09-21 | 2021-04-02 | 中国铁道科学研究院集团有限公司铁道科学技术研究发展中心 | 一种识别高速动车组低锥度蛇行晃车特征的信号处理方法 |
| CN108985282A (zh) * | 2018-09-21 | 2018-12-11 | 中国铁道科学研究院集团有限公司铁道科学技术研究发展中心 | 一种识别高速动车组低锥度蛇行晃车特征的信号处理方法 |
| CN111076750A (zh) * | 2018-10-22 | 2020-04-28 | 株洲中车时代电气股份有限公司 | 一种用于检测接触网吊弦线夹松脱的装置及方法 |
| CN111076750B (zh) * | 2018-10-22 | 2021-08-13 | 株洲中车时代电气股份有限公司 | 一种用于检测接触网吊弦线夹松脱的装置及方法 |
| CN109443811A (zh) * | 2018-11-19 | 2019-03-08 | 中国科学院力学研究所 | 一种非接触式测量受电弓模态的方法 |
| CN109584238A (zh) * | 2018-12-07 | 2019-04-05 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测系统及方法 |
| CN109584238B (zh) * | 2018-12-07 | 2021-11-26 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测系统及方法 |
| CN109765241A (zh) * | 2019-01-09 | 2019-05-17 | 中国科学院上海微系统与信息技术研究所 | 弓网状态的监测装置 |
| CN109727428A (zh) * | 2019-01-10 | 2019-05-07 | 成都国铁电气设备有限公司 | 基于深度学习的重复报警抑制方法 |
| CN109727428B (zh) * | 2019-01-10 | 2021-06-08 | 成都国铁电气设备有限公司 | 基于深度学习的重复报警抑制方法 |
| CN110136189B (zh) * | 2019-05-22 | 2021-06-04 | 成都铁安科技有限责任公司 | 一种列车闸片检测方法和装置 |
| CN110136189A (zh) * | 2019-05-22 | 2019-08-16 | 成都铁安科技有限责任公司 | 一种列车闸片检测方法和装置 |
| CN110458126A (zh) * | 2019-08-16 | 2019-11-15 | 上海仁童电子科技有限公司 | 一种受电弓状态监测方法及装置 |
| CN110647838B (zh) * | 2019-09-19 | 2023-03-31 | 电子科技大学 | 一种用于设备工作状态识别的基于几何形状的一维信号特征提取方法 |
| CN110647838A (zh) * | 2019-09-19 | 2020-01-03 | 电子科技大学 | 一种用于设备工作状态识别的基于几何形状的一维信号特征提取方法 |
| CN110907081A (zh) * | 2019-12-09 | 2020-03-24 | 湖北文华系统工程有限公司 | 基于物联网的受电弓接触压力监测装置、系统及方法 |
| CN111238388A (zh) * | 2020-01-08 | 2020-06-05 | 安徽逻根农业科技有限公司 | 一种高空支架形态监测装置和方法 |
| CN111238388B (zh) * | 2020-01-08 | 2021-11-16 | 安徽逻根农业科技有限公司 | 一种高空支架形态监测装置和方法 |
| CN111561967A (zh) * | 2020-05-25 | 2020-08-21 | 山东万腾智能科技有限公司 | 弓网运行状态实时在线检测方法及系统 |
| CN111640155A (zh) * | 2020-05-26 | 2020-09-08 | 成都唐源电气股份有限公司 | 一种基于3d成像的受电弓弓头倾斜角测量方法及系统 |
| CN112700037A (zh) * | 2020-12-28 | 2021-04-23 | 成都国铁电气设备有限公司 | 一种高速铁路接触网异物缺陷数预测方法及预测装置 |
| CN113487543A (zh) * | 2021-06-16 | 2021-10-08 | 成都唐源电气股份有限公司 | 接触网燃弧灼烧检测方法、装置、计算机设备和存储介质 |
| CN113487543B (zh) * | 2021-06-16 | 2023-08-04 | 成都唐源电气股份有限公司 | 接触网燃弧灼烧检测方法、装置、计算机设备和存储介质 |
| CN113655323A (zh) * | 2021-09-02 | 2021-11-16 | 成都地铁运营有限公司 | 弓网在线监测运维方法 |
| CN113655323B (zh) * | 2021-09-02 | 2024-03-05 | 成都地铁运营有限公司 | 弓网在线监测运维方法 |
| CN113916293A (zh) * | 2021-10-11 | 2022-01-11 | 孙洪茂 | 一种电动列车接触网悬挂状态及弓网关系检测系统 |
| CN113960066A (zh) * | 2021-10-21 | 2022-01-21 | 江苏集萃智能光电系统研究所有限公司 | 一种基于三维线扫描的受电弓识别抓拍检测装置及方法 |
| CN113960066B (zh) * | 2021-10-21 | 2023-09-05 | 江苏集萃智能光电系统研究所有限公司 | 一种基于三维线扫描的受电弓识别抓拍检测装置及方法 |
| CN114013343A (zh) * | 2021-10-27 | 2022-02-08 | 中铁第五勘察设计院集团有限公司 | 一种铁路牵引网系统的设计方法、装置及处理设备 |
| CN114013343B (zh) * | 2021-10-27 | 2023-05-09 | 中铁第五勘察设计院集团有限公司 | 一种铁路牵引网系统的设计方法、装置及处理设备 |
| CN115496750B (zh) * | 2022-11-14 | 2023-04-18 | 诺比侃人工智能科技(成都)股份有限公司 | 一种基于神经网络的接触网缺陷验损方法及系统 |
| CN117647826A (zh) * | 2024-01-29 | 2024-03-05 | 成都星历科技有限公司 | 基于干扰源定位的导航欺骗干扰信号的检测系统及方法 |
| CN117647826B (zh) * | 2024-01-29 | 2024-04-12 | 成都星历科技有限公司 | 基于干扰源定位的导航欺骗干扰信号的检测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105652154B (zh) | 2018-05-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105652154A (zh) | 接触网运行状态安全监测分析系统 | |
| CN108491758B (zh) | 一种轨道检测方法及机器人 | |
| Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
| CN201429413Y (zh) | 高速列车受电弓状态在线式自动检测系统 | |
| CN105416097B (zh) | 基于激光雷达的接触网检测检修车及方法 | |
| CN107743577B (zh) | 用于检测电动铁道车辆的振动信息的方法和装置 | |
| CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
| CN202793389U (zh) | 一种高铁接触网在线巡检装置 | |
| CN105158257A (zh) | 滑板测量方法及装置 | |
| CN109242035B (zh) | 车底故障检测装置及方法 | |
| CN202583081U (zh) | 一种轨道交通隧道壁破损识别装置 | |
| CN205097980U (zh) | 基于激光雷达的接触网检测检修车 | |
| CN105571508A (zh) | 接触网受电弓的形变检测方法及系统 | |
| CN113104063A (zh) | 一种网轨隧综合检测系统及方法 | |
| CN202083641U (zh) | 基于线阵扫描技术的车载铁路路轨视觉检测装置 | |
| CN111462045B (zh) | 一种悬链支撑组件缺陷的检测方法 | |
| CN113295145A (zh) | 一种弓网运行状态的检测系统及检测方法 | |
| CN206479334U (zh) | 高精度列车全方位检测系统 | |
| CN110455214A (zh) | 一种受电弓滑板磨耗状态监测系统及方法 | |
| CN112817232B (zh) | 一种列车受电弓的控制方法和装置 | |
| CN110909020A (zh) | 一种车载接触网动态检测系统 | |
| CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
| Yang et al. | Online pantograph-catenary contact point detection in complicated background based on multiple strategies | |
| CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 | |
| CN204495924U (zh) | 受电弓滑板监测装置 |
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 |