CN105718902B - 接触网受电弓拉出值超限缺陷识别方法及系统 - Google Patents
接触网受电弓拉出值超限缺陷识别方法及系统 Download PDFInfo
- Publication number
- CN105718902B CN105718902B CN201610047349.XA CN201610047349A CN105718902B CN 105718902 B CN105718902 B CN 105718902B CN 201610047349 A CN201610047349 A CN 201610047349A CN 105718902 B CN105718902 B CN 105718902B
- Authority
- CN
- China
- Prior art keywords
- pantograph
- stagger
- transfinites
- view image
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明公开了接触网受电弓拉出值超限缺陷识别方法及系统,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。本发明有效减小了拉出值超限缺陷误报的问题,能准确地进行拉出超限判断,是一种高效便捷的受电弓异常情况检查方法。
Description
技术领域
本发明涉及接触网领域,特别是涉及接触网受电弓拉出值超限缺陷识别方法及系统。
背景技术
接触网是在电气化铁道中,沿钢轨上空“之”字形架设的,供受电弓取流的高压输电线。接触网是铁路电气化工程的主构架,是沿铁路线上空架设的向轨道交通工具供电的特殊形式的输电线路。一般由接触悬挂、支持装置、定位装置、支柱与基础几部分组成。
发展电气化铁路是铁路现代化建设的必然趋势。而电气化铁路均采用电力牵引,电力机车必须在高速运行条件下可靠地从接触网上取得电能,否则将影响列车运行和电气驱动系统的性能。安装在电力机车或动车车顶上的受电弓则是轨道交通工具从接触网取得电能的电气设备,是接触网中的重要组成部件。
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拉出值超限自动检测方法具有很强的实用价值。
发明内容
本发明的目的在于克服现有技术的不足,针对人工随车巡视检查接触网异常信息的不便,提出了一种接触网受电弓拉出值超限缺陷识别方法及系统,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。
本发明的目的是通过以下技术方案来实现的:
(1)一种接触网受电弓拉出值超限缺陷识别方法,所述方法包括以下步骤:
S1,读取每帧视频图像的拉出值、接触线数量和帧序号;
S2,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S8,否则继续对当前拉出超限候选帧进行拉出超限判断,执行S3;
S3,缓存当前拉出超限候选帧的前后多帧视频图像的拉出值,得到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S4,否则跳转至S8;
S4,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S5,否则跳转至S8;
S5,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S6,否则跳转至S8;
S6,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S7,若处于多接触线模式或无接触线模式,则跳转至S8;
S7,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S8;
S8,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S6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。
进一步的,所述步骤S1中还包括受电弓识别子步骤:
S101,通过第一相机采集受电弓的第一视角图像;
S102,通过第二相机采集受电弓的第二视角图像,其中,所述第一视角图像与所述第二视角图像中的受电弓具有一定角度的视角差;
S103,图像透视矫正,根据受电弓的标定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;
S104,识别受电弓,分别将第一视角图像和第二视角图像与相应视角的受电弓模型进行匹配,对第一视角图像和第二视角图像中的受电弓进行定位;
S105,识别接触线,以第一视角图像的定位结果为基准,对第二视角图像的图像尺寸进行调整,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,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,将第一视角图像和第二视角图像进行比对,查找出相交于受电弓顶端平面的疑似接触线的直线,并将其判定为接触线;
S106,根据S104中识别出的受电弓和S105中识别出的接触线计算视频图像的拉出值,所述视频图像为第一视角图像或第二视角图像。
进一步的,所述第一相机包括红外相机,将第一视角图像中亮度高于一定阈值的直线作为疑似接触线。
所述第二相机包括可见光相机和近红外相机,将第二视角图像中在受电弓顶端平面上亮度低于一定阈值的直线作为疑似接触线。
进一步的,所述步骤S106还包括拉出值优化计算子步骤:
S10601,根据第一相机采集的前N帧第一视角图像中所识别出的疑似接触线和受电弓位置,计算该前N帧第一视角图像的拉出值,并计算出该N组拉出值的平滑度;
S10602,根据第二相机采集的前N帧第二视角图像中所识别出的疑似接触线和受电弓位置,计算该前N帧第二视角图像的拉出值,并计算出该N组拉出值的平滑度;
S10603,将步骤S5中在双目模式下所计算的前N帧的拉出值与步骤S10601和S10602中在单目模式下所计算的前N帧的拉出值进行比较,计算其相似度;
S10604,根据拉出值的平滑度和相似度来确定该拉出值的可信度,以此确定出最优拉出值。
进一步的,若拉出值的最终平滑度低,则不做拉出缺陷报警。
(2)一种接触网受电弓拉出值超限缺陷识别系统,基于上述方法,所述系统包括视频图像获取模块、存储模块和判定模块。
所述视频图像获取模块用于获取视频图像,并提取出视频图像中接触线的拉出值、接触线数量。
所述存储模块用于缓存多帧视频图像。
所述判定模块用于根据缓存的多帧视频图像判断该多帧视频图像中当前拉出超限候选帧是否存在拉出值超限缺陷。
进一步的,所述视频图像获取模块包括图像矫正模块、受电弓识别模块、接触线识别模块、受电弓模型数据库和拉出值计算模块。
所述图像矫正模块的数据输入端接收第一相机和第二相机从两个不同的角度采集受电弓的视频图像,进行图像矫正处理,图像矫正模块的数据输出端与受电弓识别模块的数据输入端连接。
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。
所述受电弓识别模块的参考端与相应视角的受电弓模型数据库连接,分别定位出第一视角图像和第二视角图像中的受电弓区域。
所述接触线识别模块的数据输入端与受电弓识别模块的数据输出端连接,分别识别出第一视角图像和第二视角图像中的接触线。
所述拉出值计算模块的数据输入端与接触线识别模块的数据输出端连接,根据受电弓区域和接触线的信息计算接触网的拉出值。
进一步的,所述受电弓模型包括第一视角受电弓模型和第二视角受电弓模型。
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。
本发明的有益效果是:
1)本发明提出了一种接触网受电弓拉出值超限缺陷识别方法及系统,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。
2)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。
附图说明
图1为本发明接触网受电弓拉出值超限缺陷识别方法的流程示意图;
图2为本发明接触网受电弓拉出值超限缺陷识别系统的系统框图;
图3为本发明图像获取模块的结构框图。
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。
由于外界环境优势相对复杂,拉出值有时候出现误计算的情况,不能仅用拉出值大小进行拉出值超限判断。因此本发明引入峰谷差阈值、极值、接触线数量等限定条件,对拉出超限判断进行条件限制,减小了拉出值超限缺陷误报的问题。
(一)接触网受电弓拉出值超限缺陷识别方法
如图1所示,该实施例描述了一种接触网受电弓拉出值超限缺陷识别方法,所述方法至少包括以下步骤S1-S7,还包括结束步骤S8。
S1,读取每帧视频图像的拉出值、接触线数量和帧序号。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。
S2,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S8,否则继续对当前拉出超限候选帧进行拉出超限判断,执行S3。
S3,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S4,否则跳转至S8。
S4,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S5,否则跳转至S8。
S5,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S6,否则跳转至S8;
S6,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S7,若处于多接触线模式或无接触线模式,则跳转至S8;
S7,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S8;
S8,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S6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。
只有在精确识别到受电弓和接触线的条件下,才能准确地判断是否应该发出拉出值超限报警,才能得出准确的拉出值。现有技术一般采用单目模式来识别检测受电弓及接触线,而在单目模式的找线过程中,接触网的牵引绳、吊弦等部件,通常很容易被识别出来,容易被误判为接触线。
在单目模式下,其接触线判定方式一般为,由于接触线离相机相比其他线来说更近,真正接触线的成像更加粗一些,线条更亮,因此根据线条成像的粗细及亮度来判断接触线,这种方式明显存在着很多弊端。
因此本发明优先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。进一步的,所述步骤S1中还包括受电弓识别子步骤S101-S106。
S101,通过第一相机采集受电弓的第一视角图像。
S102,通过第二相机采集受电弓的第二视角图像,其中,所述第一视角图像与所述第二视角图像中的受电弓具有一定角度的视角差。
一般的,所述第一相机可采用红外相机,所述第二相机可采用可见光相机,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。
本发明可基于双目原理来获取精准的接触线数据,所述双目原理即基于两个相机从不同角度对受电弓进行拍摄成像的原理,所述的双目模式为基于两个相机的成像图像的模式,所述单目模式为基于一个相机的成像图像的模式。所述第一视角图像与所述第二视角图像中的受电弓具有一定角度的视角差,即第一相机和第二相机可安装在高速轨道交通工具顶部的两侧,从两个不同的角度采集受电弓的视频图像,该视角差一般为锐角。
S103,图像透视矫正,根据受电弓的标定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。
一般的,对于红外相机采集的红外图像,本发明所采用的透视矫正方法可基于九点标定板来实现,通过红外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,只需通过红外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。
对于可见光相机或近红外相机采集的高清图像,本发明也可基于九点标定板来实现透视矫正,通过可见光相机或近红外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,只需通过可见光相机或近红外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。
S104,识别受电弓,分别将第一视角图像和第二视角图像与相应视角的受电弓模型进行匹配,对第一视角图像和第二视角图像中的受电弓进行定位。
每个视角图像都具有相应视角的受电弓模型,每个视角的受电弓模型均包括受电弓整体模型、受电弓左边模型和受电弓右边模型,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。
S105,识别接触线,以第一视角图像的定位结果为基准,对第二视角图像的图像尺寸进行调整,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,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,将第一视角图像和第二视角图像进行比对,查找出相交于受电弓顶端平面的疑似接触线的直线,并将其判定为接触线。
一般的,若第一相机为红外相机,则将第一视角图像中亮度高于一定阈值的直线作为疑似接触线。若第二相机为可见光相机或近红外相机,则将第二视角图像中在受电弓顶端平面上亮度低于一定阈值的直线作为疑似接触线。
进一步的,所述步骤S105还包括接触线跟踪识别判断子步骤: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。
S106,根据S104中识别出的受电弓和S105中识别出的接触线计算当前帧视频图像的拉出值,所述视频图像为第一视角图像或第二视角图像。
一般的,拉出值的计算方式可为:根据接触线与受电弓顶端平面的交点,计算该交点相对于受电弓顶端平面的中心位置的像素距离值,根据该像素距离值和每个图像像素所对应的实际长度计算出该帧图像中接触线的拉出值。
进一步的,所述步骤S106还包括拉出值优化计算子步骤:
S10601,根据第一相机采集的前N帧第一视角图像中所识别出的疑似接触线和受电弓位置,计算该前N帧第一视角图像的拉出值,并计算出该N组拉出值的平滑度;
S10602,根据第二相机采集的前N帧第二视角图像中所识别出的疑似接触线和受电弓位置,计算该前N帧第二视角图像的拉出值,并计算出该N组拉出值的平滑度;
S10603,将步骤S6中在双目模式下所计算的前N帧的拉出值与步骤S10601和S10602中在单目模式下所计算的前N帧的拉出值进行比较,计算其相似度;
S10604,根据拉出值的平滑度和相似度来确定该拉出值的可信度,以此确定出最优拉出值。
进一步的,若拉出值的最终平滑度低,则不做拉出缺陷报警。
(二)接触网受电弓拉出值超限缺陷识别系统
如图2所示,该实施例描述了一种接触网受电弓拉出值超限缺陷识别系统,基于上述方法,所述系统包括视频图像获取模块、存储模块和判定模块。
所述视频图像获取模块用于获取视频图像,并提取出视频图像中接触线的拉出值、接触线数量和帧序号信息。
所述存储模块用于缓存多帧视频图像。
所述判定模块用于根据缓存的多帧视频图像判断该多帧视频图像中当前拉出超限候选帧是否存在拉出值超限缺陷。
如图3所示,进一步的,所述视频图像获取模块包括图像矫正模块、受电弓识别模块、接触线识别模块、受电弓模型数据库和拉出值计算模块。
所述图像矫正模块的数据输入端接收第一相机和第二相机从两个不同的角度采集受电弓的视频图像,进行图像矫正处理,图像矫正模块的数据输出端与受电弓识别模块的数据输入端连接。
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。
所述受电弓识别模块的参考端与相应视角的受电弓模型数据库连接,分别定位出第一视角图像和第二视角图像中的受电弓区域。
所述接触线识别模块的数据输入端与受电弓识别模块的数据输出端连接,分别识别出第一视角图像和第二视角图像中的接触线。
所述拉出值计算模块的数据输入端与接触线识别模块的数据输出端连接,根据受电弓区域和接触线的信息计算接触网的拉出值。
进一步的,所述受电弓模型包括第一视角受电弓模型和第二视角受电弓模型。
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。
将红外相机安装在电力机车或动车车顶,采用双目模式时,将红外相机与近红外相机一起安装,红外相机连接用于处理红外图像或存储的主机,近红外相机连接用于处理可见光图像或存储的主机,将相机对准受电弓,拍摄受电弓区域图像。利用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,获取每帧视频图像的拉出值;判断拉出值是否超限;判断拉出值超限等级,一般可分三级超限,即低级超限、中级超限和高级超限;排除超限报警干扰。排除报警干扰后,拉出超限候选帧没有被淘汰,则判定该拉出超限候选帧存在拉出值超限缺陷,并输出拉出值超限报警信息。
如上参照附图以示例的方式描述了根据本发明的接触网受电弓拉出值超限缺陷识别方法及系统。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受电弓拉出值超限缺陷识别方法及系统,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 (7)
1.接触网受电弓拉出值超限缺陷识别方法,其特征在于,所述方法包括以下步骤:
S1,读取每帧视频图像的拉出值、接触线数量和帧序号;
S2,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S8,否则继续对当前拉出超限候选帧进行拉出超限判断,执行S3;
S3,缓存当前拉出超限候选帧的前后多帧视频图像的拉出值,得到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S4,否则跳转至S8;
S4,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S5,否则跳转至S8;
S5,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S6,否则跳转至S8;
S6,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S7,若处于多接触线模式或无接触线模式,则跳转至S8;
S7,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S8;
S8,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。
2.根据权利要求1所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于,步骤S6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。
3.根据权利要求1所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于,所述步骤S1中还包括受电弓识别子步骤:
S101,通过第一相机采集受电弓的第一视角图像;
S102,通过第二相机采集受电弓的第二视角图像,其中,所述第一视角图像与所述第二视角图像中的受电弓具有一定角度的视角差;
S103,图像透视矫正,根据受电弓的标定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;
S104,识别受电弓,分别将第一视角图像和第二视角图像与相应视角的受电弓模型进行匹配,对第一视角图像和第二视角图像中的受电弓进行定位;
S105,识别接触线,以第一视角图像的定位结果为基准,对第二视角图像的图像尺寸进行调整,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,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,将第一视角图像和第二视角图像进行比对,查找出相交于受电弓顶端平面的疑似接触线的直线,并将其判定为接触线;
S106,根据S104中识别出的受电弓和S105中识别出接触线的计算视频图像的拉出值,所述视频图像为第一视角图像或第二视角图像。
4.根据权利要求3所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于:所述第一相机包括红外相机,将第一视角图像中亮度高于一定阈值的直线作为疑似接触线;
所述第二相机包括可见光相机和近红外相机,将第二视角图像中在受电弓顶端平面上亮度低于一定阈值的直线作为疑似接触线。
5.接触网受电弓拉出值超限缺陷识别系统,应用了如权利要求1-4中任意一项所述的方法,其特征在于,所述系统包括视频图像获取模块、存储模块和判定模块;
视频图像获取模块用于获取视频图像,并提取出视频图像中接触线的拉出值、接触线数量;
存储模块用于缓存多帧视频图像;
判定模块用于根据缓存的多帧视频图像判断该多帧视频图像中当前拉出超限候选帧是否存在拉出值超限缺陷。
6.根据权利要求5所述的接触网受电弓拉出值超限缺陷识别系统,其特征在于:所述视频图像获取模块包括图像矫正模块、受电弓识别模块、接触线识别模块、受电弓模型数据库和拉出值计算模块;
所述图像矫正模块的数据输入端接收第一相机和第二相机从两个不同的角度采集受电弓的视频图像,进行图像矫正处理,图像矫正模块的数据输出端与受电弓识别模块的数据输入端连接;
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;
所述受电弓识别模块的参考端与相应视角的受电弓模型数据库连接,分别定位出第一视角图像和第二视角图像中的受电弓区域;
所述接触线识别模块的数据输入端与受电弓识别模块的数据输出端连接,分别识别出第一视角图像和第二视角图像中的接触线;
所述拉出值计算模块的数据输入端与接触线识别模块的数据输出端连接,根据受电弓区域和接触线的信息计算接触网的拉出值。
7.根据权利要求6所述的接触网受电弓拉出值超限缺陷识别系统,其特征在于:所述受电弓模型包括第一视角受电弓模型和第二视角受电弓模型;
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610047349.XA CN105718902B (zh) | 2016-01-25 | 2016-01-25 | 接触网受电弓拉出值超限缺陷识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610047349.XA CN105718902B (zh) | 2016-01-25 | 2016-01-25 | 接触网受电弓拉出值超限缺陷识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105718902A CN105718902A (zh) | 2016-06-29 |
CN105718902B true CN105718902B (zh) | 2019-03-15 |
Family
ID=56153886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610047349.XA Active CN105718902B (zh) | 2016-01-25 | 2016-01-25 | 接触网受电弓拉出值超限缺陷识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105718902B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107743577B (zh) * | 2015-06-15 | 2020-06-09 | 韩国铁道技术研究院 | 用于检测电动铁道车辆的振动信息的方法和装置 |
CN108489397B (zh) * | 2018-05-18 | 2020-02-14 | 北京国联众泰科技有限公司 | 一种车载接触网运行状态非接触式检测装置及方法 |
CN109101887B (zh) * | 2018-07-12 | 2022-03-15 | 中冶北方(大连)工程技术有限公司 | 基于视觉分析的有轨机车控制方法 |
CN109186469B (zh) * | 2018-10-18 | 2019-11-15 | 北京华开领航科技有限责任公司 | 弓网动态监测系统 |
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 |
CN110907081B (zh) * | 2019-12-09 | 2021-08-06 | 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方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102358324A (zh) * | 2011-06-15 | 2012-02-22 | 广西大学 | 一种基于图像处理的弓网状态检测方法 |
CN104848792A (zh) * | 2015-04-24 | 2015-08-19 | 苏州华兴致远电子科技有限公司 | 车载接触网测量方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT1401952B1 (it) * | 2010-09-22 | 2013-08-28 | Henesis S R L | Sistema e metodo per il monitoraggio di pantografi. |
-
2016
- 2016-01-25 CN CN201610047349.XA patent/CN105718902B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102358324A (zh) * | 2011-06-15 | 2012-02-22 | 广西大学 | 一种基于图像处理的弓网状态检测方法 |
CN104848792A (zh) * | 2015-04-24 | 2015-08-19 | 苏州华兴致远电子科技有限公司 | 车载接触网测量方法及系统 |
Non-Patent Citations (2)
Title |
---|
A computational procedure for the dynamic analysis of the catenary-pantograph interaction in high-speed trains;J ambrosio等;《Journal of theoretical and applied mechanics》;20121231;第50卷(第3期);全文 |
弓网动态接触压力检测的仿真研究;赵兰英;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20110615;全文 |
Also Published As
Publication number | Publication date |
---|---|
CN105718902A (zh) | 2016-06-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105718902B (zh) | 接触网受电弓拉出值超限缺陷识别方法及系统 | |
CN105652154B (zh) | 接触网运行状态安全监测分析系统 | |
CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及系统 | |
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
CN204992418U (zh) | 一种无人机输电线路缺陷自动巡检装置 | |
CN107687953B (zh) | 一种货车故障自动检测设备 | |
CN105730705B (zh) | 一种飞行器摄像定位系统 | |
CN105158257A (zh) | 滑板测量方法及装置 | |
CN110097591B (zh) | 弓网状态的检测方法 | |
CN110254468A (zh) | 一种轨道表面缺陷智能在线检测装置及检测方法 | |
CN102622615B (zh) | 基于刀闸臂特征点间距离的刀闸状态合位可靠性判别方法 | |
CN103759658A (zh) | 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 | |
CN102622614B (zh) | 基于刀闸臂特征点与固定端距离的刀闸合位可靠性判别法 | |
CN105719305A (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN109242035B (zh) | 车底故障检测装置及方法 | |
CN105139413A (zh) | 基于图像特征提取的铁轨连接件质量检测方法及检测系统 | |
CN108174111B (zh) | 巡检机器人目标图像抓取方法 | |
CN102609730B (zh) | 基于动静触头接触比例的刀闸状态合位可靠性判别方法 | |
CN105571508A (zh) | 接触网受电弓的形变检测方法及系统 | |
CN109002045B (zh) | 一种智能巡检机器人的巡检定位方法及巡检定位系统 | |
CN110030960A (zh) | 钢铝复合接触轨磨损检测系统及方法 | |
CN105354827A (zh) | 一种在接触网图像中智能识别线夹螺母脱落的方法及系统 | |
CN108734715A (zh) | 一种自适应学习的接触网刚性导线识别方法及装置 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN105564460B (zh) | 受电弓意外降弓识别检测方法及系统 |
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 |