CN106290393B - 一种高铁接触网斜腕臂管帽丢失检测方法 - Google Patents
一种高铁接触网斜腕臂管帽丢失检测方法 Download PDFInfo
- Publication number
- CN106290393B CN106290393B CN201610794958.1A CN201610794958A CN106290393B CN 106290393 B CN106290393 B CN 106290393B CN 201610794958 A CN201610794958 A CN 201610794958A CN 106290393 B CN106290393 B CN 106290393B
- Authority
- CN
- China
- Prior art keywords
- image
- inclined cantilever
- pipe cap
- pixel
- cantilever
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
Abstract
本发明公开一种高铁接触网斜腕臂管帽丢失检测方法,通过图像预处理,利用Hough变换定位斜腕臂的位置,根据斜腕臂的倾斜角度将图像旋转至斜腕臂处于水平的方向,通过Canny算子检测边缘后,对图像中同一纵坐标的像素点进行像素灰度值累加,通过像素累加的两个峰值确定斜腕臂的边缘,从而提取斜腕臂图像,最后利用图像的灰度分布规律判断管帽是否丢失。本发明给出客观、真实、准确的检测分析结果,克服了传统人工检测方法的缺陷,检测简单、有效,并大大提高了检测效率,并保证了检测的准确性。
Description
技术领域
本发明涉及高速铁路接触网故障检测技术领域,尤其涉及一种高铁接触网斜腕臂管帽丢失检测方法。
背景技术
在高速铁路接触网悬挂装置中,腕臂的管帽是保护腕臂正常工作的重要零件。由于腕臂是空心钢管,在存在施工缺陷或动车组长期运行过程中的震动和冲击的情况下,斜腕臂的管帽缺失会使得杂物等落入腕臂的钢管中,对腕臂甚至整个支撑悬挂装置造成安全隐患。这对接触网支撑装置的结构稳定性提出了更高的要求,需要对管帽丢失进行检测并采取措施排除隐患。原铁道部颁布的4C系统技术规范,包含对接触网的悬挂部分、腕臂部分的高清晰视频监测,涉及基于数字图像处理技术对接触网支撑及悬挂装置中零部件的故障检测。
对于接触网零部件状态缺陷检测,目前我国主要以传统的人工巡检方式,此外业内人员使用摄像机拍摄接触网支撑悬挂装置图像,并在离线状态下对各部件的故障状态人工识别。但也存在以下问题:工作量大、效率低、故障判断存在较大滞后性。基于图像处理技术的非接触式弓网检测技术研究可实现不干扰行车安全的弓网检测装置开发,所用设备可拓展性强,可实现弓网参数和故障的自动识别,具有众多优势。目前国内外基于图像处理的弓网故障状态检测已有一些研究,陈维荣研究了基于形态学处理和Radon变换的受电弓滑板状态监测。张桂南采用金字塔近邻平均算法和小波奇异值法检测接触网绝缘子故障,并研究了基于Harris角点与谱聚类实现了绝缘子的抗旋转匹配和故障检测。刘寅秋采用归一化互相关和局部二值化法,提取并计算接触网动态高度以及拉出值等参数。由于现场采集的接触网支撑及悬挂装置图像普遍较复杂,采用图像处理技术对腕臂管帽这样微小且灰暗的部件进行故障检测存在较大的难度,目前此方面的研究还未见相关报道。
发明内容
针对上述问题本发明的目的在于提供一种更为简单有效,效果更高,可靠性更强的高铁接触网斜腕臂管帽丢失检测方法。技术方案如下:
一种高铁接触网斜腕臂管帽丢失检测方法,包括以下步骤:
对高速铁路接触网支撑及悬挂装置进行成像,对采集的图像进行筛选,选取接触网图像的全局图像作为管帽检测的图片;
对全局图像进行预处理以突出腕臂结构;
采用Hough变换检测并连接图中的线段,并在Hough矩阵中提取前10个灰度峰值点,实现图像中主要直线的定位;
取倾角在30°~75°之间的一组平行线段作为斜腕臂的一组边缘,并计算斜腕臂的实际倾斜角度;
根据该实际倾斜角度将图像旋转至斜腕臂处于水平的方向;
利用Canny算子对旋转后的图像检测边缘,将得到的边缘图像中同一纵坐标上的像素点进行像素灰度值的累加,得到像素累加分布图;
像素累加分布图中的两个峰值对应斜腕臂的边缘,将该峰值所在的直线作为分割直线,将斜腕臂图像从原旋转后的图像中分割出来;
在斜腕臂图像中,利用图像的灰度分布规律判断管帽是否丢失像素累加分布图中的两个峰值对应斜腕臂的边缘,将该峰值所在的直线作为分割直线,将斜腕臂图像从原旋转后的图像中分割出来;
在斜腕臂图像中,利用图像的灰度分布规律判断管帽是否丢失。
进一步的,所述判断管帽是否丢失的方法包括:
对分割出的斜腕臂图像中同一纵坐标的像素点进行像素灰度值累加,得到斜腕臂边缘对应的纵坐标,取其平均值得到对称轴所在直线;
在对称轴上做斜腕臂图像的像素灰度统计曲线,计算统计曲线的差分值;
最大差分值所在横坐标为腕臂与管帽的衔接处,计算斜腕臂对称轴上管帽部分的像素平均值;
若该像素平均值大于设定阈值,则管帽存在,否则管帽丢失。
更进一步的,所述预处理包括采用滤波、对比度增强或腐蚀,使支柱和拉线淡化,从而突出腕臂结构。
1)本发明直接通过图像处理方法对高铁接触网斜腕臂管帽丢失状态进行检测,给出客观、真实、准确的检测分析结果,克服了传统人工检测方法的缺陷,为高铁接触网支撑及悬挂装置零部件故障检测提供一种较好的思路;
2)本发明根据斜腕臂及其管帽的结构特点,巧妙地将Hough变换和灰度分布规律结合,对管帽存在与丢失的状态检测简单、有效;
3)本发明的方法正确检测率较高,简化了故障检测的难度,大大提高了检测效率,并保证了检测的准确性。
附图说明
图1为本发明方法的处理过程框图。
图2为本发明现场采集图像中的接触网支撑悬挂装置的全局图像。
图3为本发明对待检测图像做预处理的效果图。
图4为本发明做HOUGH变换后由HOUGH矩阵提取的前10个峰值。
图5为本发明HOUGH变换峰值对应的线段。
图6为本发明斜腕臂旋转至水平的效果图。
图7为本发明斜腕臂竖直方向边缘像素累加分布图。
图8为本发明提取斜腕臂的结果图。
图9为本发明斜腕臂管帽的安装状态。
图10为本发明斜腕臂中心线像素灰度值统计曲线。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。图1为本发明方法的处理过程框图。图2示出现场采集图像中接触网支撑悬挂装置的全局图像,可看出对如此细小部件检测的难度。
检测步骤如下:
1)斜腕臂的定位与提取
专用综合列检车在一定运行速度下,对高速铁路接触网支撑及悬挂装置进行成像,将上行和下行的高清图像分别存储在两个图像库中。然后对采集的图像进行筛选,选取上下行接触网图像的全局图像作为管帽检测的图片。
对全局图像进行预处理以突出腕臂结构。其中图像预处理包括采用滤波、对比度增强或腐蚀等,使支柱和拉线等其他直线结构淡化,从而突出腕臂结构。图3示出了图像进行预处理先后的效果对比图。
采用Hough变换检测并连接图中的线段,并在Hough矩阵中提取前10个灰度峰值点,如图4所示,实现图像中主要直线的定位,如图5中虚线所示。由于斜腕臂的倾斜角度通常在30°~75°之间,所以取倾角在30°~75°之间的一组平行线段作为斜腕臂的一组边缘,并计算斜腕臂的实际倾斜角度。根据该实际倾斜角度将图像旋转至斜腕臂处于水平的方向,如图6所示。
利用Canny算子对旋转后的图像检测边缘,将得到的边缘图像中同一纵坐标上的像素点进行像素灰度值的累加,得到像素累加分布图,如图7所示,图中的两个峰值对应斜腕臂的边缘,将该峰值所在的直线作为分割直线,将斜腕臂图像从原旋转后的图像中分割出来,如图8所示。
在斜腕臂图像中,利用图像的灰度分布规律判断管帽是否丢失,具体方法见下文。
2)管帽不良状态的检测
分析现场采集的接触网图像中斜腕臂管帽的安装状态如图9,可采用基于灰度分布规律特征提取的方法检测斜腕臂管帽丢失的不良状态。
对分割出的斜腕臂图像中同一纵坐标的像素点进行像素灰度值累加,得到腕臂边缘对应的纵坐标,取其平均值得到对称轴所在直线;在对称轴上做斜腕臂图像的像素灰度统计曲线,如图10所示。
然后计算统计曲线的差分值;最大差分值所在横坐标为腕臂与管帽的衔接处。由于管帽灰度值与腕臂灰度值差距最大,可以认为最大差分值所在横坐标为腕臂与管帽的衔接处。根据中国铁道标准,管帽的长度和腕臂的直径固定,可根据管帽长度与腕臂直径的比值确定出管帽在该检测图像中的长度。然后计算斜腕臂对称轴上管帽部分的像素平均值;若该像素平均值大于设定阈值,则管帽存在,否则管帽丢失。
Claims (2)
1.一种高铁接触网斜腕臂管帽丢失检测方法,其特征在于,包括以下步骤:
对高速铁路接触网支撑及悬挂装置进行成像,对采集的图像进行筛选,选取接触网图像的全局图像作为管帽检测的图片;
对全局图像进行预处理以突出腕臂结构;
采用Hough变换检测并连接图中的线段,并在Hough矩阵中提取前10个灰度峰值点,实现图像中主要直线的定位;
取倾角在30°~75°之间的一组平行线段作为斜腕臂的一组边缘,并计算斜腕臂的实际倾斜角度;
根据该实际倾斜角度将图像旋转至斜腕臂处于水平的方向;
利用Canny算子对旋转后的图像检测边缘,将得到的边缘图像中同一纵坐标上的像素点进行像素灰度值的累加,得到像素累加分布图;
像素累加分布图中的两个峰值对应斜腕臂的边缘,将该峰值所在的直线作为分割直线,将斜腕臂图像从原旋转后的图像中分割出来;
在斜腕臂图像中,利用图像的灰度分布规律判断管帽是否丢失;
所述判断管帽是否丢失的方法包括:
对分割出的斜腕臂图像中同一纵坐标的像素点进行像素灰度值累加,得到斜腕臂边缘对应的纵坐标,取其平均值得到对称轴所在直线;
在对称轴上做斜腕臂图像的像素灰度统计曲线,计算统计曲线的差分值;
最大差分值所在横坐标为腕臂与管帽的衔接处,计算斜腕臂对称轴上管帽部分的像素平均值;
若该像素平均值大于设定阈值,则管帽存在,否则管帽丢失。
2.根据权利要求1所述的高铁接触网斜腕臂管帽丢失检测方法,其特征在于,所述预处理包括采用滤波、对比度增强或腐蚀,使支柱和拉线淡化,从而突出腕臂结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794958.1A CN106290393B (zh) | 2016-08-31 | 2016-08-31 | 一种高铁接触网斜腕臂管帽丢失检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610794958.1A CN106290393B (zh) | 2016-08-31 | 2016-08-31 | 一种高铁接触网斜腕臂管帽丢失检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106290393A CN106290393A (zh) | 2017-01-04 |
CN106290393B true CN106290393B (zh) | 2018-11-20 |
Family
ID=57673857
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610794958.1A Active CN106290393B (zh) | 2016-08-31 | 2016-08-31 | 一种高铁接触网斜腕臂管帽丢失检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106290393B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106919978B (zh) * | 2017-01-18 | 2020-05-15 | 西南交通大学 | 一种高铁接触网支撑装置零部件识别检测方法 |
CN108399624A (zh) * | 2018-02-01 | 2018-08-14 | 中铁电气化局集团有限公司 | 一种腕臂定位标识的检测方法 |
CN109612711A (zh) * | 2018-12-29 | 2019-04-12 | 北京天高科科技有限公司 | 电气化铁路接触网腕臂螺丝松动监测系统 |
CN110363769B (zh) * | 2019-06-19 | 2023-03-10 | 西南交通大学 | 一种高铁接触网支撑装置腕臂系统图像分割方法 |
CN110310276B (zh) * | 2019-07-05 | 2022-11-18 | 石家庄铁道大学 | 一种基于几何特性的电气化铁路支撑装置管帽定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477065A (zh) * | 2009-01-08 | 2009-07-08 | 西安电子科技大学 | 基于缺陷边界值变化次数的ic缺陷分类方法 |
CN105741291A (zh) * | 2016-01-30 | 2016-07-06 | 西南交通大学 | 一种高速铁路接触网悬挂装置等电位线故障检测方法 |
-
2016
- 2016-08-31 CN CN201610794958.1A patent/CN106290393B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477065A (zh) * | 2009-01-08 | 2009-07-08 | 西安电子科技大学 | 基于缺陷边界值变化次数的ic缺陷分类方法 |
CN105741291A (zh) * | 2016-01-30 | 2016-07-06 | 西南交通大学 | 一种高速铁路接触网悬挂装置等电位线故障检测方法 |
Non-Patent Citations (3)
Title |
---|
基于仿射不变矩的电气化铁路绝缘子片间夹杂异物检测;杨红梅等;《铁道学报》;20130430;第35卷(第4期);第31页左栏第2段-第34页最后1段 * |
基于角点匹配与谱聚类的接触网绝缘子破损/夹杂异物故障检测;张桂南等;《仪器仪表学报》;20140630;第35卷(第6期);第1373页左栏第2段-第1374页右栏最后1段 * |
高速铁路接触网研究进展;刘志刚等;《西南交通大学学报》;20160630;第51卷(第3期);第495-518页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106290393A (zh) | 2017-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106290393B (zh) | 一种高铁接触网斜腕臂管帽丢失检测方法 | |
CN104318582B (zh) | 一种高铁接触网旋转双耳部件销钉不良状态检测方法 | |
CN104794720B (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
CN107764839A (zh) | 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置 | |
CN105719305B (zh) | 接触网中组件脱落缺陷识别方法及系统 | |
CN105741291A (zh) | 一种高速铁路接触网悬挂装置等电位线故障检测方法 | |
CN109754368B (zh) | 一种桥梁质量检测中的裂缝拼接方法 | |
CN106570857A (zh) | 一种基于hog特征的高铁接触网斜拉线固定钩螺帽脱落不良状态的检测方法 | |
CN106372667A (zh) | 一种高铁接触网斜撑套筒部件螺钉不良状态检测方法 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
CN106340019A (zh) | 一种高铁接触网斜拉线固定钩不良状态检测方法 | |
CN102288614B (zh) | 基于曲波域移动平行窗的受电弓裂纹故障检测方法 | |
CN109598187A (zh) | 障碍物识别方法、障碍物识别系统及轨道车自动驾驶装置 | |
CN105354827B (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 | |
CN103196372A (zh) | 一种电气化铁路接触网支持装置的光学成像检测方法 | |
CN111402214A (zh) | 基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法 | |
CN103034850A (zh) | 一种tfds挡键丢失故障自动识别方法 | |
CN111462045B (zh) | 一种悬链支撑组件缺陷的检测方法 | |
CN107154034B (zh) | 一种高铁接触网斜拉线定位钩的状态检测方法及系统 | |
CN110688944A (zh) | 一种基于图像识别和机器学习的螺栓松弛监测方法 | |
CN112197715B (zh) | 一种基于图像识别的电梯制动轮与闸瓦间隙检测方法 | |
CN106446934A (zh) | 基于hog特征的高铁接触网承力索座支撑底座检测方法 | |
CN104691575A (zh) | 一种铁轨故障在线诊断系统及方法 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 |
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 |