CN106803245B - 基于探地雷达周期性检测的铁路路基状态评估方法 - Google Patents

Abstract

本发明涉及基于探地雷达周期性检测的铁路路基状态评估方法，属于铁路路基检测技术领域，该方法的实现步骤为：图像预处理；图像配准；初选变化区域；构造差异图像；精选变化区域；路基异常识别；路基状态分类与建议。本发明通过ORB、FLAAN与RANSAC算法实现探地雷达周期性检测图像的配准，利用特征点二值图像初选变化区域，再通过小波变换构造融合差异图像，采用OTSU精选变化区域，从而可综合利用历史检测信息和当前检测信息对铁路路基状态进行识别和分类。本发明实现了铁路路基状态的快速、动态评估，提高了探地雷达周期性检测数据的处理效率，帮助铁路工务系统及时掌握路基状态、开展养护维修工作。

Description

基于探地雷达周期性检测的铁路路基状态评估方法

技术领域

本发明属于铁路路基检测技术领域，涉及基于探地雷达周期性检测的铁路路基状态评估方法。

背景技术

路基是铁路轨道的基础，作为铁路线路下部结构，对行车安全起着至关重要的作用。路基病害不仅可能引起轨道不均匀下沉，造成轨面状态严重不良，增加线路维修工作量，影响列车的正常运行，严重时还可能危及列车运行安全。如何及时掌握路基的健康状态，采取必要养护措施减缓病害，在不断加大轴重、提高运输效率的同时来保证行车安全，成为当前亟待解决的重大课题。

探地雷达作为一种快速、无损、高效的地球物理探测技术，在铁路路基检测领域的应用越来越广泛，可以对铁路路基施工质量进行监控，检测路基道床厚度与基床表层厚度等，但还是作为一种一次性探测技术进行应用。而在铁路路基检测应用中，由于地下构筑物、注浆加固、高压线、电线杆等多种环境因素的干扰，一次性探测结果提取的路基异常信息存在较多误判，而环境干扰因素造成的结果误判很难通过改进信号处理及图像处理技术来解决。此外，路基异常或病害的产生是一个从无到有的动态演化过程，如何长期观测病害的动态变化，如何进行历史探测结果的对比分析，都是目前一次性探测技术无法实现的。

发明内容

本发明所要解决的技术问题是针对现有路基检测技术中无法实现铁路路基状态动态检测与评估的缺点而提供一种基于探地雷达周期性检测的铁路路基状态评估方法。

本发明解决其技术问题采用的技术方案是：基于探地雷达周期性检测的铁路路基状态评估方法，具体包括：

S1、图像预处理：输入探测铁路区段的上一次检测的探地雷达图像A及当前检测的探地雷达图像B，对这两幅图像进行中值滤波；

S2、图像配准：对图像A和B进行ORB特征点检测，使用FLANN算法进行特征点匹配，使用RANSAC算法过滤匹配点对；根据匹配结果进行几何变换，得到配准后的图像A₁及B₁；

S3、初选变化区域：对A₁中属于匹配点对的特征点灰度值设为255，其他点灰度值设为0，得到特征点二值图像A₂；根据特征点的聚集分布特点，在A₂中绘制特征点的外轮廓矩形框R₁，R₂，……，R_m，m为矩形框个数，沿宽度方向坐标范围分别为(x₁，x₂)，(x₃，x₄)，……，(x_2m-1，x_2m)；根据直线{(x₁，0)，(x₁，H)}，{(x₂，0)，(x₂，H)}，……，{(x_2m，0)，(x_2m，H)}对图像B₁进行图像分割，H为图像A₁的高度，将每幅图像分割为m+n个部分，不包含矩形框的n个部分为初选变化区域，得到变化区域C₁，C₂，……，C_n，n为变化区域个数；

S4、构造差异图像：对步骤S3得到的n个变化区域分别采用差值法、对数比法构造差异图像(C₁₁，C₁₂)，(C₂₁，C₂₂)，……，(C_n1，C_n2)，对这n组差异图像分别进行小波变换融合，得到最终的差异图像D₁，D₂，……，D_n；

S5、精选变化区域：采用OTSU算法对差异图像D₁，D₂，……，D_n进行自动选取阈值和二值化，高于阈值的像素点灰度值设为255，低于阈值的像素点灰度值设为0，二值化后的图像中白色区域所在的里程范围为最终的变化区域；

S6、路基异常识别：对B₁中的变化区域进行路基异常识别；

S7、路基状态分类与建议：根据步骤S5得到的变化检测结果与步骤S6得到的路基异常识别结果对探测铁路区段的路基进行分类和统计，并给出相应的养护指导建议。

进一步的，所述步骤S4中采用差值法构造差异图像C₁₁，C₂₁，……，C_n1的方法为：计算图像A₁及B₁中对应像素点的灰度值的差值的绝对值：

C_k1(i,j)＝|A₁(i,j)-B₁(i,j)|

式中，k为变化区域编号，k＝1，2，……，n；

i为像素的行号，1≤i≤H，H为图像A₁的高度；

j为像素的列号，1≤i≤W_k，W_k为第k个变化区域的宽度。

进一步的，所述步骤S4中采用对数比法构造差异图像C₁₂，C₂₂，……，C_n2的方法为：计算图像A₁及B₁中对应像素点的灰度值的比值的对数的绝对值：

式中，k为变化区域编号，k＝1，2，……，n；

i为像素的行号，1≤i≤H，H为图像的高度；

j为像素的列号，，1≤i≤W_k，W_k为第k个变化区域的宽度。

进一步的，所述步骤S7中的路基状态分类方法为：

1)未变化区域中，如果A₁为健康路基，则该段路基为健康路基；

2)未变化区域中，如果A₁为异常路基，则该段路基为稳定异常路基或者附近有构筑物、金属等干扰；

3)变化区域中，如果A₁为健康路基，B₁为健康路基，则该段路基为潜在异常路基；

4)变化区域中，如果A₁为健康路基，B₁为异常路基，则该段路基为新增异常路基；

5)变化区域中，如果A₁为异常路基，B₁为健康路基，则该段路基为修复路基；

6)变化区域中，如果A₁为异常路基，B₁为异常路基，则该段路基为不稳定异常路基。

进一步的，所述步骤S7中的养护指导建议为：

1)对于稳定异常路基，在日常养护巡查中关注异常发展情况，并检查异常周围是否有构筑物干扰；

2)对于新增异常和不稳定异常，在日常养护巡查中重点关注并尽快整治；

3)对于潜在异常路基，在日常养护巡查中重点关注，发现异常有恶化趋势时，及时进行整治。

有益效果

由于周期性检测使得探地雷达数据量成倍增长，对处理方法的效率有很高的要求。本发明采用ORB算法、特征点二值图像分割、小波变换构建融合差异图像、OTSU阈值分割等手段，实现了探地雷达多时相图像的变化检测，只对变化区域进行识别处理，再根据两次检测结果进行路基状态评估，给出相应的养护指导建议。

与现有的路基检测评估方法相比，本发明具有以下优点：

(1)本发明综合利用两次检测结果对铁路路基状态进行识别和分类评估，可获取铁路路基状态的动态变化信息、路基整治效果，并可针对新增异常、稳定异常、不稳定异常等采取针对性措施。

(2)ORB算法比SIFT、SURF算法的效率有显著提升，本发明采用ORB检测特征点，采用适合高维向量的快速近似最近邻搜索算法FLANN算法和随机抽样一致性算法RANSAC融合而成的匹配策略对匹配结果优化，可取得较好的精度和效率。

(3)通过构建特征点二值图像初选变化区域，可进一步缩短后续处理步骤所需时间，提高处理效率。

附图说明

图1为本发明的方法流程图。

图2为本发明的一个实施例的上一次检测的探地雷达图像。

图3为本发明的一个实施例的当前检测的探地雷达图像。

图4为本发明的一个实施例的特征点二值图像。

图5为本发明的一个实施例的初选变化区域结果。

图6为本发明的一个实施例的OTSU二值图像。

图7为本发明的一个实施例的精选变化区域结果。

具体实施方式

实施例1：检测路段为我国北方某铁路线路，硬质岩石路基地段道床厚度为35cm；路基基床厚3m，其中表层0.7m，采用级配碎石填筑；底层2.3m，采用改良土填筑。两次检测均使用意大利IDS探地雷达，选用400MHz天线。

从两次检测中各选取一幅雷达图像，分别为历史图像A和当前图像B，参见图2和图3，主要变化区域为下沉部分。两幅图像的里程均为(K62+320，K63+420)，但深度方向有偏移。图像大小均为1100×450像素。本实施例使用C#语言开发图像处理程序，部分步骤使用了开源计算机视觉库OpenCVSharp，它是一个OpenCV的.Net wrapper，应用最新的OpenCV库开发。

各步骤具体实施细节如下：

S1、图像预处理

输入探测铁路区段的上一次检测的探地雷达图像A及当前检测的探地雷达图像B。对这两幅图像进行3×3中值滤波。中值滤波方法为：对A图像中的每一个像素点，选取大小为3×3的矩形窗口，将窗口中全部像素点的灰度值按从大到小的顺序排列，组成一个灰度序列，选取序列中间位置的灰度值作为滤波后的输出值；用同样方法对B进行处理。

S2、图像配准

使用OpenCVSharp中的ORB类的DetectAndCompute方法进行ORB特征点检测，A中检测到425个特征点，B中检测到333个特征点。

使用OpenCVSharp中的FlannBasedMatcher类的KnnMatch方法进行特征点匹配。编程实现RANSAC算法，使用RANSAC算法过滤匹配点对，得到99组匹配点对。使用OpenCVSharp中的FindHomography方法进行透视矩阵变换，从而得到配准后的图像A₁及B₁。

S3、初选变化区域

对A₁中属于匹配点对的99个特征点像素值设为255，其他点像素值设为0，得到特征点二值图像A₂，如图4所示。观察图4可知，特征点明显聚集于两个区域。因此，绘制两个矩形框，宽度方向坐标范围分别为(43，318)与(916，1067)。根据直线{(43,0)，(43,450)}，{(318,0)，(318,450)}，{(916,0)，(916,450)}，{(1067,0)，(1067,450)}将图像B₁分割为5个部分。不包含矩形框的3个部分为初选变化区域，得到变化区域C₁，C₂,C₃，如图5所示。

S4、构造差异图像

对步骤S3得到的3个变化区域分别采用差值法、对数比法分别构造差异图像{(C₁₁，C₁₂)，(C₂₁，C₂₂)，(C₃₁，C₃₂)}，对这3组差异图像分别进行小波变换融合，得到最终的差异图像D₁，D₂,D₃。

S5、精选变化区域

采用OTSU阈值分割方法对差异图像D₁，D₂,D₃自动选取阈值和二值化，高于阈值的像素点灰度值设为255，低于阈值的像素点灰度值设为0，二值化后的图像如图6所示。

白色区域沿宽度方向的坐标范围为(349,901)，所对应的里程范围为(K62+669，K63+221)，即最终的变化区域，如图7所示。

S6、路基异常识别

对于变化区域，即(K62+669，K63+221)，雷达图像特征与下沉异常在雷达图像中的响应特征相符合，判定该区域为下沉异常路基。

S7、路基状态分类与建议

根据步骤S5得到的变化检测结果与步骤S6得到的路基异常识别结果对探测铁路区段的路基进行分类和统计，并给出相应的养护指导建议。

对于未变化区域，即(K62+320，K62+669)与(K63+221，K63+420)，上一次检测中该区域为健康路基，则在本次检测中判定该区域为健康路基。

对于变化区域，即(K62+669，K63+221)，上一次检测中该区域为下沉异常路基，本次检测依然判定该区域为下沉异常路基，则该段路基为不稳定异常路基。通过对比两次雷达图像，可发现下沉呈加剧趋势，在日常养护巡查中重点关注并尽快整治。

以上所述实施例仅供本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案也应该属于本发明的范畴，应由各权利要求所限定。

Claims (5)

1.基于探地雷达周期性检测的铁路路基状态评估方法，其特征在于，所述方法包含如下步骤：

S1、图像预处理：输入探测铁路区段的上一次检测的探地雷达图像A及当前检测的探地雷达图像B，对这两幅图像进行中值滤波；

S2、图像配准：对图像A和B进行ORB特征点检测，使用FLANN算法进行特征点匹配，使用RANSAC算法过滤匹配点对；根据匹配结果进行几何变换，得到配准后的图像A₁及B₁；

S3、初选变化区域：对A₁中属于匹配点对的特征点灰度值设为255，其他点灰度值设为0，得到特征点二值图像A₂；根据特征点的聚集分布特点，在A₂中绘制特征点的外轮廓矩形框R₁，R₂，……，R_m，m为矩形框个数，沿宽度方向坐标范围分别为(x₁，x₂)，(x₃，x₄)，……，(x_2m-1，x_2m)；根据直线{(x₁，0)，(x₁，H)}，{(x₂，0)，(x₂，H)}，……，{(x_2m，0)，(x_2m，H)}对图像B₁进行图像分割，H为图像A₁的高度，将每幅图像分割为m+n个部分，不包含矩形框的n个部分为初选变化区域，得到变化区域C₁，C₂，……，C_n，n为变化区域个数；

S4、构造差异图像：对步骤S3得到的n个变化区域分别采用差值法、对数比法构造差异图像(C₁₁，C₁₂)，(C₂₁，C₂₂)，……，(C_n1，C_n2)，对这n组差异图像分别进行小波变换融合，得到最终的差异图像D₁，D₂，……，D_n；

S5、精选变化区域：采用OTSU算法对差异图像D₁，D₂，……，D_n进行自动选取阈值和二值化，高于阈值的像素点灰度值设为255，低于阈值的像素点灰度值设为0，二值化后的图像中白色区域所在的里程范围为最终的变化区域；

S6、路基异常识别：对B₁中的变化区域进行路基异常识别；

S7、路基状态分类与建议：根据步骤S5得到的变化检测结果与步骤S6得到的路基异常识别结果对探测铁路区段的路基进行分类和统计，并给出相应的养护指导建议。

2.如权利要求1所述的方法，其特征在于，所述步骤S4中采用差值法构造差异图像C₁₁，C₂₁，……，C_n1的方法为：计算图像A₁及B₁中对应像素点的灰度值的差值的绝对值：

C_k1(i,j)＝|A₁(i,j)-B₁(i,j)|

式中，k为变化区域编号，k＝1，2，……，n；

i为像素的行号，1≤i≤H，H为图像A₁的高度；

j为像素的列号，1≤i≤W_k，W_k为第k个变化区域的宽度。

3.如权利要求1所述的方法，其特征在于，所述步骤S4中采用对数比法构造差异图像C₁₂，C₂₂，……，C_n2的方法为：计算图像A₁及B₁中对应像素点的灰度值的比值的对数的绝对值：

i为像素的行号，1≤i≤H，H为图像的高度。

4.如权利要求1所述的方法，其特征在于，所述步骤S7中的路基状态分类方法为：

1)对于未变化区域中的路基，如果A₁为健康路基，则该段路基为健康路基；

2)对于未变化区域中的路基，如果A₁为异常路基，则该段路基为稳定异常路基或者附近有构筑物和/或金属干扰；

3)对于变化区域中的路基，如果A₁为健康路基，B₁为健康路基，则该段路基为潜在异常路基；

4)对于变化区域中的路基，如果A₁为健康路基，B₁为异常路基，则该段路基为新增异常路基；

5)对于变化区域中的路基，如果A₁为异常路基，B₁为健康路基，则该段路基为修复路基；

6)对于变化区域中的路基，如果A₁为异常路基，B₁为异常路基，则该段路基为不稳定异常路基。

5.如权利要求1所述的方法，其特征在于，所述步骤S7中的养护指导建议为：

1)对于稳定异常路基，在日常养护巡查中关注异常发展情况，并检查异常周围是否有构筑物干扰；

2)对于新增异常和不稳定异常，在日常养护巡查中重点关注并尽快整治；

3)对于潜在异常路基，在日常养护巡查中重点关注，发现异常有恶化趋势时，及时进行整治。

Images