CN106842192B - 一种有砟轨道病害自动检测识别方法 - Google Patents
一种有砟轨道病害自动检测识别方法 Download PDFInfo
- Publication number
- CN106842192B CN106842192B CN201710026722.8A CN201710026722A CN106842192B CN 106842192 B CN106842192 B CN 106842192B CN 201710026722 A CN201710026722 A CN 201710026722A CN 106842192 B CN106842192 B CN 106842192B
- Authority
- CN
- China
- Prior art keywords
- target
- scale
- window
- disease
- feature
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/885—Radar or analogous systems specially adapted for specific applications for ground probing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
- G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种有砟轨道病害自动检测识别方法,涉及铁路病害检测技术领域,设计了一个滑动时窗,窗口的大小为512×512,窗口的步长为512trace。分别利用统计域能量特征提取方法提取时窗内双曲线渐近线方向特征,并根据欧几里德距离空间判断、识别和记录窗口内是否有病害存在。移动滑动窗口,判断、识别和记录下一个窗口是否有病害存在,依次循环,实现有砟轨道病害的自动检测与识别。该方法实现了一种有砟轨道病害自动检测方法,大大降低了人力成本,提高了检测效率,具有很强的实用性。
Description
技术领域
本发明涉及铁路病害检测技术领域,特别涉及一种有砟轨道病害自动检测识别方法。
背景技术
有砟轨道中道渣囊、翻浆冒泥等病害严重影响了行车的安全性和舒适性。目前的检测方法主要有弹性波法、全波场法等。这些方法检测速度慢,人力成本大,不适用于大规模的普检。探地雷达作为一种快速、连续的无损检测技术,是检测有砟轨道病害的重要手段。而现有探地雷达回波信号的解读方法主要通过人工的方式,由于各人的经验不同,容易造成病害漏检、误检。
发明内容
本发明实施例提供了一种有砟轨道病害自动检测识别方法,用以解决现有技术中存在的问题。
一种有砟轨道病害自动检测识别方法,包括:
获取有砟轨道路基介质的介电常数以及电磁波在路基介质中的传播速度;
有砟轨道探地雷达图分为无目标、点目标和无限体目标三类,根据所述路基介质的介电常数和电磁波在路基介质中的传播速度,利用时域有限差分法获取得到无目标、点目标和无限体目标的正演图像;
利用曲波变换的方法分别对无目标、点目标和无限体目标的正演图像进行处理,得到无目标、点目标和无限体目标的正演图像在不同尺度不同方向上的能量统计特征,其中所述能量统计特征包括Scale 2/3/4这三种尺度下的不同方向的能量统计特征;
选择Scale 3尺度上的能量统计特征为32维超平面上的点,分别构建无目标、点目标和无限体目标的32维特征空间fi(l):
fi(l)=(s'j,1,s'j,2,L,s'j,l,L,s'j,32)
其中,i=1,2,3,分别表示无目标、点目标和无限体目标,j表示尺度,s′j,l表示在尺度j、方向l上的能量统计特征;
使用探地雷达对有砟轨道进行检测,获得探地雷达图;
构建一个尺寸为512×512的滑移窗口,将滑移窗口在所述探地雷达图上沿探地雷达的测线方向移动,顺序采集滑移窗口内的所述探地雷达图中的数据s(x,t);
对数据s(x,t)进行Curvelet变换,得到数据s(x,t)在Scale 3尺度上的特征向量f(l);
利用欧几里得距离空间计算滑移窗口内数据的特征向量与各特征空间的距离,并以与数据的特征向量具有最小距离的特征空间代表的目标类型作为滑移窗口内数据具有的病害类型:
继续移动滑移窗口,得到新的数据s(x,t),直到探地雷达图全部处理完毕。
本发明提供的一种有砟轨道病害自动检测识别方法,设计了一个滑动时窗,窗口的大小为512×512,窗口的步长为512trace。分别利用统计域能量特征提取方法提取时窗内双曲线渐近线方向特征,并根据欧几里德距离空间判断、识别和记录窗口内是否有病害存在。移动滑动窗口,判断、识别和记录下一个窗口是否有病害存在,依次循环,实现有砟轨道病害的自动检测与识别。该方法实现了一种有砟轨道病害自动检测方法,大大降低了人力成本,提高了检测效率,具有很强的实用性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种有砟轨道病害自动检测识别方法的流程图;
图2为实例中采集的轨道的探地雷达图;
图3为无目标时不同尺度不同方向上的能量统计特征;
图4为点目标时不同尺度不同方向上的能量统计特征;
图5为无限体目标时不同尺度不同方向上的能量统计特征;
图6为轨道实际病害在Scale 3尺度上的能量统计特征。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明公开了一种有砟轨道病害自动检测识别方法,该方法包括:
步骤100,获取有砟轨道路基介质的介电常数以及电磁波在路基介质中的传播速度;
步骤110,有砟轨道探地雷达图分为无目标、点目标和无限体目标三类,根据所述路基介质的介电常数和电磁波在路基介质中的传播速度,利用时域有限差分法获取得到无目标、点目标和无限体目标的正演图像;
步骤120,利用曲波变换的方法分别对无目标、点目标和无限体目标的正演图像进行处理,得到无目标、点目标和无限体目标的正演图像在不同尺度不同方向上的能量统计特征,其中所述能量统计特征包括Scale 2/3/4这三种尺度下的不同方向的能量统计特征;
步骤130,选择Scale 3尺度上的能量统计特征为32维超平面上的点,分别构建无目标、点目标和无限体目标的32维特征空间fi(l):
fi(l)=(s'j,1,s'j,2,L,s'j,l,L,s'j,32)
其中,i=1,2,3,分别表示无目标、点目标和无限体目标,j表示尺度,s′j,l表示在尺度j、方向l上的能量统计特征;
步骤140,使用探地雷达对有砟轨道进行检测,获得探地雷达图;
步骤150,构建一个尺寸为512×512的滑移窗口,将滑移窗口在所述探地雷达图上沿探地雷达的测线方向移动,顺序采集滑移窗口内的所述探地雷达图中的数据s(x,t);
步骤160,对数据s(x,t)进行Curvelet变换,得到数据s(x,t)在Scale 3尺度上的特征向量f(l);
步骤170,利用欧几里得距离空间计算滑移窗口内数据的特征向量与各特征空间的距离,并以与数据的特征向量具有最小距离的特征空间代表的目标类型作为滑移窗口内数据具有的病害类型:
步骤180,继续移动滑移窗口,得到新的数据s(x,t),重复步骤160-170,直到探地雷达图全部处理完毕。
实例分析
结合石家庄铁道大学实训基地预设了点目标病害,并利用IDS公司雷达900M雷达进行了检测,检测参数如表1所示,检测结果如图2所示。
表1探地雷达推荐检测参数表
路基介质的介电常数检测为6,建立特征空间。图3-图5展示了三种目标不同尺度不同方向的能量统计特征,以归一化的Scale 3尺度建立特征空间。
图6展示了轨道实际病害在Scale 3尺度上的能量统计特征,对图2的滑移窗口中的数据利用Curvelet变换提取特征向量,并计算特征向量和特征空间的距离,得到特征向量与点目标的特征空间距离最小,所以判定目标为点目标,其结果与预设病害结果相同。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (1)
1.一种有砟轨道病害自动检测识别方法,其特征在于,包括:
获取有砟轨道路基介质的介电常数以及电磁波在路基介质中的传播速度;
有砟轨道探地雷达图分为无目标、点目标和无限体目标三类,根据所述路基介质的介电常数和电磁波在路基介质中的传播速度,利用时域有限差分法获取得到无目标、点目标和无限体目标的正演图像;
利用曲波变换的方法分别对无目标、点目标和无限体目标的正演图像进行处理,得到无目标、点目标和无限体目标的正演图像在不同尺度不同方向上的能量统计特征,其中所述能量统计特征包括Scale 2/3/4这三种尺度下的不同方向的能量统计特征;
选择Scale 3尺度上的能量统计特征为32维超平面上的点,分别构建无目标、点目标和无限体目标的32维特征空间fi(l):
fi(l)=(s′j,l,s′j,2,…,s′j,l,…,s′j,32)
其中,i=1,2,3,分别表示无目标、点目标和无限体目标,j表示尺度,s′j,l表示在尺度j、方向l上的能量统计特征;
使用探地雷达对有砟轨道进行检测,获得探地雷达图;
构建一个尺寸为512×512的滑移窗口,将滑移窗口在所述探地雷达图上沿探地雷达的测线方向移动,顺序采集滑移窗口内的所述探地雷达图中的数据s(x,t);
对数据s(x,t)进行Curvelet变换,得到数据s(x,t)在Scale 3尺度上的特征向量f(l);
利用欧几里得距离空间计算滑移窗口内数据的特征向量与各特征空间的距离,并以与数据的特征向量具有最小距离的特征空间代表的目标类型作为滑移窗口内数据具有的病害类型:
继续移动滑移窗口,得到新的数据s(x,t),直到探地雷达图全部处理完毕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710026722.8A CN106842192B (zh) | 2017-01-14 | 2017-01-14 | 一种有砟轨道病害自动检测识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710026722.8A CN106842192B (zh) | 2017-01-14 | 2017-01-14 | 一种有砟轨道病害自动检测识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106842192A CN106842192A (zh) | 2017-06-13 |
CN106842192B true CN106842192B (zh) | 2019-05-10 |
Family
ID=59124948
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710026722.8A Active CN106842192B (zh) | 2017-01-14 | 2017-01-14 | 一种有砟轨道病害自动检测识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106842192B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480866A (zh) * | 2017-07-24 | 2017-12-15 | 中国铁道科学研究院基础设施检测研究所 | 铁路线路病害检查数据的采集方法、移动终端及服务器 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109001728B (zh) * | 2018-06-26 | 2021-02-09 | 石家庄铁道大学 | 基于探地雷达检测钢筋混凝土内部病害的方法及装置 |
CN110782443B (zh) * | 2019-10-23 | 2023-04-07 | 四川大学 | 一种铁路轨道缺陷检测方法和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000061419A1 (en) * | 1999-04-13 | 2000-10-19 | České Dráhy, Státní Organizace | A method of detecting defects in track subgrade and an apparatus for carrying out the method |
JP2001091646A (ja) * | 1999-09-22 | 2001-04-06 | Toshiba Corp | ドップラーレーダ装置 |
CN105625123A (zh) * | 2015-12-04 | 2016-06-01 | 中国铁路总公司 | 一种无砟轨道ca砂浆层病害检测方法及装置 |
CN105719308A (zh) * | 2016-01-27 | 2016-06-29 | 石家庄铁道大学 | 基于稀疏表示的有砟铁路路基病害特征表示方法 |
CN106290380A (zh) * | 2016-08-31 | 2017-01-04 | 招商局重庆交通科研设计院有限公司 | 隧道深部病害一体化检测系统 |
-
2017
- 2017-01-14 CN CN201710026722.8A patent/CN106842192B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2000061419A1 (en) * | 1999-04-13 | 2000-10-19 | České Dráhy, Státní Organizace | A method of detecting defects in track subgrade and an apparatus for carrying out the method |
JP2001091646A (ja) * | 1999-09-22 | 2001-04-06 | Toshiba Corp | ドップラーレーダ装置 |
CN105625123A (zh) * | 2015-12-04 | 2016-06-01 | 中国铁路总公司 | 一种无砟轨道ca砂浆层病害检测方法及装置 |
CN105719308A (zh) * | 2016-01-27 | 2016-06-29 | 石家庄铁道大学 | 基于稀疏表示的有砟铁路路基病害特征表示方法 |
CN106290380A (zh) * | 2016-08-31 | 2017-01-04 | 招商局重庆交通科研设计院有限公司 | 隧道深部病害一体化检测系统 |
Non-Patent Citations (1)
Title |
---|
"基于随机介质的新型铁路路基病害模型";赵维刚等;《国防交通工程与技术》;20141231;第12卷(第3期);第11-14页 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107480866A (zh) * | 2017-07-24 | 2017-12-15 | 中国铁道科学研究院基础设施检测研究所 | 铁路线路病害检查数据的采集方法、移动终端及服务器 |
Also Published As
Publication number | Publication date |
---|---|
CN106842192A (zh) | 2017-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106842192B (zh) | 一种有砟轨道病害自动检测识别方法 | |
Torrione et al. | Texture features for antitank landmine detection using ground penetrating radar | |
Lu et al. | Feature extraction and automatic material classification of underground objects from ground penetrating radar data | |
KR101917313B1 (ko) | 레이더를 이용하여 객체 탐지를 위한 임계 값을 적응적으로 설정하는 방법 및 장치 | |
CN107066774A (zh) | 倾斜摄影测量预测滚石运动轨迹模拟系统及其预测方法 | |
CN104569972B (zh) | 一种植物根系三维构型无损检测方法 | |
US20150002157A1 (en) | Transient electromagnetic geophysics system with cooperative source(s) | |
CN105910601A (zh) | 一种基于隐马尔科夫模型的室内地磁定位方法 | |
CN103679742B (zh) | 对象跟踪方法和装置 | |
CN103824302B (zh) | 基于方向波域图像融合的sar图像变化检测方法 | |
CN104280784A (zh) | 一种重力识别小断裂的方法 | |
CN103268496A (zh) | Sar图像目标识别方法 | |
CN105116452A (zh) | 一种确定地质异常体电阻率和极化率的方法和装置 | |
JP2015200615A (ja) | レーザー計測結果解析システム | |
CN103941288A (zh) | 一种基于平面导航的三维目标地质体解释方法 | |
CN105590093A (zh) | 基于稀疏表示的地下隐藏裂缝填充物识别方法 | |
US9329146B2 (en) | Transient electromagnetic geophysics system with cooperative source(s) | |
CN106056593A (zh) | 一种基于图像建模的危岩位移监测方法 | |
CN103778633B (zh) | 确定数字高程模型单元网格遮挡的方法及装置 | |
Wang et al. | A knowledge-based method for road damage detection using high-resolution remote sensing image | |
CN104134213B (zh) | 一种数字图像中的目标定位方法以及装置 | |
CN108876760A (zh) | 一种基于历史解译知识的遥感影像变化检测方法 | |
Xu et al. | On-the-fly extraction of polyhedral buildings from airborne LiDAR data | |
US9361352B2 (en) | Point pattern match-based change detection in a constellation of previously detected objects | |
He et al. | Automated reconstruction of walls from airborne lidar data for complete 3D building modelling |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |