CN107014303A - 一种基于数字图像处理的钢轨蠕变监测方法 - Google Patents

一种基于数字图像处理的钢轨蠕变监测方法 Download PDF

Info

Publication number
CN107014303A
CN107014303A CN201710206339.0A CN201710206339A CN107014303A CN 107014303 A CN107014303 A CN 107014303A CN 201710206339 A CN201710206339 A CN 201710206339A CN 107014303 A CN107014303 A CN 107014303A
Authority
CN
China
Prior art keywords
rail
creep
image
denoted
pixel
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
Application number
CN201710206339.0A
Other languages
English (en)
Other versions
CN107014303B (zh
Inventor
张伟
李曦
王军
王一军
张航
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Central South University
Original Assignee
Central South University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Central South University filed Critical Central South University
Priority to CN201710206339.0A priority Critical patent/CN107014303B/zh
Publication of CN107014303A publication Critical patent/CN107014303A/zh
Application granted granted Critical
Publication of CN107014303B publication Critical patent/CN107014303B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/08—Measuring installations for surveying permanent way

Abstract

本发明公开了一种基于计算视觉的钢轨蠕变监测方法。现场固定安装的相机采集图像后，通过网络传输到服务端进行蠕变监测。监测分为标定和蠕变检测两个过程。其中，标定过程实现钢轨待检区域的提取，并获取待检区域未蠕变时的标准点集及特征；检测过程从实时采集的钢轨图像中裁剪待检区域，预处理后获取实时点集及特征，而后通过配准算法对标准及实时点集进行配准，消除误匹配后获得蠕变点集。计算每个蠕变点在X和Y方向上的像素偏移，结合相机的安装和固有参数将像素偏移映射成公制偏移，分别获得钢轨的高低和轨向蠕变。本发明实现了钢轨蠕变多观测点的统一管理，具有准确、实时、快速、非接触、亚全天候的优势，是现有各检测方式的有益补充。

Description

一种基于数字图像处理的钢轨蠕变监测方法
技术领域
本发明涉及铁路工务轨道平顺性检测领域，尤其是属于基于图像配准技术实现对钢轨蠕变的非接触实时检测领域。
背景技术
随着近年高速铁路的发展，列车运行时速大幅提高，列车运行时各项指标、要求更为严格，首当其冲便是轨道的平顺性。然而受到铁路建设、自然环境以及列车运行等因素影响，轨道难免会发生蠕变以导致平顺性出现问题，严重时可能会造成铁路断轨，甚至造成列车脱轨等重大事故。目前，对于钢轨蠕变的观测主要通过如下几种方式实现：完全人工式的定点测量，主要采用拉弦线的方法测量无缝线路钢轨的高低蠕变。此方式显著缺点是测量精度及效率低、不具备实时性，在低速既有线路尚有一定运用空间，但无法满足高速铁路蠕变检测的要求；人工和便携式精密测量仪器相结合的方式。虽然在测量精度上较第一种方式有了本质提高，但同样只能定点式测量，测量效率低、不具备实时性，受行车间隙及天窗期影响等问题，无法满足高铁工务作业快速高效的需求；人工携带并操作轨检仪或轨检小车的方式。该方式测量精度能满足工程实践需求，较前两种实时性有了提升但由于受人为因素影响实时性、效率并没有本质提升，同时存在无法检测由于路基冻胀引起的大幅突变性隆起问题；轨道检查车，不仅能检测钢轨蠕变，其已经成为对铁路进行综合轨检的重要途径。但其造价昂贵，只有路局及以上单位才配备，每次例行轨检需统一调度无法实时性检测，且存在着蠕变位置与给出蠕变位置的距离偏差问题，这使得人工复检必不可少；基于接触式传感器的在线实时监测方法，通过预先埋设传感器以检测钢轨实际蠕变。虽然此方式较上一种，其成本低廉、维修简便、实时性有较好提升，但存在前期工作量大、测量误差大、维修困难且可能影响铁路工务现场作业的问题；
综合以上分析，现有主要检测方式都可以直接或间接地实现轨道高低蠕变的检测，但对于轨向蠕变的检测却无能为力。同时，方式1~4存在着无法实时监测的问题，方式5存在着影响铁路工务现场作业的可能。而对于冻土、软土、桥梁等特殊路段，受气象条件、地址水文以及列车运行冲击等原因的影响，钢轨蠕变极易发生，且具有较强的突发性。
发明内容
本发明所要解决的技术问题是，针对现有技术不足，提供一种基于数字图像处理的钢轨蠕变监测方法。
为解决上述技术问题，本发明所采用的技术方案是： 一种基于数字图像处理的钢轨蠕变监测方法，包括以下步骤：
1）将工业相机安置于轨道观测桩上，调整工业相机以恰好对焦于钢轨轨腰区域，将工业相机的现场安装参数、固有参数，传输并存储至服务器；
2）启动钢轨标定过程，选取某一时刻启动现场工业相机拍摄未蠕的变钢轨图像，并将所述图像传输并存储至服务器，记作标准图像A；
3）对A进行标定，标识出所述图像待检区域的范围R，以AR表示；
4）对AR进行滤波预处理，处理后记作图像S；
5）对S进行配准点特征提取，存储提取特征点序列，记作标准特征点集合FR；
6）如需人为更换未蠕变钢轨图像，则重复执行步骤2）至步骤5）；
7）启动钢轨蠕变检测过程，启动定时器，触发检测过程；
8）启动现场工业相机采集钢轨图像，并将所述钢轨图像作为实时图像传输并存储至服务器，记作图像B；
9）根据AR的大小和位置在B中标定出等同区域，以此作为B的待检区域，记作BR；
10）对BR采用与步骤4）相同的方法进行滤波预处理，处理后记作图像W；
11）对W采用与步骤5）相同的方法进行配准点特征提取，记作实时特征点集合FWR；
12）对FR与FWR进行图像特征一一对应的匹配，将结果记作初步配准点对集MR；
13）剔除MR中错误配准点对，最终获得蠕变点对集MTR；
14）对MTR分别计算每一配准点对之间X（轨向）、Y（高低）的设备坐标偏移量，再分别将X方向、Y方向所计算的各个偏移量求和，得到配准后轨向、高低像素级蠕变偏差和SumRX、SumRY；
15）由工业相机安装参数、固有参数，结合图像实际分辨率，将图像像素单位转换至实际测量中的公制单位，得到像素与公制的换算关系，把轨向、高低的像素蠕变偏差和SumRX、SumRY转换为公制上的蠕变偏差和MSumRX、MSumRY，并计算公制轨向、高低蠕变偏差和均值ETRX、ETRY；
16）将轨向、高低的蠕变偏差和均值ETRX、ETRY作为结果推送至用户；
17）等待步骤7）定时器中断到达，继续执行步骤8）至步骤16）。
与现有技术相比，本发明所具有的有益效果为：本发明公开了一种基于计算视觉的钢轨蠕变监测方法。现场固定安装的相机采集图像后，通过网络传输到服务端进行蠕变监测。监测分为标定和蠕变检测两个过程。其中，标定过程实现钢轨待检区域的提取，并获取待检区域未蠕变时的标准点集及特征；检测过程从实时采集的钢轨图像中裁剪待检区域，预处理后获取实时点集及特征，而后通过配准算法对标准及实时点集进行配准，消除误匹配后获得蠕变点集。计算每个蠕变点在X和Y方向上的像素偏移，结合相机的安装和固有参数将像素偏移映射成公制偏移，分别获得钢轨的高低和轨向蠕变。本发明实现了钢轨蠕变多观测点的统一管理，具有准确、实时、快速、非接触、亚全天候的优势，是现有各检测方式的有益补充。
附图说明
图1是本发明设计的一种基于数字图像处理的钢轨蠕变监测方法算法流程图；
图2是本发明涉及的工业相机拍摄轨道时与轨道相对位置和角度的原理图，R为标定区域，A为R区域左上角，B为R区域右上角以此划定范围；
图3是本发明涉及的工业相机拍摄轨道时与轨道相对位置和角度的原理截面图，图3中1代表工业相机，2是相机拍摄时与观测桩所成俯角θ，3是观测桩距钢轨距离，4是观测桩上相机距水平面的距离，5是钢轨与相机视场所成夹角θ，6是单根钢轨轨腰高度。
具体实施方式
本发明方法的具体步骤如下：
第一步，工业相机参数设置与未蠕变钢轨图像的采集。
1） 如图2所示采集钢轨图像，工业相机安置于轨道观测桩上，调整相机以恰好对焦于钢轨轨腰区域，将工业相机的现场安装参数、固有参数，通过网络传输并存储至服务器；
2） 启动钢轨蠕变标定过程，选取某一时刻，服务器发送指令启动现场工业相机拍摄未蠕变的钢轨图像，并通过网络传输存储至服务器，记作标准图像A；
第二步，钢轨图像待检区域标定，预处理钢轨图像待检区域。
3） 如图2所示，对A以人工标定的方式进行待检区域标定，标识出A的待检区域范围R以AR表示，分别记录R左上角（x1，y1）、右下角（x2，y2）在图像中的设备坐标，并将此区域范围存储至服务器；
4） 对AR进行滤波预处理，降低图像中的噪声干扰，增强图像细节，处理后记作图像S；
第三步，未蠕变钢轨图像的图像特征提取与存储。
5） 对S进行配准点特征提取，存储所提取特征点序列，记作标准特征点集合FR；
6） 如需人为更换未蠕变钢轨图像，则重复执行步骤2）至步骤5）；
第四步，启动实时钢轨蠕变监测定时器，触发检测过程。
7） 启动钢轨蠕变检测过程，设定任务执行时刻，如8:00、10:00等，启动定时器；
8） 服务器发送指令启动现场工业相机采集钢轨图像，并将所述钢轨图像通过网络传输储存至服务器作为实时图像，记作图像B；
第五步，实时钢轨图像待检区域标定，预处理钢轨图像待检区域。
9） 根据AR的大小和位置，即步骤3）中（x1，y1）、（x2，y2），在B中标定出等同区域作为B的待检区域，记作BR；
10）对BR采用与步骤4）相同的方法进行滤波预处理，降低图像中的噪声干扰，增强图像细节，处理后记作图像W；
第六步，实时钢轨图像的图像特征提取，未蠕变钢轨图像与实时钢轨图像配准。
11）对W采用与步骤5）相同的方法进行配准点特征提取，记作实时特征点集合FWR；
12）从服务器获取FR，与FWR进行图像特征一一对应的匹配，将结果记作初步配准点对集MR；
13）剔除MR中错误配准点对，最终获得蠕变点对集MTR；
第七步，计算配准后未蠕变钢轨图像与实时钢轨图像中的轨向蠕变和高低蠕变。
14）对MTR分别计算每一对配准点对特征点之间X（轨向）、Y（高低）的设备坐标偏移量DXi、DYi（i=1… n），再分别将X方向、Y方向所计算的各个偏移量求和ΣDXi、ΣDYi，得到配准后轨向、高低像素级蠕变偏差和SumRX、SumRY；
15）由工业相机安装参数、固有参数，包括：相机焦距、CCD尺寸、视场角大小、拍摄距离等，计算出相机拍摄视场范围（相机靶面为矩形，所以视场范围即计算出相机拍摄的实际矩形范围）。结合所得视场范围与图像分辨率，将图像的像素单位转换至实际测量中的公制单位（如米，厘米，毫米），得到像素与公制的换算关系，把轨向、高低的像素蠕变偏差和SumRX、SumRY转换为公制上的蠕变偏差和MSumRX、MSumRY，并由公式MSumRX/n、MSumRY/n得到公制X、Y各自蠕变偏差和均值ETRX、ETRY；
第八步，推送检测结果，并等待定时器中断到达。
16）将轨向、高低的蠕变偏差和均值ETRX、ETRY作为结果推送至用户；
17）等待步骤7）定时器中断到达，继续执行步骤8）至步骤16）。
实施例
以下为本发明的实例步骤说明：
1） 如图2所示采集钢轨图像，工业相机安置于轨道观测桩上，调整相机以恰好对焦于钢轨轨腰区域，为了提高成像质量，给相机镜头前加装滤光片以滤出杂光干扰，机身旁加装补光灯以保证拍摄时光线充足。将工业相机现场安装参数、固有参数，通过4G网络传输，存储至服务器数据库；
2） 选取上午8:30拍摄未蠕变钢轨图像，服务器发送指令启动现场工业相机采集所述图像，通过4G网络传输，存储至服务器数据库记作图像A；
3） 如图2所示，对A以人工标定的方式进行待检区域标定，标识出图像钢轨轨腰，作为待检区域范围R以AR表示，分别记录R左上角（x1，y1）、右下角（x2，y2）在图像中的设备坐标，并将此区域范围存储至服务器数据库；
4） 对AR使用高斯滤波处理（即进行核大小为5*5的高斯卷积），降低图像中的噪声干扰，增强图像细节，处理后记作图像S；
5） 对S使用尺度不变特征变换（SIFT）方法进行SIFT特征点提取（结果包括特征点在图像中x、y坐标值，特征点128维的特征描述向量），在服务器数据库存储所提取SIFT特征点序列，记作标准特征点集合FR；
6） 如需人为更换未蠕变钢轨图像，则重复执行步骤2）至步骤5）；
7） 启动钢轨蠕变检测过程，设定任务执行时刻，如8:00、10:00等，启动定时器；
8） 服务器发送指令启动现场工业相机采集钢轨图像，并将所述图像通过4G网络传输存储至服务器数据库作为实时图像，记作图像B；
9） 根据AR的大小和位置，即步骤3）中（x1，y1）、（x2，y2），在B中标定出等同区域作为B的待检区域，记作BR；
10）对BR采用与步骤4）相同的方法进行滤波预处理，降低图像中的噪声干扰，增强图像细节，处理后记作图像W；
11）对W采用与步骤5）相同的方法进行配准点特征提取，记作实时特征点集合FWR；
12）从服务器获取FR，与FWR使用最优节点优先（BBF）算法进行图像特征点一一对应的匹配，将结果记作初步配准点对集MR；
13）使用随机抽样一致性（RANSAC）方法剔除MR中错误配准点对，最终获得蠕变点对集MTR；
14）对MTR分别计算每一对配准点对特征点之间X（轨向）、Y（高低）的设备坐标偏移量DXi、DYi（i=1… n），再分别将X方向、Y方向所计算的各个偏移量求和ΣDXi、ΣDYi，得到配准后轨向、高低像素级蠕变偏差和SumRX、SumRY；
15）由工业相机安装参数、固有参数，包括：相机焦距、CCD尺寸、视场角大小、拍摄距离等，计算出相机拍摄视场范围（相机靶面为矩形，所以视场范围即计算出相机拍摄的实际矩形范围）。结合所得视场范围与图像分辨率，将图像的像素单位转换至实际测量中的公制单位（如米，厘米，毫米），得到像素与公制的换算关系。具体转换公式如下：
前提工业相机已经与拍摄物体成功对焦；
1.设工业相机感光元件大小为H0*W0（单位：毫米），实际拍摄视场大小为H1*W1（单位：毫米），图像分辨率为H2*W2（单位：像素），工业相机成功对焦焦距为f，如图3所示相机距水平面高度H3，观测桩距轨W3，相机俯角θ；
2.设物距为u，相距为v，由高斯成像公式1/u + 1/v = 1/f …（1）；
3.由牛顿倍率公式可得相机放大倍率PMAG = v/u = H0/H1 = W0/W1 …（2）；
4.由（1）式和（2）式可得f = (u*PMAG) / (1 + PMAG) … （3）；
5.u、f、H0、W0已知，由（3）式可求PMAG，再由（2）式可得H1 = H0 / PMAG,W1 = W0 / PMAG；
6.已有实际视场H1*W1和图像分辨率H2*W2，易得比率PixelPerMMH = H1/H2,PixelPerMMW = W1/W2；
7.相机成俯角θ = arctan(W3/H3)拍摄，所得视场H1为R区域的正投影，所以钢轨高低方向的比率PixelPerMMH应转换为PixelPerMMHt = H1/H2/sinθ，同理SumRY应转换为SumRYt =SumRY/sinθ；
由转换关系，轨向、高低的像素蠕变偏差和SumRX、SumRYt转换为公制上的蠕变偏差和MSumRX = SumRX* PixelPerMMW、MSumRY = SumRYt*PixelPerMMHt，并由公式MSumRX/n、MSumRY/n计算公制X、Y各自蠕变偏差和均值ETRX、ETRY；
16）将轨向、高低的蠕变偏差和均值ETRX、ETRY作为结果存入服务器数据库；
17）等待步骤7）定时器中断到达，继续执行步骤8）至步骤16）；
18）如果人为打断蠕变监测，则终止程序。

Claims (2)

1.一种基于数字图像处理的钢轨蠕变监测方法，其特征在于，包括以下步骤：
1)将工业相机安置于轨道观测桩上，调整工业相机以恰好对焦于钢轨轨腰区域，将工业相机的现场安装参数、固有参数，传输并存储至服务器；
2)启动钢轨标定过程，选取某一时刻启动现场工业相机拍摄未蠕变的钢轨图像，并将所述图像传输并存储至服务器，记作标准图像A；
3)对A进行标定，标识出所述图像待检区域的范围AR；
4)对AR进行滤波预处理，处理后记作图像S；
5)对S进行配准点特征提取，存储提取特征点序列，记作标准特征点集合FR；
6)如需人为更换未蠕变钢轨图像，则重复执行步骤2)至步骤5)；
7)启动钢轨蠕变检测过程，启动定时器，触发检测过程；
8)启动现场工业相机采集钢轨图像，并将所述钢轨图像作为实时图像传输并存储至服务器，记作图像B；
9)根据AR的大小和位置在B中标定出等同区域，以此作为B的待检区域，记作BR；
10)对BR采用与步骤4)相同的方法进行滤波预处理，处理后记作图像W；
11)对W采用与步骤5)相同的方法进行配准点特征提取，记作实时特征点集合FWR；
12)对FR与FWR进行图像特征一一对应的匹配，将结果记作初步配准点对集MR；
13)剔除MR中错误配准点对，最终获得蠕变点对集MTR；
14)对MTR分别计算每一配准点对之间X(轨向)、Y(高低)的设备坐标偏移量，再分别将X方向、Y方向所计算的各个偏移量求和，得到配准后轨向、高低像素级蠕变偏差和SumRX、SumRY；
15)由工业相机安装参数、固有参数，结合图像实际分辨率，将图像像素单位转换至实际测量中的公制单位，得到像素与公制的换算关系，把轨向、高低的像素蠕变偏差和SumRX、SumRY转换为公制上的蠕变偏差和MSumRX、MSumRY，并计算公制轨向、高低蠕变偏差和均值ETRX、ETRY；
16)将轨向、高低的蠕变偏差和均值ETRX，ETRY作为结果推送至用户；
17)等待步骤7)定时器中断到达，继续执行步骤8)至步骤16)。
2.根据权利要求1所述的基于数字图像处理的钢轨蠕变监测方法，其特征在于，现场工业相机仅负责获取钢轨图像，通过网络传输图像数据至远端服务器，利用服务器实现步骤2)～步骤5)钢轨蠕变标定过程，利用服务器实现步骤7)～17)的钢轨蠕变检测过程。
CN201710206339.0A 2017-03-31 2017-03-31 一种基于数字图像处理的钢轨蠕变监测方法 Expired - Fee Related CN107014303B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710206339.0A CN107014303B (zh) 2017-03-31 2017-03-31 一种基于数字图像处理的钢轨蠕变监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710206339.0A CN107014303B (zh) 2017-03-31 2017-03-31 一种基于数字图像处理的钢轨蠕变监测方法

Publications (2)

Publication Number Publication Date
CN107014303A true CN107014303A (zh) 2017-08-04
CN107014303B CN107014303B (zh) 2019-12-17

Family

ID=59444897

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710206339.0A Expired - Fee Related CN107014303B (zh) 2017-03-31 2017-03-31 一种基于数字图像处理的钢轨蠕变监测方法

Country Status (1)

Country Link
CN (1) CN107014303B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110296659A (zh) * 2019-06-12 2019-10-01 中南大学 一种基于图像识别处理的轨下垫板位移监测系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201161592Y (zh) * 2008-03-06 2008-12-10 北京光电技术研究所 轨道平顺度检测车
CN102183219A (zh) * 2011-01-27 2011-09-14 武汉华科新材料有限公司 一种钢轨扭曲度在线检测装置
CN102506744A (zh) * 2011-11-23 2012-06-20 刘肖琳 一种基于数字图像的高层结构动态位移监测方法
KR101179930B1 (ko) * 2012-04-04 2012-09-07 (주) 일신이앤씨 교량의 수중부 안전진단장치
CN104330023A (zh) * 2014-10-15 2015-02-04 浙江大学 混凝土表面初始开裂信息的采集系统与识别方法
CN105091772A (zh) * 2015-05-26 2015-11-25 广东工业大学 平面物体二维变形量的测量方法
CN204944448U (zh) * 2015-09-25 2016-01-06 浙江中技建设工程检测有限公司 既有建筑变形及缺陷的检测装置
CN105953741A (zh) * 2016-07-13 2016-09-21 中冶建筑研究总院有限公司 一种钢结构局部几何变形的测量系统和方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN201161592Y (zh) * 2008-03-06 2008-12-10 北京光电技术研究所 轨道平顺度检测车
CN102183219A (zh) * 2011-01-27 2011-09-14 武汉华科新材料有限公司 一种钢轨扭曲度在线检测装置
CN102506744A (zh) * 2011-11-23 2012-06-20 刘肖琳 一种基于数字图像的高层结构动态位移监测方法
KR101179930B1 (ko) * 2012-04-04 2012-09-07 (주) 일신이앤씨 교량의 수중부 안전진단장치
CN104330023A (zh) * 2014-10-15 2015-02-04 浙江大学 混凝土表面初始开裂信息的采集系统与识别方法
CN105091772A (zh) * 2015-05-26 2015-11-25 广东工业大学 平面物体二维变形量的测量方法
CN204944448U (zh) * 2015-09-25 2016-01-06 浙江中技建设工程检测有限公司 既有建筑变形及缺陷的检测装置
CN105953741A (zh) * 2016-07-13 2016-09-21 中冶建筑研究总院有限公司 一种钢结构局部几何变形的测量系统和方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐平华等: "基于机器视觉的衣物洗护形变评级研究", 《2015年中国家用电器技术大会•论文集》 *
李海祥等: "基于图像量测的桥梁变形监测研究", 《青海大学学报(自然科学版)》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110296659A (zh) * 2019-06-12 2019-10-01 中南大学 一种基于图像识别处理的轨下垫板位移监测系统及方法

Also Published As

Publication number Publication date
CN107014303B (zh) 2019-12-17

Similar Documents

Publication Publication Date Title
CN101382497B (zh) 基于路况监控视频的能见度检测方法
WO2018028103A1 (zh) 一种基于人眼视觉特性的电力线路无人机巡检方法
CN101514993B (zh) 基于线阵ccd摄像机的车辆速度测量装置
CN107631782B (zh) 一种基于Harris角点检测的水位检测方法
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN109766746A (zh) 一种无人机航拍视频的轨道异物检测方法
KR101461184B1 (ko) Cctv 영상을 이용한 기상 상황 정보 추출 시스템
CN107391631A (zh) 一种输电线路通道立体空间监控及快速测距方法
CN113192063B (zh) 一种桥梁线形监测系统以及桥梁线形监测方法
CN113011283B (zh) 一种基于视频的非接触式钢轨轨枕相对位移实时测量方法
CN202444572U (zh) 一种无参考的视频监控图像模糊质量检测装置
CN104019772B (zh) 一种桥梁结构砼表面蜂窝麻面面积检测方法
CN115060343B (zh) 一种基于点云的河流水位检测系统、检测方法
CN116399302B (zh) 基于双目视觉和神经网络模型实时监测强夯夯沉量的方法
CN113763484A (zh) 基于视频图像分析技术的船舶目标定位及速度估算方法
CN111553500B (zh) 基于注意力机制全卷积网络的铁路交通接触网巡检方法
CN104006804B (zh) 基于观测基准失稳补偿的接触网偏移量检测方法
CN107014303A (zh) 一种基于数字图像处理的钢轨蠕变监测方法
CN111289087A (zh) 一种远距离机器视觉振动测量方法及装置
CN106934356B (zh) 基于热成像的公交站台夜晚客流统计方法及系统
CN104019748B (zh) 观测基准失稳补偿式接触网偏移量检测装置
CN110969103B (zh) 一种基于ptz相机的高速公路路面病害长度测量方法
CN115078382A (zh) 基于视频图像的桥梁裂缝监测系统
CN110081828B (zh) 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法
CN113744393A (zh) 一种多层级边坡滑坡变化监测方法

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
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20191217

Termination date: 20210331

CF01 Termination of patent right due to non-payment of annual fee