CN107578410B - 转辙机缺口图像自动识别方法 - Google Patents
转辙机缺口图像自动识别方法 Download PDFInfo
- Publication number
- CN107578410B CN107578410B CN201710843655.9A CN201710843655A CN107578410B CN 107578410 B CN107578410 B CN 107578410B CN 201710843655 A CN201710843655 A CN 201710843655A CN 107578410 B CN107578410 B CN 107578410B
- Authority
- CN
- China
- Prior art keywords
- notch
- value
- image
- line
- scanning
- 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
Images
Abstract
本发明公开了转辙机缺口图像自动识别方法,包括步骤、采集图像、亮度处理、对比度处理、降噪处理、锐化处理、二值化处理、缺口计算以及结果的记录与显示。采用本技术方案不需要对转辙机进行任何改造;采用高像素摄像头直接采集缺口位置图像,对原始图像进行数据处理和特征参数提取,从而实现了道岔缺口的精确计算;给维修人员提供了转辙机缺口的实时工作状态,更好的保证行车安全。
Description
技术领域
本发明涉及转辙机缺口图像监控领域,尤其涉及转辙机缺口图像自动识别方法。
背景技术
铁路道岔转辙机的缺口监测,具体地说是转辙机ZD6、ZYJ7、ZDJ9等类型的缺口自动检测方法。以往对以上三种类型转辙机的缺口监测主要采用两种方式:一、数字缺口监测。此种方式只能给客户提供一个缺口大小值,由于缺口监测设备的安装、运用问题,经常出现错误数据。二、在表示杆上刻线,通过图像采集器采集刻线处的图片来计算缺口大小。此种方式是一种间接表示,不能让客户直观的查看缺口的现状。随着铁路运营速度的提高,对铁路安全提出了更高的要求,以上两种方式逐渐不能满足客户的需求。
现场三种类型转辙机均有定、反位缺口图像,需要两个摄像头分别进行采集,有些转辙机提供了定、反位的采集端子,有些转辙机没有提供定、反位采集端子。提供了定、反位采集端子的转辙机只需要一个摄像头工作即可;没有提供定、反位采集端子的转辙机需要两个摄像头采集两幅图片,通过对两幅图像的分析,指定其中一个摄像头为当前定、反位置的工作摄像头。
发明内容
为了解决上述技术问题,本发明提出转辙机缺口图像自动识别方法,缺口线在整个图像中所占的比例是比较少的,在缺口图像的处理过程中只对缺口线的局部区域进行处理,大大节省了计算时间,提高了整个系统的工作效率。
为了实现上述目的,本发明公开转辙机缺口图像自动识别方法,采用的方案步骤是:
S1,采集转辙机定位与反位的图像,设置基准线,设置缺口线的范围,设置缺口线特征,所述缺口线的范围设置值要大于缺口线的最大理论值;
S2,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点的R、G、B色值:
R=ColOut(0,X,Y)
G=ColOut(1,X,Y)
B=ColOut(2,X,Y)
其中,ColOut是求取某坐标点R、G、B色值的函数,其中,0:表示函数返回坐标点的R色值;1:表示函数返回坐标点的G色值;2:表示函数返回坐标点的B色值;X是要求取坐标点的x坐标值,Y是要求取坐标点的y坐标值;
S3,增加或降低亮度;把S2求出的每个像素点的R、G、B色值,乘以Level值来实现图像的亮度的增加或者降低:
R=ColOut(0,X,Y)*Level
=ColOut(1,X,Y)*Level
B=ColOut(2,X,Y)*Level
Level设置值为:增加亮度时Level设置为1.2,降低亮度时设置为0.8;当乘以Level后的结果大于255则让其等于255;将处理后的色值写入到图片中;
S4,降噪处理,根据缺口线的范围设置值,求出范围内每个像素点设定区域内点的R、G、B的平均值,作为本扫描点的色值,将处理后的色值写入到图片中;
S5,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点周围3点(3点的坐标为:(X,Y-1),(X+1,Y-1),(X+1,Y))的色值平均值:
RX,Y=ColOut(0,X,Y)
GX,Y=ColOut(1,X,Y)
BX,Y=ColOut(0,X,Y)
S6,设置二值化阈值,把步骤S2-S5处理后的图片进行二值化处理,根据缺口线的范围设置值,扫描缺口线的范围设置值内的二值化图像,提取缺口线。
步骤S6中所述的提取缺口线步骤包括:
S61,扫描线从缺口区域的左侧x0开始扫描至xn坐标,其扫描宽度为缺口区域的高度;
S62,扫描线每移动一个坐标点记录它左边扫描线上黑色点的个数n1;
S63,扫描线每移动一个坐标点记录它右边扫描线上黑色点的个数n2;
S64,用n1-n2做为此处扫描线的特征值V;
S65,扫描结束后根据缺口线特征求出最大或者最小的V值;
S66,如果缺口线特征为白到黑:则求最小的V值VMIN
S67,如果缺口线特征为黑到白:则求最大的V值VMAX
S69,求出缺口的像素数:Q=abs(XQueKouXian-XJiZhun);
S610,求出缺口大小:Num=Q*B,B为每个像素代表的实际缺口大小;
S611,记录缺口大小和缺口线位置坐标。
如果所述转辙机具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过所述图像采集设备直接拍摄当前位置的缺口图像获取的。
若所述转辙机不具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过分别安装在所述转辙机定、反位的两台图像采集设备拍摄的。
还包括步骤:
S7,在两台所述图像采集设备中指定需工作的图像采集设备,包括步骤:
S71,定义定位摄像头采集定位图像A,反位摄像头采集图像B;
或者
或者
S74,比较SD和SF的大小,数值较大的说明其图像的缺口特征比较明显;
S75,指定SD或者SF中数值大的为当前缺口的工作摄像头;
S76,把缺口大小和缺口线位置写入数据库。
本发明的有益效果为:
1、缺口线活动的局部区域在整个图像中所占的比例是比较少的,在缺口图像的处理过程中只对缺口线活动的局部区域进行处理,大大节省了计算时间,提高了整个系统的工作效率。
2、采用本技术方案不需要对转辙机进行任何改造;采用高像素摄像头直接采集缺口位置图像,对原始图像进行数据处理和特征参数提取,从而实现了道岔缺口的精确计算;给维修人员提供了转辙机缺口的实时工作状态,更好的保证行车安全。
附图说明
图1本发明的流程图。
图2扫描区域结构示意图。
具体实施方式
为了更好的了解本发明的技术方案,下面结合附图对本发明作进一步说明。
如图1所示,转辙机缺口图像自动识别方法,包括步骤:
S1,采集转辙机定位与反位的图像,设置基准线,设置缺口线的范围,设置缺口线特征,所述缺口线的范围设置值要大于缺口线的最大理论值。一台转辙机的缺口有两个方向:定位和反位。在两个方向均采集图像,并分别在图片中设置它的基准线位置和缺口线查找范围。基准线的设置方法:把缺口调整为0,此时缺口线的位置就是基准线的位置,即缺口的不动边即为基准线。缺口线的最大理论值是指当缺口调整至最大状态的时候的理论值,一般为8mm。缺口线特征为白到黑或者黑到白。
S2,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点的R、G、B色值:
R=ColOut(0,X,Y)
G=ColOut(1,X,Y)
B=ColOut(2,X,Y)
其中,ColOut是求取某坐标点R、G、B色值的函数,其中参数的取值范围为0-2(0:表示函数返回坐标点的R色值;1:表示函数返回坐标点的G色值;2:表示函数返回坐标点的B色值;),X是要求取坐标点的x坐标值,Y是要求取坐标点的y坐标值。
S3,增加或降低亮度。把S2求出的每个像素点的R、G、B色值,乘以Level值来实现图像的亮度的增加或者降低:
R=ColOut(0,X,Y)*Level
G=ColOut(1,X,Y)*Level
B=ColOut(2,X,Y)*Level
Level设置值为:增加亮度时Level设置为1.2,降低亮度时设置为0.8。
当乘以Level后的结果大于255则让其等于255;
将处理后的色值写入到图片中;
S4,降噪处理。根据缺口线的范围设置值,求出范围内每个像素点设定区域内点的R、G、B的平均值,作为本扫描点的色值,将处理后的色值写入到图片中。
设定区域是以扫描点为中心划分出的周围区域,周围区域的定义:以本扫描点为中心,上下左右4方向各取3个点所组成的正方形区域,共49个点,如下图2所示:白色点为扫描点,黑色点为它周围区域内的点。
S5,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点周围3点(3点的坐标为:(X,Y-1),(X+1,Y-1),(X+1,Y))的色值平均值:
RX,Y=ColOut(0,X,Y)
GX,Y=ColOut(1,X,Y)
BX,Y=ColOut(0,X,Y)
S6,特征提取。
设置二值化阈值,把步骤S2-S5处理后的图片进行二值化处理,根据缺口线的范围设置值,扫描缺口线的范围设置值内的二值化图像,提取缺口线。
步骤S6中所述的提取缺口线步骤包括:
S61,扫描线从缺口区域的左侧x0开始扫描至xn坐标,其扫描宽度为缺口区域的高度;
S62,扫描线每移动一个坐标点记录它左边扫描线上黑色点的个数n1;
S63,扫描线每移动一个坐标点记录它右边扫描线上黑色点的个数n2;
S64,用n1-n2做为此处扫描线的特征值V;
S65,扫描结束后根据缺口线特征求出最大或者最小的V值;
S66,如果缺口线特征为白到黑:则求最小的V值VMIN;
S67,如果缺口线特征为黑到白:则求最大的V值VMAX;
S69,求出缺口的像素数:Q=abs(XQueKouXian-XJiZhun);
S610,求出缺口大小:Num=Q*B,B为每个像素代表的实际缺口大小;
S611,记录缺口大小和缺口线位置坐标。
如果所述转辙机具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过所述图像采集设备直接拍摄当前位置的缺口图像获取的。
若所述转辙机不具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过分别安装在所述转辙机定、反位的两台图像采集设备拍摄的。
还包括步骤:
S7,在两台所述图像采集设备中指定需工作的图像采集设备,包括步骤:
S71,定义定位摄像头采集定位图像A,反位摄像头采集图像B;
或者
或者
S74,比较SD和SF的大小,数值较大的说明其图像的缺口特征比较明显;
S75,指定SD或者SF中数值大的为当前缺口的工作摄像头;
S76,把缺口大小和缺口线位置写入数据库。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.转辙机缺口图像自动识别方法,包括步骤:
S1,采集转辙机定位与反位的图像,设置基准线,设置缺口线的范围,设置缺口线特征,所述缺口线的范围设置值要大于缺口线的最大理论值;
S2,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点的R、G、B色值:
R=ColOut(0,X,Y)
G=ColOut(1,X,Y)
B=ColOut(2,X,Y)
其中,ColOut是求取某坐标点R、G、B色值的函数,其中,0:表示函数返回坐标点的R色值;1:表示函数返回坐标点的G色值;2:表示函数返回坐标点的B色值;X是要求取坐标点的x坐标值,Y是要求取坐标点的y坐标值;
S3,增加或降低亮度;把S2求出的每个像素点的R、G、B色值,乘以Level值来实现图像的亮度的增加或者降低:
R=ColOut(0,X,Y)*Level
G=ColOut(1,X,Y)*Level
B=ColOut(2,X,Y)*Level
Level设置值为:增加亮度时Level设置为1.2,降低亮度时设置为0.8;当乘以Level后的结果大于255则让其等于255;将处理后的色值写入到图片中;
S4,降噪处理,根据缺口线的范围设置值,求出范围内每个像素点设定区域内点的R、G、B的平均值,作为本扫描点的色值,将处理后的色值写入到图片中;
S5,根据缺口线的范围设置值,求出缺口线的范围设置值内的每个像素点周围3点(3点的坐标为:(X,Y-1),(X+1,Y-1),(X+1,Y))的色值平均值:
RX,Y=ColOut(0,X,Y)
GX,Y=ColOut(1,X,Y)
BX,Y=ColOut(0,X,Y)
S6,设置二值化阈值,把步骤S2-S5处理后的图片进行二值化处理,根据缺口线的范围设置值,扫描缺口线的范围设置值内的二值化图像,提取缺口线;
步骤S6中所述的提取缺口线步骤包括:
S61,扫描线从缺口区域的左侧x0开始扫描至xn坐标,其扫描宽度为缺口区域的高度;
S62,扫描线每移动一个坐标点记录它左边扫描线上黑色点的个数n1;
S63,扫描线每移动一个坐标点记录它右边扫描线上黑色点的个数n2;
S64,用n1-n2做为此处扫描线的特征值V;
S65,扫描结束后根据缺口线特征求出最大或者最小的V值;
S66,如果缺口线特征为白到黑:则求最小的V值VMIN;
S67,如果缺口线特征为黑到白:则求最大的V值VMAX;
S69,求出缺口的像素数:Q=abs(XQueKouXian-XJiZhun);
S610,求出缺口大小:Num=Q*B,B为每个像素代表的实际缺口大小;
S611,记录缺口大小和缺口线位置坐标。
2.根据权利要求1所述的转辙机缺口图像自动识别方法,其特征在于,如果所述转辙机具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过所述图像采集设备直接拍摄当前位置的缺口图像获取的。
3.根据权利要求1所述的转辙机缺口图像自动识别方法,其特征在于,若所述转辙机不具有定、反位采集节点的图像采集设备,在所述步骤S1中的图像采集是通过分别安装在所述转辙机定、反位的两台图像采集设备拍摄的。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710284219 | 2017-04-26 | ||
CN2017102842192 | 2017-04-26 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107578410A CN107578410A (zh) | 2018-01-12 |
CN107578410B true CN107578410B (zh) | 2020-09-08 |
Family
ID=61032786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710843655.9A Active CN107578410B (zh) | 2017-04-26 | 2017-09-15 | 转辙机缺口图像自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107578410B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107578410B (zh) * | 2017-04-26 | 2020-09-08 | 济南铁路天龙高新技术开发有限公司 | 转辙机缺口图像自动识别方法 |
CN109724983B (zh) * | 2018-11-13 | 2021-04-27 | 新昌县馁侃农业开发有限公司 | 冰柜完整度分析平台 |
CN110363742B (zh) * | 2019-04-19 | 2021-05-07 | 上海铁大电信科技股份有限公司 | 一种基于cnn和图像处理的转辙机缺口检测方法 |
CN110310255B (zh) * | 2019-05-24 | 2023-01-10 | 同济大学 | 基于目标检测和图像处理的转辙机缺口检测方法 |
CN111145197B (zh) * | 2019-12-10 | 2022-05-03 | 电子科技大学 | 一种精确的基于直方图和局部梯度的道岔转辙机缺口边缘定位方法 |
CN111127496B (zh) * | 2019-12-10 | 2022-07-29 | 电子科技大学 | 一种基于二维直方图和自适应分类的道岔转辙机缺口边缘定位方法 |
CN115359449B (zh) * | 2022-10-18 | 2023-01-24 | 济南铁路天龙高新技术开发有限公司 | 一种转辙机道岔缺口图像的自动识别方法和系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102490764A (zh) * | 2011-12-13 | 2012-06-13 | 天津卓朗科技发展有限公司 | 铁轨道岔缺口自动检测方法 |
CN107578410A (zh) * | 2017-04-26 | 2018-01-12 | 济南铁路天龙高新技术开发有限公司 | 转辙机缺口图像自动识别方法 |
-
2017
- 2017-09-15 CN CN201710843655.9A patent/CN107578410B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102490764A (zh) * | 2011-12-13 | 2012-06-13 | 天津卓朗科技发展有限公司 | 铁轨道岔缺口自动检测方法 |
CN107578410A (zh) * | 2017-04-26 | 2018-01-12 | 济南铁路天龙高新技术开发有限公司 | 转辙机缺口图像自动识别方法 |
Non-Patent Citations (2)
Title |
---|
《Detection of switch gaps based on CMOS plane in high-speed railways》;Zhiwang Zhong et al.;《2016 International Conference on Progress in Informatics and Computing (PIC)》;20161225;全文 * |
《基于图像处理技术的嵌入式转辙机缺口检测系统的研究》;周海波;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20160815(第2016年第08期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN107578410A (zh) | 2018-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107578410B (zh) | 转辙机缺口图像自动识别方法 | |
CN107133969B (zh) | 一种基于背景反投影的移动平台运动目标检测方法 | |
CN111462503B (zh) | 车辆测速方法、装置及计算机可读存储介质 | |
US11748894B2 (en) | Video stabilization method and apparatus and non-transitory computer-readable medium | |
CN103258198A (zh) | 一种表格文档图像中字符提取方法 | |
CN105744268A (zh) | 摄像头遮挡检测方法及装置 | |
CN110390306A (zh) | 直角车位的检测方法、车辆和计算机可读存储介质 | |
CN110675425B (zh) | 一种视频边框识别方法、装置、设备及介质 | |
CN110880184A (zh) | 一种基于光流场进行摄像头自动巡检的方法及装置 | |
CN104749801B (zh) | 高精度自动光学检测方法和系统 | |
CN107909573B (zh) | 金属工件环形表面刀纹检测方法及装置 | |
CN110135382B (zh) | 一种人体检测方法和装置 | |
CN106530292B (zh) | 一种基于线扫描相机的带钢表面缺陷图像快速辨识方法 | |
CN106097358B (zh) | 图像背景复杂度检测方法及系统 | |
CN111429437B (zh) | 面向目标检测的图像无参考清晰度质量检测方法 | |
WO2024016632A1 (zh) | 亮点定位方法、亮点定位装置、电子设备及存储介质 | |
CN107016443A (zh) | 一种基于机器视觉的负样本采集方法 | |
CN106683113A (zh) | 特征点跟踪方法和装置 | |
CN106846419B (zh) | 一种图像中人像轮廓的确定方法和装置 | |
CN115924455A (zh) | 一种复杂工况下基于深度学习的皮带跑偏检测方法 | |
CN113869245A (zh) | 一种安全区域的识别方法及装置 | |
CN111681280A (zh) | 滑动验证码缺口定位方法及装置 | |
CN113361483B (zh) | 一种交通限速标志检测方法、装置、设备及存储介质 | |
CN113160181B (zh) | 一种基于图像识别的成堆型材计数方法 | |
CN113240668B (zh) | 一种基于图像数字特征分布的生成熔池图像质量评估方法 |
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 |