CN107703513B - 一种基于图像处理的非接触式接触网相对位置检测方法 - Google Patents
一种基于图像处理的非接触式接触网相对位置检测方法 Download PDFInfo
- Publication number
- CN107703513B CN107703513B CN201710696416.5A CN201710696416A CN107703513B CN 107703513 B CN107703513 B CN 107703513B CN 201710696416 A CN201710696416 A CN 201710696416A CN 107703513 B CN107703513 B CN 107703513B
- Authority
- CN
- China
- Prior art keywords
- contact
- relative position
- relative
- linear array
- image processing
- 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
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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Abstract
本发明涉及测量技术领域,公开了基于图像处理的新型非接触式接触网相对位置检测方法。包括以下步骤:S1.利用回归技术,预先对用于测量接触网的线阵相机进行相机标定;S2.使用其扫描区域与所述线阵相机的检测区域处于同一检测平面的激光雷达对接触网的位置进行判别,得到接触网的一次相对位置值;S3.根据一次相对位置值,使用所述线阵相机对接触网进行二次位置细化识别,得到接触网的相对位置。本发明采用激光雷达进行位置预判,线阵相机进行二次位置细化识别的双重检测手段,提高了接触网位置的精确度;同时,利用多个线阵相机实现双‑双目测距,在测量原理上保证测量过程的精确度。
Description
技术领域
本发明涉及检测技术领域,更具体地,涉及一种基于图像处理的非接触式接触网相对位置检测方法。
背景技术
接触网是在电气化铁道中,沿钢轨上空“之”字形架设的,供受电弓取流的高压输电线。接触线与受电弓之间的良好接触是保证电力机车取流质量的关键。随着中国铁路事业的快速发展,电气化铁路里程的不断增加,接触网检修的强度与难度都不断增大。为提高故障检测速度、保障线路的安全运营,研制一种高速高精度接触网检测设备便显得尤为迫切。铁路总公司于2012年7月推出了《高速铁路供电安全检测监测系统(6C系统)总体技术规范》,在该文件中,详细阐述了对接触网几何参数的检测要求,即:接触导线高度为5000~7000mm,精度<;10mm;拉出值为-600~+600mm,精度25mm。
目前国内外对接触网几何参数检测的方法主要有:基于测量器具的直接测量法、基于角位移传感器的检测法、基于电子接近器的检测法、激光扫描法、采用CCD或CMO巧摄像机的图像检测法、超声波测距法等。目前接触式检测方法,安装困难、结构复杂、精度低;非接触式一般采用单一传感器,检测效果差、精度低。接触网相对于车体的相对位置检测结果与实际测量值偏差较大,导致接触网几何参数偏差较大,无法实现指导电气化铁路状态修的目的,不能满足电气化铁路运用的要求。
接触网:铁路沿线上空架设的特殊形式的输电线路,主要为机车提供动力,是轨道交通的重要组成部分。几何参数:接触网对于轨道中心点的垂直和水平距离分别称为导高和拉出值,都称为接触网的几何参数。轨距和轨距点:轨距指钢轨顶面以下10-16mm范围内两股钢轨之间的最小距离;取钢轨顶面以下16mm处的圆弧拐点为轨距点。
摄像机的成像模型是指从物理点空间位置坐标到线阵摄像机像素坐标之间的转换关系,完成求解成像模型的过程称为摄像机的标定。物体的空间位置通常用世界坐标系的坐标表示,经过平移和旋转变换,转换到摄像机坐标系,再经过线阵摄像机针孔镜头和远心镜头的成像模型成为理想图像坐标。实际图像坐标考虑了镜头的畸变,最后经过物理尺寸的变换和像素过渡,得到像素坐标。通过若干已知位置的空间点与相应摄像机图像像素之间的对应关系,求解摄像机成像模型。在标定过程中,通常用空间位置信息已知的物体作为景物进行拍摄,这样的物体称为标定物。支持向量回归机(Support Vector Regression,SVR)是支持向量在函数回归领域的应用,其样本点只有一类,所寻求的最优超平面使得所有样本点距离超平面的总偏差最小。
发明内容
本发明为克服上述现有技术所述的至少一种缺陷,提供一种检测精度高、速率快的基于图像处理的非接触式接触网相对位置检测方法。
为解决上述技术问题,本发明的技术方案如下:
S1.利用回归技术,预先对用于测量接触网的线阵相机进行相机标定;
S2.使用其扫描区域与所述线阵相机的检测区域处于同一检测平面的激光雷达对接触网的位置进行判别,得到接触网的一次相对位置值;
S3.根据一次相对位置值,使用所述线阵相机对接触网进行二次位置细化识别,得到接触网的相对位置。
本发明中,利用回归技术,能够同时融合多台线阵相机的信息,便于进行多台线阵相机的标定;采用激光雷达和线阵相机对接触网的位置进行双重检测,大大提高了位置检测精度。
进一步地,所述步骤S1具体为:
S11.获取训练数据,得到世界坐标与线阵相机像素坐标的对应关系;
S12.训练支持向量回归机,得到接触网的相对导高值模型及相对拉出值模型。
进一步地,所述步骤S11中,为了使标定过程更加方便,同时采用21条相同长度的黑色条状物作为标定物;为了更方便地确定拍摄结果的中心位置,采用拍摄图像中邻近的双条黑线作为标记。
进一步地,所述步骤S12中,采用ε类支持向量回归机,并引入径向基核函数,将低维数据映射到高维,使其线性可分。
进一步地,在所述步骤S12中,采用标准差衡量参数选择后支持向量回归机的性能,将数据归一化后通过交叉验证法求解最优参数;在最优参数下对样本进行训练,得到相对拉出值模型和相对导高值模型。
本发明中,通过合理选择支持向量回归机的类型,同时引入径向基核函数并进行数据验证,使得模型的准确度更高。
所述步骤S2中,所述激光雷达通过扫描和识别接触网导线,得到接触网相对于激光雷达安装平面的水平和垂向距离值,以确定接触网的一次相对位置值。
所述线阵相机分为分别设置在激光雷达的左右两组,每组两个;所述步骤S3具体为每一组线阵相机各自采用双目测距原理对接触网进行测量,左右两组再次利用双目测距原理进行计算,实现整体上的双-双目测距,在激光雷达得到的一次相对位置的基础上得到更精确的接触网相对位置。
在所述步骤S3中,实时采集激光雷达信号和线阵相机中的接触网高清图像信息;对图像信息进行处理,从图像信息中获取接触线导线像素信息;预测接触线导线的相对拉出值和相对导高值。
为了进一步提高接触性导线的像素坐标信息的准确度,所述步骤S3中,通过滤波对图像进行降噪处理,再进行卷积操作,然后利用正向跟踪和反向跟踪技术,在图像中找到接触线导线。
进一步地,所述步骤S3中,根据接触线导线的像素信息,将其作为支持向量回归机的输入,用训练得到的相对导高值模型和相对拉出值模型作回归预测,分别得到接触线的相对导高值和相对拉出值。
本发明的有益效果:
首先,本发明在整体测量手段上,采用激光雷达进行位置预判,线阵相机进行二次位置细化识别的双重检测手段,提高了接触网位置的精确度;同时,利用多个线阵相机实现双-双目测距,在测量原理上保证测量过程的精确度。并且,在测量前的相机标定中,利用了回归技术,选用合理的支持向量回归机,得到最优参数,确定了接触网几何参数的模型,减小了建模误差。再者,在对图像信息处理上,实施滤波降噪处理,减少图像采集误差。如此使得采用本发明方法对接触网位置检测的结果得到了大大的提高。并且,对激光雷达信号和线阵相机的数据信息实时采集处理,检测效率高。
附图说明
图1为具体实施例的系统结构示意图。
图2为相对位置检测装置安装俯视图。
图3为在某一视觉下四台摄像机对21条标定物拍摄所得的图像。
图4为某段时间内一台相机所拍摄得到的接触线图像。
图5为实施例1方法流程图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
为了更好说明本实施例,附图某些部件会有省略、放大或缩小,并不代表实际产品的尺寸;对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明的具体含义。下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提供一种基于图像处理的非接触式接触网相对位置检测方法。
在具体实施过程中,涉及的检测系统可以采用以下方案:包括安装于车顶的的几何检测单元和安装于车厢内部的检测机柜构成的控制单元。
如图1所示,几何检测单元包括一个激光雷达和四个线阵相机,通过安装支架安装在车顶。线阵相机A、B、C、D分为AC、BD两组,分别位于激光雷达两侧,同组的线阵相机倾斜安装。左右两组线阵相机的检测区域及激光雷达的扫描区域处于同一检测平面上,且视场范围覆盖接触网导线的常规高度。如图2所示,激光雷达位于车体顶部的中央,左右两边分别对称放置两个线阵相机及光源,激光雷达和线阵相机位于同一直线上,均检测接触网。
控制单元由工控机、数据采集卡、显示器、鼠标、键盘及控制柜等组成,对整个装置的操作和计算进行控制。
系统采用激光雷达和线阵相机同时作为接触网位置数据来源,采用激光雷达预判、线阵相机二次细化判别的模式,计算接触网相对于车顶的位置,最终输出精确的接触网对于激光雷达中心点的水平距离和垂直距离。由于本实施例中,激光雷达和线阵相机安装在车顶,则下文中的相对位置为接触网相对于车顶的位置。
如图5所示,一种基于图像处理的非接触式接触网相对位置检测方法,包括以下步骤:
S1.利用回归技术,预先对用于测量接触网的线阵相机进行相机标定。
步骤S1具体为:
S11.获取训练数据,得到世界坐标与线阵相机像素坐标的对应关系;
在标定过程中,通常用空间位置信息已知的物体作为景物进行拍摄,这样的物体称为标定物。本实施例采用黑色条状物作为标定物,从若干视觉进行拍摄。考虑到线阵相机的靶面较大,同时为了标定过程更加方便,本实施例中同时采用21条相同长宽的黑色条状物作为标定物。标定物左侧边缘的空间位置信息已知。一台相机在一个视角下拍摄,即可得到21条标定物的图像,拍摄结果为黑白图像,如图3所示。
由于系统中使用了四台线阵摄像机对接触网进行检测,图3至上而下分为四个部分,每一部分表示一个相机的拍摄结果。为了便于观察,将每台相机的拍摄结果重复了100帧。同时为了更方便地确定中心位置,采用邻近的双条黑线作为标记,如图3的第一部分的方框E中的两条黑线。除21条标定物的影像外,其余黑白部分都是背景杂波。在图像中找出相应标定物对应的像素,可得到21组世界坐标与像素坐标的对应关系。通过在不同的视角拍摄,总共得到272组对应关系。
S12.训练支持向量回归机,得到接触网的相对导高值模型及相对拉出值模型。
利用世界坐标与像素坐标的对应关系完成相机的标定是最为关键的一个步骤。由于系统中采用了四台线阵相机,为了能同时方便地融合四台摄像机的信息,利用回归技术完成摄像机的标定过程。相对一般机器学习方法中的回归方法,支持向量回归技术在小样本、非线性问题处理有独特的优势。因此将四台摄像机中标定物的像素信息作为输入,对应的导高和拉出值作为输出值,分别训练两个支持向量回归机,实现对导高和拉出值的预测。
支持向量回归机(Support Vector Regression,SVR)是支持向量在函数回归领域的应用,其样本点只有一类,所寻求的最优超平面使得所有样本点距离超平面的总偏差最小。同时引入径向基核函数,将低维数据映射到高维,使其线性可分。选用合理的支持向量回归机类型,并且采用标准差衡量参数选择后支持向量回归机的性能,将数据归一化后通过交叉验证法求解最优参数。本实施例中选择使用ε类支持向量回归机,对应的最优参数如表1所示。
惩罚因子C | 误差距离p | 核函数参数gamma | |
预测拉出值 | 200 | 0.015 | 0.18 |
预测导告值 | 100 | 0.014 | 0.91 |
表1交叉验证得到的最优参数值
最优参数下对样本进行训练,拉出值和导高值各得到的一个模型,即线阵相机的标定结果,与以往的摄像机标定方法不同,支持向量回归机得到的模型不是由多个拥有几何意义的参数构成,而是由若干“支持向量”构成。
S2.使用其扫描区域与所述线阵相机的检测区域处于同一检测平面的激光雷达对接触网的位置进行判别,得到接触网的一次相对位置值。
步骤S2中,如图1所示,激光雷达通过扫描和识别接触网导线,得到接触网相对于激光雷达安装平面的水平和垂向距离值,以确定接触网的一次相对位置值。
其中,激光雷达位于几何检测单元中央,接触网对于激光雷达的零点中心位置反映为距离Z和角度值K,水平距离L=Z*cosK、垂直距离H=Z*sinK;线阵相机位于激光雷达两侧,左右各两个线阵相机,左右均匀分布、且视场范围覆盖接触网导线的常规高度;激光雷达识别到接触网并得到某一参考水平和垂直距离后、由线阵相机进行二次细化识别、最终输出精确的接触网对于激光雷达中心点的水平距离和垂直距离。
S3.根据一次相对位置值,使用所述线阵相机对接触网进行二次位置细化识别,得到接触网的相对位置。
线阵相机分为分别设置在激光雷达的左右两组,每组两个;每一组线阵相机各自采用双目测距原理对接触网进行测量,左右两组再次利用双目测距原理进行计算,实现整体上的双-双目测距,在激光雷达得到的一次相对位置的基础上得到更精确的接触网相对位置。
控制单元实时采集激光雷达信号和线阵相机中的接触网高清图像信息;对图像信息进行处理,从图像信息中获取接触线导线像素信息。本实施例中采用的线阵相机所拍摄的图像每一帧的大小为1*4096像素,为了方便进行图像处理找到标定物在图像上的像素信息,将一个时间段内的视频帧拼接成图像。如图4显示的是某段时间内一台相机所拍摄得到的接触线图像,该段时间内图像质量较好。一条接触线在一帧中有个像素坐标,通过滤波对图像进行降噪处理,再进行卷积操作,然后利用正向跟踪和反向跟踪技术,在图像中找到完整的导线。某一时刻下四台相机对应四个像素坐标,将导线在四台摄像机中所有时刻的像素坐标信息记录下,即获得了完整的导线像素信息。
控制单元实时地将相机获取的文件读入并得到图像信息,通过处理图像,一条接触线能得到四个像素坐标,将其作为支持向量回归机的输入,用训练得到的两个支持向量回归机模型用回归预测,分别得到接触线的相对导高值和相对拉出值。
本发明检测精度高,实时检测,检测效率高。
相同或相似的标号对应相同或相似的部件;附图中描述位置关系的用于仅用于示例性说明,不能理解为对本专利的限制。显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种基于图像处理的非接触式接触网相对位置检测方法,其特征在于,包括以下步骤:
S1.利用回归技术,预先对用于测量接触网的线阵相机进行相机标定;
S2.使用其扫描区域与所述线阵相机的检测区域处于同一检测平面的激光雷达对接触网的位置进行判别,得到接触网的一次相对位置值;
S3.根据一次相对位置值,使用所述线阵相机对接触网进行二次位置细化识别,得到接触网的相对位置;
所述线阵相机分为分别设置在激光雷达的左右两组,每组两个;所述步骤S3具体为每一组线阵相机各自采用双目测距原理对接触网进行测量,左右两组再次利用双目测距原理进行计算,实现整体上的双-双目测距,在激光雷达得到的一次相对位置的基础上得到更精确的接触网相对位置。
2.根据权利要求1所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,所述步骤S1具体为:
S11.获取训练数据,得到世界坐标与线阵相机像素坐标的对应关系;
S12.训练支持向量回归机,得到接触网的相对导高值模型及相对拉出值模型。
3.根据权利要求2所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,在所述步骤S11中,同时采用21条相同长度的黑色条状物作为标定物;并采用拍摄图像中邻近的双条黑线作为标记。
4.根据权利要求2所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,在所述步骤S12中,采用ε类支持向量回归机,并引入径向基核函数,将低维数据映射到高维,使其线性可分。
5.根据权利要求4所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,在所述步骤S12中,采用标准差衡量参数选择后支持向量回归机的性能,将数据归一化后通过交叉验证法求解最优参数;在最优参数下对样本进行训练,得到相对拉出值模型和相对导高值模型。
6.根据权利要求1所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,所述步骤S2中,所述激光雷达通过扫描和识别接触网导线,得到接触网相对于激光雷达安装平面的水平和垂向距离值,以确定接触网的一次相对位置值。
7.根据权利要求2至6任意一项所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,在所述步骤S3中,实时采集激光雷达信号和线阵相机中的接触网高清图像信息;对图像信息进行处理,从图像信息中获取接触线导线像素信息;预测接触线导线的相对拉出值和相对导高值。
8.根据权利要求7所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,所述步骤S3中,通过滤波对图像进行降噪处理,再进行卷积操作,然后利用正向跟踪和反向跟踪技术,在图像中找到接触线导线。
9.根据权利要求7所述的基于图像处理的非接触式接触网相对位置检测方法,其特征在于,所述步骤S3中,根据接触线导线的像素信息,将其作为支持向量回归机的输入,用训练得到的相对导高值模型和相对拉出值模型作回归预测,分别得到接触线的相对导高值和相对拉出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710696416.5A CN107703513B (zh) | 2017-08-15 | 2017-08-15 | 一种基于图像处理的非接触式接触网相对位置检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710696416.5A CN107703513B (zh) | 2017-08-15 | 2017-08-15 | 一种基于图像处理的非接触式接触网相对位置检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107703513A CN107703513A (zh) | 2018-02-16 |
CN107703513B true CN107703513B (zh) | 2021-05-14 |
Family
ID=61171150
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710696416.5A Active CN107703513B (zh) | 2017-08-15 | 2017-08-15 | 一种基于图像处理的非接触式接触网相对位置检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107703513B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108550171B (zh) * | 2018-04-20 | 2021-06-29 | 东北大学 | 基于交比不变性的含有八卦编码信息的线阵相机标定方法 |
CN110930415B (zh) * | 2019-11-14 | 2022-11-22 | 中国航空工业集团公司西安飞行自动控制研究所 | 一种轨道接触网空间位置检测方法 |
CN112053349A (zh) * | 2020-09-03 | 2020-12-08 | 重庆市公安局沙坪坝区分局 | 一种用于法医鉴定的伤情图像处理方法 |
CN112801966B (zh) * | 2021-01-21 | 2024-03-15 | 北京科技大学设计研究院有限公司 | 一种热轧带钢跑偏的在线检测方法 |
CN112985263B (zh) * | 2021-02-09 | 2022-09-23 | 中国科学院上海微系统与信息技术研究所 | 一种弓网几何参数检测方法、装置及设备 |
CN113253237B (zh) * | 2021-07-13 | 2021-09-17 | 中国人民解放军国防科技大学 | 基于雷达系统的铁路接触网测量方法及接触网测量系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101144703A (zh) * | 2007-10-15 | 2008-03-19 | 陕西科技大学 | 一种基于多源图像融合的物体几何尺寸测量装置及方法 |
CN103218820A (zh) * | 2013-04-22 | 2013-07-24 | 苏州科技学院 | 一种基于多维特征的相机标定误差补偿方法 |
CN103759658A (zh) * | 2014-01-27 | 2014-04-30 | 成都国铁电气设备有限公司 | 一种基于红外图像处理实现对接触网几何参数检测的方法 |
CN104978548A (zh) * | 2014-04-02 | 2015-10-14 | 汉王科技股份有限公司 | 一种基于三维主动形状模型的视线估计方法与装置 |
CN105674896A (zh) * | 2016-01-29 | 2016-06-15 | 东莞市诺丽电子科技有限公司 | 基于三角测量的接触网几何参数动态检测方法 |
CN105674880A (zh) * | 2016-01-25 | 2016-06-15 | 成都国铁电气设备有限公司 | 基于双目原理的接触网几何参数测量方法及系统 |
CN205601869U (zh) * | 2016-05-18 | 2016-09-28 | 苏州华兴致远电子科技有限公司 | 车载运行环境安全监测系统 |
CN106772338A (zh) * | 2016-11-25 | 2017-05-31 | 杭州捍鹰科技有限公司 | 无人机定位装置、方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102011114084B4 (de) * | 2011-09-18 | 2015-07-16 | Alfred-Wegener-Institut Helmholtz-Zentrum für Polar- und Meeresforschung | Verfahren zur automatisierten Echtzeit-Erfassung von marinen Säugern |
-
2017
- 2017-08-15 CN CN201710696416.5A patent/CN107703513B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101144703A (zh) * | 2007-10-15 | 2008-03-19 | 陕西科技大学 | 一种基于多源图像融合的物体几何尺寸测量装置及方法 |
CN103218820A (zh) * | 2013-04-22 | 2013-07-24 | 苏州科技学院 | 一种基于多维特征的相机标定误差补偿方法 |
CN103759658A (zh) * | 2014-01-27 | 2014-04-30 | 成都国铁电气设备有限公司 | 一种基于红外图像处理实现对接触网几何参数检测的方法 |
CN104978548A (zh) * | 2014-04-02 | 2015-10-14 | 汉王科技股份有限公司 | 一种基于三维主动形状模型的视线估计方法与装置 |
CN105674880A (zh) * | 2016-01-25 | 2016-06-15 | 成都国铁电气设备有限公司 | 基于双目原理的接触网几何参数测量方法及系统 |
CN105674896A (zh) * | 2016-01-29 | 2016-06-15 | 东莞市诺丽电子科技有限公司 | 基于三角测量的接触网几何参数动态检测方法 |
CN205601869U (zh) * | 2016-05-18 | 2016-09-28 | 苏州华兴致远电子科技有限公司 | 车载运行环境安全监测系统 |
CN106772338A (zh) * | 2016-11-25 | 2017-05-31 | 杭州捍鹰科技有限公司 | 无人机定位装置、方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107703513A (zh) | 2018-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107703513B (zh) | 一种基于图像处理的非接触式接触网相对位置检测方法 | |
CN107678036B (zh) | 一种车载非接触式接触网几何参数动态检测系统及方法 | |
Wei et al. | Defect detection of pantograph slide based on deep learning and image processing technology | |
CN105674880B (zh) | 基于双目原理的接触网几何参数测量方法及系统 | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
US11891261B2 (en) | Device and method for detecting flatness of sheet material | |
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
CN109584238B (zh) | 一种基于立体视觉的弓网运行状况在线检测系统及方法 | |
Zhan et al. | An accurate and efficient vision measurement approach for railway catenary geometry parameters | |
CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
EP3199910B1 (en) | Line measurement device and method | |
JP2017215220A (ja) | 鉄道車両の外観検査装置 | |
CN113465541B (zh) | 一种接触线磨耗测量方法及系统 | |
CN110260818B (zh) | 一种基于双目视觉的电子连接器鲁棒检测方法 | |
Lu et al. | Automatic wear measurement of pantograph slider based on multiview analysis | |
CN112017173B (zh) | 基于目标检测网络和结构化定位的电力设备缺陷检测方法 | |
CN109590952B (zh) | 成套工艺装配板的智能检测方法和检测工作台 | |
CN108917621B (zh) | 一种受电弓滑板上边缘单像素跟踪检测方法 | |
Yan et al. | Multi-line laser structured light fast visual positioning system with assist of TOF and CAD | |
CN105352546A (zh) | 一种受电弓碳棒磨耗值测量系统 | |
JP5952759B2 (ja) | 架線位置計測装置及び方法 | |
Yao et al. | An image-based online monitoring system for pantograph wear and attitude | |
EP3936369A1 (en) | Pantograph displacement measuring device, and trolley-wire hard-spot detection method | |
CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
KR20070118922A (ko) | 전차선의 높이 및 편위 측정 방법, 장치 및 이를 위한기록매체 |
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 |