CN108217222B - 避免车厢反位列车作业事故的四翻翻车机自动作业算法 - Google Patents

Abstract

本发明公开一种避免车厢反位列车作业事故的四翻翻车机自动作业算法，包括：步骤一、沿列车行进方向上设置三组风管识别装置和视频捕捉装置；步骤二、列车定点定位后，启动一级风管识别装置和一级视频捕捉装置，判断待翻车的首节车厢与空车厢的连接处、待翻车的末节车厢与满载车厢的连接处，若均为活钩连接进行翻卸；反之启动二级风管识别装置和二级视频捕捉装置，判断待翻车的中间两节车厢的连接处，若为活钩连接，牵引列车倒退进行翻卸，若为死钩连接触发报警装置。本发明无论出现何种车厢反位情况，都可以自动给出自动作业方案，以最优效率自动计算出摘钩位置、推车顺序，避免翻车作业关键位置出现死钩，进而避免车厢反位列车作业事故的发生。

Description

避免车厢反位列车作业事故的四翻翻车机自动作业算法

技术领域

本发明涉及翻车机领域。更具体地说，本发明涉及一种避免车厢反位列车作业事故的四翻翻车机自动作业算法。

背景技术

港口翻车机类型分为单翻、双翻、三翻、四翻。为提高翻车机作业效率，翻车作业过程尽量不摘钩，即在翻车作业过程中翻转的车厢与固定不动的车厢有车钩连接。因为编组原因，车厢连接后的车钩有活钩和死钩之别。如果两车厢之间为活钩，一节车厢翻车另一节车厢不会跟着翻。如果为死钩，一节车厢翻车另一节车厢会跟着翻。四翻翻车机由两台双翻翻车机同步而成，两者之间的车厢连接也要保证是活钩才能进行翻车作业。如果死钩出现在被翻车作业车厢和非翻车作业车厢之间或者两台双翻翻车机之间，就会造成钩头折断或火车掉道事故，损失非常巨大。通常将车厢之间出现死钩的现象称为车厢反位。

列车出现车厢反位的情况很复杂，列车到港前并不知道。列车到港后才能通过人工或自动识别设备确认。受气候及列车状况等因素影响，自动识别设备还达不到100％的准确率。目前作业时，会派人在现场查看三个关键位置，翻车机入口、出口和两翻翻车机之间。如果在这三个位置出现车厢反位现象，现场人员会通知翻控室操作人员。翻车自动作业将被暂停，由操作人员进行远程手动操作，需要操作人员根据经验调整车厢位置或摘钩处理(无法通过移位处理的)，将死钩移离关键位置进行翻车作业，正常后恢复自动作业。完全依赖人工识别将会大大增加工作量、降低工作效率。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种避免车厢反位列车作业事故的四翻翻车机自动作业算法，无论出现何种车厢反位情况，都可以自动给出自动作业方案，以最优效率自动计算出摘钩位置、推车顺序，避免翻车作业关键位置出现死钩，进而避免车厢反位列车作业事故的发生。

为了实现根据本发明的这些目的和其它优点，提供了一种避免车厢反位列车作业事故的四翻翻车机自动作业算法，包括：

步骤一、沿列车行进方向上设置三组风管识别装置和视频捕捉装置，其中两组设置在四翻翻车机的首尾两个回转框外侧，为一级风管识别装置和一级视频捕捉装置，一组设置在四翻翻车机的中间两个回转框连接处，为二级风管识别装置和二级视频捕捉装置，一级风管识别装置检测待翻车的首节车厢与空车厢的连接处风管位置、待翻车的末节车厢与满载车厢的连接处风管位置，一级视频捕捉装置获取待翻车的首节车厢与空车厢的图像、待翻车的末节车厢与满载车厢的图像；二级风管识别装置检测待翻车的中间两节车厢的连接处风管位置，二级视频捕捉装置获取待翻车的中间两节车厢的图像；

步骤二、列车的待翻车的四节车厢进入四翻翻车机的回转框并定点定位后，启动一级风管识别装置和一级视频捕捉装置，判断待翻车的首节车厢与空车厢的连接处、待翻车的末节车厢与满载车厢的连接处为活钩连接或死钩连接，若均为活钩连接，启动四翻翻车机进行翻卸；若不全为活钩连接，启动二级风管识别装置和二级视频捕捉装置，判断待翻车的中间两节车厢的连接处为活钩连接或死钩连接，若为活钩连接，牵引列车向行进的反方向倒退两节车厢的距离，启动四翻翻车机进行翻卸，若为死钩连接，触发报警装置；

其中，判断相邻两节车厢的连接处为活钩连接或死钩连接的方式为：

风管识别装置检测相邻两节车厢的风管的下垂的最低点的高度，视频捕捉装置获取车厢图像，通过K均值聚类算法获得相邻两节车厢的前景和背景的聚类像素点，采用HIS特征空间进行颜色空间转换，分别计算相邻两节车厢的前景区域和背景区域颜色特征对之间的色差值，

当检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，且计算得到的相邻两节车厢的色差值不同时高于第一预设色差值时，判断为活钩连接，反之为死钩连接；当检测到的相邻两节车厢的风管的下垂的最低点的高度高于预设高度值，且计算得到的相邻两节车厢的色差值不同时高于第二预设色差值时，判断为活钩连接，反之为死钩连接，其中，第一预设色差值小于第二预设色差值。

优选的是，风管识别装置包括光栅和控制器，所述预设高度值为所述光栅的安装高度，即死钩连接时风管的下垂的最低点的高度，所述控制器设置为：列车定点定位后进行翻卸作业前，触发所述光栅，若光栅发射器发送给光栅接收器的光线被阻断，即判断检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，反之则高于预设高度值。

优选的是，视频捕捉装置包括CCD相机和上位计算机，所述CCD相机的图像获取面积为方形区域，所述方形区域的边长为列车高度、其中一个顶点为列车的一个角点。

优选的是，所述视频捕捉装置还包括：清洗水枪、干燥滚筒和鼓风机，所述清洗水枪的旋转中心为所述方形区域的中心。

优选的是，K均值聚类算法具体为：标记车厢颜色前景为黄色、背景为黑色，将前景区域的像素点分类成k₁个聚类中心，将背景区域的像素点分类成k₂个聚类中心，计算前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)，得到属于各聚类中心的像素点总数。

优选的是，以前景区域为例，具体包括：

将前景区域的全部像素点分类成k₁个聚类中心并获取全部像素点，2≤k₁≤n-1，通过迭代不断调整聚类中心，使得所有像素点到其所属类的聚类中心的欧氏距离之和最小，选择离聚类中心距离、数量分别超过阈值的像素点作为聚类中心的归属聚类像素点。

优选的是，将前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)进行颜色空间转换，具体为：

i＝max(r,g,b)

s＝1-min(r,g,b)/i

h＝5+b',if r＝max(r,g,b)and g＝min(r,g,b)

h＝1-g'

h＝1+r',if g＝max(r,g,b)and b＝min(r,g,b)

h＝3-b',if g＝max(r,g,b)and b≠min(r,g,b)

h＝3+g',if b＝max(r,g,b)and r＝min(r,g,b)

h＝5-r',otherwise

其中r'＝(i-r)/(i-min(r,g,b)),g'＝(i-g)/(i-min(r,g,b)),b'＝(i-b)/(i-min(r,g,b))，

其标准色差公式定义为：

d²＝(h₁-h₂)²+(s₁-s₂)²+(i₁-i₂)²。

优选的是，若计算得到的车厢色差值小于第一预设值或第二预设值，则判断该车厢的颜色为黑色，反之为黄色。

优选的是，第一预设色差值为6，第二预设色差值为8。

本发明至少包括以下有益效果：

第一、本发明针对即将进入四翻翻车机的列车，将列车两两分段，分别在连接处自动识别活钩或死钩，无论出现何种车厢反位情况，都可以自动给出自动作业方案，以最优效率自动计算出摘钩位置、推车顺序，避免翻车作业关键位置出现死钩，进而避免车厢反位列车作业事故的发生，本发明可以应用到翻车机自动控制软件中，从而实现全列车的自动控制，而不需要中途停下来进行人工干预，降低了对操作人员处理复杂反位情况的能力要求；

第二、本发明同时采用风管识别和视频捕捉，通过风管的下垂位置判断相邻两节车厢的钩头设置方式，通过车厢的颜色差异进一步判断连接处车钩为活钩或死钩，并给出相应的逻辑算法，通过牵引列车倒退两个车位的形式进行智能化翻卸，对于连续死钩节点进行报警再进行人工干预，大大减少工作量，提高了智能化程度。

本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

图1为本发明的列车的车厢与四翻翻车机的分布示意图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。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中的具体含义。术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

如图1所示，本发明提供一种避免车厢反位列车作业事故的四翻翻车机自动作业算法，包括：

步骤一、图1中的自左至右的方向为列车行进方向，虚线框为四翻翻车机的四个回转框，虚线框右侧为已翻卸的空车厢收纳室(进入空车厢收纳室的车钩默认为经工人调整后的活钩连接)，虚线框左侧为没有翻卸任务的满载车厢，沿列车行进方向上设置三组风管识别装置和视频捕捉装置，风管识别装置和视频捕捉装置可以对称分布在列车的两外侧(图1中的上下方向)，不影响各自的数据采集和传输，其中两组设置在四翻翻车机的首尾两个回转框外侧，为一级风管识别装置和一级视频捕捉装置，一组设置在四翻翻车机的中间两个回转框连接处，为二级风管识别装置和二级视频捕捉装置，一级风管识别装置检测待翻车的首节车厢与空车厢的连接处风管位置、待翻车的末节车厢与满载车厢的连接处风管位置，即先识别风管，再确定风管高度，一级视频捕捉装置获取待翻车的首节车厢与空车厢的图像、待翻车的末节车厢与满载车厢的图像，即获取图像中的像素点；二级风管识别装置检测待翻车的中间两节车厢的连接处风管位置，二级视频捕捉装置获取待翻车的中间两节车厢的图像；

步骤二、列车的待翻车的四节车厢进入四翻翻车机的回转框并定点定位后，启动一级风管识别装置和一级视频捕捉装置，判断待翻车的首节车厢与空车厢的连接处、待翻车的末节车厢与满载车厢的连接处为活钩连接或死钩连接，若均为活钩连接，则代表安全，可以进行翻卸作业，启动四翻翻车机进行翻卸；若不全为活钩连接，则活钩+死钩，或死钩+死钩，启动二级风管识别装置和二级视频捕捉装置，判断待翻车的中间两节车厢的连接处为活钩连接或死钩连接，若为活钩连接，牵引列车向行进的反方向倒退两节车厢的距离，启动四翻翻车机进行翻卸，若为死钩连接，触发报警装置，如表1所示，√表示活钩，×表示死钩：

表1

其中，判断相邻两节车厢的连接处为活钩连接或死钩连接的方式为：

车厢一端为固定车钩、另一端为旋转车钩，固定车钩与固定车钩对接，风管交叉相连，下垂较高，即为死钩，反之，旋转车钩与旋转车钩对接，风管直连，下垂最低，风管识别装置检测相邻两节车厢的风管的下垂的最低点的高度，视频捕捉装置获取车厢图像，获取全部像素点，通过K均值聚类算法获得相邻两节车厢的前景和背景的聚类像素点，采用HIS特征空间进行颜色空间转换，分别计算相邻两节车厢的前景区域和背景区域颜色特征对之间的色差值，

当检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，则代表可能为活钩，且计算得到的相邻两节车厢的色差值不同时高于第一预设色差值时，则代表相邻两节车厢的颜色不同，则确认判断为活钩连接，反之为死钩连接；当检测到的相邻两节车厢的风管的下垂的最低点的高度高于预设高度值，则代表可能为活钩、可能为死钩，且计算得到的相邻两节车厢的色差值不同时高于第二预设色差值时，则代表相邻两节车厢的颜色不同，则确认判断为活钩连接，反之为死钩连接，其中，第一预设色差值小于第二预设色差值，提高预设色差值的阈值标准，减小因天气、尘埃造成的数据偏差。

其中，风管识别装置包括光栅和控制器，光栅包括发射器和接收器，当有风管落入发射器和接收器之间时，光线被阻断，则代表风管下垂点低，当没有风管落入发射器和接收器之间时，光线不会被阻断，则代表风管下垂点高，所述预设高度值为所述光栅的安装高度，即死钩连接时风管的下垂的最低点的高度，所述控制器设置为：列车定点定位后进行翻卸作业前，触发所述光栅，若光栅发射器发送给光栅接收器的光线被阻断，即判断检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，反之则高于预设高度值。

其中，视频捕捉装置包括CCD相机和上位计算机，由于视频捕捉装置布置在列车一侧，故其拍摄到两节车厢的全景并捕捉到所有像素点的准确度会下降，故选择同时具有黄色和黑色的方形区域，所述CCD相机的图像获取面积为方形区域，所述方形区域的边长为列车高度、其中一个顶点为列车的一个角点。

其中，所述视频捕捉装置还包括：清洗水枪、干燥滚筒和鼓风机，所述清洗水枪的旋转中心为所述方形区域的中心，当空气可视度较低或车厢车皮洁净度较低时，需要采用清洗水枪进行喷淋冲洗车皮，然后采用干燥滚筒对车皮表面进行擦拭，同时采用鼓风机风干，以获取更好的效果。

其中，K均值聚类算法具体为：标记车厢颜色前景为黄色、背景为黑色，将前景区域的像素点分类成k₁个聚类中心，例如2个，将背景区域的像素点分类成k₂个聚类中心，例如3个，获取车厢前景区域和背景区域颜色分布，获取前景区域和背景区域所有像素点在RGB三维空间的位置分布，计算前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)，得到属于各聚类中心的像素点总数。

其中，以前景区域为例，具体包括：

将前景区域的全部像素点分类成k₁个聚类中心并获取全部像素点，2≤k₁≤n-1，通过迭代不断调整聚类中心，使得所有像素点到其所属类的聚类中心的欧氏距离之和最小，在相同图片里相同颜色的像素点中选取RGB中R值相对较大的聚类中心作为理想的颜色特征量，简化筛除前景区域、背景区域的聚类中心和属于聚类中心的全部像素点，选择离聚类中心距离、数量分别超过阈值的像素点作为聚类中心的归属聚类像素点，经过K均值聚类能很好聚类出理想的颜色特在的聚类中心，而且找出属于该聚类中心的全部像素点。

其中，将前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)进行颜色空间转换，具体为：

i＝max(r,g,b)

s＝1-min(r,g,b)/i

h＝5+b',if r＝max(r,g,b)and g＝min(r,g,b)

h＝1-g'

h＝1+r',if g＝max(r,g,b)and b＝min(r,g,b)

h＝3-b',if g＝max(r,g,b)and b≠min(r,g,b)

h＝3+g',if b＝max(r,g,b)and r＝min(r,g,b)

h＝5-r',otherwise

其中r'＝(i-r)/(i-min(r,g,b)),g'＝(i-g)/(i-min(r,g,b)),b'＝(i-b)/(i-min(r,g,b))，

其标准色差公式定义为：

d²＝(h₁-h₂)²+(s₁-s₂)²+(i₁-i₂)²。

只有连接的两节车厢都为黑色时，视为死钩连接，反之的三种情况均为活钩连接，分别计算前一节车厢的色差值、后一节车厢的色差值，并分别与预设值进行比较，分析前一节车厢与后一节车厢的颜色，判断活够，连接还是死钩连接。

其中，若计算得到的车厢色差值小于第一预设值或第二预设值，则判断该车厢的颜色为黑色，反之为黄色。

其中，第一预设色差值为6，第二预设色差值为8。根据HIS特征空间常规人眼对颜色的判断确定第一预设色差值和第二预设色差值。

这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (9)

1.一种避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，包括：

步骤一、沿列车行进方向上设置三组风管识别装置和视频捕捉装置，其中两组设置在四翻翻车机的首尾两个回转框外侧，为一级风管识别装置和一级视频捕捉装置，一组设置在四翻翻车机的中间两个回转框连接处，为二级风管识别装置和二级视频捕捉装置，一级风管识别装置检测待翻车的首节车厢与空车厢的连接处风管位置、待翻车的末节车厢与满载车厢的连接处风管位置，一级视频捕捉装置获取待翻车的首节车厢与空车厢的图像、待翻车的末节车厢与满载车厢的图像；二级风管识别装置检测待翻车的中间两节车厢的连接处风管位置，二级视频捕捉装置获取待翻车的中间两节车厢的图像；

步骤二、列车的待翻车的四节车厢进入四翻翻车机的回转框并定点定位后，启动一级风管识别装置和一级视频捕捉装置，判断待翻车的首节车厢与空车厢的连接处、待翻车的末节车厢与满载车厢的连接处为活钩连接或死钩连接，若均为活钩连接，启动四翻翻车机进行翻卸；若不全为活钩连接，启动二级风管识别装置和二级视频捕捉装置，判断待翻车的中间两节车厢的连接处为活钩连接或死钩连接，若为活钩连接，牵引列车向行进的反方向倒退两节车厢的距离，启动四翻翻车机进行翻卸，若为死钩连接，触发报警装置；

其中，判断相邻两节车厢的连接处为活钩连接或死钩连接的方式为：

风管识别装置检测相邻两节车厢的风管的下垂的最低点的高度，视频捕捉装置获取车厢图像，通过K均值聚类算法获得相邻两节车厢的前景和背景的聚类像素点，采用HIS特征空间进行颜色空间转换，分别计算相邻两节车厢的前景区域和背景区域颜色特征对之间的色差值，

当检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，且计算得到的相邻两节车厢的色差值不同时高于第一预设色差值时，判断为活钩连接，反之为死钩连接；当检测到的相邻两节车厢的风管的下垂的最低点的高度高于预设高度值，且计算得到的相邻两节车厢的色差值不同时高于第二预设色差值时，判断为活钩连接，反之为死钩连接，其中，第一预设色差值小于第二预设色差值。

2.如权利要求1所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，风管识别装置包括光栅和控制器，所述预设高度值为所述光栅的安装高度，即死钩连接时风管的下垂的最低点的高度，所述控制器设置为：列车定点定位后进行翻卸作业前，触发所述光栅，若光栅发射器发送给光栅接收器的光线被阻断，即判断检测到的相邻两节车厢的风管的下垂的最低点的高度低于预设高度值，反之则高于预设高度值。

3.如权利要求1所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，视频捕捉装置包括CCD相机和上位计算机，所述CCD相机的图像获取面积为方形区域，所述方形区域的边长为列车高度、其中一个顶点为列车的一个角点。

4.如权利要求3所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，所述视频捕捉装置还包括：清洗水枪、干燥滚筒和鼓风机，所述清洗水枪的旋转中心为所述方形区域的中心。

5.如权利要求1所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，K均值聚类算法具体为：标记车厢颜色前景为黄色、背景为黑色，将前景区域的像素点分类成k₁个聚类中心，将背景区域的像素点分类成k₂个聚类中心，计算前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)，得到属于各聚类中心的像素点总数。

6.如权利要求5所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，以前景区域为例，具体包括：

将前景区域的全部像素点分类成k₁个聚类中心并获取全部像素点，2≤k₁≤n-1，通过迭代不断调整聚类中心，使得所有像素点到其所属类的聚类中心的欧氏距离之和最小，选择离聚类中心距离、数量分别超过阈值的像素点作为聚类中心的归属聚类像素点。

7.如权利要求5所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，将前景区域的RGB聚类像素点L_f＝(r₁,g₁,b₁)，背景区域的RGB聚类像素点L_b＝(r₂,g₂,b₂)进行颜色空间转换。

8.如权利要求7所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，若计算得到的车厢色差值小于第一预设值或第二预设值，则判断该车厢的颜色为黑色，反之为黄色。

9.如权利要求1所述的避免车厢反位列车作业事故的四翻翻车机自动作业算法，其特征在于，第一预设色差值为6，第二预设色差值为8。