CN108648177A - 一种列车部件完整性检测方法 - Google Patents

Abstract

本发明公开了一种列车部件完整性检测方法，包括以下步骤：步骤S1：对采集到的图像进行预处理，消除图像噪声，建立待检测部位的模板库；步骤S2：通过预先保存的部件模板自动匹配定位部件所在位置；步骤S3：筛选出作为生长的种子区域的特征块；步骤S4：利用多点自动种子生长的算法对部件进行生长，按照生长情况判断异常区域，并分析差异区轮廓特征，判断部件是否完整。该方法对图像采集的条件没有限制，能够很好的适应列车检测的环境。

Description

一种列车部件完整性检测方法

技术领域

本发明涉及基于图像的零部件检测领域，特别涉及一种列车部件完整性 检测方法。

背景技术

我国铁路网络规模越来越大，时至今日每天运行的列车为3615对，远远 超出了其他国家的数量。为了保证安全运行，需要对进站列车的部件进行常 规检查，保证不脱落、无破损、无偏移等。传统的部件完好性检测主要是通 过人工对重要部件进行肉眼检查，但是随着列车数量的急剧增加，长时间单 调的人工检查会出现视觉疲劳、注意力不集中或者错觉等问题，容易造成漏 检，从而可能影响到列车的安全运行。

基于图像进行检测是一种效率较好的方法。中兴公司开发了一种手电摄像 机，在对检测部位进行光照的同时，进行图像采集并传送到后台进行完好性 检查。通过图像进行完好性检测的研究中，目前很多研究者致力于用神经网 络或部件特征对部件进行定位然后利用分类器对部件进行分类，以此实现部 件的完整性检测。另外有研究者将梯度编码直方图特征与基于离散点采样和 中线分组的TFDS图像提取复杂形状方法，但是没有进一步证明其方法用于 完整性检测。基于特征提取算子对图像中特征点进行检测、筛选、匹配对火 车车底的螺栓等部件进行识别。但是列车检测部位多，目前还没有任何对列 车通用部件的完整性检测的研究，并且动态采集图像时位置、角度、光照等 条件不同，因此，现有研究难以直接应用于列车所有部件的完好性检测。

发明内容

本发明的目的在于提供一种列车部件完整性检测方法，以解决上述技术 问题。

为实现上述目的本发明采用以下技术方案：

一种列车部件完整性检测方法，包括以下步骤：

步骤S1：对采集到的图像进行预处理，消除图像噪声，建立待检测部位的模 板库；

步骤S2：通过预先保存的部件模板自动匹配定位部件所在位置；

步骤S3：筛选出作为生长的种子区域的特征块；

步骤S4：利用多点自动种子生长的算法对部件进行生长，按照生长情况判断 异常区域，并分析差异区轮廓特征，判断部件是否完整。

所述步骤S2还包括以下步骤：

步骤S21，在原始模板中选取多个子块作为子模板代替原始模板；

步骤S22，求得子模板与待搜索图的相关系数R(i,j)，且设置一个阈值τ,当 相关系数R(i,j)>τ时说明两个图相似，若检测的部件为不完整的部件，且所 缺失部分为模板特征快区域，则所计算到的相关系数R(i,j)则小于τ，从而 直接判断部件不完整。

所述步骤S3还包括以下步骤：

步骤S31：通过模板部件特征块匹配到相似区域之后，计算每个模板特征块 与待搜索部件中匹配上的特征块的位置差异C(i)；

步骤S32：将计算出来的所有特征快差异明显大特征快删除，不作为种子选取区域，其余的特征块将作为种子的选取区域。

所述步骤S4还包括以下步骤：

步骤S41：初始化队列，将种子点进队操作，如果队列非空则进行步骤S42；

步骤S42：出队一个种子点，检测该种子点左边点及右边点，判断是否满足 种子生长条件，求得最左边满足生长条件点的横坐标x_left，最右边横坐标 x_right。并将其坐标点及区间长度储存。增加一个标志，判断是否为生长过 的点，初始值设置为假；

步骤S43：检测当前种子点横坐标轴的上一行，求得该行的区间段x_left<x <x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点及区 间长度；

步骤S44：检测当前种子点横坐标轴的下一行，求得该行的区间段x_left<x <x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点及区 间长度；

步骤S45：判断此队列是否为空，为空结束，否则出队一个种子进行步骤S42；

步骤S46：对待检测部件重复上述步骤，比对从原始种子点出发的各层区段 长度，若差异大于所设置的阈值，则在待检测部件图中标记位置，将标记位 置的外接矩形框出，并截取模板部件与待检测部件的矩形区域，将两个区域 进行轮廓分析。

所述步骤1中采集到的图像为一些规范的部件图像。

所述步骤S31中位置差异C(i)的计算公式为：

其中M(i,j)为模板特征块坐标为(i,j)时的灰度值，L(i,j)为代搜索部件中匹 配上的特征块坐标的灰度值，m和n为特征块的长与宽。

本发明的有益效果是：本发明一种列车部件完整性检测方法，该方法对 图像采集的条件没有限制，能够很好的适应列车检测的环境。

附图说明

图1是本发明的列车部件完整性检测方法流程图；

图2是本发明中一副含有列车沙壶的部件图；

图3是本发明中画有特征区域的模板部件。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

如图1所示，一种列车部件完整性检测方法，包括以下步骤：

步骤S1：对采集到的图像进行预处理，消除图像噪声，建立待检测部位 的模板库；

所述采集到的图像为一些规范的部件图像，如图2所示，检测区域为红色 圈出的部分，检测的内容沙壶是否存在、折断、铁链是否存在或脱落；

所述消除图像噪声包括去除采集到的图像的背景，得到模板部件如图3 所示；

步骤S2：通过预先保存的部件模板自动匹配定位部件所在位置；

为了提高匹配速率，以及为后文的种子生长提供优质的种子点，本发明 采用基于模板特征的多个子模板匹配，在原始模板中选取多个子块与带搜索 图进行数据比较，即如图3中红色方框的特征区域的组合代替原始模板。求得 子模板与待搜索图的相关系数R(i,j)，且设置一个阈值τ,当相关系数 R(i,j)>τ时说明两个图相似，若检测的部件为不完整的部件，且所缺失部分 为模板特征快区域，则所计算到的相关系数R(i,j)则小于τ，从而直接判断 部件不完整；

步骤S3：筛选出作为生长的种子区域的特征块；

所述通过预先保存的部件模板自动匹配定位部件所在位置后，将特征快 作为生长的种子区域。由于可能待检测部件中缺少与之对应的特征快，所以 将所有的特征快都作为种子区域则可能会影响到后续结果，所以这里可以对 所有的特征块进行筛选。根据下面公式可以算出，其位置的差异：

其中M(i,j)为模板特征块坐标为(i,j)时的灰度值。L(i,j)为代搜索部件中匹 配上的特征块坐标的灰度值。m和n为特征块的长于宽。C(i)为第i特征块的 差异。将计算出来的所有特征快差异明显大特征快删除，不作为种子选取区 域。其余的特征块将作为种子的选取区域。

步骤S4：利用多点自动种子生长的算法对部件进行生长，按照生长情况 判断异常区域，并分析差异区轮廓特征，判断部件是否完整；

判断部件是否完整的具体步骤包括以下步骤：

步骤S41：初始化队列，将种子点进队操作，如果队列非空则进行步骤S42；

步骤S42：出队一个种子点，检测该种子点左边点及右边点，判断是否满 足种子生长条件，求得最左边满足生长条件点的横坐标x_left，最右边横坐 标x_right。并将其坐标点及区间长度储存。增加一个标志，判断是否为生长 过的点，初始值设置为假；

步骤S43：检测当前种子点横坐标轴的上一行，求得该行的区间段x_left <x<x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点 及区间长度；

步骤S44：检测当前种子点横坐标轴的下一行，求得该行的区间段x_left <x<x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点 及区间长度；

步骤S45：判断此队列是否为空，为空结束，否则出队一个种子进行步骤 S42；

步骤S46：对待检测部件重复上述步骤。比对从原始种子点出发的各层 区段长度。若差异大于所设置的阈值，则在待检测部件图中标记位置，将标 记位置的外接矩形框出，并截取模板部件与待检测部件的矩形区域，将两个 区域进行轮廓分析。

以上所述为本发明较佳实施例，对于本领域的普通技术人员而言，根据 本发明的教导，在不脱离本发明的原理与精神的情况下，对实施方式所进行 的改变、修改、替换和变型仍落入本发明的保护范围之内。

Claims (6)

1.一种列车部件完整性检测方法，其特征在于，包括以下步骤：

步骤S1：对采集到的图像进行预处理，消除图像噪声，建立待检测部位的模板库；

步骤S2：通过预先保存的部件模板自动匹配定位部件所在位置；

步骤S3：筛选出作为生长的种子区域的特征块；

步骤S4：利用多点自动种子生长的算法对部件进行生长，按照生长情况判断异常区域，并分析差异区轮廓特征，判断部件是否完整。

2.如权利要求1所述的一种列车部件完整性检测方法，其特征在于，所述步骤S2还包括以下步骤：

步骤S21，在原始模板中选取多个子块作为子模板代替原始模板；

步骤S22，求得子模板与待搜索图的相关系数R(i,j)，且设置一个阈值τ,当相关系数R(i,j)>τ时说明两个图相似，若检测的部件为不完整的部件，且所缺失部分为模板特征快区域，则所计算到的相关系数R(i,j)则小于τ，从而直接判断部件不完整。

3.如权利要求1所述的一种列车部件完整性检测方法，其特征在于，所述步骤S3还包括以下步骤：

步骤S31：通过模板部件特征块匹配到相似区域之后，计算每个模板特征块与待搜索部件中匹配上的特征块的位置差异C(i)；

步骤S32：将计算出来的所有特征快差异明显大特征快删除，不作为种子选取区域，其余的特征块将作为种子的选取区域。

4.如权利要求1所述的一种列车部件完整性检测方法，其特征在于，所述步骤S4还包括以下步骤：

步骤S41：初始化队列，将种子点进队操作，如果队列非空则进行步骤S42；

步骤S42：出队一个种子点，检测该种子点左边点及右边点，判断是否满足种子生长条件，求得最左边满足生长条件点的横坐标x_left，最右边横坐标x_right。并将其坐标点及区间长度储存。增加一个标志，判断是否为生长过的点，初始值设置为假；

步骤S43：检测当前种子点横坐标轴的上一行，求得该行的区间段x_left<x<x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点及区间长度；

步骤S44：检测当前种子点横坐标轴的下一行，求得该行的区间段x_left<x<x_right，将未被标记的像素从左到右依次入队。并且保存边界坐标点及区间长度；

步骤S45：判断此队列是否为空，为空结束，否则出队一个种子进行步骤S42；

步骤S46：对待检测部件重复上述步骤，比对从原始种子点出发的各层区段长度，若差异大于所设置的阈值，则在待检测部件图中标记位置，将标记位置的外接矩形框出，并截取模板部件与待检测部件的矩形区域，将两个区域进行轮廓分析。

5.根据权利要求1所述的一种列车部件完整性检测方法，其特征在于，所述步骤1中采集到的图像为一些规范的部件图像。

6.根据权利要求3所述的一种列车部件完整性检测方法，其特征在于，所述步骤S31中位置差异C(i)的计算公式为：

其中M(i,j)为模板特征块坐标为(i,j)时的灰度值，L(i,j)为代搜索部件中匹配上的特征块坐标的灰度值，m和n为特征块的长与宽。