CN108734687B - 一种斜拉线不受力缺陷识别方法及装置 - Google Patents
一种斜拉线不受力缺陷识别方法及装置 Download PDFInfo
- Publication number
- CN108734687B CN108734687B CN201710264921.2A CN201710264921A CN108734687B CN 108734687 B CN108734687 B CN 108734687B CN 201710264921 A CN201710264921 A CN 201710264921A CN 108734687 B CN108734687 B CN 108734687B
- Authority
- CN
- China
- Prior art keywords
- diagonal
- unstressed
- defects
- line
- straight line
- 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.)
- Expired - Fee Related
Links
- 230000007547 defect Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000003708 edge detection Methods 0.000 claims abstract description 12
- 239000000725 suspension Substances 0.000 claims abstract description 8
- 101100129500 Caenorhabditis elegans max-2 gene Proteins 0.000 claims description 8
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 8
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 238000005452 bending Methods 0.000 abstract description 3
- 230000007717 exclusion Effects 0.000 abstract description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及接触网支持装置斜拉线检测领域,尤其是一种斜拉线不受力缺陷识别方法及装置。针对现有技术存在的问题,本发明提供一种斜拉线不受力缺陷识别方法及装置。通过边缘检测,不感觉兴趣区域排除,直线检测算法等图像处理过程,获取全景图像的部件直线信息;然后通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;然后判断斜拉线是否受力;进一步的,当斜拉线不受力时,对斜拉线所在区域进行直线拟合,提取构成拟合的参数作为不受力特征,并对弯曲进行判定,从而达到不受力缺陷识别。
Description
技术领域
本发明涉及接触网支持装置斜拉线检测领域,尤其是一种斜拉线不受力缺陷识别方法及装置。
背景技术
斜拉线部件处于平腕臂、斜腕臂和定位管之间的承力部件,如图1所示。斜拉线容易被忽视,且长时间不受力时易出现弯曲、形变等异常现象。人工对接触网支持装置关键部件中的斜拉线不受力、缺失等缺陷隐患不易发现、耗时等。
发明内容
本发明所要解决的技术问题是:针对现有技术存在的问题,提供一种斜拉线不受力缺陷识别方法及装置。通过边缘检测,不感觉兴趣区域排除,直线检测算法等图像处理过程,获取全景图像的部件直线信息;然后通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;然后判断斜拉线是否受力;进一步的,当斜拉线不受力时,对斜拉线所在区域进行直线拟合,提取构成拟合的参数作为不受力特征,并对弯曲进行判定,从而达到不受力缺陷识别。
本发明采用的技术方案如下:
一种斜拉线不受力缺陷识别方法包括:
部件直线检测步骤:通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理,获取全景图像的部件直线信息;所述直线信息包括直线的起始点、终点线段长度以及线段角度;
关键部件直线初步定位步骤:通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;
斜拉线定位步骤:根据先验经验中,斜拉线与支柱、平腕臂、斜腕臂、定位管和定位器部件的相对位置关系,得到斜拉线线段集合;根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围;若所有斜拉线角度相差不超过X,则该斜拉线受力,不存在缺陷;否则,该斜拉线不受力,存在缺陷。
进一步的,当斜拉线不受力,存在缺陷后,还包括缺陷检测步骤。
进一步的,所述缺陷检测步骤具体实现过程是:以斜拉线线段集合中所有线段的横坐标的均值得到斜拉线拟合线段的横坐标,以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标;分别以2*max1和2*max2为边长获得缺陷检测区域,其中max1为斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值,max2为斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值;对缺陷检测区域中所有斜拉线线段进行线段拟合,得到斜拉线不受力线段相关信息。
进一步的,所述X为1-4°。
进一步的,所述部件直线检测步骤中在直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前,还包括对图像进行部件边缘检测,然后对边缘检测处理后的图像进行形态学处理。
一种斜拉线不受力缺陷识别装置包括:
部件直线检测模块:用于通过直线检测算法对接触网支持装置中斜拉线图像信息进行处理,获取全景图像的部件直线信息;所述直线信息包括直线的起始点、终点线段长度以及线段角度;
关键部件直线初步定位模块:用于通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;
斜拉线定位模块:用于根据先验经验中,斜拉线与支柱、平腕臂、斜腕臂、定位管和定位器部件的相对位置关系,得到斜拉线线段集合;根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围;若所有斜拉线角度相差不超过X,则该斜拉线受力,不存在缺陷;否则,该斜拉线不受力,存在缺陷。
进一步的,当斜拉线不受力,存在缺陷后,还包括缺陷检测模块。
进一步的,所述缺陷检测模块具体实现过程是:以斜拉线线段集合中所有线段的横坐标的均值得到斜拉线拟合线段的横坐标,以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标;分别以2*max1和2*max2为边长获得缺陷检测区域,其中max1为斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值,max2为斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值;对缺陷检测区域中所有斜拉线线段进行线段拟合,得到斜拉线不受力线段相关信息。
进一步的,所述X为1-4°。
进一步的,在部件直线检测模块进行直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前,还包括边缘检测模块对图像进行部件边缘检测,然后对边缘检测处理后的图像进行形态学处理。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理,然后结合先验知识推理规则,对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线,然后确定斜拉线集合,对斜拉线直线信息进行判断,判断是否存在不受力缺陷。该方法简单准确,能对现场施工人员提供较好的参考,用于后续操作。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是斜拉线位置示意图。
图2是斜拉线不受力缺陷识别构成图。
图3是极坐标参数示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等),能勾画出目标物体,使观察者一目了然,是人们对图像最感兴趣的特征之一。边缘检测可以分为两种:一种为阶跃性边缘,它两边的像素的灰度值有着明显的不同;另一种为屋顶状边缘,它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘,二阶方向导数在边缘处呈零交叉;而对于屋顶状边缘,二阶方向导数在边缘处取极值。
从本质上说,边缘是图像局部特性不连续性(灰度突变、颜色突变等)的反映,它标志着一个区域的终结和另一个区域的开始。由于噪声和模糊的存在,检测到的边界可能会变宽或在某些点处发生间断,因此边缘提取的任务首先要检出图像局部特性的不连续性,然后剔除某些边界点或填补边界间断点,并将这些边缘像素连成完备的边界。边缘特性是沿边缘走向的像素变化平缓,而垂直于边缘方向的像素变化剧烈。所以从这个意义上来说,提取边缘的算法就是要找出符合边缘特性的像素的微分算子。从根本上说,各种边缘检测技术的基本思想是计算局部的微分算子。
1、部件直线检测模块或步骤中技术实现过程:
1.1直线检测
检测直线的霍夫变换使用含极坐标参数的直线表示型式,简称极坐标式(不是极坐标方程,因为还是在笛卡尔坐标下表示)
ρ=xcosθ+ysinθ
其中的两个参数的意义如下图(3):
Hough变换的基本原理在于利用点与线的对偶性,将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。找到了多个峰值,则对应获取全景图像中多个部件直线信息;所述直线信息包括直线的起始点、终点线段长度以及线段角度;
1.2识别定位的先知经验说明:
关键部件直线初步定位步骤或模块通过已知的先验经验中关键悬挂部件之间的结构信息对支柱、平腕臂、斜腕臂、定位管和定位器部件所在直线进行推理判定,选取满足条件的最优部件直线。先验知识推理规则如下表所示。
1.2.1支柱(ZZ)定位规则:
1,左边区域;
2,角度绝对值大于70度;
1.2.2平腕臂(PWB)定位规则
1,角度绝对值小于17度;
2,位于XWB直线下方;
3,右端点到XWB直线距离小于80;
1.2.3斜腕臂(XWB)定位规则:
1,角度:[20,40];
1.2.4定位管(DWG)定位规则
1,中点位于XWB下方;
2,与XWB直线角度差绝对值大于10度;
3,左端点与XWB直线距离小于30度;
1.2.5定位器(DWQ)定位规则
1,中点于DWG直线下方;
2,与DWG夹角大于5度小于20度
1.2.6斜拉线(XLX)定位规则
1,在PWB与DWG之间;
2,在XWB最右边;
3,PWB、XWB,DWG定位有效;
注意1:角度范围:-90至90度。
注意2:距离为2448x2050图像缩小3倍后的像素距离。
1.3斜拉线定位步骤或模块:
根据先验经验中,斜拉线与支柱、平腕臂、斜腕臂、定位管和定位器部件的相对位置关系,得到斜拉线线段集合;根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围;若所有斜拉线角度相差不超过X,则该斜拉线受力,不存在缺陷;否则,该斜拉线不受力,存在缺陷。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (10)
1.一种斜拉线不受力缺陷识别方法,其特征在于包括:
部件直线检测步骤:通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理,获取全景图像的部件直线信息;所述直线信息包括直线的起始点、终点线段长度以及线段角度;
关键部件直线初步定位步骤:通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;
斜拉线定位步骤:根据先验经验中,斜拉线与支柱、平腕臂、斜腕臂、定位管和定位器部件的相对位置关系,得到斜拉线线段集合;根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围;若所有斜拉线角度相差不超过X,则该斜拉线受力,不存在缺陷;否则,该斜拉线不受力,存在缺陷。
2.根据权利要求1所述的一种斜拉线不受力缺陷识别方法,其特征在于当斜拉线不受力,存在缺陷后,还包括缺陷检测步骤。
3.根据权利要求2所述的一种斜拉线不受力缺陷识别方法,其特征在于所述缺陷检测步骤具体实现过程是:以斜拉线线段集合中所有线段的横坐标的均值得到斜拉线拟合线段的横坐标,以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标;分别以2*max1和2*max2为边长获得缺陷检测区域,其中max1为斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值,max2为斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值;对缺陷检测区域中所有斜拉线线段进行线段拟合,得到斜拉线不受力线段相关信息。
4.根据权利要求2所述的一种斜拉线不受力缺陷识别方法,其特征在于所述X为1-4°。
5.根据权利要求1至4之一所述的一种斜拉线不受力缺陷识别方法,其特征在于所述部件直线检测步骤中在直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前,还包括对图像进行部件边缘检测,然后对边缘检测处理后的图像进行形态学处理。
6.一种斜拉线不受力缺陷识别装置,其特征在于包括:
部件直线检测模块:用于通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理,获取全景图像的部件直线信息;所述直线信息包括直线的起始点、终点线段长度以及线段角度;
关键部件直线初步定位模块:用于通过先验知识对关键悬挂对应的直线进行推理判定,得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线;
斜拉线定位模块:用于根据先验经验中,斜拉线与支柱、平腕臂、斜腕臂、定位管和定位器部件的相对位置关系,得到斜拉线线段集合;根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围;若所有斜拉线角度相差不超过X,则该斜拉线受力,不存在缺陷;否则,该斜拉线不受力,存在缺陷。
7.根据权利要求6所述的一种斜拉线不受力缺陷识别装置,其特征在于当斜拉线不受力,存在缺陷后,还包括缺陷检测模块。
8.根据权利要求7所述的一种斜拉线不受力缺陷识别装置,其特征在于所述缺陷检测模块具体实现过程是:以斜拉线线段集合中所有线段的横坐标的均值得到斜拉线拟合线段的横坐标,以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标;分别以2*max1和2*max2为边长获得缺陷检测区域,其中max1为斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值,max2为斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值;对缺陷检测区域中所有斜拉线线段进行线段拟合,得到斜拉线不受力线段相关信息。
9.根据权利要求7所述的一种斜拉线不受力缺陷识别装置,其特征在于所述X为1-4°。
10.根据权利要求6至9之一所述的一种斜拉线不受力缺陷识别装置,其特征在于在部件直线检测模块在直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前,还包括对图像进行部件边缘检测,然后对边缘检测处理后的图像进行形态学处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710264921.2A CN108734687B (zh) | 2017-04-21 | 2017-04-21 | 一种斜拉线不受力缺陷识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710264921.2A CN108734687B (zh) | 2017-04-21 | 2017-04-21 | 一种斜拉线不受力缺陷识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108734687A CN108734687A (zh) | 2018-11-02 |
CN108734687B true CN108734687B (zh) | 2020-04-28 |
Family
ID=63933811
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710264921.2A Expired - Fee Related CN108734687B (zh) | 2017-04-21 | 2017-04-21 | 一种斜拉线不受力缺陷识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108734687B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110570415B (zh) * | 2019-09-11 | 2023-04-07 | 哈尔滨工业大学(威海) | 一种高铁接触网吊弦不受力异常检测方法 |
CN111462045B (zh) * | 2020-03-06 | 2022-07-01 | 西南交通大学 | 一种悬链支撑组件缺陷的检测方法 |
CN114754673B (zh) * | 2022-03-18 | 2023-09-12 | 杭州申昊科技股份有限公司 | 刚性接触网几何参数测量方法、设备和存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950357A (zh) * | 2010-09-21 | 2011-01-19 | 上海大学 | 基于位置关系识别高压线路杆塔、引流线、导线的方法 |
CN104881861A (zh) * | 2015-03-11 | 2015-09-02 | 西南交通大学 | 一种基于图元分类的高铁接触网悬挂装置故障状态检测方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10043460C2 (de) * | 2000-09-04 | 2003-01-30 | Fraunhofer Ges Forschung | Auffinden von Körperpartien durch Auswerten von Kantenrichtungsinformation |
DE102006059663B4 (de) * | 2006-12-18 | 2008-07-24 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung, Verfahren und Computerprogramm zum Identifizieren eines Verkehrszeichens in einem Bild |
CN103577817B (zh) * | 2012-07-24 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 表单识别方法与装置 |
CN103196372B (zh) * | 2013-04-11 | 2016-04-13 | 北京和润科仪科技有限公司 | 一种电气化铁路接触网支持装置的光学成像检测方法 |
CN104794720B (zh) * | 2015-05-04 | 2017-11-21 | 成都唐源电气股份有限公司 | 一种在接触网图像中定位出定位线夹的方法及系统 |
CN106340019A (zh) * | 2016-08-31 | 2017-01-18 | 西南交通大学 | 一种高铁接触网斜拉线固定钩不良状态检测方法 |
-
2017
- 2017-04-21 CN CN201710264921.2A patent/CN108734687B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950357A (zh) * | 2010-09-21 | 2011-01-19 | 上海大学 | 基于位置关系识别高压线路杆塔、引流线、导线的方法 |
CN104881861A (zh) * | 2015-03-11 | 2015-09-02 | 西南交通大学 | 一种基于图元分类的高铁接触网悬挂装置故障状态检测方法 |
Non-Patent Citations (2)
Title |
---|
接触网成像检测系统运用;卢海燕等;《高速铁路》;20140331(第03期);全文 * |
胶济客专接触网定位管斜拉线应用分析技术;李涛;《山西建筑》;20090531;第35卷(第15期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108734687A (zh) | 2018-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913415B (zh) | 一种具有广泛适应性的图像亚像素边缘提取方法 | |
CN112950508A (zh) | 一种基于计算机视觉的排水管道视频数据修复方法 | |
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 | |
JP5699788B2 (ja) | スクリーン領域検知方法及びシステム | |
CN108734687B (zh) | 一种斜拉线不受力缺陷识别方法及装置 | |
CN106875430B (zh) | 动态背景下基于固定形态的单一运动目标追踪方法和装置 | |
CN109447062A (zh) | 基于巡检机器人的指针型仪表识别方法 | |
CN109389165A (zh) | 基于巡检机器人的变压器油位计识别方法 | |
CN116664586B (zh) | 一种基于多模态特征融合的玻璃缺陷检测方法及系统 | |
Wang et al. | Straight lane line detection based on the Otsu-Canny algorithm | |
CN111539951B (zh) | 一种陶瓷砂轮头轮廓尺寸视觉检测方法 | |
CN117308881A (zh) | 一种隧道检修道盖板倾斜角度的检测装置和检测方法 | |
CN117058182A (zh) | 一种用于视觉测距的目标检测边框优化方法 | |
CN105095897A (zh) | 一种基于梯度图像和相似度加权的数字识别方法 | |
CN114332069B (zh) | 一种基于机器视觉的接插件检测方法及装置 | |
CN109359646A (zh) | 基于巡检机器人的液位型仪表识别方法 | |
CN112330633B (zh) | 基于自适应带通滤波的跨接线胶带破损故障图像分割方法 | |
CN1265322C (zh) | 喷射沉积坯动态尺寸的视觉检测方法 | |
CN110954002A (zh) | 一种光纤直径测量方法 | |
CN111002376A (zh) | Pcb板内层靶标孔智能防呆的方法 | |
Yaohui et al. | Visual alignment system for PCB production based on yolov5 | |
CN117593300B (zh) | 一种pe管材裂纹缺陷检测方法及系统 | |
CN117593528B (zh) | 一种基于机器视觉的轨道车辆螺栓松动检测方法 | |
CN118096723B (zh) | 一种机器人电缆生产质量视觉检测方法 | |
CN106251327A (zh) | 一种用于刀具测量的亚像素边界快速检测方法 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200428 |