CN108765393A - 一种高速铁路接触网振动行为检测方法 - Google Patents
一种高速铁路接触网振动行为检测方法 Download PDFInfo
- Publication number
- CN108765393A CN108765393A CN201810486961.6A CN201810486961A CN108765393A CN 108765393 A CN108765393 A CN 108765393A CN 201810486961 A CN201810486961 A CN 201810486961A CN 108765393 A CN108765393 A CN 108765393A
- Authority
- CN
- China
- Prior art keywords
- frame
- moving region
- contact line
- speed railway
- behavioral value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003542 behavioural effect Effects 0.000 title claims abstract description 22
- 230000009021 linear effect Effects 0.000 claims abstract description 36
- 238000013459 approach Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000033001 locomotion Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000012360 testing method Methods 0.000 abstract description 12
- 238000005286 illumination Methods 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000012795 verification Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种高速铁路接触网振动行为检测方法,包括以下步骤:步骤1:获取接触网振动图像,确定目标区域和背景区域;步骤2:通过相邻帧差法分割背景区域和目标区域,获取接触线运动区域;步骤3:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标;或者通过由线性预测器和平方预测器构成的综合预测器预测下一帧目标位置,预测质心位置并输出质心坐标,完成接触网振动行为检测;本发明可降低线路试验过程中光照强度变化、成像形状变化、灰度值变化对检测精度的影响。
Description
技术领域
本发明涉及图像处理技术领域,具体涉及一种高速铁路接触网振动行为检测方法。
背景技术
近年来,中国高速铁路取得了世界瞩目的发展;在高速牵引供电系统中,接触网同时担负着受电弓机械滑道和电能传输通道的作用;受电弓高速滑动会引起接触线振动,并在接触网中产生振动波的产地;在吊弦、支撑杆、定位器等集中刚度点和质量点处产生行波的投射和反射,使接触网振动行为更加复杂。
受电弓与接触网的良好接触对保证高速铁路行车安全至关重要;但受到接触网复杂振动行为的影响,在受电弓高速运行过程中易出现接触压力剧烈波动现象,引起受电弓离线、拉弧、碳滑板过度磨损等接触不良事件;目前关于高速接触网系统振动行为的研究主要集中在模型仿真方面;Yang Song等通过建立高速接触网解析模型,以研究接触网系统在滑动受电弓激励下的波动传播规律[Song Y,Liu Z,Duan F,et al.Wave propagationanalysis in high-speed railway catenary system subjected to a movingpantograph[J].Applied Mathematical Modelling,2018,59:20-38.];Dahlberg等采用简化弓网模型以研究反射波对弓网接触压力的影响[Dahlberg T.Moving force on anaxially loaded beam—with applications to a railway overhead contact wire[J].Vehicle System Dynamics,2006,44(8):631-644.];尽管模型仿真方法可在一定程度上揭示接触网波动传播规律,但受到建模策略的限制和接触网振动行为复杂性的影响,仍需要现场试验对理论研究结果进行验证和完善。
基于图像处理方法的非接触式检测技术一直是弓网检测领域的研究热点;张桂南等基于坐标转换原理采用摄像机对接触线拉出值和导高进行检测[张桂南,刘志刚,刘文强,等.基于摄像机标定的非接触式接触线导高和拉出值的检测[J].铁道学报,2014,36(3):25-30.];周伟等基于机器视觉技术,采用面阵CCD相机进行接触网风偏检测[周伟.风区铁路接触网风偏检测技术及数值模拟方法研究[D].中南大学,2012.];Zou Dong等采用高速面阵相机获取实际接触线振动影像,并采用差分边缘检测法计算接触线位移时程信息以获取接触线振动波形[Zou D,Zhang W H,Li R P,et al.Determining dampingcharacteristics of railway-overhead-wire system for finite-element analysis[J].Vehicle System Dynamics,2016,54(7):902-917.];等采用近场摄影技术获取接触网振动影像,并结合加速度传感器对接触线位移曲线进行计算[ GT, P, A.Close range photogrammetry for measuring the response ofa railway catenary system.In:Pombo J,editor.Proceedings of the thirdinternational conference on railway technology:research,development andmaintenance.Stirlingshire(UK):Civil-Comp Press;2016.Paper 102];然而,在进行接触网振动行为线路试验时,受到影像采集现场光照等条件的影响,高速线阵相机所获取接触线影像形状、灰度值随振动位置的不同而变化,现有的非接触式检测方法无法对接触线位置进行精确定位,所获取接触线振动波形精确度较低。
发明内容
本发明提供一种可降低线路试验过程中光照强度变化、成像形状变化、灰度值变化对检测精度的影响的高铁接触网振动行为检测方法。
本发明采用的技术方案是:一种高速铁路接触网振动行为检测方法,包括以下步骤:
步骤1:获取接触网振动图像,确定目标区域和背景区域;
步骤2:通过相邻帧差法分割背景区域和目标区域,获取接触线运动区域;
步骤3:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标;或者通过由线性预测器和平方预测器构成的综合预测器预测下一帧目标位置,预测质心位置并输出质心坐标,完成接触网振动行为检测。
进一步的,所述步骤2中获取接触线运动区域的具体过程如下:
S1:对接触网振动图像逐帧提取,对每帧图像进行灰度转换,生成接触线振动图像的灰度图像;
S2:采用步骤S1中的第一帧作为运动背景帧,通过相邻帧差法对相邻两帧图像处理后确定接触线运动区域;
S3:以接触线灰度图像中灰度值最高区域作为识别目标,对步骤S2中得到的识别区域进行二值化处理,采用最大类间方差法计算二值化阈值。
进一步的,所述步骤3中通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标。
运算之前还包括以下过程:
对获取的接触线运动区域进行开运算,平滑目标边界,消除无意义点。
进一步的,所述步骤3中:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标,具体计算过程如下:
xc=∑xI(x,y)/∑I(x,y)
yc=∑yI(x,y)/∑I(x,y)
式中:xc为运动目标质心横坐标,yc为运动目标质心纵坐标,x和y分别为运动区域中某一像素点P的横纵坐标;I(x,y)为像素点P(x,y)的灰度值。
进一步的,所述步骤3中:线性预测器表示如下:
式中:为目标位置函数f(t)的线性逼近表达式,为下一帧预测位置;f(k)、f(k-1)、f(k-2)分别为第k帧、k-1帧、k-2帧位置;a、a0为线性逼近参数,a1、a2和a3与预测参数;t为时间变量。
进一步的,所述步骤3中平方预测器表示如下:
式中:为目标位置函数f(t)的平方逼近表达式,为下一帧预测位置,f(k)、f(k-1)…f(k-4)分别为第k帧、k-1帧…k-4帧位置;b、b0和b1为平方逼近参数,c1、c2、c3、c4和c5为预测参数,t为时间变量。
进一步的,所述步骤3中,综合预测器预测结果如下:
式中:为综合预测结果,为线性预测结果,为平方预测结果,W为加权系数;k、k+1分别为帧的标号。
进一步的,所述步骤3中的线性预测器为三点线性预测器,其中f(t)的N点线性逼近均方误差可表示为:
式中:f(ti)为ti时刻目标位置,i=1,2,3,···,N;
通过最小二乘法求解满足最小均方差的a和a1值,a和a1满足如下关系:
进一步的,所述步骤3中的平方预测器为五点平方预测器,其中f(t)的N点线性逼近均方误差可表示为:
上式为N取5的结果;f(ti)为ti时刻目标位置,i=1,2,3,4,5;
将f(i)=f(k-5+i),i=1,2,···,5代入最佳逼近求解过程中,即可得到五点平方预测器的相关参数。
进一步的,所述步骤2中获取接触线运动区域,具体过程如下:
式中:Dk,k-1(x,y,k)为当前帧与前一帧差分所得运动区域,f(x,y,k)、f(x,y,k-1)分别为k帧、k-1帧视频图像;T为二值化阈值。
本发明的有益效果是:
(1)本发明针对振动接触线在高速线阵相机中的成像特点,同时考虑线上试验时光照条件等因素对成像的干扰,采用帧差法识别接触线运动区域,采用线性预测器和平方预测器构成综合预测器,以消除振动影像中接触线形状、灰度值变化对目标识别和质心定位的干扰;
(2)本发明通过高度工业相机获取接触网高速振动影像,同加速度等接触式检测设备相比可避免对振动在接触网上的传播造成干扰;
(3)本发明可用于张力梁等简单结构与接触网等复杂非线性结构的振动行为识别,可为高速铁路接触网波动传播规律研究提供试验验证和数据支持。
附图说明
图1为本发明接触网振动行为单点检测设备原理图。
图2为本发明线阵相机中振动接触线成像结果,其中a为第零帧图像示意图,b为第五十帧图像示意图,c为第一百五十帧图像示意图,d为第两百帧图像示意图。
图3为本发明中步骤2得到的背景区域。
图4为本发明中运动区域选定及其二值化处理结果示意图;其中a为确定运动区域,b为运动区域的二值化结果。
图5为本发明中运动区域二值化图像的开运算结果。
图6为本发明中运动区域轮廓识别及质心坐标计算结果;其中a为第三帧图像示意图,b为第十二帧图像示意图,c为第四十帧图像示意图,d为第七十五帧图像示意图。
图7为本发明中不同帧图像的接触网振动行为影响识别结果示意图,其中左侧为无预测器示意图,右侧为施加综合预测器后效果图。
图8为本发明实施例中接触线振动行为曲线线路试验结果示意图。
图9为本发明实施例中接触线振动行为曲线仿真结果示意图。
图10为本发明实施例中接触网振动行为仿真结果和线路试验结果PSD分布对比示意图。
具体实施方式
下面结合具体实施例和附图对本发明做进一步说明。
一种高速铁路接触网振动行为检测方法,包括以下步骤:
步骤1:获取接触网振动图像,确定目标区域和背景区域;
采用Basler高速工业线阵相机及其配套软件作为图像采集设备,以实际接触网作为检测对象,在接触线上施加瞬时冲击力,采用高速线阵相机采集观测点处接触线振动影像;如图1所示;本实施例中激励位置位于接触网2~3号吊弦中间,观测位置位于6~7号吊弦之间;接触线振动行为采集影像如图2所示;图2中a、b、c、d分别为第0帧、第50帧、第150帧和第200帧接触线图像示意图;从图2中a、b、c和d的对比可以看出受到试验现场光照条件等因素影像,线阵相机中振动接触线成像随振动位置的变化其形状、灰度分布不断变化。
步骤2:通过相邻帧差法分割背景区域和目标区域,获取接触线运动区域;
获取接触线运动区域的具体过程如下:
S1:对接触网振动图像逐帧提取,对每帧图像进行灰度转换,生成接触线振动图像的灰度图像;
S2:采用步骤S1中的第一帧作为运动背景帧如图3所示,通过相邻帧差法对相邻两帧图像处理后确定接触线运动区域;
S3:为了提高识别精度,以接触线灰度图像中灰度值最高区域作为识别目标(如图4所示),对步骤S2中得到的识别区域进行二值化处理,其中二值化阈值由最大类间方差算法计算得到,二值化结果如图4所示。
二值化阈值的计算过程如下:
设图像大小为M×N,目标和背景的分割阈值为T,则有
M×N=N0+N1
式中,N0为图像中灰度值在阈值T以下的像素点个数,N1图像中灰度值在阈值T以上的像素点个数;ω0为目标所占整体图像的比例,ω1背景所占整体图像的比例;则图像的类间方差g表示如下:
g=ω0(μ0-μ)2+ω1(μ1-μ)2
式中,μ0、μ1、μ分别为目标、背景图像、整体图像的灰度平均值;对整体图像进行遍历,当所求类间方差取得最大值时的阈值T即为所求。
步骤3:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标;或者通过由线性预测器和平方预测器构成的综合预测器预测下一帧目标位置,预测质心位置并输出质心坐标,完成接触网振动行为检测。
轮廓查找采用findcontours函数实现:
输入二值化图像,图像中点P(i,j)的像素值表示为f(i,j),f(i,j)=0/1;对图像进行行扫描,在到达边界的起始点时扫描停止;其中,外边界的起始点定义为:
f(i,j-1)=0,f(i,j)=1
外边界的终止点定义为:
f(p,q)=1,f(p,q+1)=0
自起始点开始对边界上的像素进行标记,即可确定外部轮廓边界。
对获取的接触线运动区域进行开运算,平滑目标边界,消除无意义点,如图5所示;
通过轮廓查找函数对函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标,如图6所示,框图为运动区域最大外轮廓,圆点位置为质心位置;
具体计算过程如下:
xc=∑xI(x,y)/∑I(x,y)
yc=∑yI(x,y)/∑I(x,y)
式中:xc为运动目标质心横坐标,yc为运动目标质心纵坐标,x和y分别为运动区域中某一像素点P的横纵坐标;I(x,y)为像素点P(x,y)的灰度值。
本实施例中,目标位置表示为时间变量的函数f(t)。所采用三点线性预测器,由f(t)的线性逼近关系求得,其中f(t)的线性逼近可表示为:
f(t)的N点线性逼近均方误差可表示为:
式中:f(ti)为ti时刻目标位置,i=1,2,3,···,N。
采用最小二乘法求解满足最小均方误差的a、a1值,当采用f(k)、f(k-1)、f(k-2)对f(k+1)进行预测时,即为3点线性预测。
此时,a和a1满足如下关系:
所以三点线性预测器表示如下:
式中:为线性逼近表达式,为下一帧预测位置;f(k)、f(k-1)、f(k-2)分别为第k帧、k-1帧、k-2帧位置;a、a0为线性逼近参数,a1、a2和a3为预测参数。
本实施例中平方预测器采用五点平方预测器,求解过程与三点线性预测器相似,
f(t)的平方逼近可表示为:
其中f(t)的N点线性逼近均方误差可表示为:
上式为N取5的结果;f(ti)为,ti为。
将f(i)=f(k-5+i),i=1,2,···,5代入最佳逼近求解过程中,即可得到五点平方预测器的相关参数。
本实施例中五点平方预测器表示如下:
式中:为平方逼近表达式,为下一帧预测位置,f(k)、f(k-1)…f(k-4)分别为第k帧、k-1帧…k-4帧位置;b、b0和b1为平方逼近参数,c1、c2、c3、c4和c5为预测参数,t为时间变量。
综合预测器预测结果如下:
式中:为综合预测结果,为线性预测结果,为平方预测结果,W为加权系数;k、k+1分别为帧的标号。
图7为引入综合预测器前后接触线振动行为识别结果对比效果图;其中左侧图为无综合预测器时接触线振动行为识别结果,右侧为引入综合预测器后接触线振动行为识别结果;从图中可以看出在不考虑目标追踪(质心位置预测)时,受到线阵相机成像结果中接触线形状、灰度值剧烈变化的影响,个别帧图像运动区域识别稳定性差,波动剧烈;在引入综合预测器后,相应帧图像运动区域识别基本处于较稳定范围,未出现丢失目标情况。
为了证明本发明效果,对接触网振动行为非接触式检测结果进行验证;
建立试验线路接触网动力学模型,模拟其在外界冲击下接触线的动态响应曲线,与采用本发明方法对接触网振动行为的检测结果进行对比。
接触网模型采用传统模态分解法和多体动力学方法进行构建:
式中:M、C、K分别为接触网的质量、阻尼、刚度矩阵,Y(t)为接触网加速度、速度、位移矩阵,F(t)为外界瞬时冲击力矩阵。
分别提取接触线振动行为曲线线路验证结果(图8)和模型仿真结果(图9)的空间频谱信息(图10),可见两者首个峰值均出现在0.0145m-1附近,同试验线路中接触网系统的空间分布特征基本一致,说明本发明方法的准确性。
本发明针对接触网线路试验中接触线在线阵相机中的成像受到振动、光照条件变化等因素的影响所出现形状、灰度变化,提出采用帧差法结合质心位置预测进行接触线振动信息提取;采用帧差法以确定运动区域,采用线性预测器和平方预测器构成综合预测器,对接触线振动过程中的质心位置进行识别追踪;本发明方法是一种基于图像处理的非接触式检测方法,检测对象为接触网,采用高速工业相机获取接触网高速振动影像,同加速度计等接触式检测设备相比可避免对振动在接触网上的传播造成干扰;针对振动接触线在高速线阵相机中的成像特点,同时考虑线上试验时光照条件等因素对成像的干扰,采用帧差法识别接触线运动区域,采用线性预测器和平方预测器构成综合预测器,以消除振动影像中接触线形状、灰度值变化对目标识别和质心定位的干扰;可用于张力梁等简单结构与接触网等复杂非线性结构的振动行为识别中,可为高速铁路接触网波动传播规律研究提供试验验证和数据支持。
Claims (10)
1.一种高速铁路接触网振动行为检测方法,其特征在于,包括以下步骤:
步骤1:获取接触网振动图像,确定目标区域和背景区域;
步骤2:通过相邻帧差法分割背景区域和目标区域,获取接触线运动区域;
步骤3:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标;或者通过由线性预测器和平方预测器构成的综合预测器预测下一帧目标位置,预测质心位置并输出质心坐标,完成接触网振动行为检测。
2.根据权利要求1所述的一种高速铁路接触网振动行为检测方法,其特征在于,所述步骤2中获取接触线运动区域的具体过程如下:
S1:对接触网振动图像逐帧提取,对每帧图像进行灰度转换,生成接触线振动图像的灰度图像;
S2:采用步骤S1中的第一帧作为运动背景帧,通过相邻帧差法对相邻两帧图像处理后确定接触线运动区域;
S3:以接触线灰度图像中灰度值最高区域作为识别目标,对步骤S2中得到的识别区域进行二值化处理,其中二值化阈值由最大类间方差算法计算得到。
3.根据权利要求1所述的一种高速铁路接触网振动行为检测方法,其特征在于,所述步骤3中通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标,运算之前还包括以下过程:
对获取的接触线运动区域进行开运算,平滑目标边界,消除无意义点。
4.根据权利要求1所述的一种高速铁路接触网振动行为检测方法,其特征在于,所述步骤3中:通过轮廓查找函数识别接触线运动区域外部边界,计算最大外部轮廓的质心坐标,具体计算过程如下:
xc=∑xI(x,y)/∑I(x,y)
yc=∑yI(x,y)/∑I(x,y)
式中:xc为运动目标质心横坐标,yc为运动目标质心纵坐标,x和y分别为运动区域中某一像素点P的横纵坐标;I(x,y)为像素点P(x,y)的灰度值。
5.根据权利要求1所述的一种高速铁路接触网振动行为检测方法,其特征在于,所述步骤3中:线性预测器表示如下:
式中:为线性逼近表达式,为下一帧预测位置;f(k)、f(k-1)、f(k-2)分别为第k帧、k-1帧、k-2帧位置;a、a0为新型逼近参数,a1、a2和a3与预测参数;t为时间变量。
6.根据权利要求1所述的一种高速铁路接触网振动行为检测方法,其特征在于,所述步骤3中平方预测器表示如下:
式中:为平方逼近表达式,为下一帧预测位置,f(k)、f(k-1)…f(k-4)分别为第k帧、k-1帧…k-4帧位置;b和b0为平方逼近参数,c1、c2、c3、c4和c5为预测参数,t为时间变量。
7.根据权利要求1所述的一种高速铁路接触网动行为检测方法,其特征在于,所述步骤3中,综合预测器预测结果如下:
式中:为综合预测结果,为线性预测结果,为平方预测结果,W为加权系数;k、k+1分别为帧的标号。
8.根据权利要求5所述的一种高速铁路接触网动行为检测方法,其特征在于,所述步骤3中的线性预测器为三点线性预测器,其中f(t)的N点线性逼近均方误差可表示为:
式中:f(ti)为ti时刻目标位置,i=1,2,3,···,N;
通过最小二乘法求解满足最小均方差的a和a1值,a和a1满足如下关系:
9.根据权利要求6所述的一种高速铁路接触网动行为检测方法,其特征在于,所述步骤3中的平方预测器为五点平方预测器,其中f(t)的五点线性逼近均方误差可表示为:
上式为N取5的结果;f(ti)为ti时刻目标位置,i=1,2,3,4,5;
将f(i)=f(k-5+i),i=1,2,···,5代入最佳逼近求解过程中,即可得到五点平方预测器的相关参数。
10.根据权利要求1所述的一种高速铁路接触网动行为检测方法,其特征在于,所述步骤2中获取接触线运动区域,具体过程如下:
式中:Dk,k-1(x,y,k)为当前帧与前一帧差分所得运动区域,f(x,y,k)、f(x,y,k-1)分别为k帧、k-1帧视频图像;T为二值化阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810486961.6A CN108765393B (zh) | 2018-05-21 | 2018-05-21 | 一种高速铁路接触网振动行为检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810486961.6A CN108765393B (zh) | 2018-05-21 | 2018-05-21 | 一种高速铁路接触网振动行为检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108765393A true CN108765393A (zh) | 2018-11-06 |
CN108765393B CN108765393B (zh) | 2022-03-15 |
Family
ID=64007282
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810486961.6A Expired - Fee Related CN108765393B (zh) | 2018-05-21 | 2018-05-21 | 一种高速铁路接触网振动行为检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108765393B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160762A (zh) * | 2019-05-30 | 2019-08-23 | 杭州友邦演艺设备有限公司 | 一种剧场钢丝缠绕检测方法 |
CN110617878A (zh) * | 2019-10-31 | 2019-12-27 | 南京林业大学 | 一种铁路接触网振动频率检测装置 |
CN112285111A (zh) * | 2019-07-09 | 2021-01-29 | 株洲变流技术国家工程研究中心有限公司 | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 |
CN113014744A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控画面遮挡排除光线闪烁干扰的方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006062726A1 (de) * | 2006-04-19 | 2008-07-10 | Db Netz Ag | Verminderung von Schwingungen einer Fahrleitung mittels schwingungsdämpfendem Belag |
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN103557788A (zh) * | 2013-10-15 | 2014-02-05 | 西南交通大学 | 一种高铁接触网接几何参数检测非接触式补偿及卡尔曼滤波修正方法 |
US20140071269A1 (en) * | 2012-09-07 | 2014-03-13 | Harsco Corporation | Reference Measurement System for Rail Applications |
CN105403242A (zh) * | 2015-05-22 | 2016-03-16 | 华东交通大学 | 一种机车弓网硬点光电振动综合检测与gps定位方法及系统 |
US9635259B2 (en) * | 2015-01-21 | 2017-04-25 | Izak Jan van Cruyningen | Forward motion compensated flight path |
CN107564056A (zh) * | 2017-07-26 | 2018-01-09 | 西南交通大学 | 一种接触网支撑装置三维点云数据最优数据帧选取方法 |
CN107578400A (zh) * | 2017-07-26 | 2018-01-12 | 西南交通大学 | 一种bim和三维点云融合的接触网装置参数检测方法 |
-
2018
- 2018-05-21 CN CN201810486961.6A patent/CN108765393B/zh not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102006062726A1 (de) * | 2006-04-19 | 2008-07-10 | Db Netz Ag | Verminderung von Schwingungen einer Fahrleitung mittels schwingungsdämpfendem Belag |
US20140071269A1 (en) * | 2012-09-07 | 2014-03-13 | Harsco Corporation | Reference Measurement System for Rail Applications |
CN103217111A (zh) * | 2012-11-28 | 2013-07-24 | 西南交通大学 | 一种非接触式接触线几何参数检测方法 |
CN103557788A (zh) * | 2013-10-15 | 2014-02-05 | 西南交通大学 | 一种高铁接触网接几何参数检测非接触式补偿及卡尔曼滤波修正方法 |
US9635259B2 (en) * | 2015-01-21 | 2017-04-25 | Izak Jan van Cruyningen | Forward motion compensated flight path |
CN105403242A (zh) * | 2015-05-22 | 2016-03-16 | 华东交通大学 | 一种机车弓网硬点光电振动综合检测与gps定位方法及系统 |
CN107564056A (zh) * | 2017-07-26 | 2018-01-09 | 西南交通大学 | 一种接触网支撑装置三维点云数据最优数据帧选取方法 |
CN107578400A (zh) * | 2017-07-26 | 2018-01-12 | 西南交通大学 | 一种bim和三维点云融合的接触网装置参数检测方法 |
Non-Patent Citations (3)
Title |
---|
DONG ZOU: "Determining damping characteristics of railwayoverhead-wire system for finite-element analysis", 《VEHICLE SYSTEM DYNAMICS》 * |
刘志刚等: "电气化高速铁路接触网微风振动特性", 《西南交通大学学报》 * |
翁木云等: "一种改进的自适应质心跟着算法", 《空军工程大学学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110160762A (zh) * | 2019-05-30 | 2019-08-23 | 杭州友邦演艺设备有限公司 | 一种剧场钢丝缠绕检测方法 |
CN112285111A (zh) * | 2019-07-09 | 2021-01-29 | 株洲变流技术国家工程研究中心有限公司 | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 |
CN110617878A (zh) * | 2019-10-31 | 2019-12-27 | 南京林业大学 | 一种铁路接触网振动频率检测装置 |
CN110617878B (zh) * | 2019-10-31 | 2024-04-19 | 南京林业大学 | 一种铁路接触网振动频率检测装置 |
CN113014744A (zh) * | 2019-12-19 | 2021-06-22 | 合肥君正科技有限公司 | 一种车内监控画面遮挡排除光线闪烁干扰的方法 |
CN113014744B (zh) * | 2019-12-19 | 2022-07-22 | 合肥君正科技有限公司 | 一种检测车内监控画面遮挡的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108765393B (zh) | 2022-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108765393A (zh) | 一种高速铁路接触网振动行为检测方法 | |
CN109598287B (zh) | 基于深度卷积生成对抗网络样本生成的外观瑕疵检测方法 | |
JP6305171B2 (ja) | シーン内の物体を検出する方法 | |
CN109635685A (zh) | 目标对象3d检测方法、装置、介质及设备 | |
CN106960591B (zh) | 一种基于路面指纹的车辆高精度定位装置及方法 | |
CN106679567A (zh) | 基于双目立体视觉的接触网及支柱几何参数检测测量系统 | |
CN111735523B (zh) | 基于视频识别的车重检测方法、装置及存储介质 | |
CN106815578A (zh) | 一种基于深度运动图‑尺度不变特征变换的手势识别方法 | |
CN110930415B (zh) | 一种轨道接触网空间位置检测方法 | |
CN105975907B (zh) | 基于分布式平台的svm模型行人检测方法 | |
CN108287303A (zh) | 一种基于ncc-p-s优化算法的断路器机械特性现场带电测试方法 | |
JP2017522669A (ja) | シーンのキーポイントを追跡する方法 | |
CN114140394A (zh) | 一种非接触式的基于图像处理技术的弓网接触力检测方法 | |
CN110910443A (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
JP2018092596A (ja) | 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、およびプログラム | |
CN109249429A (zh) | 一种双足机器人地形分类系统 | |
CN115331000A (zh) | 一种基于orb算法的弓网运行状态检测方法 | |
CN112395809A (zh) | 一种加工零件表面振纹缺陷检测方法 | |
CN116503760A (zh) | 基于自适应边缘特征语义分割的无人机巡航检测方法 | |
CN112906095B (zh) | 基于激光条纹中心追踪的桥梁模态识别方法及其系统 | |
CN111291831B (zh) | 一种仿人机器人摔倒预测方法 | |
CN116935356A (zh) | 基于弱监督的自动驾驶多模态图片和点云实例分割方法 | |
CN105184809A (zh) | 运动对象检测方法和运动对象检测装置 | |
KR20150014342A (ko) | 이벤트 정보를 포함하는 영상을 분석하는 장치 및 방법 | |
CN110706288A (zh) | 目标检测的方法、装置、设备及可读存储介质 |
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 |
Granted publication date: 20220315 |
|
CF01 | Termination of patent right due to non-payment of annual fee |