CN108986082A - 一种基于epnp的钢轨廓形检测方法及系统 - Google Patents
一种基于epnp的钢轨廓形检测方法及系统 Download PDFInfo
- Publication number
- CN108986082A CN108986082A CN201810687996.6A CN201810687996A CN108986082A CN 108986082 A CN108986082 A CN 108986082A CN 201810687996 A CN201810687996 A CN 201810687996A CN 108986082 A CN108986082 A CN 108986082A
- Authority
- CN
- China
- Prior art keywords
- steel rail
- image
- coordinate system
- point
- camera
- 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.)
- Pending
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 101
- 239000010959 steel Substances 0.000 title claims abstract description 101
- 238000001514 detection method Methods 0.000 title claims abstract description 19
- FPIGOBKNDYAZTP-UHFFFAOYSA-N 1,2-epoxy-3-(4-nitrophenoxy)propane Chemical compound C1=CC([N+](=O)[O-])=CC=C1OCC1OC1 FPIGOBKNDYAZTP-UHFFFAOYSA-N 0.000 title claims abstract 8
- 239000011159 matrix material Substances 0.000 claims description 72
- 238000013519 translation Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000005299 abrasion Methods 0.000 abstract description 2
- 239000000284 extract Substances 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
- G01B11/25—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object
- G01B11/2513—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures by projecting a pattern, e.g. one or more lines, moiré fringes on the object with several lines being projected in more than one direction, e.g. grids, patterns
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30164—Workpiece; Machine component
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)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种基于EPNP的钢轨廓形检测方法及系统,该系统包括:线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。本发明解决了现有钢轨廓形检测办法耗时较长而且精度不高的问题,具有时间复杂度低,精度高的优点。
Description
技术领域
本发明涉及图像处理技术,尤其涉及一种基于EPNP的钢轨廓形检测方法及系统。
背景技术
近些年来,我国国民经济高速发展,交通作为国民经济的流动载体随之发展起来,特别是高速铁路的发展。随着钢轨使用频率的增加,钢轨的磨损程度也越来越大,使用寿命越来越短。钢轨的过渡磨损会对列车的安全构成很大的威胁,于是定期的钢轨轮廓检测以及维护工作是很有必要的。
目前,公知的钢轨廓形检测方法有机械式接触测量和非接触式测量两大类方法。机械式接触测量方法只能定性地测量出钢轨剖面的几何参数,而不能对钢轨进行全方位的测量,需要人为操作控制并且测量效率低下。非接触式方法一般使用激光发射器、摄像头和微控制器。将激光束照射在被测钢轨上,钢轨表面上会产生一亮的光条。通过一定的角度观察光条,获取激光线的扭曲图像,根据变形程度与高度之间的关系,得到被测钢轨的高度起伏信息。该方法对摄像头、激光器和被测钢轨三者的相对位置有严格的要求,而且耗时较长而且精度不高。
考虑到现有各种方案的不足,我们设计了一种基于EPNP算法的钢轨廓形检测系统。本设计采用了鲁棒性较强的EPNP算法,摄像头位置可以随意摆放,不会对测量结果产生影响,且能够精确测量钢轨廓形。本设计采用手持式对钢轨进行检测,通过WiFi可在手机APP上实现远程控制。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于EPNP的钢轨廓形检测方法及系统。
本发明解决其技术问题所采用的技术方案是:一种基于EPNP的钢轨廓形检测系统,包括:
线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;
设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;
服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。
按上述方案,所述服务器端包括:
图像预处理模块,用于将钢轨图像二值化,根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
光条中心线提取模块,用于从二值化图像中提取光条中心线,,具体如下:对二值化图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
摄像头标定模块,采用张正友标定法标定摄像头的内参和畸变参数;
钢轨廓形还原模块,用于根据激光中心线图片输出钢轨廓形图片;
廓形检测模块,用于根据还原的钢轨廓形图片,将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
按上述方案,所述钢轨廓形还原模块根据激光中心线图片输出钢轨廓形图片,是利用EPNP算法还原钢轨廓形,具体如下:
1)世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标 关系如下:
取主轴单位长度坐标点,通常取(0,0,0,1)T,(1,0,0,1)T,(0,1,0,1)T,(0,0,1,1)T,已知4组世界坐标系点可求出系数aij
2)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程
3)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
有式(1)中质心坐标系数aij可求出
4)计算旋转矩阵R和平移矩阵T
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
5)根据步骤4)中得到的旋转矩阵R和平移矩阵T对相机坐标系下钢轨的坐标进行变换,还原出钢轨的世界坐标系中的位置。
一种基于EPNP的钢轨廓形检测方法,包括以下步骤:
1)向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
2)通过摄像头采集表面附有激光光条的钢轨图像;
3)将图像采集装置采集的钢轨图像数据发送至服务器端;
4)在服务器端对钢轨图像二值化,即根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
5)采用Steger算法从二值化图像中提取光条中心线,即对采集图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
6)采用张正友标定法求取摄像头的内参和畸变参数;
7)利用EPNP算法还原钢轨廓形;世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标关系如下:
取主轴单位长度坐标点,通常取(0,0,0,1)T,(1,0,0,1)T,(0,1,0,1)T,(0,0,1,1)T,已知4组世界坐标系点可求出系数aij
8)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程
9)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
有式(1)中质心坐标系数aij可求出
10)计算旋转矩阵R和平移矩阵T
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
11)对步骤10)中得到的旋转矩阵R和平移矩阵T,还原出钢轨的世界坐标系中的位置;
12)将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
本发明产生的有益效果是:
1.本发明解决了现有钢轨廓形检测办法耗时较长而且精度不高的问题,时间复杂度低,精度高,经实验检测测量误差小于0.07mm;
2.本发明采用了鲁棒性强的EPNP算法,摄像头的摆放位置对测量结果没有影响,降低了设备操作的复杂度,同时保证了钢轨廓形测量的精度。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的结构示意图;
图2是本发明实施例的方法流程图;
图3是本发明实施例的激光光条图像采集示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种基于EPNP的钢轨廓形检测系统,包括:
线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;
设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;
服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。
服务器端包括:
图像预处理模块,用于将钢轨图像二值化,根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
光条中心线提取模块,用于从二值化图像中提取光条中心线,,具体如下:对二值化图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
摄像头标定模块,采用张正友标定法标定摄像头的内参和畸变参数;
钢轨廓形还原模块,用于根据激光中心线图片输出钢轨廓形图片;
钢轨廓形还原模块根据激光中心线图片输出钢轨廓形图片,是利用EPNP算法还原钢轨廓形,具体如下:
1)世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标关系如下:
取主轴单位长度坐标点,通常取(0,0,0,1)T,(1,0,0,1)T,(0,1,0,1)T,(0,0,1,1)T,已知4组世界坐标系点可求出系数aij
2)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程
3)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
有式(1)中质心坐标系数aij可求出
4)计算旋转矩阵R和平移矩阵T
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
5)根据步骤4)中得到的旋转矩阵R和平移矩阵T对相机坐标系下钢轨的坐标进行变换,还原出钢轨的世界坐标系中的位置。
廓形检测模块,用于根据还原的钢轨廓形图片,将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
如图2,一种基于EPNP的钢轨廓形检测方法,包括以下步骤:
1)向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;如图3所示,实际操作中调整设备位置使激光与钢轨表面垂直,调整激光与钢轨之间间距使得激光线细而亮,从而获得比较好的成像效果。使用EPNP算法进行还原廓形时,激光线对应于钢轨的一个横剖面。由于EPNP算法要求非共面的3D-2D点对,这里采用两束平行且固定间隔的激光。
2)通过摄像头采集表面附有激光光条的钢轨图像;本实施例中选用的为OV5640的变焦相机,500万像素、可自动变焦且成本较低。
3)将图像采集装置采集的钢轨图像数据发送至服务器端;
4)在服务器端对钢轨图像二值化,即根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
5)采用Steger算法从二值化图像中提取光条中心线,即对采集图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
本实施例中提取中心线采用Steger算法,提取的流程如下:
5.1)对图像进行高斯滤波,设置高斯方差σ为光条宽度的0.577倍。
5.2)求出图像的Hessian矩阵,矩阵最大特征值对应的特征向量对应于中心线的法向方向,由基准点和法向向量可以推出图像的亚像素坐标,如果图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点。
5.3)记录当前的中心线点,即提取激光的中心线。
6)采用张正友标定法求取摄像头的内参和畸变参数;
7)利用EPNP算法还原钢轨廓形;
EPNP算法的流程如下:
用四个虚拟控制点,以齐次坐标的形式表示出世界坐标系和相机坐标系的点。
根据相机成像模型和相机内参计算出相应的矩阵M和X。
求出相机坐标系与世界坐标系的位姿变换,即旋转矩阵和平移矩阵。
由旋转矩阵和平移矩阵将相机坐标系下钢轨的坐标投影到世界坐标系下,计算重投影误差,当误差小于指定的阈值,即为钢轨廓形。
具体计算过程如下:
世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标关系如下:
取主轴单位长度坐标点,通常取(0,0,0,1)T,(1,0,0,1)T,(0,1,0,1)T,(0,0,1,1)T,已知4组世界坐标系点可求出系数aij
8)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程
9)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
有式(1)中质心坐标系数aij可求出
10)计算旋转矩阵R和平移矩阵T
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
11)对步骤10)中得到的旋转矩阵R和平移矩阵T,还原出钢轨的世界坐标系中的位置;
12)将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种基于EPNP的钢轨廓形检测系统,其特征在于,包括:
线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;
设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;
服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。
2.根据权利要求1所述的基于EPNP的钢轨廓形检测系统,其特征在于,所述服务器端包括:
图像预处理模块,用于将钢轨图像二值化,根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
光条中心线提取模块,用于从二值化图像中提取光条中心线,具体如下:对二值化图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
摄像头标定模块,采用张正友标定法标定摄像头的内参和畸变参数;
钢轨廓形还原模块,用于根据激光中心线图片输出钢轨廓形图片;
廓形检测模块,用于根据还原的钢轨廓形图片,将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
3.根据权利要求2所述的基于EPNP的钢轨廓形检测系统,其特征在于,所述钢轨廓形还原模块根据激光中心线图片输出钢轨廓形图片,是利用EPNP算法还原钢轨廓形,具体如下:
1)世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标关系如下:
其中,取主轴单位长度坐标点;aij为质心坐标系数;
2)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程:
3)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
根据式(1)中质心坐标系数aij求出
4)计算旋转矩阵R和平移矩阵T;
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
5)根据步骤4)中得到的旋转矩阵R和平移矩阵T对相机坐标系下钢轨的坐标进行变换,还原出钢轨的世界坐标系中的位置。
4.一种基于EPNP的钢轨廓形检测方法,包括以下步骤:
1)向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
2)通过摄像头采集表面附有激光光条的钢轨图像;
3)将图像采集装置采集的钢轨图像数据发送至服务器端;
4)在服务器端对钢轨图像二值化,即根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
5)从二值化图像中提取光条中心线,即对采集图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
6)采用张正友标定法求取摄像头的内参和畸变参数;
7)利用EPNP算法还原钢轨廓形;世界坐标系下4个非共面虚拟控制点的齐次坐标分别为ci w(i=1,2,3,4),虚拟控制点对应的相机坐标系齐次坐标为ci c(i=1,2,3,4),可得世界坐标系坐标点和相机坐标系与之相对应坐标系齐次坐标关系如下:
其中,取主轴单位长度坐标点;aij为质心坐标系数;
8)根据相机成像模型,由式(1)和相机内参矩阵可以得到:
si为世界坐标系下坐标点深度,4组世界坐标系点坐标与相机坐标系点坐标联立方程
9)将式(3)写成矩阵形式:M2n*12*X12*1=0,其中
解出X,即控制点在相机坐标系下坐标点
根据式(1)中质心坐标系数aij可求出
10)计算旋转矩阵R和平移矩阵T
第一步:相机坐标系和世界坐标系中心点为和
第二步:去中心点坐标和
第三步:H矩阵为
最后SVD分解H,求出旋转矩阵R和平移矩阵T:
11)对步骤10)中得到的旋转矩阵R和平移矩阵T,还原出钢轨的世界坐标系中的位置;
12)将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687996.6A CN108986082A (zh) | 2018-06-28 | 2018-06-28 | 一种基于epnp的钢轨廓形检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810687996.6A CN108986082A (zh) | 2018-06-28 | 2018-06-28 | 一种基于epnp的钢轨廓形检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108986082A true CN108986082A (zh) | 2018-12-11 |
Family
ID=64539354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810687996.6A Pending CN108986082A (zh) | 2018-06-28 | 2018-06-28 | 一种基于epnp的钢轨廓形检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108986082A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110388881A (zh) * | 2019-07-30 | 2019-10-29 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 基于偏振成像的钢轨廓形检测方法及装置 |
CN110779450A (zh) * | 2019-11-12 | 2020-02-11 | 中科(徐州)人工智能研究院有限公司 | 一种供电三轨的磨损检测方法及装置 |
CN110793458A (zh) * | 2019-10-30 | 2020-02-14 | 成都安科泰丰科技有限公司 | 一种二维激光位移传感器共面调整方法 |
CN110806411A (zh) * | 2019-11-07 | 2020-02-18 | 武汉理工大学 | 基于线结构光的无人机铁轨检测系统 |
CN111336948A (zh) * | 2020-03-02 | 2020-06-26 | 武汉理工大学 | 基于成像平面转换的非标定手持式廓形检测方法及装置 |
CN111369484A (zh) * | 2020-03-05 | 2020-07-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨廓形检测方法及装置 |
CN111369533A (zh) * | 2020-03-05 | 2020-07-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 基于偏振图像融合的钢轨廓形检测方法及装置 |
CN112229420A (zh) * | 2020-08-31 | 2021-01-15 | 南京航空航天大学 | 一种用于飞机蒙皮对缝测量的线激光标定方法 |
CN112590868A (zh) * | 2020-12-24 | 2021-04-02 | 上海海事大学 | 一种通过机器视觉技术拍摄轨道检测磨损系统 |
CN113172551A (zh) * | 2020-05-29 | 2021-07-27 | 浙江大学 | 一种钢轨表面加工质量的定量测量方法 |
CN114119477A (zh) * | 2021-10-25 | 2022-03-01 | 华南理工大学 | 一种基于线结构光的夜间高压输电线路异物检测方法 |
CN114113107A (zh) * | 2021-11-18 | 2022-03-01 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN118172649A (zh) * | 2024-05-15 | 2024-06-11 | 苏州立创致恒电子科技有限公司 | 一种基于深度学习的踏面磨损检测系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180767A (zh) * | 2013-05-24 | 2014-12-03 | 武汉铁路局武汉大型养路机械运用检修段 | 基于机器视觉的钢轨磨损测量装置及其打磨策略方法 |
CN107578464A (zh) * | 2017-06-30 | 2018-01-12 | 长沙湘计海盾科技有限公司 | 一种基于线激光扫描的传送带工件三维轮廓测量方法 |
-
2018
- 2018-06-28 CN CN201810687996.6A patent/CN108986082A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104180767A (zh) * | 2013-05-24 | 2014-12-03 | 武汉铁路局武汉大型养路机械运用检修段 | 基于机器视觉的钢轨磨损测量装置及其打磨策略方法 |
CN107578464A (zh) * | 2017-06-30 | 2018-01-12 | 长沙湘计海盾科技有限公司 | 一种基于线激光扫描的传送带工件三维轮廓测量方法 |
Non-Patent Citations (1)
Title |
---|
WENHU LI: "《Rail Profile Detection Based on PNP Algorithm》", 《2018 2ND IEEE ADVANCED INFORMATION MANAGEMENT,COMMUNICATES,ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IMCEC)》 * |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110388881A (zh) * | 2019-07-30 | 2019-10-29 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 基于偏振成像的钢轨廓形检测方法及装置 |
CN110793458A (zh) * | 2019-10-30 | 2020-02-14 | 成都安科泰丰科技有限公司 | 一种二维激光位移传感器共面调整方法 |
CN110806411A (zh) * | 2019-11-07 | 2020-02-18 | 武汉理工大学 | 基于线结构光的无人机铁轨检测系统 |
CN110779450B (zh) * | 2019-11-12 | 2021-07-30 | 中科(徐州)人工智能研究院有限公司 | 一种供电三轨的磨损检测方法及装置 |
CN110779450A (zh) * | 2019-11-12 | 2020-02-11 | 中科(徐州)人工智能研究院有限公司 | 一种供电三轨的磨损检测方法及装置 |
CN111336948A (zh) * | 2020-03-02 | 2020-06-26 | 武汉理工大学 | 基于成像平面转换的非标定手持式廓形检测方法及装置 |
CN111336948B (zh) * | 2020-03-02 | 2021-11-02 | 武汉理工大学 | 基于成像平面转换的非标定手持式廓形检测方法及装置 |
CN111369484A (zh) * | 2020-03-05 | 2020-07-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨廓形检测方法及装置 |
CN111369533A (zh) * | 2020-03-05 | 2020-07-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 基于偏振图像融合的钢轨廓形检测方法及装置 |
CN111369484B (zh) * | 2020-03-05 | 2023-05-09 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨廓形检测方法及装置 |
CN111369533B (zh) * | 2020-03-05 | 2023-06-06 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 基于偏振图像融合的钢轨廓形检测方法及装置 |
CN113172551A (zh) * | 2020-05-29 | 2021-07-27 | 浙江大学 | 一种钢轨表面加工质量的定量测量方法 |
CN113172551B (zh) * | 2020-05-29 | 2022-10-14 | 浙江大学 | 一种钢轨表面加工质量的定量测量方法 |
CN112229420A (zh) * | 2020-08-31 | 2021-01-15 | 南京航空航天大学 | 一种用于飞机蒙皮对缝测量的线激光标定方法 |
CN112590868A (zh) * | 2020-12-24 | 2021-04-02 | 上海海事大学 | 一种通过机器视觉技术拍摄轨道检测磨损系统 |
CN114119477A (zh) * | 2021-10-25 | 2022-03-01 | 华南理工大学 | 一种基于线结构光的夜间高压输电线路异物检测方法 |
CN114113107A (zh) * | 2021-11-18 | 2022-03-01 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN114113107B (zh) * | 2021-11-18 | 2024-01-23 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN118172649A (zh) * | 2024-05-15 | 2024-06-11 | 苏州立创致恒电子科技有限公司 | 一种基于深度学习的踏面磨损检测系统 |
CN118172649B (zh) * | 2024-05-15 | 2024-08-13 | 苏州立创致恒电子科技有限公司 | 一种基于深度学习的踏面磨损检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108986082A (zh) | 一种基于epnp的钢轨廓形检测方法及系统 | |
CN112906694B (zh) | 变电站倾斜式指针式仪表图像的读数矫正系统及方法 | |
CN117237368B (zh) | 一种桥梁裂缝检测方法及系统 | |
CN109993154B (zh) | 变电站单指针式六氟化硫型仪表智能识别方法 | |
CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
CN107796826B (zh) | 基于齿心距离曲线分析的微型双联齿轮断齿缺陷检测方法 | |
CN113077392B (zh) | 一种针对指针表模糊照片的高准确度自动读数方法 | |
CN111507186B (zh) | 一种变电站指针式仪表读数识别方法 | |
CN109300125B (zh) | 一种复杂环境下城轨列车受电弓滑板图像提取方法 | |
CN112881042A (zh) | 基于激光轮廓的轮对检测系统、方法和介质 | |
CN118224999B (zh) | 一种基于结构光的钢轨磨耗识别方法及设备 | |
CN108797241B (zh) | 一种基于高度比对的轨道扣件螺帽松动检测方法 | |
CN113008158A (zh) | 多线激光轮胎花纹深度测量方法 | |
CN110490342B (zh) | 一种基于Faster R-CNN的接触网静态几何参数检测方法 | |
Zheng et al. | Rail detection based on LSD and the least square curve fitting | |
CN115931874A (zh) | 一种搭载式磁悬浮智能动态巡检系统及缝隙宽度检测方法 | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
CN110567397B (zh) | 一种扣件弹舌离缝检测方法 | |
CN113947583A (zh) | 基于深度学习二维时间序列图像的焊缝无损检测方法 | |
CN113567451A (zh) | 一种电缆线缺陷检测以及直径测量方法 | |
CN113378814A (zh) | 一种仪表自动识别的方法和系统 | |
CN109115127A (zh) | 一种基于贝塞尔曲线的亚像素峰值点提取算法 | |
CN115760860B (zh) | 一种基于dxf文件导入的多类型工件尺寸视觉测量方法 | |
CN109993741B (zh) | 一种基于k均值聚类的钢轨焊缝轮廓自动定位方法 | |
CN110634122A (zh) | 一种扣件弹条移位检测方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181211 |