CN109269474B - 一种列车车载受电弓运行状态在线图像检测装置及方法 - Google Patents

Abstract

本发明公开了一种列车车载受电弓运行状态在线图像检测装置，包括工业相机、补光灯、车载天线、车载显示器和车载处理主机；工业相机负责视频图像采集；补光灯增强受电弓区域亮度；车载天线无线通信；显示器视频显示视频；车载处理主机包括：图像处理模块、数据传输模块、数据存储模块和电源控制模块；并公开了其方法，工业相机采集视频图像实时传输到车载处理主机，通过视频编码转换格式，进行受电弓滑板磨耗在线图像检测方法处理视频，同时叠加字幕在显示器视频显示受电弓运行状态，车载天线无线通信发送数据和报文到地面数据处理中心。本发明检测简单方便，精度高、稳定性好，满足受电弓滑板检修要求，可为实现轨道交通车辆状态修提供参考。

Description

一种列车车载受电弓运行状态在线图像检测装置及方法

技术领域

本发明属于城市轨道交通列车在线检测技术领域，尤其涉及一种列车车载受电弓运行状态在线图像检测装置及方法。

背景技术

受电弓碳滑板是电气化车辆供电系统中重要的集电元件，安装在车辆受电弓的最上部，直接与供电网线接触，在静止或是滑动状态下将供电网上的电流引导下来，传输给车辆供电系统，来维持车辆的正常运行。车辆运行过程中，现有结构的碳滑板使用寿命，主要由碳滑板净磨耗量、供电网线拉出值及弓网之间动态配合因素等几大要素决定。受电弓滑板是受电弓弓头的关键部分，由一个导电的石墨磨损件和铝托架粘贴连接在一起，且碳滑板经常和电网保持接触，是受电弓的主要磨损件。受电弓滑板磨耗作为重要的弓网运行状态动态参数，是影响城市轨道交通车辆受流质量的重要因素之一，操作经验表明在更换碳滑板之前，容许其厚度磨损到其原始厚度的35％，紧急情况下，可允许磨损到支持板。另外，如果滑板表面不光滑，特别是出现凹槽情况也要及时更换碳滑板。

目前常用的检测方法包括：人工检测、传感器检测、非接触式图像检测。人工检测需要在停车时进行且精度不高，有较大的局限性；传感器检测滑板磨耗可能干扰受电弓的运行，装置较为复杂，可行性不高，效率较差；非接触式图像检测是最为可行的检测方法。目前，城市轨道交通弓网运行状态动态检测系统及装置研究方兴未艾，但都没有涉及到受电弓滑板磨耗在线检测。为及时反馈故障消息，避免拉弧、刮弓等危险状况的发生，有必要对受电弓滑板磨耗进行实时在线检测方法研究，开发车载受电弓运行状态在线图像检测装置，进一步的研究可以集成到高度自动化、动态综合的弓网状态检测系统中。

发明内容

本发明的目的在于：针对上述存在的问题，提供一种列车车载受电弓运行状态在线图像检测装置及方法，本发明的检测装置性能稳定，实用性强，检测简单方便，可以满足受电弓滑板检修要求的列车车载受电弓运行状态在线图像检测，并同时在线监测滑板磨耗突变和受电弓运行状态，为实现轨道交通车辆状态修提供参考，对于铁路受电弓运行状态在线检测提高参考。为了实现上述目的，本发明采用以下技术方案：

根据本发明的一个方面，本发明提供了一种列车车载受电弓运行状态在线图像检测装置，其特征在于：包括安装在地铁在线运营列车上的受电弓平台、受电弓、工业相机、补光灯、车载天线、车载显示器和车载处理主机，所述车载处理主机分别与所述工业相机、补光灯、车载天线和车载显示器进行连接，所述工业相机、补光灯和车载天线安装于受电弓平台上，工业相机用于采集受电弓运行的视频图像数据，所述补光灯安装于工业相机的两侧，为工业相机采集视频图像时进行补光，所述车载天线用于视频图像数据进行无线传输至地面数据中心；所述车载显示器安装在列车内的驾驶平台内，用于工业相机采集受电弓所在区域的在线运营时的视频图像数据；车载处理主机接收所述工业相机采集的视频图像数据，用于对视频图像数据进行分析处理、下发视频图像数据至车载显示器进行显示以及通过车载天线上传所述视频图像数据。

优选的，在列车内且设位于受电弓平台内设置电动升弓柜，所述车载处理主机安装于电动升弓柜内，所述车载处理主机包括图像处理模块、数据传输模块、数据存储模块和电源控制模块；所述电源控制模块的电源输出端分别与所述图像处理模块的电源端、数据传输模块的电源端、数据存储模块的电源端、工业相机的电源端、补光灯的电源端、车载天线的电源端和车载显示器的电源端电气连接；图像处理模块用于检测受电弓的受电弓滑板磨耗的视频图像数据并进行分析处理、传输及故障下发，图像处理模块并通过数据传输模块将视频图像数据发送至地面数据中心。

根据本发明的另一个方面，本发明提供了一种列车车载受电弓运行状态的在线图像检测方法，包括以下步骤：

步骤一：通过工业相机采集视频图像，调用摄像机开源视觉库函数中的图像处理函数将视频原始数据实时传输到车载处理主机；

步骤二：车载处理主机对视频原始数据进行格式转换，通过与列车车载网络系统与车辆信息中心交互获取车辆信息，车辆信息包括车辆运行时间、运行速度和线路公里标信息，并将车辆信息以字幕方式叠加的视频图像上；并同时运用列车车载受电弓滑板磨耗在线图像检测方法对受电弓视频图像进行滑板磨耗检测；

步骤三：车载处理主机对视频图像再次进行格式转换和视频编码并存储，同时在车载显示器上实时显示视频；

步骤四：当检测检测受电弓的受电弓滑板磨耗时，发现检测值超标时自动将检测值、检测值趋势值、故障视频截图、故障等级、线路基本信息、时间通过车载天线上传所述视频图像数据。

优选的，列车车载受电弓滑板磨耗在线图像检测方法，具体包括以下步骤：

步骤21：运用图像增强方法、水平校正方法和形态学图像处理方法对受电弓滑板区域图像进行预处理；

步骤22：利用小波变换降噪和Canny算子自适应阈值方法检测滑板边缘；

步骤23：优化基于图像梯度的双向边缘生长法实现滑板上下边缘曲线的提取；

步骤24：对曲线计算分析得到滑板厚度及磨耗并判断是否有磨耗超限情况，如果有，则报警；所述曲线计算分析得到滑板厚度及磨耗是将滑板两端初始标准厚度作为其余边缘厚度的标定，从而得到实际的滑板厚度，其滑板厚度的测量满足：

D＝D₀*d/d₀；

d₀和d均为像素距离，D₀表示标准厚度，D表示换算得到的滑板磨损剩余厚度。

优选的，所述图像增强方法通过灰度变换增强的方法调整图像对比度与亮度，解决由于两侧补光灯照明位置及亮度大小对工业相机拍摄的受电弓视频质量的影响，凸显滑板磨耗严重区域的边缘，具体的调整公式为：

y＝[x-127.5*(1-B)*k+127.5*(1+B)]；

其中，x是调节前的像素值，y是调节后的像素值，B为调节亮度，取值范围[-1,1]，k调节对比度，arctan(k)取值[1,89]。

优选的，所述水平校正方法是通过图像处理边缘检测和Hough直线检测计算水平校正旋转角度，然后进行水平校正使受电弓滑板下边缘在图像中处于水平状态。

优选的，所述形态学图像处理方法是运用开运算和灰度形态学梯度进行图像滤波、图像增强和边界检测对受电弓滑板区域图像进行预处理。

优选的，所述小波变换降噪和Canny算子自适应阈值方法是对受电弓检测小波降噪进行检测，是将Canny算子、OTSU算法、小波变换相融合，利用Canny算子的稳定性，OTSU自适应调整阈值的特点，通过小波变换去除边缘噪声干扰。

优选的，所述小波变换降噪是对受电弓检测小波降噪进行检测的检测流程包括以下步骤：

步骤41：通过对图像小波分解为低频分量图像和高频分量图像后，再对分量图像进行降噪处理，从而实现行小波重构；

步骤42：利用最大类间方差法进行自适应调整阈值，利用图像的灰度信息对前景图像和背景图像进行分类，通过循环比较其类间方差大小和概率，寻找最优阈值，使相应的类间方差最小，所述前景图像为受电弓图像，背景图像为随时变化的隧道及汇流排接触网图像，其中最大类间方差满足如下公式：

g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)

＝w₀*(1-w₀)*(u₀-u₁)*(u₀-u₁)， 式(2)；

式中：w₀表示前景点所占比例；w₁表示背景点所占比例(w₀+w₁＝1)；u₀表示前景灰度均值；u₁表示背景灰度均值；u表示全局灰度均值(u＝w₀*u₀+w₁*u₁)；目标函数g表示类间方差。

优选的，所述步骤23中的优化基于图像梯度的双向边缘生长法，先选择图像生长方向，然后分别从图像左右两侧进行边缘生长计算得到多条边缘曲线坐标，最后求平均值得到最终边缘生长曲线，具体流程如下：

步骤101：设图像边缘生长起始点坐标为(i,j)，记为边缘生长曲线当前点，且令edge为边缘图像，gra为边缘图的梯度值，M为图像梯度均值；所述图像边缘生长起点通过灰度投影来确定，以水平灰度投影的平均值所在的点作为滑板下边缘的起始点，通过在下边缘起始点上方定值区域寻找最近的边缘点作为上边缘的起始点；

步骤102：由起始点始点坐标为(i,j)的左侧开始边缘生长的三个邻域点坐标分别为(i-1,j+1)、(i,j+1)和(i+1,j+1)，起始点右侧开始边缘生长的三个邻域点坐标分别为(i-1,j-1)、(i,j-1)和(i+1,j-1)；

步骤103：若边缘图像edge在进行边缘生长算法计算时，若任意一个边缘图像edge的邻域点像素值为255，则将该邻域点作为下一个当前点，若邻域点像素值均为零点，则比较邻域点的梯度值gra；

步骤104：确定梯度值gra与当前点差值最小的邻域点作为下一个当前点，再分别从左右双向多次提取滑板图像上下边缘求图像梯度均值M得到优化边缘曲线，根据优化边缘曲线之间的方差设置权值优化边缘曲线。

综上所述，由于本发明采用了上述技术方案，本发明具有以下有益技术效果是：

本发明的装置及方法可单独装车使用，也可以和现有的城市轨道交通弓网运行状态动态检测系统等结合起来，集成为高度自动化、综合的车载弓网运行状态动态检测系统；本发明针对地铁列车设计，可实现受电弓运行状态在线检测，检测结果可在车载显示器上动态显示，也可以通过数据转储到地面数据处理中心，检测方法简单，精度高、稳定性好，可以满足受电弓滑板检修要求，同时在线监测滑板磨耗突变和受电弓运行状态，为实现轨道交通车辆状态修提供参考。

附图说明

图1是本发明的列车车载受电弓运行状态在线图像检测方案示意图；

图2是本发明的列车车载受电弓运行状态在线图像检测装置；

图3是本发明的车载处理主机的数据采集和处理流程图；

图4是本发明的受电弓滑板磨耗检测流程图；

图5是本发明的滑板边缘检测算法流程图；

图6是本发明的受电弓检测图像小波降噪流程图；

图7是本发明的OTSU算法流程图；

图8是本发明的边缘生长算法流程图；

图9是本发明的边缘生长邻域图；

图10受电弓前滑板区域图像；

图11图像预处理后滑板图像；

图12边缘检测后滑板图像；

图13滑板边缘提取及剩余的厚度图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

如图1和图2所示，根据本发明的一种列车车载受电弓运行状态在线图像检测装置，包括安装在地铁在线运营列车上的受电弓平台100、受电弓101、工业相机102、补光灯103、车载天线104、车载显示器105和车载处理主机106，所述车载处理主机106分别与所述工业相机102、补光灯103、车载天线104和车载显示器105进行连接，所述工业相机102、补光灯103和车载天线104安装于受电弓平台100上，工业相机102用于采集受电弓101运行的视频图像数据，所述补光灯103安装于工业相机102的两侧，为工业相机102采集视频图像时进行补光，车载天线104用于无线通信，该所述车载天线104用于视频图像数据进行无线传输至地面数据中心；所述车载显示器105安装在列车内的驾驶平台内，用于工业相机102采集受电弓100所在区域的在线运营时的视频图像数据；车载处理主机106接收所述工业相机102采集的视频图像数据，用于对视频图像数据进行分析处理、下发视频图像数据至车载显示器105进行显示以及通过车载天线104上传所述视频图像数据；在列车内且设位于受电弓平台100内设置电动升弓柜，所述车载处理主机106安装于电动升弓柜内，所述车载处理主机106包括图像处理模块、数据传输模块、数据存储模块和电源控制模块；所述电源控制模块的电源输出端分别与所述图像处理模块的电源端、数据传输模块的电源端、数据存储模块的电源端、工业相机102的电源端、补光灯103的电源端、车载天线104的电源端和车载显示器105的电源端电气连接；图像处理模块用于检测受电弓101的受电弓滑板磨耗的视频图像数据并进行分析处理、传输及故障下发，图像处理模块并通过数据传输模块将视频图像数据发送至地面数据中心；车载处理主机106安装在Mp2车车顶受电弓平台，位于受电弓101和空调机组之间，距离受电弓弓头安装基座为100mm、距离空调车顶设备为10mm、距离两侧空调下线孔50mm，安装方向以受电弓平台为基准，正对着受电弓向上倾斜45°(仰视拍摄)，工业相机102基本参数包括：分辨率最少为1920×1080，25FPS，观测区域包括弓网接触点及整个弓头区域，具体为以轨道平面和中心线为基准，高度为3800-5400mm(观测中心:4300mm)，宽度为±1000mm(观测中心：0)；所述补光灯可以增强受电弓区域亮度，由于地下隧道中亮度不足，需要通过LED补光灯常亮的打光方式，给整个受电弓以及周边的挂件进行补光，保证相机的拍摄清晰度，补光的照度最小为1000Lux，安装在工业相机两侧。当图像处理模块发现检测值超标时自动将检测值、检测值趋势值、故障视频截图、故障等级、线路基本信息、时间通过3G/4G无线网络发送至地面数据中心；检测值即为弓网动态参数，主要是受电弓滑板磨耗，超标值即磨耗超限，趋势值即继续运行的趋势判断值。所述图像处理模的故障下发的流程如下：

(1)图像处理模块收到故障数据上传完成的报文数据后，将检测数据压缩成RAR文件；所述报文数据包括故障信息、时间，车次等车辆基本信息的故障报文；

(2)图像处理模块通过FTP协议将RAR压缩文件发送到地面指定服务器；

(3)将RAR压缩文件上传完成后，发送故障数据文件上传完成报文给地面服务器；

(4)地面服务器接收到上传完成报文后，返回响应消息给车载处理主机；

(5)如果FTP上传失败，则将本次传输任务插入重传队列，等待5s后继续传输，直到传输成功；

所述车载处理主机106中的图像处理模块、数据传输模块、数据存储模块和电源控制模块分别由一块i7-4700EQ CPU、一块SSD2T存储硬盘、交换机、电源板卡、模数转换板卡等组成，如图像处理模块进行图像处理，交换机进行数据传输，SSD2T存储硬盘存储数据，电源板卡控制电源，并且有较大的预留空间，预留空间是指处理主机可以增加其他的功能板卡，采用3U插件式设计，每一个功能插件均采用模块化结构，任何一个插件故障，均可以迅速更换，并设计插件的指示灯，指示运行状态，判断插件是否正常。所述车载处理主机106从工业相机102获取图像数流后实时通过OSD功能将车次、区间、上下行、线路公里标、时间等数据与视频叠加后进行存储并通过RTSP实时流协议将视频数据推送给车载显示器。如图3所示是数据采集和处理流程图，具体步骤如下：

首先，从工业相机缓冲队列中循环采集原始图像数据，再将原始图像数据格式转换成RGB，并对转换后的图像数据进行字幕叠加，最后再将格式转换为视频编码效率较高YUV格式；

其次，对格式转换完成后的图像数据进行视频编码；编码完成后的数据按帧写入MP4文件保存在本地磁盘中，文件名和视频时长按6C标准定义；同时将已编码的数据通过视频流服务器发布，循环等待用户连接。

根据本发明的另一个方面，本发明提供了一种列车车载受电弓运行状态的在线图像检测方法，包括以下步骤：

步骤一：通过工业相机102采集视频图像，调用摄像机软件开发工具包(SDK)和OpenCV开源视觉库函数中的图像处理函数将视频原始数据实时传输到车载处理主机；

步骤二：车载处理主机106对视频原始数据进行格式转换，通过与列车车载网络系统和车辆信息中心交互获取车辆信息，车载处理主机通过列车中的列车车载网络系统和车辆信息中心都需要进行交互，完成在线检测和监控，车辆信息包括车辆运行时间、运行速度和线路公里标信息，并将车辆信息以字幕方式叠加的视频图像上；并同时运用列车车载受电弓滑板磨耗在线图像检测方法对受电弓视频图像进行滑板磨耗检测；其中，列车车载受电弓滑板磨耗在线图像检测方法，具体包括以下步骤：

步骤21：运用图像增强方法、水平校正方法和形态学图像处理方法对受电弓滑板区域图像进行预处理；所述图像增强方法通过灰度变换增强的方法调整图像对比度与亮度，解决由于两侧补光灯照明位置及亮度大小对工业相机拍摄的受电弓视频质量的影响，凸显滑板磨耗严重区域的边缘，具体的调整公式为：

y＝[x-127.5*(1-B)*k+127.5*(1+B)]；

其中，x是调节前的像素值，y是调节后的像素值，B为调节亮度，取值范围[-1,1]，k调节对比度，arctan(k)取值[1,89]；

在本发明中，如图4所示，所述水平校正方法是通过图像处理边缘检测和Hough直线检测计算水平校正旋转角度，即将直线旋转到水平状态的角度，然后进行水平校正使受电弓滑板下边缘在图像中处于水平状态；所述形态学图像处理方法是运用开运算和灰度形态学梯度进行图像滤波、图像增强和边界检测对受电弓滑板区域图像进行预处理；

步骤22：利用小波变换降噪和Canny算子自适应阈值方法检测滑板边缘；

步骤23：优化基于图像梯度的双向边缘生长法实现滑板上下边缘曲线的提取；

步骤24：对曲线计算分析得到滑板厚度及磨耗并判断是否有磨耗超限情况，如果有，则报警；所述曲线计算分析得到滑板厚度及磨耗是将滑板两端初始标准厚度作为其余边缘厚度的标定，从而得到实际的滑板厚度，其滑板厚度的测量满足：

D＝D₀*d/d₀；

d₀和d均为像素距离，D₀表示标准厚度，D表示换算得到的滑板磨损剩余厚度。

步骤三：车载处理主机106对视频图像再次进行格式转换和视频编码并存储，同时在车载显示器105上实时显示视频；

步骤四：当检测检测受电弓101的受电弓滑板磨耗时，发现检测值超标时，自动将检测值、检测值趋势值、故障视频截图、故障等级、线路基本信息和时间通过车载天线104上传所述视频图像数据。

在本发明中，如图5所示，所述小波变换降噪和Canny算子自适应阈值方法对受电弓检测小波降噪进行检测，具体表现为运用Canny算子、OTSU算法和小波变换进行图像处理，是通过将Canny算子、OTSU算法、小波变换相融合，利用Canny算子的稳定性，OTSU自适应调整阈值的特点，通过小波变换去除边缘噪声干扰；所述小波变换降噪和Canny算子自适应阈值方法是对受电弓检测小波降噪进行检测的检测流程包括以下步骤：

步骤41：通过对图像小波分解为低频分量图像和高频分量图像后，然后将分解的分量进行降噪处理，最后再对分量小波重构得到优化图像，从而实现行小波重构；其中，低频分量图像A反映原图像的近似和平均特性，如图6所示，高频分量图像包括水平分量H、垂直分量V以及对角分量D，反映原图像的突变特性，主要包括边缘、区域边界特性及噪声。由于受电弓滑板厚度曲线边缘检测时需要得到的边缘为垂直边缘，水平边缘是没有必要的且有时会对边缘生长法提取有效边缘存在干扰。因此，本发明采用水平分量高频图像及对角分量图像置零的降噪方法，降低运动模糊噪声的干扰，排除水平边缘的影响，得到更好的垂直边缘。

步骤42：利用最大类间方差法进行自适应调整阈值，利用图像的灰度信息对前景图像和背景图像进行分类，通过循环比较其类间方差大小和概率，寻找最优阈值，使相应的类间方差最小，所述前景图像为受电弓图像，背景图像为随时变化的隧道及汇流排接触网图像，其中最大类间方差满足如下公式：

g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)

＝w₀*(1-w₀)*(u₀-u₁)*(u₀-u₁)， 式(2)；

式中：w₀表示前景图像点所占比例；w₁表示背景图像点所占比例(w₀+w₁＝1)；u₀表示前景灰度均值；u₁表示背景灰度均值；u表示全局灰度均值(u＝w₀*u₀+w₁*u₁)；目标函数g表示类间方差。

在本发明中，所述流程如图7所示，设N、M分别是图像最小灰度值、最大灰度值，所述图像的最小灰度值和最小灰度值：在获取图像的灰度时就可以统计计算得到，设当前阈值为t和g₀，则g越大，所得到的t就是越好的分割阈值，从而快速地完成OTSU计算，提高了图像的简洁、稳定、自适应强等优点。在本发明中，所述步骤23中优化基于图像梯度的双向边缘生长法是先选择图像生长方向，然后分别从图像左右两侧进行边缘生长计算得到多条边缘曲线坐标，最后求平均值得到最终边缘生长曲线，结合图8和图9所示，具体流程如下：

步骤101：设图像边缘生长起始点坐标为(i,j)，记为边缘生长曲线当前点，且令edge为边缘图像，gra为边缘图的梯度值(可以是Sobel算子y方向梯度或图像形态学梯度)，Mean为为图像梯度均值，S的值为图像列数；当j小于S时，循环执行边缘生长算法；直到j等于S时，则算法流程结束，得到边缘生长曲线坐标。其中，图边缘生长的起点通过灰度投影来确定，以水平灰度投影的平均值所在的点作为滑板下边缘的起始点，通过在下边缘起始点上方定值区域寻找最近的边缘点作为上边缘的起始点；

步骤102：由起始点始点坐标为(i,j)的左侧开始边缘生长的三个邻域点坐标分别为(i-1,j+1)、(i,j+1)和(i+1,j+1)，起始点右侧开始边缘生长的三个邻域点坐标分别为(i-1,j-1)、(i,j-1)和(i+1,j-1)；运用双向边缘生长法首先需要选择生长方向，然后分别从左右两侧进行边缘生长算法计算得到多条边缘曲线坐标，最后求平均值得到最终边缘生长曲线；

步骤103：若边缘图像edge在进行边缘生长算法计算时，若任意一个边缘图像edge的邻域点像素值为255，则将该邻域点作为下一个当前点，即next，以此类推，若邻域点像素值均为零点，则比较邻域点的梯度值gra；即比较相邻域点Sobel算子y方向梯度或图像形态学梯度，即gra；

步骤104：确定梯度值gra与当前点差值最小的邻域点作为下一个当前点，再分别从左右双向多次提取滑板图像上下边缘求图像梯度均值Mean得到优化边缘曲线，根据优化边缘曲线之间的方差设置权值优化边缘曲线。

为更好地解释说明本发明的原理，结合图1至图以下以南宁地铁常用的TSG18G型受电弓在线运营视频进行实例分析，通过列车车载受电弓运行状态在线图像检测方法检测受电弓滑板厚度曲线，TSG18G型受电弓整弓长度为1550mm，滑板长度为950mm，滑板标准厚度为22mm，采用分辨率为1920×1080的相机，按照列车车载受电弓运行状态在线图像检测装置及方法进行检测，则滑板最大厚度像素距离约为27-30个像素点。如图10所示，是从随机提取的视频帧中截取的受电弓前滑板区域原始图像，图中滑板有较小幅度倾斜，滑板下边缘较为清晰，主要受光照强度影响，两端较中间部分亮度更大；滑板上边缘部分边缘与汇流排边缘重叠，不易区分，是边缘检测中的难点，且受隧道环境变化的影响，干扰较多。因此，为得到更加精确的边缘图像，需要对图像进行预处理，图10为受电弓前滑板区域图像，运用的图像预处理方法包括：图像增强、水平校正、形态学图像。根据发明内容中的图像预处理方法，编写C++程序进行图像处理操作，首先截取滑板磨耗区域图像，进行图像预处理可得到，如图11所示，预处理后磨耗区域图像，滑板上下边缘更加清晰；然后，利用小波变换降噪和Canny算子自适应阈值的方法检测边缘，如图12所示，即为边缘检测后滑板图像，检测到的上下边缘图像较为完整。运用双向边缘生长法提取上下边缘曲线并计算滑板厚度可得到如图13所示的三条曲线，即滑板边缘提取及剩余的厚度，上面两条细线代表上下边缘曲线，最下边的粗线表示滑板厚度曲线。根据受电弓滑板检修要求，滑板厚度小于原始厚度的35％，即6-7mm，则需要更换滑板，或滑板表面不光滑，特别是存在凹槽，需要提前更换。实例验证，可以得到准确的受电弓磨耗曲线，测量精度可超过1mm，检测精度可以满足滑板检修要求。根据受电弓滑板图像检测流程，实例验证平均每帧图像处理时间约为30ms，可以满足实时检测要求。

本发明所用到列车车载受电弓运行状态在线图像检测方法，调用摄像机软件开发工具包(SDK)和OpenCV开源视觉库函数中的图像处理函数进行图像处理，采用的VideoCapture类可以打开摄像头等设备和视频文件，实现视频及图形数据的采集；主要的函数及API如下所示：包括视频和图片显示及保存、Hough变换、图像水平旋转、形态学梯度、图像二值化处理、计算图像灰度平均值和方差、调整图像对比度及亮度、Canny边缘检测、Sobel边缘检测、Otsu阈值计算等。SDK和OpenCV开源视觉库函数包括：

(1)打开文件：

VideoCapture(string&filename)；

(2)打开摄像设备：

VideoCapture(device)；

(3)显示视频或图片：

void imshow(const string&winname,InputArray mat)；

(4)图片保存：

bool imwrite(string&filename,img)；

(5)Hough变换：

void HoughLinesP(InputArray image,OutputArray lines,double rho,doubletheta,int thre shold,double minLineLength＝0,double maxLineGap＝0)；

(6)图像水平旋转：

Mat getRotationMatrix2D(Point2f center,double angle,double scale)；

(7)计算图像灰度平均值和方差：

void meanStdDev(InputArray src,OutputArray mean,OutputArray stddev,InputArray mask＝noArray())；

(8)调整图像对比度及亮度：

void convertTo(OutputArray m,int rtype,double alpha＝1,double beta＝0)const；

(9)获取形态学操作的结构元素：

CV_EXPORTS_W Mat getStructuringElement(int shape,Size ksize,Pointanchor＝Point(-1,-1))；

(10)形态学梯度：

void morphologyEx(InputArray src,OutputArray dst,int op,InputArraykernel,Point anchor＝Point(-1,-1),int iterations＝1,int borderType＝BORDER_CONSTANT,const Scalar&borderValue＝morphologyDefaultBorderValue())；

(11)图像二值化处理：

void cvtColor(InputArray src,OutputArray dst,int code,int dstCn＝0)；

(12)Canny边缘检测：

void Canny(InputArray image,OutputArray edges,double threshold1,double threshold2,int apertureSize＝3,bool L2gradient＝false)；

(13)Sobel边缘检测：

void Sobel(InputArray src,OutputArray dst,int ddepth,int dx,int dy,int ksize＝3,double scale＝1,double delta＝0,int borderType＝BORDER_DEFAULT)；

(14)Otsu阈值计算：

double getThreshVal_Otsu_8u(const Mat&_src)；

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (7)

1.一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：包括安装在地铁在线运营列车上的受电弓平台、受电弓、工业相机、补光灯、车载天线、车载显示器和车载处理主机，所述车载处理主机分别与所述工业相机、补光灯、车载天线和车载显示器进行连接，所述工业相机、补光灯和车载天线安装于受电弓平台上，工业相机用于采集受电弓运行的视频图像数据，所述补光灯安装于工业相机的两侧，为工业相机采集视频图像时进行补光，所述车载天线用于视频图像数据进行无线传输至地面数据中心；所述车载显示器安装在列车内的驾驶平台内，用于工业相机采集受电弓所在区域的在线运营时的视频图像数据；车载处理主机接收所述工业相机采集的视频图像数据，用于对视频图像数据进行分析处理、下发视频图像数据至车载显示器进行显示以及通过车载天线上传所述视频图像数据；在列车内且设位于受电弓平台内设置电动升弓柜，所述车载处理主机安装于电动升弓柜内，所述车载处理主机包括图像处理模块、数据传输模块、数据存储模块和电源控制模块；所述电源控制模块的电源输出端分别与所述图像处理模块的电源端、数据传输模块的电源端、数据存储模块的电源端、工业相机的电源端、补光灯的电源端、车载天线的电源端和车载显示器的电源端电气连接；图像处理模块用于检测受电弓的受电弓滑板磨耗的视频图像数据并进行分析处理、传输及故障下发，图像处理模块并通过数据传输模块将视频图像数据发送至地面数据中心，所述在线图像检测方法包括以下步骤：

步骤一：通过工业相机采集视频图像，调用摄像机开源视觉库函数中的图像处理函数将视频原始数据实时传输到车载处理主机；

步骤二：车载处理主机对视频原始数据进行格式转换，通过与列车车载网络系统与车辆信息中心交互获取车辆信息，车辆信息包括车辆运行时间、运行速度和线路公里标信息，并将车辆信息以字幕方式叠加的视频图像上；并同时运用列车车载受电弓滑板磨耗在线图像检测方法对受电弓视频图像进行滑板磨耗检测；其中，列车车载受电弓滑板磨耗在线图像检测方法具体包括以下步骤：

步骤21：运用图像增强方法、水平校正方法和形态学图像处理方法对受电弓滑板区域图像进行预处理；

步骤22：利用小波变换降噪和Canny算子自适应阈值方法检测滑板边缘；

步骤23：优化基于图像梯度的双向边缘生长法实现滑板上下边缘曲线的提取；

步骤24：对曲线计算分析得到滑板厚度及磨耗并判断是否有磨耗超限情况，如果有，则报警；所述曲线计算分析得到滑板厚度及磨耗是将滑板两端初始标准厚度作为其余边缘厚度的标定，从而得到实际的滑板厚度，其滑板厚度的测量满足：

D＝D₀*d/d₀；

d₀和d均为像素距离，D₀表示标准厚度，D表示换算得到的滑板磨损剩余厚度

步骤三：车载处理主机对视频图像再次进行格式转换和视频编码并存储，同时在车载显示器上实时显示视频；

步骤四：当检测检测受电弓的受电弓滑板磨耗时，发现检测值超标时自动将检测值、检测值趋势值、故障视频截图、故障等级、线路基本信息、时间通过车载天线上传所述视频图像数据。

2.根据权利要求1所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述图像增强方法通过灰度变换增强的方法调整图像对比度与亮度，解决由于两侧补光灯照明位置及亮度大小对工业相机拍摄的受电弓视频质量的影响，凸显滑板磨耗严重区域的边缘，具体的调整公式为：

y＝[x-127.5*(1-B)*k+127.5(1+B)]；

其中，x是调节前的像素值，y是调节后的像素值，B为调节亮度，取值范围[-1,1]，k调节对比度，arctan(k)取值[1,89]。

3.根据权利要求1所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述水平校正方法是通过图像处理边缘检测和Hough直线检测计算水平校正旋转角度，然后进行水平校正使受电弓滑板下边缘在图像中处于水平状态。

4.根据权利要求1所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述形态学图像处理方法是运用开运算和灰度形态学梯度进行图像滤波、图像增强和边界检测对受电弓滑板区域图像进行预处理。

5.根据权利要求1所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述小波变换降噪和Canny算子自适应阈值方法是对受电弓检测小波降噪进行检测，是将Canny算子、OTSU算法、小波变换相融合，利用Canny算子的稳定性，OTSU自适应调整阈值的特点，通过小波变换去除边缘噪声干扰。

6.根据权利要求1或5所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述小波变换降噪是对受电弓检测小波降噪进行检测的检测流程包括以下步骤：

步骤41：通过对图像小波分解为低频分量图像和高频分量图像后，再对分量图像进行降噪处理，从而实现行小波重构；

步骤42：利用最大类间方差法进行自适应调整阈值，利用图像的灰度信息对前景图像和背景图像进行分类，通过循环比较其类间方差大小和概率，寻找最优阈值，使相应的类间方差最小，所述前景图像为受电弓图像，背景图像为随时变化的隧道及汇流排接触网图像，其中最大类间方差满足如下公式：

g＝w₀*(u₀-u)*(u₀-u)+w₁*(u₁-u)*(u₁-u)

＝w₀*(1-w₀)*(u₀-u₁)*(u₀-u₁)， 式(2)；

式中：w₀表示前景点所占比例；w₁表示背景点所占比例(w₀+w₁＝1)；u₀表示前景灰度均值；u₁表示背景灰度均值；u表示全局灰度均值(u＝w₀*u₀+w₁*u₁)；目标函数g表示类间方差。

7.根据权利要求1所述的一种列车车载受电弓运行状态的在线图像检测方法，其特征在于：所述步骤23中的优化基于图像梯度的双向边缘生长法，先选择图像生长方向，然后分别从图像左右两侧进行边缘生长计算得到多条边缘曲线坐标，最后求平均值得到最终边缘生长曲线，具体流程如下：

步骤101：设图像边缘生长起始点坐标为(i,j)，记为边缘生长曲线当前点，且令edge为边缘图像，gra为边缘图的梯度值，M为图像梯度均值；所述图像边缘生长起点通过灰度投影来确定，以水平灰度投影的平均值所在的点作为滑板下边缘的起始点，通过在下边缘起始点上方定值区域寻找最近的边缘点作为上边缘的起始点；

步骤102：由起始点始点坐标为(i,j)的左侧开始边缘生长的三个邻域点坐标分别为(i-1,j+1)、(i,j+1)和(i+1,j+1)，起始点右侧开始边缘生长的三个邻域点坐标分别为(i-1,j-1)、(i,j-1)和(i+1,j-1)；

步骤103：若边缘图像edge在进行边缘生长算法计算时，若任意一个边缘图像edge的邻域点像素值为255，则将该邻域点作为下一个当前点，若邻域点像素值均为零点，则比较邻域点的梯度值gra；

步骤104：确定梯度值gra与当前点差值最小的邻域点作为下一个当前点，再分别从左右双向多次提取滑板图像上下边缘求图像梯度均值M得到优化边缘曲线，根据优化边缘曲线之间的方差设置权值优化边缘曲线。

Images