CN109299723A - 一种铁路货车运行监测系统 - Google Patents
一种铁路货车运行监测系统 Download PDFInfo
- Publication number
- CN109299723A CN109299723A CN201811084851.3A CN201811084851A CN109299723A CN 109299723 A CN109299723 A CN 109299723A CN 201811084851 A CN201811084851 A CN 201811084851A CN 109299723 A CN109299723 A CN 109299723A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- lorry
- vehicle
- image
- browsing
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000007689 inspection Methods 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 7
- 238000013461 design Methods 0.000 claims abstract description 5
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 2
- 230000006872 improvement Effects 0.000 abstract description 6
- 230000015556 catabolic process Effects 0.000 abstract description 2
- 238000012790 confirmation Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 8
- 230000001447 compensatory effect Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 229910000831 Steel Inorganic materials 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000010959 steel Substances 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 206010019909 Hernia Diseases 0.000 description 1
- 241001354471 Pseudobahia Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- AEEAZFQPYUMBPY-UHFFFAOYSA-N [I].[W] Chemical compound [I].[W] AEEAZFQPYUMBPY-UHFFFAOYSA-N 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
- G06V10/462—Salient features, e.g. scale invariant feature transforms [SIFT]
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种铁路货车运行监测系统,该系统包括:信息采集子系统、零件识别子系统和浏览子系统。设计出一种基于主辅机的多路相机并行采集模式采集货车图像。引入了CLAHE算法的图像增强操作。针对货车底部零件获引入LBP改进SIFT特征,使用基于改进SIFT特征提取的识别方案;针对货车左右两侧零件使用基于边缘的模板匹配来定位。为列检室内的工作人员提供远程浏览器访问服务,列检员随时能够查看系统中货车的车辆数据、人工确认零件故障、并导出统计报表。能对故障零件进行准确性的定位,提高了列检效率。
Description
技术领域
本发明涉及铁路货车运行监测领域,尤其涉及铁路货车零件识别方法。
背景技术
我国地域辽阔,全国各地经济资源分布状况差异明显,因此需要便捷的交通来实现货物交换。比较公路、航空、水运等运输方式,铁路运输具有运输能力大、运行成本低、占地少等优点。与其他交通运输方式相比,铁路交通被公认为较为安全的方式之一。但是,列车发生事故的可能性也并非是零,而且列车一旦发生事故,其后果可能是灾难性破坏甚至是人身伤亡。这意味着针对列车故障检测,尤其是高速重载货车的故障检测非常重要。
在计算机视觉还未普遍应用之前,我国大部分地区的列检站采用停车人工巡视检测的方式,这种列检作业主要靠列检员用“手摸、锤敲、眼看、耳听、鼻闻”。对关键零件逐个进行排查。列检员时常需要到货车底部查看各个零件的状态,一列货车往往需要很长的时间才能检测完毕。近年来随着我国铁路运输行业的高速发展,在国内主要枢纽编组站货车频繁入库出库,列检站的检车作业越来越密集,传统的列检方式难以保证作业质量,已经无法满足当前经济发展对铁路运输的要求。
为了适应当前铁路运输高速发展的新形势,我国自主研发了一套具有国际先进水平的车辆运行安全防范预警系统(5T),来为铁路运输的安全提供保障,能够及时有效地发现当前列车的行车隐患。铁路货车故障轨边图像检测系统(TFDS)是这套自动安检系统的重要组成部分,该系统解决了传统停车人工巡检的局限性,实现“人检人修”向“机检人修”过渡,提高了零件故障检测的准确性和可靠性。
第一代TFDS系统使用时间在2001年至2006年,受限于当时的工业硬件设备,图像采集设备使用的面阵相机分辨率只有656×491,使用碘钨灯作为补偿光源。第二代TFDS-1系统使用时间在2006年至2008年,图像采集的设备像素值提高到40万像素,使用疝气灯作为补偿光源,这一代最大的特点是对数据传输模式进行了数字化。第三代TFDS-2系统使用的时间在2009年至2010年,图像采集设备的相机具有抗阳光干扰特性,使得在强烈阳光条件下系统能正常进行图像采集,分辨率也得到很大的提升达到1400×1024,使用LED频闪作为补偿光源。第四代TFDS-3系统使用时间在2011年至今,图像采集设备使用了最新的线阵扫描技术线阵相机,使得相机能够进行连续扫描并且获得的图像是无缝隙整车图像,该技术为后续的故障零件识别提供了良好的图像源。线阵相机使用以太网接口作为接口,采集的数字图像数据能够直接传输至电脑进行存储,使用激光光源作为补偿光源。
尽管TFDS系统从提出到现在进行了四次升级,但是市场上的硬件设备在不断更新,到如今已经有了性能更好的设备,并且购买一套TFDS系统成本较高,有必要针对具体的应用需求对系统进行改进和完善。
发明内容
本发明的发明目的在于:通过对货车运行监测的需求分析,设计一种铁路货车运行监测系统。
为了方便说明,首先引入如下概念:
Teledyne Dalsa Linea LA-GM-02K08A相机:采用基于最先进CMOS线扫描技术的单线感光单元,像素尺寸为7.04μm×7.04μm,基于TurboDriveTM技术能够使相机达到80KHz的最大行频,其出色的灵敏度和速度。
CLAHE算法:限制对比度自适应直方图均衡算法,和普通的直方图均衡算法不同,其通过计算图像的局部直方图,然后重新分布亮度来来改变图像对比度,并对对比度限幅。因此,该算法更适合于改进图像的局部对比度以及获得更多的图像细节。
SIFT算法:尺度不变特征转换算法,是一种电脑视觉的算法用来侦测与描述影像中的局部性特征,它在空间尺度中寻找极值点,并提取出其位置、尺度、旋转不变量
RANSAC算法:随机抽取一致算法,它是根据一组包含异常数据的样本数据集,计算出数据的数学模型参数,得到有效样本数据的算法。
Canny算子:一种边缘检测算法,可以分为以下5个步骤:
1、应用高斯滤波来平滑图像,目的是去除噪声;
2、找寻图像的强度梯度;
3、应用非最大抑制技术来消除边误检;
4、应用双阈值的方法来决定可能的边界;
5、利用滞后技术来跟踪边界。
jqGrid框架:一款优秀的前端JS框架,相比传统的Easy UI、jQuery UI等框架,具有性能优良、功能丰富、界面美观等优势,满足系统对图表展示的需求,而且对主流的浏览器有很好的兼容性。
本发明的技术方案是这样实现的:
第一方面,本发明实施例提供了一种铁路货车监测系统,该系统包括:信息采集子系统、零件识别子系统和浏览子系统;
各个子系统之间通过网络进行数据传输,系统的组成结构如图1所示;
所述信息采集子系统运行在探测站内,负责外围轨边探测设备地控制和线阵相机采集图像,并将车辆数据通过网络上传至列检室内的服务器;
所述零件识别子系统运行于列检室内的服务器上,负责接收车辆数据、车辆图片、识别故障零件并发出报警信息;
所述终端浏览子系统针对列检员不需要到现场就能访问车辆数据的需求,提供浏览器远程访问功能,方便实时查询车辆数据和对报警故障零件进行确认。
结合系统硬件平台设计,本发明实施例提供了一种可能的实施方式,本文所设计的铁路货车监测系统硬件平台系统由放置于铁轨两旁的探测站轨边设备、距离铁轨稍远处探测站室内设备和列检动态检测室设备三部分组成,如图2所示;
所述探测站轨边设备位于铁轨两旁主要包括:线阵相机、补偿光源、车轮传感器、轨旁沉箱、轨旁侧箱、分线箱、车号自动识别系统(AEI)室外设备、监控设备、除尘清洁装置等;
所述探测站室内设备位于距离铁轨稍远处主要包括:包括控制机柜、车辆信息采集工控机、图像信息采集工控机、控制箱、服务器机柜、双机备份服务器、磁盘阵列、KVM切换器、信号防雷装置、电源防雷装置、AEI设备主机、网络设备、远程管理设备、UPS电源、空调等;
所述列检动态检车室设备主要包括:数据存储服务器、工位检车终端、网络通信及接口设备、防雷装置和UPS电源。
第二方面,结合在信息采集子系统的图像采集任务,本发明提供一种可能的实施方式:
对Teledyne Dalsa Linea LA-GM-02K08A相机使用对应厂商提供的SDK实现图像的采集与实时显示,设计基于主辅机模式实现多路相机同时采集的功能,当主机获取到磁钢信号并且判定为货车时,除了启动自身两个相机的拍摄,还向辅机发送控制信号,让辅机上的两个相机开始拍摄,在辅机完成拍摄时根据主机传递过来的时间戳拼接图像,并将最终的拼接图像回传给主机,由主机统一打包车辆数据和车辆图片上传至服务器,主辅机之间信息传输采用TCP传输协议。
第三方面,结合在零件识别子系统的零件识别任务,本发明经过对比分析货车底部和侧部的图片,得出底部相机获取的图片易受外界因素影响,关键零件和背景差异不大,很难通过一般的图像处理方法将零件从背景中分割出来;而侧边相机获取的图片明暗差异较大,能够通过基础的图像处理方法能将零件从背景中分割出来。因此本发明依托于机器视觉、模式识别等理论,对拍摄图像进行图像预处理,提取货车图像中的零件特征。根据常用识别算法,设计出两套适用于本系统的识别方案,针对货车底部零件提出基于改进SIFT特征提取的识别方案和针对货车左右两侧零件提出基于边缘的模板匹配的识别方案。
A.基于改进SIFT特征提取的货车底部零件识别算法
如图5所示为本发明中基于改进SIFT定位方案框图,包括下列步骤:
A1.本发明使用CLAHE算法对货车底部图像进行预处理,如图6所示为本发明中图像原图及直方图和CLAHE算法图像增强结果图及直方图。
A2.使用SIFT特征提取获得关键点,在每个关键点周围计算关键点区域LBP特征。
A3.使用RANSAC算法来剔除错误的匹配点对,最后定位零件在图片中位置。
B.基于边缘的模板匹配的货车侧部零件定位算法
B1.对原始图片进行预处理。直方图均衡化提高图像的对比度和灰度色调的变化,高斯滤波能够有效的抑制图像的噪声,使得图像整体更加平滑,这样的预处理有利于边缘特征的精确提取。
B2.使用Canny算子对原始图像进行边缘提取,在实现过程中设置高、低两个阈值来分别提取图像中的强边缘和弱边缘。高阈值噪声较少,但损失了有用的边缘信息,而低阈值保留了很多信息,因此在边缘提取的同时具备了较好抗噪声性能,适用于本系统在复杂背景中提取边缘的要求。
B3.从各节车厢选取具有代表性的侧部零件枕簧作为模板图像,如图5所示为本发明中铁路货车零件边缘图和模板图。
B4.模板图像在原始图像上平移,在平移的过程中计算模板T和子图的相似性,待模板完全遍历整个原始图像之后,找出相似度最高的子图作为最终的匹配结果。如图9所示为本发明中基于边缘图的模板匹配定位结果。
第四方面,终端浏览子系统的设计与实现,本发明提供一种可能的实施方式,系统采用B/S架构,基于Spring MVC开发,Web服务主要由Tomcat服务器提供,采用MySQL数据库用于存储铁路货车监测系统的关键业务数据,前端页面采用JSP(Java Server Pages)技术开发,图表展示采用jqGrid框架。
为使本发明的上述目的、特征和优点能更加明显易懂,下文配合所附附图,作详细说明如下。
附图说明
图1为本发明中铁路货车运行监测系统功能组成框图;
图2为本发明中铁路货车运行监测系统设备组成;
图3为本发明中铁路货车运行监测系统工作流程;
图4为本发明中铁路货车运行监测系统业务流程活动图;
图5为本发明中基于改进SIFT定位方案框图;
图6为本发明中图像原图及直方图和CLAHE算法图像增强结果图及直方图;
图7为本发明中基于改进SIFT的算法匹配结果;
图8为本发明中铁路货车零件边缘图和模板图;
图9为本发明中基于边缘图的模板匹配定位结果。
具体实施方式
下面结合附图及实施例对本发明作进一步的详细说明,有必要指出的是,以下的实施例只用于对本发明做进一步的说明,不能理解为对本发明保护范围的限制,所属领域技术熟悉人员根据上述发明内容,对本发明做出一些非本质的改进和调整进行具体实施,应仍属于本发明的保护范围。
该系统工作流程为获取货车车速、获得每节车厢车号信息、打开补偿光源、打开相机保护门、采集货车图像、传输车辆数据、货车故障识别、数据浏览查询,如图3所示。
正常情况下整个系统处于待机状态,当有列车经过当前探测站时,1、2号磁钢产生正弦脉冲信号输入到磁钢信号处理器中,经过整形滤波变为TTL电平,该电平可以直接输入到车辆信息采集计算机的板卡上。该计算机经过计算可以获得经过列车的轴距,如果轴距是1.5米为客车,则不保留该次数据,系统继续进入待机状态;如果是1.7米的轴距为货车,车辆信息采集计算机通过串口指令向车辆处理器和车号处理器发送启动信号。车辆处理器打开相机保护门、打开补偿光源设备和向线阵相机发送启动信号。车号处理器将贴在车底的无线射频标签的车号信息,通过串口发送给车辆信息采集计算机。当3、4号磁钢有信号输入时,车辆信息采集计算机将每一个车轮的车速通过串口发送给脉冲发生器,脉冲发生器根据车速实时调整线阵相机采集的帧率。
通过车辆信息采集计算机获得了车辆的基础信息,四个相机固定拍摄货车的车体底部、侧下部、连接装置、转向架、车体顶部等关键区域。同时以每一个1.7米轴距的前一个尾勾距的正中间处的时间给脉冲信号,让图像按此时间进行图像拼接,从而完成货车的图像的采集。待图像采集完毕后,通过以太网将数据上传至数据存储服务器。
图片信息与车辆信息匹配后,相关数据存储在数据库中,如:某某时间通过一列车,其中包括时间、辆数、轴数、轴距表、对应的车号及照片建立“一车一档”数据库。
图像识别软件将标准的车辆信息保存起来,当有相同车号信息对应的图片识别后出现异常后,开始报警,并将故障信息记录下来。列检员收到报警信息后,通过浏览器远程访问货车的图像信息、车号信息、过车信息,并对故障预警进行人工确认,生成故障报表信息。
A.基于改进SIFT特征提取的货车底部零件识别算法
A2.本发明在计算SIFT关键点描述符时,使用旋转不变均匀LBP特征值代替一阶梯度幅度值。为了减少特征点描述符的计算量,本发明采用隔点计算的方式,从四个像素点中选取一个点并计算其LBP特征值。用来作为关键点的描述,从而解决低照度图片特征不明显的问题。
选取货车关键零件截断塞门来进行说明定位结果的说明,如图7所示为本发明中基于改进SIFT的算法匹配结果。
使用改进后的定位方案可以成功对光照度低的图片完成目标定位,并且定位效果理想。本实验从铁路货车扫描图像中选取了30组图片,分别对原SIFT定位方案和改进定位方案进行了对比实验,实验结果如表1所示。
表1对比测试结果
从表1中可以看出,对于随机选取的30组货车图片,使用原SIFT定位方案有19组成功完成定位,而使用改进后的定位方案共有25组成功完成了拼接,其中五组定位失败的原因是货车零件的维护更换,使得零件的样式发生了改变导致匹配不成功,由此验证了改进后定位方案的成功率要高于原算法的定位方案。
B.基于边缘的模板匹配的货车侧部零件定位算法
B4.在相似性的度量准则的选择上,选择互相关相似性度量,其相似性关系函数为:
将其归一化为:
当模板图和原始图中的子图完全一致时,相关系数R(i,j)等于1,否则,R(i,j)<1。由此可以得出相关系数的值越接近数值1,搜索图中的子图与目标模板越相似。模板在搜索图上逐像素平移的过程中,会记录各个子图和模板的相关系数值,待完全遍历搜索图S后,很容易找到相关系数的最大值,对应坐标的子图Sij即为最佳匹配结果。由于模板在搜索图的平移过程是逐像素的,用这种方式做目标定位会随搜索图的大小改变而改变。搜索图越大即搜索范围变大,目标定位速度越慢。
Claims (7)
1.一种铁路货车运行监测系统,其特征在于,包括:信息采集子系统、零件识别子系统和浏览子系统;
各个子系统之间通过网络进行数据传输;
所述信息采集子系统运行在探测站内,负责外围轨边探测设备地控制和线阵相机采集图像,并将车辆数据通过网络上传至列检室内的服务器;
所述零件识别子系统运行于列检室内的服务器上,负责接收车辆数据、车辆图片、识别故障零件并发出报警信息;
所述终端浏览子系统针对列检员不需要到现场就能访问车辆数据的需求,提供浏览器远程访问功能,方便实时查询车辆数据和对报警故障零件进行确认。
2.根据权利要求1所述系统,其特征在于,所述信息采集子系统具体用于:
判别车辆、测量车速、计轴计辆、采集车号、控制光源和采集车辆图片。
3.根据权利要求1所述系统,其特征在于,所述零件识别子系统具体用于:
车辆信息数据接收、数据库查询、离线入库、零件库、实时故障识别和离线故障识别。
4.根据权利要求1所述系统,其特征在于,所述浏览子系统具体用于:
车辆数据浏览、车辆图片浏览、故障车辆浏览、列检员复检和故障表导出。
5.如权利要求1所述的信息采集子系统,其特征在于,设计出基于主辅机的多路相机并行采集模式。
6.如权利要求3所述的实时故障识别和离线故障识别,其特征在于,设计出两套适用于本系统的识别方案,针对货车底部零件采用基于改进SIFT特征提取的识别方案和针对货车左右两侧零件提出基于边缘的模板匹配的识别方案。
7.如权利要求6所述的基于改进SIFT特征提取的铁路货车底部零件识别算法,其特征在于,主要包括包括下列步骤:
(1)用CLAHE算法对货车底部零件图像进行预处理;
(2)在计算SIFT关键点描述符时,使用旋转不变均匀LBP特征值代替一阶梯度幅度值。用来作为关键点的描述,从而解决低照度图片特征不明显的问题。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811084851.3A CN109299723A (zh) | 2018-09-18 | 2018-09-18 | 一种铁路货车运行监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811084851.3A CN109299723A (zh) | 2018-09-18 | 2018-09-18 | 一种铁路货车运行监测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109299723A true CN109299723A (zh) | 2019-02-01 |
Family
ID=65163430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811084851.3A Pending CN109299723A (zh) | 2018-09-18 | 2018-09-18 | 一种铁路货车运行监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109299723A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110126884A (zh) * | 2019-06-11 | 2019-08-16 | 武汉创牛科技有限公司 | 一种行驶车辆监控系统及其方法 |
CN110329315A (zh) * | 2019-07-09 | 2019-10-15 | 安徽富煌科技股份有限公司 | 一种动车组底盘故障检测预警系统及预警方法 |
CN110395290A (zh) * | 2019-08-09 | 2019-11-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路车辆信息采集方法及采集装置 |
CN110738198A (zh) * | 2019-11-20 | 2020-01-31 | 北京宜世通信息技术有限公司 | 铁路煤炭运输遗撒监测系统 |
CN110852301A (zh) * | 2019-11-20 | 2020-02-28 | 北京宜世通信息技术有限公司 | 铁路煤炭运输抑尘信息监测方法及系统 |
CN112232216A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车制动梁支柱圆销丢失故障识别方法 |
CN113132716A (zh) * | 2019-12-31 | 2021-07-16 | 中国铁路北京局集团有限公司石家庄车辆段 | 一种tfds线性扫描相机的校正方法 |
CN113386826A (zh) * | 2020-03-13 | 2021-09-14 | 株洲中车时代电气股份有限公司 | 一种用于检测列车内机车位置的系统及方法 |
CN116363151A (zh) * | 2023-03-15 | 2023-06-30 | 广东科研世智能科技有限公司 | 图像切割方法、装置、电子设备及存储介质 |
RU2811171C1 (ru) * | 2023-11-17 | 2024-01-11 | Акционерное общество "Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте" | Система контроля сохранности элементов подвижного состава |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067287A (zh) * | 2015-07-23 | 2015-11-18 | 北京京天威科技发展有限公司 | 动车组运行故障动态图像检测系统及方法 |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测系统及方法 |
CN105933401A (zh) * | 2016-04-18 | 2016-09-07 | 成都森川科技股份有限公司 | 基于轨边探测站的云服务系统及方法 |
CN105975979A (zh) * | 2016-04-22 | 2016-09-28 | 浙江大学 | 一种基于机器视觉的仪表检测方法 |
CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测系统及方法 |
US20170316693A1 (en) * | 2016-04-28 | 2017-11-02 | Sung IL Kim | Traffic information big data operation server using license plate recognition of means of transportation |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
-
2018
- 2018-09-18 CN CN201811084851.3A patent/CN109299723A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067287A (zh) * | 2015-07-23 | 2015-11-18 | 北京京天威科技发展有限公司 | 动车组运行故障动态图像检测系统及方法 |
CN105243381A (zh) * | 2015-11-25 | 2016-01-13 | 朱金良 | 基于3d信息的故障自动识别检测系统及方法 |
CN106940884A (zh) * | 2015-12-15 | 2017-07-11 | 北京康拓红外技术股份有限公司 | 一种包含深度信息的动车组运行故障图像检测系统及方法 |
CN105933401A (zh) * | 2016-04-18 | 2016-09-07 | 成都森川科技股份有限公司 | 基于轨边探测站的云服务系统及方法 |
CN105975979A (zh) * | 2016-04-22 | 2016-09-28 | 浙江大学 | 一种基于机器视觉的仪表检测方法 |
US20170316693A1 (en) * | 2016-04-28 | 2017-11-02 | Sung IL Kim | Traffic information big data operation server using license plate recognition of means of transportation |
CN107330372A (zh) * | 2017-06-05 | 2017-11-07 | 四川大学 | 一种基于视频的人群密度与异常行为检测系统的分析方法 |
Non-Patent Citations (3)
Title |
---|
刘文亮等: "LBP算法在岩石薄片图像拼接中的应用", 《计算机与数字工程》 * |
王廷等: "基于边缘的模板匹配在零件检测中的应用", 《光学仪器》 * |
袁洁: "基于结构特征的货车转向架故障图像定位及检测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110126884A (zh) * | 2019-06-11 | 2019-08-16 | 武汉创牛科技有限公司 | 一种行驶车辆监控系统及其方法 |
CN110329315A (zh) * | 2019-07-09 | 2019-10-15 | 安徽富煌科技股份有限公司 | 一种动车组底盘故障检测预警系统及预警方法 |
CN110395290A (zh) * | 2019-08-09 | 2019-11-01 | 哈尔滨市科佳通用机电股份有限公司 | 铁路车辆信息采集方法及采集装置 |
CN110738198A (zh) * | 2019-11-20 | 2020-01-31 | 北京宜世通信息技术有限公司 | 铁路煤炭运输遗撒监测系统 |
CN110852301A (zh) * | 2019-11-20 | 2020-02-28 | 北京宜世通信息技术有限公司 | 铁路煤炭运输抑尘信息监测方法及系统 |
CN113132716A (zh) * | 2019-12-31 | 2021-07-16 | 中国铁路北京局集团有限公司石家庄车辆段 | 一种tfds线性扫描相机的校正方法 |
CN113132716B (zh) * | 2019-12-31 | 2023-02-03 | 中国铁路北京局集团有限公司石家庄车辆段 | 一种tfds线性扫描相机的校正方法 |
CN113386826A (zh) * | 2020-03-13 | 2021-09-14 | 株洲中车时代电气股份有限公司 | 一种用于检测列车内机车位置的系统及方法 |
CN112232216A (zh) * | 2020-10-16 | 2021-01-15 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车制动梁支柱圆销丢失故障识别方法 |
CN116363151A (zh) * | 2023-03-15 | 2023-06-30 | 广东科研世智能科技有限公司 | 图像切割方法、装置、电子设备及存储介质 |
CN116363151B (zh) * | 2023-03-15 | 2023-11-03 | 广东科研世智能科技有限公司 | 图像切割方法、装置、电子设备及存储介质 |
RU2811171C1 (ru) * | 2023-11-17 | 2024-01-11 | Акционерное общество "Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте" | Система контроля сохранности элементов подвижного состава |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109299723A (zh) | 一种铁路货车运行监测系统 | |
CN105260744B (zh) | 一种货运列车钩尾扁销部位故障的自动在线诊断方法及系统 | |
CN110826538B (zh) | 一种用于电力营业厅的异常离岗识别系统 | |
CN103512762B (zh) | 图像处理方法、装置及列车故障检测系统 | |
CN105424330B (zh) | 一种货车轴端螺栓故障检测方法及装置 | |
CN102306290B (zh) | 一种基于视频的人脸跟踪识别方法 | |
EP2619727B1 (en) | Pantograph monitoring system and method | |
CN103186982B (zh) | 一种治安智能卡口系统 | |
CN109238756B (zh) | 货车运行故障动态图像检测设备及检测方法 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
Saha et al. | License Plate localization from vehicle images: An edge based multi-stage approach | |
CN113947731B (zh) | 一种基于接触网安全巡检的异物识别方法及系统 | |
CN109489724A (zh) | 一种隧道列车安全运行环境综合检测装置及检测方法 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN113788051A (zh) | 列车在站运行状态监测分析系统 | |
CN103914682A (zh) | 一种车牌识别方法及系统 | |
CN114998244A (zh) | 基于计算机视觉的轨道梁指形板智能巡检系统及方法 | |
CN104866865A (zh) | 一种基于dhog和离散余弦变换的接触网平衡线故障检测方法 | |
CN113298059A (zh) | 受电弓异物入侵检测方法、装置、计算机设备、系统及存储介质 | |
CN108357517A (zh) | 动车组列车运行故障信息检测方法和系统 | |
CN113378646A (zh) | 一种货运列车信息识别系统及识别方法 | |
CN115171260A (zh) | 一种基于人脸识别的智能门禁系统 | |
CN112488995A (zh) | 列车自动化检修的智能判伤方法及系统 | |
CN114821725A (zh) | 一种基于神经网络的矿工人脸识别系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190201 |