CN109961429A - 一种基于单目红外图像的受电弓检测定位方法及系统 - Google Patents
一种基于单目红外图像的受电弓检测定位方法及系统 Download PDFInfo
- Publication number
- CN109961429A CN109961429A CN201910221929.XA CN201910221929A CN109961429A CN 109961429 A CN109961429 A CN 109961429A CN 201910221929 A CN201910221929 A CN 201910221929A CN 109961429 A CN109961429 A CN 109961429A
- Authority
- CN
- China
- Prior art keywords
- pantograph
- image
- region
- carbon slide
- endpoints
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000004807 localization Effects 0.000 title claims abstract description 9
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 93
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 93
- 238000003708 edge detection Methods 0.000 claims abstract description 25
- 239000000284 extract Substances 0.000 claims abstract description 23
- 238000003709 image segmentation Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000009499 grossing Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 abstract 1
- 230000003137 locomotive effect Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000013519 translation 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
- G06T7/13—Edge detection
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于单目红外图像的受电弓检测定位方法及系统,其中检测定位方法包括步骤:获取并缓存多帧受电弓原始图像;在所述图像中提取感兴趣区域图像进行预处理,并对预处理的图像进行图像分割,提取受电弓碳滑板区域;对所述受电弓碳滑板区域进行水平边缘检测,提取受电弓碳滑板区域外部轮廓的像素点;根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在感兴趣区域图像中的位置,并在受电弓原始图像中对受电弓进行检测定位。本发明对单目红外图像中的受电弓可以进行实时且无接触的测量,提高检测速度和检测准确性。
Description
技术领域
本发明涉及交通安全工程技术领域,尤其涉及一种基于单目红外图像的受电弓检测定位方法及系统。
背景技术
受电弓滑板是电力机车与接触网唯一接触的部件,是整个电力机车供电系统中最重要的取电设备。受电弓滑板安装在机车或动车车顶上,从接触网上获取电能,对电力机车能否安全平稳运行有直接影响。而在电力机车运行过程中,受电弓滑板不断与接触网接触造成损耗,若损耗严重,受电弓会与接触网供电线上的硬点产生碰撞,致使受电弓摇晃、变形甚至脱落造成机车故障。因此,及时有效的检测和识别受电弓,对保证弓网安全运行和避免安全事故尤为重要。
目前受电弓检测主要有三种方式:地面在线检测、人工登顶检测和车载设备检测,但都存在这一定的局限性。地面在线检测只能检测受电弓滑板厚度,功能单一,应用范围有限;人工登顶检测只能在列车入库和接触网断电时才能检测,耗费人力和资源,不及时且效率低;车载设备检测要求每台机车都安装车载设备,成本高且不适合大规模推广。
发明内容
针对现有技术的缺陷或不足,本发明提出一种基于单目红外图像的受电弓检测定位方法及系统,有效解决了受电弓检测定位的功能单一、不及时、效率低和成本高的问题。本发明解决其技术问题所采用的技术方案是:
提供一种基于单目红外图像的受电弓检测定位方法,包括以下步骤:
S1、获取并缓存多帧受电弓原始图像;
S2、在所述受电弓原始图像中提取感兴趣区域图像进行预处理,并对预处理的所述感兴趣区域图像进行图像分割,提取受电弓碳滑板区域;
S3、对所述受电弓碳滑板区域进行水平边缘检测,提取受电弓碳滑板区域外部轮廓的像素点;
S4、根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
本发明所述的方法中,步骤S2具体包括步骤:
S21、所述受电弓原始图像中提取感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
S22、利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域。
本发明所述的方法中,步骤S3具体包括步骤:
S31、对所述受电弓碳滑板区域进行平滑处理;
S32、计算每一个像素点横向和纵向的灰度大小;
S33、对平滑处理后的所述受电弓碳滑板区域图像通过水平边缘检测算法进行边缘检测,得到边缘检测图像;
S34、在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
S35、提取满足受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
本发明所述的方法中,所述步骤S34中的在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集采用邻域搜索算法横向搜索,具体步骤为:
S341、以所述边缘检测图像的每一行第一列的像素点为起点,顺序扫描搜索在其右、右上和右下3个邻域连续的外部轮廓点,其中右邻域外部轮廓点允许间断一定阈值,直到找不到外部轮廓点为止,并将这些连续的点组成点集;
S342、判断外部轮廓点集长度,若其长度小于阈值t,则舍弃该点集,反之保存点集并继续;
S343、执行S341步骤直到所述边缘检测图像不存在未被遍历的点为止。
本发明所述的方法中,步骤S4具体包括步骤:
S41、标记所述受电弓中心参考位置和两个端点的参考位置;
S42、根据所述受电弓碳滑板区域外部轮廓确定所述受电弓的中心位置和两个端点的图像位置;
S43、根据所述受电弓中心参考位置、所述受电弓中心位置、所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置对受电弓进行检测定位。通过比较所述受电弓中心参考位置和所述受电弓中心位置确定受电弓左右平移量,规定向左偏移为正值,向右偏移为负值;通过比较所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置确定受电弓的上下倾斜量,规定左高右低为正值,左低右高为负值;
S44、根据受电弓在所述感兴趣区域图像中的左右平移量和上下倾斜量,以及所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,计算得到受电弓在所述受电弓原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。
本发明所述的方法中,所述步骤S42中根据所述受电弓碳滑板区域外部轮廓确定所述受电弓中心位置和所述受电弓两个端点的图像位置具体步骤如下:
S421、采用最小二乘算法对所述受电弓碳滑板区域外部轮廓线段进行拟合;
S422、提取所述拟合线段的中心位置和两个端点的图像位置。
本发明还提供了一种基于单目红外图像的受电弓检测定位系统,包括:
图像采集模块,获取并缓存多帧受电弓原始图像;
受电弓提取模块,用于在所述受电弓原始图像中提取感兴趣区域图像进行预处理,记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,并将预处理后的所述感兴趣区域图像进行图像分割和水平边缘检测,提取受电弓碳滑板区域和受电弓区域外部轮廓的像素点;
受电弓检测定位模块,根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在所述感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
本发明所述的系统中,所述受电弓检测定位模块具体用于:
标记受电弓中心参考位置和受电弓两个端点的参考位置;
根据所述受电弓碳滑板区域外部轮廓确定受电弓的中心位置和受电弓两个端点的图像位置;
根据所述受电弓中心参考位置、所述受电弓中心位置、所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置对受电弓进行检测定位,通过比较所述受电弓中心参考位置和所述受电弓中心位置确定受电弓左右平移量,通过比较所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置确定受电弓的上下倾斜量;
根据受电弓在所述感兴趣区域图像中的左右平移量和上下倾斜量,以及所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,计算得到受电弓在所述受电弓原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。
本发明所述的系统中,所述受电弓提取模块具体用于:
对所述受电弓原始图像中提取的所述感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据所述受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域;
对所述受电弓碳滑板区域进行平滑处理;
计算每一个像素点横向和纵向的灰度大小;
对平滑处理后的图像通过水平边缘检测算法进行边缘检测,得到所述边缘检测图像;
在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
提取满足所述受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
本发明产生的有益效果是:本发明根据受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,从获取并缓存的多帧受电弓原始图像提取感兴趣区域图像进行预处理,并对预处理的图像进行图像分割,提取受电弓碳滑板区域,对所述受电弓碳滑板区域进行水平边缘检测,并在所述边缘检测图像中确定受电弓碳滑板区域外部轮廓的像素点集,进而计算受电弓中心位置和两个端点的图像位置等参数对受电弓进行检测定位,同时计算受电弓左右平移量和受电弓的上下倾斜量。本发明的基于单目红外图像的受电弓检测定位方法和系统可以在机车运行过程中动态的对受电弓进行检测定位,提高了受电弓检测定位的实时性,同时还检测了受电弓左右偏移和上下倾斜状态的方向和大小,提高了检测定位的效率和准确性,并且具有鲁棒性。。
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是本发明实施例的基于单目红外图像的受电弓检测定位方法流程示意图和系统结构示意图;图;
图2是本发明实施例红外相机拍摄的受电弓原始图像;
图3是本发明实施例获取的受电弓图像的感兴趣区域;
图4是本发明实施例对感兴趣区域预处理结果图;
图5是本发明实施例对图像分割提取的受电弓碳滑板区域;
图6是本发明实施例的受电弓碳滑板区域边缘检测结果图;
图7是本发明实施例的受电弓中心参考位置和两个端点的参考位置标记示意图;
图8(a)是本发明实施例的受电弓在感兴趣区域中检测定位的受电弓左右平移显示图;
图8(b)是本发明实施例的受电弓在感兴趣区域中检测定位的受电弓上下倾斜显示图;
图9是本发明实施例的受电弓在原始图像中实际位置的检测定位显示图。
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,以下结合附图及实施例,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。
本发明的基于单目单目红外图像的受电弓检测定位方法和系统可以在机车运行过程中动态的对受电弓进行检测定位,提高了受电弓检测定位的实时性,同时还检测了受电弓左右偏移和上下倾斜状态的方向和大小,提高了检测定位的效率和准确性,具有鲁棒性。
本发明实施例的基于单目单目红外图像的受电弓检测定位方法,如图1 所示,包括以下步骤:
S1、获取并缓存多帧受电弓原始图像。可以通过近红外相机和高清可见光相机获取并缓存多帧机车行进过程中相机拍摄的受电弓原始图像,红外相机拍摄示例图像如图2所示。
S2、在所述受电弓原始图像中提取感兴趣区域图像进行预处理,并对预处理的所述感兴趣区域图像进行图像分割,提取受电弓碳滑板区域。
在受电弓原始图像中提取感兴趣区域图像进行预处理后再进行图像分割。感兴趣区域图像是从受电弓原始图像中提取的包含受电弓前后碳滑板完整图像的矩形区域,同一组相机拍摄的受电弓原始图像序列中感兴趣区域图像相同,记录感兴趣区域图像与原始图像的坐标对应关系。预处理具体为灰度处理、滤波处理、图像增强处理和二值化处理。感兴趣区域图像如图3所示,预处理结果如图4所示。利用固定阈值分割算法对预处理后的图像进行图像分割,根据受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取受电弓碳滑板区域。示例性的,在预处理后的图像中,搜索并提取满足受电弓碳滑板区域面积在最小阈值与最大阈值之间的所有像素并保存为新的图像。图像分割结果如图5所示。
S3、对所述受电弓碳滑板区域进行水平边缘检测,提取受电弓碳滑板区域外部轮廓的像素点。
对受电弓碳滑板区域进行平滑处理,具体的可以采用高斯滤波,去除噪声点的干扰。计算平滑后的图像中每一个像素点横向和纵向的灰度大小。采用水平边缘检测算法对平滑处理后的图像进行边缘检测,可以采用Sobel算子对所述图像的像素点做平面卷积运算,分别得到横向及纵向的亮度差分近似值,进而计算每个像素点的梯度值G,选取合适的阈值T与梯度值G做比较,保留梯度值G大于阈值T的像素点,得到边缘检测的图像。在边缘检测图像中搜索受电弓碳滑板区域外部轮廓的像素点集。提取满足受电弓外部轮廓特征的点集作为受电弓碳滑板区域外部轮廓的像素点集。边缘检测结果如图6 所示。Sobel算子水平边缘检测方法比传统识别性算子方法运算更简单,运行速度更快。
S4、根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
受电弓的检测定位主要体现在受电弓三维空间形位关系的变化,安装位置和角度决定的像素和位置与图像中的像素和实际位置有严格的比例对应关系,利用检测的外部轮廓特征点的像素位置和图像的分辨率可以确定受电弓碳滑板区域外部轮廓在图像中的位置和方向,实现对受电弓碳滑板区域外部轮廓的精确定位。
本发明的一个较佳实施例中,步骤S2具体包括步骤:
S21、所述受电弓原始图像中提取感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
S22、利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域。
本发明的一个较佳实施例中,步骤S3具体包括步骤:
S31、对所述受电弓碳滑板区域进行平滑处理;
S32、计算每一个像素点横向和纵向的灰度大小;
S33、对平滑处理后的所述受电弓碳滑板区域图像通过水平边缘检测算法进行边缘检测,得到边缘检测图像;
S34、在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
S35、提取满足受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
本发明的一个较佳实施例中,步骤S34中的在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集采用邻域搜索算法横向搜索,具体步骤为:
S341、以边缘检测图像的每一行第一列的像素点为起点,顺序扫描搜索在其右、右上和右下3个邻域连续的外部轮廓点,其中右邻域外部轮廓点允许间断一定阈值,直到找不到外部轮廓点为止,并将这些连续的点组成点集,下表格可以形象描述搜索的具体位置。假设每个格子表示一个像素点。
右上 | |||
左 | 右 | ||
右下 | |||
S342、判断外部轮廓点集长度,若其长度小于阈值t,则舍弃该点集,反之保存点集并继续。
S343、执行S341步骤直到所述边缘检测图像不存在未被遍历的点为止。
本发明的一个较佳实施例中,步骤S4具体包括步骤:
S41、标记所述受电弓中心参考位置和两个端点的参考位置。
在同一组相机拍摄的受电弓原始图像序列中感兴趣区域图像相同,当受电弓原始图像显示机车车辆处于正常无扰动的运行位置时,根据所有机车感兴趣区域图像,确定每张图像上受电弓外部轮廓在图像中的位置,并根据所述位置确定每张受电弓滑板在图像中的几何中心坐标和左右两个端点的坐标,分别计算所有图像的几何中心坐标和左右端点坐标的平均值,标记平均值对应的受电弓中心参考位置和左右两个端点的参考位置。利用所述方法对受电弓中心参考位置和两个端点的参考位置进行标记,标记示意图如图7所示。
S42、根据所述受电弓碳滑板区域外部轮廓确定所述受电弓的中心位置和两个端点的图像位置。可以采用最小二乘算法对受电弓碳滑板区域外部轮廓线段进行拟合,提取拟合线段的中心位置和两个端点的图像位置。
S43、根据所述受电弓中心参考位置、中心位置、受电弓两个端点的参考位置和图像位置对受电弓进行检测定位。通过比较受电弓中心参考位置和中心位置确定受电弓左右平移量,左右平移量的大小为受电弓中心参考位置与中心位置横坐标的差值,规定向左偏移为正值,向右偏移为负值,将像素坐标转化为物理坐标,在感兴趣区域中受电弓的检测定位结果显示如图8(a)所示;通过比较两个端点的参考位置和图像位置确定受电弓的上下倾斜量,上下倾斜量的大小为受电弓两个端点的参考位置与图像位置纵坐标的差值,规定左高右低为正值,左低右高为负值,将像素坐标转化为物理坐标,在感兴趣区域中受电弓的检测定位结果显示如图8(b)所示。
S44、根据受电弓在感兴趣区域图像的中心位置和两个端点的图像位置、左右平移量和上下倾斜量,以及感兴趣区域图像与受电弓原始图像的坐标对应关系,计算得到受电弓在原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。受电弓在原始图像中的实际检测定位结果如图9所示,检测定位效果用矩形坐标框标记显示。
本发明的一个较佳实施例中,步骤S42中根据所述受电弓碳滑板区域外部轮廓确定所述受电弓中心位置和所述受电弓两个端点的图像位置具体步骤如下:
S421、采用最小二乘算法对所述受电弓碳滑板区域外部轮廓线段进行拟合;
S422、提取所述拟合线段的中心位置和两个端点的图像位置。
本发明实施例基于单目红外图像的受电弓检测定位系统,具体包括:
图像采集模块1,获取并缓存多帧受电弓原始图像;
受电弓提取模块2,用于在所述受电弓原始图像中提取感兴趣区域图像进行预处理,记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,并将预处理后的所述感兴趣区域图像进行图像分割和水平边缘检测,提取受电弓碳滑板区域和受电弓区域外部轮廓的像素点;
受电弓检测定位模块3,根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在所述感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
接上述技术方案,受电弓检测定位模块3具体用于:
标记受电弓中心参考位置和受电弓两个端点的参考位置;
根据所述受电弓碳滑板区域外部轮廓确定受电弓的中心位置和受电弓两个端点的图像位置;
根据所述受电弓中心参考位置、所述受电弓中心位置、所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置对受电弓进行检测定位,通过比较所述受电弓中心参考位置和所述受电弓中心位置确定受电弓左右平移量,通过比较所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置确定受电弓的上下倾斜量;
根据受电弓在所述感兴趣区域图像中的左右平移量和上下倾斜量,以及所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,计算得到受电弓在所述受电弓原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。
接上述技术方案,所述受电弓提取模块2具体用于:
对所述受电弓原始图像中提取的所述感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据所述受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域;
对所述受电弓碳滑板区域进行平滑处理;
计算每一个像素点横向和纵向的灰度大小;
对平滑处理后的图像通过水平边缘检测算法进行边缘检测,得到所述边缘检测图像;
在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
提取满足所述受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
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 (9)
1.一种基于单目红外图像的受电弓检测定位方法,其特征在于,包括以下步骤:图像采集模块,获取并缓存多帧受电弓原始图像;
S1、获取并缓存多帧受电弓原始图像;
S2、在所述受电弓原始图像中提取感兴趣区域图像进行预处理,并对预处理的所述感兴趣区域图像进行图像分割,提取受电弓碳滑板区域;
S3、对所述受电弓碳滑板区域进行水平边缘检测,提取受电弓碳滑板区域外部轮廓的像素点;
S4、根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
2.根据权利要求1所述的方法,其特征在于,步骤S2具体包括步骤:
S21、所述受电弓原始图像中提取感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
S22、利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域。
3.根据权利要求1所述的方法,其特征在于,步骤S3具体包括步骤:
S31、对所述受电弓碳滑板区域进行平滑处理;
S32、计算每一个像素点横向和纵向的灰度大小;
S33、对平滑处理后的所述受电弓碳滑板区域图像通过水平边缘检测算法进行边缘检测,得到边缘检测图像;
S34、在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
S35、提取满足受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
4.根据权利要求3所述的方法,其特征在于,所述步骤S34中的在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集采用邻域搜索算法横向搜索,具体步骤为:
S341、以所述边缘检测图像的每一行第一列的像素点为起点,顺序扫描搜索在其右、右上和右下3个邻域连续的外部轮廓点,其中右邻域外部轮廓点允许间断一定阈值,直到找不到外部轮廓点为止,并将这些连续的点组成点集;
S342、判断外部轮廓点集长度,若其长度小于阈值t,则舍弃该点集,反之保存点集并继续;
S343、执行S341步骤直到所述边缘检测图像不存在未被遍历的点为止。
5.根据权利要求1所述的方法,其特征在于,步骤S4具体包括步骤:
S41、标记所述受电弓中心参考位置和两个端点的参考位置;
S42、根据所述受电弓碳滑板区域外部轮廓确定所述受电弓的中心位置和两个端点的图像位置;
S43、根据所述受电弓中心参考位置、所述受电弓中心位置、所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置对受电弓进行检测定位;通过比较所述受电弓中心参考位置和所述受电弓中心位置确定受电弓左右平移量,规定向左偏移为正值,向右偏移为负值;通过比较所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置确定受电弓的上下倾斜量,规定左高右低为正值,左低右高为负值;
S44、根据受电弓在所述感兴趣区域图像中的左右平移量和上下倾斜量,以及所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,计算得到受电弓在所述受电弓原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。
6.根据权利要求5所述的方法,其特征在于,所述步骤S42中根据所述受电弓碳滑板区域外部轮廓确定所述受电弓中心位置和所述受电弓两个端点的图像位置具体步骤如下:
S421、采用最小二乘算法对所述受电弓碳滑板区域外部轮廓线段进行拟合;
S422、提取所述拟合线段的中心位置和两个端点的图像位置。
7.一种基于单目红外图像的受电弓检测定位系统,其特征在于,包括:
图像采集模块,获取并缓存多帧受电弓原始图像;
受电弓提取模块,用于在所述受电弓原始图像中提取感兴趣区域图像进行预处理,记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,并将预处理后的所述感兴趣区域图像进行图像分割和水平边缘检测,提取受电弓碳滑板区域和受电弓区域外部轮廓的像素点;
受电弓检测定位模块,根据所述受电弓碳滑板区域外部轮廓的像素点确定所述受电弓碳滑板区域外部轮廓在所述感兴趣区域图像中的位置,并在所述受电弓原始图像中对受电弓进行检测定位。
8.根据权利要求7所述的系统,其特征在于,所述受电弓检测定位模块具体用于:
标记受电弓中心参考位置和受电弓两个端点的参考位置;
根据所述受电弓碳滑板区域外部轮廓确定受电弓的中心位置和受电弓两个端点的图像位置;
根据所述受电弓中心参考位置、所述受电弓中心位置、所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置对受电弓进行检测定位,通过比较所述受电弓中心参考位置和所述受电弓中心位置确定受电弓左右平移量,通过比较所述受电弓两个端点的参考位置和所述受电弓两个端点的图像位置确定受电弓的上下倾斜量;
根据受电弓在所述感兴趣区域图像中的左右平移量和上下倾斜量,以及所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系,计算得到受电弓在所述受电弓原始图像中的实际中心位置和两个端点的实际位置,实现对受电弓的检测定位。
9.根据权利要求7所述的系统,其特征在于,所述受电弓提取模块具体用于:
对所述受电弓原始图像中提取的所述感兴趣区域图像进行预处理,包括灰度处理、滤波处理、图像增强处理和二值化处理,并记录所述感兴趣区域图像与所述受电弓原始图像的坐标对应关系;
利用固定阈值分割算法对预处理后的所述感兴趣区域图像进行图像分割,根据所述受电弓碳滑板区域的特征,如区域面积、灰度值、高度和宽度等,提取所述受电弓碳滑板区域;
对所述受电弓碳滑板区域进行平滑处理;
计算每一个像素点横向和纵向的灰度大小;
对平滑处理后的图像通过水平边缘检测算法进行边缘检测,得到所述边缘检测图像;
在所述边缘检测图像中搜索所述受电弓碳滑板区域外部轮廓的像素点集;
提取满足所述受电弓外部轮廓特征的点集作为所述受电弓碳滑板区域外部轮廓的像素点集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221929.XA CN109961429A (zh) | 2019-03-22 | 2019-03-22 | 一种基于单目红外图像的受电弓检测定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910221929.XA CN109961429A (zh) | 2019-03-22 | 2019-03-22 | 一种基于单目红外图像的受电弓检测定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109961429A true CN109961429A (zh) | 2019-07-02 |
Family
ID=67024745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910221929.XA Pending CN109961429A (zh) | 2019-03-22 | 2019-03-22 | 一种基于单目红外图像的受电弓检测定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109961429A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260629A (zh) * | 2020-01-16 | 2020-06-09 | 成都地铁运营有限公司 | 基于图像处理的受电弓结构异常检测算法 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
CN111666947A (zh) * | 2020-05-26 | 2020-09-15 | 成都唐源电气股份有限公司 | 一种基于3d成像的受电弓弓头偏移量测量方法及系统 |
CN113436157A (zh) * | 2021-06-18 | 2021-09-24 | 西南交通大学 | 一种用于受电弓故障的车载图像识别方法 |
WO2021218137A1 (zh) * | 2020-04-28 | 2021-11-04 | 株洲中车时代电气股份有限公司 | 基于红外图像的弓网检测方法、装置、系统、介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393607A (zh) * | 2008-09-03 | 2009-03-25 | 崔志明 | 利用快速边界跟踪实现脑血管图像识别的方法 |
CN105957069A (zh) * | 2016-04-25 | 2016-09-21 | 北京铁道工程机电技术研究所有限公司 | 一种受电弓检测方法、装置及系统 |
CN106052575A (zh) * | 2016-08-02 | 2016-10-26 | 易讯科技股份有限公司 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
CN108917621A (zh) * | 2018-06-29 | 2018-11-30 | 南京航空航天大学 | 一种受电弓滑板上边缘单像素跟踪检测方法 |
-
2019
- 2019-03-22 CN CN201910221929.XA patent/CN109961429A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101393607A (zh) * | 2008-09-03 | 2009-03-25 | 崔志明 | 利用快速边界跟踪实现脑血管图像识别的方法 |
CN105957069A (zh) * | 2016-04-25 | 2016-09-21 | 北京铁道工程机电技术研究所有限公司 | 一种受电弓检测方法、装置及系统 |
CN106052575A (zh) * | 2016-08-02 | 2016-10-26 | 易讯科技股份有限公司 | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 |
CN108917621A (zh) * | 2018-06-29 | 2018-11-30 | 南京航空航天大学 | 一种受电弓滑板上边缘单像素跟踪检测方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260629A (zh) * | 2020-01-16 | 2020-06-09 | 成都地铁运营有限公司 | 基于图像处理的受电弓结构异常检测算法 |
CN111462225A (zh) * | 2020-03-31 | 2020-07-28 | 电子科技大学 | 一种红外光斑图像的质心识别定位方法 |
WO2021218137A1 (zh) * | 2020-04-28 | 2021-11-04 | 株洲中车时代电气股份有限公司 | 基于红外图像的弓网检测方法、装置、系统、介质及设备 |
CN111666947A (zh) * | 2020-05-26 | 2020-09-15 | 成都唐源电气股份有限公司 | 一种基于3d成像的受电弓弓头偏移量测量方法及系统 |
CN111666947B (zh) * | 2020-05-26 | 2023-08-04 | 成都唐源电气股份有限公司 | 一种基于3d成像的受电弓弓头偏移量测量方法及系统 |
CN113436157A (zh) * | 2021-06-18 | 2021-09-24 | 西南交通大学 | 一种用于受电弓故障的车载图像识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961429A (zh) | 一种基于单目红外图像的受电弓检测定位方法及系统 | |
CN106052575B (zh) | 基于列车高速运行中的受电弓碳滑板磨耗在线检测方法 | |
Li et al. | Recognition and evaluation of bridge cracks with modified active contour model and greedy search-based support vector machine | |
CN110529186B (zh) | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 | |
CN112598001B (zh) | 一种基于多模型融合的船舶水尺读数自动识别方法 | |
CN105652154B (zh) | 接触网运行状态安全监测分析系统 | |
CN107588733A (zh) | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 | |
CN104574393B (zh) | 一种三维路面裂缝图像生成系统和方法 | |
CN108230344B (zh) | 一种隧道渗漏水病害自动识别方法 | |
Rau et al. | Bridge crack detection using multi-rotary UAV and object-base image analysis | |
CN111369516B (zh) | 基于红外图像识别的变压器套管发热缺陷检测方法 | |
CN109272544A (zh) | 管道全位置焊缝的结构光三维测量模型和图像处理方法 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
Zhu et al. | Study on the edge detection and extraction algorithm in the pantographslipper's abrasion | |
CN104458764B (zh) | 基于大景深条带图像投影的弯曲粗糙表面缺陷鉴别方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN111080612B (zh) | 一种货车轴承破损检测方法 | |
CN104992429A (zh) | 一种基于图像局部增强的山体裂缝检测方法 | |
CN115482195A (zh) | 一种基于三维点云的列车部件变形检测方法 | |
CN112198170B (zh) | 一种无缝钢管外表面三维检测中识别水滴的检测方法 | |
CN116358449A (zh) | 一种基于双目面结构光的飞机铆钉凹凸量测量方法 | |
CN114972397A (zh) | 一种用于风电叶片复合材料的红外图像缺陷轮廓检测方法 | |
CN113902792A (zh) | 基于改进RetinaNet网络的建筑物高度检测方法、系统和电子设备 | |
CN109671084B (zh) | 一种工件形状的测量方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 |
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 |
Application publication date: 20190702 |
|
RJ01 | Rejection of invention patent application after publication |