CN110097591B - 弓网状态的检测方法 - Google Patents
弓网状态的检测方法 Download PDFInfo
- Publication number
- CN110097591B CN110097591B CN201910356368.4A CN201910356368A CN110097591B CN 110097591 B CN110097591 B CN 110097591B CN 201910356368 A CN201910356368 A CN 201910356368A CN 110097591 B CN110097591 B CN 110097591B
- Authority
- CN
- China
- Prior art keywords
- image
- contact line
- virtual
- pantograph
- dimensional model
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60M—POWER SUPPLY LINES, AND DEVICES ALONG RAILS, FOR ELECTRICALLY- PROPELLED VEHICLES
- B60M1/00—Power supply lines for contact with collector on vehicle
- B60M1/12—Trolley lines; Accessories therefor
-
- 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
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- 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
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- 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
-
- 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
- G06T2207/30232—Surveillance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Analysis (AREA)
Abstract
本发明提供一种弓网状态的检测方法,通过获取接触线与受电弓之相交区域的原始图像,经由直线提取算法获得接触线的直线特征,进而根据所述直线特征,以动态权重直线聚类的方式拟合出接触线的虚拟二维模型,并对虚拟二维模型进行立体匹配,获得视差信息,而后得出三维信息并创建接触线的虚拟三维模型,根据接触线的虚拟三维模型,以及受电弓的虚拟三维模型,即可获取所述弓网的状态。通过本发明提供的方法,可准确地识别刚性接触网中的接触线,而用于识别检测的装置结构简单,成本低且效果好。此外,通过本发明提供的弓网状态的检测方法可实现连续且不间断地对弓网状态进行自动检测,能有效降低工作人员劳动强度,提高工作效率。
Description
技术领域
本发明涉及智能化全自动弓网视频监视技术领域,特别涉及一种弓网状态的检测方法。
背景技术
在我国电气化铁路停电、停运事故中,弓网事故占总事故的80%左右,因此,保证受电弓的正常运行一直是当下研究的一大课题。消灭弓网事故被列为轨道交通的四大攻坚战之一。为了改进接触网的维护工作,除了增加零部件的使用寿命,提高设备管理水平外,增加对弓网状态的监视和诊断技术非常有必要。接触网作为地铁轨道工程中的主要组成部分,具体包括用于与受电弓摩擦接触的接触线,接触线沿着轨道上空按“之”字形架设,供装设在地铁列车上的受电弓取电流使用。而由于施工质量不高或日常检修不及时,其中受电弓、接触网或者弓网关系(也即弓网系统的接触点)都有可能出现问题,比如受电弓滑板偏磨、羊角缺损、羊角变形,接触网异物脱落、接触网磨损等,一旦发生,将造成严重的弓网事故,因此实时监测接触网的状态是非常关键的。
接触网可分为柔性接触网和刚性接触网,刚性接触网由于其结构特点、安装工艺和其优势,刚性接触网常常被应用于隧道结构的轨道电气列车工程中。现有对于刚性接触网下的受电弓检测分为接触式和非接触式检测两大类,接触式检测方法是通过在受电弓机构上安装各种相应的传感器来检测,例如接近开关、加速度传感器等;非接触式检测方式是采用激光雷达、线阵相机或是面阵相机等装置并通过机器视觉的技术来检测。刚性接触网受电弓检测根据发展顺序有如下方式:
(1)在线加装传感器检测,即在受电弓上加装接近开关,加速度传感器等设备来检测系统参数。受电弓系统是高压电磁环境复杂,接近开关容易损坏,并且在受电弓上加装传感器影响受流质量;
(2)单目相机检测,即在列车顶部安装单个相机,通过模式处理的方式检测出刚性接触网的相应动态参数。单目相机检测这种方式无法直接获得深度的信息,因此受电弓动态检测精度不高;
(3)检测列车检测,一般激光检测设备安装在检测车上,检测车在线路上运行时,检测系统对线路和受电弓动态数据进行检测分析。这种检测方式的装置价格昂贵,并且检测列车运行速度慢,因此检测耗时,而且占用线路运行资源,因此检测频率不高;
其中,利用相机进行视频监测的方式,属于非接触式检测,易于维护,成本低,而较为常用。然而,在现有刚性接触网中,由于刚性接触网的结构较为复杂,接触线一般嵌于汇流排中,且刚性接触网常敷设于隧道中,在隧道的弱光照条件下,通过相机进行视频监测的方式,常难以识别出接触线。
发明内容
本发明的目的在于提供一种弓网状态的检测方法,以解决现有刚性接触网的弓网状态监测方法,较难检测出接触线而容易出现误报警、漏报警等问题。
为解决上述技术问题,本发明提供了一种弓网状态的检测方法,所述弓网包括刚性接触网与受电弓,所述刚性接触网包括接触线,所述检测方法包括:
步骤一:获取所述接触线与所述受电弓之相交区域的原始图像,所述原始图像至少包括视角相对且同步采集的第一图像和第二图像;
步骤二:通过直线提取算法,分别获得所述第一图像中所述接触线的直线特征,以及所述第二图像中所述接触线的直线特征;
步骤三:根据所述第一图像和所述第二图像中所述接触线的直线特征,以动态权重直线聚类的方式拟合出所述第一图像和所述第二图像中所述接触线的虚拟二维模型;
步骤四:将所述第一图像中所述接触线的虚拟二维模型与所述第二图像中所述接触线的虚拟二维模型进行立体匹配,以获得所述接触线的视差信息;
步骤五:根据所述接触线的视差信息,获得所述接触线的三维信息;
步骤六:根据所述接触线的三维信息,创建所述接触线的虚拟三维模型;
步骤七:根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,获取所述弓网的状态。
可选的,所述步骤三具体包括:
步骤三A:分别判断步骤三中的所述第一图像和所述第二图像中所述接触线的虚拟二维模型的准确度;若任意一个图像中所述接触线的虚拟二维模型的准确度不满足要求,则执行步骤三B:
步骤三B:在所述原始图像的采集区内设定一掩模区域,并采用局部迭代的方法,对所述掩模区域内所述接触线的直线特征以动态权重直线聚类的方式重新进行拟合,以得到所述第一图像和所述第二图像中所述接触线的虚拟二维模型。
可选的,所述步骤三B具体包括:
步骤三B1:以对应图像中所述接触线的虚拟二维模型为中心设置一个矩形掩模区域;所述矩形掩模区域的宽度为δ·ω,高度与所述虚拟二维模型的高度相等,其中δ为矩形掩模区域的初始宽度,ω为权重;
步骤三B2:将所述矩形掩模区域更新为全局区域,并以动态权重直线聚类的方式拟合所述矩形掩膜区域内所述接触线的直线特征,重新得到该图像中所述接触线的虚拟二维模型;
步骤三B3:更新ω权重,并判断步骤三B2中所述虚拟二维模型的准确度;
若准确度满足要求,则结束局部迭代,获得满足准确度要求的所述虚拟二维模型;
若准确度不满足要求,则返回执行步骤三B1至步骤三B3。
可选的,步骤二之前,所述检测方法还包括:对所述原始图像进行实时在线校准和畸变校正。
可选的,所述步骤二之前,所述检测方法还包括:对所述原始图像进行滤噪,以去除横向上的梯度特征。
可选的,在所述步骤二中,根据图像的梯度特征分别获得所述第一图像中所述接触线的直线特征,以及所述第二图像中所述接触线的直线特征。
可选的,所述直线提取算法包括LSD算法。
可选的,在步骤七中,所述受电弓的虚拟三维模型的创建步骤包括:
在所述第一图像和所述第二图像中,分别获得所述受电弓之两端点信息;
将所述第一图像中所述受电弓之两端点信息与所述第二图像中所述受电弓之两端点信息进行立体匹配,以获得所述受电弓的视差信息;
根据所述受电弓的视差信息,获得所述受电弓的三维信息;
根据所述受电弓的三维信息,创建所述受电弓的虚拟三维模型。
可选的,所述步骤七具体包括:
根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,计算得到所述接触线与所述受电弓的交点;
根据所述接触线与所述受电弓的交点,获取所述弓网的几何参数;
根据所述几何参数,获取所述弓网的状态。
可选的,所述弓网的几何参数包括所述接触线的导高值和所述接触线的拉出值中的至少一个。
在本发明提供的弓网状态的检测方法中,通过获取接触线与受电弓之相交区域的原始图像,经由直线提取算法获得接触线的直线特征,进而根据所述直线特征,以动态权重直线聚类的方式拟合出接触线的虚拟二维模型,并对虚拟二维模型进行立体匹配,获得视差信息,而后得出三维信息并创建接触线的虚拟三维模型,根据接触线的虚拟三维模型,以及受电弓的虚拟三维模型,即可获取所述弓网的状态。通过本发明提供的方法,可准确地识别刚性接触网中的接触线。而用于识别检测的装置结构简单,成本低且效果好。此外,通过本发明提供的弓网状态的检测方法可实现连续且不间断地对弓网状态进行自动检测,能有效降低工作人员劳动强度,提高工作效率。
附图说明
本领域的普通技术人员将会理解,提供的附图用于更好地理解本发明,而不对本发明的范围构成任何限定。其中:
图1是现有刚性接触网的横截面示意图;
图2是本发明一实施例提供的弓网状态的检测方法的流程图;
图3是本发明一实施例提供的刚性接触网中接触线的检测方法的流程图;
图4是本发明一实施例提供的双目几何计算的原理示意图;
图5是本发明一实施例提供的拉出值和导高值的计算结果的示意图;
图6是本发明一实施例提供的双目相机的工作原理图。
附图中:
1-汇流排;2-接触线。
具体实施方式
为使本发明的目的、优点和特征更加清楚,以下结合附图和具体实施例对本发明作进一步详细说明。需说明的是,附图均采用非常简化的形式且未按比例绘制,仅用以方便、明晰地辅助说明本发明实施例的目的。此外,附图所展示的结构往往是实际结构的一部分。特别的,各附图需要展示的侧重点不同,有时会采用不同的比例。
如在本说明书和所附权利要求书中所使用的,单数形式“一”、“一个”以及“该”包括复数对象,除非内容另外明确指出外。如在本说明书和所附权利要求中所使用的,术语“或”通常是以包括“和/或”的含义而进行使用的,除非内容另外明确指出外,术语“前”或“后”通常指按时间顺序的前后,术语“纵向”通常是指与列车轨道的延伸方向,术语“横向”通常是指与列车轨道的垂直方向。
正如背景技术所述,现有单目相机无法准确获得准确的深度信息。进而发明人发现,双目立体视觉可以克服单目相机所存在的局限性。
双目立体视觉是计算机视觉研究领域的重要分支之一,通过直接模拟人类视觉系统的方式感知客观世界。双目立体匹配算法就是在两幅图像的匹配基元之间建立对应关系的过程,它是双目立体视觉系统的核心和关键。由双目从不同角度对同一场景同步获取两幅图像,并基于视差原理和三角测量原理,从获得的图像信息中提取出拍摄对象到成像系统的深度信息,重建拍摄对象的三维状态和位置。
但是由于刚性接触网的结构较为复杂,受流接触线一般嵌于汇流排中,且刚性接触网常敷设于隧道中,在隧道的弱光照条件下,通过相机进行视频监测的方式,常难以识别出接触线。发明人经过进一步研究,在一个实施例中,本发明提供了一种弓网状态的检测方法,其包括:
步骤一:获取所述接触线与所述受电弓之相交区域的原始图像,所述原始图像至少包括视角相对且同步采集的第一图像和第二图像;
步骤二:通过直线提取算法,分别获得所述第一图像中所述接触线的直线特征,以及所述第二图像中所述接触线的直线特征;
步骤三:根据所述第一图像和所述第二图像中所述接触线的直线特征,以动态权重直线聚类的方式拟合出所述第一图像和所述第二图像中所述接触线的虚拟二维模型;
步骤四:将所述第一图像中所述接触线的虚拟二维模型与所述第二图像中所述接触线的虚拟二维模型进行立体匹配,以获得所述接触线的视差信息;
步骤五:根据所述接触线的视差信息,获得所述接触线的三维信息;
步骤六:根据所述接触线的三维信息,创建所述接触线的虚拟三维模型;
步骤七:根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,获取所述弓网的状态。
应知晓的是,本发明实施例中,弓网主要包括按预定位置连接的接触线与受电弓,优选的,本发明提供的弓网状态的检测方法主要应用于电气化铁路的刚性接触网。双目相机优选安装于列车车厢顶部,可位于受电弓正前方,双目相机主要包括两个镜头模组、光补偿设备以及前端数据处理模块等部分,而系统计算模块可安装于列车车厢的控制柜内,光补偿设备对目标拍摄区域补光,镜头模组同步获取图像,经由前端数据处理模块的处理后,传输至系统计算模块进行计算,进而获得弓网的状态。这里弓网的状态主要包括正常状态和故障状态。
为使本发明的上述目的、特征和优点能够更为明显易懂,以下参考附图进行描述。
其中:图1是现有刚性接触网的横截面示意图,图2是本发明一实施例提供的弓网状态的检测方法的流程图,图3是本发明一实施例提供的刚性接触网中接触线检测的流程图,图4是本发明一实施例提供的双目几何计算的原理示意图,图5是本发明一实施例提供的拉出值和导高值的计算结果的示意图,图6是本发明一实施例提供的双目相机的工作原理图。
首先请参考图2和图3,本发明实施例提供一种弓网状态的检测方法,其优选包括以下步骤:
步骤100,采集双目原始图像。具体的,由一双目相机同步获取轨道上空一接触线与列车上一受电弓之相交区域的原始图像,所述原始图像至少包括视角相对的第一图像(例如左视图监视图像)和第二图像(右视图监视图像)。这里,应当理解,相对于被拍摄对象而言,在拍摄对象一侧进行拍摄的为左,在拍摄对象之相对另一侧进行拍摄的为右,左右的具体方位根据观察装置的方向来定;视角相对是指,左右两个视图监视图像的视角大小相同,且双目相机的两个镜头模组中心点位置相距一定的距离,并分布于被拍摄对象的两侧。需理解,在一些其它的实施例中,原始图像不限于两幅,还可以是多幅,如采用三目视频同步采集设备同步获取三幅视角不同的图像等。
优选的,在步骤100之后,可执行步骤200,实时在线校准和畸变校正。一般的,用于采集原始图像的双目相机的感光元器件前通过安装透镜来扩大视角,然而如此却会带来图象上的畸变。为了消除畸变还原真实中的像,我们需要先对双目相机进行标定,而后再对获得的原始图像进行校正。更优选的,还可以对原始图像进行实时在线校准。
步骤300,分别对刚性接触网的接触线和受电弓进行检测和识别。由于接触线和受电弓在左右两个视图监视图像中均会出现,通过对左右两个视图监视图像进行计算,即可获得接触线和受电弓的视差信息。进而根据接触线和受电弓的视差信息,采用投影模型中三角测量原理计算即可得到接触线和受电弓的三维信息(即获得了接触线和受电弓的深度信息)。
步骤400,创建接触线及受电弓的虚拟三维模型,具体包括:根据接触线和受电弓的三维信息进行三维重建,创建接触线与受电弓的虚拟三维模型。
步骤500,获得所述弓网的状态,即根据所述接触线和受电弓的虚拟三维模型,获得所述弓网的状态。
发明人发现,刚性接触网的结构相对柔性接触网而言较为复杂,一般的,刚性接触网采用II型结构,如图1所示,受流接触线2嵌于汇流排1中,且刚性接触网常敷设于隧道中,在隧道的弱光照条件下,通过相机进行视频监测的方式,常难以识别出接触线2,接触线2的检测和识别存在很大的难度。由此,发明人研究发现,可采用先全局初步检测出特征线并以动态权重直线聚类的方式来检出刚性接触网的接触线2,然后使用局部迭代更新的检测方法来保障接触线2检测的准确性及稳定性。
请参考图3,步骤300中,接触线的检测识别方法具体包括以下步骤:
步骤A1:提供经校正后的第一图像和第二图像。该第一图像和第二图像可由上述步骤100或步骤200提供。
步骤A2:梯度边缘获取及直线特征的提取。在第一图像和第二图像中,分别通过直线提取算法获得第一图像和第二图像中所述接触线的直线特征。具体的,在刚性接触网机构中,汇流排以及接触线在棱角处会存在梯度特征,可通过直线提取算法获得刚性接触网的直线特征。例如,直线提取算法可采用LSD算法等。本领域技术人员可通过现有技术,理解此处应用LSD算法的具体步骤,此处不再详述。
步骤A3:动态权重直线聚类。具体根据步骤A2所提取的第一图像和第二图像中接触线的直线特征,以动态权重直线聚类的方式拟合出所述第一图像和第二图像中所述接触线的虚拟二维模型。双目相机通过梯度特征可以三维重建出刚性接触网的立体信息,但是三维匹配计算需要消耗更多的算力,并且除了接触线,其他获得的直线信息并不是需要立体匹配的。由于接触线会存在较多的梯度特征,会在接触线及附近提取出更加密集的直线,因此本发明结合实际情况,采用动态权重直线聚类的方式来拟合出接触线的虚拟二维模型。
优选的,在步骤A3后,还可以执行步骤A4:判断虚拟二维模型的准确度是否满足需求,即需要判断第一图像中接触线的虚拟二维模型的准确度,以及第二图像中接触线的虚拟二维模型的准确度。由于接触网系统中为保证受电弓的碳滑板的均匀摩擦,接触网会采用之字形的安装方式(即沿轨道的延伸方向,接触网依次左右地偏离轨道中心)。这即是产生拉出值的原因。这样设置虽然能使碳滑板的长度方向均匀地与接触线摩擦,也会带来一些困扰。即在刚性接触网运动到碳滑板两末端处使,会在第一图像和第二图像上造成接触网内侧或是外侧的遮挡,这会在一定程度上干扰动态权重直线聚类的准确性,造成拟合得到的接触线的虚拟二维模型的准确性不满足需求。
步骤A51:对第一图像和第二图像中接触线的虚拟二维模型进行立体匹配。具体的,若步骤A4的判断结果为是,说明第一图像和第二图像中接触线的虚拟二维模型的准确度均满足需求(或在步骤A3之后跳过步骤A4),进而便可对第一图像和第二图像中的接触线的虚拟二维模型进行立体匹配,继而获得该两个图像中接触线的虚拟二维模型的视差信息。
步骤A52:局部迭代。若优选执行步骤A4,且步骤A4的判断结果为否,说明接触线在第一图像和第二图像中至少一个的虚拟二维模型的准确度不满足需求,此时,可在所述原始图像的采集区内设定一掩模区域,进而采用局部迭代的方法,进一步对所述掩模区域内的所述直线特征,以动态权重直线聚类的方式进行重新拟合,以得到所述第一图像和所述第二图像中所述接触线的虚拟二维模型。在步骤A52执行完毕后,优选可返回执行步骤A4。
步骤A6:三维重建。具体的,根据接触线的虚拟二维模型的视差信息,获得所述虚拟二维模型的三维信息,进而根据所述虚拟二维模型的三维信息进行三维重建,即创建所述接触线的虚拟三维模型。
通过上述步骤,即可准确地获得刚性接触网中接触线的虚拟三维模型,进而可应用于前述步骤500中,以检测和获取刚性接触网的弓网状态。
优选的,在步骤A2之前,可对所述原始图像进行滤噪,以去除横向上的梯度特征。在刚性接触网的应用场景中,一般会存在两种对图像产生影响的噪音(这里的噪音,指图像上的干扰,如噪点或干扰线等,非指声学上的定义),一种是在刚性接触网的上方,即隧道顶部结构的特殊构造物,例如方形顶灯、线缆、导管等。另一种是快门延时轨迹,由于相机在拍摄一帧图象是需要一定时间的,在这段时间中机车是运动的,会在一帧的图象上留下物体的轨迹,这会增大测量噪音。因此可对原始图像进行滤噪,滤除掉尽可能多的噪音,以使后续的识别和监测更为准确。特别的,由于接触线大致沿轨道的延伸方向布置,即为纵向布置,因此横向上的梯度特征可直接认为是无用的噪声,而应该首先去除横向上的梯度特征,以节约算力。这里的横向,主要是指大致垂直于轨道延伸方向的方向,需理解,非限定于垂直,而是应广义理解为与轨道延伸方向成角度的方向。该角度可根据实际需要进行设定,如可选45°~90°等。如此,原始图像中剩余的梯度特征主要是沿纵向的,为提取接触线的直线特征提供条件。
进一步,步骤A3的动态权重直线聚类的实现,可通过以下公式:
其中,l为接触线的虚拟二维模型,N表示聚合线的总数目,Lj表示第j条聚合直线。ki为第i条聚合直线的动态权重,n是高斯分布的区间的最大值,ki的取值来自于Lj到中间线(指处于若干聚合线分布区域之中间位置的直线)的距离的权值并且服从高斯分布,具体的,ki的取值可由以下公式得到:
其中,x是每条聚合线到中间线的距离,σ为数据集方差。
进一步,步骤A52的局部迭代的方法,具体包括以下步骤:
步骤B1:以对应图像中所述接触线的虚拟二维模型为中心设置一个矩形掩模区域,所述矩形掩模区域的宽度为δ·ω,高度与所述虚拟二维模型的高度相等,其中δ为矩形掩模区域的初始宽度,ω为权重。例如本专利实际应用场景中,根据实验经验通常设置δ的宽度为汇流排的两倍,ω的宽度初始通常设为1。
步骤B2:将所述矩形掩模区域更新为全局区域,并以动态权重直线聚类的方式拟合所述矩形掩膜区域内所述接触线的直线特征,重新得到该图像中所述接触线的虚拟二维模型;
步骤B3:对ω权重更新。例如在本专利实际应用场景中,在第一次迭代更新ω设置为1,并且迭代以10%的比例缩小。并判断步骤B2中所述虚拟二维模型的准确度;
若准确度满足要求,则结束局部迭代,获得满足准确度要求的所述虚拟二维模型;
若准确度不满足要求,则返回执行步骤B1至步骤B3。
在上述获得接触线的虚拟二维模型的基础上,通过设定一定范围的掩模区域,并更新这个掩模区域为全局区域。再一次进行动态权重直线聚类并拟合接触线。进而判断接触线是否符合精度要求,不符合则继续重复上述过程直至接触线符合要求,停止检测,结束迭代过程。通过局部迭代的方法,可进一步提高接触线的检测和识别的准确度,同时能节约算力。
优选的,步骤200中,对双目相机进行标定的步骤具体包括:
步骤210:准备原始图像(包括第一图像和第二图像);
步骤220:分别对第一图像和第二图像进行单目标定,此处的单目标定为本领域技术人员的常规技术手段;
步骤230:获得双目相机的内参及畸变参数;此处的内参及畸变参数指双目相机之镜头模组的属性,本领域技术人员可通过镜头模组的具体配置获得,优选的,两组镜头模组的内参及畸变参数相同,即优选选择两组相同的镜头模组;
步骤240:消除第一图像和第二图像中的畸变。
以下以弓网交点区域的一物点P为例,对该物点P的深度信息的获得过程进行解说:完成双目相机的标定后,即把该物点P在第一图像和第二图像上两个对应的像点(即对应点)相匹配。然而,在二维空间上匹配对应点是非常耗时的,为了减少匹配搜索范围,优选通过检测特征点的方法计算双目相机的实时校准参数,进而基于所述实时校准参数利用极线约束的方法使得对应点的匹配由二维搜索降为一维搜索。即对采集到的原始图像进行双目极线校正,消除第一图像和第二图像中的水平畸变,并且使得同一物体在第一图像和第二图像中实现完全严格的水平对准,这样一副图像上任意一点与其在另一幅图像上的对应点在同一水平线上,从而只需在该行进行一维搜索即可匹配到对应点。
当第一图像和第二图像实现完全水平对准后,即可从第一图像和第二图像中找到匹配的对应点(即弓网工作范围内,亦即双目相机的观察范围内的任一物点P,在第一图像和第二图像中分别所成的相匹配的像点),通过计算该对应点在第一图像和第二图像中的水平坐标的差值来计算对应点的视差,得到视差信息,并输出视差图。进而根据对应点的视差信息和双目相机的内外参数,即可获得对应点的深度信息。这里的内外参数,包括但不限于两组镜头模组的基线L、聚焦中心OL和OR以及焦距f等。具体的,同一物点P在左右两组镜头模组中的投影位置之间的位置差异为视差。如图6所示,优选的,两组镜头模组的光轴平行并且与透视投影平面垂直,两组镜头模组的光心则落在同一个相机坐标系(XY轴所形成的平面坐标系)之X轴上的不同位置,左右光心之间的距离称为基线L,OL和OR分别为左右镜头模组的聚焦中心,L为左右镜头模组的基线,即OL和OR之间在X轴方向的距离,Z轴为三维坐标中镜头模组之光轴的方向,弓网工作范围内(即双目相机的观察范围内)的任一物点P(其坐标为X,Y,Z),相机坐标原点到物成像面的距离为f,即镜头模组的焦距,P点在左右镜头模组的成像平面点分别为P’(xl,yl)和P”(xr,yr),根据投影模型中三角测量原理可得出:
其中,d是物点P的视差信息,Z是物点P的深度信息,指物点P距离相机坐标系的垂直距离。在获得视差信息d后,根据投影模型即可得到原始图像中物点P的深度信息Z(即物点P的三维坐标为X,Y,Z),该X坐标和Y坐标为前述相机坐标系(XY轴所形成的平面坐标系)上的坐标,根据P点的三维信息,即可获知该点P在空间中的具体位置,从而对整个受电弓和接触网进行三维重建提供条件。
以下对一接触线进行计算为例,具体解说其三维信息的获得过程:
设接触线在成像范围内两端点为P1(x1,y1,z1)、P2(x2,y2,z2),那么左目相机获得的拟合直线(即虚拟二维模型)的端点分别为P1_left(u1_left,v1_left)、P2_left(u2_left,v2_left),右目相机获得的拟合直线(即虚拟二维模型)则为P1_right(u1_right,v1_right)、P2_left(u2_right,v2_right)
则匹配后的三维接触线(即接触线的虚拟三维模型)L3D的两个端点的坐标分别为:P1_3D(x1_3D,y1_3D,z1_3D)、P2_3D(x2_3D,y2_3D,z2_3D);其中:
其中,(u0,v0)为第一图像的中心坐标值,ax和ay为第一图像所对应的镜头模组之内参的归一化焦距,T为双目相机中两组镜头模组之间的基线长度。其中镜头模组主要的内参包括图像X轴和Y轴方向的焦距fx、fy;以及主点坐标u0、v0,其代表图像的中心像素坐标和图像原点坐标之间相差的横向和纵向像素数;由fx、fy可得到归一化焦距ax和ay。
优选的,步骤500包括:根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,计算得到所述接触线与所述受电弓的交点;根据所述接触线与所述受电弓的交点,获取所述弓网的几何参数;根据所述几何参数,获取所述弓网的状态。其中,所述弓网的几何参数优选包括:所述接触线的导高值以及所述接触线的拉出值等。
具体的,步骤500包括但不限于以下方法:
步骤510:在获得接触线与受电弓的虚拟三维模型后,先拟合一个经过接触点P(即所述接触线与所述受电弓的交点),且垂直于地面并与接触线相切的平面M;
步骤520:计算得到接触点P的坐标信息;
步骤530:如图4(A)所示,根据接触点P的坐标信息,进一步计算得到接触线的导高值;具体公式如下:
h=a sinα+b+h0
其中,h0为列车车顶距离地面的高度,h为接触线的导高值(即接触点P到地面的距离),a为双目相机任一镜头模组的光心与接触点P的连线在平面M上的投影的长度,α为双目相机任一镜头模组的光心与接触点P的连线在平面M上的投影与水平面的夹角,b为双目相机任一镜头模组的光心距离列车车顶的高度。
步骤540:如图4(B)所示,根据接触点P的坐标信息,进一步计算得到接触线的拉出值;具体公式如下:
l=Px-m
其中,m为受电弓(指受电弓的碳滑板)的中心点,l为接触点P与受电弓中心点m的距离,Px为接触点P经计算得到的三维坐标中的X坐标。需理解,这里的坐标系统中的X轴方向,为平行于双目相机之基线的方向。
随着双目相机的连续工作,接触线的导高值和拉出值的计算结果可在线连续输出,图5示出了一些通过本实施例的方法,输出拉出值和导高值的示意图,图中横坐标为图像的帧(Frame),优选的视频采集帧率为60帧/秒,纵坐标单位为毫米,其为拉出值和导高值。
进一步,可对接触线的导高值、接触线的拉出值分别设定不同的预设阈值,在得到接触线的导高值和拉出值后,分别与各自预设的阈值进行比较,若计算得到的接触线的导高值和拉出值均在阈值范围内,则可确定所述弓网的状态为正常状态。而若接触线的导高值和拉出值中的任一个超过阈值范围,则可确定所述弓网的状态为故障状态。当然,在其它的一些实施例中,根据实际情况的不同,也可以只计算接触线的导高值以及接触线的拉出值中的一个,并对其设定阈值进行判断,本发明对此并不做限制。
优选的,获得所述受电弓的虚拟三维模型的步骤包括:在所述第一图像和所述第二图像中,分别获得所述受电弓之两端点信息;针对所述第一图像与所述第二图像中所述受电弓之两端点信息,进行立体匹配,并获得所述受电弓的视差信息;根据所述受电弓的视差信息,获得所述受电弓的三维信息;根据所述受电弓的三维信息进行三维重建,创建所述受电弓的虚拟三维模型。受电弓的碳滑板一般是直线形的,故而可简略地仅通过受电弓的两端点,即可获得受电弓的虚拟三维模型。
综上,在本发明提供的弓网状态的检测方法中,经由直线提取算法获得接触线的直线特征,进而根据所述直线特征,以动态权重直线聚类的方式拟合出接触线的虚拟二维模型,并对虚拟二维模型进行立体匹配,获得视差信息,而后得出三维信息并创建接触线的虚拟三维模型,根据接触线的虚拟三维模型,以及受电弓的虚拟三维模型,即可获取所述弓网的状态。通过本发明提供的方法,可准确地识别刚性接触网中的接触线。而用于识别检测的装置结构简单,成本低且效果好。此外,通过本发明提供的弓网状态的检测方法可实现连续且不间断地对弓网状态进行自动检测,能有效降低工作人员劳动强度,提高工作效率。
以下提供一种示意性的双目相机的参数,其均为可选但非对本发明的限定:双目相机基线长度为400mm,分辨率1280*720,镜头视场角170°/130°/96°,双目相机的安装仰角为45°,垂直观察范围为3700mm-5900mm,可监视受电弓完整运行状态(包括升弓和降弓后受电弓状态);水平观察视角最大为2400mm,可观察到完整的受电弓状态。双目相机的视频采集帧率为60帧/秒。单个相机的镜头模组周围安装有15个LED灯,共计30个LED灯珠,额定功率280毫瓦。LED灯珠即作为光补偿设备,用于对目标拍摄区域补光。
上述描述仅是对本发明较佳实施例的描述,并非对本发明范围的任何限定,本发明领域的普通技术人员根据上述揭示内容做的任何变更、修饰,均属于权利要求书的保护范围。
Claims (8)
1.一种弓网状态的检测方法,所述弓网包括刚性接触网与受电弓,所述刚性接触网包括接触线,其特征在于,所述检测方法包括:
步骤一:获取所述接触线与所述受电弓之相交区域的原始图像,所述原始图像至少包括视角相对且同步采集的第一图像和第二图像;
步骤二:通过直线提取算法,分别获得所述第一图像中所述接触线的直线特征,以及所述第二图像中所述接触线的直线特征;
步骤三:根据所述第一图像和所述第二图像中所述接触线的直线特征,以动态权重直线聚类的方式拟合出所述第一图像和所述第二图像中所述接触线的虚拟二维模型;
步骤四:将所述第一图像中所述接触线的虚拟二维模型与所述第二图像中所述接触线的虚拟二维模型进行立体匹配,以获得所述接触线的视差信息;
步骤五:根据所述接触线的视差信息,获得所述接触线的三维信息;
步骤六:根据所述接触线的三维信息,创建所述接触线的虚拟三维模型;
步骤七:根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,获取所述弓网的状态;
所述步骤三具体包括:
步骤三A:分别判断步骤三中的所述第一图像和所述第二图像中所述接触线的虚拟二维模型的准确度;若任意一个图像中所述接触线的虚拟二维模型的准确度不满足要求,则执行步骤三B:
步骤三B:在所述原始图像的采集区内设定一掩模区域,并采用局部迭代的方法,对所述掩模区域内所述接触线的直线特征以动态权重直线聚类的方式重新进行拟合,以得到所述第一图像和所述第二图像中所述接触线的虚拟二维模型;
所述步骤三B具体包括:
步骤三B1:以对应图像中所述接触线的虚拟二维模型为中心设置一个矩形掩模区域;所述矩形掩模区域的宽度为δ·ω,高度与所述虚拟二维模型的高度相等,其中δ为矩形掩模区域的初始宽度,ω为权重;
步骤三B2:将所述矩形掩模区域更新为全局区域,并以动态权重直线聚类的方式拟合所述矩形掩模区域内所述接触线的直线特征,重新得到该图像中所述接触线的虚拟二维模型;
步骤三B3:更新ω权重,并判断步骤三B2中所述虚拟二维模型的准确度;
若准确度满足要求,则结束局部迭代,获得满足准确度要求的所述虚拟二维模型;
若准确度不满足要求,则返回执行步骤三B1至步骤三B3。
2.根据权利要求1所述的弓网状态的检测方法,其特征在于,步骤二之前,所述检测方法还包括:对所述原始图像进行实时在线校准和畸变校正。
3.根据权利要求1所述的弓网状态的检测方法,其特征在于,所述步骤二之前,所述检测方法还包括:对所述原始图像进行滤噪,以去除横向上的梯度特征。
4.根据权利要求1所述的弓网状态的检测方法,其特征在于,在所述步骤二中,根据图像的梯度特征分别获得所述第一图像中所述接触线的直线特征,以及所述第二图像中所述接触线的直线特征。
5.根据权利要求1所述的弓网状态的检测方法,其特征在于,所述直线提取算法包括LSD算法。
6.根据权利要求1所述的弓网状态的检测方法,其特征在于,在步骤七中,所述受电弓的虚拟三维模型的创建步骤包括:
在所述第一图像和所述第二图像中,分别获得所述受电弓之两端点信息;
将所述第一图像中所述受电弓之两端点信息与所述第二图像中所述受电弓之两端点信息进行立体匹配,以获得所述受电弓的视差信息;
根据所述受电弓的视差信息,获得所述受电弓的三维信息;
根据所述受电弓的三维信息,创建所述受电弓的虚拟三维模型。
7.根据权利要求1所述的弓网状态的检测方法,其特征在于,所述步骤七具体包括:
根据所述接触线的虚拟三维模型,以及所述受电弓的虚拟三维模型,计算得到所述接触线与所述受电弓的交点;
根据所述接触线与所述受电弓的交点,获取所述弓网的几何参数;
根据所述几何参数,获取所述弓网的状态。
8.根据权利要求7所述的弓网状态的检测方法,其特征在于,所述弓网的几何参数包括所述接触线的导高值和所述接触线的拉出值中的至少一个。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356368.4A CN110097591B (zh) | 2019-04-29 | 2019-04-29 | 弓网状态的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910356368.4A CN110097591B (zh) | 2019-04-29 | 2019-04-29 | 弓网状态的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110097591A CN110097591A (zh) | 2019-08-06 |
CN110097591B true CN110097591B (zh) | 2023-05-26 |
Family
ID=67446406
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910356368.4A Active CN110097591B (zh) | 2019-04-29 | 2019-04-29 | 弓网状态的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110097591B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110992348B (zh) * | 2019-12-10 | 2023-09-19 | 成都国铁电气设备有限公司 | 一种基于3d结构光相机的地铁接触网磨耗测量方法及系统 |
CN111242052B (zh) * | 2020-01-16 | 2023-08-08 | 成都唐源电气股份有限公司 | 一种接触网刚柔导线自动判别方法及装置 |
CN111723794B (zh) * | 2020-06-24 | 2022-07-22 | 西南交通大学 | 一种实时柔性接触网定位点识别方法 |
CN112950532B (zh) * | 2021-01-14 | 2024-04-16 | 成都铁安科技有限责任公司 | 一种列车受电弓状态检测方法 |
CN112985263B (zh) * | 2021-02-09 | 2022-09-23 | 中国科学院上海微系统与信息技术研究所 | 一种弓网几何参数检测方法、装置及设备 |
JP7147906B1 (ja) * | 2021-03-25 | 2022-10-05 | 株式会社明電舎 | パンタグラフ周辺支障物検出装置および検出方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104567729A (zh) * | 2014-12-31 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 受电弓运行状态监测方法及装置 |
CN105674880A (zh) * | 2016-01-25 | 2016-06-15 | 成都国铁电气设备有限公司 | 基于双目原理的接触网几何参数测量方法及系统 |
ITPR20150034A1 (it) * | 2015-05-12 | 2016-11-12 | Camlin Italy S R L | Sistema e metodo di video-ispezione di un pantografo lungo una linea aerea di contatto |
CN109584238A (zh) * | 2018-12-07 | 2019-04-05 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测系统及方法 |
-
2019
- 2019-04-29 CN CN201910356368.4A patent/CN110097591B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104567729A (zh) * | 2014-12-31 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 受电弓运行状态监测方法及装置 |
ITPR20150034A1 (it) * | 2015-05-12 | 2016-11-12 | Camlin Italy S R L | Sistema e metodo di video-ispezione di un pantografo lungo una linea aerea di contatto |
CN105674880A (zh) * | 2016-01-25 | 2016-06-15 | 成都国铁电气设备有限公司 | 基于双目原理的接触网几何参数测量方法及系统 |
CN109584238A (zh) * | 2018-12-07 | 2019-04-05 | 北京航空航天大学 | 一种基于立体视觉的弓网运行状况在线检测系统及方法 |
Non-Patent Citations (2)
Title |
---|
基于三维点云的接触网几何参数检测方法;周靖松等;《仪器仪表学报》(第04期);全文 * |
弓网状态监测与故障诊断方法研究;彭威等;《广西大学学报(自然科学版)》(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN110097591A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097591B (zh) | 弓网状态的检测方法 | |
CN109785377B (zh) | 弓网状态的检测方法 | |
CN112686938B (zh) | 基于双目图像测距的输电线路净距计算与安全告警方法 | |
WO2018028103A1 (zh) | 一种基于人眼视觉特性的电力线路无人机巡检方法 | |
WO2015024407A1 (zh) | 基于电力机器人的双目视觉导航系统及方法 | |
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 | |
CN106426186A (zh) | 一种基于多传感器信息融合的带电作业机器人自主作业方法 | |
CN107578397A (zh) | 一种新型非接触式接触线磨损检测方法 | |
CN105526882A (zh) | 基于结构光测量的道岔磨耗检测系统及其检测方法 | |
CN110910443B (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 | |
CN106996748A (zh) | 一种基于双目视觉的轮径测量方法 | |
CN105181109B (zh) | 一种导线脱冰跳跃轨迹双目测量方法 | |
CN111768417B (zh) | 基于单目视觉3d重建技术的铁路货车超限检测方法 | |
CN106352817A (zh) | 一种非接触四轮定位仪及其定位方法 | |
CN113639685A (zh) | 位移检测方法、装置、设备和存储介质 | |
CN115857040A (zh) | 一种机车车顶异物动态视觉检测装置及方法 | |
CN111047636B (zh) | 基于主动红外双目视觉的避障系统和避障方法 | |
CN113724335B (zh) | 一种基于单目相机的三维目标定位方法及系统 | |
CN107944350A (zh) | 一种基于外观和几何信息融合的单目视觉道路识别算法 | |
CN104858877B (zh) | 高压线路跌落开关自动更换控制系统的控制方法 | |
Capece et al. | PANTOBOT-3D: An automatic vision-based inspection system for locomotive pantographs | |
CN111127381A (zh) | 一种受电弓滑板不平行检测方法 | |
CN112164044A (zh) | 基于双目视觉的刚性接触网的磨耗分析方法 | |
CN116740647A (zh) | 基于双目相机和深度学习的高压输电线路舞动监测方法 | |
CN116403275B (zh) | 基于多目视觉检测封闭空间中人员行进姿态的方法及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |