CN110470248A - 一种车钩对中自动测量方法 - Google Patents

Abstract

本发明提供了一种车钩对中自动测量方法，根据车头外观结构建立双目相机测量系统，并基于Hough变换和特征提取对双目相机采集的车钩和列车实时信息数据进行处理，得到实时轨道与列车交角和实时的车钩相对于轨道指向角，最终得到车钩对中实时测量角度。本发明提供的双目相机测量系统构建简单、操作便捷、反馈迅速，显著提升地铁救援等过程中车钩对中的智能化水平，处理结果具有鲁棒性、实时性，工程应用价值极高。

Description

一种车钩对中自动测量方法

技术领域

本发明涉及轨道车辆智能化测量技术领域，具体涉及一种基于Hough变换和特征提取的车钩对中自动测量方法。

背景技术

国内现有城市轨道车辆越来越多的使用车钩及缓冲装置，目前车钩对中的操作主要是通过人工辅助的手段进行手动对中，但是某些救援场景不适合工作人员进入，因此提升车钩对中过程中智能化水平成为未来发展趋势。

发明内容

为解决车钩对中过程中需要人工确认车钩状态的问题，本发明提出一种车钩对中自动测量方法，包含以下过程：

步骤1根据车头的外观结构建立由两个相同的测量相机：第一测量相机和第二测量相机构成的双目相机测量系统；

步骤2对每个测量相机进行预标定，在车钩处于无连接的非工作状态下采用第一测量相机成像，计算出车钩无连接自然状态在图像上所呈的角度θ_T0；在车钩处于无连接的非工作状态下采用第二测量相机成像，计算出车钩无连接自然状态在图像上所呈现的角度θ_R0，标注出此时车钩部件在图像上的大致区域[(x_i0,y_i0),(x_e0,x_e0)]；

步骤3对第一测量相机采集的图像数据I₁进行滤波处理，得到目标图像I_1-pre；

步骤4对目标图像I_1-pre进行边缘提取，计算特征边缘的水平方向和垂直方向的边缘响应值，利用响应值计算筛选得到边缘特征点集，建立二值化边缘图像I_1-bi；

步骤5在二值化边缘图像I_1-bi上采用Hough直线检测算法，得到轨道的主方向θ_R1，与步骤2中标定得到的θ_R0进行比较，得到实时的轨道与列车交角θ_ΔR；

步骤6对第二测量相机采集的图像数据I₂的[(x_i0,y_i0),(x_e0,x_e0)]区域附近进行特征提取，得到车钩二值图I_2-bi，得到车钩的指向角θ_T1，与步骤2中标定得到的θ_T0进行比较，得到实时的车钩相对于轨道指向角θ_ΔT；

步骤7将轨道与列车交角θ_ΔR和车钩相对于轨道指向角θ_ΔT相加得到最终的车钩对中测量角度Δθ：

Δθ＝θ_ΔR+θ_ΔT

将车钩对中测量角度Δθ输入给传动机构，由传动机构调整车钩实时偏摆角度，在调整到位后即实现车钩对中。

可选地，所述双目相机测量系统中第一测量相机安装在车头的表面，位于沿车钩中心的车头纵向垂直平面上,贴合车头表面并且向下对准车钩，第二测量相机的安装位置由车头宽度和第二测量相机参数共同确定，要求满足第二测量相机视场内同时出现车钩和轨道等。

可选地，步骤2中所述计算车钩在测量相机所成图像上呈现的角度，其方法为：

以预先采集的仅包含车钩部件的图像为模板，通过模板匹配法提取车钩在图像上的像素坐标范围，采用互信息法计算得到最大值的像素坐标为最佳匹配像素坐标，进而得到对应的车钩区域图像坐标集合，最后通过形态学方法得到车钩的骨架为一根直线，计算该直线在图像坐标系上与图像竖直轴的夹角，即得车钩在图像上呈现的角度。

可选地，步骤3中的滤波处理，是对第一测量相机采集的数据I₁进行如下运算：

其中G(x,y)为二维高斯卷积核，表示二维卷积运算。

可选地，步骤4进一步包含以下过程：

G_X(x,y)表示轨道特征边缘的水平方向边缘响应值，G_Y(x,y)表示轨道特征边缘的垂直方向的边缘响应值，计算公式为：

G_X(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x,y-1)-I_1-pre(x+1,y-1)+I_1-pre(x-1,y+1)+2*I_1-pre(x,y+1)+I_1-pre(x+1,y+1)

G_Y(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x-1,y)-I_1-pre(x-1,y+1)+I_1-pre(x+1,y-1)+2*I_1-pre(x+1,y)+I_1-pre(x+1,y+1)

利用筛选阈值公式G_X(x,y)≥0.8和G_Y(x,y)≥0.8分别对轨道特征边缘的水平方向边缘响应值G_X(x,y)和轨道特征边缘的垂直方向的边缘响应值G_Y(x,y)进行筛选得到准确的边缘特征点集，建立二值化边缘图像I_1-bi。

可选地，步骤5进一步包含以下过程：

采用Hough直线检测算法，对二值化边缘图像I_1-bi上每个特征点进行计算，计算公式如下：

ρ_1i＝x_1i×cosθ+y_1i×sinθ

其中，x_1i与y_1i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ_1i的修正参数集合得到参数空间的H₁(ρ,θ)，轨道的最大曲率半径为150m，因此θ取值在90±8°范围内，寻找参数空间的H₁(ρ,θ)的最大的两个极大值(ρ₁,θ₁)和(ρ₂,θ₂)，极大值θ₁和θ₂求和取平均值得到轨道的主方向θ_R1：

θ_R1＝∑θ_n/2

与步骤2中标定得到的θ_R0进行比较，得到实时的轨道与列车交角θ_ΔR：

θ_ΔR＝θ_R1-θ_R0

可选地，步骤6进一步包含以下过程：第二测量相机采集的数据I₂在[(x_i0,y_i0),(x_e0,x_e0)[附近取±50个像素的邻域，即[(x_i0-50,y_i0-50),(x_e0+50,x_e0+50)]进行直线特征提取，设置灰度值阈值T_g＝200，对第二测量相机采集的图像进行二值化处理，在二值化图像I_2-bi采用Hough直线检测算法，对每个特征点进行如下计算：

ρ_2i＝x_2i×cosθ+y_2i×sinθ

其中，x_2i与y_2i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ_2i的修正参数集合得到参数空间的H₂(ρ,θ)，车钩的偏移范围为±8°，因此θ取值在±8°和90±8°两个范围内，将参数空间的H₂(ρ,θ)极值按照大小排列，取最大的三个极值(ρ₃,θ₃)，(ρ₄,θ₄)和(ρ₅,θ₅)。设置阈值T_θ＝8，计算|θ_n-T_θ|，取最小的两个θ_n，计算得到轨道的主方向θ_T1：

θ_T1＝∑θ_n/2

与步骤2中标定得到的θ_T0进行比较，得到实时的车钩相对运行轨道的指向角θ_ΔT：

θ_ΔT＝θ_T1-θ_T0

鉴于车钩偏移的特性和轨道特性，本发明采用特征分析中的变换域方向信息和边缘特征提取，计算得到车钩方向极大值结果判断，实现车钩对中的实时自动测量。本发明解决了现有技术依赖人工手动对中的问题，提升了车钩对中过程的智能化水平，提高了工作效率，实现车钩对中处理的实时性。

附图说明

图1车钩对中双目相机测量系统示意图；

图2安装双目相机测量系统的地铁车头投影建立的坐标系示意图。

具体实施方式

本发明提供了一种基于Hough变换和特征提取的车钩对中自动测量方法。首先，本方法根据车头外观结构在车头上建立双目相机测量系统，由第一测量相机和第二测量相机构成，并对每个测量相机进行预标定；其次，对第一测量相机采集的数据进行相关特征提取和Hough变换得到实时的轨道与列车交角θ_ΔR；再次，对第二测量相机采集的数据进行相关特征提取和Hough变换得到实时的车钩相对运行轨道的指向角θ_ΔT；最后，轨道与列车交角θ_ΔR和车钩相对运行轨道的指向角θ_ΔT相加得到最终的车钩对中测量角度Δθ。

本发明以地铁车钩对中为具体实施例，结合附图，对本发明做详细阐述。但是，本发明并不局限于地铁车钩对中，本发明同样适用于火车(高铁)等的车钩对中。

地铁车头外观结构如图1所示，车头8上方从左到右水平设有车窗7和车窗6，车头8下方中央设有车钩5，车头8的底部左右两边分别设置车轮3和车轮4，第一测量相机1安装在车头8的表面，位于沿车钩5中心的车头8纵向垂直平面上，贴合车头8表面并且向下对准车钩5，第二测量相机2的安装位置由车头8宽度和第二测量相机2参数共同确定，要求满足第二测量相机2视场内同时出现车钩5和轨道等。所述第一测量相机1和第二测量相机2型号及参数相同，构成本发明所述双目相机测量系统。

用平行投影法对安装双目相机测量系统的地铁车头进行投影建立O-ABC坐标系，如图2所示，其中，GD为车钩在无连接状态下的指向，则第一测量相机1的安装位置E应满足GE平行于轴OC，选择在车头不影响列车运行的位置，安装角度贴合车头表面向下对准车钩；第二测量相机2的安装位置F由实际车头宽度和第二测量相机2参数共同确定，第二测量相机2视场内同时出现车钩和轨道。

首先，对安装好的两个测量相机进行预标定，在车钩5处于无连接的非工作状态下采用第一测量相机1对其成像，计算出车钩5在无连接自然状态下在第一测量相机1所成图像上呈现的角度θ_T0；在车钩5处于无连接的非工作状态下采用第二测量相机2成像，计算出车钩5在无连接自然状态下在第二测量相机2所成图像上呈现的角度θ_R0，标注出此时车钩5在第二测量相机2所成图像上的大致区域[(x_i0,y_i0),(x_e0,x_e0)]。

所述计算车钩在测量相机所成图像上呈现的角度，其方法为：

以预先采集的仅包含车钩部件的图像为模板，通过模板匹配法提取车钩在图像上的像素坐标范围，采用互信息法计算得到最大值的像素坐标为最佳匹配像素坐标，进而得到对应的车钩区域图像坐标集合，最后通过形态学方法得到车钩的骨架为一根直线，计算该直线在图像坐标系上与图像竖直轴的夹角，即得车钩在图像上呈现的角度。

其次，对第一测量相机1采集的图像数据I₁进行滤波处理，去除室内室外不同光照条件对视场内物体明暗强度值的影响，得到目标图像I_1-pre，计算公式如下：

其中G(x,y)为二维高斯卷积核，表示二维卷积运算。

依据轨道磨损的高亮部分与其他背景的对比，对目标图像I_1-pre进行边缘提取，计算轨道特征边缘的水平方向边缘响应值G_X(x,y)和轨道特征边缘的垂直方向的边缘响应值G_Y(x,y)，计算公式为：

G_X(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x,y-1)-I_1-pre(x+1,y-1)+I_1-pre(x-1,y+1)+2*I_1-pre(x,y+1)+I_1-pre(x+1,y+1)

G_Y(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x-1,y)-I_1-pre(x-1,y+1)+I_1-pre(x+1,y-1)+2*I_1-pre(x+1,y)+I_1-pre(x+1,y+1)

利用响应值计算筛选得到边缘特征点集建立二值化边缘图像I_1-bi，筛选阈值公式为：

G_X(x,y)≥0.8，G_Y(x,y)≥0.8

在二值化边缘图像I_1-bi上采用Hough直线检测算法，对每个特征点进行计算，计算公式如下：

ρ_1i＝x_1i×cosθ+y_1i×sinθ

其中，x_1i与y_1i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]。

ρ_1i数值为非整数，按照0.1细分向下取整的方式，得到修正参数集合参数空间的H₁(ρ,θ)，轨道的最大曲率半径为150m，因此θ取值在90±8°范围内，寻找参数空间的H₁(ρ,θ)的最大的两个极大值(ρ₁,θ₁)和(ρ₂,θ₂)，极大值θ₁和θ₂求和取平均值得到轨道的主方向θ_R1：

θ_R1＝∑θ_n/2

与双目相机测量系统标定过程中得到的θ_R0进行比较，得到实时的轨道与列车交角θ_ΔR：

θ_ΔR＝θ_R1-θ_R0

再次，第二测量相机2采集的图像数据I₂[(x_i0,y_i0),(x_e0,x_e0)]附近取±50个像素的邻域，即[(x_i0-50,y_i0-50),(x_e0+50,x_e0+50)]进行直线特征提取，设置灰度值阈值T_g＝200，对第二测量相机2采集的图像进行二值化处理，在二值化图像I_2-bi采用Hough直线检测算法，对每个特征点进行如下计算：

ρ_2i＝x_2i×cosθ+y_2i×sinθ

其中，x_2i与y_2i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]。

ρ_2i数值为非整数，按照0.1细分向下取整的方式，得到修正参数集合参数空间的H₂(ρ,θ)，车钩的偏移范围为±8°，因此θ取值在±8°和90±8°两个范围内，将参数空间的H₂(ρ,θ)极值按照大小排列，取最大的三个极值(ρ₃,θ₃)，(ρ₄,θ₄)和(ρ₅,θ₅)。设置阈值T_θ＝8，计算|θ_n-T_θ|，取最小的两个θ_n，计算得到轨道的主方向θ_T1：

θ_T1＝∑θ_n/2

与双目相机测量系统标定过程中得到的θ_T0进行比较，得到实时的车钩相对运行轨道的指向角θ_ΔT：

θ_ΔT＝θ_T1-θ_T0

最后，将轨道与列车交角θ_ΔR和车钩相对运行轨道的指向角θ_ΔT相加得到最终的车钩对中测量角度Δθ：

Δθ＝θ_ΔR+θ_ΔT

将车钩对中测量角度Δθ输入给传动机构，由传动机构调整车钩实时偏摆角度，在调整到位后即实现车钩对中。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。

Claims (7)

1.一种车钩对中自动测量方法，其特征在于，包含以下过程：

步骤1根据车头的外观结构建立由两个相同的测量相机：第一测量相机和第二测量相机构成的双目相机测量系统；

步骤2对每个测量相机进行预标定，在车钩处于无连接的非工作状态下采用第一测量相机成像，计算出车钩无连接自然状态在图像上所呈的角度θ_T0；在车钩处于无连接的非工作状态下采用第二测量相机成像，计算出车钩无连接自然状态在图像上所呈现的角度θ_R0，标注出此时车钩部件在图像上的大致区域[(x_i0,y_i0),(x_e0,x_e0)]；

步骤3对第一测量相机采集的图像数据I₁进行滤波处理，得到目标图像I_1-pre；

步骤4对目标图像I_1-pre进行边缘提取，计算特征边缘的水平方向和垂直方向的边缘响应值，利用响应值计算筛选得到边缘特征点集，建立二值化边缘图像I_1-bi；

步骤5在二值化边缘图像I_1-bi上采用Hough直线检测算法，得到轨道的主方向θ_R1，与步骤2中标定得到的θ_R0进行比较，得到实时的轨道与列车交角θ_ΔR；

步骤6对第二测量相机采集的图像数据I₂的[(x_i0,y_i0),(x_e0,x_e0)]区域附近进行特征提取，得到车钩二值图I_2-bi，得到车钩的指向角θ_T1，与步骤2中标定得到的θ_T0进行比较，得到实时的车钩相对于轨道指向角θ_ΔT；

步骤7将轨道与列车交角θ_ΔR和车钩相对于轨道指向角θ_ΔT相加得到最终的车钩对中测量角度Δθ：

Δθ＝θ_ΔR+θ_ΔT

将车钩对中测量角度Δθ输入给传动机构，由传动机构调整车钩实时偏摆角度，在调整到位后即实现车钩对中。

2.如权利要求1所述车钩对中自动测量方法，其特征在于，所述双目相机测量系统中第一测量相机安装在车头的表面，位于沿车钩中心的车头纵向垂直平面上，贴合车头表面并且向下对准车钩，第二测量相机的安装位置由车头宽度和第二测量相机参数共同确定，要求满足第二测量相机视场内同时出现车钩和轨道等。

3.如权利要求1所述车钩对中自动测量方法，其特征在于，步骤2中所述计算车钩在测量相机所成图像上呈现的角度，其方法为：

以预先采集的仅包含车钩部件的图像为模板，通过模板匹配法提取车钩在图像上的像素坐标范围，采用互信息法计算得到最大值的像素坐标为最佳匹配像素坐标，进而得到对应的车钩区域图像坐标集合，最后通过形态学方法得到车钩的骨架为一根直线，计算该直线在图像坐标系上与图像竖直轴的夹角，即得车钩在图像上呈现的角度。

4.如权利要求1所述车钩对中自动测量方法，其特征在于，步骤3中所述滤波处理，是对第一测量相机采集的数据I₁进行如下运算：

其中G(x,y)为二维高斯卷积核，表示二维卷积运算。

5.如权利要求1所述车钩对中自动测量方法，其特征在于，步骤4进一步包含以下过程：

G_X(x,y)表示轨道特征边缘的水平方向边缘响应值，G_Y(x,y)表示轨道特征边缘的垂直方向的边缘响应值，计算公式为：

G_X(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x,y-1)-I_1-pre(x+1,y-1)+I_1-pre(x-1,y+1)+2*I_1-pre(x,y+1)+I_1-pre(x+1,y+1)

G_Y(x,y)＝-I_1-pre(x-1,y-1)-2*I_1-pre(x-1,y)-I_1-pre(x-1,y+1)+I_1-pre(x+1,y-1)+2*I_1-pre(x+1,y)+I_1-pre(x+1,y+1)

利用筛选阈值公式G_X(x,y)≥0.8和G_Y(x,y)≥0.8分别对轨道特征边缘的水平方向边缘响应值G_X(x,y)和轨道特征边缘的垂直方向的边缘响应值G_Y(x,y)进行筛选得到准确的边缘特征点集，建立二值化边缘图像I_1-bi。

6.如权利要求1所述车钩对中自动测量方法，其特征在于，步骤5进一步包含以下过程：

采用Hough直线检测算法，对二值化边缘图像I_1-bi上每个特征点进行计算，计算公式如下：

ρ_1i＝x_1i×cosθ+y_1i×sinθ

其中，x_1i与y_1i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ_1i的修正参数集合得到参数空间的H₁(ρ,θ)，轨道的最大曲率半径为150m，因此θ取值在90±8°范围内，寻找参数空间的H₁(ρ,θ)的最大的两个极大值(ρ₁,θ₁)和(ρ₂,θ₂)，极大值θ₁和θ₂求和取平均值得到轨道的主方向θ_R1：

θ_R1＝∑θ_n/2

与步骤2中标定得到的θ_R0进行比较，得到实时的轨道与列车交角θ_ΔR：

θ_ΔR＝θ_R1-θ_R0。

7.如权利要求1所述车钩对中自动测量方法，其特征在于，步骤6进一步包含以下过程：

第二测量相机采集的数据I₂在[(x_i0,y_i0),(x_e0,x_e0)]附近取±50个像素的邻域，即[(x_i0-50,y_i0-50),(x_e0+50,x_e0+50)]进行直线特征提取，设置灰度值阈值T_g＝200，对第二测量相机采集图像进行二值化处理，在二值化图像I_2-bi采用Hough直线检测算法，对每个特征点进行如下计算：

ρ_2i＝x_2i×cosθ+y_2i×sinθ

其中，x_2i与y_2i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ_2i的修正参数集合得到参数空间的H₂(ρ,θ)，车钩的偏移范围为±8°，因此θ取值在±8°和90±8°两个范围内，将参数空间的H₂(ρ,θ)极值按照大小排列，取最大的三个极值(ρ₃,θ₃)，(ρ₄,θ₄)和(ρ₅,θ₅)。设置阈值T_θ＝8，计算|θ_n-T_θ|，取最小的两个θ_n，计算得到轨道的主方向θ_T1：

θ_T1＝∑θ_n/2

与步骤2中标定得到的θ_T0进行比较，得到实时的车钩相对运行轨道的指向角θ_ΔT：

θ_ΔT＝θ_T1-θ_T0。