CN110503048A - 刚性接触网悬挂装置的识别系统和方法 - Google Patents

刚性接触网悬挂装置的识别系统和方法 Download PDF

Info

Publication number
CN110503048A
CN110503048A CN201910790836.9A CN201910790836A CN110503048A CN 110503048 A CN110503048 A CN 110503048A CN 201910790836 A CN201910790836 A CN 201910790836A CN 110503048 A CN110503048 A CN 110503048A
Authority
CN
China
Prior art keywords
image
processing equipment
connected domain
image processing
preset
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.)
Granted
Application number
CN201910790836.9A
Other languages
English (en)
Other versions
CN110503048B (zh
Inventor
罗兵
林云志
罗金
李科
杨杰
王春来
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Electrification Engineering Group Co Ltd
Original Assignee
China Railway Electrification Engineering Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Electrification Engineering Group Co Ltd filed Critical China Railway Electrification Engineering Group Co Ltd
Priority to CN201910790836.9A priority Critical patent/CN110503048B/zh
Publication of CN110503048A publication Critical patent/CN110503048A/zh
Application granted granted Critical
Publication of CN110503048B publication Critical patent/CN110503048B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V8/00—Prospecting or detecting by optical means
    • G01V8/10—Detecting, e.g. by using light barriers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请涉及一种刚性接触网悬挂装置的识别系统和方法。所述系统包括图像处理设备、垂直水平面向上设置的线性激光器以及面向所述线性激光器设置的面阵摄像机；所述线性激光器，用于发射线性激光，以标定刚性悬挂接触网；所述面阵摄像机，用于采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；所述图像处理设备，用于根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。采用本申请可以提高巡检效率。

Description

刚性接触网悬挂装置的识别系统和方法
技术领域
本申请涉及轨道交通智能检测技术领域，特别是涉及一种刚性接触网悬挂装置的识别系统和方法。
背景技术
随着我国铁路事业的飞速发展,铁路的大面积提速对接触网性能的要求也随之提高。由于刚性悬挂接触网具有高安全性、高稳定性等优势，因此，在电气化铁路隧道领域得到广泛应用。刚性悬挂接触网主要包括接触导线、汇流排和悬挂装置。汇流排通过悬挂装置固定于隧道顶部。接触导线夹装在汇流排上，依靠汇流排自身的刚性使得接触导线保持在同一安装高度。
由于刚性悬挂接触网的对安装精度的要求较高，因此，在刚性悬挂接触网的巡检过程中，巡检人员需要确定悬挂装置的位置是否发生变化。然而，在传统的巡检过程中，需要巡检人员人工对悬挂装置的位置进行测量，导致巡检效率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种刚性接触网悬挂装置的识别系统和方法。
第一方面，提供了一种刚性接触网悬挂装置的识别系统，所述系统包括图像处理设备、垂直水平面向上设置的线性激光器以及面向所述线性激光器设置的面阵摄像机；
所述线性激光器，用于发射线性激光，以标定刚性悬挂接触网；
所述面阵摄像机，用于采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
所述图像处理设备，用于根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
作为一种可选的实施方式，所述图像处理设备，具体用于：
根据预设的图像预处理算法，对所述图像进行预处理，得到灰度图像；
根据预设的连通域分析算法，确定所述灰度图像中包含的各连通域，并根据预设的图像识别算法，在所述各连通域中确定汇流排对应的第一连通域；
根据预设的光学三角测量算法、所述汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定所述汇流排的三维坐标和所述第二连通域的三维坐标；
根据所述第二连通域的三维坐标和所述汇流排的三维坐标，确定所述第二连通域与所述汇流排的高度差；
如果所述高度差位于预设的高度差范围内，则确定所述灰度图像中存在刚性悬挂装置。
作为一种可选的实施方式，所述面阵摄像机上还设置有滤光片，用于过滤除所述线性激光外的其他干扰光。
第二方面，提供了一种刚性接触网悬挂装置的识别方法，所述方法应用于如第一方面任一项所述的系统，所述方法包括：
线性激光器发射线性激光，以标定刚性悬挂接触网；
面阵摄像机采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
作为一种可选的实施方式，所述图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置，包括：
所述图像处理设备根据预设的图像预处理算法，对所述图像进行预处理，得到灰度图像；
所述图像处理设备根据预设的连通域分析算法，确定所述灰度图像中包含的各连通域，并根据预设的图像识别算法，在所述各连通域中确定汇流排对应的第一连通域；
所述图像处理设备根据预设的光学三角测量算法、所述汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定所述汇流排的三维坐标和所述第二连通域的三维坐标；
所述图像处理设备根据所述第二连通域的三维坐标和所述汇流排的三维坐标，确定所述第二连通域与所述汇流排的高度差；
如果所述高度差位于预设的高度差范围内，则所述图像处理设备确定所述灰度图像中存在刚性悬挂装置。
第三方面，提供了一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
线性激光器发射线性激光，以标定刚性悬挂接触网；
面阵摄像机采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
线性激光器发射线性激光，以标定刚性悬挂接触网；
面阵摄像机采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
本申请实施例提供了一种刚性接触网悬挂装置的识别系统和方法。该系统包括图像处理设备、垂直水平面向上设置的线性激光器以及面向线性激光器设置的面阵摄像机。其中，线性激光器，用于发射线性激光，以标定刚性悬挂接触网。面阵摄像机，用于采集线性激光器标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备。图像处理设备，用于根据预设的分析算法，分析图像中是否包含刚性悬挂装置，从而提高巡检效率。
附图说明
图1为本申请实施例提供的一种刚性接触网悬挂装置的识别系统的结构示意图；
图2为本申请实施例提供的一种灰度图像中的连通域的示意图；
图3为本申请实施例提供的一种灰度图像中的连通域的图像坐标的示意图；
图4为本申请实施例提供的一种刚性接触网悬挂装置的识别方法的流程图；
图5为本申请实施例提供的一种刚性接触网悬挂装置的识别方法的流程图；
图6为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供了一种刚性接触网悬挂装置的识别系统，该系统可以设置在列车上，用于对刚性悬挂装置进行识别。如图1所示，该系统包括图像处理设备110(图未示出)、垂直水平面向上设置的线性激光器120以及面向线性激光器120设置的面阵摄像机130。其中，线性激光器120，用于发射线性激光，以标定刚性悬挂接触网。面阵摄像机130，用于采集线性激光器120标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备110。图像处理设备110，用于根据预设的分析算法，分析图像中是否包含刚性悬挂装置。
在实施中，当需要对刚性悬挂装置进行识别时，线性激光器120发射线性激光，以标定刚性悬挂接触网。此时面阵摄像机130采集线性激光器120标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备110。图像处理设备110根据预设的分析算法，分析图像中是否包含刚性悬挂装置。其中，线性激光器120可以采用5w红外光类型的线性激光器120，面阵摄像机130可以采用高速工业摄像机，帧率为200帧/s。
作为一种可选的实施方式，面阵摄像机130上还设置有滤光片140(图未示出)，用于过滤除线性激光外的其他干扰光。
在实施中，面阵摄像机130上还设置有滤光片140(图未示出)，用于过滤除线性激光外的其他干扰光。这样，面阵摄像机130可以采集到不包含干扰光的图像，从而提高了刚性悬挂装置的识别准确度。
作为一种可选的实施方式，图像处理设备110根据预设的分析算法，分析图像中是否包含刚性悬挂装置的处理过程如下：
步骤一，根据预设的图像预处理算法，对图像进行预处理，得到灰度图像。
在实施中，图像处理设备110中可以预先存储有图像预处理算法。其中，该图像预处理算法可以由技术人员根据图像预处理需求进行设置。该图像预处理算法可以包括图像滤波算法和二值化处理算法，还可以包括其他类型的图像预处理算法，本申请实施例不作限定。其中，图像滤波算法可以为均值滤波算法，也可以为其他类型的图像滤波算法，本申请实施例不作限定。
图像处理设备110接收到面阵摄像机130发送的图像后，可以根据预先存储的图像滤波算法，对该图像进行滤波处理，得到滤波后的图像。滤波是一个邻域操作算子，根据图像中目标像素点周围的其他像素点的像素值，确定该目标像素点的像素值。通过滤波处理可以增强图像中的某些特征或者去除图像中不需要的部分。例如，图像处理设备110通过均值滤波算法将图像中的目标像素点周围的像素点的像素值的平均值，作为该目标像素点的像素值。
图像处理设备110得到滤波后的图像后，可以进一步根据预先存储的二值化处理算法，对滤波后的图像进行二值化处理，得到灰度图像。二值化处理是指将256个亮度等级的灰度图像通过适当的阈值选取，从而获得可以反映图像整体特征和局部特征的二值化图像(也即灰度图像)。其中，阈值选取可以采用双峰法。
步骤二，根据预设的连通域分析算法，确定灰度图像中包含的各连通域，并根据预设的图像识别算法，在各连通域中确定汇流排对应的第一连通域。
在实施中，图像处理设备110中可以预先存储有连通域分析算法(即Blob分析算法)和图像识别算法。该图像识别算法可以为CNN(Convolutional Neural Networks，卷积神经网络)图像识别算法(也可称为CNN分类模型)，也可以为其他类型的图像识别算法，本申请实施例不作限定。其中，CNN分类模型由一个或多个卷积层和顶端的全连通层组成，同时包括关联权重和池化层的分类模型。如图2所示，图像处理设备110得到灰度图像后，可以根据预先存储的连通域分析算法，确定灰度图像中包含的各连通域。然后，图像处理设备110可以根据预先存储的图像识别算法，在各连通域中确定汇流排对应的第一连通域。
步骤三，根据预设的光学三角测量算法、汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定汇流排的三维坐标和第二连通域的三维坐标。
在实施中，图像处理设备110中可以预先存储有光学三角测量算法。如图3所示，图像处理设备110在各连通域中确定汇流排对应的第一连通域后，可以在灰度图像中确定汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标。其中，图像坐标为二维坐标，即(x，y)坐标。然后，图像处理设备110可以根据预先存储的光学三角测量算法、汇流排的图像坐标、第二连通域的图像坐标，确定汇流排的三维坐标和第二连通域的三维坐标。其中，三维坐标为(x，y，z)坐标。
需要说明的是，对于灰度图像中包含多个第二连通域的情况，图像处理设备110可以根据预先存储的光学三角测量算法和各第二连通域的图像坐标，确定各第二连通域的三维坐标。
步骤四，根据第二连通域的三维坐标和汇流排的三维坐标，确定第二连通域与汇流排的高度差。
在实施中，图像处理设备110得到第二连通域的三维坐标和汇流排的三维坐标后，可以进一步根据第二连通域的三维坐标和汇流排的三维坐标，确定第二连通域与汇流排的高度差。
需要说明的是，对于灰度图像中包含多个第二连通域的情况，针对每个第二连通域，图像处理设备110可以根据该第二连通域的三维坐标和汇流排的三维坐标，确定该第二连通域与汇流排的高度差。
步骤五，如果高度差位于预设的高度差范围内，则确定灰度图像中存在刚性悬挂装置。
在实施中，图像处理设备110可以预先存储有高度差范围。该高度差范围可以由技术人员根据汇流排和刚性悬挂装置的实际高度差进行设置。图像处理设备110得到第二连通域与汇流排的高度差后，可以判断该高度差是否位于预设的高度差范围内。如果该高度差位于预设的高度差范围内，则图像处理设备110可以确定灰度图像中存在刚性悬挂装置。如果该高度差位于预设的高度差范围外，则图像处理设备110可以确定灰度图像中不存在刚性悬挂装置。
需要说明的是，对于灰度图像中包含多个第二连通域的情况，图像处理设备110可以确定出多个高度差。如果多个高度差中至少存在一个高度差位于预设的高度差范围内，则图像处理设备110可以确定灰度图像中存在刚性悬挂装置。如果多个高度差中所有的高度差均位于预设的高度差范围外，则图像处理设备110可以确定灰度图像中不存在刚性悬挂装置。
本申请实施例提供了一种刚性接触网悬挂装置的识别系统。该系统包括图像处理设备、垂直水平面向上设置的线性激光器以及面向线性激光器设置的面阵摄像机。其中，线性激光器，用于发射线性激光，以标定刚性悬挂接触网。面阵摄像机，用于采集线性激光器标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备。图像处理设备，用于根据预设的分析算法，分析图像中是否包含刚性悬挂装置，从而提高巡检效率。
本申请实施例还提供了一种刚性接触网悬挂装置的识别方法，该方法应用于上述的刚性接触网悬挂装置的识别系统。如图4所示，具体处理过程如下：
步骤401，线性激光器发射线性激光，以标定刚性悬挂接触网。
步骤402，面阵摄像机采集线性激光器标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备。
步骤403，图像处理设备根据预设的分析算法，分析图像中是否包含刚性悬挂装置。
步骤401至步骤403的处理过程与上述刚性接触网悬挂装置的识别系统中的线性激光器、面阵摄像机和图像处理设备的处理过程类似，此处不再赘述。
如图5所示，图像处理设备根据预设的分析算法，分析图像中是否包含刚性悬挂装置的处理过程如下：
步骤501，图像处理设备根据预设的图像预处理算法，对图像进行预处理，得到灰度图像。
步骤502，图像处理设备根据预设的连通域分析算法，确定灰度图像中包含的各连通域，并根据预设的图像识别算法，在各连通域中确定汇流排对应的第一连通域。
步骤503，图像处理设备根据预设的光学三角测量算法、汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定汇流排的三维坐标和第二连通域的三维坐标。
步骤504，图像处理设备根据第二连通域的三维坐标和汇流排的三维坐标，确定第二连通域与汇流排的高度差。
步骤505，如果高度差位于预设的高度差范围内，则图像处理设备确定灰度图像中存在刚性悬挂装置。
步骤501至步骤505的处理过程与上述刚性接触网悬挂装置的识别系统中的图像处理设备的处理过程类似，此处不再赘述。
本申请实施例提供了一种刚性接触网悬挂装置的识别方法。通过线性激光器发射线性激光，以标定刚性悬挂接触网。通过面阵摄像机采集线性激光器标定的刚性悬挂接触网的图像，并将图像发送至图像处理设备。通过图像处理设备根据预设的分析算法，分析图像中是否包含刚性悬挂装置，从而提高巡检效率。
在一个实施例中，提供了一种计算机设备，如图6所示，包括存储器及处理器，存储器上存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述刚性接触网悬挂装置的识别方法步骤。
在一个实施例中，一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述刚性接触网悬挂装置的识别方法的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (7)

1.一种刚性接触网悬挂装置的识别系统，其特征在于，所述系统包括图像处理设备、垂直水平面向上设置的线性激光器以及面向所述线性激光器设置的面阵摄像机；
所述线性激光器，用于发射线性激光，以标定刚性悬挂接触网；
所述面阵摄像机，用于采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
所述图像处理设备，用于根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
2.根据权利要求1所述的系统，其特征在于，所述图像处理设备，具体用于：
根据预设的图像预处理算法，对所述图像进行预处理，得到灰度图像；
根据预设的连通域分析算法，确定所述灰度图像中包含的各连通域，并根据预设的图像识别算法，在所述各连通域中确定汇流排对应的第一连通域；
根据预设的光学三角测量算法、所述汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定所述汇流排的三维坐标和所述第二连通域的三维坐标；
根据所述第二连通域的三维坐标和所述汇流排的三维坐标，确定所述第二连通域与所述汇流排的高度差；
如果所述高度差位于预设的高度差范围内，则确定所述灰度图像中存在刚性悬挂装置。
3.根据权利要求1所述的系统，其特征在于，所述面阵摄像机上还设置有滤光片，用于过滤除所述线性激光外的其他干扰光。
4.一种刚性接触网悬挂装置的识别方法，其特征在于，所述方法应用于如权利要求1-3任一项所述的系统，所述方法包括：
线性激光器发射线性激光，以标定刚性悬挂接触网；
面阵摄像机采集所述线性激光器标定的刚性悬挂接触网的图像，并将所述图像发送至所述图像处理设备；
图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置。
5.根据权利要求4所述的方法，其特征在于，所述图像处理设备根据预设的分析算法，分析所述图像中是否包含刚性悬挂装置，包括：
所述图像处理设备根据预设的图像预处理算法，对所述图像进行预处理，得到灰度图像；
所述图像处理设备根据预设的连通域分析算法，确定所述灰度图像中包含的各连通域，并根据预设的图像识别算法，在所述各连通域中确定汇流排对应的第一连通域；
所述图像处理设备根据预设的光学三角测量算法、所述汇流排的图像坐标、除第一连通域外的第二连通域的图像坐标，确定所述汇流排的三维坐标和所述第二连通域的三维坐标；
所述图像处理设备根据所述第二连通域的三维坐标和所述汇流排的三维坐标，确定所述第二连通域与所述汇流排的高度差；
如果所述高度差位于预设的高度差范围内，则所述图像处理设备确定所述灰度图像中存在刚性悬挂装置。
6.一种计算机设备，包括存储器及处理器，所述存储器上存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求4至5中任一项所述方法的步骤。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求4至5中任一项所述的方法的步骤。
CN201910790836.9A 2019-08-26 2019-08-26 刚性接触网悬挂装置的识别系统和方法 Active CN110503048B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910790836.9A CN110503048B (zh) 2019-08-26 2019-08-26 刚性接触网悬挂装置的识别系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910790836.9A CN110503048B (zh) 2019-08-26 2019-08-26 刚性接触网悬挂装置的识别系统和方法

Publications (2)

Publication Number Publication Date
CN110503048A true CN110503048A (zh) 2019-11-26
CN110503048B CN110503048B (zh) 2020-07-17

Family

ID=68589539

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910790836.9A Active CN110503048B (zh) 2019-08-26 2019-08-26 刚性接触网悬挂装置的识别系统和方法

Country Status (1)

Country Link
CN (1) CN110503048B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242052A (zh) * 2020-01-16 2020-06-05 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
CN111260631A (zh) * 2020-01-16 2020-06-09 成都地铁运营有限公司 一种高效刚性接触线结构光光条提取方法

Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101422787A (zh) * 2008-12-10 2009-05-06 北京科技大学 基于单步相移法的带钢平坦度测量方法
US20110164823A1 (en) * 2007-09-05 2011-07-07 ELECTRONICS AND TELECOMMUNICATIONS RESEARCH INSTITUTE of Daejeon,Republic of Korea Video object extraction apparatus and method
CN104210500A (zh) * 2014-09-03 2014-12-17 中国铁道科学研究院 接触网悬挂状态检测监测装置及其工作方法
CN104881861A (zh) * 2015-03-11 2015-09-02 西南交通大学 一种基于图元分类的高铁接触网悬挂装置故障状态检测方法
CN105741291A (zh) * 2016-01-30 2016-07-06 西南交通大学 一种高速铁路接触网悬挂装置等电位线故障检测方法
KR20170096410A (ko) * 2016-02-16 2017-08-24 (주)성일인터내셔널 스마트 스터디 부스
CN107310430A (zh) * 2017-07-24 2017-11-03 中国铁建电气化局集团第二工程有限公司 基于面阵ccd的刚性悬挂接触线脱槽在线检测装置
CN107437245A (zh) * 2017-06-26 2017-12-05 西南交通大学 基于深度卷积神经网络的高速铁路接触网故障诊断方法
CN107560545A (zh) * 2017-09-30 2018-01-09 济南蓝动激光技术有限公司 基于机器视觉的接触线磨耗自动测量仪器及测量方法
CN207365909U (zh) * 2017-09-30 2018-05-15 济南蓝动激光技术有限公司 基于机器视觉的接触线磨耗自动测量仪器
CN207449668U (zh) * 2017-07-24 2018-06-05 中国铁建电气化局集团第二工程有限公司 基于面阵ccd的刚性悬挂接触线脱槽在线检测装置
CN108734715A (zh) * 2017-04-24 2018-11-02 成都唐源电气股份有限公司 一种自适应学习的接触网刚性导线识别方法及装置
EP3404818A1 (de) * 2017-05-15 2018-11-21 Siemens Aktiengesellschaft Halbleiterschaltanordnung
CN109269415A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种基于多路相机的接触网导线磨耗测量方法及装置
CN109269416A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种接触网导线磨耗测量方法及装置
CN109269403A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种基于机器视觉的接触网导线磨耗测量方法及装置

Patent Citations (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110164823A1 (en) * 2007-09-05 2011-07-07 ELECTRONICS AND TELECOMMUNICATIONS RESEARCH INSTITUTE of Daejeon,Republic of Korea Video object extraction apparatus and method
CN101422787A (zh) * 2008-12-10 2009-05-06 北京科技大学 基于单步相移法的带钢平坦度测量方法
CN104210500A (zh) * 2014-09-03 2014-12-17 中国铁道科学研究院 接触网悬挂状态检测监测装置及其工作方法
CN104881861A (zh) * 2015-03-11 2015-09-02 西南交通大学 一种基于图元分类的高铁接触网悬挂装置故障状态检测方法
CN105741291A (zh) * 2016-01-30 2016-07-06 西南交通大学 一种高速铁路接触网悬挂装置等电位线故障检测方法
KR20170096410A (ko) * 2016-02-16 2017-08-24 (주)성일인터내셔널 스마트 스터디 부스
CN108734715A (zh) * 2017-04-24 2018-11-02 成都唐源电气股份有限公司 一种自适应学习的接触网刚性导线识别方法及装置
EP3404818A1 (de) * 2017-05-15 2018-11-21 Siemens Aktiengesellschaft Halbleiterschaltanordnung
CN107437245A (zh) * 2017-06-26 2017-12-05 西南交通大学 基于深度卷积神经网络的高速铁路接触网故障诊断方法
CN109269415A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种基于多路相机的接触网导线磨耗测量方法及装置
CN109269416A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种接触网导线磨耗测量方法及装置
CN109269403A (zh) * 2017-07-17 2019-01-25 成都唐源电气股份有限公司 一种基于机器视觉的接触网导线磨耗测量方法及装置
CN207449668U (zh) * 2017-07-24 2018-06-05 中国铁建电气化局集团第二工程有限公司 基于面阵ccd的刚性悬挂接触线脱槽在线检测装置
CN107310430A (zh) * 2017-07-24 2017-11-03 中国铁建电气化局集团第二工程有限公司 基于面阵ccd的刚性悬挂接触线脱槽在线检测装置
CN107560545A (zh) * 2017-09-30 2018-01-09 济南蓝动激光技术有限公司 基于机器视觉的接触线磨耗自动测量仪器及测量方法
CN207365909U (zh) * 2017-09-30 2018-05-15 济南蓝动激光技术有限公司 基于机器视觉的接触线磨耗自动测量仪器

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111242052A (zh) * 2020-01-16 2020-06-05 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
CN111260631A (zh) * 2020-01-16 2020-06-09 成都地铁运营有限公司 一种高效刚性接触线结构光光条提取方法
CN111260631B (zh) * 2020-01-16 2023-05-05 成都地铁运营有限公司 一种高效刚性接触线结构光光条提取方法
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

Also Published As

Publication number Publication date
CN110503048B (zh) 2020-07-17

Similar Documents

Publication Publication Date Title
CN112434695B (zh) 一种基于深度学习的上拉杆故障检测方法
CN113516660A (zh) 适用于列车的视觉定位与缺陷检测方法和装置
CN110310255B (zh) 基于目标检测和图像处理的转辙机缺口检测方法
CN104933387A (zh) 一种基于二维码解码的快速定位识别的方法
CN110266938B (zh) 基于深度学习的变电站设备智能拍摄方法及装置
CN110503048A (zh) 刚性接触网悬挂装置的识别系统和方法
KR20190024447A (ko) 실시간 선로 결함 검측 시스템
Babenko Visual inspection of railroad tracks
CN104794720A (zh) 一种在接触网图像中定位出定位线夹的方法及系统
US20200034626A1 (en) Method for recognizing an object of a mobile unit
EP3620945A1 (en) Obstacle distribution simulation method, device and terminal based on multiple models
CN110223284A (zh) 一种基于智能终端的针孔摄像头的探测方法及探测装置
CN111488808A (zh) 基于交通违法图像数据的车道线检测方法
CN111275705A (zh) 智能验布方法、装置、电子设备及存储介质
CN116309518A (zh) 一种基于计算机视觉的pcb电路板检测方法及系统
CN116863711B (zh) 基于公路监控的车道流量检测方法、装置、设备及介质
CN105320708A (zh) 车型数据库的建立方法及服务器
CN112669302B (zh) 吊弦缺陷检测方法、装置、电子设备及存储介质
CN113409282A (zh) 箱式结构的形变检测方法、装置、电子设备及存储介质
JP7299041B2 (ja) 架線金具検出装置および架線金具検出方法
CN105740818A (zh) 一种应用于增强现实的人工标志检测方法
CN113191239A (zh) 一种基于计算机视觉的车辆外廓尺寸动态检测系统
CN109584212B (zh) 一种基于matlab的slm粉床铺粉图像划痕缺陷识别方法
WO2022097426A1 (ja) 状態判定装置、状態判定システム及び状態判定方法
JP2019111942A (ja) 架線金具検出装置及び方法

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
GR01 Patent grant
GR01 Patent grant