CN110565459A - 钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 - Google Patents
钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 Download PDFInfo
- Publication number
- CN110565459A CN110565459A CN201910876456.7A CN201910876456A CN110565459A CN 110565459 A CN110565459 A CN 110565459A CN 201910876456 A CN201910876456 A CN 201910876456A CN 110565459 A CN110565459 A CN 110565459A
- Authority
- CN
- China
- Prior art keywords
- steel rail
- nut
- fastener
- rail fastener
- distance
- 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
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01B—PERMANENT WAY; PERMANENT-WAY TOOLS; MACHINES FOR MAKING RAILWAYS OF ALL KINDS
- E01B29/00—Laying, rebuilding, or taking-up tracks; Tools or machines therefor
- E01B29/24—Fixing or removing detachable fastening means or accessories thereof; Pre-assembling track components by detachable fastening means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种钢轨扣件的拆卸位置确定方法、装置、设备及钢轨扣件自动拆卸系统。其中,方法包括当检测到钢轨扣件,发送制动信号使钢轨扣件自动拆卸系统停止移动,从采集的待拆卸钢轨扣件原始图像中提取其轮廓,并利用多特征分级定位方法从该轮廓图像中定位待拆卸钢轨扣件的螺帽中心所在像素列;根据螺帽中心所在像素列、图像纵向分辨率、相邻图像像素列之间的物理间距计算相机光心与螺帽中心间的纵向水平距离;根据纵向水平距离、相机光心与螺帽旋松器件中心间的水平距离确定螺帽旋松器件的移动距离,以使螺帽旋松器件移动至扣件拆卸位置处。本申请实现钢轨扣件拆卸过程全自动化,有效解决了人工拆卸作业的拆卸效率低和耗时耗力的弊端。
Description
技术领域
本发明涉及机械自动化技术领域,特别是涉及一种钢轨扣件的拆卸位置确定方法、装置、设备及钢轨扣件自动拆卸系统。
背景技术
钢轨扣件为铁路轨道上用以联结钢轨和轨枕(或其他类型轨下基础)的零件,又称中间联结零件。其作用是将钢轨固定在轨枕上,保持轨距和阻止钢轨相对于轨枕的纵横向移动,是保证铁路运营安全的关键部件。
目前,固定钢轨轨道最常用的为弹条I型钢轨扣件,该扣件包括ω弹条、螺旋道钉及圆形垫片,螺旋道钉包括螺帽和螺栓。拆卸钢轨扣件是线路换轨施工的重要步骤之一,当前,弹条I型钢轨扣件的拆卸仍然是由人工完成。作业工人使用专业的钢轨扣件电动扳手,在铁路现场逐一拆卸钢轨扣件,尽管人工拆卸作业可靠性高、主观性强,但存在拆卸作业效率低、危险性高、拆卸过程耗时耗力等缺陷。
鉴于此,如何解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端,是本领域技术人员亟待解决的问题。
发明内容
本公开实施例提供了一种钢轨扣件的拆卸位置确定方法、装置、设备及钢轨扣件自动拆卸系统,有效地解决了人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
为解决上述技术问题,本发明实施例提供以下技术方案:
本发明实施例一方面提供了一种钢轨扣件的拆卸位置确定方法,包括:
当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止,所述第一预设距离根据所述钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定;
从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓;
利用预先基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列;
根据所述螺帽中心所在像素列、所述原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算所述图像采集模块的相机光心与所述螺帽中心间的纵向水平距离;
根据所述纵向水平距离、所述相机光心与螺帽旋松器件中心间的水平距离确定所述螺帽旋松器件的移动距离。
可选的,所述从图像采集模块在移动过程中被触发采集待拆卸钢轨扣件的原始图像中提取扣件轮廓包括:
获取所述图像采集模块在移动过程中被触发采集所述待拆卸钢轨扣件的原始图像;
利用预先构建的蝶形非经典感受野模型提取所述原始图像的扣件轮廓;
其中,所述蝶形非经典感受野模型的刺激路径包括第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,所述第一圆弧刺激路径和所述第二圆弧刺激路径对称设置在所述直线刺激路径的两侧,且所述第一圆弧刺激路径和所述第二圆弧刺激路径的像素半径根据所述图像采集模块与所述待拆卸钢轨扣件的距离确定;所述刺激路径的刺激值根据当前像素点到所述蝶形非经典感受野模型中点间的距离和Gabor能量方向对比度确定;所述蝶形非经典感受野模型的非经典感受野区域为采用各向同性抑制机制的抑制区。
可选的,所述利用预先构建的蝶形非经典感受野模型提取所述原始图像的扣件轮廓包括:
利用能量计算关系式计算所述原始图像中各像素点的响应能量;
采用Canny算子中的非极大值抑制和滞后门限处理方法提取所述原始图像中待拆卸钢轨扣件的轮廓二值图像;
其中,所述能量计算关系式为:
Er(x,y;θ)=E(x,y,θ)+βe·Ee(x,y,θ)+βi·Ei(x,y,θ);
式中,E(x,y,θ)为Gabor能量算子的对比度,βe为刺激能量的权重系数,routes为所述第一圆弧刺激路径、所述第二圆弧刺激路径和所述直线刺激路径,WDOG(x,y)为归一化高斯差分算子,ioc(x,y;θ)为方向θ的对比度,βi为抑制能量的权重系数,
可选的,所述利用预设基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列包括:
利用霍夫圆变换方法从所述扣件轮廓图像中确定所述待拆卸钢轨扣件的圆形垫片轮廓的圆心位置;
根据所述待拆卸钢轨扣件的螺帽的各边之间的夹角,利用霍夫直线变换方法在所述圆形垫片轮廓范围内确定所述螺帽的候选边,并计算各候选边的交点以作为所述螺帽的候选顶点;
基于所述螺帽的顶点间真实距离值和预设选取规则从各候选顶点中确定所述螺帽的目标顶点;
根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和所述圆形垫片轮廓的圆心位置之间的数值关系确定所述螺帽中心位置。
可选的,所述根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和所述圆形垫片轮廓的圆心位置之间的数值关系确定所述螺帽中心位置包括:
若目标顶点个数小于第一阈值,则将所述圆心位置作为所述螺帽中心;若目标顶点个数不小于所述第一阈值,则根据从各目标顶点中选择满足所述顶点筛选条件的第一预设个数的顶点计算六边形中心,得到第二圆心位置;
若所述第二圆心位置和所述圆心位置的间距不小于预设偏差阈值,则将所述圆心位置以作为所述螺帽中心;若所述第二圆心位置和所述圆心位置的间距小于预设偏差阈值,则将所述第二圆心位置作为所述螺帽中心;
若目标顶点个数不小于所述第二阈值,所述第二阈值大于所述第一阈值,则根据从各目标顶点中选择满足所述顶点筛选条件的第二预设个数的顶点计算六边形中心,得到第三圆心位置;
若所述第三圆心位置和所述第二圆心位置之间的间距不小于所述偏差阈值,则将所述第二圆心位置作为所述螺帽中心;若所述第三圆心位置和所述第二圆心位置之间的间距小于所述偏差阈值,则将所述第三圆心位置作为所述螺帽中心。
本发明实施例还提供了一种钢轨扣件的拆卸位置确定装置,包括:
制动信号发送模块,用于当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止,所述第一预设距离根据所述钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定;
轮廓提取模块,用于从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓;
螺帽中心确定模块,用于利用预先基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列;
拆卸位置确定模块,用于根据所述螺帽中心所在像素列、所述原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算所述图像采集模块的相机光心与所述螺帽中心间的纵向水平距离;根据所述纵向水平距离、所述相机光心与螺帽旋松器件中心间的水平距离确定所述螺帽旋松器件的移动距离。
本发明实施例另一方面提供了一种钢轨扣件的拆卸位置确定设备,包括扣件检测器、移动距离计数器、图像采集模块及处理器,所述处理器用于执行存储器中存储的计算机程序时实现如上任一项所述钢轨扣件的拆卸位置确定方法的步骤;
其中,所述扣件检测器用于在钢轨扣件自动拆卸系统的移动过程中,对钢轨上安装的钢轨扣件进行检测和计数;所述移动距离计数器用于检测所述钢轨扣件自动拆卸系统从接收到制动信号至停止运动所滑行的距离值;所述图像采集模块用于在接收到图像采集信号后采集待拆卸钢轨扣件的二维整体图像。
本发明实施例最后还提供了一种钢轨扣件自动拆卸系统,包括系统移动装置、如上所述的钢轨扣件的拆卸位置确定设备及扣件拆卸装置;
其中,所述系统移动装置用于驱动钢轨扣件自动拆卸系统在钢轨上移动;所述扣件拆卸装置用于将螺帽旋松器件移动至所述钢轨扣件的拆卸位置确定设备确定的钢轨扣件拆卸位置处,并通过旋松和吸取待拆卸钢轨扣件的螺帽实现对所述待拆卸钢轨扣件的自动拆卸。
可选的,所述扣件拆卸装置包括拆卸器件和位置调节模块;所述拆卸器件用于旋松和吸取所述待拆卸钢轨扣件的螺帽;所述位置调节模块用于将所述螺帽旋松器件移动至所述待拆卸钢轨扣件的拆卸位置处;
所述拆卸器件包括电动扳手和磁性万向套筒;所述电动扳手用于旋松所述待拆卸钢轨扣件的螺帽,所述磁性万向套筒用于配合旋松和吸取所述待拆卸钢轨扣件的螺帽;
所述位置调节模块包括纵向电缸、升降油缸和导轨;所述纵向电缸用于驱动所述电动扳手沿钢轨纵向方向移动,所述导轨用于作为所述电动扳手沿所述钢轨纵向方向移动的走形轨;所述升降油缸用于在与所述钢轨纵向方向相垂直的方向上提升或下降所述电动扳手。
可选的,所述系统移动装置包括走形轮、制动装置和动力装置;
所述走形轮用于支撑所述钢轨扣件自动拆卸系统在钢轨上移动;所述制动装置用于辅助所述钢轨扣件自动拆卸系统制动;所述动力装置包括电机和减速机,用于驱动所述走形轮。
本申请提供的技术方案的优点在于,在对钢轨扣件进行粗定位后,从图像采集设备采集的完整钢轨扣件图像中提取钢轨扣件轮廓,针对不完整的钢轨扣件轮廓,利用待拆卸钢轨扣件的多个形状特征构建的多特征分级定位方法定位螺帽中心,提高了钢轨扣件螺帽中心的定位精度,从而有利于提高了钢轨扣件自动拆卸的可靠性;基于钢轨扣件图像、钢轨扣件螺帽中心所在的像素列和相邻像素列之间的物理间距,计算螺帽中心相对于螺帽旋松器件的纵向水平距离,可精准确定螺帽旋松器件从当前位置移动至螺帽拆卸位置处的移动距离,有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
此外,本发明实施例还针对钢轨扣件的拆卸位置确定方法提供了相应的实现装置、设备及钢轨扣件自动拆卸系统,进一步使得所述方法更具有实用性,所述装置、设备及钢轨扣件自动拆卸系统具有相应的优点。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性的,并不能限制本公开。
附图说明
为了更清楚的说明本发明实施例或相关技术的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种钢轨扣件的拆卸位置确定方法的流程示意图;
图2为本发明实施例提供的蝶形非经典感受野模型示意图;
图3为本发明实施例提供的一种钢轨扣件轮廓提取示意图;
图4为本发明实施例提供的一种多特征分级定位方法实现过程的流程示意图;
图5为本发明实施例提供的钢轨扣件的拆卸位置确定装置的一种具体实施方式结构图;
图6为本发明实施例提供的钢轨扣件的拆卸位置确定设备的一种具体实施方式结构图;
图7为本发明实施例提供的钢轨扣件自动拆卸系统的一种具体实施方式结构图;
图8为本发明实施例提供的钢轨扣件自动拆卸系统的另一种具体实施方式结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等是用于区别不同的对象,而不是用于描述特定的顺序。此外术语“包括”和“具有”以及他们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可包括没有列出的步骤或单元。
在介绍了本发明实施例的技术方案后,下面详细的说明本申请的各种非限制性实施方式。
首先参见图1,图1为本发明实施例提供的一种钢轨扣件的拆卸位置确定方法的流程示意图,本发明实施例可包括以下内容:
S101:当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止。
在本申请中,第一预设距离可根据钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定。钢轨扣件的检测个数可与使用的钢轨扣件自动拆卸系统中设置的螺帽旋松器件的个数保持一致,例如若钢轨扣件自动拆卸系统中设置4个螺帽旋松器件,则S101在检测到钢轨扣件存在2个时,进行制动信号的发送。此处,需要说明的是,钢轨扣件的个数为指位于钢轨同一侧的扣件个数。在发送制动信号后,为了便于后续数据处理简单,可将检测钢轨扣件个数的设备进行计数清零。
S102:从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓。
可以理解的是,图像采集模块需要采集的是完整的钢轨图像,而在图像采集模块采集图像期间需要保证钢轨扣件一直在其相机视野内。在钢轨扣件自动拆卸系统停稳后,钢轨扣件自动拆卸系统驱动图像采集模块移动,在图像采集模块移动过程中,可根据其移动距离触发图像采集指令的发送,以保证图像采集模块可采集到完整的钢轨扣件图像。可以采用任何一种图像处理方法提取待拆卸钢轨扣件的扣件轮廓,生成扣件轮廓图像。
S103:利用预先基于待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位待拆卸钢轨扣件的螺帽中心所在像素列。
其中,待拆卸钢轨扣件形状特征为圆形垫片、六边形螺帽和圆形螺栓共圆心,螺帽轮廓为六边形,六边形特征例如有螺帽各边之间的夹角为0、π/3或2π/3;在相机与螺帽间的距离固定的情况下,六边形各顶点间的距离为0、31/2Len或2Len,其中Len为六边形边长。
S104:根据螺帽中心所在像素列、原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算图像采集模块的相机光心与螺帽中心间的纵向水平距离。
在本申请中,若纵向电缸驱动螺帽旋松器件和图像采集模块沿着精密导轨移动至纵向电缸的最大行程位置。移动过程中,纵向电缸可根据移动距离发出脉冲,同步触发相机采集整个钢轨扣件二维图像纵向。图像采集模块的相机光心与螺帽中心间的纵向水平距离d可根据d=(N-n)×dpulse计算,N为钢轨扣件二维图像纵向分辨率,n为扣件螺帽中心所在的像素列,dpulse为纵向电缸在两次单位脉冲内移动的距离,也为相邻图像像素列之间对应的物理间距。
S105:根据纵向水平距离、相机光心与螺帽旋松器件中心间的水平距离确定螺帽旋松器件的移动距离。
在本发明实施例中,纵向电缸开始驱动螺帽旋松器件和图像采集模块沿着精密导轨从最大行程位置往初始位置移动。当移动距离dback为dback=d-D时停止移动,D为工业线阵相机光心与螺帽旋松器件中心间的水平距离。此时,螺帽旋松器件恰好位于钢轨扣件螺帽的正上方。
在本发明实施例提供的技术方案中,在对钢轨扣件进行粗定位后,从图像采集设备采集的完整钢轨扣件图像中提取钢轨扣件轮廓,针对不完整的钢轨扣件轮廓,利用待拆卸钢轨扣件的多个形状特征构建的多特征分级定位方法定位螺帽中心,提高了钢轨扣件螺帽中心的定位精度,从而有利于提高了钢轨扣件自动拆卸的可靠性;基于钢轨扣件图像、钢轨扣件螺帽中心所在的像素列和相邻像素列之间的物理间距,计算螺帽中心相对于螺帽旋松器件的纵向水平距离,可精准确定螺帽旋松器件从当前位置移动至螺帽拆卸位置处的移动距离,有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
作为一种优选的实施方式,为了能够更好的应用于野外嘈杂环境中的钢轨扣件轮廓提取,提高扣件轮廓提取准确度,S102可通过下述方法来实现扣件轮廓的提取:
获取图像采集模块在移动过程中被触发采集待拆卸钢轨扣件的原始图像;利用预先构建的蝶形非经典感受野模型提取原始图像的扣件轮廓。
在本发明实施例中,蝶形非经典感受野模型请参阅图2所示的结构示意图,该模型的刺激路径包括第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,第一圆弧刺激路径和第二圆弧刺激路径对称设置在直线刺激路径的两侧,且第一圆弧刺激路径和第二圆弧刺激路径的像素半径根据图像采集模块与待拆卸钢轨扣件的距离确定;刺激路径的刺激值根据当前像素点到蝶形非经典感受野模型中点间的距离和Gabor能量方向对比度确定;蝶形非经典感受野模型的非经典感受野区域为采用各向同性抑制机制的抑制区。
其中,利用预先构建的蝶形非经典感受野模型提取原始图像的扣件轮廓可具体通过下述过程来实现:
利用能量计算关系式计算原始图像中各像素点的响应能量;采用Canny算子中的非极大值抑制和滞后门限处理方法提取原始图像中待拆卸钢轨扣件的轮廓二值图像,提取得到的轮廓二值图像请参阅图3所示。其中,能量计算关系式可表示为:
Er(x,y;θ)=E(x,y,θ)+βe·Ee(x,y,θ)+βi·Ei(x,y,θ);
式中,E(x,y,θ)为Gabor能量算子的对比度,βe为刺激能量的权重系数,routes为第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,WDOG(x,y)为归一化高斯差分算子,ioc(x,y;θ)为方向θ的对比度,βi为抑制能量的权重系数,NCRF为非经典感受野,例如可设置βe=0.7、βi=0.3。
由上可知,本发明实施例根据钢轨扣件螺帽轮廓为六边形和圆形的特征所设计的蝶形非经典感受野模型,能够更好地应用于野外嘈杂环境中的钢轨扣件轮廓提取任务。
可以理解的是,结合图3,钢轨扣件轮廓二值图像中的螺帽六边形轮廓和圆形轮廓往往是不完整的。对此,为了提高螺帽中心定位的鲁棒性和准确性,S103可通过下述方法实现对螺帽中心的定位,本申请的多特征分级定位流程图可参阅图4所示,可包括:
利用霍夫圆变换方法从扣件轮廓图像中确定待拆卸钢轨扣件的圆形垫片轮廓的圆心位置。
根据待拆卸钢轨扣件的螺帽的各边之间的夹角,利用霍夫直线变换方法在圆形垫片轮廓范围内确定螺帽的候选边,并计算各候选边的交点以作为螺帽的候选顶点。待拆卸钢轨扣件的螺帽为六边形,六边形的各边之间的夹角只能为0°、60°或120°。
基于螺帽的顶点间真实距离值和预设选取规则从各候选顶点中确定螺帽的目标顶点。螺帽的顶点间真实距离值为指在线阵相机与螺帽间的距离固定的情况下,六边形候选顶点间的距离为0、31/2*六边形边长或2*六边形边长。预设选取规则可为选取目标顶点遵循的一种规则方法。
根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和圆形垫片轮廓的圆心位置之间的数值关系确定螺帽中心位置。
在一种实施方式中,若目标顶点个数小于第一阈值,则将圆心位置作为螺帽中心;若目标顶点个数不小于第一阈值,则根据从各目标顶点中选择满足顶点筛选条件的第一预设个数的顶点计算六边形中心,得到第二圆心位置;
若第二圆心位置和圆心位置的间距不小于预设偏差阈值,则将圆心位置以作为螺帽中心;若第二圆心位置和圆心位置的间距小于预设偏差阈值,则将第二圆心位置作为螺帽中心;
若目标顶点个数不小于第二阈值,第二阈值大于第一阈值,则根据从各目标顶点中选择满足顶点筛选条件的第二预设个数的顶点计算六边形中心,得到第三圆心位置;
若第三圆心位置和第二圆心位置之间的间距不小于偏差阈值,则将第二圆心位置作为螺帽中心;若第三圆心位置和第二圆心位置之间的间距小于偏差阈值,则将第三圆心位置作为螺帽中心。
具体来说,整个多特征分级定位方法可包括三个实现阶段,第一阶段,采用霍夫圆变换检测钢轨扣件螺帽下方的圆形垫片轮廓,得到其圆心并标记为O。在圆形垫片轮廓范围内采用霍夫变换检测直线。由于钢轨扣件螺帽外轮廓为六边形,其各边之间的夹角为0、π/3或2π/3,本发明实施例将其称为角度约束。根据角度约束,从霍夫变换直线检测结果中筛选出六边形的候选边,并计算候选边的交点得到六边形候选顶点。在线阵相机与螺帽间的距离固定的情况下,六边形候选顶点间的距离为0、31/2Len或2Len,其中Len为六边形边长,本发明实施例将其称为距离约束。根据距离约束,通过投票方式选出正确的螺帽顶点。投票方式的过程描述为:任意选定一个候选顶点,其他候选顶点依次判断它们与选定候选顶点间是否满足距离约束,若不满足,则选定候选顶点获得一票,更换选定候选顶点,再次投票直至所有候选顶点投票完成。将得票数小于候选顶点数目一半的候选顶点作为正确的螺帽顶点。
第二阶段,判断所选出的正确的螺帽顶点个数,若个数小于2,则将圆心O定为螺帽中心,结束中心定位算法,此时得到的定位结果定义为定位等级L0;若个数不小于2,则从其中选出得票数最少的两个顶点,并根据它们来计算六边形中心,标记为C1。判断C1与O之间的间距是否小于偏差阈值,若不小于,则将圆心O定为螺帽中心并结束中心定位算法;反之,进入第三阶段。偏差阈值可根据实际情况进行确定,本申请对此不做任何限定。
第三阶段,判断所选出的正确的螺帽顶点个数,若个数小于3,则将中心C1定为螺帽中心,结束中心定位算法,此时得到的定位结果定义为定位等级L1;若个数不小于3,则从其中选出得票数最少的三个顶点,并根据它们来计算六边形中心,标记为C2。判断C2与C1之间的间距是否小于偏差阈值,若不小于,则将中心C1定为螺帽中心,结束中心定位算法;反之,将中心C2定为螺帽中心,结束中心定位算法,此时得到的定位结果定义为定位等级L2。
由上可知,本发明实施例的多特征分级定位方法利用钢轨扣件螺帽六边形、圆形、角度约束和距离约束多个特征来定位螺帽中心,定位结果分为L0、L1和L2三个等级,其中等级L2的定位精度最好,等级L1次之,等级L0最差,可有效提高螺帽中心定位的鲁棒性和准确性。
本发明实施例还针对钢轨扣件的拆卸位置确定方法提供了相应的实现装置,进一步使得所述方法更具有实用性。下面对本发明实施例提供的钢轨扣件的拆卸位置确定装置进行介绍,下文描述的钢轨扣件的拆卸位置确定装置与上文描述的钢轨扣件的拆卸位置确定方法可相互对应参照。
请参见图5,图5为本发明实施例提供的钢轨扣件的拆卸位置确定装置在一种具体实施方式下的结构图,该装置可包括:
制动信号发送模块501,用于当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止,第一预设距离根据钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定。
轮廓提取模块502,用于从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓。
螺帽中心确定模块503,用于利用预先基于待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位待拆卸钢轨扣件的螺帽中心所在像素列。
拆卸位置确定模块504,用于根据螺帽中心所在像素列、原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算图像采集模块的相机光心与螺帽中心间的纵向水平距离;根据纵向水平距离、相机光心与螺帽旋松器件中心间的水平距离确定螺帽旋松器件的移动距离。
可选的,在本实施例的一些实施方式中,所述轮廓提取模块502还可以包括:
图像获取子模块,用于获取图像采集模块在移动过程中被触发采集待拆卸钢轨扣件的原始图像;
模型预构建模块,用于基于钢轨扣件的形状特征和非经典感受野算法构建得到蝶形非经典感受野模型;蝶形非经典感受野模型的刺激路径包括第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,第一圆弧刺激路径和第二圆弧刺激路径对称设置在直线刺激路径的两侧,且第一圆弧刺激路径和第二圆弧刺激路径的像素半径根据图像采集模块与待拆卸钢轨扣件的距离确定;刺激路径的刺激值根据当前像素点到蝶形非经典感受野模型中点间的距离和Gabor能量方向对比度确定;蝶形非经典感受野模型的非经典感受野区域为采用各向同性抑制机制的抑制区。
提取轮廓子模块,用于利用预先构建的蝶形非经典感受野模型提取原始图像的扣件轮廓。
在本发明实施例的一些实施方式中,所述提取轮廓子模块例如还可以包括:
能量计算单元,用于利用能量计算关系式计算原始图像中各像素点的响应能量,能量计算关系式可表示为:
Er(x,y;θ)=E(x,y,θ)+βe·Ee(x,y,θ)+βi·Ei(x,y,θ);
式中,E(x,y,θ)为Gabor能量算子的对比度,βe为刺激能量的权重系数,routes为第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,WDOG(x,y)为归一化高斯差分算子,ioc(x,y;θ)为方向θ的对比度,βi为抑制能量的权重系数,
二值图像生成单元,用于采用Canny算子中的非极大值抑制和滞后门限处理方法提取原始图像中待拆卸钢轨扣件的轮廓二值图像。
可选的,在本实施例的另一些实施方式中,所述螺帽中心确定模块503例如还可以包括:
垫片轮廓圆形定位子模块,用于利用霍夫圆变换方法从扣件轮廓图像中确定待拆卸钢轨扣件的圆形垫片轮廓的圆心位置;
螺帽候选顶点确定子模块,用于根据待拆卸钢轨扣件的螺帽的各边之间的夹角,利用霍夫直线变换方法在圆形垫片轮廓范围内确定螺帽的候选边,并计算各候选边的交点以作为螺帽的候选顶点;
螺帽真实顶点确定子模块,用于基于螺帽的顶点间真实距离值和预设选取规则从各候选顶点中确定螺帽的目标顶点;
螺帽中心位置确定子模块,用于根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和圆形垫片轮廓的圆心位置之间的数值关系确定螺帽中心位置。
在本发明实施例的一些具体实施方式中,所述螺帽中心位置确定子模块具体可用于:
若目标顶点个数小于第一阈值,则将圆心位置作为螺帽中心;若目标顶点个数不小于第一阈值,则根据从各目标顶点中选择满足顶点筛选条件的第一预设个数的顶点计算六边形中心,得到第二圆心位置;
若第二圆心位置和圆心位置的间距不小于预设偏差阈值,则将圆心位置以作为螺帽中心;若第二圆心位置和圆心位置的间距小于预设偏差阈值,则将第二圆心位置作为螺帽中心;
若目标顶点个数不小于第二阈值,第二阈值大于第一阈值,则根据从各目标顶点中选择满足顶点筛选条件的第二预设个数的顶点计算六边形中心,得到第三圆心位置;
若第三圆心位置和第二圆心位置之间的间距不小于偏差阈值,则将第二圆心位置作为螺帽中心;若第三圆心位置和第二圆心位置之间的间距小于偏差阈值,则将第三圆心位置作为螺帽中心。
本发明实施例所述钢轨扣件的拆卸位置确定装置的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
本发明实施例还提供了一种钢轨扣件的拆卸位置确定设备,请参阅图6,可包括扣件检测器61、移动距离计数器62、图像采集模块63、存储器64及处理器65。
其中,扣件检测器61可用于在钢轨扣件自动拆卸系统的移动过程中,对钢轨上安装的钢轨扣件进行检测和计数。扣件检测器61例如可为任何一种类型的接近开关,本申请对此不做任何限定。
移动距离计数器62可用于检测钢轨扣件自动拆卸系统从接收到制动信号至停止运动所滑行的距离值。移动距离计数器62可为编码旋转器,利用编码旋转器脉冲计数功能实现移动距离的测量,一种实现过程中,可将编码旋转器设置在钢轨扣件自动拆卸系统连接两侧走形轮的轮轴中。
图像采集模块63用于在接收到图像采集信号后采集待拆卸钢轨扣件的二维整体图像,图像采集模块63例如可包括工业线阵相机和线性光源,当然,也可为其他可以实现采集图像的器件,这均不影响本申请的实现。
存储器64,用于存储计算机程序;
处理器65,用于执行计算机程序以实现如上任意一实施例所述钢轨扣件的拆卸位置确定方法的步骤。
本发明实施例所述钢轨扣件的拆卸位置确定设备的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
本发明实施例还提供了一种计算机可读存储介质,存储有钢轨扣件的拆卸位置确定程序,所述钢轨扣件的拆卸位置确定程序被处理器执行时如上任意一实施例所述钢轨扣件的拆卸位置确定方法的步骤。该存储介质可以为U盘、移动硬盘、只读存储器、随机存取存储器、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例所述计算机可读存储介质的各功能模块的功能可根据上述方法实施例中的方法具体实现,其具体实现过程可以参照上述方法实施例的相关描述,此处不再赘述。
由上可知,本发明实施例有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
本发明实施例最后还提供了一种钢轨扣件自动拆卸系统,请参阅图7所示,可包括系统移动装置71、钢轨扣件的拆卸位置确定设备72及扣件拆卸装置73。
其中,系统移动装置71可用于驱动钢轨扣件自动拆卸系统在钢轨上移动。一种实施方式中,系统移动装置71可包括走形轮、制动装置和动力装置;走形轮用于支撑钢轨扣件自动拆卸系统在钢轨上移动;制动装置用于辅助钢轨扣件自动拆卸系统制动;动力装置包括电机和减速机,用于驱动走形轮。其中,走形轮的个数和安装位置可根据实际需求进行确定,这均不影响本申请的实现。
扣件拆卸装置73可用于将螺帽旋松器件(例如可为电动扳手)移动至钢轨扣件的拆卸位置确定设备72确定的钢轨扣件拆卸位置处,并通过旋松和吸取待拆卸钢轨扣件的螺帽实现对待拆卸钢轨扣件的自动拆卸。作为一种可选的实施方式,扣件拆卸装置73可包括拆卸器件和位置调节模块;拆卸器件用于旋松和吸取待拆卸钢轨扣件的螺帽;位置调节模块用于将螺帽旋松器件移动至待拆卸钢轨扣件的拆卸位置处。拆卸器件可包括电动扳手和磁性万向套筒;电动扳手用于旋松待拆卸钢轨扣件的螺帽,磁性万向套筒用于配合旋松和吸取待拆卸钢轨扣件的螺帽,电动扳手的个数可根据整个系统的体积、制作工艺、工作效率、生产成本等实际应用场景需求进行确定,本申请对此不做任何限定。位置调节模块可包括纵向电缸、升降油缸和导轨;纵向电缸用于驱动电动扳手沿钢轨纵向方向移动,导轨用于作为电动扳手沿钢轨纵向方向移动的走形轨;升降油缸用于在与钢轨纵向方向相垂直的方向上提升或下降电动扳手。
当然,整个钢轨扣件自动拆卸系统还可包括底架总成,底架总成用于作为转载系统移动装置71、钢轨扣件的拆卸位置确定设备72及扣件拆卸装置73的刚性框架,底架总成可采用任何材质的材料,本领域技术人员可根据实际应用场景进行选取,本申请对此不作任何限定。
由于本发明实施例与上述方法实施例基于同一构思,系统内的各单元之间的信息交互、执行过程等具体内容可参见上述发明实施例和装置实施例中的叙述,此处,便不再赘述。
由上可知,本发明实施例有利于实现钢轨扣件拆卸过程全自动化,可有效解决人工拆卸钢轨扣件存在的拆卸效率低、危险性高、拆卸耗时耗力的弊端。
为了使本领域技术人员更加清楚明白本申请技术方案,本申请还提供了一个示意例子来阐述使用本申请技术方案实现钢轨扣件自动拆卸的流程,以图8所述的钢轨扣件自动拆卸系统为例,可包括下述内容:
首先,本发明实施例的钢轨扣件自动拆卸系统可包括用于装载其他部件的刚性框架的底架总成1;用于支撑整个装置在钢轨上移动的走形轮2;用于旋松钢轨扣件螺帽的电动扳手3,且一个底架安装有四把电动扳手3;用于驱动电动扳手3沿钢轨纵向前后移动的纵向电缸4;用于精确确定扣件螺帽中心的纵向物理位置的拆卸位置确定装置5,拆卸位置确定装置5包括处理器、工业线阵相机和线性光源;作为可使电动扳手3沿钢轨纵向前后移动的走行轨的精密导轨6;用于辅助制动的制动装置7;用于配合旋松和吸取钢轨扣件螺帽的磁性万向套筒8;通过接近开关初步检测钢轨扣件的钢轨扣件粗定位部件9;内部装有增量式旋转编码器,用于确定粗定位里程的轮轴10;用于驱动走行轮2,包括电机和减速机的动力装置11;用于同步提升或放下电动扳手3作业的升降油缸12。钢轨扣件自动拆卸方法流程如下所述:
流程1:将钢轨扣件自动拆卸系统置于待作业钢轨线路上,装置上电,并完成自检和初始化。纵向电缸4和升降油缸12归位(前后方向的纵向电缸4分别归位于前后初始位置、升降油缸12归位将电动扳手3提升至最高位),钢轨扣件粗定位部件9使能。
流程2:动力装置11开始工作,驱动整个装置以0.3m/s2的加速度和5km/h的极速前行,前行过程中钢轨扣件粗定位部件9的接近开关开始进行扣件检测计数,计数为2时立刻发出信号给制动装置7并清零计数。同时,配合轮轴10中的旋转编码器的脉冲计数功能,让整个钢轨扣件自动拆卸系统缓慢前行距离L后制动停稳,L=(前后走形轮间距-钢轨枕间平均距离)/2。
流程3:钢轨扣件自动拆卸系统停稳后发出纵向电缸4工作指令,纵向电缸4驱动电动扳手3和拆卸位置确定装置5沿着精密导轨6移动至纵向电缸4的最大行程位置。移动过程中,纵向电缸4根据移动距离发出脉冲,同步触发拆卸位置确定装置5中的工业线阵相机和线性光源采集整个钢轨扣件二维图像。
流程4:采集钢轨扣件二维图像后利用蝶形非经典感受野模型提取钢轨扣件轮廓。蝶形非经典感受野模型为本申请根据钢轨扣件螺帽轮廓为六边形和圆形的特征所设计的改进型蝶形非经典感受野模型,能够更好地应用于野外嘈杂环境中的钢轨扣件轮廓提取任务。
流程5:得到钢轨扣件轮廓二值图像后利用如图4的多特征分级定位算法获取扣件螺帽中心所在的像素列。
流程6:根据扣件螺帽中心所在的像素列计算工业线阵相机光心与扣件螺帽中心间的纵向水平距离。可利用关系式d=(N-n)×dpulse计算纵向水平距离,其中N为钢轨扣件二维图像纵向分辨率,n为扣件螺帽中心所在的像素列,dpulse为纵向电缸4在两次单位脉冲内移动的距离,也为相邻图像像素列之间对应的物理间距。
流程7:纵向电缸4开始驱动电动扳手3和拆卸位置确定装置5沿着精密导轨6从最大行程位置往初始位置移动。当移动距离为dback=d-D时停止移动,D为工业线阵相机光心与电动扳手3中心间的水平距离。此时,电动扳手3恰好位于钢轨扣件螺帽的正上方。随后,磁性万向套筒8上电加磁,升降油缸12放下电动扳手3,进行扣件拆卸作业。
流程8:当前钢轨扣件拆卸完毕后,磁性万向套筒8掉电去磁,纵向电缸4和升降油缸12归位(前后方向的纵向电缸4分别归位于前后初始位置、升降油缸12归位将电动扳手提升至最高位),再次执行流程2至流程7的自动拆卸作业。
由上可知,本发明实施例可实现钢轨扣件拆卸过程全自动化,节省大量人力物力;蝶形非经典感受野模型和多特征分级定位算法有效保证了野外嘈杂环境下的钢轨扣件轮廓提取效果和钢轨扣件螺帽中心定位精度,提高了钢轨扣件自动拆卸的可靠性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种钢轨扣件的拆卸位置确定方法、装置、设备及钢轨扣件自动拆卸系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本公开进行若干改进和修饰,这些改进和修饰也落入本公开权利要求的保护范围内。
Claims (10)
1.一种钢轨扣件的拆卸位置确定方法,其特征在于,包括:
当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止,所述第一预设距离根据所述钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定;
从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓;
利用预先基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列;
根据所述螺帽中心所在像素列、所述原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算所述图像采集模块的相机光心与所述螺帽中心间的纵向水平距离;
根据所述纵向水平距离、所述相机光心与螺帽旋松器件中心间的水平距离确定所述螺帽旋松器件的移动距离。
2.根据权利要求1所述的钢轨扣件的拆卸位置确定方法,其特征在于,所述从图像采集模块在移动过程中被触发采集待拆卸钢轨扣件的原始图像中提取扣件轮廓包括:
获取所述图像采集模块在移动过程中被触发采集所述待拆卸钢轨扣件的原始图像;
利用预先构建的蝶形非经典感受野模型提取所述原始图像的扣件轮廓;
其中,所述蝶形非经典感受野模型的刺激路径包括第一圆弧刺激路径、第二圆弧刺激路径和直线刺激路径,所述第一圆弧刺激路径和所述第二圆弧刺激路径对称设置在所述直线刺激路径的两侧,且所述第一圆弧刺激路径和所述第二圆弧刺激路径的像素半径根据所述图像采集模块与所述待拆卸钢轨扣件的距离确定;所述刺激路径的刺激值根据当前像素点到所述蝶形非经典感受野模型中点间的距离和Gabor能量方向对比度确定;所述蝶形非经典感受野模型的非经典感受野区域为采用各向同性抑制机制的抑制区。
3.根据权利要求1所述的钢轨扣件的拆卸位置确定方法,其特征在于,所述利用预先构建的蝶形非经典感受野模型提取所述原始图像的扣件轮廓包括:
利用能量计算关系式计算所述原始图像中各像素点的响应能量;
采用Canny算子中的非极大值抑制和滞后门限处理方法提取所述原始图像中待拆卸钢轨扣件的轮廓二值图像;
其中,所述能量计算关系式为:
Er(x,y;θ)=E(x,y,θ)+βe·Ee(x,y,θ)+βi·Ei(x,y,θ);
式中,E(x,y,θ)为Gabor能量算子的对比度,βe为刺激能量的权重系数,routes为所述第一圆弧刺激路径、所述第二圆弧刺激路径和所述直线刺激路径,WDOG(x,y)为归一化高斯差分算子,ioc(x,y;θ)为方向θ的对比度,βi为抑制能量的权重系数,
4.根据权利要求1-3任意一项所述的钢轨扣件的拆卸位置确定方法,其特征在于,所述利用预设基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列包括:
利用霍夫圆变换方法从所述扣件轮廓图像中确定所述待拆卸钢轨扣件的圆形垫片轮廓的圆心位置;
根据所述待拆卸钢轨扣件的螺帽的各边之间的夹角,利用霍夫直线变换方法在所述圆形垫片轮廓范围内确定所述螺帽的候选边,并计算各候选边的交点以作为所述螺帽的候选顶点;
基于所述螺帽的顶点间真实距离值和预设选取规则从各候选顶点中确定所述螺帽的目标顶点;
根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和所述圆形垫片轮廓的圆心位置之间的数值关系确定所述螺帽中心位置。
5.根据权利要求4所述的钢轨扣件的拆卸位置确定方法,其特征在于,所述根据目标顶点总个数与预设个数阈值之间的关系,以及根据从目标顶点选择满足预设顶点筛选条件的顶点计算得到的圆心位置和所述圆形垫片轮廓的圆心位置之间的数值关系确定所述螺帽中心位置包括:
若目标顶点个数小于第一阈值,则将所述圆心位置作为所述螺帽中心;若目标顶点个数不小于所述第一阈值,则根据从各目标顶点中选择满足所述顶点筛选条件的第一预设个数的顶点计算六边形中心,得到第二圆心位置;
若所述第二圆心位置和所述圆心位置的间距不小于预设偏差阈值,则将所述圆心位置以作为所述螺帽中心;若所述第二圆心位置和所述圆心位置的间距小于预设偏差阈值,则将所述第二圆心位置作为所述螺帽中心;
若目标顶点个数不小于所述第二阈值,所述第二阈值大于所述第一阈值,则根据从各目标顶点中选择满足所述顶点筛选条件的第二预设个数的顶点计算六边形中心,得到第三圆心位置;
若所述第三圆心位置和所述第二圆心位置之间的间距不小于所述偏差阈值,则将所述第二圆心位置作为所述螺帽中心;若所述第三圆心位置和所述第二圆心位置之间的间距小于所述偏差阈值,则将所述第三圆心位置作为所述螺帽中心。
6.一种钢轨扣件的拆卸位置确定装置,其特征在于,包括:
制动信号发送模块,用于当检测到钢轨扣件,发送制动信号,以使钢轨扣件自动拆卸系统沿钢轨滑行第一预设距离后停止,所述第一预设距离根据所述钢轨扣件自动拆卸系统的前后走形轮间距和钢轨枕间平均距离确定;
轮廓提取模块,用于从图像采集模块在移动过程中被触发采集的待拆卸钢轨扣件的原始图像中提取扣件轮廓;
螺帽中心确定模块,用于利用预先基于所述待拆卸钢轨扣件形状特征构建的多特征分级定位方法从扣件轮廓图像中定位所述待拆卸钢轨扣件的螺帽中心所在像素列;
拆卸位置确定模块,用于根据所述螺帽中心所在像素列、所述原始图像的纵向分辨率、相邻图像像素列之间的物理间距计算所述图像采集模块的相机光心与所述螺帽中心间的纵向水平距离;根据所述纵向水平距离、所述相机光心与螺帽旋松器件中心间的水平距离确定所述螺帽旋松器件的移动距离。
7.一种钢轨扣件的拆卸位置确定设备,其特征在于,包括扣件检测器、移动距离计数器、图像采集模块及处理器,所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至5任一项所述钢轨扣件的拆卸位置确定方法的步骤;
其中,所述扣件检测器用于在钢轨扣件自动拆卸系统的移动过程中,对钢轨上安装的钢轨扣件进行检测和计数;所述移动距离计数器用于检测所述钢轨扣件自动拆卸系统从接收到制动信号至停止运动所滑行的距离值;所述图像采集模块用于在接收到图像采集信号后采集待拆卸钢轨扣件的二维整体图像。
8.一种钢轨扣件自动拆卸系统,其特征在于,包括系统移动装置、如权利要求7所述的钢轨扣件的拆卸位置确定设备及扣件拆卸装置;
其中,所述系统移动装置用于驱动钢轨扣件自动拆卸系统在钢轨上移动;所述扣件拆卸装置用于将螺帽旋松器件移动至所述钢轨扣件的拆卸位置确定设备确定的钢轨扣件拆卸位置处,并通过旋松和吸取待拆卸钢轨扣件的螺帽实现对所述待拆卸钢轨扣件的自动拆卸。
9.根据权利要求8所述的钢轨扣件自动拆卸系统,其特征在于,所述扣件拆卸装置包括拆卸器件和位置调节模块;所述拆卸器件用于旋松和吸取所述待拆卸钢轨扣件的螺帽;所述位置调节模块用于将所述螺帽旋松器件移动至所述待拆卸钢轨扣件的拆卸位置处;
所述拆卸器件包括电动扳手和磁性万向套筒;所述电动扳手用于旋松所述待拆卸钢轨扣件的螺帽,所述磁性万向套筒用于配合旋松和吸取所述待拆卸钢轨扣件的螺帽;
所述位置调节模块包括纵向电缸、升降油缸和导轨;所述纵向电缸用于驱动所述电动扳手沿钢轨纵向方向移动,所述导轨用于作为所述电动扳手沿所述钢轨纵向方向移动的走形轨;所述升降油缸用于在与所述钢轨纵向方向相垂直的方向上提升或下降所述电动扳手。
10.根据权利要求9所述的钢轨扣件自动拆卸系统,其特征在于,所述系统移动装置包括走形轮、制动装置和动力装置;
所述走形轮用于支撑所述钢轨扣件自动拆卸系统在钢轨上移动;所述制动装置用于辅助所述钢轨扣件自动拆卸系统制动;所述动力装置包括电机和减速机,用于驱动所述走形轮。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876456.7A CN110565459A (zh) | 2019-09-17 | 2019-09-17 | 钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910876456.7A CN110565459A (zh) | 2019-09-17 | 2019-09-17 | 钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110565459A true CN110565459A (zh) | 2019-12-13 |
Family
ID=68780450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910876456.7A Pending CN110565459A (zh) | 2019-09-17 | 2019-09-17 | 钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110565459A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113863068A (zh) * | 2021-07-19 | 2021-12-31 | 石家庄铁道大学 | 一种弹条ⅲ型扣件的智能安装及拆卸装置及方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1057597A1 (ru) * | 1982-07-26 | 1983-11-30 | Куйбышевский институт инженеров железнодорожного транспорта | Машина дл закреплени и демонтажа рельсовых скреплений |
SU1059044A1 (ru) * | 1982-11-05 | 1983-12-07 | Проектно-Конструкторское Технологическое Бюро Путевых Машин Хабаровского Института Инженеров Железнодорожного Транспорта | Устройство дл отворачивани крепежных элементов промежуточного рельсового скреплени |
JPH05223525A (ja) * | 1992-02-10 | 1993-08-31 | Nissan Motor Co Ltd | 画像信号処理方法 |
CN101718064A (zh) * | 2009-11-23 | 2010-06-02 | 株洲新通铁路装备有限公司 | 一种铁路钢轨扣件回收作业车及换轨扣件回收作业方法 |
KR101140358B1 (ko) * | 2009-12-29 | 2012-05-03 | 고려대학교 산학협력단 | 거짓 특징점 생성 방법 및 이를 이용한 퍼지 볼트 생성방법 |
CN103903251A (zh) * | 2012-12-30 | 2014-07-02 | 南京理工大学 | 基于非经典感受野复合调制的夜视图像显著轮廓提取方法 |
CN106868962A (zh) * | 2017-03-23 | 2017-06-20 | 株洲时代电子技术有限公司 | 一种铁路扣件回收控制系统 |
CN206706468U (zh) * | 2017-03-28 | 2017-12-05 | 梁之文 | 一种分体式拆扣轨道垫板 |
CN107780312A (zh) * | 2016-08-30 | 2018-03-09 | 洛阳双瑞橡塑科技有限公司 | 一种易拆卸分离式双层减振扣件系统 |
CN207812196U (zh) * | 2017-09-28 | 2018-09-04 | 乌鲁木齐铁路局科学技术研究所 | 铁道工务线路维修多功能装置 |
CN108560338A (zh) * | 2018-05-22 | 2018-09-21 | 中国铁路广州局集团有限公司广州工务大修段 | 铁路钢轨扣件回收装置及其作业方法 |
CN109035200A (zh) * | 2018-06-21 | 2018-12-18 | 北京工业大学 | 一种基于单双目视觉协同的螺栓定位及位姿检测方法 |
CN109355985A (zh) * | 2018-12-12 | 2019-02-19 | 湖大海捷(湖南)工程技术研究有限公司 | 一种轨道扣件自动拆卸方法及其装置 |
CN209227309U (zh) * | 2018-12-12 | 2019-08-09 | 湖大海捷(湖南)工程技术研究有限公司 | 一种轨道扣件自动拆卸装置 |
-
2019
- 2019-09-17 CN CN201910876456.7A patent/CN110565459A/zh active Pending
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1057597A1 (ru) * | 1982-07-26 | 1983-11-30 | Куйбышевский институт инженеров железнодорожного транспорта | Машина дл закреплени и демонтажа рельсовых скреплений |
SU1059044A1 (ru) * | 1982-11-05 | 1983-12-07 | Проектно-Конструкторское Технологическое Бюро Путевых Машин Хабаровского Института Инженеров Железнодорожного Транспорта | Устройство дл отворачивани крепежных элементов промежуточного рельсового скреплени |
JPH05223525A (ja) * | 1992-02-10 | 1993-08-31 | Nissan Motor Co Ltd | 画像信号処理方法 |
CN101718064A (zh) * | 2009-11-23 | 2010-06-02 | 株洲新通铁路装备有限公司 | 一种铁路钢轨扣件回收作业车及换轨扣件回收作业方法 |
KR101140358B1 (ko) * | 2009-12-29 | 2012-05-03 | 고려대학교 산학협력단 | 거짓 특징점 생성 방법 및 이를 이용한 퍼지 볼트 생성방법 |
CN103903251A (zh) * | 2012-12-30 | 2014-07-02 | 南京理工大学 | 基于非经典感受野复合调制的夜视图像显著轮廓提取方法 |
CN107780312A (zh) * | 2016-08-30 | 2018-03-09 | 洛阳双瑞橡塑科技有限公司 | 一种易拆卸分离式双层减振扣件系统 |
CN106868962A (zh) * | 2017-03-23 | 2017-06-20 | 株洲时代电子技术有限公司 | 一种铁路扣件回收控制系统 |
CN206706468U (zh) * | 2017-03-28 | 2017-12-05 | 梁之文 | 一种分体式拆扣轨道垫板 |
CN207812196U (zh) * | 2017-09-28 | 2018-09-04 | 乌鲁木齐铁路局科学技术研究所 | 铁道工务线路维修多功能装置 |
CN108560338A (zh) * | 2018-05-22 | 2018-09-21 | 中国铁路广州局集团有限公司广州工务大修段 | 铁路钢轨扣件回收装置及其作业方法 |
CN109035200A (zh) * | 2018-06-21 | 2018-12-18 | 北京工业大学 | 一种基于单双目视觉协同的螺栓定位及位姿检测方法 |
CN109355985A (zh) * | 2018-12-12 | 2019-02-19 | 湖大海捷(湖南)工程技术研究有限公司 | 一种轨道扣件自动拆卸方法及其装置 |
CN209227309U (zh) * | 2018-12-12 | 2019-08-09 | 湖大海捷(湖南)工程技术研究有限公司 | 一种轨道扣件自动拆卸装置 |
Non-Patent Citations (1)
Title |
---|
彭智勇等: "采用非经典感受野交互的钢轨紧固件螺母中心多特征分级定位算法", 《西安交通大学学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113863068A (zh) * | 2021-07-19 | 2021-12-31 | 石家庄铁道大学 | 一种弹条ⅲ型扣件的智能安装及拆卸装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102467821B (zh) | 基于视频图像的路面距离检测方法及装置 | |
CN102622886B (zh) | 一种基于视频的车辆违章变道事件检测方法 | |
CN104183133B (zh) | 一种采集和传输道路交通流动态信息的方法 | |
JP5221984B2 (ja) | 締結具の緩み検出システム及び緩み検出方法 | |
AU2019218475B2 (en) | Methods for locating points or lines of interest on a railway track, positioning and driving an intervention machine on a railway track | |
CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
CN103217111A (zh) | 一种非接触式接触线几何参数检测方法 | |
Pham et al. | Visual and 3d mapping for steel bridge inspection using a climbing robot | |
CN109766839A (zh) | 一种基于图像的轨道异物检测方法 | |
CN110565459A (zh) | 钢轨扣件拆卸位置确定方法、装置、设备及自动拆卸系统 | |
CN101615342B (zh) | 一种车辆检测方法 | |
CN115639209B (zh) | 一种钢箱梁疲劳裂纹智能检测系统及方法 | |
WO2014114402A1 (de) | Verfahren und vorrichtung zur fahrzeugvermessung | |
CN108564627B (zh) | 一种基于多区域灰度投影的线阵图像轨枕定位及计数方法 | |
CN103116743B (zh) | 一种基于在线学习的铁路障碍物检测方法 | |
EP3274979A1 (de) | Verfahren zum erkennen von bewegungen von objekten auf einer abstellfläche für fahrzeuge | |
TWI656260B (zh) | 軌道自動檢測裝置 | |
CN102706883A (zh) | 识别隧道已铺设段防水板孔洞的系统和方法 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN101216892B (zh) | 线阵ccd摄像机序列图像灰度特征识别车辆存在的方法 | |
CN108846824B (zh) | 一种基于梯度投影的线阵扫描图像轨枕定位及计数方法 | |
CN112798606A (zh) | 一种用于无砟道床表观伤损检测的系统和方法 | |
CN213303092U (zh) | 一种轨枕螺栓检测定位装置 | |
CN116988412B (zh) | 一种无人驾驶清扫机器人 | |
CN109840907A (zh) | 一种基于深度学习的钢轨磨损检测方法 |
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: 20191213 |
|
RJ01 | Rejection of invention patent application after publication |