CN111127381B - 一种受电弓滑板不平行检测方法 - Google Patents

Abstract

本发明涉及受电弓异常检测技术领域，公开了一种受电弓滑板不平行检测方法。包括以下过程：实时输入不同类型的受电弓图像；通过高斯平滑的方法对受电弓图像进行滤波去噪处理；采用梯度计算去除垂直方向上的轮廓干扰，再进行形态学处理和纹理特征计算，提取到受电弓图像轮廓；筛除干扰直线，进行直线聚类判别，提取受电弓滑板图像；根据受电弓滑板图像获取滑板空间几何特征，判断滑板异常状态。发明的技术方案对光源不敏感，适用于不同光照情况；算法参数修改方便，非专业人员也可操作；现场适用性强，适用于多个不同现场情况下、不同类型受电弓的提取；检测正确率高，误检率、漏检率低。

Description

一种受电弓滑板不平行检测方法

技术领域

本发明涉及受电弓异常检测技术领域，特别是一种受电弓滑板不平行检测方法。

背景技术

机车受电弓是电气化铁路电力机车从接触网上受取电流的装置，其滑板与接触网导线直接接触，从接触网导线上受取电流，供机车使用。受电弓滑板结构状态的好坏直接影响到列车的安全、可靠运行，其故障甚至可能造成运输中断。如果能够对受电弓滑板进行实时准确的监测，将会极大程度地减少受电弓故障发生的概率。

当前检测受电弓滑板结构异常主要有以下几种方法：1)传统人工登车检测方法，该方法的缺点为效率低、工作量大、不能检测运行中的受电弓；2)基于光纤维的检测技术，该技术的缺点为需对车辆和受电弓进行改造，投资成本太大；3)基于超声波的检测技术，该技术的缺点是超声波传感器本身特性受外界环境影响太大，且声波纺锤形发射的原理，导致该设备磨耗测量精度不够，且不能在雨雾天气正常使用。

发明内容

本发明所要解决的技术问题是：针对上述存在的问题，提供了一种受电弓滑板不平行检测方法。

本发明采用的技术方案如下：一种受电弓滑板不平行检测方法，具体包括以下过程：

步骤1，实时输入不同类型的受电弓图像；

步骤2，通过高斯平滑的方法对受电弓图像进行滤波去噪处理；

步骤3，采用梯度计算去除垂直方向上的轮廓干扰，再进行形态学处理和纹理特征计算，提取到受电弓图像轮廓；

步骤4，筛除干扰直线，进行直线聚类判别，提取受电弓滑板图像；

步骤5，根据受电弓滑板图像获取滑板空间几何特征，判断滑板异常状态。

进一步的，所述步骤1中，所述受电弓图像格式为JPG编码，图像尺寸不唯一。

进一步的，所述步骤2中，所述高斯平滑是采用二维高斯核的卷积算子进行图像模糊化，所述二维高斯核可表示为：

其中σ是正态分布的标准偏差，x、y为坐标轴。

进一步的，所述步骤3中，梯度计算的具体过程为：

获取图像中的像素点(x,y)的梯度为：

G_x(x,y)＝H(x+1,y)-H(x-1,y) (1)

Gy(x,y)＝H(x,y+1)-H(x,y-1) (2)

根据以上式子(1)(2)，可得到像素点(x,y)处的梯度幅值G(x，y)和梯度方向

对梯度幅值进行二值化处理，取出梯度幅度大于设定值的点，设置所述点的像素为225。

进一步的，所述步骤3中，所述形态学处理包括形态学滤波膨胀和腐蚀处理。

进一步的，所述步骤3中，所述纹理特征计算的具体过程为：遍历图像像素，针对该像素在0度、-45度、-90度、-135度方向上灰度值为255的每个像素，分别计算所有长度的行程，滤除掉不满足设定阈值的行程，并将每个行程拟合成一条直线。

进一步的，所述步骤4中，筛除干扰直线的具体过程为：

计算每条直线的长度len和直线与y轴之间的夹角θ，设定直线阈值，筛除直线长度len小于直线阈值的直线；并根据现场拍摄图像的相机角度设定角度阈值，去除不在角度阈值范围内的直线。

进一步的，所述步骤4中，直线聚类判别的具体过程为：

(1)计算每条直线中心点坐标(x,y)，利用中心点横坐标x将所有直线在X轴方向上进行由低到高排序；获取所有直线中心点坐标中x最小的一根直线l₁，沿着x增大的方向依次计算剩余直线与直线l₁的直线距离；(2)如果有直线l₂与直线l₁的直线距离差小于设定阈值，且直线l₂与直线l₁的角度相似，则判断两条直线属于同一类别；(3)否则不属于同一类，返回步骤(1)，针对直线l₂和比直线l₂中心点的x大的直线之间进行计算和判别，以此类推，获取多组直线群。

进一步的，所述步骤4中，提取受电弓滑板图像具体过程为：对每一组直线群，依次获取其中的所有直线两端端点坐标，根据所有端点坐标可计算获取该直线群所在的最小外接矩形，所述矩形即为滑板图像。

进一步的，所述步骤5的具体过程为：

根据拍摄图像的相机角度，获取正常受电弓滑板角度的变化范围(m～n)；根据滑板图像，计算图像中受电弓滑板的角度；如果当前图像中受电弓滑板的角度不在范围(m～n)内，则判断当前受电弓滑板结构异常；若当前图像中的受电弓滑板角度在范围(m～n)内，计算滑条之间的角度差d，如果d超出设定阈值范围，则判断当前受电弓滑板结构异常；计算当前图像中滑板的长度，如果滑板长度小于设定阈值范围，则判定为受电弓结构异常。

现有技术相比，采用上述技术方案的有益效果为：

1、本发明的技术方案对光源不敏感。该方法可适用于不同光照情况下的受电弓图像提取，白天、晚上均可以使用。

2、本发明的技术方案算法参数修改方便。代码写好以后，无需专业人员，其他非专业人员可进行相关参数的训练、修改。

3、本发明的技术方案现场适用性强。同一套算法参数可适用于多个不同现场情况下，不同类型受电弓的提取。

4、本发明的技术方案检测正确率高。误检率、漏检率低。

附图说明

图1是本发明受电弓滑板不平行检测方法流程示意图。

图2是本发明纹理特征计算示意图。

具体实施方式

下面结合附图对本发明做进一步描述。

如图1所示，一种受电弓滑板不平行检测方法，具体包括以下过程：

步骤1，实时输入不同类型的受电弓图像，图像拍摄是全天持续不断的；

步骤2，通过高斯平滑的方法对受电弓图像进行滤波去噪处理；

步骤3，采用梯度计算去除垂直方向上的轮廓干扰，再进行形态学处理和纹理特征计算，提取到受电弓图像轮廓；

步骤4，筛除干扰直线，进行直线聚类判别，提取受电弓滑板图像；

步骤5，根据受电弓滑板图像获取滑板空间几何特征，判断滑板异常状态。

优选地，所述步骤1中，所述受电弓图像格式为JPG编码，图像尺寸不唯一。

优选地，所述步骤2中，所述高斯平滑是采用二维高斯核的卷积算子进行图像模糊化，所述二维高斯核可表示为：

其中σ是正态分布的标准偏差，x、y为坐标轴。因为受电弓图像是白天、晚上24小时全天候拍摄，因此会存在光照不均匀、图像对比度较低的情况；另外，相机自身电子干扰、采用JPEG格式对受电弓原始图像进行压缩等一些原因，容易使得所拍摄图像中会有噪声。通过上述过程对相机拍摄的原始图像进行高斯平滑的预处理，主要去除孤立噪点的干扰。从数学的角度来看，图像的高斯平滑过程其实就是图像与正态分布做卷积，因此正态分布也叫做高斯分布。对于图像来说，高斯平滑是利用一个二维高斯核的卷积算子，用于图像模糊化(去除细节和噪声)。上述高斯平滑过程可以提高后续的图像轮廓提取准确度，从而有助于受电弓滑板提取以及滑板结构异常缺陷判定的准确率。

轮廓提取主要包括梯度计算、形态学处理、纹理特征计算等几个步骤：

优选地，所述步骤3中，梯度计算是求取图像在滑条方向的梯度图，去除与其垂直方向的轮廓干扰，减少后续程序处理时间。

梯度计算的具体过程为：

获取图像中的像素点(x,y)的梯度为：

G_x(x,y)＝H(x+1,y)-H(x-1,y) (1)

Gy(x,y)＝H(x,y+1)-H(x,y-1) (2)

根据以上式子(1)(2)，可得到像素点(x,y)处的梯度幅值G(x，y)和梯度方向

输入高斯平滑后的受电弓图像，为克服光照影响，首先对图像进行x方向的梯度计算。从图像上看，受电弓碳滑板是几乎是垂直于车体，垂直于x轴，所以我们对平滑后的图像进行x方向的梯度计算，具体如公式(1)所示，从而滤除图像中其他方向的梯度信息。由于梯度幅值表示了像素突变的强度，受电弓滑板边缘是像素突变较强区域，我们可对梯度幅值进行二值化处理，设定某一阈值，将大于阈值的像素设定为255，其余像素设定为0。

优选地，所述步骤3中，所述形态学处理包括形态学滤波膨胀和腐蚀处理。上述过程可以滤除噪声，连接断裂的边缘，去除孤立噪点、消除小轮廓、平滑较大轮廓边界，减少干扰。

膨胀：采用向量加法对两个集合进行合并。膨胀

是所有向量加之和的集合，向量加法的两个操作数分别来自X和B，并且取到任意可能的组合，其中x和b分别为其子集，p为图像的每个点，ε²为图像中的所有像素点。膨胀用来填补物体中的空洞和狭窄的缝隙。它使物体的尺寸变大。如果需要保持物体原来的尺寸，膨胀应与下述的腐蚀相结合。

腐蚀：对集合元素采用向量减法，将两个集合合并，腐蚀是膨胀的对偶运算。腐蚀和膨胀都是不可逆运算。腐蚀可以用来简化物体的结构，那些只有一个像素宽的物体或物体的部分将被去掉。

优选地，所述步骤3中，所述纹理特征计算是对形态学处理后的图像进行行程特征计算，检测出图像中所有可能的行程。具体过程为：

如图2所示，基元是在一条直线上具有恒定灰度级的像素的最大连续集，而在不同方向上的基元的长度可以作为一种纹理描述，即行程，且这些可以用灰度级、长度以及方向来描述。纹理描述特征可按如下方式确定：遍历图像像素，针对该像素在0度、-45度、-90度、-135度方向上灰度值为255的每个像素，分别计算所有长度的行程，通过一定的阈值滤除不符合要求(设定阈值，行程长度小于阈值即不符合要求)的行程，并将每个行程拟合成一条直线。

优选地，所述步骤4中，筛除干扰直线的具体过程为：计算每条直线的长度len和直线与y轴之间的夹角θ，设定直线阈值，筛除直线长度len小于直线阈值的直线；并根据现场拍摄图像的相机角度设定角度阈值，去除不在角度阈值范围内的直线。

优选地，所述步骤4中，直线聚类判别的具体过程为：

(1)计算每条直线中心点坐标(x,y)，利用中心点横坐标x将所有直线在X轴方向上进行由低到高排序；获取所有直线中心点坐标中x最小的一根直线l₁，沿着x增大的方向依次计算剩余直线与直线l₁的直线距离；(2)如果有直线l₂与直线l₁的直线距离差小于设定阈值，且直线l₂与直线l₁的角度相似，则判断两条直线属于同一类别；(3)否则不属于同一类，返回步骤(1)，针对直线l₂和比直线l₂中心点的x大的直线之间进行计算和判别，以此类推，获取多组直线群。

优选地，所述步骤4中，聚类后，图像中会呈现出多组直线群(每个直线群为一个直线类别)，基于此来提取受电弓滑板图像。具体过程为：对每一组直线群，依次获取其中的所有直线两端端点坐标，根据所有端点坐标可计算获取该直线群所在的最小外接矩形，所述矩形即为滑板图像。

优选地，滑板结构异常判定需结合滑板的空间几何特征，如滑板长度、角度等。所述步骤5判断滑板异常状态的具体过程为：

由于同一线路相机的实际安装角度为固定，根据拍摄图像的相机角度，获取正常受电弓滑板角度的变化范围(m～n)；根据滑板图像，计算图像中受电弓滑板的角度；如果当前图像中受电弓滑板的角度不在范围(m～n)内，则判断当前受电弓滑板结构异常；若当前图像中的受电弓滑板角度在范围(m～n)内，计算滑条之间的角度差d，如果d超出设定阈值范围，则判断当前受电弓滑板结构异常；计算当前图像中滑板的长度，如果滑板长度小于设定阈值范围(每一类型的受电弓长度为固定)，则判定为受电弓结构异常。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。如果本领域技术人员，在不脱离本发明的精神所做的非实质性改变或改进，都应该属于本发明权利要求保护的范围。

Claims (6)

1.一种受电弓滑板不平行检测方法，其特征在于，具体包括以下过程：

步骤1，实时输入不同类型的受电弓图像；

步骤2，通过高斯平滑的方法对受电弓图像进行滤波去噪处理；

步骤3，采用梯度计算去除垂直方向上的轮廓干扰，再进行形态学处理和纹理特征计算，提取到受电弓图像轮廓；

步骤4，筛除干扰直线，进行直线聚类判别，提取受电弓滑板图像；

所述步骤4中，筛除干扰直线的具体过程为：

计算每条直线的长度len和直线与y轴之间的夹角θ，设定直线阈值，筛除直线长度len小于直线阈值的直线；并根据现场拍摄图像的相机角度设定角度阈值，去除不在角度阈值范围内的直线；

直线聚类判别的具体过程为：

(1)计算每条直线中心点坐标(x,y)，利用中心点横坐标x将所有直线在X轴方向上进行由低到高排序；获取所有直线中心点坐标中x最小的一根直线l₁，沿着x增大的方向依次计算剩余直线与直线l₁的直线距离；(2)如果有直线l₂与直线l₁的直线距离差小于设定阈值，且直线l₂与直线l₁的角度相似，则判断两条直线属于同一类别；(3)否则不属于同一类，返回步骤(1)，针对直线l₂和比直线l₂中心点的x大的直线之间进行计算和判别，以此类推，获取多组直线群；

提取受电弓滑板图像具体过程为：对每一组直线群，依次获取其中的所有直线两端端点坐标，根据所有端点坐标可计算获取该直线群所在的最小外接矩形，所述矩形即为滑板图像；

步骤5，根据受电弓滑板图像获取滑板空间几何特征，判断滑板异常状态；

所述步骤5的具体过程为：

根据拍摄图像的相机角度，获取正常受电弓滑板角度的变化范围(m～n)；根据滑板图像，计算图像中受电弓滑板的角度；如果当前图像中受电弓滑板的角度不在范围(m～n)内，则判断当前受电弓滑板结构异常；若当前图像中的受电弓滑板角度在范围(m～n)内，计算滑条之间的角度差d，如果d超出设定阈值范围，则判断当前受电弓滑板结构异常；计算当前图像中滑板的长度，如果滑板长度小于设定阈值范围，则判定为受电弓结构异常。

2.如权利要求1所述的受电弓滑板不平行检测方法，其特征在于，所述步骤1中，所述受电弓图像格式为JPG编码，图像尺寸不唯一。

3.如权利要求2所述的受电弓滑板不平行检测方法，其特征在于，所述步骤2中，所述高斯平滑是采用二维高斯核的卷积算子进行图像模糊化，所述二维高斯核可表示为：

其中σ是正态分布的标准偏差，x、y为坐标轴。

4.如权利要求3所述的受电弓滑板不平行检测方法，其特征在于，所述步骤3中，梯度计算的具体过程为：

获取图像中的像素点(x,y)的梯度为：

G_x(x,y)＝H(x+1,y)-H(x-1,y) (1)

Gy(x,y)＝H(x,y+1)-H(x,y-1) (2)

根据以上式子(1)(2)，可得到像素点(x,y)处的梯度幅值G(x，y)和梯度方向

对梯度幅值进行二值化处理，取出梯度幅度大于设定值的点，设置所述点的像素为225。

5.如权利要求4所述的受电弓滑板不平行检测方法，其特征在于，所述步骤3中，所述形态学处理包括形态学滤波膨胀和腐蚀处理。

6.如权利要求5所述的受电弓滑板不平行检测方法，其特征在于，所述步骤3中，所述纹理特征计算的具体过程为：遍历图像每个像素，针对该像素在0度、-45度、-90度、-135度方向上灰度值为255的每个像素，分别计算所有长度的行程，滤除掉不满足设定阈值的行程，并将每个行程拟合成一条直线。

Images