CN111223055B - 一种列车车轮踏面图像校正方法 - Google Patents
一种列车车轮踏面图像校正方法 Download PDFInfo
- Publication number
- CN111223055B CN111223055B CN201911138306.2A CN201911138306A CN111223055B CN 111223055 B CN111223055 B CN 111223055B CN 201911138306 A CN201911138306 A CN 201911138306A CN 111223055 B CN111223055 B CN 111223055B
- Authority
- CN
- China
- Prior art keywords
- image
- correction
- points
- train wheel
- curve
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000003702 image correction Methods 0.000 title claims abstract description 12
- 238000012937 correction Methods 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 238000005070 sampling Methods 0.000 claims abstract description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims 2
- 238000004364 calculation method Methods 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- G06T5/80—
-
- 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
Abstract
本发明公开了一种列车车轮踏面图像校正方法，该方法采用基于图像的透视校正和曲面校正来对用于在线检测的列车车轮踏面图像进行校正处理，不再采用传统的基于相机参数的校正方法，降低了算法的复杂度，更加适用于对动态拍摄的列车车轮踏面图像进行缺陷检测前的预处理；所述透视校正方法：对动态运行中从斜下方拍摄的列车车轮图像进行基于轮辋变形位置的透视校正，采用基于随机抽样一致算法RANSAC的鲁棒算法得到透视校正图像；与现有技术相比，本发明使用图像本身的标定点取代了在不确定检测环境中易受干扰的相机拍摄参数；透视校正与曲面校正后的图像更加有利于后续的多图像拼接与缺陷检测。
Description
技术领域
本发明涉及图像处理技术领域，具体是一种列车车轮踏面图像的校正方法。
背景技术
随着我国高铁交通日益发达，运营里程在不断增长，年客运总量飞速提升，高铁交通成为我国运输交通重要方式。列车轮对是列车运行部件中重要的部分之一，车轮的工作状态将会直接影响到列车的运行速度和安全，车轮出现问题会造成难以想象的后果，列车维修人员必须按时检测车轮状态，及时发现车轮问题，更换超限车轮，从而避免列车事故的发生。车轮最重要的一个状态参数就是踏面损伤情况，踏面损伤大小对车轮寿命影响最大。由于目前所得到的踏面图像大多是在列车动态运行中拍摄的，相机安装于铁轨旁，由于震动等因素导致相机的参数与拍摄状态易受干扰，因此传统基于相机参数的图像校正方法在应用上存在困难，急需一种不依赖于相机参数的踏面图像校正方法。以下将通过具体实施方法结合附图对本发明的目的和方法进行详细阐述。
发明内容
本发明解决的技术问题是：提供一种列车车轮踏面图像校正方法，解决由于相机拍摄参数导致的图像变形问题。
为了达到上述目的，本发明采用下述技术方案：一种列车车轮踏面图像校正方法：采用基于图像的透视校正和曲面校正来对用于在线检测的列车车轮踏面图像进行处理；所述透视校正方法：对动态运行中从斜下方拍摄的列车车轮图像进行基于轮辋变形位置的透视校正，采用基于随机抽样一致算法RANSAC的鲁棒算法得到透视校正图像；所述曲面校正方法，采用如下步骤：
(1)首先对车轮踏面图像进行左右边缘的提取；
(2)对提取的边缘曲线点进行二次插值补齐不连续点；
(3)计算校正系数index；
(4)对原始图像每一行和每一列逐点计算校正后的位置，在计算坐标值时对浮点数进行取整；
(5)对取整跳点导致的摩尔纹进行基于临近点的线性平滑后得到最终校正后图像。
与现有技术相比，本发明具有以下有益效果：
(1)使用图像本身的标定点取代了在不确定检测环境中易受干扰的相机拍摄参数；
(2)透视校正与曲面校正后的图像更加有利于后续的多图像拼接与缺陷检测。
附图说明
图1为现有技术拍摄的原始图像示意图；
图2为本发明通过透视校正方法后的图像示意图：
图3为本发明通过边缘提取后的图像示意图；
图4为本发明通过曲面校正方法后的图像示意图；
图5为本发明列车车轮踏面图像校正方法的最终完成图像示意图。
具体实施方式
下面结合附图对本发明做进一步说明。
一种列车车轮踏面图像校正方法，采用基于图像的透视校正和曲面校正来对用于在线检测的列车车轮踏面图像进行处理；所述透视校正方法：对动态运行中从斜下方拍摄的列车车轮图像进行基于轮辋变形位置的透视校正，采用基于随机抽样一致算法RANSAC的鲁棒算法得到透视校正图像；所述曲面校正方法，采用如下步骤：
(1)首先对车轮踏面图像进行左右边缘的提取；
(2)对提取的边缘曲线点进行二次插值补齐不连续点；
(3)计算校正系数index；
(4)对原始图像每一行和每一列逐点计算校正后的位置，在计算坐标值时对浮点数进行取整；
(5)对取整跳点导致的摩尔纹进行基于临近点的线性平滑后得到最终校正后图像。
1、透视校正方法
以图1所示的使用现有技术拍摄的原始图像为例，在图像上直接按照左上、右上、右下、左下的顺序标定4个感兴趣的轮辋变形位置点，并采集这4个点在原始图像上的坐标数据。确定轮辋变形位置点在目标图像上的位置点，采用基于随机抽样一致算法(RANSAC)的鲁棒算法得到原始图像上所有点到校正后图像上的目标点的转换矩阵，通过转换矩阵得到透视校正图像如图2所示。
RANSAC算法采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数。RANSAC算法假设数据中包含正确数据和异常数据。正确数据记为内点，异常数据记为外点。同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。该算法核心思想就是随机性和假设性，随机性是根据正确数据出现概率去随机选取抽样数据，根据大数定律，随机性模拟可以近似得到正确结果。假设性是假设选取出的抽样数据都是正确数据，然后用这些正确数据通过问题满足的模型，去计算其他点，然后对这次结果进行评估。
2、左右边缘线的提取与拟合方法
在畸变校正后图像上标出左右边缘线特征点，通过最小二乘三次拟合算法得到连续的左右边缘线曲线描述。最小二乘法拟合是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳二次函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小，结果如图3所示。
3、曲面校正与提取方法
首先计算曲面校正系数index，方法为：
ratio＝(Rightcol_line-Leftcol_line)/(Rightcol_curve-Leftcol_curve)
offset＝Leftcol_line-(Rightcol_line-Leftcol_line)/(Rightcol_curve-Leftcol_curve)*Leftcol_curve
index＝ratio*Rightcol_curve+offset
其中
Leftcol_line：左直线边缘线列位置
Rightcol_line：右直线边缘线列位置
Leftcol_curve：左曲线边缘线列位置
Rightcol_curve：右曲线边缘线列位置
ratio：斜率
offset：偏移量
左、右曲线边缘线列位置来自上一步边缘线提取的结果，左、右直线线边缘线列位置可由用户指定于原图上的特定位置。
得到校正系数后对原图像每一行和每一列逐点计算校正后的位置，在计算坐标值时对浮点数进行取整，对计算超出部分进行基于左右直线边缘线的限幅处理，结果如图4所示。
4、摩尔纹处理
采用基于临近点平滑的精确插值方法处理校正图片中存在的摩尔纹问题。在图像校正过程中按列保存每个校正过的点集，在校正完成后对点集进行连续性检查，记录下每个取整造成的跳点，然后按行进行临近点插值得到跳点像素值，补入校正图像。最终得到的结果图像如图5所示。
本发明所述的一种列车车轮踏面图像校正方法，采用基于图像的透视校正和曲面校正来对用于在线检测的列车车轮踏面图像进行处理；使用图像本身的标定点取代了在不确定检测环境中易受干扰的相机拍摄参数；通过透视校正与曲面校正后的图像更加有利于后续的多图像拼接与缺陷检测，解决了现有技术中由于相机拍摄参数导致的图像变形问题。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本发明未涉及的技术均可通过现有技术加以实现。
Claims (6)
1.一种列车车轮踏面图像校正方法，其特征在于：该方法采用基于图像的透视校正和曲面校正来对用于在线检测的列车车轮踏面图像进行处理；所述透视校正方法：对动态运行中从斜下方拍摄的列车车轮图像进行基于轮辋变形位置的透视校正，采用基于随机抽样一致算法RANSAC的鲁棒算法得到透视校正图像；所述曲面校正方法，采用如下步骤：
(1)首先对车轮踏面图像进行左右边缘的提取；
(2)对提取的边缘曲线点进行二次插值补齐不连续点；
(3)计算校正系数index；
(4)对原始图像每一行和每一列逐点计算校正后的位置，在计算坐标值时对浮点数进行取整；
(5)对取整跳点导致的摩尔纹进行基于临近点的线性平滑后得到最终校正后图像。
2.根据权利要求1所述的列车车轮踏面图像校正方法，其特征在于，所述透视校正方法：在原始图像上直接按照左上、右上、右下、左下的顺序标定4个感兴趣的轮辋变形位置点，并采集这4个点在原始图像上的坐标数据；确定轮辋变形位置点在目标图像上的位置点，采用基于随机抽样一致算法RANSAC的鲁棒算法得到原始图像上所有点到校正后图像上的目标点的转换矩阵，通过转换矩阵得到透视校正图像。
3.根据权利要求1或2所述的列车车轮踏面图像校正方法，其特征在于：所述RANSAC算法采用迭代的方式从一组包含离群的被观测数据中估算出数学模型的参数，RANSAC算法假设数据中包含正确数据和异常数据，正确数据记为内点，异常数据记为外点，同时RANSAC也假设，给定一组正确的数据，存在可以计算出符合这些数据的模型参数的方法。
4.根据权利要求1所述的列车车轮踏面图像校正方法，其特征在于，左右边缘线的提取：在透视校正图像上标出左右边缘线特征点，通过最小二乘三次拟合算法得到连续的左右边缘线曲线描述。
5.根据权利要求1所述的列车车轮踏面图像校正方法，其特征在于，所述校正系数index的计算方法为：
ratio＝(Rightcol_line-Leftcol_line)/(Rightcol_curve-Leftcol_curve)
offset＝Leftcol_line-(Rightcol_line-Leftcol_line)/(Rightcol_curve-Leftcol_curve)*Leftcol_curve
index＝ratio*Rightcol_curve+offset
其中：Leftcol_line：左直线边缘线列位置；Rightcol_line：右直线边缘线列位置；Leftcol_curve：左曲线边缘线列位置；Rightcol_curve：右曲线边缘线列位置；ratio：斜率；offset：偏移量；
左、右曲线边缘线列位置来自上一步边缘线提取的结果，左、右直线线边缘线列位置可由用户指定于原图上的特定位置。
6.根据权利要求1所述的列车车轮踏面图像校正方法，其特征在于，所述摩尔纹的处理：在图像校正过程中按列保存每个校正过的点集，在校正完成后对点集进行连续性检查，记录下每个取整造成的跳点，然后按行进行临近点插值得到跳点像素值，补入校正图像。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138306.2A CN111223055B (zh) | 2019-11-20 | 2019-11-20 | 一种列车车轮踏面图像校正方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911138306.2A CN111223055B (zh) | 2019-11-20 | 2019-11-20 | 一种列车车轮踏面图像校正方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111223055A CN111223055A (zh) | 2020-06-02 |
| CN111223055B true CN111223055B (zh) | 2023-05-02 |
Family
ID=70827674
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911138306.2A Active CN111223055B (zh) | 2019-11-20 | 2019-11-20 | 一种列车车轮踏面图像校正方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111223055B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112270656B (zh) * | 2020-09-10 | 2022-02-22 | 成都市精卫鸟科技有限责任公司 | 一种图像校正方法、装置、设备和介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6970592B2 (en) * | 2000-09-04 | 2005-11-29 | Fujitsu Limited | Apparatus and method for correcting distortion of input image |
| CN104554344B (zh) * | 2014-12-19 | 2017-08-25 | 苏州华兴致远电子科技有限公司 | 踏面缺陷信息检测系统及方法 |
| CN106856003B (zh) * | 2016-12-31 | 2019-06-25 | 南京理工大学 | 轴类工件侧表面缺陷检测图像的展开校正方法 |
| CN107180416B (zh) * | 2017-05-17 | 2018-06-05 | 石家庄铁道大学 | 火车车轮踏面图像畸形校正方法及系统 |
| CN109842756A (zh) * | 2017-11-28 | 2019-06-04 | 东莞市普灵思智能电子有限公司 | 一种镜头畸变矫正和特征提取的方法及系统 |
-
2019
- 2019-11-20 CN CN201911138306.2A patent/CN111223055B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111223055A (zh) | 2020-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112233092A (zh) | 一种用于无人机电力巡检智能缺陷检测的深度学习方法 | |
| CN103593826B (zh) | 图像环形伪影校正方法 | |
| CN109917430B (zh) | 一种基于轨迹平滑算法的卫星定位轨迹漂移纠偏方法 | |
| CN102184544B (zh) | 校畸和识别围棋棋谱图像的方法 | |
| US9224198B2 (en) | Analysis of the digital image of the surface of a tyre and processing of non-measurement points | |
| CN111223055B (zh) | 一种列车车轮踏面图像校正方法 | |
| CN108871185B (zh) | 零件检测的方法、装置、设备以及计算机可读存储介质 | |
| CN111145205B (zh) | 基于红外图像的多猪只场景下猪体温检测方法 | |
| CN109767407B (zh) | 一种去雾过程中大气透射率图像的二次估计方法 | |
| CN116883446B (zh) | 一种车载摄像头镜片碾磨程度实时监测系统 | |
| CN109801223A (zh) | 一种点云去噪及空洞修补方法 | |
| CN117030620A (zh) | 一种基于多源光学遥感卫星影像区域网平差的方法及装置 | |
| CN109685757B (zh) | 一种基于灰度差分统计的无参考图像质量评价方法及系统 | |
| CN113570560B (zh) | 一种遥感影像几何模型错误的快速检测方法 | |
| CN112446912B (zh) | 一种金融票据宽度计算方法 | |
| CN106354333B (zh) | 一种提高触控系统跟踪精确度的方法 | |
| CN111462216B (zh) | 一种圆形阵列标定板中圆心像素坐标确定方法 | |
| CN115619873A (zh) | 一种基于轨迹溯源的雷视自动标定方法 | |
| CN114187247A (zh) | 一种基于图像配准的安瓿瓶印刷字缺陷检测方法 | |
| CN107650122A (zh) | 一种基于3d视觉识别的机器人手爪定位系统及其定位方法 | |
| CN114387318A (zh) | 遥感影像自动配准方法、装置、电子设备及存储介质 | |
| CN106767577A (zh) | 一种法兰螺纹孔带超声检测系统定位方法 | |
| CN115690098B (zh) | 一种检测铁丝断裂和丢失的方法 | |
| CN114429588B (zh) | 应用于矿山环境恢复治理的数据处理方法及系统 | |
| CN111062879B (zh) | 一种检测图像中渐开线的图像方法 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 210019 floor 12, building 01, No. 8, Bailongjiang East Street, Jianye District, Nanjing, Jiangsu Province Applicant after: NANJING TYCHO INFORMATION TECHNOLOGY Co.,Ltd. Address before: Room 113, 11 / F, building 03, No. 18, Jialing Jiangdong Street, Jianye District, Nanjing City, Jiangsu Province, 210019 Applicant before: NANJING TYCHO INFORMATION TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |