CN111242052B - 一种接触网刚柔导线自动判别方法及装置 - Google Patents
一种接触网刚柔导线自动判别方法及装置 Download PDFInfo
- Publication number
- CN111242052B CN111242052B CN202010045889.0A CN202010045889A CN111242052B CN 111242052 B CN111242052 B CN 111242052B CN 202010045889 A CN202010045889 A CN 202010045889A CN 111242052 B CN111242052 B CN 111242052B
- Authority
- CN
- China
- Prior art keywords
- rigid
- wire
- flexible
- targets
- target
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于本发明接触网智能检测技术领域,公开了一种接触网刚柔导线自动判别方法,包括对刚性导线的预识别和判别、然后通过mask掩膜处理后再进行柔性导线的识别,将刚性导线和柔性导线的识别结果融合并将识别结果输出。本方法依据非接触式结构激光光源辅助和成像装置,主要用于测量导线高度和拉出值,尤其指应用于地铁电气线路设计中同时包含刚性导线和柔性导线的测量场景。
Description
技术领域
本发明接触网智能检测技术领域,尤其涉及一种接触网刚柔导线自动判别方法。
背景技术
在电气化铁路设计中,接触网主要由接触悬挂、定位装置、支持装置、支柱及相关基础设施等构成,是沿铁路线上空架设的一种特殊输电线路。它的功能是通过导线与受电弓之间的接触,从而为电力机车提供电能。
而评价接触网受流性能主要参考两个状态参数:几何参数和动力学参数。几何参数包括导线高度、拉出值、定位管坡度、线岔、导线磨耗和支柱位置等,其中,导线可分为刚性导线和柔性导线两种类型,柔性导线主要应用于露天环境的线路设计,而刚性导线主要应用于地铁等线路的隧道环境中。
在地铁接触网几何参数测量中,由于存在两种不同类型的导线分别应用于隧道内和隧道外,并且两种导线的设计高度不一致。因此,在实际测量过程中,将会存在一个线路刚柔过渡区间,该区间由刚性导线逐步过渡为柔性导线,或反之。而目前主要的基于非接触式几何参数测量方法,根据导线不同类型,在不同的线路区间独立分开测量几何参数数据,在完成整条线路的数据测量之后,最后对线路所有完整数据进行整合,整合的参考标准主要是不同类型导线的安装位置。按照这种方法,由于线路刚柔过渡区间同时具备两种不同类别的导线,因此测量数据将会发生较大误差。
发明内容
为了克服上述现有技术中存在的问题和不足,本发明旨在于提供一种接触网刚柔导线自动判别方法,依据非接触式结构激光光源辅助和成像装置,主要用于测量导线高度和拉出值,尤其指应用于地铁电气线路设计中同时包含刚性导线和柔性导线的测量场景。
本发明的一种接触网刚柔导线自动判别方法,包括以下步骤:
刚性导线预识别定位步骤,采用刚性导线识别方法对成像图像进行处理,检测出所有疑似为刚性导线目标的候选项;
刚性导线判别识别步骤,对图像预处理步骤的结果进行判别,在疑似为刚性导线目标位置的候选项中识别出真实刚性导线目标;在结构光光源辅助成像的面阵相机中,刚性接触网导线主要以导线横截面轮廓形状展示,除此之外,相机图像中,还将可能包括定位装置等其他接触网悬挂设备组件的轮廓成像,定位装置的成像特征与柔性导线相似,从而给直接导线定位造成干扰。因此,首先就需要对图像中的真实刚性导线轮廓位置进行提取定位。
柔性导线预识别步骤,根据刚性导线判别识别步骤的识别结果,在原始图像中将对应的刚性导线目标进行图像掩膜Mask屏蔽;用于覆盖的特定图像或物体称为掩模或模板,图像的掩膜(Mask),即用选定的图像、图形或物体对处理的图像(全部或局部)进行遮挡,来控制图像处理的区域或处理过程,这里选定的即上一步确定的刚性导线区域。
柔性导线识别步骤,对经过柔性导线预识别步骤处理的原始图像,采用柔性导线识别方法进行处理,检测出柔性导线目标。
刚柔整合输出步骤,将刚性导线判别识别步骤和柔性导线识别步骤的识别结果进行整合并输出刚性导线目标和柔性导线目标,作为最终的导线识别结果输出。
优选地,所述刚性导线预识别定位步骤和柔性导线识别步骤中识别出真实的刚性导线和柔性识别的方法,具体包括以下步骤:
图像阈值化步骤,从原始图像的灰度图像中提取作为前景目标的疑似为刚性导线目标的候选项,将图像中所有前景目标与背景的分割;
连通区域提取步骤,采用多邻域提取方法,如经典的8邻域提取方法,将经过图像阈值化步骤的图像中离散的前景目标点形成具备区域特征和/或形状的若干个连通目标集合,这些连通目标集合是能够代表导线等具备区域特征和/或形状的疑似目标,而离散的前景目标点就是提取前景目标后图像中不连续、间断的像素点,是指与背景分割后个别间断的像素点。
Blob几何分析步骤,对连通区域提取步骤得到的若干个连通目标集合进行几何特征的分析,滤除连通目标集合中可能的干扰伪目标并对存在局部断裂的目标进行区域融合;
形状判别分析步骤,基于刚性导线的成像轮廓形状,对经过所述Blob几何分析步骤后的连通目标集合中每个候选的目标区域进行判别,滤除非刚性导线伪目标;
导线轮廓定位输出步骤,刚性导线处于左右两侧汇流排固定的中间位置,其成像表现为位于目标连通区域的最底部,因此,该步骤的主要功能就是计算得到刚性导线目标的最底部点位置,作为导线的实际位置输出。
所述Blob几何分析步骤中,滤除连通目标集合中可能的干扰伪目标并对存在局部断裂的目标进行区域融合主要参考的特征包括导线的成像尺寸、锚段区域工作支、非工作支导线成像相互之间的位置关系等。
而进一步的,所述柔性导线识别步骤中识别出真实的柔性导线,其图像处理基本逻辑与刚性导线的定位流程基本保持一致,其与刚性导线定位方法的不同在于,在所述Blob几何分析步骤中,滤除连通目标集合中的干扰伪目标时需要参考连通目标集合中疑似柔性导线的目标是否以成对的方式出现以及成对柔性导线之间的间距,利用地铁双柔性导线的成对特征,可显著有效地滤除非柔性导线的干扰伪目标。
进一步的,所述刚性导线判别步骤中,对图像预处理步骤的结果进行判别,具体是:
首先离线提取生成一个标准的刚性导线形状轮廓点集模型A,这里的“离线提取生成”是指在具体运用前先在线下或其他方式获取一个作为参考模型的轮廓数据;
然后在实时检测过程中,对所述刚性导线预识别定位步骤得到的所有疑似为刚性导线目标的候选项,按照标准导线的几何形状区域大小,在原相机图像中计算提取形状轮廓点集B;
最后,通过双向标准距离公式H(A,B)=max(h(A,B),h(B,A),判别候选目标位置是否为刚性导线,其中h(A,B)和h(B,A)分别称为从A集合到B集合和从B集合到A集合的单向距离,即h(A,B)是首先对点集A中的每个点ai到距其最近的B集合中点bj之间的距离||ai-bj||进行排序,然后取该距离中的最大值作为h(A,B)的值,h(B,A)同理可得,因此,双向标准距离H(A,B)是单向距离h(A,B)和h(B,A)两者中的较大者,它度量了两个点集间的最大不匹配程度。
所述刚柔整合输出步骤,主要是参考线路设计的基本规范标准和结构光面阵相机成像基本原理,具体的,是将高差和拉出值方向落入设定阈值范围内的刚性导线目标和柔性导线目标按照与前一帧的导线位置接近的关系顺序输出,这样,就能保障整条线路几何参数导高以及拉出值的过渡连续性,而不会发生反复跳变,而这里前一帧是上一时刻的图像帧,若干张图像处理的结果之间按照帧的顺序进行排序的。
有益效果:
本发明的接触网刚柔导线自动判别方法,摆脱了低精度定位导致的刚柔过渡区间绝对划分所带来的误差,能够保证在线路刚柔过渡区间的两种不同导线之间的几何参数测量数据输出连续性,同时也可以表现同一个位置的刚性导线与柔性导线之间的相互关系。
本发明的接触网刚柔导线自动判别方法先进行刚性导线定位,对刚性导线区域进行Mask屏蔽之后再进行柔性导线定位,有效避免了刚性导线附近定位装置对于柔性导线定位的干扰,提高了柔性导线的定位效率和准确度。
由于判别目标的可区分性较强,本发明的候选刚性导线的判别步骤区别于计算复杂度更高的分类器训练判别方法,采用了能满足实时检测的点集相似性计算方法,完成刚性导线的判别。
附图说明
本发明的前述和下文具体描述在结合以下附图阅读时变得更清楚,附图中:
图1为本发明刚柔导线自动判别方法流程图;
图2为本发明刚性导线定位流程图。
具体实施方式
下面通过几个具体的实施例来进一步说明实现本发明目的技术方案,需要说明的是,本发明要求保护的技术方案包括但不限于以下实施例。
本实施例公开了一种接触网刚柔导线自动判别方法,如图1,首先采用刚性导线识别方法对成像图像进行处理,检测出所有可能的刚性导线目标位置候选项,这是对刚性导线的预识别定位;
但是在结构光光源辅助成像的面阵相机中,刚性接触网导线主要以导线横截面轮廓形状展示,除此之外,相机图像中,还将可能包括定位装置等其他接触网悬挂设备组件的轮廓成像,定位装置的成像特征与柔性导线相似,从而给直接导线定位造成干扰。因此,首先就需要对图像中的真实刚性导线轮廓位置进行提取定位,具体的,如图2所示,采用包括图像阈值化、连通区域提取、Blob几何分析和形状判别分析的方法实现真实刚性导线的判定,然后输出。
所述图像阈值化是从原相机采集灰度图像中,提取候选导线前景目标,完成与背景的分割;
所述连通区域提取是采用经典的如8邻域提取的多领域提取方法,将阈值化图像中离散的前景目标点形成能够代表导线等具备区域特征和形状的多个连通目标集合;
所述Blob几何分析是通过对提取的连通目标对象,进行几何特征的分析,滤除可能的干扰伪目标以及对局部断裂的目标进行区域融合,而这里主要参考的特征包括导线的成像尺寸、锚段区域工、非支导线成像相互之间的位置关系等;
所述形状判别分析是基于刚性导线的成像轮廓形状,对每个候选的目标区域进行判别,滤除非刚性导线伪目标;
最后导线轮廓定位输出,刚性导线处于左右两侧汇流排固定的中间位置,其成像表现为位于目标连通区域的最底部,因此输出时主要是计算得到刚性导线目标的最底部点位置,作为导线的实际位置输出。
进一步的,在线路刚柔过渡区间,刚性导线与柔性导线的高差,存在一个合理的阈值范围,每一条线路的接触网导线设计高度跳变不大,刚性导线与柔性导线,在拉出值方向存在一个固定的水平间距合理范围,而且测量相机安装固定,所以刚性导线在图像中成像的几何大小基本确定,真实刚性导线的判别识别后,图像中所包含的真实刚性导线即已经清楚,为便于柔性导线的识别,此时便在原相机图像中,上一步确认的刚性导线位置进行图像掩膜Mask屏蔽,即用上一步确定的刚性导线区域对待柔性导线识别处理的图像(全部或局部)进行遮挡,这样就不用再对已经识别出的刚性导线进行识别。具体的,例如,假定刚性导线宽度W,高度H,在计算得到导线位置后,即可以此为水平中心,左右偏移一定距离W*比例因子,在这个宽度范围内的所有图像区域,都不再进行柔性导线的识别处理。刚柔导线的过渡,一定不可能位于水平位置接近的地方发生纵向的垂直方向交叉,否则无法实现受电弓引流取电的正常工作。
在经过图像掩膜Mask屏蔽后,再次对图像采用柔性导线识别方法进行处理,检测出所有柔性导线目标;而优选地,由于柔性导线一般都是成对出现,因此,为了更便于识别,在柔性导线的识别过程中,其Blob几何分析步骤滤除连通目标集合中的干扰伪目标时需要参考连通目标集合中疑似柔性导线的目标是否以成对的方式出现,这是基于柔性导线一般成对出现的特点,因此疑似目标要确定是真实的就必然也是成对出现。
刚柔过渡区间,两种不同类型导线将会同时出现在图像中,为了保证过渡区间的几何参数过渡连续性,此时需要同时输出刚性导线位置和柔性导线位置,因此,整合刚性导线识别和柔性导线识别两个步骤分别输出的刚性目标和柔性目标,将整合后的结果作为最终的导线识别结果输出。一般的,当两种类型导线的相互垂直高差以及水平间距符合一定距离时(如两种类型导线高差低于100mm、水平间距小于400mm),将两种导线位置按照与前一帧的导线位置接近的关系顺序输出,这样,就能保障整条线路几何参数导高以及拉出值的过渡连续性,而不会发生反复跳变。
Claims (8)
1.一种接触网刚柔导线自动判别方法,其特征在于,包括以下步骤:
刚性导线预识别步骤,采用刚性导线识别方法对原始图像进行处理,检测出所有疑似为刚性导线目标的候选刚性导线目标;
刚性导线判别步骤,对所述候选刚性导线目标进行判别,识别出真实刚性导线目标,具体包括以下步骤:
首先离线提取生成一个标准刚性导线形状轮廓点集模型A;
然后对所述候选刚性导线目标所在位置,按照标准刚性导线的几何形状区域大小,在原始图像中计算提取形状轮廓点集B;
最后,通过双向标准距离公式H(A,B)=max(h(A,B),h(B,A)),判别所述候选刚性导线目标位置是否为真实刚性导线目标,其中h(A,B)和h(B,A)分别称为从A集合到B集合和从B集合到A集合的单向距离,即h(A,B)是首先对点集A中的每个点ai到距其最近的B集合中点bj之间的距离ai-bj进行排序,然后取该距离中的最大值作为h(A,B)的值,h(B,A)同理可得,因此,
柔性导线预识别步骤,根据刚性导线判别步骤的识别结果,在原始图像中将对应的刚性导线目标进行图像掩膜屏蔽;
柔性导线识别步骤,对经过柔性导线预识别步骤处理的图像,采用柔性导线识别方法进行处理,检测出柔性导线目标;
刚柔整合输出步骤,将刚性导线判别步骤和柔性导线识别步骤的识别结果进行整合并输出刚性导线目标和柔性导线目标,作为最终的导线识别结果输出;
具体的,所述刚性导线识别方法或柔性导线识别方法包括以下步骤:
图像阈值化步骤,从原始图像的灰度图像中提取前景目标,将图像中所有前景目标与背景分割;
连通区域提取步骤,采用多邻域提取方法,将经过图像阈值化步骤的图像中离散的前景目标点形成具备区域特征和/或形状的若干个连通目标集合;
Blob几何分析步骤,对连通区域提取步骤得到的若干个连通目标集合进行几何特征的分析,滤除连通目标集合中的干扰伪目标并对存在局部断裂的目标进行区域融合,得到所述候选刚性导线目标或者所有柔性导线目标。
2.如权利要求1所述的一种接触网刚柔导线自动判别方法,其特征在于,所述柔性导线预识别步骤中图像掩模屏蔽的区域为:以所述真实刚性导线目标为水平中心,左右各偏移一定距离的宽度范围内的所有图像区域。
3.如权利要求2所述的一种接触网刚柔导线自动判别方法,其特征在于:所述刚性导线识别方法的Blob几何分析步骤中,滤除连通目标集合中的干扰伪目标并对存在局部断裂的目标进行区域融合参考的特征包括刚性导线的成像尺寸、锚段区域工作支与非工作支导线成像相互之间的位置关系。
4.如权利要求2所述的一种接触网刚柔导线自动判别方法,其特征在于:所述柔性导线识别方法的Blob几何分析步骤中,滤除连通目标集合中的干扰伪目标并对存在局部断裂的目标进行区域融合参考的特征包括柔性导线的成对形式以及成对柔性导线之间的间距。
5.如权利要求1-4任一项所述的一种接触网刚柔导线自动判别方法,其特征在于:所述刚柔整合输出步骤,是将高差和拉出值方向落入设定阈值范围内的刚性导线目标和柔性导线目标按照分别与前一帧的对应导线位置接近的关系顺序输出。
6.如权利要求5所述的一种接触网刚柔导线自动判别方法,其特征在于:所述刚性导线判别步骤识别出真实刚性导线之后计算所述真实刚性导线的最底部位置,作为准确刚性导线目标输出。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序在计算机处理器中执行时,实现上述权利要求1-6任一项所述的接触网刚柔导线自动判别方法的步骤。
8.一种计算机设备,包括存储器、处理器及存储在存储器上并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上述权利要求1-6任一项所述的接触网刚柔导线自动判别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010045889.0A CN111242052B (zh) | 2020-01-16 | 2020-01-16 | 一种接触网刚柔导线自动判别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010045889.0A CN111242052B (zh) | 2020-01-16 | 2020-01-16 | 一种接触网刚柔导线自动判别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111242052A CN111242052A (zh) | 2020-06-05 |
CN111242052B true CN111242052B (zh) | 2023-08-08 |
Family
ID=70864117
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010045889.0A Active CN111242052B (zh) | 2020-01-16 | 2020-01-16 | 一种接触网刚柔导线自动判别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111242052B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111723792B (zh) * | 2020-06-24 | 2022-12-06 | 西南交通大学 | 适用于刚柔接触网的实时定位点识别方法 |
CN114199203B (zh) * | 2020-09-17 | 2023-07-18 | 成都唐源电气股份有限公司 | 一种适应地铁刚性及柔性接触网的成像检测方法及装置 |
CN113703695B (zh) * | 2021-08-25 | 2024-05-14 | 成都飞机工业(集团)有限责任公司 | 一种复杂航空线束的导线标签设计方法和装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8624285D0 (en) * | 1986-10-09 | 1986-11-12 | De La Rue Syst | Force monitoring system |
CN101432759A (zh) * | 2004-06-25 | 2009-05-13 | 弗莱克斯特罗尼克斯美国国际公司 | 在柔性衬底上安装图像记录装置的系统和方法 |
RU2014127239A (ru) * | 2014-07-03 | 2014-09-27 | Закрытое акционерное общество "Научно-производственное предприятие "Алтик" | Изолирующая опорная подвеска проводов воздушной линии электропередач |
CN105431865A (zh) * | 2013-07-12 | 2016-03-23 | 艾戴克斯公司 | 表面传感器 |
US9390506B1 (en) * | 2015-05-07 | 2016-07-12 | Aricent Holdings Luxembourg S.A.R.L. | Selective object filtering and tracking |
CN106585427A (zh) * | 2016-11-11 | 2017-04-26 | 中铁十二局集团有限公司 | 一种地铁刚性接触网无轨施工方法 |
WO2017092431A1 (zh) * | 2015-12-01 | 2017-06-08 | 乐视控股(北京)有限公司 | 基于肤色的人手检测方法及装置 |
CN107153835A (zh) * | 2016-03-03 | 2017-09-12 | 成都交大光芒科技股份有限公司 | 一种高铁接触网多线路图像的识别及归一化方法及系统 |
CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
CN108345872A (zh) * | 2018-03-22 | 2018-07-31 | 深圳力合光电传感股份有限公司 | 指纹识别采集装置及系统 |
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 |
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 |
EP3460719A1 (en) * | 2017-04-21 | 2019-03-27 | DTP spólka z ograniczona odpowiedzialnoscia | The device for identifying wire markings and the method for identifying wire markings |
CN110097591A (zh) * | 2019-04-29 | 2019-08-06 | 中国科学院上海微系统与信息技术研究所 | 弓网状态的检测方法 |
CN110503048A (zh) * | 2019-08-26 | 2019-11-26 | 中铁电气化局集团有限公司 | 刚性接触网悬挂装置的识别系统和方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10747911B2 (en) * | 2014-12-15 | 2020-08-18 | Mentor Graphics Corporation | Constrained flattening of design data |
US20170091572A1 (en) * | 2015-06-07 | 2017-03-30 | Apple Inc. | System And Method For Text Detection In An Image |
-
2020
- 2020-01-16 CN CN202010045889.0A patent/CN111242052B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB8624285D0 (en) * | 1986-10-09 | 1986-11-12 | De La Rue Syst | Force monitoring system |
CN101432759A (zh) * | 2004-06-25 | 2009-05-13 | 弗莱克斯特罗尼克斯美国国际公司 | 在柔性衬底上安装图像记录装置的系统和方法 |
CN105431865A (zh) * | 2013-07-12 | 2016-03-23 | 艾戴克斯公司 | 表面传感器 |
RU2014127239A (ru) * | 2014-07-03 | 2014-09-27 | Закрытое акционерное общество "Научно-производственное предприятие "Алтик" | Изолирующая опорная подвеска проводов воздушной линии электропередач |
US9390506B1 (en) * | 2015-05-07 | 2016-07-12 | Aricent Holdings Luxembourg S.A.R.L. | Selective object filtering and tracking |
WO2017092431A1 (zh) * | 2015-12-01 | 2017-06-08 | 乐视控股(北京)有限公司 | 基于肤色的人手检测方法及装置 |
CN107153835A (zh) * | 2016-03-03 | 2017-09-12 | 成都交大光芒科技股份有限公司 | 一种高铁接触网多线路图像的识别及归一化方法及系统 |
CN106585427A (zh) * | 2016-11-11 | 2017-04-26 | 中铁十二局集团有限公司 | 一种地铁刚性接触网无轨施工方法 |
EP3460719A1 (en) * | 2017-04-21 | 2019-03-27 | DTP spólka z ograniczona odpowiedzialnoscia | The device for identifying wire markings and the method for identifying wire markings |
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 |
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 |
CN108037133A (zh) * | 2017-12-27 | 2018-05-15 | 武汉市智勤创亿信息技术股份有限公司 | 一种基于无人机巡检图像的电力设备缺陷智能识别方法及其系统 |
CN108345872A (zh) * | 2018-03-22 | 2018-07-31 | 深圳力合光电传感股份有限公司 | 指纹识别采集装置及系统 |
CN110097591A (zh) * | 2019-04-29 | 2019-08-06 | 中国科学院上海微系统与信息技术研究所 | 弓网状态的检测方法 |
CN110503048A (zh) * | 2019-08-26 | 2019-11-26 | 中铁电气化局集团有限公司 | 刚性接触网悬挂装置的识别系统和方法 |
Non-Patent Citations (1)
Title |
---|
余建明等 主编.《CR、DR成像技术学》.《CR、DR成像技术学》.中国医药科技出版社,2009, * |
Also Published As
Publication number | Publication date |
---|---|
CN111242052A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111242052B (zh) | 一种接触网刚柔导线自动判别方法及装置 | |
Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
CN107743577B (zh) | 用于检测电动铁道车辆的振动信息的方法和装置 | |
CN103279765B (zh) | 基于图像匹配的钢丝绳表面损伤检测方法 | |
CN105158257B (zh) | 滑板测量方法及装置 | |
CN109740410B (zh) | 一种无需预设模板的列车组故障识别方法及装置 | |
CN113436157B (zh) | 一种用于受电弓故障的车载图像识别方法 | |
CN106485694B (zh) | 一种基于级联分类器的高铁接触网双套管连接器六边形螺母脱落不良状态检测方法 | |
CN104794720A (zh) | 一种在接触网图像中定位出定位线夹的方法及系统 | |
CN110910443B (zh) | 基于单监控相机的接触网几何参数实时测量方法及装置 | |
Liu et al. | An efficient method for high-speed railway dropper fault detection based on depthwise separable convolution | |
CN115690012A (zh) | 一种电能表接错线的检测方法 | |
CN114445398A (zh) | 采煤机液压支架护帮板状态监测方法及装置 | |
CN111260631B (zh) | 一种高效刚性接触线结构光光条提取方法 | |
Yao et al. | Image based obstacle detection for automatic train supervision | |
CN111723793B (zh) | 一种实时刚性接触网定位点识别方法 | |
Yang et al. | Online pantograph-catenary contact point detection in complicated background based on multiple strategies | |
KR101205565B1 (ko) | 영상을 이용한 전후방 차량 검출 방법 | |
KR100532058B1 (ko) | 카메라 캘리브레이션을 이용한 교통정보 추출 방법 및 장치 | |
CN116416589A (zh) | 一种基于铁轨数据与几何性质的轨道点云提取方法 | |
Chen et al. | Detection and segmentation of occluded vehicles based on skeleton features | |
CN111723792B (zh) | 适用于刚柔接触网的实时定位点识别方法 | |
Yang et al. | Locator slope calculation via deep representations based on monocular vision | |
CN109697709B (zh) | 一种弓网系统中接触网跟踪方法及系统 | |
Li | Object detection and instance segmentation of cables |
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 |