CN111311590A - 一种基于图像检测技术的道岔岔尖密贴度检测方法 - Google Patents
一种基于图像检测技术的道岔岔尖密贴度检测方法 Download PDFInfo
- Publication number
- CN111311590A CN111311590A CN202010153221.8A CN202010153221A CN111311590A CN 111311590 A CN111311590 A CN 111311590A CN 202010153221 A CN202010153221 A CN 202010153221A CN 111311590 A CN111311590 A CN 111311590A
- Authority
- CN
- China
- Prior art keywords
- switch point
- point
- edge
- image
- method based
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 230000033001 locomotion Effects 0.000 claims abstract description 29
- 238000000034 method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000003708 edge detection Methods 0.000 claims description 6
- 230000001788 irregular Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/08—Measuring installations for surveying permanent way
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L5/00—Local operating mechanisms for points or track-mounted scotch-blocks; Visible or audible signals; Local operating mechanisms for visible or audible signals
- B61L5/10—Locking mechanisms for points; Means for indicating the setting of points
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30236—Traffic on road, railway or crossing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于图像检测技术的道岔岔尖密贴度检测方法,该方法包括以下步骤:识别岔尖:追踪岔尖;识别岔尖边缘;对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测。本发明提供了基于图像检测技术的道岔岔尖密贴度检测方法,实现对道岔密帖的非接触式实时无损检测,检测效率和准确率高,快捷高效,非常值得推广。
Description
技术领域
本发明涉及无损检测技术领域,具体为一种基于图像检测技术的道岔岔尖密贴度检测方法。
背景技术
道岔尖轨和基本轨之间的闭合度是涉及行车安全的关键因素,当尖轨和基本轨的闭合度缝隙超过2-4mm时会导致列车事故。因此,需要对道岔尖轨进行日常维修和维护,对于尖轨和基本轨的检查,人工巡检方式费时费力,加上我国高速铁路和货运线路的日益繁忙,铁路维修养护的天窗时间越来越短,而当前电务和工务部门采取的定周期维护和故障后抢修的模式,越来越难以满足当前铁路运输发展的需要;通过安装尖轨密贴检查器的方式,能够实现对岔尖的直接检测,但是其设备价格昂贵,安装复杂,需要在钢轨和道床上加装专用密帖监测装置,对钢轨和道床有所损伤,并且安装过程需要大量的专业人员施工和设备状态调整,在运维中也涉及人工维护调整的工作量。使用不便。
现有技术中,申请号为“201310269246.4”的一种道岔尖轨与基轨密贴间距的精确监测方法,基于电磁涡流检测原理,利用电磁涡流检测中的电磁涡流传感器的提离效应原理,使用一个薄片形状的电磁涡流检测传感器监测道岔尖轨尖端与基轨之间的密贴间距,既可以监测道岔是否扳动到位,又可以精确监测道岔尖轨尖端与基轨之间的密贴间距,给出道岔运行的完整安全评判指标。
但是,其在使用过程中,仍然存在较为明显的缺陷:1、上述装置在使用时需要将电磁涡流检测传感器粘贴固定在道岔尖轨尖端与基轨密贴的垂直侧面,安装过程需要大量的专业人员施工和设备状态调整,安装效率较低;2、上述装置中的电磁涡流检测传感器时固定设置在道岔尖轨上的,当尖轨受到损伤发生形变时,电磁涡流检测传感器也会受到波及,造成损坏失效,而且不易拆卸二次利用,使用成本较高。
发明内容
本发明的目的在于提供一种基于图像检测技术的道岔岔尖密贴度检测方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种基于图像检测技术的道岔岔尖密贴度检测方法,该方法包括以下步骤:
识别岔尖;
追踪岔尖;
识别岔尖边缘;
对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测。
优选的,所述识别岔尖,具体包括:
分别提取视频帧和目标图像SURF特征,并通过特征匹配算法提取视频帧中目标图像区域,实现岔尖识别。
优选的,所述追踪岔尖,具体包括:
利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪。
优选的,所述利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪,具体包括:
利用Kalman滤波器预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪。
优选的,所述识别岔尖边缘,具体包括:
基本轨边缘识别和岔尖部分与基本轨接触的边缘识别。
优选的,所述基本轨边缘识别,具体包括:
利用Canny算子得到包含基本轨边缘信息的二值图像后,再利用Hough变换从边缘检测得到的离散坐标点中准确提取连续的边缘信息。
优选的,所述岔尖部分与基本轨接触的边缘识别,还包括:
将包含岔尖部分图像分割成若干个子图,在每个子图中进行边缘检测,之后将识别后的子图拼接还原成原图像,进而实现对岔尖不规则边缘特征的识别。
优选的,所述对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测,具体包括:
通过实时计算岔尖到预先标定在基本轨边缘的贴合点,得到岔尖运动轨迹图,考虑道岔周期性运动特性,将实时监测到的岔尖运动轨迹与正常运动轨迹做比对,提取包括正位、反位、锁闭等关键点图线,进而监测岔尖密贴度状态及其他关键参数状态。
与现有技术相比,本发明的有益效果是:
1、本发明使用操作简单,对轨道和道床无损伤;
2、在针对岔尖边缘的识别中,本发明考虑到岔尖断面的不规则几何结构,引入图像分割操作,进而提高了对岔尖不规则边缘特征的识别质量;
3、本发明不仅能直接反映岔尖状态,还能实现对岔尖密贴度的实时监测,并且充分考虑到道岔周期性运动特性,将实时监测到的岔尖运动轨迹与正常运动轨迹做比对,这将大幅提高监测效率及准确度,避免误判。
本发明提供了基于图像检测技术的道岔岔尖密贴度检测方法,实现对道岔密帖的非接触式实时无损检测,检测效率和准确率高,快捷高效,非常值得推广。
附图说明
图1为本发明的基于图像检测技术的道岔岔尖密贴度检测方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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。
请参阅图1,本发明提供一种技术方案:
一种基于图像检测技术的道岔岔尖密贴度检测方法,该方法包括以下步骤:
识别岔尖:
追踪岔尖;
识别岔尖边缘;
对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测。
作为一个优选,所述识别岔尖,具体包括:
分别提取视频帧和目标图像SURF特征,并通过特征匹配算法提取视频帧中目标图像区域,实现岔尖识别,SURF是经典目标识别算法之一的尺度不变特征转换(SIFT)的衍生算法,主要包括基于高斯滤波器的尺度空间的建立和基于Hessian矩阵的特征点提取,相比传统的的目标识别算法,SURF具有较低的计算复杂度和更高的稳定性,识别岔尖是整个检测流程的开端。
作为一个优选,所述追踪岔尖,具体包括:
利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪,这种追踪是动态的,从而实时对岔尖的位置进行跟踪检测。
作为一个优选,所述利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪,具体包括:
利用Kalman滤波器预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪,由于Kalman滤波的基本方程是时间域内的递推形式,其计算过程是一个不断地“预测-修正”的过程,在求解时不要求存储大量数据,并且一旦观测到了新的数据,随即可以算的新的滤波值,因此这种滤波方法非常适合于实时处理、计算机实现,可以显著提高对岔尖追踪的准确率。
作为一个优选,所述识别岔尖边缘,具体包括:
基本轨边缘识别和岔尖部分与基本轨接触的边缘识别。
作为一个优选,所述基本轨边缘识别,具体包括:
利用Canny算子得到包含基本轨边缘信息的二值图像后,再利用Hough变换从边缘检测得到的离散坐标点中准确提取连续的边缘信息,在众多边缘识别算法中,Canny边缘算子由于其稳定性和较低的计算复杂度被广泛用于复杂背景下的目标边缘识别任务中,通过计算图像灰度梯度局部最大值提取目标边缘坐标点,准确率高。
作为一个优选,所述岔尖部分与基本轨接触的边缘识别,还包括:
将包含岔尖部分图像分割成若干个子图,在每个子图中进行边缘检测,之后将识别后的子图拼接还原成原图像,进而实现对岔尖不规则边缘特征的识别,上述图像分隔的处理步骤充分考虑到岔尖断面的不规则几何结构,使得对不规则边缘的识别更加精细化。
作为一个优选,所述对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测,具体包括:
通过实时计算岔尖到预先标定在基本轨边缘的贴合点,得到岔尖运动轨迹图,考虑道岔周期性运动特性,将实时监测到的岔尖运动轨迹与正常运动轨迹做比对,避免单一分析缺少基准点而失真,提取包括正位、反位、锁闭等关键点图线,进而监测岔尖密贴度状态及其他关键参数状态,实现对道岔密帖的非接触式实时检测,大幅提高监测效率及准确度,降低由于尖轨闭合不当造成的事故风险。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:该方法包括以下步骤:
识别岔尖;
追踪岔尖;
识别岔尖边缘;
对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测。
2.根据权利要求1所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述识别岔尖,具体包括:
分别提取视频帧和目标图像SURF特征,并通过特征匹配算法提取视频帧中目标图像区域,实现岔尖识别。
3.根据权利要求1所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述追踪岔尖,具体包括:
利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪。
4.根据权利要求3所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述利用目标追踪算法预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪,具体包括:
利用Kalman滤波器预测并匹配相邻视频帧中的目标位置,实现对岔尖的追踪。
5.根据权利要求1所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述识别岔尖边缘,具体包括:
基本轨边缘识别和岔尖部分与基本轨接触的边缘识别。
6.根据权利要求5所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述基本轨边缘识别,具体包括:
利用Canny算子得到包含基本轨边缘信息的二值图像后,再利用Hough变换从边缘检测得到的离散坐标点中准确提取连续的边缘信息。
7.根据权利要求5所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述岔尖部分与基本轨接触的边缘识别,还包括:
将包含岔尖部分图像分割成若干个子图,在每个子图中进行边缘检测,之后将识别后的子图拼接还原成原图像,进而实现对岔尖不规则边缘特征的识别。
8.根据权利要求1所述的一种基于图像检测技术的道岔岔尖密贴度检测方法,其特征在于:所述对比岔尖运动轨迹和正常运动轨迹,进行岔尖密贴度状态检测,具体包括:
通过实时计算岔尖到预先标定在基本轨边缘的贴合点,得到岔尖运动轨迹图,考虑道岔周期性运动特性,将实时监测到的岔尖运动轨迹与正常运动轨迹做比对,提取包括正位、反位、锁闭等关键点图线,进而监测岔尖密贴度状态及其他关键参数状态。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010153221.8A CN111311590B (zh) | 2020-03-06 | 2020-03-06 | 一种基于图像检测技术的道岔岔尖密贴度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010153221.8A CN111311590B (zh) | 2020-03-06 | 2020-03-06 | 一种基于图像检测技术的道岔岔尖密贴度检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111311590A true CN111311590A (zh) | 2020-06-19 |
CN111311590B CN111311590B (zh) | 2023-11-21 |
Family
ID=71145433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010153221.8A Active CN111311590B (zh) | 2020-03-06 | 2020-03-06 | 一种基于图像检测技术的道岔岔尖密贴度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111311590B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114132360A (zh) * | 2021-11-08 | 2022-03-04 | 卡斯柯信号有限公司 | 基于图像判别道岔状态的防挤岔方法、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005057272A1 (de) * | 2005-11-25 | 2007-05-31 | Siemens Ag | Endlagenprüfvorrichtung |
DE102007047370A1 (de) * | 2007-10-02 | 2009-04-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Spurführungsvorrichtung |
US20110064273A1 (en) * | 2009-09-11 | 2011-03-17 | Harsco Corporation | Automated turnout inspection |
WO2013075466A1 (zh) * | 2011-11-23 | 2013-05-30 | 中兴通讯股份有限公司 | 一种基于图像传感模块的字符输入方法、装置及终端 |
CN104276186A (zh) * | 2013-07-01 | 2015-01-14 | 北京中研国辰测控技术有限公司 | 一种道岔尖轨与基轨密贴间距的精确监测方法 |
CN204726455U (zh) * | 2015-04-23 | 2015-10-28 | 广州市地下铁道总公司 | 基于尖轨位移的道岔状态检测系统 |
CN106864485A (zh) * | 2017-03-20 | 2017-06-20 | 北京智川科技发展有限公司 | 铁路道岔状态的识别装置及其系统 |
CN107476151A (zh) * | 2017-08-21 | 2017-12-15 | 四川西南交大铁路发展股份有限公司 | 基于图像识别的道岔尖轨爬行量监测方法、装置及其系统 |
CN207060069U (zh) * | 2017-08-04 | 2018-03-02 | 苏州华眸智能科技有限公司 | 轨道道岔状态智能识别预警系统 |
RU2652673C1 (ru) * | 2017-04-26 | 2018-04-28 | Открытое акционерное общество "Радиоавионика" | Способ определения стрелочных переводов и положения остряков |
CN110293993A (zh) * | 2019-08-09 | 2019-10-01 | 大连维德集成电路有限公司 | 一种道岔检测装置及系统 |
-
2020
- 2020-03-06 CN CN202010153221.8A patent/CN111311590B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102005057272A1 (de) * | 2005-11-25 | 2007-05-31 | Siemens Ag | Endlagenprüfvorrichtung |
DE102007047370A1 (de) * | 2007-10-02 | 2009-04-16 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Spurführungsvorrichtung |
US20110064273A1 (en) * | 2009-09-11 | 2011-03-17 | Harsco Corporation | Automated turnout inspection |
WO2013075466A1 (zh) * | 2011-11-23 | 2013-05-30 | 中兴通讯股份有限公司 | 一种基于图像传感模块的字符输入方法、装置及终端 |
CN104276186A (zh) * | 2013-07-01 | 2015-01-14 | 北京中研国辰测控技术有限公司 | 一种道岔尖轨与基轨密贴间距的精确监测方法 |
CN204726455U (zh) * | 2015-04-23 | 2015-10-28 | 广州市地下铁道总公司 | 基于尖轨位移的道岔状态检测系统 |
CN106864485A (zh) * | 2017-03-20 | 2017-06-20 | 北京智川科技发展有限公司 | 铁路道岔状态的识别装置及其系统 |
RU2652673C1 (ru) * | 2017-04-26 | 2018-04-28 | Открытое акционерное общество "Радиоавионика" | Способ определения стрелочных переводов и положения остряков |
CN207060069U (zh) * | 2017-08-04 | 2018-03-02 | 苏州华眸智能科技有限公司 | 轨道道岔状态智能识别预警系统 |
CN107476151A (zh) * | 2017-08-21 | 2017-12-15 | 四川西南交大铁路发展股份有限公司 | 基于图像识别的道岔尖轨爬行量监测方法、装置及其系统 |
CN110293993A (zh) * | 2019-08-09 | 2019-10-01 | 大连维德集成电路有限公司 | 一种道岔检测装置及系统 |
Non-Patent Citations (3)
Title |
---|
张宇宁;谢琦;: "一种基于机器视觉的铁路道岔检测方法" * |
李玉良,颜士华,刘松科,马勇,李仲辉,张震,葛飞: "窄轨铁路道岔密贴性能的研究" * |
郑霄;王俊峰;: "基于图像处理技术的转辙机实时在线监测研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114132360A (zh) * | 2021-11-08 | 2022-03-04 | 卡斯柯信号有限公司 | 基于图像判别道岔状态的防挤岔方法、设备及存储介质 |
CN114132360B (zh) * | 2021-11-08 | 2023-09-08 | 卡斯柯信号有限公司 | 基于图像判别道岔状态的防挤岔方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111311590B (zh) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A review of applications of visual inspection technology based on image processing in the railway industry | |
Karakose et al. | A new computer vision based method for rail track detection and fault diagnosis in railways | |
EP2697738B1 (en) | Method and system of rail component detection using vision technology | |
CN111260629A (zh) | 基于图像处理的受电弓结构异常检测算法 | |
EP2174117B1 (en) | Pantograph damage and wear monitoring system | |
CN110567680A (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
CN117314921B (zh) | 一种基于rfid的轨道巡检设备的起点检测及处置方法 | |
CN115410114A (zh) | 一种基于多特征的城轨防汛预警方法及系统 | |
CN103422417A (zh) | 一种公路表面破损的动态识别系统与方法 | |
CN111311590A (zh) | 一种基于图像检测技术的道岔岔尖密贴度检测方法 | |
CN114740086A (zh) | 一种单轨吊轨道缺陷检测方法 | |
CN112508911A (zh) | 基于巡检机器人的轨交接触网悬挂支撑部件裂纹检测系统及其检测方法 | |
AlNaimi et al. | IoT based on-the-fly visual defect detection in railway tracks | |
CN111127409A (zh) | 基于sift图像配准与余弦相似度的列车部件检测方法 | |
Wang et al. | Automated shape-based pavement crack detection approach | |
CN117252840B (zh) | 一种光伏阵列缺陷消除评定方法、装置及计算机设备 | |
CN111626104B (zh) | 一种基于无人机红外热像的电缆隐患点检测方法和装置 | |
CN112285111A (zh) | 一种受电弓前碳滑板缺陷检测方法、装置、系统和介质 | |
Goda et al. | Rail joint gap measurement method using train frontal images captured by a handy video camcorder | |
CN212320653U (zh) | 一种地铁车辆故障智能检测系统 | |
Liu et al. | Track surface defect detection based on image processing | |
CN114495086A (zh) | 一种电气化铁路牵引变电所避雷监测器的识别方法及系统 | |
CN108918550B (zh) | 一种受电弓打弓缺陷检测方法 | |
Karaköse et al. | Real time implementation for fault diagnosis and condition monitoring approach using image processing in railway switches | |
Posada Moreno et al. | Cargo wagon structural health estimation using computer vision |
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 |