CN111452840B - 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 - Google Patents
一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 Download PDFInfo
- Publication number
- CN111452840B CN111452840B CN202010302908.3A CN202010302908A CN111452840B CN 111452840 B CN111452840 B CN 111452840B CN 202010302908 A CN202010302908 A CN 202010302908A CN 111452840 B CN111452840 B CN 111452840B
- Authority
- CN
- China
- Prior art keywords
- image
- marker
- steel rail
- radius
- positioning
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning, or like safety means along the route or between vehicles or vehicle trains
- B61L23/04—Control, warning, or like safety means along the route or between vehicles or vehicle trains for monitoring the mechanical state of the route
- B61L23/042—Track changes detection
- B61L23/047—Track or rail movements
-
- 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
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
Abstract
本发明涉及铁路精密测量技术领域,公开一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法。首先通过安装在钢轨旁边固有设施上的图像采集设备采集含有圆形标记物的图像;其次,使用图像超分辨率重建方法提升采集图像中感兴趣区域的图像分辨率;然后,通过模板匹配方法初步定位标记物在重建图像中的位置,结合边缘检测以及圆拟合方法实现精准计算标记物的质心坐标和半径大小;最后,依据图像成像原理检测得到钢轨爬行的物理位移大小。本发明为非接触式测量,解决了传统人肉眼估测误差较大的问题,避免了通过提升图像采集设备质量来提高测量精度方法导致的成本飙升,进而无法大范围应用的弊端,有效的保证了测量精度,节省人力。
Description
技术领域
本发明涉及铁路精密测量技术领域,特别是涉及一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法。
背景技术
为了确保庞大的铁路系统的运行安全,必须时刻保证铁轨各项参数正常。目前主要依靠工作人员到铁路现场使用操作复杂的仪器对钢轨爬行位移进行测量。使用各种接触式或非接触式位移传感器测量钢轨爬行,必须在钢轨上安装高精度的传感器,然而铁路现场复杂的环境容易影响传感器测量精度。使用机器视觉技术测量钢轨爬行,则不需要接触铁轨,可以在不影响列车运行的安全距离之外进行检测。工作人员安装、调试和日常维护检测设备不存在安全风险。利用机器视觉技术对铁轨爬行位移检测需要面临复杂多变的环境影响。图像采集设备距离钢轨较远,导致采集图像中钢轨轨腰处标记物所占的像素数量较小。可以通过硬件和软件两方面提高采集图像中标记物的细节信息,确保测量钢轨爬行结果的精度足够高。我国目前在营铁轨里程中需要检测爬行位移的位置太多,通过提升硬件质量的方法将导致成本大幅提升,进而制约机器视觉技术在钢轨爬行位移检测中的应用。钢轨爬行位移检测的采集视场较大,一般的目标检测方法无法满足钢轨爬行位移检测的精度要求。
发明内容
为解决上述技术问题,本发明提出一种检测精度高、可靠性高、适用性强的基于单目视觉测量技术的铁路钢轨爬行位移检测方法。
本发明采用以下的技术方案:一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法,其特征在于所述方法包括如下步骤:
步骤一:图像采集设备和标记物布设,在面向铁路现场固有设施(如接触网支柱)一侧的钢轨轨腰处设置圆形标记物,在固有设施上安装固定图像采集设备,图像采集设备的镜头朝向标记物一侧,镜头所在平面与标记物所在平面平行。
步骤二:图像预处理,对步骤一中图像采集设备采集的图像截取固定尺寸和固定位置的包含标记物的感兴趣区域图像,通过图像超分辨率重建方法提高截取图像的分辨率;
步骤三:标记物初定位,对经过步骤二处理得到的超分辨率重建图像使用模板匹配方法定位圆形标记物在重建图像上的位置;
步骤四:标记物精确定位,步骤三得到的初定位结果结合边缘检测方法以及圆拟合方法得到圆形标记物的精确质心坐标和半径大小;
步骤五:钢轨爬行位移计算,由于焦距和物距的大小不变,标记物半径R与标记物映射在图像中的半径r1的比值等于世界坐标系下标记物的质心爬行位移△Lx与图像像素坐标系下的质心爬行位移的比值,初始时刻钢轨未发生位移时根据步骤一到步骤四得到的标记物质心坐标为(a0,b0),根据(1)式计算得到钢轨的爬行位移△Lx:
进一步的,步骤二所述的图像超分辨重建方法为基于学习的超分辨率重建方法,在确保重建图像中标记物的边缘清晰前提下,提高截取图像的分辨率到2倍、3倍或4倍;
进一步的,步骤三所述的模板匹配方法为基于最近邻的模板匹配方法,模板图像为钢轨未发生爬行时图像采集设备采集后经过步骤二处理得到的标记物图像,得到的定位区域左上角坐标是(xL,yL),定位框为m×m像素大小的正方形,为了避免由于列车正常经过时遮挡标记物导致的模板匹配失败,间隔一定时间重新采集图像后从步骤二重新开始测量,如果连续失败大于等于3次则判定为异常,需要到现场查看;
进一步的,步骤四所述的圆形标记物的精确质心坐标和直径大小的获取过程如下:
根据(2)式计算步骤三中定位框的中心坐标(xC,yC):
将定位框的边长扩大到1.2倍,定位框的尺寸为1.2m×1.2m,然后对扩大的定位框区域使用Canny算子进行边缘检测得到圆形标记物边缘的离散点集,根据(3)式的最小二乘法得到标记物的质心坐标(a,b)和半径大小r:
以(a,b)为几何中心的m×m大小的方形框为调整之后的定位框,在该定位框区域内使用Canny算子后根据(3)式再次得到标记物质心坐标(a1,b1)和半径r1,假设误差精度为τ,判断|a-a1|<τ、|b-b1|<τ和|r-r1|<τ是否同时成立,若成立则表示标记物质心的精确坐标为(a1,b1)和半径的精确大小为r1,若|a-a1|<τ、|b-b1|<τ和|r-r1|<τ这三者中至少有一项不成立则以当前最近一次得到的标记物质心坐标为几何中心,从步骤四中的扩大定位框边长到1.2倍开始循环处理,直至判断|a-a1|<τ、|b-b1|<τ和|r-r1|<τ三者同时成立时,得到标记物的精确坐标(a1,b1)和半径r1;
与现有技术相比本发明的有益效果为:本发明使用单目视觉测量技术进行非接触式测量,解决了传统人肉眼估测误差较大的问题,避免了通过提升图像采集设备质量来提高测量精度方法导致的成本飙升,进而无法大范围应用的弊端,有效的保证了测量精度,节省人力。
附图说明
图1为本发明的检测流程图;
图2为本发明的标记物精确定位流程图;
图3为本发明的检测装置示意图;
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
结合图1,本发明基于单目视觉测量技术的铁路钢轨爬行位移检测方法,步骤如下:
步骤一:结合图3,图像采集设备和标记物布设,在面向铁路现场固有设施接触网支柱一侧的钢轨轨腰处设置直径为40mm的圆形标记物,在接触网支柱上安装固定图像采集设备,图像采集设备采集的图像分辨率为1024×768px,图像采集设备的镜头朝向标记物一侧,镜头所在平面与标记物所在平面平行。
步骤二:图像预处理,对步骤一中图像采集设备采集的图像截取512×256px固定位置的包含标记物的感兴趣区域图像,通过图像超分辨率重建方法提高截取图像的分辨率;
步骤三:标记物初定位,对经过步骤二处理得到的超分辨率重建图像使用模板匹配方法定位圆形标记物在重建图像上的位置;
步骤四:标记物精确定位,步骤三得到的初定位结果结合边缘检测方法以及圆拟合方法得到圆形标记物的精确质心坐标和半径大小;
步骤五:钢轨爬行位移计算,由于焦距和物距的大小不变,标记物半径R=20mm与标记物映射在图像中的半径r1=60.33px的比值等于世界坐标系下标记物的质心爬行位移△Lx与图像像素坐标系下的质心爬行位移的比值,初始时刻钢轨未发生位移时根据步骤一到步骤四得到的标记物质心坐标为(a0,b0)=(344.76,247.94),根据(1)式计算得到钢轨的爬行位移△Lx:
进一步的,步骤二所述的图像超分辨重建方法为基于学习的超分辨率重建方法,提高截取图像的分辨率到2倍;
进一步的,步骤三所述的模板匹配方法为基于最近邻的模板匹配方法,模板图像为钢轨未发生爬行时图像采集设备采集后经过步骤二处理得到的标记物图像,模板匹配得到的定位区域左上角坐标是(xL,yL)=(298.57,186.07),定位框为m×m=122×122px大小的正方形,为了避免由于列车正常经过时遮挡标记物导致的模板匹配失败,间隔5分钟重新采集图像后从步骤二重新开始测量,如果连续失败大于等于3次则判定为异常,需要到现场查看;
进一步的,结合图2,步骤四所述的圆形标记物的精确质心坐标和直径大小的获取过程如下:
根据(2)式计算步骤三中定位框的中心坐标(xC,yC):
将定位框的边长扩大到1.2倍,定位框的尺寸为1.2m×1.2m,即为146.4×146.4px,然后对扩大的定位框区域使用Canny算子进行边缘检测得到圆形标记物边缘的离散点集,根据(3)式的最小二乘法得到标记物的质心坐标(a,b)和半径大小r:
以(a,b)为几何中心的m×m=122×122px大小的方形框为调整之后的定位框,在该定位框区域内使用Canny算子后根据(3)式再次得到标记物质心坐标(a1,b1)和半径r1,误差精度为τ=0.35px,判断|a-a1|<0.35、|b-b1|<0.35和|r-r1|<0.35是否同时成立,若成立则表示标记物质心的精确坐标为(a1,b1)和半径的精确大小为r1,若|a-a1|<0.35、|b-b1|<0.35和|r-r1|<0.35这三者中至少有一项不成立则以当前最近一次得到的标记物质心坐标为几何中心,从步骤四中的扩大定位框边长到1.2倍开始循环处理,直至判断|a-a1|<0.35、|b-b1|<0.35和|r-r1|<0.35三者同时成立时,得到标记物的精确坐标(a1,b1)=(360.17,248.09)和半径r1=60.33px;
通过本发明一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法测量得到的爬行位移为5.11mm,人工测量结果为5.00mm,误差为0.11mm,满足钢轨爬行位移检测精度需求。
Claims (3)
1.一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法,其特征在于步骤如下:
步骤一:图像采集设备和标记物布设,在面向铁路现场固有设施接触网支柱一侧的钢轨轨腰处设置圆形标记物,在固有设施上安装固定图像采集设备,图像采集设备的镜头朝向标记物一侧,镜头所在平面与标记物所在平面平行;
步骤二:图像预处理,对步骤一中图像采集设备采集的图像截取固定尺寸和固定位置的包含标记物的感兴趣区域图像,通过图像超分辨率重建方法提高截取图像的分辨率;
步骤三:标记物初定位,对经过步骤二处理得到的超分辨率重建图像使用模板匹配方法定位圆形标记物在重建图像上的位置,模板匹配得到的定位区域左上角坐标是(xL,yL),定位框为m×m像素大小的正方形;
步骤四:标记物精确定位,步骤三得到的初定位结果结合边缘检测方法以及圆拟合方法得到圆形标记物的精确质心坐标和半径大小:根据(2)式计算步骤三中定位框的中心坐标(xC,yC):
将定位框的边长扩大到1.2倍,定位框的尺寸为1.2m×1.2m,然后对扩大的定位框区域使用Canny算子进行边缘检测得到圆形标记物边缘的离散点集(x,y),根据(3)式的最小二乘法得到标记物的质心坐标(a,b)和半径大小r:
以(a,b)为几何中心的m×m大小的方形框为调整之后的定位框,在该定位框区域内使用Canny算子后根据(3)式再次计算得到标记物质心坐标(a1,b1)和半径r1,假设误差精度为τ,判断|a-a1|<τ、|b-b1|<τ和|r-r1|<τ是否同时成立,若成立则表示标记物质心的精确坐标为(a1,b1)和半径的精确大小为r1,若|a-a1|<τ、|b-b1|<τ和|r-r1|<τ这三者中至少有一项不成立则以当前最近一次得到的标记物质心坐标为几何中心,从步骤四中的扩大定位框边长到1.2倍开始循环处理,直至判断|a-a1|<τ、|b-b1|<τ和|r-r1|<τ三者同时成立时,得到标记物的精确坐标(a1,b1)和半径r1;
步骤五:钢轨爬行位移计算,由于焦距和物距的大小不变,标记物半径R与标记物映射在图像中的半径r1的比值等于世界坐标系下标记物的质心爬行位移△Lx与图像像素坐标系下的质心爬行位移的比值,初始时刻钢轨未发生位移时根据步骤一到步骤四得到的标记物质心坐标为(a0,b0),根据(1)式计算得到钢轨的爬行位移△Lx:
2.根据权利要求1所述的一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法,其特征在于步骤二所述的图像超分辨重建方法为基于学习的超分辨率重建方法,在确保重建图像中标记物的边缘清晰前提下,提高截取图像的分辨率到2倍、3倍或4倍。
3.根据权利要求1所述的一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法,其特征在于步骤三所述的模板匹配方法为基于最近邻的模板匹配方法,模板图像为钢轨未发生爬行时图像采集设备采集后经过步骤二处理得到的标记物图像,为了避免由于列车正常经过时遮挡标记物导致的模板匹配失败,间隔一定时间重新采集图像后从步骤二重新开始测量,如果连续失败大于等于3次则判定为异常,需要到现场查看。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302908.3A CN111452840B (zh) | 2020-04-17 | 2020-04-17 | 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010302908.3A CN111452840B (zh) | 2020-04-17 | 2020-04-17 | 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111452840A CN111452840A (zh) | 2020-07-28 |
CN111452840B true CN111452840B (zh) | 2021-12-24 |
Family
ID=71675917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010302908.3A Active CN111452840B (zh) | 2020-04-17 | 2020-04-17 | 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111452840B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112418323B (zh) * | 2020-11-24 | 2021-07-16 | 哈尔滨市科佳通用机电股份有限公司 | 基于图像处理的铁路货车钩舌销故障检测方法 |
CN113091693B (zh) * | 2021-04-09 | 2022-08-05 | 天津大学 | 一种基于图像超分辨率技术的单目视觉长程测距方法 |
CN114088088B (zh) * | 2021-11-15 | 2023-08-04 | 贵州大学 | 一种基于单目视觉的角速率与角加速度测量方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202770407U (zh) * | 2012-09-06 | 2013-03-06 | 韩丙虎 | 一种钢轨动态位移检测系统 |
KR20130053091A (ko) * | 2011-11-15 | 2013-05-23 | 주식회사 포스코 | 판 파단 검출 장치 및 방법 |
CN103217106A (zh) * | 2013-03-21 | 2013-07-24 | 北京工业大学 | 一种用于监测路轨横向位移的方法和装置 |
CN203349786U (zh) * | 2013-07-04 | 2013-12-18 | 长沙铁信交通科技有限公司 | 测量铁路钢轨爬行位移及垂向位移的装置 |
CN105711617A (zh) * | 2014-12-02 | 2016-06-29 | 山东申普交通科技有限公司 | 一种铁轨检修维护装置 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
-
2020
- 2020-04-17 CN CN202010302908.3A patent/CN111452840B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20130053091A (ko) * | 2011-11-15 | 2013-05-23 | 주식회사 포스코 | 판 파단 검출 장치 및 방법 |
CN202770407U (zh) * | 2012-09-06 | 2013-03-06 | 韩丙虎 | 一种钢轨动态位移检测系统 |
CN103217106A (zh) * | 2013-03-21 | 2013-07-24 | 北京工业大学 | 一种用于监测路轨横向位移的方法和装置 |
CN203349786U (zh) * | 2013-07-04 | 2013-12-18 | 长沙铁信交通科技有限公司 | 测量铁路钢轨爬行位移及垂向位移的装置 |
CN105711617A (zh) * | 2014-12-02 | 2016-06-29 | 山东申普交通科技有限公司 | 一种铁轨检修维护装置 |
CN106441138A (zh) * | 2016-10-12 | 2017-02-22 | 中南大学 | 基于视觉测量的变形监测方法 |
Non-Patent Citations (2)
Title |
---|
基于计算机视觉的高精度测量方法研究及应用;胡仁东;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20180115(第1期);第34-38页 * |
钢轨爬行及路基表层冻胀检测技术;吴湘华;《铁道科学与工程学报》;20150630(第3期);第516-517页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111452840A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111452840B (zh) | 一种基于单目视觉测量技术的铁路钢轨爬行位移检测方法 | |
CN109186902A (zh) | 一种基于视觉传感的桥梁结构健康检测系统 | |
CN103630088B (zh) | 基于双激光带的高精度隧道断面检测方法及装置 | |
CN107817044B (zh) | 基于机器视觉的板材振动的测量装置及方法 | |
CN108492335B (zh) | 一种双相机透视畸变校正方法及系统 | |
CN102788572B (zh) | 一种工程机械吊钩姿态的测量方法、装置及系统 | |
CN113240747B (zh) | 一种基于计算机视觉的户外结构振动位移自动化监测方法 | |
CN112924955B (zh) | 一种路侧激光雷达点云坐标动态修正方法 | |
CN111996883B (zh) | 一种检测公路路面宽度的方法 | |
CN108279677B (zh) | 基于双目视觉传感器的轨道机器人检测方法 | |
CN107993958B (zh) | 半导体缺陷检测/光刻中的正交性补偿方法及补偿系统 | |
KR20150012384A (ko) | 도로 표면상의 포트홀 측정 시스템 및 방법 | |
CN107316330A (zh) | 基于多图像序列的井下液压支架组位姿及直线度测量方法 | |
CN106197292A (zh) | 一种建筑物位移监测方法 | |
CN109523539A (zh) | 基于多相机阵列的大尺寸的工业板材在线测量系统及方法 | |
CN107292926A (zh) | 基于多图像序列的巡检机器人运动轨迹直线度测量方法 | |
CN110879048A (zh) | 一种基于标记点检测的桨叶扭转角实时监测方法 | |
CN107560541A (zh) | 图像中心偏差的测量方法及装置 | |
CN109823965A (zh) | 地下连续墙钢筋笼吊装变形监测系统及方法 | |
CN102062574A (zh) | 一种测量物体的三维坐标的方法和装置 | |
CN116091488B (zh) | 一种发动机摇摆试验的位移测试方法及位移测试系统 | |
CN111289087A (zh) | 一种远距离机器视觉振动测量方法及装置 | |
CN110288832A (zh) | 基于微波与视频的多目标信息融合及可视化展示方法 | |
CN210154538U (zh) | 一种基于机器视觉的金属结构变形的测量装置 | |
CN112734712B (zh) | 一种船舶振动设备健康状态的成像检测方法及系统 |
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 |