CN111523607B - 一种接触网吊弦异常检测方法与系统 - Google Patents
一种接触网吊弦异常检测方法与系统 Download PDFInfo
- Publication number
- CN111523607B CN111523607B CN202010358965.3A CN202010358965A CN111523607B CN 111523607 B CN111523607 B CN 111523607B CN 202010358965 A CN202010358965 A CN 202010358965A CN 111523607 B CN111523607 B CN 111523607B
- Authority
- CN
- China
- Prior art keywords
- light spot
- spot
- executing
- spots
- dropper
- 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
- 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
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- 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
Abstract
本发明涉及轨道交通的技术领域,目的是提供一种接触网吊弦异常检测方法与系统,一种接触网吊弦异常检测系统,包括,激光器,用于配合触发相机对接触线进行扫描补光;触发相机,用于获取含有激光光束的接触线图像;处理器,识别含有激光光束的接触线图像,当接触线图像内存在吊弦图像时发送第一触发信号至触发相机;触发相机还用于接收第一触发信号并发送第二触发信号;拍摄相机,用于接收第二触发信号后获取接触线的吊弦图像,并将吊弦图像发送至处理器;处理器还用于对吊弦图像进行检测识别,判断吊弦是否异常。本发明具有对接触网上的吊弦状态进行判断,减少后续可能发生的重大弓网事故的优点。
Description
技术领域
本发明涉及轨道交通的技术领域,具体涉及一种接触网吊弦异常检测方法与系统。
背景技术
随着国民经济的快速发展,铁路运输业在国民经济和社会发展中的地位越来越重要。目前,电力牵引是铁路运输的最佳方式。在电力牵引中,电力机车需要在高速运行条件下利用受电弓可靠地从接触网上取得电能。吊弦是接触网链形悬挂中,承力索和接触线间的连接部件。吊弦的作用是通过吊弦线夹,将接触线悬挂到承力索上,调节吊弦的长度以保持接触线距轨面一定的高度,以改善受流质量。一旦吊弦发生异常,将会导致接触线调整不当,使得在电力机车实际的运行过程中,极易损坏受电弓的同时还加剧了相关元器件以及接触线的磨损,形成恶性循环,甚至危及行车安全。
对接触线进行检测多采用人工定点使用激光接触网检测仪的方式测量。这种人工定点测量方式,普遍存在测量值不连续,测量效率低、强度大等缺点,并不适用于全线的接触网检测,因此,急需一种快速、连续的接触网测量系统及方法。
发明内容
本发明目的在于提供一种接触网吊弦异常检测方法与系统,具有对接触网上的吊弦状态进行判断,避免了后续可能发生的重大弓网事故的优点。
为实现上述目的,本发明所采用的技术方案是:一种接触网吊弦异常检测方法,包括以下步骤,
S1:对接触线进行扫描补光,获取连续的多张含有激光光束的接触线图像,执行S2;
S2:识别含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1;
所述S2具体包括以下步骤,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S22;
S22:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑进行筛选,缓存多个目标光斑,执行S23;
S23:搜索每个目标光斑周围的突变光斑,执行S24;
S24:根据突变光斑判断含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1;
所述S22具体包括以下步骤,
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值;
S3:触发拍摄,获取吊弦图像,执行S4;
S4:对吊弦图像进行检测识别,判断吊弦是否异常,若是,执行S5,若否,执行S1;
S5:发出报警信息。
优选的,所述S23具体包括以下步骤,
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑。
优选的,所述S24具体为,
S24:计算突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,表示含有激光光束的接触线图像没有吊弦线夹,若否,该突变光斑为吊弦,表示含有激光光束的接触线图像有吊弦线夹。
优选的,所述S24具体为,
S24:获取与该突变光斑位置相同的上一帧光斑,判断该突变光斑的高度与上一帧光斑的高度差值是否大于差值最小阈值,若是,则该突变光斑为吊弦,表示含有激光光束的接触线图像有吊弦线夹,若否,该突变光斑不为吊弦,表示含有激光光束的接触线图像没有吊弦线夹。
优选的,所述S4具体包括以下步骤,
S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,执行S42;
S42:对感兴趣区域ROI提取直线,对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常,若是,执行S5,若否,执行S1。
一种接触网吊弦异常检测系统,包括,
激光器,用于对接触线进行扫描补光;
触发相机,用于获取含有激光光束的接触线图像;
处理器,用于识别含有激光光束的接触线图像内是否含有吊弦图像,并识别在含有激光光束的接触线图像内存在吊弦图像时发送第一触发信号至触发相机;
所述处理在识别含有激光光束的接触线图像内是否含有吊弦图像时,具体包括以下步骤,
所述处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦图像,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S221;
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值,执行S231;
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S24:计算突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,若否,该突变光斑为吊弦。
所述触发相机还用于接收所述第一触发信号并发送第二触发信号;
拍摄相机,用于接收所述第二触发信号后获取接触线的吊弦图像,并将吊弦图像发送至处理器;
所述处理器还用于对吊弦图像进行检测识别,判断吊弦是否异常。
优选的,所述处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦线夹,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S221;
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值,执行S231;
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S24:获取与该突变光斑位置相同的上一帧光斑,判断该突变光斑的高度与上一帧光斑的高度差值是否大于差值最小阈值,若是,则该突变光斑为吊弦,若否,该突变光斑不为吊弦。
优选的,所述处理器通过以下方法判断吊弦是否异常,
S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,执行S42;
S42:对感兴趣区域ROI提取直线,对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常。
优选的,还包括,
补光器,用于接收所述第二触发信号后对吊弦进行补光,辅助拍摄相机获取接触线的吊弦图像;
和/或,
定位器,用于获取吊弦的位置信息。
综上所述,本发明的有益效果为:
1、本发明具有对接触网上的吊弦状态进行判断,避免了后续可能发生的重大弓网事故的优点;
2、本发明对接触网的吊弦进行触发拍照,只采集含有吊弦的图像数据,有效地减少了无用数据的冗余,并且可以对接触网吊弦的脱、断、松及时进行判断报警,方便工作人员及时进行线路检修,避免发生弓网缺陷,确保电力机车的安全运行。
附图说明
图1为本发明的一种接触网吊弦异常检测方法的流程示意图;
图2为本发明用于展示光斑连续、光斑间断的示意图;
图3为本发明用于展示实施例1中识别吊弦线夹的流程示意图;
图4为本发明用于对含有激光光束的接触线图像进行预处理的示意图;
图5为本发明用于展示对多个光斑进行筛选的示意图;
图6为本发明用于展示合并后的光斑的示意图;
图7为本发明用于展示对吊弦图像进行检测识别的流程示意图;
图8为本发明用于展示确定吊弦图像的感兴趣区域ROI后的示意图;
图9为本发明用于展示对吊弦图像进行预处理后的示意图;
图10为本发明用于展示采用统计霍夫变换方法对感兴趣区域ROI提取直线后的示意图;
图11为本发明用于展示清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径后的示意图;
图12为本发明用于展示吊弦断路径的示意图;
图13为本发明的一种接触网吊弦异常检测系统的示意图;
图14为本发明的一种接触网吊弦异常检测系统的安装位置示意图;
图15为本发明的一种接触网吊弦异常检测系统的拍摄相机的安装位置的示意图;
图16为本发明用于展示步骤S222的流程示意图。
具体实施方式
下面结合本发明的附图1~16,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。
实施例1
参照图1,一种接触网吊弦异常检测方法,包括以下步骤,
S1:对接触线进行扫描补光,获取连续的多张含有激光光束的接触线图像,执行S2;
S2:识别含有激光光束的接触线图像是否有吊弦线夹,值得说明的是,结合图2,以激光光斑是否突然(光斑连续,光斑间断)变长为依据来判断是否为线夹,若是,执行S3,若否,执行S1;
S3:触发拍摄,获取吊弦图像,执行S4;
S4:对吊弦图像进行检测识别,判断吊弦是否异常,若是,执行S5,若否,执行S1;
S5:获取吊弦的位置信息并发出报警信息。
下面依次对各个步骤进行详细说明。
参照图3,S2具体包括以下步骤,
结合图4,S21:对含有激光光束的接触线图像进行预处理,值得说明的是,本实施例中,预处理包括图像转置、边缘增强、形态学以及二值化等预处理操作,获取含有激光光斑的接触线二值化图像,执行S22;
结合图5,S22:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑进行筛选,缓存多个目标光斑,执行S23;
S23:搜索每个目标光斑周围的突变光斑,执行S24;
S24:根据突变光斑判断含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1。
值得说明的是,S22具体包括以下步骤,
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
还值得说明的是,本实施例中,尺寸异常的光斑包括:高度或宽度过大的光斑、高度与宽度的比值过小的光斑、宽度大于高度的光斑;位置异常的光斑包括:靠近图像边缘的光斑、靠近大光斑(太阳光斑)的光斑;
参照图16,S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值。
具体的,对于每个新的光斑,原始存在概率值初始时都设置为一个固定值α(0<α<1),每帧所有缓存的光斑统一降低一次存在概率值的目的是为了避免误删除中途偶尔消失一会的光斑,以及删除真正消失的光斑,因为有些光斑受外界干扰,在中途几帧图像中消失,后面又会再次出现;有但些光斑消失了,就不会再出现,所以每帧开始都会对缓存的光斑统一降低一次存在概率值(存在概率值减去β(0<β<1)),如果该光斑在当前帧继续存在,则其存在概率值会增加一次(存在概率值加上γ(0<γ<1),其中γ为动态值,为了防止存在概率值大于1,该值会随着光斑存在概率值的增大逐渐减小),这样消失次数越多的缓存光斑存在概率值就会越来越低,存在概率值低于固定阈值θ就会被删除;而连续存在的光斑存在概率值就会越来越高,不会被删除。
值得说明的是,S23具体包括以下步骤,
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,值得说明的是,本实施例中,基准阈值为1.5,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
结合图6,S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,值得说明的是,本实施例中,基准阈值为1.5,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑。
值得说明的是,本实施例中,S24具体为,
S24:作为额外约束条件,先利用长光线区别出是否隧道内,然后统计隧道内突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,若否,该突变光斑为吊弦。
参照图7,S4具体包括以下步骤,
结合图8、9,S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,值得说明的是,本实施例中,对感兴趣区域ROI进行的预处理包括一系列的形态学以及细化处理,得到较为干净的细化图像,执行S42;
结合图10,S42:采用统计霍夫变换方法对感兴趣区域ROI提取直线,利用直线的极坐标表示方式对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
结合图11、12,S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常,若是,执行S5,若否,执行S1。
值得说明的是,本实施例中,异常路径包括过短、过长、过粗、两端都不在直线上,距离较近并且重合的路径等。
还值得说明的是,本方法中判断吊弦是否异常具体包括:找出图像中所有的路径断的起始点,所有路径中端点和断的起始点重合的路径为吊弦断路径,此时认为存在吊弦断或是吊弦脱,其余为吊弦松路径,认为存在吊弦松弛。
实施例2
参照图1,一种接触网吊弦异常检测方法,包括以下步骤,
S1:对接触线进行扫描补光,获取连续的多张含有激光光束的接触线图像,执行S2;
S2:识别含有激光光束的接触线图像是否有吊弦线夹,结合图2,以激光光斑是否突然(光斑连续,光斑间断)变长为依据来判断是否为线夹,若是,执行S3,若否,执行S1;
S3:触发拍摄,获取吊弦图像,执行S4;
S4:对吊弦图像进行检测识别,判断吊弦是否异常,若是,执行S5,若否,执行S1;
S5:获取吊弦的位置信息并发出报警信息。
下面依次对各个步骤进行详细说明。
参照图3,S2具体包括以下步骤,
结合图4,S21:对含有激光光束的接触线图像进行预处理,值得说明的是,本实施例中,预处理包括图像转置、边缘增强、形态学以及二值化等预处理操作,获取含有激光光斑的接触线二值化图像,执行S22;
结合图5,S22:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑进行筛选,缓存多个目标光斑,执行S23;
S23:搜索每个目标光斑周围的突变光斑,执行S24;
S24:根据突变光斑判断含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1。
值得说明的是,S22具体包括以下步骤,
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
还值得说明的是,本实施例中,尺寸异常的光斑包括:高度或宽度过大的光斑、高度与宽度的比值过小的光斑、宽度大于高度的光斑;位置异常的光斑包括:靠近图像边缘的光斑、靠近大光斑(太阳光斑)的光斑;
参照图16,S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值。
具体的,对于每个新的光斑,原始存在概率值初始时都设置为一个固定值α(0<α<1),每帧所有缓存的光斑统一降低一次存在概率值的目的是为了避免误删除中途偶尔消失一会的光斑,以及删除真正消失的光斑,因为有些光斑受外界干扰,在中途几帧图像中消失,后面又会再次出现;有但些光斑消失了,就不会再出现,所以每帧开始都会对缓存的光斑统一降低一次存在概率值(存在概率值减去β(0<β<1)),如果该光斑在当前帧继续存在,则其存在概率值会增加一次(存在概率值加上γ(0<γ<1),其中γ为动态值,为了防止存在概率值大于1,该值会随着光斑存在概率值的增大逐渐减小),这样消失次数越多的缓存光斑存在概率值就会越来越低,存在概率值低于固定阈值θ就会被删除;而连续存在的光斑存在概率值就会越来越高,不会被删除。
值得说明的是,S23具体包括以下步骤,
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,值得说明的是,本实施例中,基准阈值为1.5,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
结合图6,S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,值得说明的是,本实施例中,基准阈值为1.5,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑。
值得说明的是,本实施例中,S24具体为,
S24:获取与该突变光斑位置相同的上一帧光斑,判断该突变光斑的高度与上一帧光斑的高度差值是否大于差值最小阈值,若是,则该突变光斑为吊弦,若否,该突变光斑不为吊弦。
参照图7,S4具体包括以下步骤,
结合图8、9,S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,值得说明的是,本实施例中,对感兴趣区域ROI进行的预处理包括一系列的形态学以及细化处理,得到较为干净的细化图像,执行S42;
结合图10,S42:采用统计霍夫变换方法对感兴趣区域ROI提取直线,利用直线的极坐标表示方式对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
结合图11、12,S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常,若是,执行S5,若否,执行S1。
值得说明的是,本实施例中,异常路径包括过短、过长、过粗、两端都不在直线上,距离较近并且重合的路径等。
还值得说明的是,本方法中判断吊弦是否异常具体包括:找出图像中所有的路径断的起始点,所有路径中端点和断的起始点重合的路径为吊弦断路径,此时认为存在吊弦断或是吊弦脱,其余为吊弦松路径,认为存在吊弦松弛。
实施例3
参照图13、14,结合图15,一种接触网吊弦异常检测系统,包括,
激光器,用于对接触线进行扫描补光;
触发相机,用于获取含有激光光束的接触线图像;
处理器,用于识别含有激光光束的接触线图像内是否含有吊弦图像,并识别在含有激光光束的接触线图像内存在吊弦图像时发送第一触发信号至触发相机;
触发相机还用于接收第一触发信号并发送第二触发信号;
两个拍摄相机,用于接收第二触发信号后获取接触线的吊弦图像,并将吊弦图像发送至处理器;
处理器还用于对吊弦图像进行检测识别,判断吊弦是否异常。
值得说明的是,处理器连接有存储器。还值得说明的是,处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是处理器的内部存储单元,例如处理器的硬盘或内存。存储器也可以是处理器的外部存储设备,例如处理器上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器还可以既包括处理器的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及处理器所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
还值得说明的是,本实施例中,激光器、触发相机及两个拍摄相机均安装在轨道车辆的顶部,两个拍摄相机分别安装在激光器的两侧,调整角度对准接触线上的吊弦。
参照图3,处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦线夹;
结合图4,S21:对含有激光光束的接触线图像进行预处理,值得说明的是,本实施例中,预处理包括图像转置、边缘增强、形态学以及二值化等预处理操作,获取含有激光光斑的接触线二值化图像,执行S221;
结合图5,S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
还值得说明的是,本实施例中,尺寸异常的光斑包括:高度或宽度过大的光斑、高度与宽度的比值过小的光斑、宽度大于高度的光斑;位置异常的光斑包括:靠近图像边缘的光斑、靠近大光斑(太阳光斑)的光斑。
处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦线夹,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S221;
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
参照图16,S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值,执行S231;
具体的,对于每个新的光斑,原始存在概率值初始时都设置为一个固定值α(0<α<1),每帧所有缓存的光斑统一降低一次存在概率值的目的是为了避免误删除中途偶尔消失一会的光斑,以及删除真正消失的光斑,因为有些光斑受外界干扰,在中途几帧图像中消失,后面又会再次出现;有但些光斑消失了,就不会再出现,所以每帧开始都会对缓存的光斑统一降低一次存在概率值(存在概率值减去β(0<β<1)),如果该光斑在当前帧继续存在,则其存在概率值会增加一次(存在概率值加上γ(0<γ<1),其中γ为动态值,为了防止存在概率值大于1,该值会随着光斑存在概率值的增大逐渐减小),这样消失次数越多的缓存光斑存在概率值就会越来越低,存在概率值低于固定阈值θ就会被删除;而连续存在的光斑存在概率值就会越来越高,不会被删除;
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S24:获取与该突变光斑位置相同的上一帧光斑,判断该突变光斑的高度与上一帧光斑的高度差值是否大于差值最小阈值,若是,则该突变光斑为吊弦,若否,该突变光斑不为吊弦。
参照图7,处理器通过以下方法判断吊弦是否异常,
结合图8、9,S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,值得说明的是,本实施例中,对感兴趣区域ROI进行的预处理包括一系列的形态学以及细化处理,得到较为干净的细化图像,执行S42;
结合图10,S42:采用统计霍夫变换方法对感兴趣区域ROI提取直线,利用直线的极坐标表示方式对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
结合图11、12,S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常。
值得说明的是,本实施例中,异常路径包括过短、过长、过粗、两端都不在直线上,距离较近并且重合的路径等。
还值得说明的是,本方法中判断吊弦是否异常具体包括:找出图像中所有的路径断的起始点,所有路径中端点和断的起始点重合的路径为吊弦断路径,此时认为存在吊弦断或是吊弦脱,其余为吊弦松路径,认为存在吊弦松弛。处理器发出警示信息。
参照图13,值得说明的是,本系统还包括,
补光器,用于接收第二触发信号后对吊弦进行补光,辅助拍摄相机获取接触线的吊弦图像;
定位器,用于获取吊弦的位置信息。在检测到吊弦异常后,操作人员根据警示信息及吊弦位置信息对异常的吊弦进行维修。
实施例4
参照图13、14,结合图15,一种接触网吊弦异常检测系统,包括,
激光器,用于对接触线进行扫描补光;
触发相机,用于获取含有激光光束的接触线图像;
处理器,用于识别含有激光光束的接触线图像内是否含有吊弦图像,并识别在含有激光光束的接触线图像内存在吊弦图像时发送第一触发信号至触发相机;
触发相机还用于接收第一触发信号并发送第二触发信号;
两个拍摄相机,用于接收第二触发信号后获取接触线的吊弦图像,并将吊弦图像发送至处理器;
处理器还用于对吊弦图像进行检测识别,判断吊弦是否异常。
值得说明的是,处理器连接有存储器。还值得说明的是,处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以是处理器的内部存储单元,例如处理器的硬盘或内存。存储器也可以是处理器的外部存储设备,例如处理器上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。存储器还可以既包括处理器的内部存储单元也包括外部存储设备。存储器用于存储计算机程序以及处理器所需的其他程序和数据。存储器还可以用于暂时地存储已经输出或者将要输出的数据。
还值得说明的是,本实施例中,激光器、触发相机及两个拍摄相机均安装在轨道车辆的顶部,两个拍摄相机分别安装在激光器的两侧,调整角度对准接触线上的吊弦。
参照图3,处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦线夹,
参照图4,S21:对含有激光光束的接触线图像进行预处理,值得说明的是,本实施例中,预处理包括图像转置、边缘增强、形态学以及二值化等预处理操作,获取含有激光光斑的接触线二值化图像,执行S221;
参照图5,S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
还值得说明的是,本实施例中,尺寸异常的光斑包括:高度或宽度过大的光斑、高度与宽度的比值过小的光斑、宽度大于高度的光斑;位置异常的光斑包括:靠近图像边缘的光斑、靠近大光斑(太阳光斑)的光斑;
处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦线夹,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S221;
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
参照图16,S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值,执行S231;
具体的,对于每个新的光斑,原始存在概率值初始时都设置为一个固定值α(0<α<1),每帧所有缓存的光斑统一降低一次存在概率值的目的是为了避免误删除中途偶尔消失一会的光斑,以及删除真正消失的光斑,因为有些光斑受外界干扰,在中途几帧图像中消失,后面又会再次出现;有但些光斑消失了,就不会再出现,所以每帧开始都会对缓存的光斑统一降低一次存在概率值(存在概率值减去β(0<β<1)),如果该光斑在当前帧继续存在,则其存在概率值会增加一次(存在概率值加上γ(0<γ<1),其中γ为动态值,为了防止存在概率值大于1,该值会随着光斑存在概率值的增大逐渐减小),这样消失次数越多的缓存光斑存在概率值就会越来越低,存在概率值低于固定阈值θ就会被删除;而连续存在的光斑存在概率值就会越来越高,不会被删除;
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S24:计算突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,若否,该突变光斑为吊弦。
参照图7,处理器通过以下方法判断吊弦是否异常,
参照图8、9,S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,值得说明的是,本实施例中,对感兴趣区域ROI进行的预处理包括一系列的形态学以及细化处理,得到较为干净的细化图像,执行S42;
参照图10,S42:采用统计霍夫变换方法对感兴趣区域ROI提取直线,利用直线的极坐标表示方式对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
参照图11、12,S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常。
值得说明的是,本实施例中,异常路径包括过短、过长、过粗、两端都不在直线上,距离较近并且重合的路径等。
还值得说明的是,本方法中判断吊弦是否异常具体包括:找出图像中所有的路径断的起始点,所有路径中端点和断的起始点重合的路径为吊弦断路径,此时认为存在吊弦断或是吊弦脱,其余为吊弦松路径,认为存在吊弦松弛。处理器发出警示信息。
参照图13,值得说明的是,本系统还包括,
补光器,用于接收第二触发信号后对吊弦进行补光,辅助拍摄相机获取接触线的吊弦图像;
定位器,用于获取吊弦的位置信息。在检测到吊弦异常后,操作人员根据警示信息及吊弦位置信息对异常的吊弦进行维修。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
Claims (8)
1.一种接触网吊弦异常检测方法,其特征在于,包括以下步骤,
S1:对接触线进行扫描补光,获取连续的多张含有激光光束的接触线图像,执行S2;
S2:识别含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1;
所述S2具体包括以下步骤,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S22;
S22:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑进行筛选,缓存多个目标光斑,执行S23;
S23:搜索每个目标光斑周围的突变光斑,执行S24;
S24:根据突变光斑判断含有激光光束的接触线图像是否有吊弦线夹,若是,执行S3,若否,执行S1;
所述S22具体包括以下步骤,
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值;
S3:触发拍摄,获取吊弦图像,执行S4;
S4:对吊弦图像进行检测识别,判断吊弦是否异常,若是,执行S5,若否,执行S1;
S5:发出报警信息。
2.根据权利要求1所述的一种接触网吊弦异常检测方法,其特征在于,所述S23具体包括以下步骤,
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,若否,则该目标光斑不为突变光斑。
3.根据权利要求2所述的一种接触网吊弦异常检测方法,其特征在于,所述S24具体为,
S24:计算突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,表示含有激光光束的接触线图像没有吊弦线夹,若否,该突变光斑为吊弦,表示含有激光光束的接触线图像有吊弦线夹。
4.根据权利要求2所述的一种接触网吊弦异常检测方法,其特征在于,所述S24具体为,
S24:获取与该突变光斑位置相同的上一帧光斑,判断该突变光斑的高度与上一帧光斑的高度差值是否大于差值最小阈值,若是,则该突变光斑为吊弦,表示含有激光光束的接触线图像有吊弦线夹,若否,该突变光斑不为吊弦,表示含有激光光束的接触线图像没有吊弦线夹。
5.根据权利要求3或4所述的一种接触网吊弦异常检测方法,其特征在于,所述S4具体包括以下步骤,
S41:确定吊弦图像的感兴趣区域ROI,对感兴趣区域ROI进行预处理,执行S42;
S42:对感兴趣区域ROI提取直线,对相似的直线进行合并,得到感兴趣的直线,在图像上表示为吊弦和承力索的直线,执行S43;
S43:清除交叉点,并使用8—邻域搜索所有路径,剔除异常路径,得到目标路径,根据目标路径判断吊弦是否异常,若是,执行S5,若否,执行S1。
6.一种接触网吊弦异常检测系统,其特征在于,包括,
激光器,用于对接触线进行扫描补光;
触发相机,用于获取含有激光光束的接触线图像;
处理器,用于识别含有激光光束的接触线图像内是否含有吊弦图像,并识别在含有激光光束的接触线图像内存在吊弦图像时发送第一触发信号至触发相机;
所述处理器通过以下方法判断含有激光光束的接触线图像是否有吊弦图像,
S21:对含有激光光束的接触线图像进行预处理,获取含有激光光斑的接触线二值化图像,执行S221;
S221:对含有激光光斑的接触线二值化图像进行光斑轮廓检测,提取多个光斑外轮廓,对多个光斑外轮廓进行初步筛选,剔除尺寸异常的光斑及位置异常的光斑,缓存完成初步筛选的光斑,执行S222;
S222:所有缓存的光斑降低一次存在概率值,并剔除存在概率低于最低概率阈值的光斑;加入新的缓存光斑,如果新增光斑的周围不存在缓存光斑,则加入目标光斑缓存队列,并给新增的光斑赋一个初始存在概率值;如果新增光斑的周围存在缓存光斑,则不加入目标光斑缓存队列,仅更新该缓存光斑的位置,并增加该缓存光斑的概率值,执行S231;
S231:判断缓存的目标光斑周围是否存在一个新增光斑,若是,执行S232,若否,执行S233;
S232:判断新增光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S233:判断该目标光斑的周围是否存在上下两个没有变高的光斑,若是,执行S234,若否,则该目标光斑不为突变光斑;
S234:合并该目标光斑的周围的上下两个没有变高的光斑,判断合并后的光斑与该目标光斑的高度比是否大于基准阈值,若是,则该目标光斑为突变光斑,执行S24,若否,则该目标光斑不为突变光斑;
S24:计算突变光斑周围区域内,横向存在两条光斑的占比,判断占比是否大于占比最大阈值,若是,则该突变光斑不为吊弦,若否,该突变光斑为吊弦;
所述触发相机还用于接收所述第一触发信号并发送第二触发信号;
拍摄相机,用于接收所述第二触发信号后获取接触线的吊弦图像,并将吊弦图像发送至处理器;
所述处理器还用于对吊弦图像进行检测识别,判断吊弦是否异常。
7.根据权利要求6所述的一种接触网吊弦异常检测系统,其特征在于,所述处理器使用权利要求5所述的一种接触网吊弦异常检测方法识别含有激光光束的接触线图像内是否含有吊弦图像及判断吊弦是否异常。
8.根据权利要求6所述的一种接触网吊弦异常检测系统,其特征在于,还包括,
补光器,用于接收所述第二触发信号后对吊弦进行补光,辅助拍摄相机获取接触线的吊弦图像;
和/或,
定位器,用于获取吊弦的位置信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010358965.3A CN111523607B (zh) | 2020-04-29 | 2020-04-29 | 一种接触网吊弦异常检测方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010358965.3A CN111523607B (zh) | 2020-04-29 | 2020-04-29 | 一种接触网吊弦异常检测方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111523607A CN111523607A (zh) | 2020-08-11 |
CN111523607B true CN111523607B (zh) | 2023-07-21 |
Family
ID=71911078
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010358965.3A Active CN111523607B (zh) | 2020-04-29 | 2020-04-29 | 一种接触网吊弦异常检测方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111523607B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114030395B (zh) * | 2021-11-05 | 2023-07-25 | 中铁工程设计咨询集团有限公司 | 一种接触悬挂吊弦区域异物检测方法及系统 |
CN114485575A (zh) * | 2021-12-31 | 2022-05-13 | 中铁武汉电气化局集团有限公司 | 一种接触网吊弦高清成像装置及其使用方法 |
CN117788965A (zh) * | 2024-02-28 | 2024-03-29 | 四川拓及轨道交通设备股份有限公司 | 一种柔性接触网吊弦的检测及高清成像方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047968A (zh) * | 2012-12-10 | 2013-04-17 | 苏州华兴致远电子科技有限公司 | 检测接触网悬挂部件位置的方法和系统 |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
CN107289856A (zh) * | 2017-05-09 | 2017-10-24 | 南京理工大学 | 一种基于cmos图像传感器测量管道空间方位的方法 |
CN107343171A (zh) * | 2017-06-28 | 2017-11-10 | 中国铁道科学研究院 | 接触网标准图像库采集装置及其工作方法 |
CN107462187A (zh) * | 2017-07-21 | 2017-12-12 | 浙江中科光电有限公司 | 陶瓷插芯同轴度检测时光斑圆心确定方法及装置 |
CN108195843A (zh) * | 2018-02-01 | 2018-06-22 | 中铁电气化局集团有限公司 | 一种锚段吊弦状态检测装置及方法 |
CN108256483A (zh) * | 2018-01-18 | 2018-07-06 | 湖南华宏铁路高新科技开发有限公司 | 一种基于图像处理的电气化铁路接触网吊弦检测方法 |
CN208216535U (zh) * | 2018-01-30 | 2018-12-11 | 大连维德轨道装备有限公司 | 电气化铁路接触网吊弦检测系统 |
CN109305179A (zh) * | 2017-07-26 | 2019-02-05 | 中国铁道科学研究院集团有限公司 | 铁路线路设备外观巡检系统 |
CN109489724A (zh) * | 2018-12-03 | 2019-03-19 | 大连维德轨道装备有限公司 | 一种隧道列车安全运行环境综合检测装置及检测方法 |
CN109813722A (zh) * | 2019-03-12 | 2019-05-28 | 武汉武大卓越科技有限责任公司 | 接触网吊弦缺陷检测方法 |
CN110310261A (zh) * | 2019-06-19 | 2019-10-08 | 河南辉煌科技股份有限公司 | 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法 |
CN110530337A (zh) * | 2019-09-04 | 2019-12-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 接触网吊弦动态形态的检测装置及方法 |
JP2020041943A (ja) * | 2018-09-12 | 2020-03-19 | 日立交通テクノロジー株式会社 | パンタグラフの総合計測装置およびパンタグラフ押上げ力推定方法 |
CN111076750A (zh) * | 2018-10-22 | 2020-04-28 | 株洲中车时代电气股份有限公司 | 一种用于检测接触网吊弦线夹松脱的装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9354043B2 (en) * | 2008-12-04 | 2016-05-31 | Laura P. Solliday | Methods for measuring and modeling the structural health of pressure vessels based on electronic distance measurements |
-
2020
- 2020-04-29 CN CN202010358965.3A patent/CN111523607B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103047968A (zh) * | 2012-12-10 | 2013-04-17 | 苏州华兴致远电子科技有限公司 | 检测接触网悬挂部件位置的方法和系统 |
CN103617611A (zh) * | 2013-11-12 | 2014-03-05 | 清华大学 | 一种自动阈值分割光斑中心及尺寸检测方法 |
CN107289856A (zh) * | 2017-05-09 | 2017-10-24 | 南京理工大学 | 一种基于cmos图像传感器测量管道空间方位的方法 |
CN107343171A (zh) * | 2017-06-28 | 2017-11-10 | 中国铁道科学研究院 | 接触网标准图像库采集装置及其工作方法 |
CN107462187A (zh) * | 2017-07-21 | 2017-12-12 | 浙江中科光电有限公司 | 陶瓷插芯同轴度检测时光斑圆心确定方法及装置 |
CN109305179A (zh) * | 2017-07-26 | 2019-02-05 | 中国铁道科学研究院集团有限公司 | 铁路线路设备外观巡检系统 |
CN108256483A (zh) * | 2018-01-18 | 2018-07-06 | 湖南华宏铁路高新科技开发有限公司 | 一种基于图像处理的电气化铁路接触网吊弦检测方法 |
CN208216535U (zh) * | 2018-01-30 | 2018-12-11 | 大连维德轨道装备有限公司 | 电气化铁路接触网吊弦检测系统 |
CN108195843A (zh) * | 2018-02-01 | 2018-06-22 | 中铁电气化局集团有限公司 | 一种锚段吊弦状态检测装置及方法 |
JP2020041943A (ja) * | 2018-09-12 | 2020-03-19 | 日立交通テクノロジー株式会社 | パンタグラフの総合計測装置およびパンタグラフ押上げ力推定方法 |
CN111076750A (zh) * | 2018-10-22 | 2020-04-28 | 株洲中车时代电气股份有限公司 | 一种用于检测接触网吊弦线夹松脱的装置及方法 |
CN109489724A (zh) * | 2018-12-03 | 2019-03-19 | 大连维德轨道装备有限公司 | 一种隧道列车安全运行环境综合检测装置及检测方法 |
CN109813722A (zh) * | 2019-03-12 | 2019-05-28 | 武汉武大卓越科技有限责任公司 | 接触网吊弦缺陷检测方法 |
CN110310261A (zh) * | 2019-06-19 | 2019-10-08 | 河南辉煌科技股份有限公司 | 一种接触网吊弦缺陷检测模型训练方法和缺陷检测方法 |
CN110530337A (zh) * | 2019-09-04 | 2019-12-03 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 接触网吊弦动态形态的检测装置及方法 |
Non-Patent Citations (6)
Title |
---|
Aboshi Mitsuo.Precise measurement and estimation method for overhead contact line unevenness.《ELECTRICAL ENGINEERING in JAPAN》.2007,77-85. * |
李宏科.一种基于吊弦异常检测的打弓缺陷预判算法.《电气化铁路》.2019,89-92. * |
李晓旭.重载铁路接触网悬挂状态检测装置研究.《中国优秀硕士学位论文全文数据库 工程科技II辑》.2020,全文. * |
王伟.基于双线阵相机的接触网几何参数检测方法及系统研究.《中国优秀硕士学位论文全文数据库 工程科技II辑》.2019,全文. * |
韩烨.基于计算机视觉的高铁接触网支持装置零部件分类提取与缺陷检测.《中国博士论文全文数据库 工程科技II辑》.2020,全文. * |
黄振.单目红外图像的弓网接触线检测跟踪算法研究.《中国优秀硕士学位论文全文数据库 工程科技辑II辑》.2020,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111523607A (zh) | 2020-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111523607B (zh) | 一种接触网吊弦异常检测方法与系统 | |
CN111079819B (zh) | 基于图像识别与深度学习的铁路货车钩舌销的状态判断方法 | |
CA2959967C (en) | Identification of a contact point between a pantograph and a power supply line in an image | |
CN107154034B (zh) | 一种高铁接触网斜拉线定位钩的状态检测方法及系统 | |
CN111260629A (zh) | 基于图像处理的受电弓结构异常检测算法 | |
KR20220023327A (ko) | 결함 검출 방법, 장치, 전자 디바이스 및 컴퓨터 저장매체 | |
CN111402214A (zh) | 基于神经网络的接触网吊弦载流环断裂缺陷自动检测方法 | |
CN111797669A (zh) | 道路异常检测设备、道路异常检测方法和计算机可读介质 | |
CN111832571B (zh) | 一种货车制动梁支柱故障自动检测方法 | |
US11373417B2 (en) | Section line recognition device | |
CN112884771A (zh) | 一种基于激光lidar点云的电力线异物搭挂自动检测方法 | |
CN111127381B (zh) | 一种受电弓滑板不平行检测方法 | |
CN112927284B (zh) | 矿车掉道的监控方法、装置、设备和存储介质 | |
CN112001908A (zh) | 铁路货车枕梁孔搭载异物检测方法 | |
CN105574870A (zh) | 多功能轨道扣件图像检测系统及其检测方法 | |
JP6920979B2 (ja) | 架線金具検出装置及び方法 | |
CN110782411A (zh) | 一种基于图像处理的防震锤滑移识别方法 | |
CN111114587A (zh) | 一种车站接发列车预警系统及其图像预处理方法 | |
CN109978879B (zh) | 基于铁路货车装载视频监视的箱角入槽状态检测方法 | |
JP2008287367A (ja) | 車両検出システム | |
CN113504243A (zh) | 接触网弹性吊索与承力索连接区域成像装置及成像方法 | |
CN113610854A (zh) | 一种线索缺陷检测方法、终端设备以及计算机存储介质 | |
CN116843686B (zh) | 接触网定位器线夹螺母缺陷的检测方法及装置 | |
Duan et al. | Automatic inspection method of steady arm slope based on computer vision | |
US20230064634A1 (en) | Abnormality notification system |
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 |