CN111666947A - 一种基于3d成像的受电弓弓头偏移量测量方法及系统 - Google Patents

一种基于3d成像的受电弓弓头偏移量测量方法及系统 Download PDF

Info

Publication number
CN111666947A
CN111666947A CN202010453921.9A CN202010453921A CN111666947A CN 111666947 A CN111666947 A CN 111666947A CN 202010453921 A CN202010453921 A CN 202010453921A CN 111666947 A CN111666947 A CN 111666947A
Authority
CN
China
Prior art keywords
pantograph
point cloud
region
vehicle
head
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
Application number
CN202010453921.9A
Other languages
English (en)
Other versions
CN111666947B (zh
Inventor
张志豪
王瑞锋
占栋
李文宝
黄成亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Tangyuan Electric Co Ltd
Original Assignee
Chengdu Tangyuan Electric Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Tangyuan Electric Co Ltd filed Critical Chengdu Tangyuan Electric Co Ltd
Priority to CN202010453921.9A priority Critical patent/CN111666947B/zh
Publication of CN111666947A publication Critical patent/CN111666947A/zh
Application granted granted Critical
Publication of CN111666947B publication Critical patent/CN111666947B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
    • G06V30/10—Character recognition
    • G06V30/14—Image acquisition
    • G06V30/148—Segmentation of character regions
    • G06V30/153—Segmentation of character regions using recognition of characters or words
    • 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
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20061—Hough transform

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Multimedia (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明属于列车受电弓视觉成像检测技术领域，公开了一种基于3D成像的受电弓弓头偏移量测量方法及系统，包括基准轮廓获取步骤、受电弓区域定位步骤、定位判别器判别步骤、滑板区域提取步骤、滑板旋转校正步骤、滑板轮廓坐标提取步骤和中心线偏移计算步骤，是一种基于安装在隧道内壁的高速3D相机成像装置获取的待检测车辆车顶及车顶设备的图像数据，通过视觉识别方法对受电弓实时位置进行定位并结合标准数据精确测量受电弓弓头偏移量的测量方法。

Description

一种基于3D成像的受电弓弓头偏移量测量方法及系统
技术领域
本发明属于列车受电弓视觉成像检测技术领域，尤其涉及一种基于3D成像的受电弓弓头偏移量测量方法及系统。
背景技术
在电气化铁路设计中，受电弓作为电气化车辆的受流装置，受电弓滑板的磨耗量、弓头姿态，是影响弓网关系和受流质量的关键因素之一。受电弓的功能是通过受电弓滑板与接触网接触线之间的接触，从而为电力机车提供电能。
而评价受电弓状态主要参考两个状态参数为几何参数和动力学参数。其中几何参数包括滑板磨耗量、中心线偏移和弓头倾斜；而动力学参数为受电弓接触力，当滑板磨耗量超限，弓头偏移、倾斜超限时，会对弓网关系产生负面影响，严重时可能发生打弓，损伤弓网，甚至引发全事故。
在现有技术中，有一些对于受电弓偏移检测的技术方案运用，如公开号为CN108981565A，公开时间为日2018年12月11日，名称为“一种城轨列车受电弓中心线偏移监测装置及方法”的中国发明专利文献，即公开了一一种城轨列车受电弓中心线偏移监测装置及方法。该装置包括现场控制单元、现场数据采集单元、远程传输单元、数据分析单元、数据存储与发布单元和客户端访问单元，其中现场控制和数据采集单元检测列车的到来及获取列车车号信息、受电弓原始图像；远程传输单元用于现场与设备房之间的信号传输；数据分析单元对接收到的采集图像进行处理。方法为：使用工业相机获得原始图像数据；对原始图像进行滤波处理；再采用自适应Canny边缘检测算法对滤波后的图像进行处理得到边缘图像；对接触线和受电弓弓头中心进行检测，得到接触线直线方程和受电弓弓头中心坐标；采用相机标定得到中心线偏移值。
但是现有技术这种对受电弓的检测方案还是基于面阵图像的传统图像处理算法对受电弓进行识别和中心线偏移量计算，无法获取受电弓在三维空间内的全面的姿态数据，弓头偏移量测量精度有限。
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基于安装在隧道内壁的高速3D相机成像装置获取的待检测车辆车顶及车顶设备的图像数据，通过视觉识别方法对受电弓实时位置进行定位并与标准数据进行比对判断出受电弓弓头偏移量测量方法及系统，3D成像装置扫描出的待检测车辆车顶及车顶设备的图像数据包括包括代表空间横向宽度横向X向数据、代表空间高度的纵向Y向数据和沿车辆行进方向、代表空间长度的Z向数据。
本发明的一种基于3D成像的受电弓弓头偏移量检查方法，包括以下步骤：
基准轮廓获取步骤，获取待检车辆车号图像，采用OCR采用OCR(OpticalCharacter Recognition)方法对待检测车辆车号图像进行车号识别，获得待检测车辆的车号并根据所述车号对应调取受电弓滑板基准数据库中所述待检测车辆对应的受电弓弓头宽度作为基准数据，具体的，OCR是首先采用YOLOv3算法对车号目标进行识别训练，获取车号目标字符后，再采用SVM(支持向量机)对具体字符进行识别从而获得待检测车辆的车号；
3D成像步骤，通过3D成像装置获取待检测车辆的三维点云数据；车顶外轮廓在三维空间中的包括X，Y，Z三个方向上的尺寸数据，通过3D成像装置可以获取待检测车辆车顶外轮廓在三维空间中的X，Y，Z三个方向上的三维点云数据，其中，X向代表空间横向宽度方向，Y向代表空间高度的纵向方向，Z 向代表车辆行进方向。
受电弓区域定位步骤，受电弓头在车辆轮廓中具有最高的空间坐标，且对于特定线路，升弓高度具有唯一基准值，则可通过空间坐标高度判断出受电弓所在位置区域，根据所述3D成像装置的纵向空间采样间隔和所述待检测车辆的弓头纵向长度计算搜索窗口尺寸c；基于所述搜索窗口尺寸c生成受电弓区域判别函数
Figure RE-GDA0002620268960000021
根据所述受电弓区域判别函数从所述三维点云数据中筛选出受电弓区域点云；其中：Ymn为纵向第n行、横向第m列的点坐标高度，kt为第t个搜索窗口的起始位置，j为横向像素数，hd,hu为弓头空间的最低高度和最高高度；
受电弓定位判别步骤，对所述受电弓区域定位步骤筛选出的受电弓区域点云沿纵向按帧进行处理，得到若干帧受电弓区域二值图，将若干帧受电弓区域二值图沿纵向叠加得到受电弓纵向轮廓叠加图像；采用经过训练的分类器对所述受电弓纵向轮廓叠加图像是否包含受电弓进行判别，通过经过训练的判别器对而完成对包含最大外轮廓的单张图片完成受电弓区域的定位判别，受电弓定位判别步骤将三维空间点云问题转换为平面二值化图像问题，再运用图像识别方式进行判别；
滑板区域提取步骤，对所述受电弓定位判别步骤中判别为包含受电弓的受电弓纵向轮廓叠加图像对应的受电弓区域点云，采用高度判别函数
Figure RE-GDA0002620268960000031
对滑板进行搜索，并选取Hn值符合设定阈值的连续N个断面行作为受电弓滑板区域点云；其中n为沿Z方向的搜索窗口序号；m为沿X 方向的点序号，ks为搜索窗口的纵向起始位置，ke为搜索窗口的纵向终止位置，即Ymn为搜索窗口内第m行n列的点的高度坐标，与受电弓区域定位不同的是，本步搜索在已获取的受电弓区域范围内进行；
滑板旋转校正步骤，车辆在运行过程中，若出现非正常的弓网关系，可能导致弓头发生绕y轴和z轴的倾斜，因此需要将经过所述滑板区域提取步骤得到的受电弓滑板区域沿着倾斜轴为旋转轴进行逆向的旋转调整矫正，具体的，采用与所述受电弓定位判别步骤相同的方法，对所述受电弓滑板区域点云沿Y和Z方向按帧进行处理，得到若干帧滑板区域二值图，将若干帧所述滑板区域二值图分别沿Y和Z方向叠加得到受电弓滑板区域在XZ平面上和XY平面上的二值图像；对所述二值图像进行形态提取和霍夫变换，提取得到弓头直线，计算所述弓头直线相对其处于正常姿态的夹角θXZ和θXY，根据所述夹角θXZ和θXY对滑板点云进行旋转校正，将弓头直线转换至XZ平面上的二值图像，输出校正后受电弓滑板区域点云在XZ平面上的点集(Xr，Zr)。
滑板轮廓坐标提取步骤，通过基准轮廓获取步骤已获取了在检车辆的编组信息，检索受电弓基准数据库，读取本编组车辆的受电弓基准数据，其中包括受电弓羊角端点距碳滑板端点的距离Xd，这里提取经过所述滑板旋转校正步骤校正后受电弓滑板区域在XZ平面上的点集(Xr，Zr)中的受电弓滑板区域点云，沿着Z方向遍历获取每一行点云中Xr最小的点(XMINn,Zrn)，再用最小二乘法计算εmin＝∑(XMINn-Xture)2，求解得到Xture则为受电弓弓头边缘所在直线的X 向坐标；
中心线偏移计算步骤，滑板轮廓坐标提取步骤已获取受电弓弓头边缘所在直线的X向坐标Xture，设受电弓弓头宽度为D，轨道中心的X方向坐标为X0，则中心线偏移量
Figure RE-GDA0002620268960000041
具体的，所述受电弓区域定位步骤，3D成像装置扫描出的待检测车辆车顶外轮廓数据中的空间坐标为代表空间横向宽度横向X向数据、代表空间高度的纵向Y向数据和沿车辆行进方向、代表空间长度的Z向数据，其中X，Y，Z向数据的维数分别为i、j、k，分别对应3D成像装置横向像素数、纵向像素数和扫描总行数；根据3D成像装置扫描行频和车速计算出3D成像装置的扫描空间间隔在Z方向的距离差ΔZ，即Z方向的搜索宽度(行数)，根据ΔZ和受电弓头的轴向长度L计算出受电弓弓头在Z方向所占行数
Figure RE-GDA0002620268960000042
其中l为余量，受电弓头的轴向长度L为已知参数，即为基准数据中的轴向长度L，由此得到用于受电弓定位的搜索窗口尺寸即受电弓弓头在Z方向所占行数c0；
由前文可知，受电弓弓头在车顶具有唯一最高空间位置，则生成受电弓区域判别函数为
Figure RE-GDA0002620268960000043
其中，kt为从车头位置起第t个搜索窗口的起始位置，n为沿Z方向的搜索窗口序号；m为沿X方向的点序号，(hd,hu)为弓头空间的高度范围，即Ymn为搜索窗口内第m行n列的点的高度坐标；
设定受电弓判别高度阈值为ε，搜索步长的确定方式为：
当H<ε时，判断为当前搜索窗口内无受电弓，此时取kt+1＝kt+c0；kt为从车头起，第t个搜索窗口的起始位置；k(t+1)为从车头起，第t+1个搜索窗口的起始位置，该公式含义为t+1个搜索窗口的起始位置。
当H≥ε时，判断受电弓可能已进入搜索窗口，此时取
Figure RE-GDA0002620268960000044
其中Hmax为人工统计出的受电弓判别高度先验阈值，ε为预设的最小H先验阈值；
通过上述方法可快速定位到受电弓区域。
ε可以自定义，或者根据从所述受电弓滑板基准数据库中匹配到的基准数据对应的受电弓的弓头Y方向最下端值+冗余量的和作为受电弓判别高度阈值ε。
进一步的，所述受电弓区域判别函数的搜索步长为△kt，△kt为搜索窗口的长度，简易搜索步长可直接取Δkt＝1，但该方法速度较慢，为提高搜索定位效率，本方案提出了上述动态搜索步长的方法。
而所述受电弓区域定位步骤中，还包括对3D成像装置扫描出的待检测车辆车顶外轮廓数据中非受电弓区域进行剪裁，即在筛选出受电弓区域点云，即获取了受电弓弓头区域边界为Xedge＝[xs，xe]，Yedge＝[ys，ye]， Zedge＝[zs，ze]，对于3D成像装置扫描获取的空间坐标
Figure RE-GDA0002620268960000051
进行删除操作。
优选地，所述受电弓定位判别步骤中，经过训练的判别器是通过人工标记包含有正确受电弓的图像、且同样筛选出受电弓区域点云作为样本数据，再对样本数据使用faster-R-CNN算法进行判别器的训练。
进一步的，所述定位判别器判别步骤中，经过所述受电弓区域定位步骤处理得到的受电弓区域图像是由每帧扫描图像的开窗为W×H的3D相机采集的，即在x方向有W个像素，在y方向有H个像素；
具体的，每帧扫描图像的开窗内，当高度方向的坐标处有像素点，即 y(pixW，pixH)≠0，令此处的灰度值为gray(pixW，pixH)＝255，否则令此处的灰度值gray(pixW，pixH)＝0；
再采用上述方法在k∈(ks，ke)进行k次循环，k等于搜索窗口内的纵向行数，k的次数等于每帧扫描图像的开窗具体步长之间所包含的Z方向截面数量，即获得了受电弓区域Z方向每帧空间坐标转换为二值图在单张图像上的叠加。
获取的叠加图像一方面包含了等效在Z方向采用面阵相机拍摄单张图片后再进行轮廓提取的受电弓最大外轮廓信息，还包含了受电弓非最大外轮廓的结构信息，故通过3D点云数据转换得到的图像所包含信息更接近于受电弓标注数据 ground_truth的特征空间，至此已将空间三维点云空间判别问题转换为典型平面图像识别问题。
具体的，所述滑板区域提取步骤中，取H值最大的前N+1行数据，再对N+1 行数据沿纵向排序，序列为0-N，计算相邻截面累计高度Hn的差值：
ΔHl＝|H0-H1|,ΔH＝|H1-H2|...
ΔHr＝|HN-HN-1|,ΔH＝|HN-1-HN-2|...
其中ΔHl为纵向最左端相邻截面累计高度H的差值，ΔHr为纵向最右端相邻截面累计高度H的差值，当ΔHl和ΔHr大于设定阈值时，取该两处的纵向位置kl， kr值作为滑板区域的位置边界；
根据所述滑板区域的位置边界提取其间的空间点作为受电弓滑板区域点云。
所述弓头倾斜计算步骤，是采用与所述受电弓定位判别器相同方法，对取H 值最大的前N行数据对应的转换为XZ平面和XY平面的二值图像，再进行形态提取，霍夫变换、直线提取获得所述滑板区域数据中的弓头直线并进行弓头直线角度θ计算；对于XY平面，可以利用之前的二维叠加图，从中提取滑板直线；对于XZ平面，则需要重新计算二维叠加图。
所述滑板旋转校正步骤，通过反正切函数分别计算弓头直线在XZ平面的倾斜角
Figure RE-GDA0002620268960000061
和在XY平面的倾斜角
Figure RE-GDA0002620268960000062
其中s 表示拟合直线的起点，e表示拟合直线的终点，n表示拟合的直线序号，然后再对弓头3D点云的坐标进行旋转得到矫正后的坐标点云(Xr2，Yr，Zr)，其中
Figure RE-GDA0002620268960000063
Figure RE-GDA0002620268960000064
本发明还提供了一种基于3D成像的受电弓弓头偏移量测量系统，包括：
车号采集单元，设置于轨旁，用于获取待检车辆车号图像；
基准轮廓获取单元，用于采用OCR方法对所述车号图像进行车号识别，获得待检测车辆的车号并根据所述车号调取受电弓滑板基准数据库中所述待检测车辆对应的受电弓弓头宽度；
3D成像采集单元，包括2个3D成像装置，2个3D成像装置位于同一个竖直标定平面并沿横向排布，用于获取待检测车辆的三维点云数据；
受电弓区域定位单元：用于根据所述3D成像装置的纵向空间采样间隔和所述待检测车辆的弓头纵向长度计算搜索窗口尺寸c；基于所述搜索窗口尺寸c生成受电弓区域判别函数
Figure RE-GDA0002620268960000065
根据所述受电弓区域判别函数从所述三维点云数据中筛选受电弓区域点云；其中：Ymn为纵向第n行、横向第m列的点坐标高度，kt为第t个搜索窗口的起始位置，j为横向像素数，hd， hu为弓头空间的最低高度和最高高度；
受电弓定位判别单元，用于对所述受电弓区域点云沿纵向按帧进行处理，得到若干帧受电弓区域二值图，将若干帧所述受电弓区域二值图沿纵向叠加得到受电弓纵向轮廓叠加图像，采用经过训练的分类器判别所述受电弓纵向轮廓叠加图像是否包含受电弓；
滑板区域提取单元，用于对判别为是的受电弓区域点云采用滑板高度判别函数
Figure RE-GDA0002620268960000071
对滑板进行搜索，并选取Hn值符合设定阈值的连续N 个断面行作为受电弓滑板区域点云；ks为搜索窗口的纵向起始位置，ke为搜索窗口的纵向终止位置；
滑板旋转校正单元，用于对所述受电弓滑板区域点云沿Y和Z方向按帧进行处理得到若干帧滑板区域二值图，并将若干帧所述滑板区域二值图分别沿Y 和Z方向叠加得到受电弓滑板区域在XZ平面上和XY平面上的二值图像；对所述二值图像进行形态提取和霍夫变换，提取得到弓头直线，计算所述弓头直线相对其处于正常姿态的夹角θXZ和θXY，根据所述夹角θXZ和θXY对滑板点云进行旋转校正，并输出校正后受电弓滑板区域点云在XZ平面上的点集(Xr，Zr)；
滑板轮廓坐标提取单元，用于对所述点集(Xr，Zr)沿着Z方向遍历获取每一行点中Xr最小的点(XMINn,Zrn)，再用最小二乘法计算εmin＝∑(XMINn-Xture)2，求解得到Xture则为受电弓弓头边缘所在直线的X向坐标；
中心线偏移计算单元，用于设定受电弓弓头宽度D，轨道中心的X方向坐标X0，并根据受电弓弓头边缘所在直线的X向坐标Xture，计算中心线偏移量
Figure RE-GDA0002620268960000072
有益效果：
基于3D成像的受电弓弓头偏移量测量方法，相比基于面阵图像处理的受电弓姿态测量方法，测量精度显著提高。
本发明的这种基于3D成像的受电弓弓头偏移量测量方法，将三维点云空间特征判别问题转换为平面图像识别问题。3D相机扫描获取的数据为三维点云，本发明将平行平面的点云数据通过叠加转换为一定分辨率的平面二值图像，将空间问题转换为平面问题，且该平面二值图像包含一定被识别目标的空间特征，其特征空间更接近于ground truth，由此可应用成熟的深度模型进行训练和识别。
基于3D成像的受电弓弓头偏移量测量方法，精确获取了受电弓弓头三维模型数据，并且可根据弓头三维姿态与正常姿态的差异单轴和/或多轴旋转之后再进行弓头偏移量计算，进一步克服了面阵图像测量方案直接进行弓头偏移量测量带来的误差问题。
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为本发明受电弓弓头偏移量测量方法流程图；
图2为本发明实施例一种典型车辆限界图；
图3为本发明被检测受电弓的示意图；
图4为本发明受电弓定位判别过程进行图像叠加的示意图；
图5-11为本发明将滑板区分别绕y轴坐标旋转处理的示意图；
图12为本发明受电弓滑板轮廓坐标读取起点判定示意图；
图13为本发明受电弓滑板轮廓判定示意图。
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基于3D成像的受电弓弓头偏移量测量方法，如图1，包括以下步骤：
首先进行基准轮廓获取，获取待检车辆车号图像，采用OCR采用OCR (OpticalCharacter Recognition)方法对待检测车辆车号图像进行车号识别，获得待检测车辆的车号并根据所述车号对应调取受电弓滑板基准数据库中所述待检测车辆对应的受电弓弓头宽度作为基准数据，具体的，OCR是首先采用 YOLOv3算法对车号目标进行识别训练，获取车号目标字符后，再采用SVM(支持向量机)对具体字符进行识别从而获得待检测车辆的车号
然后进行3D成像，通过3D成像装置获取待检测车辆的三维点云数据；车顶外轮廓在三维空间中的包括X，Y，Z三个方向上的尺寸数据，通过3D成像装置可以获取待检测车辆车顶外轮廓在三维空间中的X，Y，Z三个方向上的三维点云数据。
接着进行受电弓区域定位，获取受电弓区域在数据中的位置，由于受电弓在车顶的空间位置具有唯一性，已通过3D成像装置获取了车顶及车顶设备的空间坐标，则通过空间位置唯一性的判断，实现受电弓定位。具体的，如图2所示，为典型城轨车辆的限界图，明确可知受电弓头在车辆轮廓中具有最高的空间坐标，且对于特定线路，升弓高度具有唯一基准值(如刚性接触网为4040mm)，则可通过空间坐标高度判断出受电弓所在位置。
如图3，车顶外轮廓在三维空间中的包括X，Y，Z三个方向上的尺寸数据。
设3D成像装置高速扫描出的车顶外轮廓坐标为X，Y，Z，其中X，Y，Z 的维数分别为i、j、k，分别对应3D成像装置横向像素数、纵向像素数和扫描总行数。首先根据3D成像装置扫描行频和车速计算出ΔZ，即两行数据在行车方向的距离差，同时受电弓头的轴向长度L为已知参数，则可计算出受电弓弓头所占Z方向行数
Figure RE-GDA0002620268960000091
其中
Figure RE-GDA0002620268960000095
为余量，由此获取了进行受电弓定位的搜索的窗口大小。
由前文可知，受电弓弓头在车顶具有唯一最高空间位置，则判别函数可写为
Figure RE-GDA0002620268960000092
其中，所述受电弓区域判别函数的搜索步长为△kt，△kt为搜索窗口的长度，简易搜索步长可直接取△kt＝1，但该方法速度较慢，为提高搜索定位效率，本方案给出了动态搜索步长的方法，判别函数可写为
Figure RE-GDA0002620268960000093
其中(hd,hu)为弓头空间的高度范围；
当H<ε时，判断为当前搜索窗口内无受电弓，此时取kt+1＝kt+c0；kt为从车头起，第t个搜索窗口的起始位置；k(t+1)为从车头起，第t+1个搜索窗口的起始位置，该公式含义为t+1个搜索窗口的起始位置。
当H≥ε时，判断受电弓可能已进入搜索窗口，此时取
Figure RE-GDA0002620268960000094
其中Hmax为人工统计出的受电弓判别高度先验阈值，ε为预设的最小H先验阈值；
通过上述方法即可快速定位到受电弓区域。
获得了受电弓区域定位即获取了受电弓区域在3D成像装置采集数据的三维世界坐标系中的边界Xedge＝[xs，xe]，Yedge＝[ys，ye]， Zedge＝[zs，ze]，对于3D成像装置扫描获取的空间坐标
Figure RE-GDA0002620268960000101
(即，不属于边界内的)进行删除操作即得到受电弓区域定位。
接着，进行受电弓定位判别。在上述过程中，已进行了受电弓的定位，受电弓定位判别则对定位的正确性进行判断，受电弓定位判别是通过定位判别器实现的，当定位判别器判断定位正常，则进行后续步骤，若判断为定位错误，则返回上一步骤继续通过平移搜索窗口进行搜索。而用定位判别器实现定位判别的具体方法如下：
设3D成像装置每帧扫描图像的开窗为W×H，即x方向有W个像素，y方向有H个像素。每帧扫描图像的开窗内，当y方向的坐标处有像素点，即 y(pixW，pixH)≠0，令此处的灰度值为gray(pixW，pixH)＝255，否则令此处的灰度值gray(pixW，pixH)＝0。如图4，再对上述方法在 k∈(ks，ke)进行k次循环，即获得了受电弓区域Z方向每帧空间坐标转换为二值图在单张图像Pic_SDG上的叠加。
获取的叠加图像Pic_SDG一方面包含了等效在Z方向采用面阵相机拍摄单张图片后再进行轮廓提取的受电弓最大外轮廓信息，还包含了受电弓非最大外轮廓的结构信息，故通过3D点云数据转换得到的图像Pic_SDG所包含信息更接近于受电弓groundtruth的特征空间，至此已将空间三维点云空间判别问题转换为典型平面图像识别问题；通过人工标记包含正确受电弓的图像Pic_SDG，获取样本数据，再使用faster-R-CNN进行判别器训练，从而完成受电弓定位判别。
包含正确受电弓的图像Pic_SDG可以源于车号识别时匹配到的数据库中对应的受电弓基准数据图像，定位判别器将三维空间点云问题转换为平面二值化图像问题，再运用图像识别方式进行判别。
完成受电弓定位判别后则进行受电弓滑板区数据提取。同样，受电弓滑板区域在成像三维空间中具有最高y坐标，采用与受电弓定位相同的方法，并选取H 最大的前N行不具有明显梯度的数据，作为受电弓滑板区域。具体的，采用高度判别函数H对受电弓滑板进行搜索，与受电弓区域定位不同的时，本步搜索在已获取的受电弓区域范围内进行，即
Figure RE-GDA0002620268960000111
取H值最大的前 N行数据，再对N行数据进行k序列的排序，序列为0-N；
计算每一截面累计高度H的差值：
ΔHl＝|H0-H1|,ΔH＝|H1-H2|...
ΔHr＝|HN-HN-1|,ΔH＝|HN-1-HN-2|...
其中ΔHl为Z方向上最低一层截面累计高度H的差值，ΔHr为Z方向上最高一层截面累计高度H的差值，得到滑板在Z方向的两边界，当ΔHl和ΔHr大于设定阈值时，取该处Z方向上的kl，kr值作为受电弓滑板区域的位置边界。
受电弓滑板区数据提取之后则需要将图像中的滑板区分别绕y轴和z轴坐标旋转。车辆在运行过程中，若出现非正常的弓网关系，可能导致弓头发生绕y 轴和z轴的倾斜，受电弓滑板与设定坐标的x轴所在平面几乎是平行的；因此需要将经过所述滑板区域提取步骤得到的受电弓滑板区域沿着倾斜轴为旋转轴进行逆向的旋转调整矫正，具体的，如图5，采用与所述受电弓定位判别步骤相同的方法，对所述受电弓滑板区域点云沿旋转轴方向按帧进行处理，得到若干帧滑板区域二值图，将若干帧所述滑板区域二值图沿所述旋转轴方向叠加得到滑板沿旋转轴方向叠加图像；对所述滑板沿旋转轴方向叠加图像进行形态提取和霍夫变换，提取得到弓头直线，并计算所述弓头直线相对其处于正常姿态的夹角，根据所述夹角对滑板点云进行旋转校正，将的三维受电弓滑板区数据转换为XZ平面和XY平面坐标的二值图像，再运用图8的形态提取和图9的霍夫变换获取受电弓弓头直线角度θ，并获得矫正后点云(Xr，Zr，Yr)。
具体的，首先采用与受电弓定位判别器相同方法，如图6和7，将3D点云数据转换为XZ平面的二值图像，再进行形态提取、霍夫变换，以及直线提取，旋转角θXZ计算，具体的，如图5-10所示，将三维点云数据转换为二值化灰度图，然后进行形态提取，经过霍夫变换完成直线提取，再如图11进行X、Z坐标旋转；同理，求取XY平面的倾斜角后，获得旋转后坐标Xr，Zr，Yr。
完成受电弓滑板区旋转矫正后，读取受电弓滑板区数据中的受电弓滑板轮廓坐标。具体的，通过车号识别已获取了在检车辆的编组信息，调用对应受电弓基准数据库中本编组车辆的受电弓基准数据，其中包括受电弓羊角端点距碳滑板端点的距离Xd，获取了绕y轴旋转后的坐标Xr，遍历获取每行Xr坐标的最小的点(XMINn，Yn)，再用最小二乘法计算εmin＝∑(XMINn-Xture)2，求解得到Xture则为受电弓弓头边缘所在直线的X向坐标。
如图12所示，其中，Xhb＝Xture+Xd即为受电弓滑板轮廓坐标读取起点，有了起点，进而如图13，即可完成对受电弓滑板轮进行读取。
完成对受电弓滑板轮进行读取即可进行中心线偏移计算。已获取受电弓弓头边缘所在直线的X向坐标Xture，设受电弓弓头宽度为D，轨道中心的X向点云为X0，则中心线偏移量为
Figure RE-GDA0002620268960000121
其中，受电弓弓头宽度D和轨道中心的X向点云X0均可通过所述基准轮廓获取步骤调取受电弓滑板基准数据库中相应数据。

Claims (10)

1.一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于，包括以下步骤：
基准轮廓获取步骤，获取待检车辆的车号图像，采用OCR方法对所述车号图像进行车号识别，获得待检测车辆的车号并根据所述车号调取受电弓滑板基准数据库中所述待检测车辆对应的受电弓弓头宽度；
3D成像步骤，通过3D成像装置获取待检测车辆的三维点云数据；
受电弓区域定位步骤，根据所述3D成像装置的纵向空间采样间隔和所述待检测车辆的弓头纵向长度计算搜索窗口尺寸c；基于所述搜索窗口尺寸c生成受电弓区域判别函数
Figure RE-FDA0002620268950000011
根据所述受电弓区域判别函数从所述三维点云数据中筛选出受电弓区域点云；其中：Ymn为纵向第n行、横向第m列的点坐标高度，kt为第t个搜索窗口的起始位置，j为横向像素数，hd，hu为弓头空间的最低高度和最高高度；
受电弓定位判别步骤：对所述受电弓区域点云沿纵向按帧进行处理，得到若干帧受电弓区域二值图，将若干帧所述受电弓区域二值图沿纵向叠加得到受电弓纵向轮廓叠加图像，采用经过训练的分类器对所述受电弓纵向轮廓叠加图像是否包含受电弓进行判别；
滑板区域提取步骤，对所述受电弓定位判别步骤中判别为包含受电弓的受电弓纵向轮廓叠加图像对应的受电弓区域点云，采用滑板高度判别函数
Figure RE-FDA0002620268950000012
对滑板进行搜索，并选取Hn值符合设定阈值的连续N个断面行作为受电弓滑板区域点云；ks为搜索窗口的纵向起始位置，ke为搜索窗口的纵向终止位置；
滑板旋转校正步骤，对所述受电弓滑板区域点云沿Y和Z方向按帧进行处理，得到若干帧滑板区域二值图，将若干帧所述滑板区域二值图分别沿Y和Z方向叠加得到受电弓滑板区域在XZ平面上和XY平面上的二值图像；对所述二值图像进行形态提取和霍夫变换，提取得到弓头直线，计算所述弓头直线相对其处于正常姿态的夹角θXZ和θXY，根据所述夹角θXZ和θXY对滑板点云进行旋转校正，输出校正后受电弓滑板区域点云在XZ平面上的点集(Xr，Zr)；
滑板轮廓坐标提取步骤，对所述点集(Xr，Zr)沿着Z方向遍历获取每一行点中Xr最小的点(XMINn，Zrn)，再用最小二乘法计算εmin＝∑(XMINn-Xture)2，求解得到Xture则为受电弓弓头边缘所在直线的X向坐标；
中心线偏移计算步骤，滑板轮廓坐标提取步骤已获取受电弓弓头边缘所在直线的X向坐标Xture，设受电弓弓头宽度为D，轨道中心的X方向坐标为X0，则中心线偏移量
Figure RE-FDA0002620268950000021
2.如权利要求1所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于：所述基准轮廓获取步骤中，OCR方法是首先采用YOLOv3算法对车号目标进行识别训练，获取车号目标字符后，再采用SVM(支持向量机)对具体字符进行识别从而获得待检测车辆的车号。
3.如权利要求1所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于，所述受电弓区域定位步骤，搜索步长的确定方式为：
设定受电弓判别高度阈值为ε；
当H<ε时，判断为当前搜索窗口内无受电弓，此时取kt+1＝kt+c0；
当H≥ε时，判断受电弓可能已进入搜索窗口，此时取
Figure RE-FDA0002620268950000022
其中Hmax为预设的最大H先验阈值，ε为预设的最小H先验阈值。
4.如权利要求3所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于：ε为自定义阈值，或者根据从所述受电弓滑板基准数据库中匹配到的基准数据对应的受电弓的弓头Y方向最下端值+冗余量的和作为受电弓判别高度阈值ε。
5.如权利要求1、3或4所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于：所述受电弓区域定位步骤中，还包括对3D成像装置扫描出的待检测车辆车顶外轮廓数据中非受电弓区域进行剪裁，即在筛选出受电弓区域点云，即获取了受电弓弓头区域边界为Xedge＝[xs，xe]，Yedge＝[ys，ye]，Zedge＝[zs，ze]，对于3D成像装置扫描获取的空间坐标
Figure RE-FDA0002620268950000031
进行删除操作。
6.如权利要求1所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于：所述受电弓定位判别步骤中，经过训练的判别器是通过人工标记包含有正确受电弓的图像、且同样筛选出受电弓区域点云作为样本数据，再对样本数据使用faster-R-CNN算法进行判别器的训练。
7.如权利要求1或6所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于，所述受电弓定位判别步骤中，对所述受电弓区域点云沿纵向按帧进行处理，得到若干帧受电弓区域二值图具体包括：
设每帧扫描图像的开窗为W×H，即在横向有W个像素，在高度方向有H个像素；
具体的，每帧扫描图像的开窗内，当高度方向的坐标处有像素点，即y(pixW，pixH)≠0，令此处的灰度值为gray(pixW，pixH)＝255，否则令此处的灰度值gray(pixW，pixH)＝0；
再采用上述方法在k∈(ks，ke)进行k次循环，k等于搜索窗口内的纵向行数。
8.如权利要求1所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于，所述滑板区域提取步骤中，取H值最大的前N+1行数据，再对N+1行数据沿纵向排序，序列为0-N，计算相邻截面累计高度Hn的差值：
ΔHl＝|H0-H1|，ΔH＝|H1-H2|...
ΔHr＝|HN-HN-1|，ΔH＝|HN-1-HN-2|...
其中ΔHl为纵向最左端相邻截面累计高度H的差值，ΔHr为纵向最右端相邻截面累计高度H的差值，当ΔHl和ΔHr大于设定阈值时，取该两处的纵向位置kl，kr值作为滑板区域的位置边界；
根据所述滑板区域的位置边界提取其间的空间点作为受电弓滑板区域点云。
9.如权利要求8所述的一种基于3D成像的受电弓弓头偏移量测量方法，其特征在于：所述旋转校正步骤，是采用与所述受电弓定位判别器相同方法，对取H值最大的前N行数据对应的转换为XZ平面和XY平面的二值图像，再进行形态提取，霍夫变换、直线提取获得所述滑板区域数据中的弓头直线并进行弓头直线角度θXZ和θXY计算:
Figure RE-FDA0002620268950000041
其中s表示拟合直线的起点，e表示拟合直线的终点，n表示拟合的直线序号；然后再对弓头3D点云的坐标进行旋转得到矫正后的坐标点云(Xr2，Yr，Zr)，其中
Figure RE-FDA0002620268950000042
10.一种基于3D成像的受电弓弓头偏移量测量系统，其特征在于，包括：
车号采集单元，设置于轨旁，用于获取待检车辆车号图像；
基准轮廓获取单元，用于采用OCR方法对所述车号图像进行车号识别，获得待检测车辆的车号并根据所述车号调取受电弓滑板基准数据库中所述待检测车辆对应的受电弓弓头宽度；
3D成像采集单元，包括2个3D成像装置，2个3D成像装置位于同一个竖直标定平面并沿横向排布，用于获取待检测车辆的三维点云数据；
受电弓区域定位单元：用于根据所述3D成像装置的纵向空间采样间隔和所述待检测车辆的弓头纵向长度计算搜索窗口尺寸c；基于所述搜索窗口尺寸c生成受电弓区域判别函数
Figure RE-FDA0002620268950000043
根据所述受电弓区域判别函数从所述三维点云数据中筛选受电弓区域点云；其中：Ymn为纵向第n行、横向第m列的点坐标高度，kt为第t个搜索窗口的起始位置，j为横向像素数，hd，hu为弓头空间的最低高度和最高高度；
受电弓定位判别单元，用于对所述受电弓区域点云沿纵向按帧进行处理，得到若干帧受电弓区域二值图，将若干帧所述受电弓区域二值图沿纵向叠加得到受电弓纵向轮廓叠加图像，采用经过训练的分类器判别所述受电弓纵向轮廓叠加图像是否包含受电弓；
滑板区域提取单元，用于对判别为是的受电弓区域点云采用滑板高度判别函数
Figure RE-FDA0002620268950000044
对滑板进行搜索，并选取Hn值符合设定阈值的连续N个断面行作为受电弓滑板区域点云；ks为搜索窗口的纵向起始位置，ke为搜索窗口的纵向终止位置；
滑板旋转校正单元，用于对所述受电弓滑板区域点云沿Y和Z方向按帧进行处理得到若干帧滑板区域二值图，并将若干帧所述滑板区域二值图分别沿Y和Z方向叠加得到受电弓滑板区域在XZ平面上和XY平面上的二值图像；对所述二值图像进行形态提取和霍夫变换，提取得到弓头直线，计算所述弓头直线相对其处于正常姿态的夹角θXZ和θXY，根据所述夹角θXZ和θXY对滑板点云进行旋转校正，并输出校正后受电弓滑板区域点云在XZ平面上的点集(Xr，Zr)；
滑板轮廓坐标提取单元，用于对所述点集(Xr，Zr)沿着Z方向遍历获取每一行点中Xr最小的点(XMINn，Zrn)，再用最小二乘法计算εmin＝∑(XMINn-Xture)2，求解得到Xture则为受电弓弓头边缘所在直线的X向坐标；
中心线偏移计算单元，用于根据受电弓弓头宽度D、轨道中心的X方向坐标X0和受电弓弓头边缘所在直线X向坐标Xture计算中心线偏移量
Figure RE-FDA0002620268950000051
CN202010453921.9A 2020-05-26 2020-05-26 一种基于3d成像的受电弓弓头偏移量测量方法及系统 Active CN111666947B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010453921.9A CN111666947B (zh) 2020-05-26 2020-05-26 一种基于3d成像的受电弓弓头偏移量测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010453921.9A CN111666947B (zh) 2020-05-26 2020-05-26 一种基于3d成像的受电弓弓头偏移量测量方法及系统

Publications (2)

Publication Number Publication Date
CN111666947A true CN111666947A (zh) 2020-09-15
CN111666947B CN111666947B (zh) 2023-08-04

Family

ID=72384700

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010453921.9A Active CN111666947B (zh) 2020-05-26 2020-05-26 一种基于3d成像的受电弓弓头偏移量测量方法及系统

Country Status (1)

Country Link
CN (1) CN111666947B (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112381031A (zh) * 2020-11-24 2021-02-19 中国科学院上海微系统与信息技术研究所 基于卷积神经网络的实时在线受电弓羊角检测方法
CN112414325A (zh) * 2020-10-27 2021-02-26 哈尔滨市科佳通用机电股份有限公司 一种受电弓中心线偏移检测系统及方法
CN112749463A (zh) * 2021-01-14 2021-05-04 西南交通大学 一种多重约束下的接触网线岔设计方法及系统
CN112781493A (zh) * 2020-12-25 2021-05-11 江苏集萃智能光电系统研究所有限公司 一种列车受电弓综合几何参数在线检测设备
CN112950532A (zh) * 2021-01-14 2021-06-11 成都铁安科技有限责任公司 一种列车受电弓状态检测方法
CN113104063A (zh) * 2021-06-09 2021-07-13 成都国铁电气设备有限公司 一种网轨隧综合检测系统及方法
CN113547920A (zh) * 2021-08-26 2021-10-26 北京中车赛德铁道电气科技有限公司 一种公路受电弓横向偏移检测补偿系统
CN114067106A (zh) * 2022-01-12 2022-02-18 西南交通大学 基于帧间对比的受电弓形变检测方法、设备及存储介质
CN114972042A (zh) * 2022-08-01 2022-08-30 成都唐源电气股份有限公司 基于标准模型的受电弓点云拼接方法、系统、设备和介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4745997A (en) * 1986-07-29 1988-05-24 Toyo Denki Seizo Kabushiki Kaisha Offset detecting device for trolley-assisted vehicles
DE20311885U1 (de) * 2003-08-01 2003-10-23 Gerke, Eckhard von, 44267 Dortmund Steuervorrichtung für Modellpantographen
JP2004286500A (ja) * 2003-03-20 2004-10-14 Railway Technical Res Inst 鉄道車両のパンタグラフ状態測定方法及び装置
CN105627931A (zh) * 2015-12-31 2016-06-01 成都铁安科技有限责任公司 一种受电弓偏移检测方法及系统
CN105957069A (zh) * 2016-04-25 2016-09-21 北京铁道工程机电技术研究所有限公司 一种受电弓检测方法、装置及系统
KR20160148125A (ko) * 2015-06-15 2016-12-26 한국철도기술연구원 명도 변화에 영향을 받지 않는 전차선의 동적 편위 검출 방법
CN108680104A (zh) * 2018-05-07 2018-10-19 南京理工大学 一种城轨列车受电弓故障监测装置及方法
CN108694349A (zh) * 2017-04-07 2018-10-23 成都唐源电气股份有限公司 一种基于线阵相机的受电弓图像提取方法及装置
CN108725208A (zh) * 2018-08-14 2018-11-02 北京中润惠通科技发展有限公司 一种受电弓滑板检测监测装置
CN108981565A (zh) * 2018-05-07 2018-12-11 南京理工大学 一种城轨列车受电弓中心线偏移监测装置及方法
CN109000728A (zh) * 2018-07-31 2018-12-14 广州科易光电技术有限公司 车载接触网运行状态检测装置
CN109101887A (zh) * 2018-07-12 2018-12-28 中冶北方（大连）工程技术有限公司 基于视觉分析的有轨机车控制方法
CN109961429A (zh) * 2019-03-22 2019-07-02 武汉工程大学 一种基于单目红外图像的受电弓检测定位方法及系统
CN110378897A (zh) * 2019-07-25 2019-10-25 中车青岛四方机车车辆股份有限公司 一种基于视频的受电弓运行状态实时监测方法及装置
CN210283915U (zh) * 2019-08-02 2020-04-10 青岛环球石墨制品有限公司 一种具有调节功能的受电弓

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4745997A (en) * 1986-07-29 1988-05-24 Toyo Denki Seizo Kabushiki Kaisha Offset detecting device for trolley-assisted vehicles
JP2004286500A (ja) * 2003-03-20 2004-10-14 Railway Technical Res Inst 鉄道車両のパンタグラフ状態測定方法及び装置
DE20311885U1 (de) * 2003-08-01 2003-10-23 Gerke, Eckhard von, 44267 Dortmund Steuervorrichtung für Modellpantographen
KR20160148125A (ko) * 2015-06-15 2016-12-26 한국철도기술연구원 명도 변화에 영향을 받지 않는 전차선의 동적 편위 검출 방법
CN105627931A (zh) * 2015-12-31 2016-06-01 成都铁安科技有限责任公司 一种受电弓偏移检测方法及系统
CN105957069A (zh) * 2016-04-25 2016-09-21 北京铁道工程机电技术研究所有限公司 一种受电弓检测方法、装置及系统
CN108694349A (zh) * 2017-04-07 2018-10-23 成都唐源电气股份有限公司 一种基于线阵相机的受电弓图像提取方法及装置
CN108680104A (zh) * 2018-05-07 2018-10-19 南京理工大学 一种城轨列车受电弓故障监测装置及方法
CN108981565A (zh) * 2018-05-07 2018-12-11 南京理工大学 一种城轨列车受电弓中心线偏移监测装置及方法
CN109101887A (zh) * 2018-07-12 2018-12-28 中冶北方（大连）工程技术有限公司 基于视觉分析的有轨机车控制方法
CN109000728A (zh) * 2018-07-31 2018-12-14 广州科易光电技术有限公司 车载接触网运行状态检测装置
CN108725208A (zh) * 2018-08-14 2018-11-02 北京中润惠通科技发展有限公司 一种受电弓滑板检测监测装置
CN109961429A (zh) * 2019-03-22 2019-07-02 武汉工程大学 一种基于单目红外图像的受电弓检测定位方法及系统
CN110378897A (zh) * 2019-07-25 2019-10-25 中车青岛四方机车车辆股份有限公司 一种基于视频的受电弓运行状态实时监测方法及装置
CN210283915U (zh) * 2019-08-02 2020-04-10 青岛环球石墨制品有限公司 一种具有调节功能的受电弓

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
KAI YANG ETC: "Design of the Fall-Block Sensing of the Railway Line Pantograph Based on 3D Machine Vision Sensors", 《SENSORS》 *
KAI YANG ETC: "Design of the Fall-Block Sensing of the Railway Line Pantograph Based on 3D Machine Vision Sensors", 《SENSORS》, 16 July 2018 (2018-07-16), pages 2305 *
张玉文: "广州地铁新线车辆受电弓在线动态检测系统", 《城市轨道交通研究》 *
张玉文: "广州地铁新线车辆受电弓在线动态检测系统", 《城市轨道交通研究》, 10 April 2019 (2019-04-10), pages 143 - 145 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112414325B (zh) * 2020-10-27 2021-07-20 哈尔滨市科佳通用机电股份有限公司 一种受电弓中心线偏移检测系统及方法
CN112414325A (zh) * 2020-10-27 2021-02-26 哈尔滨市科佳通用机电股份有限公司 一种受电弓中心线偏移检测系统及方法
CN112381031B (zh) * 2020-11-24 2024-02-02 中国科学院上海微系统与信息技术研究所 基于卷积神经网络的实时在线受电弓羊角检测方法
CN112381031A (zh) * 2020-11-24 2021-02-19 中国科学院上海微系统与信息技术研究所 基于卷积神经网络的实时在线受电弓羊角检测方法
CN112781493A (zh) * 2020-12-25 2021-05-11 江苏集萃智能光电系统研究所有限公司 一种列车受电弓综合几何参数在线检测设备
CN112950532A (zh) * 2021-01-14 2021-06-11 成都铁安科技有限责任公司 一种列车受电弓状态检测方法
CN112749463A (zh) * 2021-01-14 2021-05-04 西南交通大学 一种多重约束下的接触网线岔设计方法及系统
CN112950532B (zh) * 2021-01-14 2024-04-16 成都铁安科技有限责任公司 一种列车受电弓状态检测方法
CN113104063A (zh) * 2021-06-09 2021-07-13 成都国铁电气设备有限公司 一种网轨隧综合检测系统及方法
CN113547920A (zh) * 2021-08-26 2021-10-26 北京中车赛德铁道电气科技有限公司 一种公路受电弓横向偏移检测补偿系统
CN114067106A (zh) * 2022-01-12 2022-02-18 西南交通大学 基于帧间对比的受电弓形变检测方法、设备及存储介质
CN114067106B (zh) * 2022-01-12 2022-04-15 西南交通大学 基于帧间对比的受电弓形变检测方法、设备及存储介质
CN114972042A (zh) * 2022-08-01 2022-08-30 成都唐源电气股份有限公司 基于标准模型的受电弓点云拼接方法、系统、设备和介质

Also Published As

Publication number Publication date
CN111666947B (zh) 2023-08-04

Similar Documents

Publication Publication Date Title
CN111666947B (zh) 一种基于3d成像的受电弓弓头偏移量测量方法及系统
CN111609813B (zh) 一种基于3d成像的受电弓磨耗测量方法及系统
CN107145905B (zh) 电梯紧固螺帽松动的图像识别检测方法
CN103217111A (zh) 一种非接触式接触线几何参数检测方法
Jie et al. Real-time rail head surface defect detection: A geometrical approach
JP5716443B2 (ja) 車線境界検出装置及び車線境界検出方法
CN110378957B (zh) 面向冶金作业的鱼雷罐车视觉识别与定位方法及其系统
CN111640155B (zh) 一种基于3d成像的受电弓弓头倾斜角测量方法及系统
CN114627080B (zh) 基于计算机视觉的车辆冲压配件缺陷检测方法
CN111754460A (zh) 一种转辙机缺口自动检测方法、系统及存储介质
CN114820474A (zh) 一种基于三维信息的列车车轮缺陷检测方法
CN110490342B (zh) 一种基于Faster R-CNN的接触网静态几何参数检测方法
CN114119957A (zh) 高速铁路钢轨廓形检测方法及装置
CN113295094B (zh) 一种受电弓动态包络线侵限检测方法、装置和系统
CN113504545A (zh) 一种基于激光雷达的接触网数据检测方法
CN113538421A (zh) 一种基于视觉技术的接触网数据检测方法
CN112037207A (zh) 一种铁路货车脱轨自动制动阀塞门手把关闭故障检测方法
CN116681912A (zh) 铁路道岔的轨距检测方法及装置
CN115239623A (zh) 一种检测弓网接触力的方法
CN113222907B (zh) 一种基于弯道铁轨的检测机器人
CN114426039A (zh) 一种基于城轨列车车轮踏面的点云数据处理方法
CN113963053A (zh) 一种接触网高度的检测方法
CN114913131A (zh) 一种无砟轨道结构垂向绝对和相对垂向变形检测方法
CN110619337B (zh) 一种受电弓滑板的亚像素边缘提取和识别方法
CN116152237B (zh) 一种钢轨剥落掉块检测方法及系统

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