CN111681265B - 一种铁路受电弓和接触网的接触点在线检测方法 - Google Patents

Abstract

本发明公开了一种铁路受电弓和接触网的接触点在线检测方法，包括S1、实时获取连续帧的铁路受电弓开口方向图像，作为原始图像；S2、利用KCF算法对原始图像中的弓网接触区域进行跟踪，同时记录跟踪到的接触区域图像；S3、对跟踪到接触区域图像进行回归计算，输出弓网接触区域图像中的接触点坐标；S4、构建接触点运动轨迹方程，将输出的接触点坐标作为观测值对其进行修正，获得准确接触点坐标，实现接触点在线检测。本发明方法能够实时、简洁、准确、稳定的对接触点坐标进行检测，从而真实反映出受电弓的受流品质。

Description

一种铁路受电弓和接触网的接触点在线检测方法

技术领域

本发明属于轨道交通安全工程技术领域，具体涉及一种铁路受电弓和接触网的接触点在线检测方法。

背景技术

随着我国社会经济的发展，人们对日常出行的便捷性、舒适性要求越来越高。电气化铁路系统作为支撑国民经济和社会发展的重要基础设施，安全可靠的发展铁路系统对于提高人民生活水平，保障国民经济持续健康发展具有中重要的意义。由中国国家铁路集团有限公司统计，到2020年初，我国铁路营业里程达13.9万公里以上，其中高铁将超过3.5万公里，运营里程高居世界第一。

如图1所示，我国高速列车及地铁城轨车辆绝大部分采用电力牵引形式，车辆运行及车内辅助设备的供电均通过车顶上方安装的受电弓与线路上方布置的接触网滑动取流获得，好的接触状态能保证车网间稳定的受流，而恶劣的接触状态则会产生燃弧，严重时会烧损接触导线和加速碳滑板磨耗，极端情况也会有受电弓或接触网被损坏而导致重大运营事故，因此良好的接触状态是保证车辆安全运行的关键。而接触点坐标是判断受电弓与接触网的运行性能与健康状态的关键指标。弓网接触点是评估弓网受流质量、接触网状态、滑板磨耗情况以及诊断接触网局部缺陷的关键参数，因此对于日常监测弓网系统的运行状态，获得实时接触点坐标的数据是非常有必要的。

现有弓网状态检测的方法主要有三种：人工检测，安装传感器以及非接触式检测。人工检测灵活性较高，可人工辨识各类故障，但需要断电登顶操作，费时费力成本高且不安全，不能进行实时检测，因此这种方法已经逐步被取代。在弓头结果上安装传感器属于现用比较普遍的检测方法，具有较高的准确度和稳定性，但这种方法也有自身的缺点，例如通用性差，加装传感器会改变弓头原有的结构，造成测量误差等。

近年来，非接触式测量以其安装方便、检测效率高、行车干扰小等特点被广泛研究和应用。但现有的通过非接触式对检测接触点的方式大多计算复杂或者抗干扰性能差。方法主要有两类，其一，首先单独的对受电弓滑板上方和接触线进行直线检测，然后计算两条直线的交点作为接触点位置坐标。这种方式需要单独的检测受电弓滑板和接触线，因此计算量较大，此外，受电弓特征明显可以对滑板上侧直线进行检测，然而接触线由于承力索、吊弦、支柱和换线导致的复杂背景，现有用宽度来分辨接触线的方法不具有鲁棒性。其二：使用角点检测，同样的，由于背景复杂，会在监控画面中产生很多由承力索、吊弦、支柱和接触线相交产生的交点，因此这种方法不能连续准确的对接触点进行检测。

发明内容

针对现有技术中的上述不足，本发明提供的铁路受电弓和接触网的接触点在线检测方法解决了现有的检测方法中，不能实现连续接触点检测且检测准确性较低的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种铁路受电弓和接触网的接触点在线检测方法，包括以下步骤：

S1、实时获取连续帧的铁路受电弓开口方向图像，作为原始图像；

S2、利用KCF算法对原始图像中的弓网接触区域进行跟踪，并记录跟踪到的接触区域图像；

S3、对跟踪到接触区域图像进行回归计算，输出接触区域图像中的接触点坐标；

S4、构建接触点运动轨迹方程并对接触点坐标进行修正，进而获得准确接触点坐标，实现接触点在线检测。

进一步地，所述步骤S2具体为：

S21、对获取的第一帧原始图像中的弓网接触区域进行标记；

S22、基于标记的弓网接触区域，利用KCF算法对连续帧原始图像依次进行弓网接触区域跟踪，记录若干张与标记弓网接触区域相同大小的接触区域图像。

进一步地，所述步骤S3中具体为：

S31、对记录的接触区域图像进行均值滤波处理；

S32、将均值滤波处理后的接触区域图像输入到改进Resnet网络中，输出当前输入图像中从左到右的n个接触点坐标(x,y)以及定位点检测指标p。

进一步地，所述改进Resnet网络在Resnet网络的深层残差神经结构后添加三个全连接层；

所述深层残差神经结构用于提取输入图像的若干特征图，三个全连接层用于对若干特征图进行回归计算，得到当前输入图像中的若干个接触点坐标及定位点检测指标p，所述定位点检测指标p用于表征当前输入图像中是否存在定位点，当p＝1时，表示当前输入图像出现定位点，当p＝0时，表示当前输入图像未出现定位点。

进一步地，所述步骤S4中，构建接触点运动轨迹方程的方法具体为：

A1、获取当前连续帧的接触区域图像中接触点坐标及其对应的原始图像的采样时间间隔，计算出接触点的初始速度及初始加速度，并将第一帧接触区域图像中的接触点坐标作为初始位置；

A2、依次判断当前连续帧接触区域图像中的定位点检测指标p是否为1：

若是，则进入步骤A4；

若否，则进入步骤A3；

A3、初始化当前计算出的接触点初始速度、初始加速度及初始位置，返回步骤A1；

A4、根据接触点的初始位置、初始速度及初始位置，建立当前单跨距运动轨迹方程，将其作为当前跨距的接触点运动轨迹方程。

进一步地，所述步骤A1中的连续帧为列车在一跨距离内运动时对应的图像采集帧数。

进一步地，所述步骤A3中，单跨距运动轨迹方程为：

x_t＝F_tx_t-1+B_tu_t

式中，x_t为包含t时刻的接触点位置和速度的状态向量，B_t和F_t分别为t时刻的第一参数矩阵和第二参数矩阵，u_t为t时刻的控制向量。

进一步地，所述步骤S4具体为：

S41、根据接触区域图像中的定位点检测指标p的取值，更新当前跨距内的接触点运动轨迹方程；

S42、将当前跨距内对应的接触点区域图像中的接触点坐标作为观测值代入到单跨距运动轨迹方程中，利用卡尔曼滤波方法对接触点坐标进行修正，获得准确的接触点坐标，实现接触点在线检测。

本发明的有益效果为：

(1)采用对弓网接触区域进行跟踪的方法，一方面可以利用前序信息对接触区域进行追踪提高了接触点检测方法中抵抗复杂背景(燃弧、月光和异物等)干扰能力；另一方面锁定弓网接触区域可以减少后续处理过程的计算成本，提高了接触点检测速度以满足实时性要求；

(2)采用深度神经网络回归的方法，对跟踪得到的接触区域进行特征提取以直接输出接触点坐标，在训练过程中可以丰富样本的背景复杂度，如雨雪雾天气、光照及亮度变化等，实现对接触点的稳定提取以满足鲁棒性要求；

(3)提出接触点运动轨迹方程，结合图像的接触点检测坐标结果，对接触点坐标进行修正和预测，以此解决图像缺帧过曝等画面信息丢失的情况，从而提高接触点检测的准确性和鲁棒性。

附图说明

图1为本发明背景技术中高速列车及地铁城轨车辆绝电力牵引运行示意图。

图2为本发明提供的铁路受电弓和接触网的接触点在线检测方法流程图。

图3为本发明提供的接触区域图像跟踪示意图。

图4为本发明提供的改进Resnet网络结构示意图。

图5为本发明提供的利用卡尔曼滤波方法对接触点坐标修正结果示意图。

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

实施例1：

如图2所示，一种铁路受电弓和接触网的接触点在线检测方法，包括以下步骤：

S1、实时获取连续帧的铁路受电弓开口方向图像，作为原始图像；

S2、利用KCF算法对原始图像中的弓网接触区域进行跟踪，并记录跟踪到的接触区域图像；

S3、对跟踪到接触区域图像进行回归计算，输出接触区域图像中的接触点坐标；

S4、构建接触点运动轨迹方程并对接触点坐标进行修正，进而获得准确接触点坐标，实现接触点在线检测。

在本实施例步骤S1中通过安置于车顶的工业相机实时获取受电弓开口方向图像，作为原始图像；

在本发明实施例中，为了减少受电弓滑板的摩擦，弓网接触线布置为“之”字形，在列车运行过程中，接触线在滑板区域内横向运动，包含接触点的接触区域随之在滑板区域内做横向运动，其中受电弓滑板上侧直线与接触线相交构成接触区域直线交叉特征，这样就可以根据此特征对接触区域进行跟踪，根据弓网系统的特征，本实施例中采用核相关滤波跟踪算法(KCF)，因此本实施例步骤S2具体为：

S21、对获取的第一帧原始图像中的弓网接触区域进行标记；

S22、基于标记的弓网接触区域，利用KCF算法对连续帧原始图像依次进行弓网接触区域跟踪，记录若干张与标记弓网接触区域相同大小的接触区域图像。

该过程得到的没得到一帧接触区域图像都会传入到下一环节即接触点提取过程，便于进行后续的接触点全局坐标计算。本发明实施例中通过上述跟踪方法得到的跟踪区域示意图如图3所示；

本发明实施例步骤S3中具体为：

S31、对记录的接触区域图像进行均值滤波处理；

S32、将均值滤波处理后的接触区域图像输入到改进Resnet网络中，输出当前输入图像中从左到右的n个接触点坐标(x,y)以及定位点检测指标p。

其中，如图4所示，改进Resnet网络在Resnet网络的深层残差神经结构后添加三个全连接层；所述深层残差神经结构用于提取输入图像的若干特征图，三个全连接层用于对若干特征图进行回归计算，得到当前输入图像中的若干个接触点坐标及定位点检测指标p，所述定位点检测指标p用于表征当前输入图像中是否存在定位点，当p＝1时，表示当前输入图像出现定位点，当p＝0时，表示当前输入图像未出现定位点。在对改进Resnet网络进行训练时，基于人工标注的图像，通过多标签检测方法根据定位线夹是否在图像中出现，进行接触点坐标点及定位点指标的检测。

在上述步骤S4中，先建立接触点单跨距运动轨迹方程，一跨距内接触点的横向移动近似为直线运动，首先通过前几帧获得接触点动态位移和采样频率，计算出接触点初始速度和初始加速度，由于接触弓网为字形布置，需要再根据定位点位置的检测来确定左右横向拉出值方向的改变，即前述的定位点检测指标的变化，随后重复以上过程确定接触点在新的一跨中的运动轨迹方程，由此得到连续帧内接触点的运动轨迹方程，然后使用卡尔曼滤波方法进行坐标值修正；因此本实例的步骤S4中，构建接触点运动轨迹方程的方法具体为：

A1、获取当前连续帧的接触区域图像中接触点坐标及其对应的原始图像的采样时间间隔，计算出接触点的初始速度及初始加速度，并将第一帧接触区域图像中的接触点坐标作为初始位置；

A2、依次判断当前连续帧接触区域图像中的定位点检测指标p是否为1：

若是，则进入步骤A4；

若否，则进入步骤A3；

A3、初始化当前计算出的接触点初始速度、初始加速度及初始位置，返回步骤A1；

A4、根据接触点的初始位置、初始速度及初始位置，建立当前单跨距运动轨迹方程，将其作为当前跨距的接触点运动轨迹方程。

其中，步骤A1中的连续帧为列车在一跨距离内运动时对应的图像采集帧数，便于计算一跨距内运动过程中的初始速度等参数，便于后续确定一跨距内的运动轨迹方程；

在步骤A2中，通过当前连续帧的接触区域图像中的定位点检测指标的判断，来确定是否开始新的一跨距运动；通常在检测到定位点后，即可获得一跨距运动开始的位置，因此，当没有检测到定位点时，需要对当前计算出的初始速度等参数进行初始化，避免其对当前跨距内的运动轨迹方程产生影响；因此，上述步骤A3中的单跨距运动轨迹方程为：

x_t＝F_tx_t-1+B_tu_t

式中，x_t为包含t时刻的接触点位置和速度的状态向量，B_t和F_t分别为t时刻的第一参数矩阵和第二参数矩阵，u_t为t时刻的控制向量。

当定位点检测指标p为1时，即检测到定位线夹的出现，表示进入了新的一跨，此时通过计算下一单跨距运动轨迹方程来更新接触点运动轨迹方程；因此上述步骤S4具体为：

S41、根据接触区域图像中的定位点检测指标p的取值，更新当前跨距内的接触点运动轨迹方程；

S42、将当前跨距内对应的接触点区域图像中的接触点坐标作为观测值代入到单跨距运动轨迹方程中，利用卡尔曼滤波方法对接触点坐标进行修正，获得准确的接触点坐标，实现接触点在线检测。

图5为本发明实施例中通过卡尔曼滤波算法对改进Resnet网络输出的接触点坐标进行修正的结果示例(a为接触点横向位移，b为接触点纵向位移)；需要说明的是，对于不同阶段接触点位置的转换关系，本发明方法在进行跟踪及回归的过程中原始图像与接触区域中心点坐标、接触区域图像与接触点位置坐标一一对应，通过跟踪位置将接触区域内的接触点坐标推算出原始图片中的接触点坐标。因此，只要通过本发明方法确定了弓网接触区域图像中接触点位置坐标即可得到原始图像中的接触点位置。

Claims (5)

1.一种铁路受电弓和接触网的接触点在线检测方法，其特征在于，包括以下步骤：

S1、实时获取连续帧的铁路受电弓开口方向图像，作为原始图像；

S2、利用KCF算法对原始图像中的弓网接触区域进行跟踪，并记录跟踪到的接触区域图像；

S3、对跟踪到接触区域图像进行回归计算，输出接触区域图像中的接触点坐标；

S4、构建接触点运动轨迹方程并对接触点坐标进行修正，进而获得准确接触点坐标，实现接触点在线检测；

所述步骤S3中具体为：

S31、对记录的接触区域图像进行均值滤波处理；

S32、将均值滤波处理后的接触区域图像输入到改进Resnet网络中，输出当前输入图像中从左到右的n个接触点坐标(x,y)以及定位点检测指标p；

所述步骤S4中，构建接触点运动轨迹方程的方法具体为：

A1、获取当前连续帧的接触区域图像中接触点坐标及其对应的原始图像的采样时间间隔，计算出接触点的初始速度及初始加速度，并将第一帧接触区域图像中的接触点坐标作为初始位置；

A2、依次判断当前连续帧接触区域图像中的定位点检测指标p是否为1：

若是，则进入步骤A4；

若否，则进入步骤A3；

A3、初始化当前计算出的接触点初始速度、初始加速度及初始位置，返回步骤A1；

A4、根据接触点的初始位置、初始速度及初始位置，建立当前单跨距运动轨迹方程，将其作为当前跨距的接触点运动轨迹方程；

所述步骤S4具体为：

S41、根据接触区域图像中的定位点检测指标p的取值，更新当前跨距内的接触点运动轨迹方程；

S42、将当前跨距内对应的接触点区域图像中的接触点坐标作为观测值代入到单跨距运动轨迹方程中，利用卡尔曼滤波方法对接触点坐标进行修正，获得准确的接触点坐标，实现接触点在线检测。

2.根据权利要求1所述的铁路受电弓和接触网的接触点在线检测方法，其特征在于，所述步骤S2具体为：

S21、对获取的第一帧原始图像中的弓网接触区域进行标记；

S22、基于标记的弓网接触区域，利用KCF算法对连续帧原始图像依次进行弓网接触区域跟踪，记录若干张与标记弓网接触区域相同大小的接触区域图像。

3.根据权利要求2所述的铁路受电弓和接触网的接触点在线检测方法，其特征在于，所述改进Resnet网络在Resnet网络的深层残差神经结构后添加三个全连接层；

所述深层残差神经结构用于提取输入图像的若干特征图，三个全连接层用于对若干特征图进行回归计算，得到当前输入图像中的若干个接触点坐标及定位点检测指标p，所述定位点检测指标p用于表征当前输入图像中是否存在定位点，当p＝1时，表示当前输入图像出现定位点，当p＝0时，表示当前输入图像未出现定位点。

4.根据权利要求1所述的铁路受电弓和接触网的接触点在线检测方法，其特征在于，所述步骤A1中的连续帧为列车在一跨距离内运动时对应的图像采集帧数。

5.根据权利要求1所述的铁路受电弓和接触网的接触点在线检测方法，其特征在于，所述步骤A4中，单跨距运动轨迹方程为：

x_t＝F_tx_t-1+B_tu_t

式中，x_t为包含t时刻的接触点位置和速度的状态向量，B_t和F_t分别为t时刻的第一参数矩阵和第二参数矩阵，u_t为t时刻的控制向量。

Images