CN111754512A - 一种受电弓状态信息采集方法及系统 - Google Patents
一种受电弓状态信息采集方法及系统 Download PDFInfo
- Publication number
- CN111754512A CN111754512A CN202010694168.2A CN202010694168A CN111754512A CN 111754512 A CN111754512 A CN 111754512A CN 202010694168 A CN202010694168 A CN 202010694168A CN 111754512 A CN111754512 A CN 111754512A
- Authority
- CN
- China
- Prior art keywords
- image
- pantograph
- frames
- key frame
- image frames
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000001514 detection method Methods 0.000 claims abstract description 45
- 238000002372 labelling Methods 0.000 claims abstract description 8
- 230000001960 triggered effect Effects 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract description 2
- 230000003137 locomotive effect Effects 0.000 description 4
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000012216 screening 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
- G06T7/0006—Industrial image inspection using a design-rule based approach
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/10004—Still image; Photographic image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开一种受电弓状态信息采集方法,包括以下步骤:获取目标区域的3D图像;对3D图像分割为若干图像帧;通过背景检测算法去除图像帧中的冗杂图像帧,并通过目标检测算法对图像帧标注,得到含有受电弓图像的关键帧;所述关键帧包含有受电弓尺寸信息,用于受电弓状态检测,本申请还公开了一种受电弓状态信息采集系统。本专利克服了现有技术无法采集降弓图像的缺陷,提高检测效率的同时提高了图像采集的稳定性和可靠性。
Description
技术领域
本发明涉及列车顶部受电弓检测领域,特别涉及一种受电弓状态信息采集方法及系统。
背景技术
受电弓是指列车(含动车、机车、车辆、地铁、有轨电车等)顶部与供电导线接触,以获取电力驱动列车运行的关键部件,其工作状态直接影响电力机车的受流能力,一般受电弓事故容易导致受电弓滑条受损或者对接触网形成烧损,情况严重可能导致受流中断,机车无法运行甚至烧毁电力机车电力驱动部分。因此受电弓状态的好坏直接影响列车运行安全。
在日常检修中主要针对碳滑板厚度、受电弓姿态等进行测量。受电弓状态检测系统是通过动态拍摄受电弓经过检测区间时的图像来对受电弓工作状态进行检测的系统。
然而,在实际检测过程中,图像采集装置一般通过传感器触发,如CN104567729B公开的技术方案一样,传感器检测前方物体的距离,当小于设定值时触发图像采集装置,进行受电弓图像的检测。可见,现有技术只能在升弓状态下触发图像采集装置,降弓状态的碳滑板由于背景复杂,且无法精确触发图像采集装置,导致降弓状态的受电弓无法被有效检测。为了克服这一问题,目前一般通过司机循环升弓解决,以保证过检测设备的时候,所有受电弓都有机会被检测到。但是,这种方式需要人为操控,始终无法保证检修效率和质量。
发明内容
有鉴于此,本申请提供一种受电弓状态信息采集方法,通过背景检测算法和目标检测算法进行深度学习,提取出包含受电弓尺寸信息的图像,用于滑板磨耗测量、滑板掉块、受电弓姿态检测等,克服了现有技术无法采集降弓图像的缺陷,提高检测效率的同时提高了图像采集的稳定性和可靠性。
为解决以上技术问题,本发明提供的技术方案是有鉴于此,本申请提供一种受电弓状态信息采集方法,包括以下步骤:
获取目标区域的3D图像;
对3D图像分割为若干图像帧;
通过背景检测算法去除图像帧中的冗杂图像帧,并通过目标检测算法对图像帧标注,得到含有受电弓图像的关键帧;
所述关键帧含有受电弓尺寸和姿态信息,用于受电弓状态检测。
优选的,所述获取目标区域的3D图像步骤具体包括:
图像采集装置接收到开始指令触发,直至接收到结束指令前,以一定频率连续采集目标区域的结构光图像。
优选的,所述图像采集装置被触发时,所述图像采集装置对应的激光器接收同步触发信号,使激光器在图像采集装置采集图像期间始终保持工作状态,并向目标区域投射结构光。
优选的,所述激光器的出光路径垂直于受电弓运行轨迹设置,所述图像采集装置的视场与所述激光器出光路径具有交汇的重叠部分。
优选的,所述对3D图像分割为若干图像帧步骤具体包括:
对3D图像进行平滑处理;
将3D图像分割为若干图像帧,相邻两图像帧具有重叠图像部分。
优选的,所述去除图像中的冗杂图像步骤具体包括:
通过ViBe算法,将连续采集得到的图像中的第一帧设定为初始帧并进行背景建模;
对后续图像序列进行前景分割,判断后续图像是否包含前景图像,若否,则标记为冗杂图像,若是,则依序标记为包括有交通工具图像的若干图像帧。
优选的,所述得到包含有受电弓的关键帧步骤具体包括:
通过YOLO算法标注图像帧中包含有受电弓区域的连续的图像帧;
选取连续的图像帧的中间一帧为关键帧。
优选的,当连续帧的数量为偶数时,选取中间两帧的任一帧为关键帧;
当连续帧的数量为奇数时,选取中间帧为关键帧。
一种受电弓状态采集系统,包括:
图像采集装置,连续采集目标区域的3D图像;
图像处理模块,用于对3D图像分割为若干图像帧,并通过背景检测算法去除图像中的冗杂图像,得到包括有交通工具图像的若干图像帧;
关键帧提取模块,用于通过目标检测算法对图像帧标注,得到包含有受电弓的关键帧;
所述关键帧包含有受电弓尺寸和姿态信息,用于受电弓状态检测
本申请与现有技术相比,其详细说明如下:
本申请公开了一种受电弓状态信息采集方法,该方法不通过受电弓自身触发,也不进行前期目标物体的识别、判断,而是直接采集目标区域的图像,通过背景检测算法去除不包含前景的图像、得到仅包含有交通工具的连续的图像帧后,再通过目标检测算法对图像帧进行标注,筛选出包含有完整受电弓图像的关键帧。通过该方法采集得到的关键帧不会受到受电弓升弓或者降弓状态的影响。由于图像采集装置无差别的采集下方图像形成3D图像,无论受电弓是升弓状态或是降弓状态都可以被图像采集装置采集到,因此也就避免了现有技术中,需要反复升降弓才能触发图像采集装置的问题。
由于直接采集较为完整的3D图像,在对3D图像进行处理时图像中不可避免的包含对受电弓等检测目标构成干扰的部分,本申请依次利用背景检测算法识别背景图像,然后提取出包含有交通工具前景图像的帧,再经过目标检测算法找到包含有完整受电弓区域的关键帧。使得本申请的方法无需受电弓触发,也无需在前期精准识别受电弓就可以完成受电弓图像的采集,提高了受电弓检测的稳定性和可靠性。
附图说明
图1为本发明的方法流程图;
图2为本发明所示系统中图像采集装置和激光器的位置示意图;
图3为本发明的系统示意图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合附图和具体实施例对本发明作进一步的详细说明。
如图1所示,本申请公开了一种受电弓状态信息采集方法,通过在交通工具运行路线上方设置的图像采集装置1采集下方目标区域的3D图像;对3D图像处理后分割为若干图像帧,再通过背景检测算法去除图像帧中的冗杂图像,得到包括有交通工具图像的若干图像帧;通过目标检测算法对图像帧标注,得到包含有受电弓的关键帧,所述的关键帧包含有受电弓尺寸和姿态信息,提取得到的关键帧可以用于受电弓状态检测。
该方法具体包括:
S1:图像采集装置1接收开始指令,被触发后直至接收到结束指令前,以一定频率连续采集目标区域的图像。
开始指令和结束指令可以由计算机或控制中心远程提供,如当列车即将经过检测区域时,由程序给出指令或人工给出指令,也可以通过检测区域附近的传感器触发,例如,当列车靠近检测区域时,通过传感器触发开始指令,当列车离开检测区域时由传感器触发结束指令。图像采集装置1在接收到开始指令至接收到结束指令前,始终保持工作状态,并以预设的频率连续采集目标区域的图像。
一般的,所述图像采集装置1设置在受电弓运行的轨迹的上方,图像采集装置1在被触发后,可以拍摄到下方目标区域的图像,如果交通工具部分或全部运行到目标区域,则通过连续采集捕捉到包含有交通工具上表面的3D图像,若交通工具尚未运行至目标区域,则捕捉到的图像为地面图像也是可能的。需要说明的是,本申请连续采集的目标区域的图像可能包括上述的全部情况,即连续采集目标区域的图像可能含有不包括交通工具的图像或只包括部分不完整的交通工具的图像,这些情况对本申请所示方法并无负面影响。所述图像采集装置1以一定频率连续采集图像,其频率可能是受到光学采集装置的本身结构的制约,也可是保证图像采集连续性和有效性的人为设定频率,此处不做限定。可以预期的是,在此频率下,至少保证图像采集装置1采集生成3D图像,该3D图像经处理后可以形成若干的图像帧。
在图像采集装置1旁还匹配有激光器2,一般的,所述激光器2的出光路径垂直于受电弓运行轨迹设置,所述图像采集装置1的视场与所述激光器2的出光路径具有重合部分。由于图像采集装置1的安装角度、位置均是可调节的,因此,可以对图像采集装置1的视场与所述激光器2的出光路径的重合部分进行调整;受电弓运行轨迹可以经过重合部分,使得图像采集装置1可以获取到更加清晰和准确的图像。
当所述图像采集装置1被开始指令触发时,激光器2接收到同步触发信号,使激光器2在图像采集装置1连续采集图像期间始终保持工作状态。相应的,当图像采集装置1被结束指令触发停止工作时,激光器2也能够接收到同步信号停止工作。激光器2所接受的信号可以来自于图像采集装置1,此时,激光器2和图像采集装置1之间存在直接的信号收发链路;激光器2所接受的信号也可以来自于开始指令的发送端。
由于图像采集装置1连续采集的是包含有激光结构光的图像,因此,该装置采集得到的图像中如包括受电弓区域则可以通过算法重构包含尺寸信息的受电弓三维轮廓,以应用在受电弓状态检测上。当图像采集完成后,可存储后进行图像处理。
S2:对3D图像进行平滑处理;将3D图像分割为若干图像帧,相邻两图像帧具有重叠图像部分。
当平滑处理调整不同的参数时,分割得到的图像大小可以存在不同,由于平滑处理的算法对本领域技术人员是熟知的,因此不对具体的平滑算法作出限定。
分割得到的图像帧中,相邻的两张图像帧至少具有部分为重叠的图像部分。由于图像在分割时,相邻的两个图像之间重叠,通过设置,使重叠区域的宽度大于或等于图像中受电弓的宽度,则可以确保至少有一张图像帧中包含有完整的受电弓图像。
S31:通过ViBe算法,将连续采集得到的图像中的第一帧设定为初始帧并进行背景建模。
ViBe算法利用邻域像素来创建背景模型,通过比对其他帧的像素值与背景模型进行比较以区别背景和前景。在本申请中,所谓的背景包括目标区域内包含有地面、轨道等不发生变化的背景信息,也包括目标区域内采集到的交通工具顶面的图像。而前景则为位于交通工具顶面之上的受电弓的图像,包括降弓和升弓状态。
对第一帧图像设定为初始帧,初始帧中的像素构建的背景模型为:
其中,NG(x,y)表示空域上相邻的像素值,f0(x,y)表示当前点的像素值。
S32:对第一帧的后续图像序列进行前景分割,设后续图像序列为t,
fk(x,y)。按照下面判断该像素值是否为前景:
当满足公式(a)时,该像素为前景图像的像素,当满足公式(b)时,该像素为背景图像的像素。
当任一帧中的前景图像像素占所有像素的比重小于20%时,则判断为该图像不包含前景,则标记为冗杂图像,若否,则判断该图像包含前景,并依序标记为包括有交通工具图像的若干图像帧。
S33:通过YOLO网络提取出受电弓轮廓区域,并标注图像帧中包含有完整受电弓区域图像的连续帧。
具体的,设整个采集过程的图像按帧依序标记为#1、#2、……、#10、#11、#12、#13、……、#n-1、#n,去除步骤S32中标记的冗杂图像,设为#1、#2、……、#k-1、#k、和#n-m、#n-m+1、……、#n-1、#n,通过YOLO网络提取出包含完整受电弓区域图像的帧,得到若干连续的连续帧,设为#k+i、#k+i+1……#k+i+j。
其中,n、k、i、j、m均为自然数,且k+i+j≤n-m。
通过YOLO网络对连续帧进行多次图像放大处理,并分别输出得到不少于2张特征图;选择其中解析度最高的一张用于关键帧的筛选,从而提高小尺寸的受电弓的检测能力。
S34:选取连续帧的中间帧为关键帧,其中,
当连续帧的数量为偶数时,选取中间两帧的任一帧为关键帧;
当连续帧的数量为奇数时,选取中间帧为关键帧。
设连续帧为#k+i、#k+i+1……#k+i+j,若j+1为偶数时,选取中间两帧的任一帧为关键帧,若j+1为奇数时,选取中间帧为关键帧。
该关键帧为包含有完整受电弓图像的三维图像,包含有结构光数据或三维尺寸数据,可以应用在受电弓状态检测上。由于使用受电弓三维图像进行状态检测对本领域技术人员而言是熟知的。因此,本申请文件中不再就受电弓状态检测的方法做进一步阐述。
如图2和图3所示,本申请还公开一种受电弓状态采集系统,可应用本申请公开的方法,包括:
图像采集装置1,连续采集目标区域的3D图像;
图像处理模块3,用于对3D图像进行处理,并分割为若干图像帧,并通过背景检测算法去除图像中的冗杂图像,得到包括有交通工具图像的若干图像帧;
关键帧提取模块4,用于通过目标检测算法对图像帧标注,得到包含有受电弓的关键帧;
所述关键帧包含有受电弓尺寸和姿态信息,用于受电弓状态检测
其中,所述激光器2的出光路径垂直于受电弓运行轨迹设置,所述图像采集装置1的视场与所述激光器2的出光路径具有重合部分。由于图像采集装置1的安装角度、位置均是可调节的,因此,受电弓运行轨迹可以经过图像采集装置1的视场与所述激光器2的出光路径的重合部分,保证图像采集装置1可以获取到符合后续步骤需要的有效图像。
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种受电弓状态信息采集方法,其特征在于,包括以下步骤:
获取目标区域的3D图像;
对3D图像分割为若干图像帧;
通过背景检测算法去除图像帧中的冗杂图像帧,并通过目标检测算法对图像帧标注,得到含有受电弓图像的关键帧;
所述关键帧含有受电弓尺寸和姿态信息,用于受电弓状态检测。
2.根据权利要求1所述的一种受电弓状态信息采集方法,其特征在于,所述获取目标区域的3D图像步骤具体包括:
图像采集装置接收到开始指令触发,直至接收到结束指令前,以一定频率连续采集目标区域的结构光图像。
3.根据权利要求2所述的一种受电弓状态信息采集方法,其特征在于,所述图像采集装置被触发时,所述图像采集装置对应的激光器接收同步触发信号,使激光器在图像采集装置采集图像期间始终保持工作状态,并向目标区域投射结构光。
4.根据权利要求3所述的一种受电弓状态信息采集方法,其特征在于,所述激光器的出光路径垂直于受电弓运行轨迹设置,所述图像采集装置的视场与所述激光器出光路径具有交汇的重叠部分。
5.根据权利要求1所述的一种受电弓状态信息采集方法,其特征在于,所述对3D图像分割为若干图像帧步骤具体包括:
对3D图像进行平滑处理;
将3D图像分割为若干图像帧,相邻两图像帧具有重叠图像部分。
6.根据权利要求1所述的一种受电弓状态信息采集方法,其特征在于,所述去除图像中的冗杂图像步骤具体包括:
通过ViBe算法,将连续采集得到的图像中的第一帧设定为初始帧并进行背景建模;
对后续图像序列进行前景分割,判断后续图像是否包含前景图像,若否,则标记为冗杂图像,若是,则依序标记为包括有交通工具图像的若干图像帧。
7.根据权利要求1所述的一种受电弓状态信息采集方法,其特征在于,所述得到包含有受电弓的关键帧步骤具体包括:
通过YOLO算法标注图像帧中包含有受电弓区域的连续的图像帧;
选取连续的图像帧的中间一帧为关键帧。
8.根据权利要求7所述的一种受电弓状态信息采集方法,其特征在于,
当连续帧的数量为偶数时,选取中间两帧的任一帧为关键帧;
当连续帧的数量为奇数时,选取中间帧为关键帧。
9.一种受电弓状态采集系统,其特征在于,包括:
图像采集装置,连续采集目标区域的3D图像;
图像处理模块,用于对3D图像分割为若干图像帧,并通过背景检测算法去除图像中的冗杂图像,得到包括有交通工具图像的若干图像帧;
关键帧提取模块,用于通过目标检测算法对图像帧标注,得到包含有受电弓的关键帧;
所述关键帧包含有受电弓尺寸和姿态信息,用于受电弓状态检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694168.2A CN111754512A (zh) | 2020-07-17 | 2020-07-17 | 一种受电弓状态信息采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010694168.2A CN111754512A (zh) | 2020-07-17 | 2020-07-17 | 一种受电弓状态信息采集方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111754512A true CN111754512A (zh) | 2020-10-09 |
Family
ID=72711008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010694168.2A Pending CN111754512A (zh) | 2020-07-17 | 2020-07-17 | 一种受电弓状态信息采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111754512A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10174104A (ja) * | 1996-12-11 | 1998-06-26 | Tsushin Hoso Kiko | 動画像符号化装置及び動画像復号化装置 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
CN104166983A (zh) * | 2014-06-30 | 2014-11-26 | 中国传媒大学 | 基于结合图割(Graph Cut)的Vibe改进算法的运动目标实时提取方法 |
CN104567729A (zh) * | 2014-12-31 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 受电弓运行状态监测方法及装置 |
CN107844779A (zh) * | 2017-11-21 | 2018-03-27 | 重庆邮电大学 | 一种视频关键帧提取方法 |
CN110148217A (zh) * | 2019-05-24 | 2019-08-20 | 北京华捷艾米科技有限公司 | 一种实时三维重建方法、装置及设备 |
-
2020
- 2020-07-17 CN CN202010694168.2A patent/CN111754512A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10174104A (ja) * | 1996-12-11 | 1998-06-26 | Tsushin Hoso Kiko | 動画像符号化装置及び動画像復号化装置 |
CN104166983A (zh) * | 2014-06-30 | 2014-11-26 | 中国传媒大学 | 基于结合图割(Graph Cut)的Vibe改进算法的运动目标实时提取方法 |
CN104063883A (zh) * | 2014-07-07 | 2014-09-24 | 杭州银江智慧医疗集团有限公司 | 一种基于对象和关键帧相结合的监控视频摘要生成方法 |
CN104567729A (zh) * | 2014-12-31 | 2015-04-29 | 苏州华兴致远电子科技有限公司 | 受电弓运行状态监测方法及装置 |
CN107844779A (zh) * | 2017-11-21 | 2018-03-27 | 重庆邮电大学 | 一种视频关键帧提取方法 |
CN110148217A (zh) * | 2019-05-24 | 2019-08-20 | 北京华捷艾米科技有限公司 | 一种实时三维重建方法、装置及设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103217111B (zh) | 一种非接触式接触线几何参数检测方法 | |
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 | |
CN100398982C (zh) | 用于集电弓的运动测量装置 | |
CN107743577B (zh) | 用于检测电动铁道车辆的振动信息的方法和装置 | |
CN111198371A (zh) | 前视障碍物检测系统 | |
CN111609813B (zh) | 一种基于3d成像的受电弓磨耗测量方法及系统 | |
CN100419373C (zh) | 用于检测位于铁路车辆的集电弓周围的障碍的装置和方法 | |
CN105158257A (zh) | 滑板测量方法及装置 | |
CN105426894A (zh) | 铁道塞钉图像检测方法及装置 | |
CN103971092B (zh) | 人脸轨迹跟踪的方法 | |
TWI448399B (zh) | Electromechanical railway maintenance vehicle position measuring device | |
CN109269416B (zh) | 一种接触网导线磨耗测量方法及装置 | |
CN108109146A (zh) | 一种路面标志线缺陷检测装置 | |
CN113487543B (zh) | 接触网燃弧灼烧检测方法、装置、计算机设备和存储介质 | |
JP4864043B2 (ja) | 画像処理装置、方法及びプログラム | |
CN204495300U (zh) | 受电弓运行状态监测装置 | |
CN113298059A (zh) | 受电弓异物入侵检测方法、装置、计算机设备、系统及存储介质 | |
CN111561967A (zh) | 弓网运行状态实时在线检测方法及系统 | |
CN111754512A (zh) | 一种受电弓状态信息采集方法及系统 | |
CN112964180A (zh) | 一种城轨车辆集电靴检测系统 | |
CN112651988A (zh) | 基于双指针定位的指形图像分割、指形板错台和紧固件异常检测方法 | |
CN113049595B (zh) | 一种受电弓磨损测量方法及系统 | |
CN114445398A (zh) | 采煤机液压支架护帮板状态监测方法及装置 | |
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 | |
JP2004086417A (ja) | 横断歩道等における歩行者検出方法及び同装置 |
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 |