CN111862082A - 一种列车闸片厚度复核方法及其系统 - Google Patents
一种列车闸片厚度复核方法及其系统 Download PDFInfo
- Publication number
- CN111862082A CN111862082A CN202010759208.7A CN202010759208A CN111862082A CN 111862082 A CN111862082 A CN 111862082A CN 202010759208 A CN202010759208 A CN 202010759208A CN 111862082 A CN111862082 A CN 111862082A
- Authority
- CN
- China
- Prior art keywords
- image
- thickness
- brake pad
- processed
- black
- 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 20
- 238000001514 detection method Methods 0.000 claims abstract description 58
- 238000003702 image correction Methods 0.000 claims abstract description 20
- 238000003708 edge detection Methods 0.000 claims abstract description 9
- 238000002955 isolation Methods 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 7
- 238000010521 absorption reaction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000003909 pattern recognition Methods 0.000 claims description 5
- 238000012552 review Methods 0.000 claims description 4
- 238000001179 sorption measurement Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 13
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004026 adhesive bonding Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000000926 separation method 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-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
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30136—Metal
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种列车闸片厚度复核方法及其系统,包括:S1:获取同时包含标定装置和闸片的待处理图像;S2:通过对所述待处理图像进行图像矫正得到标准图像及所述标准图像的第一像素厚度;S3:通过对所述标准图像的闸片部分进行边缘检测得到第二像素厚度;S4:基于所述标定装置的已知参数和所述第一像素厚度生成所述标准图像的图像分辨率,并基于所述图像分辨率和所述第二像素厚度生成闸片厚度;S5:基于所述闸片厚度与闸片厚度检测系统中的在先检测结果进行复核。本发明通过标定装置和拍照装置的配合设置,避免了用户通过手动直尺测量、目测等方式对闸片厚度进行判断,大大提高了闸片剩余厚度测量的精确性和准确性。
Description
技术领域
本发明涉及列车检测领域,特别涉及一种列车闸片厚度复核方法及其系统。
背景技术
闸片是列车制动装置的核心部件之一,在列车刹车时,其在制动夹钳的作用下与制动盘紧密贴合,产生巨大的摩擦力使得列车减速。列车开动中,闸片则处于与制动盘松开的状态。根据其原理,闸片会由于长时间的磨损导致其厚度变薄,当厚度值小于某一数值时,则其制动能力将会减弱,从而给列车带来安全隐患。
目前,列车的闸片厚度测量手段较为成熟,其技术手段为固定式安装在铁轨两侧,在列车通过和/或停留于检测区域时基于激光光截线和/或图像对闸片剩余厚度进行测量,具有较高的检测效率。但是通过闸片厚度测量技术在快速的对列车进行全局检测后,仍需要闸片厚度复核手段对在先检测结果进行复核确认。
而目前的列车闸片厚度复核主要手段为直尺测量,这种方式无法对齐闸片边缘、也不容易看清读数,其效率、准确性和精确性都有明显不足,并且无法实现信息化。
发明内容
有鉴于此,本发明提供一种列车闸片厚度复核方法及其系统,通过非接触式测量及图像矫正方法,解决了列车闸片复核中效率、准确性和精确性不足的问题。
为解决以上技术问题,本发明的技术方案为采用一种列车闸片厚度复核方法,包括:S1:获取同时包含标定装置和闸片的待处理图像;S2:通过对所述待处理图像进行图像矫正得到标准图像及所述标准图像的第一像素厚度;S3:通过对所述标准图像的闸片部分进行边缘检测得到第二像素厚度;S4:基于所述标定装置的已知参数和所述第一像素厚度生成所述标准图像的图像分辨率,并基于所述图像分辨率和所述第二像素厚度生成闸片厚度;S5:基于所述闸片厚度与闸片厚度检测系统中的在先检测结果进行复核。
可选地,所述步骤S1包括:S11:在拍照装置获取图像信息的同时将所述图像信息二值化得到黑白图像;S12:通过对所述黑色图像遍历得到代表标定块图像的黑色联通区域,并基于所述黑色联通区域的四边进行直线检测;S13:在所述直线检测成功的情况下,所述拍照装置存储所述图像信息并标记为所述待处理图像。
可选地,所述步骤S2包括:S21:提取所述待处理图像中的所述标定块图像并提取标定块图像中的四个顶点;S22:基于四个所述顶点和所述标定块的已知参数对所述待处理图像进行图像矫正得到标准图像;S23:通过计算任意所述顶点在图像矫正前和图像矫正后的坐标变换关系生成所述第一像素厚度。
可选地,所述步骤S3包括:S31:通过对所述标准图像进行模式识别生成闸片区域图像;S32:通过对所述闸片区域图像进行边缘检测以确定所述标定块黑色区域的左边缘和右边缘;S33:基于聚类算法对所述左边缘和所述右边缘进行计算得到所述第二像素厚度。
可选地,提取标定块图像中的四个顶点包括以下公式:
其中,(x1,y1)、(x2,y2)被定义为所述标定块图像四条边中任意一条直线的两个端点,(x3,y3)、(x4,y4)被定义为与(x1,y1)、(x2,y2)所代表的直线相邻的属于所述标定块图像四条边的一条直线的两个端点,(x,y)被定义为上述两条边的交点,重复选取所述标定块图像四条边中符合上述要求的(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)即可得到代表所述标定块图像四个顶点的(x,y)的四组不同解。
相应地,本发明还提供,一种列车闸片厚度复核系统,其特征在于,包括图像采集模块,用于获取同时包含标定装置和闸片的待处理图像;图像矫正模块,用于对所述待处理图像进行图像矫正得到标准图像及所述标准图像的第一像素厚度;第二像素厚度计算模块,用于对所述标准图像的闸片部分进行处理得到第二像素厚度;闸片厚度计算模块,能够基于所述标定装置的已知参数和所述第一像素厚度生成所述标准图像的图像分辨率,并基于所述图像分辨率和所述第二像素厚度生成闸片厚度。
可选地,所述厚度复核系统还包括标定装置,所述标定装置包括自吸附装置、标定块和隔离带,其中:所述自吸附装置,用于将所述标定装置固定于制动盘上并且将所述标定块和所述闸片固定于同一平面内;所述标定块,用于作为所述待处理图像畸变程度的参照物,并且用于构建所述黑白图像中的所述黑色联通区域;所述隔离带,与所述标定块表面设置于同一平面内,用于在所述黑白图像中分隔所述标定块构成的所述黑色联通区域与所述待处理图像中其余的黑色区域。
可选地,所述拍照装置还配置有用于控制拍摄图像的图像质量判断模块,所述图像质量判断模块被配置为:获取图像信息的同时将所述图像信息二值化得到黑白图像;通过对所述黑色图像遍历得到代表标定块图像的黑色联通区域,并基于所述黑色联通区域的四边进行直线检测;在所述直线检测结果成功的情况下,所述拍照装置存储所述图像信息并标记为所述待处理图像;在所述直线检测结果失败的情况下,重复获取图像信息并进行上述处理,直至所述直线检测结果成功。
可选地,所述拍照装置还配置有用于存储所述待处理图像的数据存储模块,所述数据存储模块,能够为用户在复查检测结果时提供历史检测数据。
本发明的首要改进之处为提供的闸片厚度复核方法,通过标定装置和拍照装置的配合设置,实现了由摄像装置拍摄图片信息后,拍照装置能够基于图像中代表标定装置的部分与标定装置进行对比从而还原真实的闸片厚度,避免了用户通过手动直尺测量、目测等方式对闸片厚度进行判断,从而避免了用户在人工读取数据中因主观判断产生的系统误差,大大提高了闸片剩余厚度测量的精确性和准确性。
附图说明
图1是本发明的列车闸片厚度复核方法的简化流程图;
图2是本发明的获取待处理图像的简化流程图;
图3是本发明的获取标准图像的简化电流程图;
图4是本发明的获取第二像素厚度的简化流程;
图5是本发明的标定装置的简化结构连接图;
图6是本发明的一个实施方式获取待处理图像的示意图;
图7是本发明的待处理图像的简化结构连接图;
图8是本发明的一个实施方式获取标准图像的示意图;
图9是本发明的标准图像的简化结构连接图;和
图10是本发明的一个实施方式获取黑白图像的示意图。
附图标记列表
1:标定装置 2:闸片 11:自吸附装置
12:标定块 13:隔离带
具体实施方式
实施例1
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步的详细说明。
一种列车闸片厚度复核方法,如图1所示,包括以下步骤:
S1:通过摄像装置获取同时包含标定装置1和闸片2的待处理图像;
S2:用户通过对待处理图像进行图像矫正得到标准图像及标准图像的第一像素厚度;
S3:通过对标准图像的闸片部分进行边缘检测得到第二像素厚度;
S4:基于标定装置1的已知参数和第一像素厚度生成标准图像的图像分辨率,并基于图像分辨率和第二像素厚度生成闸片厚度;
S5:基于所述闸片厚度与闸片厚度检测系统中的在先检测结果进行复核。
优选的,摄像装置可以是任意的搭载有安卓系统的能够拍摄的便携式装置,例如:基于安卓系统的手机、基于安卓系统的平板电脑等。本发明的改进之处在于厚度复核方法及能够实现该复核方法的安卓架构的软件,因此摄像装置作为软件的载体及拍照的功能部件,在本发明中不作具体限定。
优选的,如图8和图9所示,标准图像被定义为以正视视角显示的图像。本发明通过图像矫正避免了实际照片中存在的图像畸变问题,避免了实际拍照时由于拍摄角度问题造成的不同像素点代表的距离不同的问题,为最终计算闸片厚度排除了一定的影响因素,提升了闸片厚度测量的精确性和准确性。
优选的,像素厚度被定义为像素点的数量,第一像素厚度被定义为标定块12边长的像素厚度,第二像素厚度被定义为闸片2的最小厚度的像素厚度。
优选的,标定装置1设置有标定块12,标定块12能够用于在黑白图像中构建黑色联通区域。标定装置1的已知参数是标定块12的边长。
优选的,图像分辨率被定义为标准图像中每单位距离的图像内有多少个像素点,由于标准图像已经被校准为正视视角显示的图像,因此标准图像中的图像分辨率是可信、无误的。
优选的,由于标定块12的边长是标准、已知的,因此在计算出标准图像中的第一像素厚度时,标定块12的边长/第一像素厚度即可得到标准图像中的分辨率,分辨率与第二像素厚度相乘即可得到代表闸片剩余厚度的值。
优选的,闸片厚度被定义为闸片剩余厚度,由于闸片2的制动效果取决于闸片最小厚度,因此本发明计算的闸片厚度为闸片最小剩余厚度,即通过计算闸片最小剩余厚度的像素厚度得到闸片厚度。
优选的,若本次检测结果与在先检测结果的差值小于本次检测结果数值的5%,则在先检测结果合格并将本次检测数据存入数据存储模块。若两者的差值大于本次检测结果数值的5%,则在先检测结果不合格,将本次检测数据存入数据存储模块后,用户继续检测下一闸片。
优选的,若连续三次及其以上的在先检测结果不合格和/或十次在先检测结果的复核结果的合格率低于50%,用户需要重启闸片厚度检测系统对列车闸片进行全局重新检测。
优选的,本发明通过标定装置1和拍照装置的配合设置,实现了由摄像装置拍摄图片信息后,拍照装置能够基于图像中代表标定装置1的部分与标定装置1进行对比从而还原真实的闸片厚度,避免了用户通过手动直尺测量、目测等方式对闸片厚度进行判断,从而避免了用户在人工读取数据中因主观判断产生的系统误差,大大提高了闸片剩余厚度测量的精确性和准确性。
根据一种优选实施方式,如图2所示,步骤1包括:
S11:如图10所示,在拍照装置获取图像信息的同时将图像信息二值化得到黑白图像;
S12:通过对黑色图像遍历得到代表标定块图像的黑色联通区域,并基于黑色联通区域的四边进行直线检测;
S13:在直线检测成功的情况下,拍照装置存储图像信息并标记为待处理图像。
优选的,在直线检测结果失败的情况下,重复步骤S11-S13直至直线检测结果成功。优选的,直线检测结果的判定标准被定义为检测结果中黑色联通区域边界处的锐利度是否达到设定值。
优选的,锐利度设定值需要根据拍照装置的解析度进行设定。更优选的,由于拍照装置成像时存在的孔阑效应,锐利度设定值可以是拍照装置解析度中的锐利度的理论最佳值的75%。
优选的,在锐利度检测达到设定值的情况下,可视为黑色联通区域边界处具有四条清晰的边界线,即本次图像信息获取时拍照装置未出现抖动,此时视为本次图像信息合格,将本次图像信息标记为待处理图像并进行存储。
优选的,本发明通过图像质量自动判断有效地避免了传统的手动点击快门产生抖动的问题,另一方面也避免了手动操作时可能出现人为对图像质量判断不准的情况出现,从源头上提升了图片的质量,为最终计算闸片厚度排除了一定的影响因素,提升了闸片厚度测量的精确性和准确性。
根据一种优选的实施方式,如图3所示,步骤S2至少包括:
S21:如图6和图7所示,提取待处理图像中的标定块图像并提取标定块图像中的四个顶点;
S22:基于四个顶点和标定块12的已知参数对待处理图像进行图像矫正得到标准图像;
S23:通过计算任意顶点在图像矫正前和图像矫正后的坐标变换关系生成第一像素厚度。
优选的,提取标定块图像中的四个顶点包括以下公式:
(x1,y1)、(x2,y2)被定义为标定块图像四条边中任意一条直线的两个端点,(x3,y3)、(x4,y4)被定义为与(x1,y1)、(x2,y2)所代表的直线相邻的属于标定块图像四条边的一条直线的两个端点,(x,y)被定义为上述两条边的交点。
优选的,重复选取标定块图像四条边中符合上述要求的(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)即可得到代表标定块图像四个顶点的(x,y)的四组不同解。
优选的,由于标定块12的长宽是固定、已知的,因此在确定了标定块图像四个顶点的坐标后,确定在待处理图像中标定块12的四条边的比例关系,通过与已知的标定块12的四边比例关系对比进而确定待处理图像的畸变程度,从而对待处理图像进行图像矫正进而得到标准图像。
优选的,图像矫正的原理可以理解为在待处理图像中设立一正交的xy坐标系,待处理图像通过相对于x轴旋转拉伸和/或相对于y轴旋转拉伸,直至待处理图像中标定块12的四条边的比例关系与已知的标定块12的四边比例关系相同,所得到的图像即为正视视角下的图像。
优选的,计算所述第一像素厚度包括以下公式:V′T=H·VT,其中,
优选的,由于摄像装置采集的图像中景深的存在,导致闸片2与标定装置1相对于摄像装置的水平方向上的距离可能存在不同,距离不同的原因可能是安装时标定块12表面与闸片2被检测端面本身就不处于同一平面、摄像装置未处于标定块12表面正视视角位置等因素,即标准图像中随着y轴数值的改变,x轴的每一单位距离所代表的实际距离会产生改变,并且经过图像校准的标准图像中,x轴的每一单位距离所具有的像素个数也不同。因此本发明将第一像素厚度定义为一个3×3的矩阵。
优选的,水平方向被定义为与地面平行的任意方向。
优选的,由于将H设置为一个3×3的矩阵,因此为了使得V、V′能够与H进行矩阵运算,将V、V′分别加入单位1并进行转置,由于1的模为0,因此实际运算中不影响结果。将标定块12中四个顶点的新旧坐标依次带入计算公式为V′T=H·VT即可得出第一像素厚度。
根据一种优选的实施方式,如图4所示,步骤S3包括:
S31:通过对标准图像进行模式识别生成闸片区域图像;
S32:通过对闸片区域图像进行边缘检测以确定标定块黑色区域的左边缘和右边缘;
S33:基于聚类算法对左边缘和右边缘进行计算得到第二像素厚度。
优选的,本发明通过对标准图像进行模式识别来获取闸片区域图像。具体地,进行模式识别的过程包括特征学习和特征识别两部分。特征学习包括步骤:输入各车型闸片区域模板图像;提取闸片区域模板图像的特征;以及生成闸片区域模板图像特征网络集。特征识别包括步骤:获取现场拍摄的图像数据;提取现场拍摄的图像数据的特征;以及通过将现场拍摄的图像数据的特征与预先生成的闸片模板图像特征网络集进行匹配来识别闸片区域图像。
优选的,步骤S32被定义为在闸片区域图像中设定第一预设检测范围,通过在第一预设检测范围内进行边缘检测来确定检测闸片2的右边缘;在闸片区域图像中设定第二预设检测范围,通过在第二预设检测范围内进行边缘检测来确定闸片2的左边缘。
优选的,步骤S33包括计算:
best_Cluster=max{Cluster[1],…,Cluster[N]}
其中i,j∈[1,N],N为所有疑似闸片厚度的个数,dist为疑似闸片厚度值,Cluster为疑似闸片厚度值聚类数量,best_Cluster为最多的疑似闸片厚度值聚类数量,对应的疑似闸片厚度值则为检测到的闸片2的像素厚度。
实施例2
一种列车闸片厚度复核系统,包括便携的拍照装置和标定装置1,拍照装置配置有图像采集模块、图像矫正模块、第二像素厚度计算模块和闸片厚度计算模块,其中:图像采集模块,用于获取同时包含标定装置1和闸片2的待处理图像;图像矫正模块,用于对待处理图像进行图像矫正得到标准图像及标准图像的第一像素厚度;第二像素厚度计算模块,用于对标准图像的闸片部分进行处理得到第二像素厚度;闸片厚度计算模块,能够基于标定装置1的已知参数和第一像素厚度生成标准图像的图像分辨率,并基于图像分辨率和第二像素厚度生成闸片厚度。
根据一种优选实施方式,如图5所示,标定装置1包括自吸附装置11、标定块12和隔离带13,其中:自吸附装置11,用于将标定装置1固定于制动盘上并且将标定块和闸片2固定于同一平面内;标定块12,用于作为待处理图像畸变程度的参照物,并且构建用于识别黑色联通区域;隔离带13,与标定块12表面设置于同一平面内,用于在黑白图像中分隔标定块12构成的黑色联通区域与待处理图像中其余的黑色区域。
优选的,标定块12表面呈用于构建黑白区域的黑色。优选的,隔离带13可以是与黑色色差较大的颜色。更优选的,隔离带13表面可以是白色。优选的,隔离带13可以是通过焊接、粘连复合等方式设置于标定块12四周。
优选的,自吸附装置11和标定块12可以是一体成型的,也可以是通过焊接、粘连复合等方式固定连接。优选的,自吸附装置11可以是通过磁吸附、真空吸盘等方式实现吸附于夹钳上。
根据一种优选的实施方式,拍照装置还配置有用于控制拍摄图像的图像质量判断模块,图像质量判断模块被配置为:获取图像信息的同时将图像信息二值化得到黑白图像;通过对黑色图像遍历得到代表标定块图像的黑色联通区域,并基于黑色联通区域的四边进行直线检测;在直线检测结果成功的情况下,拍照装置存储图像信息并标记为待处理图像;在直线检测结果失败的情况下,重复获取图像信息并进行上述处理,直至直线检测结果成功。
根据一种优选的实施方式,拍照装置还配置有用于存储待处理图像的数据存储模块,能够为用户在复查检测结果时提供历史检测数据。
优选的,图像质量判断模块、图像采集模块、图像矫正模块、第二像素厚度计算模块和闸片厚度计算模块集成于同一软件内,该软件为安卓架构。
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 (10)
1.一种列车闸片厚度复核方法,其特征在于,包括:
S1:获取同时包含标定装置和闸片的待处理图像;
S2:通过对所述待处理图像进行图像矫正得到标准图像及所述标准图像的第一像素厚度;
S3:通过对所述标准图像的闸片部分进行边缘检测得到第二像素厚度;
S4:基于所述标定装置的已知参数和所述第一像素厚度生成所述标准图像的图像分辨率,并基于所述图像分辨率和所述第二像素厚度生成闸片厚度;
S5:基于所述闸片厚度与闸片厚度检测系统中的在先检测结果进行复核。
2.根据权利要求1所述的列车闸片厚度复核方法,其特征在于,所述步骤S1包括:
S11:在拍照装置获取图像信息的同时将所述图像信息二值化得到黑白图像;
S12:通过对所述黑色图像遍历得到代表标定块图像的黑色联通区域,并基于所述黑色联通区域的四边进行直线检测;
S13:在所述直线检测成功的情况下,所述拍照装置存储所述图像信息并标记为所述待处理图像。
3.根据权利要求1所述的列车闸片厚度复核方法,其特征在于,所述步骤S2包括:
S21:提取所述待处理图像中的所述标定块图像并提取标定块图像中的四个顶点;
S22:基于四个所述顶点和所述标定块的已知参数对所述待处理图像进行图像矫正得到标准图像;
S23:通过计算任意所述顶点在图像矫正前和图像矫正后的坐标变换关系生成所述第一像素厚度。
4.根据权利要求1所述的列车闸片厚度复核方法,其特征在于,所述步骤S3包括:
S31:通过对所述标准图像进行模式识别生成闸片区域图像;
S32:通过对所述闸片区域图像进行边缘检测以确定所述标定块黑色区域的左边缘和右边缘;
S33:基于聚类算法对所述左边缘和所述右边缘进行计算得到所述第二像素厚度。
7.一种列车闸片厚度复核系统,其特征在于,包括:
图像采集模块,用于获取同时包含标定装置和闸片的待处理图像;
图像矫正模块,用于对所述待处理图像进行图像矫正得到标准图像及所述标准图像的第一像素厚度;
第二像素厚度计算模块,用于对所述标准图像的闸片部分进行处理得到第二像素厚度;
闸片厚度计算模块,能够基于所述标定装置的已知参数和所述第一像素厚度生成所述标准图像的图像分辨率,并基于所述图像分辨率和所述第二像素厚度生成闸片厚度。
8.根据权利要求7所述的列车闸片厚度复核系统,其特征在于,所述厚度复核系统还包括标定装置(1),所述标定装置(1)包括自吸附装置(11)、标定块(12)和隔离带(13),其中:
所述自吸附装置(11),用于将所述标定装置(1)固定于制动盘上并且将所述标定块(12)和所述闸片(2)固定于同一平面内;
所述标定块(12),用于作为所述待处理图像畸变程度的参照物,并且用于构建所述黑白图像中的所述黑色联通区域;
所述隔离带(13),与所述标定块(12)表面设置于同一平面内,用于在所述黑白图像中分隔所述标定块(12)构成的所述黑色联通区域与所述待处理图像中其余的黑色区域。
9.根据权利要求1所述的列车闸片厚度复核系统,其特征在于,所述拍照装置还配置有用于控制拍摄图像的图像质量判断模块,所述图像质量判断模块被配置为:
获取图像信息的同时将所述图像信息二值化得到黑白图像;通过对所述黑色图像遍历得到代表标定块图像的黑色联通区域,并基于所述黑色联通区域的四边进行直线检测;在所述直线检测结果成功的情况下,所述拍照装置存储所述图像信息并标记为所述待处理图像;在所述直线检测结果失败的情况下,重复获取图像信息并进行上述处理,直至所述直线检测结果成功。
10.根据权利要求1所述的列车闸片厚度复核系统,其特征在于,所述拍照装置还配置有用于存储所述待处理图像的数据存储模块,
所述数据存储模块,能够为用户在复查检测结果时提供历史检测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010759208.7A CN111862082A (zh) | 2020-07-31 | 2020-07-31 | 一种列车闸片厚度复核方法及其系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010759208.7A CN111862082A (zh) | 2020-07-31 | 2020-07-31 | 一种列车闸片厚度复核方法及其系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111862082A true CN111862082A (zh) | 2020-10-30 |
Family
ID=72953859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010759208.7A Pending CN111862082A (zh) | 2020-07-31 | 2020-07-31 | 一种列车闸片厚度复核方法及其系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111862082A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750103A (zh) * | 2020-12-25 | 2021-05-04 | 成都主导科技有限责任公司 | 一种列车闸片厚度检测方法及其系统 |
CN112934588A (zh) * | 2021-02-01 | 2021-06-11 | 夏前兵 | 一种仿石涂料表面纹理自动化处理系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017098859A (ja) * | 2015-11-27 | 2017-06-01 | 株式会社明電舎 | 画像のキャリブレーション装置及びキャリブレーション方法 |
CN107705293A (zh) * | 2017-09-14 | 2018-02-16 | 广东工业大学 | 一种基于ccd面阵相机视觉检测的五金零件尺寸测量方法 |
CN109840889A (zh) * | 2019-01-24 | 2019-06-04 | 华东交通大学 | 基于仿生算法的高精度视觉测量方法、装置和系统 |
CN110136189A (zh) * | 2019-05-22 | 2019-08-16 | 成都铁安科技有限责任公司 | 一种列车闸片检测方法和装置 |
WO2019227615A1 (zh) * | 2018-06-01 | 2019-12-05 | 平安科技(深圳)有限公司 | 校正发票图像的方法、装置、计算机设备和存储介质 |
CN111047588A (zh) * | 2019-12-26 | 2020-04-21 | 电子科技大学 | 一种轴型小零件尺寸的图像化测量方法 |
US20200177866A1 (en) * | 2017-06-20 | 2020-06-04 | Sony Interactive Entertainment Inc. | Calibration apparatus, chart for calibration, chart pattern generation apparatus, and calibration method |
-
2020
- 2020-07-31 CN CN202010759208.7A patent/CN111862082A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017098859A (ja) * | 2015-11-27 | 2017-06-01 | 株式会社明電舎 | 画像のキャリブレーション装置及びキャリブレーション方法 |
US20200177866A1 (en) * | 2017-06-20 | 2020-06-04 | Sony Interactive Entertainment Inc. | Calibration apparatus, chart for calibration, chart pattern generation apparatus, and calibration method |
CN107705293A (zh) * | 2017-09-14 | 2018-02-16 | 广东工业大学 | 一种基于ccd面阵相机视觉检测的五金零件尺寸测量方法 |
WO2019227615A1 (zh) * | 2018-06-01 | 2019-12-05 | 平安科技(深圳)有限公司 | 校正发票图像的方法、装置、计算机设备和存储介质 |
CN109840889A (zh) * | 2019-01-24 | 2019-06-04 | 华东交通大学 | 基于仿生算法的高精度视觉测量方法、装置和系统 |
CN110136189A (zh) * | 2019-05-22 | 2019-08-16 | 成都铁安科技有限责任公司 | 一种列车闸片检测方法和装置 |
CN111047588A (zh) * | 2019-12-26 | 2020-04-21 | 电子科技大学 | 一种轴型小零件尺寸的图像化测量方法 |
Non-Patent Citations (2)
Title |
---|
YANG ZHAO 等: ""A Precise calculation of bladder wall thickness for detection of bladder abnormalities via MR cystography"", 2011 IEEE NUCLEAR SCIENCE SYMPOSIUM CONFERENCE RECORD, 20 February 2012 (2012-02-20) * |
肖虹: ""基于图像的机车关键部位检测"", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, 15 February 2017 (2017-02-15) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112750103A (zh) * | 2020-12-25 | 2021-05-04 | 成都主导科技有限责任公司 | 一种列车闸片厚度检测方法及其系统 |
CN112750103B (zh) * | 2020-12-25 | 2024-02-02 | 成都主导科技有限责任公司 | 一种列车闸片厚度检测方法及其系统 |
CN112934588A (zh) * | 2021-02-01 | 2021-06-11 | 夏前兵 | 一种仿石涂料表面纹理自动化处理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10885644B2 (en) | Detecting specified image identifiers on objects | |
WO2017092631A1 (zh) | 鱼眼图像的畸变图像校正方法及鱼眼相机的标定方法 | |
US6591005B1 (en) | Method of estimating image format and orientation based upon vanishing point location | |
US20040165786A1 (en) | System and method for converting whiteboard content into an electronic document | |
TWI491849B (zh) | 應用複數攝影裝置之物件定位方法 | |
CN107506693A (zh) | 畸变人脸图像校正方法、装置、计算机设备和存储介质 | |
US8233200B2 (en) | Curvature correction and image processing | |
CN102324134A (zh) | 有价文件鉴别方法及其鉴别装置 | |
US20110129127A1 (en) | Object image correction apparatus and method for object identification | |
CN111307039A (zh) | 一种物体长度识别方法、装置、终端设备和存储介质 | |
CN111862082A (zh) | 一种列车闸片厚度复核方法及其系统 | |
CN111626941A (zh) | 一种基于深度学习语义分割的文档矫正方法 | |
US11928805B2 (en) | Information processing apparatus, information processing method, and storage medium for defect inspection and detection | |
US7272267B1 (en) | Image processing method and apparatus for normalizing faces for a layout image | |
CN109029203A (zh) | 一种基于数字图像处理的半自动测量物体尺寸装置 | |
CN114283079A (zh) | 一种基于图卡拍摄校正的方法及设备 | |
JP2001126051A (ja) | 関連情報呈示装置及び関連情報呈示方法 | |
CN108898609A (zh) | 一种图像边缘检测方法、检测装置及计算机存储介质 | |
JPH0997342A (ja) | 樹木離隔距離計測システム | |
CN112991159B (zh) | 人脸光照质量评估方法、系统、服务器与计算机可读介质 | |
CN116977328B (zh) | 车底机器人主动视觉中的图像质量评估方法 | |
Cutter et al. | Capture and dewarping of page spreads with a handheld compact 3D camera | |
CN116596987A (zh) | 一种基于双目视觉的工件三维尺寸高精度测量方法 | |
CN101180657A (zh) | 信息终端 | |
KR102383577B1 (ko) | 스켈러톤 웨이퍼 검사 방법 |
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 |