CN112037207A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN112037207A CN112037207A CN202010903654.0A CN202010903654A CN112037207A CN 112037207 A CN112037207 A CN 112037207A CN 202010903654 A CN202010903654 A CN 202010903654A CN 112037207 A CN112037207 A CN 112037207A
- Authority
- CN
- China
- Prior art keywords
- image
- template
- histogram
- direction code
- search area
- 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 46
- 230000003321 amplification Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 239000003973 paint Substances 0.000 claims description 2
- 238000013519 translation Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 11
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000007 visual effect Effects 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0081—On-board diagnosis or maintenance
-
- 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
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Mechanical Engineering (AREA)
- Geometry (AREA)
- Image Analysis (AREA)
Abstract
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,属于铁路货车部件检测技术领域。为了解决现有的检测自动制动阀塞门手把关闭的方法存在准确率较低的问题以及模板匹配不能实现检测的问题。本发明获取对手把图像后,按照方向码对模板和搜索区域图像计算方向码图像,通过统计每个方向码出现的频率得到方向码直方图,根据搜索区域图像的直方图和模板的直方图之间的最大重叠比率,确定匹配的相似度,当其大于相似度阈值时,将此像素点作为候选匹配点,再在所有候选匹配点中选择具有最大相似度的点作为最终匹配点,然后计算搜索区域图像相对于模板的旋转角度,并与阈值进行比较实现关闭故障的检测。主要用于手把关闭故障检测。
Description
技术领域
本发明涉及铁路货车脱轨自动制动阀塞门手把关闭故障检测方法。属于铁路货车部件检测技术领域。
背景技术
列车脱轨是铁路车辆运行过程中非常严重的事故,为了避免此种事故的发生,常常在铁路货车上设置脱轨自动制动装置。但是在其应用中发现,由于相关检修人员发生的误操作造成脱轨自动制动装置出现脱轨阀塞门手把关闭故障,这不但会影响铁路货车的基本性能,也会给货车的运行带来安全隐患。所以针对脱轨自动制动装置出现脱轨阀塞门手把关闭故障的自动化检测具有重要意义。
目前基本都是采用的人工逐张看图的检车作业方式,存在受人员素质、责任心影响,错漏检问题时有发生,作业质量难以保证,以及人工成本巨大、效率低下等问题。也可以采用现有的神经网络及图像识别等技术来实现自动检测,但是仍然存在检测准确率较低的问题。也可以利用现有的模板匹配方式进行检测,但是由于手把存在旋转,待检测目标相对于模板图像发生旋转时,直接用相似性度量进行匹配将失效的问题。
发明内容
本发明是为了解决现有的检测自动制动阀塞门手把关闭的方法存在准确率较低的问题以及模板匹配不能实现检测的问题。
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,包括以下步骤:
A1、获取铁路货车脱轨自动制动阀塞门手把图像;
A2、采用模板匹配的方式计算模板和搜索区域图像之间的相似性,根据相似性大小判断是否存在模板,包括以下步骤:
按照方向码对模板和搜索区域图像计算方向码图像,通过统计每个方向码出现的频率得到方向码直方图,像素点(i,j)处的搜索区域图像对应的方向码直方图记做hij;
所述的方向码:将[0,2π]进行2n等分,每个区间的角度Δθ为π/n;从水平方向开始按逆时针方向依次给每个区间赋予一个编号,即方向码;
将搜索区域图像方向码直方图左移并计算搜索区域图像方向码直方图和模板方向码直方图间的交集的归一化面积,根据搜索区域图像的直方图和模板的直方图之间的最大重叠比率,确定匹配的相似度,即搜索区域图像和模板方向码直方图间的相似度S1(i,j);
当像素点(i,j)处的S1(i,j)>相似度阈值时,将此像素点作为候选匹配点,并存储其对应的搜索区域图像方向码直方图左移次数l,再在所有候选匹配点中选择具有最大相似度的点作为最终匹配点;
A3、将最终匹配点对应的搜索区域图像作为手把目标所在区域,并根据其方向码直方图左移次数l计算搜索区域图像相对于模板的旋转角度,当旋转角度>旋转角度阈值时,判定为发生手把关闭故障。
进一步地,所述像素点(i,j)处的搜索区域图像对应的方向码直方图hij中的第k个区域的计算公式为:
其中,c(x,y)为方向码。
进一步地,所述方向码的确定过程包括以下步骤:
首先,采用Sobel差分算子来计算梯度角θ(i,j):
然后,计算方向码c(i,j):
其中,[*]为取整运算。
进一步地,搜索区域图像和模板方向码直方图间的相似度S1(i,j)如下:
其中,l为搜索区域图像方向码直方图左移次数,取值范围为{0,1,2,…,2n-1},Sl为左移l次后搜索区域图像方向码直方图和模板方向码直方图间的交集的归一化面积。
进一步地,Sl具体如下:
其中,mod表示取余函数。
进一步地,所述的相似度阈值为0.9。
进一步地,所述旋转角度阈值为45°。
有益效果:
1、本发明将自动识别技术引入货车故障检测,实现故障自动识别及报警,人工只需对报警结果进行确认,有效节约人力成本,提高作业质量和作业效率。
2、本发明对模板匹配方法进行了改进,提出了一种基于方向码的模板匹配方法,解决了手把存在旋转对模板匹配的影响。而且本发明基于方向码的模板匹配方法提供了检测目标的方向信息,解决了传统模板匹配方法无法反映目标旋转信息的问题。通过求得手把旋转方向,极大地降低了识别故障的难度。利用本发明对自动制动阀塞门手把关闭进行检测时具有非常高的准确率。
附图说明
图1为方向码示意图;
图2为直方图移动示意图;
图3为故障检测流程示意图。
具体实施方式
具体实施方式一:参照图3具体说明本实施方式,
本实施方式所述的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,包括以下步骤:
s1、线阵图像获取:
分别在货车轨道周围搭建高清设备,对高速通过的货车进行拍摄,获取货车两侧的图像;可以采用线扫描,能够实现图像无缝拼接,生成视野大、精度高的二维图像,即货车图像。
s2、建立模板图像集:
由于货车部件可能受到雨水、泥渍、油渍、黑漆等自然条件或者人为条件的影响,并且不同站点拍摄的图像可能存在差异。因此,脱轨自动制动阀塞门手把图像之间存在一定差异。所以,在模板图像集的搜集的过程中,要保证多样性,尽量搜集其在各种条件、不同站点的图像。
s3、模板图像集扩增:
模板图像集的建立虽然包括各种条件下的图像,但为提高算法的稳定性,仍需要对模板图像集进行数据扩增。扩增形式包括调整图像亮度、对比度,进行平移、缩放等操作,每种操作都是在随机条件下进行的,这样可以最大程度的保证模板的多样性和适用性。
s4、手把粗定位:
根据货车轴距信息、车型信息对手把位置进行粗定位,从货车图像中截取包含手把的局部区域图像,可有效减少故障识别所需时间、提升识别准确率。
s5、模板匹配:
判断手把是否关闭前,首先需要定位手把位置。模板匹配是模式识别的常用方法,指根据已知的对象图像(即模板图像),在另一幅场景图像中搜索是否存在与已知模板相同的图像,若存在还需定位出模板的位置。常用的模板匹配方法是基于相似性度量的匹配方法,及通过将模板窗口在场景中逐像素点地滑动,计算模板和窗口搜索区域图像之间的相似性,根据相似性大小来判断是否存在模板。
对于本发明所涉及的手把目标,如果采用基于相似性度量的匹配方法,存在以下几个困难点:
(1)、手把存在旋转,待检测目标相对于模板图像发生旋转时,直接用相似性度量进行匹配将失效;
(2)、传统的模板匹配方法无法获取目标的旋转方向,给判断手把状态带来困难。
为解决以上困难点,本发明提出了一种基于方向码的模板匹配方法:
s5.1方向码:
将[0,2π]进行2n等分,优选为16等分,每个区间的角度Δθ为π/n;本实施方式中将2n=16,Δθ为π/8,从水平方向开始按逆时针方向依次给每个区间赋予一个编号,即方向码,如图1所示。
为得到图像的方向码,首先采用Sobel差分算子来计算梯度角θ(i,j):
然后计算方向码c(i,j):
其中,[*]为取整运算。
s5.2方向码直方图:
按照方向码对模板和搜索区域图像计算其方向码图像,通过统计每个方向码出现的频率得到方向码直方图,像素点(i,j)处的搜索区域图像对应的方向码直方图hij,其中直方图中的第k个区域的计算公式为:
s5.3方向码直方图匹配:
本发明采用计算搜索区域图像的直方图和模板的直方图之间的最大重叠比率,来确定匹配的相似度,S1(i,j)表示像素点(i,j)处的搜索区域图像和模板方向码直方图间的相似度:
其中,l为搜索区域图像方向码直方图左移次数,取值范围为{0,1,2,…,2n-1},Sl为左移l次后搜索区域图像方向码直方图和模板方向码直方图间的交集的归一化面积;i和j对应待检测的行列坐标,每个点对应一个方向码直方图;每左移一次时,首部的直方图数据移动到尾部,原来第k+1个区域的直方图移动到第k个区域,正如计算方法描述。
其中,mod表示取模函数;
搜索区域图像方向码直方图移动匹配的实例如图2所示。
当像素点(i,j)处的搜索区域图像和模板方向码直方图间的相似度S1(i,j)≥相似度阈值时,相似度阈值优选为0.9,将此像素点作为候选匹配点,并存储其对应的搜索区域图像方向码直方图左移次数l,再在所有候选匹配点中选择具有最大相似度的点作为最终匹配点。本发明中并没有直接选择相似度最大的点作为最终匹配点,因为经过研究发现如果有异物或者雨雪遮挡住待识别物件时,相似度会降低,可能造成其他物体的相似度比部件位置的相似度更高,影响识别的准确度,最大相似度小于相似度阈值时,可以认定找不到部件,可以进行报警。经过研究和试验发现,当相似度阈值优选为0.9时,不仅能够提高后续匹配的效率,而且具有良好的匹配效果,尤其是可以减少物体被遮挡时,匹配不正确的情况。
s6、故障识别:
将最终匹配点对应的搜索区域图像作为手把目标所在区域,并根据其方向码直方图左移次数l,计算搜索区域图像相对于模板的旋转角度,即逆时针旋转了当旋转角度>旋转角度阈值时,旋转角度阈值优选为45°,判定为发生手把关闭故障,进行报警。整体流程如图3所示。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (10)
1.一种铁路货车脱轨自动制动阀塞门手把关闭故障检测方法,其特征在于,包括以下步骤:
A1、获取铁路货车脱轨自动制动阀塞门手把图像;
A2、采用模板匹配的方式计算模板和搜索区域图像之间的相似性,根据相似性大小判断是否存在模板,包括以下步骤:
按照方向码对模板和搜索区域图像计算方向码图像,通过统计每个方向码出现的频率得到方向码直方图,像素点(i,j)处的搜索区域图像对应的方向码直方图记做hij;
所述的方向码:将[0,2π]进行2n等分,每个区间的角度Δθ为π/n;从水平方向开始按逆时针方向依次给每个区间赋予一个编号,即方向码;
将搜索区域图像方向码直方图左移并计算搜索区域图像方向码直方图和模板方向码直方图间的交集的归一化面积,根据搜索区域图像的直方图和模板的直方图之间的最大重叠比率,确定匹配的相似度,即搜索区域图像和模板方向码直方图间的相似度S1(i,j);
当像素点(i,j)处的S1(i,j)>相似度阈值时,将此像素点作为候选匹配点,并存储其对应的搜索区域图像方向码直方图左移次数l,再在所有候选匹配点中选择具有最大相似度的点作为最终匹配点;
A3、将最终匹配点对应的搜索区域图像作为手把目标所在区域,并根据其方向码直方图左移次数l计算搜索区域图像相对于模板的旋转角度,当旋转角度>旋转角度阈值时,判定为发生手把关闭故障。
6.根据权利要求5所述的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,其特征在于,所述的相似度阈值为0.9。
8.根据权利要求7所述的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,其特征在于,所述旋转角度阈值为45°。
9.根据权利要求8所述的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,其特征在于,所述模板图像为模板图像集中的图像,模板图像集的建立过程包括以下步骤:
采集不同条件、不同站点对应的货车部件图像作为基础模板图像集,对基础模板图像集进行数据扩增,最终得到模板图像集;
所述的不同条件包括受到雨水、泥渍、油渍、黑漆影响对应的自然条件。
10.根据权利要求9所述的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,其特征在于,所述对基础模板图像集进行数据扩增的扩增形式包括调整图像亮度、调整图像对比度、平移、缩放操作,每种操作都是在随机条件下进行的。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010903654.0A CN112037207A (zh) | 2020-09-01 | 2020-09-01 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010903654.0A CN112037207A (zh) | 2020-09-01 | 2020-09-01 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112037207A true CN112037207A (zh) | 2020-12-04 |
Family
ID=73591901
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010903654.0A Pending CN112037207A (zh) | 2020-09-01 | 2020-09-01 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037207A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674212A (zh) * | 2021-07-26 | 2021-11-19 | 宁波帅特龙集团有限公司 | 一种把手装配检测方法与设备 |
CN115744526A (zh) * | 2023-01-06 | 2023-03-07 | 常熟理工学院 | 电梯制动器动作状态检测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252711A (zh) * | 2014-09-17 | 2014-12-31 | 华中科技大学 | 一种基于图像梯度方向码的匹配方法 |
US20190009755A1 (en) * | 2017-07-05 | 2019-01-10 | Istobal, S.A. | Head for Washing Vehicle Wheels |
CN111028225A (zh) * | 2019-12-12 | 2020-04-17 | 深圳集智数字科技有限公司 | 一种阀门把手开度的监测方法及装置 |
CN111080606A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车下拉杆脱落故障图像识别方法 |
CN111091558A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车摇枕弹簧窜出故障图像识别方法 |
-
2020
- 2020-09-01 CN CN202010903654.0A patent/CN112037207A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104252711A (zh) * | 2014-09-17 | 2014-12-31 | 华中科技大学 | 一种基于图像梯度方向码的匹配方法 |
US20190009755A1 (en) * | 2017-07-05 | 2019-01-10 | Istobal, S.A. | Head for Washing Vehicle Wheels |
CN111028225A (zh) * | 2019-12-12 | 2020-04-17 | 深圳集智数字科技有限公司 | 一种阀门把手开度的监测方法及装置 |
CN111080606A (zh) * | 2019-12-12 | 2020-04-28 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车下拉杆脱落故障图像识别方法 |
CN111091558A (zh) * | 2019-12-12 | 2020-05-01 | 哈尔滨市科佳通用机电股份有限公司 | 一种铁路货车摇枕弹簧窜出故障图像识别方法 |
Non-Patent Citations (1)
Title |
---|
杨林杰: "基于轮廓特征的目标匹配算法研究", 《中国优秀硕士学位论文全文数据库》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113674212A (zh) * | 2021-07-26 | 2021-11-19 | 宁波帅特龙集团有限公司 | 一种把手装配检测方法与设备 |
CN113674212B (zh) * | 2021-07-26 | 2024-05-24 | 宁波帅特龙集团有限公司 | 一种把手装配检测方法与设备 |
CN115744526A (zh) * | 2023-01-06 | 2023-03-07 | 常熟理工学院 | 电梯制动器动作状态检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108805904B (zh) | 一种基于卫星序列图像的运动舰船检测与跟踪方法 | |
López et al. | Robust lane markings detection and road geometry computation | |
JP6904614B2 (ja) | 対象物検出装置、予測モデル作成装置、対象物検出方法及びプログラム | |
CN102323070B (zh) | 列车异常检测方法和系统 | |
CN111609813B (zh) | 一种基于3d成像的受电弓磨耗测量方法及系统 | |
CN103077526B (zh) | 具有深度检测功能的列车异常检测方法及系统 | |
CN104966049B (zh) | 基于图像的货车检测方法 | |
CN111563469A (zh) | 一种不规范停车行为识别方法及装置 | |
CN105203552A (zh) | 一种360°踏面图像检测系统及其检测方法 | |
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 | |
CN111754460A (zh) | 一种转辙机缺口自动检测方法、系统及存储介质 | |
CN107273802A (zh) | 一种铁路列车闸瓦钎环故障的检测方法及装置 | |
CN111539436B (zh) | 一种基于一字模板匹配的轨道扣件定位方法 | |
Lu et al. | Automatic fault detection of multiple targets in railway maintenance based on time-scale normalization | |
CN110736999B (zh) | 基于激光雷达的铁路道岔检测方法 | |
AU2019218477A1 (en) | Method for commanding a set of one or more intervention tools mounted on a railway intervention vehicle | |
CN108917621B (zh) | 一种受电弓滑板上边缘单像素跟踪检测方法 | |
CN115527170A (zh) | 货车脱轨自动制动装置塞门手把关闭故障识别方法及系统 | |
CN111079734A (zh) | 铁路货车三角孔异物检测方法 | |
CN103632376A (zh) | 一种两级框架的车辆部分遮挡消除方法 | |
CN103116743B (zh) | 一种基于在线学习的铁路障碍物检测方法 | |
CN107506753B (zh) | 一种面向动态视频监控的多车辆跟踪方法 | |
CN108492306A (zh) | 一种基于图像轮廓的x型角点提取方法 | |
CN108596968B (zh) | 一种基于轨道3d深度图像的轨枕计数方法 | |
CN106951820A (zh) | 基于环形模板和椭圆拟合的客流统计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201204 |