CN112101233B - 轨道交通线路异物入侵监测方法、系统及计算机存储介质 - Google Patents
轨道交通线路异物入侵监测方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN112101233B CN112101233B CN202010975740.2A CN202010975740A CN112101233B CN 112101233 B CN112101233 B CN 112101233B CN 202010975740 A CN202010975740 A CN 202010975740A CN 112101233 B CN112101233 B CN 112101233B
- Authority
- CN
- China
- Prior art keywords
- foreign matter
- calibration
- invasion
- image
- coordinate
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012544 monitoring process Methods 0.000 title claims abstract description 34
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 230000009545 invasion Effects 0.000 claims abstract description 53
- 239000011159 matrix material Substances 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
- G06V20/54—Surveillance or monitoring of activities, e.g. for recognising suspicious objects of traffic, e.g. cars on the road, trains or boats
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/04—Context-preserving transformations, e.g. by using an importance map
- G06T3/047—Fisheye or wide-angle transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Multimedia (AREA)
- Algebra (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及智能监测技术领域,公开了一种轨道交通线路异物入侵监测方法、系统及计算机存储介质,以实现监测的智能性和精确性。本发明方法包括:确定入侵异物所在的区域;对所述区域进行放大,获取放大图像入侵异物所覆盖Y轴方向各像素点的数量及各像素点所对应的自标定系数矩阵,并获取放大图像入侵异物所覆盖X轴方向各像素点的数量;X轴方向与两轨公垂线方向一致;所述自标定系数矩阵以两轨互相平行为前提,根据过标定点的两轨公垂线与两轨直线的两交点之间的图像空间轨距与标准轨距之间的比值计算得出;根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸。
Description
技术领域
本发明涉及智能监测技术领域,尤其涉及一种轨道交通线路异物入侵监测方法、系统及计算机存储介质。
背景技术
轨道交通线路的异物入侵,会对线路和列车运行安全造成严重威胁。由异物入侵导致的重大事故在世界各国时有发生,严重影响铁路生产,造成了极坏的社会影响。对轨道交通线路上出现的异物进行检测、识别及定位,并进一步将入侵异物清理出轨道线路,是中国轨道交通事业朝着更安全的方向发展,而需要解决的一大问题。
我国轨道交通线路总长位于世界第一,轨道交通线路穿山越岭,所到之处地理环境复杂,生态环境多样。通过人工的方式对铁路线路是否存在异物进行检测、定位及处理,作业量十分巨大且极为不便,检测结果的信息滞后性也很明显。
所以,在异物入侵高发地区布置一定的异物入侵检测系统,是应对轨道交通异物入侵安全事故的有效举措。
当前我国的部分既有线路上,虽然已经安装了监控摄像设备,但是,该设备只是用于事故发生后的证据采集,并未真正用于判断实际轨道交通线路上是否发生了异物入侵,也无法及时给予轨道行业从业人员对应入侵异物的处理建议。
为了解决上述存在的问题,人们一直在寻求一种相对实际的解决方案。
发明内容
本发明目的在于公开一种轨道交通线路异物入侵监测方法、系统及计算机存储介质,以实现监测的智能性和精确性。
为实现上述目的,本发明公开了一种轨道交通线路异物入侵监测方法,包括:
确定入侵异物所在的区域;
对所述区域进行放大,获取放大图像入侵异物所覆盖Y轴方向各像素点的数量及各像素点所对应的自标定系数矩阵,并获取放大图像入侵异物所覆盖X轴方向各像素点的数量;X轴方向与两轨公垂线方向一致;所述自标定系数矩阵以两轨互相平行为前提,根据过标定点的两轨公垂线与两轨直线的两交点之间的图像空间轨距与标准轨距之间的比值计算得出;
根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸。
进一步的,本实施例还包括以下述步骤确定入侵异物参考点的地球坐标位置:
步骤S21、获取异物目标:采用背景差分法将当前图像中的入侵异物目标提取出来;
步骤S22、设置局部坐标系:局部坐标系原点位于子区域1处下边缘且距两轨距离相等,X轴与两轨公垂线平行,Y轴与两轨所在直线平行;
步骤S23、建立下述入侵异物所对应的图像坐标与地球坐标之间的转换关系:
以入侵异物最小外接矩形右下角坐标为入侵异物参考点坐标,该像素点坐标为(x,y),该点对应实际地球坐标为(X,Y),子区域1处下边缘的像素长度记为W0,子区域N处上边缘的像素长度记为W1,该上边缘与下边缘之间垂线的像素长度为Hy,Hy对应确定数目的轨枕间距离H;
像素点坐标为y,其地球坐标Y满足下式:
定义x坐标系数含义为每图像像素所等效的实际距离,DTRACK为两轨之间的实际轨距,则子区域1处下边缘记为起始边界,其x坐标系数为子区域N处上边缘记为结束边界,其x坐标系数为/>因此起始边界记为(/>0),结束边界记为(/>Hy);则在上述起始边界与结束边界之间且平行于两边界的所有直线上,像素点坐标为(x,y)的点,根据双线性插值法,其地球坐标X满足下式:
步骤S24、根据所述图像坐标与地球坐标之间的转换关系求解入侵异物参考点的地球坐标位置。
与上述方法相对应的,本发明还公开一种轨道交通线路异物入侵监测系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
同理,本发明还公开一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述方法中的步骤。
本发明具有以下有益效果:
以机器视觉通过入侵异物所覆盖各像素点的数量及各像素点所对应的自标定系数矩阵计算入侵异物的实际尺寸,兼容性好,而且计算结果精确;实现了监测的智能性和精确性。
还包括以静态枪机和球机做如下分工与交互,具体包括:
优选地,本发明还可以以静态枪机和球机做如下分工与交互,具体包括:
通过静态枪机对全局景象进行检测,并沿轨方向将监测区域分成若干子区域,并采用动态背景差分识别入侵异物所在区域位置,并将该位置信息反馈给全景球机;然后调度球机旋转至相应子区域并进行放大成像,再获取所述自标定系数矩阵与球机放大的图像求解入侵异物的外形尺寸。
优选地,本发明所述标定系数的求解包括:
将两轨直线方程分别记为:
y=k1·x+b1
y=k2·x+b2
过任意一标定点(xo,yo)作两轨直线方程的公垂线方程为:
y=kV·x+bVAR
该公垂线分别交两轨于点1(x1,y1)与点2(x2,y2):
由于该公垂线交于两轨,故可知该两点间距离为轨距;由距离公式可知,图像空间轨距d12为:
dO_VAR为该标定点(xo,yo)到两轨公垂线之间的图像间距;由于该标定点在此公垂线上,故dO_VAR=0,而故|kV·xO-yO+bVAR|=0;
因此标定系数的求解可表示为:
通过求解多处标定点的标定系数以得到自标定系数矩阵。
优选地,本发明根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸的计算公式为:
S表示异物的实际尺寸大小,s表示异物的像素距离大小,n为标定过程中所取到的总点数,Ci为第i个标定点处的标定系数;
假设该入侵异物最小外接矩形所对应长和宽像素点的数量分别为a和b,则实际尺寸所估算的长为a·C1,估算的宽为
下面将参照附图,对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1是本发明实施例公开的异物监测流程示意图;
图2是本发明实施例公开的监测分工及子区域划分方案原理图;
图3是本发明实施例公开的自适应标定过程原理图;
图4是本发明实施例公开的坐标系设置及用于定位入侵异物位置的原理图;
图5是本发明实施例公开基于尺寸计算的轨道交通线路异物入侵监测方法流程图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例1
本实施例公开一种轨道交通线路异物入侵监测方法,其流程参照图1,其通过静态枪机对全局景象进行检测,并沿轨方向将监测区域分成若干子区域,并采用动态背景差分识别入侵异物所在区域位置,并将该位置信息反馈给全景球机;然后调度球机旋转至相应子区域并进行放大成像,再获取所述自标定系数矩阵与球机放大的图像求解入侵异物的外形尺寸。具体包括:
1.分区与标定
1)安装立柱:在轨旁一侧非重点监测区域处设置一立柱,该立柱的架设位置是在距离对应侧钢轨的最近安全距离,这一安全距离通过实际测试过程得到:该枪球联动系统(即由下述图像采集用的枪机和球机组成的联动系统)所监测到的视频画面既包含了需要监控的轨道区域,同时满足图像处理的精度最低要求。
2)安装枪球联动系统:该系统由两个红外高清枪机与一个红外高速球机组成,主要功能为拍摄图像。
3)划分子区域:参照图2,将枪机监控画面分为垂向成列且有交叉区域的N个子区域,从近端到远端分别命名为1至N。
4)求解自标定系数矩阵:将枪机监控画面所划分出的N个子区域分别相应设置为球机的N个预置巡航点,每个预置巡航点分别进行监控画面的放大以及对若干标定点进行异物尺寸自标定,并将标定结果存储为自标定系数矩阵。
异物尺寸自标定过程以两轨互相平行为前提,根据过标定点的两轨公垂线方程与两轨直线方程的两交点,即点1(x1,y1)与点2(x2,y2)。根据两点间距离公式解算图像空间轨距,根据其值与标准轨距的比值得到相应的标定系数CVAR,其中标准轨距记为DTRACK,本实施例DTRACK的取值为1435mm。
参照图3,两轨直线方程分别记为:
y=k1·x+b1
y=k2·x+b2
过任意一标定点(xo,yo)作两轨直线方程的公垂线方程为:
y=kV·x+bVAR
该公垂线分别交两轨于点1(x1,y1)与点2(x2,y2):
由于该公垂线交于两轨,故可知该两点间距离为轨距;由距离公式可知,图像空间轨距d12为:
dO_VAR为该标定点(xo,yo)到两轨公垂线之间的图像间距;由于该标定点在此公垂线上,故dO_VAR=0,而故|kV·xO-yO+bVAR|=0;
因此标定系数的求解可表示为:
通过求解多处标定点的标定系数以得到自标定系数矩阵。
2.静态枪机定位置
参照图4,该步骤具体包括以下述步骤确定入侵异物参考点的地球坐标位置:
步骤S21、获取异物目标:采用背景差分法将当前图像中的入侵异物目标提取出来。
步骤S22、设置局部坐标系:局部坐标系原点位于子区域1处下边缘且距两轨距离相等,X轴与两轨公垂线平行,Y轴与两轨所在直线平行。
步骤S23、建立下述入侵异物所对应的图像坐标与地球坐标之间的转换关系:
以入侵异物最小外接矩形右下角坐标为入侵异物参考点坐标,该像素点坐标为(x,y),该点对应实际地球坐标为(X,Y),子区域1处下边缘的像素长度记为W0,子区域N处上边缘的像素长度记为W1,该上边缘与下边缘之间垂线的像素长度为Hy,Hy对应确定数目的轨枕间距离H。
像素点坐标为y,其地球坐标Y满足下式:
定义x坐标系数含义为每图像像素所等效的实际距离,DTRACK为两轨之间的实际轨距,则子区域1处下边缘记为起始边界,其x坐标系数为子区域N处上边缘记为结束边界,其x坐标系数为/>因此起始边界记为(/>0),结束边界记为(/>Hy);则在上述起始边界与结束边界之间且平行于两边界的所有直线上,像素点坐标为(x,y)的点,根据双线性插值法,其地球坐标X满足下式:
步骤S24、根据所述图像坐标与地球坐标之间的转换关系求解入侵异物参考点的地球坐标位置。
3.全景球机定尺寸
1)放大取图:根据步骤“静态枪机定位置”所识别到的异物坐标位置,根据步骤“分区与标定”所述的划分子区域情况,确定入侵异物所在子区域编号,调度全景球机进入相应子区域的巡航预置点进行放大成像。
2)异物尺寸自标定:采用动态背景差分的前景提取算法获取异物目标,由于标定系数沿轨道直线方向改变,而垂直于轨道直线方向该值保持不变,因此通过步骤1“分区与标定中”中“求解自标定系数矩阵”所得到的自标定系数矩阵,可以获得异物最小外接矩形的边所在处相关的标定系数,根据下式便可以计算异物尺寸。
优选的计算公式为:
S表示异物的实际尺寸大小,s表示异物的像素距离大小,n为标定过程中所取到的总点数,Ci为第i个标定点处的标定系数;换言之,作为本发明的一种等同替换,标定点可以是Y轴方向的各像素点,也可以是间隔设置的代表点。藉此,假设该入侵异物最小外接矩形所对应长和宽像素点的数量分别为a和b,则实际尺寸所估算的长为a·C1,估算的宽为
如图5所示,本实施例上述计算入侵异物尺寸的方法可概述为:
步骤S1、确定入侵异物所在的区域。
步骤S2、对所述区域进行放大,获取放大图像入侵异物所覆盖Y轴方向各像素点的数量及各像素点所对应的自标定系数矩阵,并获取放大图像入侵异物所覆盖X轴方向各像素点的数量;X轴方向与两轨公垂线方向一致;所述自标定系数矩阵以两轨互相平行为前提,根据过标定点的两轨公垂线与两轨直线的两交点之间的图像空间轨距与标准轨距之间的比值计算得出。
步骤S3、根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸。
上述步骤中,可以获取放大图像入侵异物所覆盖Y轴方向各像素点的数量计算入侵异物宽度方向的图像间距、以放大图像入侵异物所覆盖X轴方向各像素点的数量计算入侵异物长度方向的图像间距。作为一种等同替换,所述步骤S2及步骤S3中Y轴方向各像素点所对应的自标定系数矩阵被替换为间隔设置的代表性标定点所对应的自标定系数矩阵;即标定点可以是Y轴方向的各像素点,也可以是间隔设置的代表点。
实施例2
与上述方法相对应的,本实施例还公开一种轨道交通线路异物入侵监测系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述方法的步骤。
实施例3
本实施例公开一种计算机存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述方法中的步骤。
综上,本发明上述各实施例所分别公开的轨道交通线路异物入侵监测方法、系统及计算机存储介质,至少具有下述优点:
基于机器视觉理论和仿射几何原理,通过对前端监控系统获取到的监控视频进行分析,判断入侵异物有无、位置检测、尺寸检测。而且通过入侵异物所覆盖各像素点的数量及各像素点所对应的自标定系数矩阵计算入侵异物的实际尺寸,兼容性好,而且计算结果精确;实现了监测的智能性和精确性。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种轨道交通线路异物入侵监测方法,其特征在于,包括:
步骤S1、确定入侵异物所在的区域;
步骤S2、对所述区域进行放大,获取放大图像入侵异物所覆盖Y轴方向各像素点的数量及各像素点所对应的自标定系数矩阵,并获取放大图像入侵异物所覆盖X轴方向各像素点的数量;X轴方向与两轨公垂线方向一致;所述自标定系数矩阵以两轨互相平行为前提,根据过标定点的两轨公垂线与两轨直线的两交点之间的图像空间轨距与标准轨距之间的比值计算得出;
步骤S3、根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸;其中,根据所述自标定系数矩阵与入侵异物所覆盖X轴和Y轴方向各像素点的数量计算入侵异物的实际尺寸的计算公式为:
S表示异物的实际尺寸大小,s表示异物的像素距离大小,n为标定过程中所取到的总点数,Ci为第i个标定点处的标定系数;
假设该入侵异物最小外接矩形所对应长和宽像素点的数量分别为a和b,则实际尺寸所估算的长为a·C1,估算的宽为
还包括以下步骤确定入侵异物参考点的地球坐标位置:
步骤S21、获取异物目标:采用背景差分法将当前图像中的入侵异物目标提取出来;
步骤S22、设置局部坐标系:局部坐标系原点位于子区域1处下边缘且距两轨距离相等,X轴与两轨公垂线平行,Y轴与两轨所在直线平行;
步骤S23、建立下述入侵异物所对应的图像坐标与地球坐标之间的转换关系:
以入侵异物最小外接矩形右下角坐标为入侵异物参考点坐标,该像素点坐标为(x,y),该点对应实际地球坐标为(X,Y),子区域1处下边缘的像素长度记为W0,子区域N处上边缘的像素长度记为W1,该上边缘与下边缘之间垂线的像素长度为Hy,Hy对应确定数目的轨枕间距离H;
像素点坐标为y,其地球坐标Y满足下式:
定义x坐标系数含义为每图像像素所等效的实际距离,DTRACK为两轨之间的实际轨距,则子区域1处下边缘记为起始边界,其x坐标系数为子区域N处上边缘记为结束边界,其x坐标系数为/>因此起始边界记为/>结束边界记为/>则在上述起始边界与结束边界之间且平行于两边界的所有直线上,像素点坐标为(x,y)的点,根据双线性插值法,其地球坐标X满足下式:
步骤S24、根据所述图像坐标与地球坐标之间的转换关系求解入侵异物参考点的地球坐标位置。
2.根据权利要求1所述的轨道交通线路异物入侵监测方法,其特征在于,还包括以静态枪机和球机做如下分工与交互,具体包括:
通过静态枪机对全局景象进行检测,并沿轨方向将监测区域分成若干子区域,并采用动态背景差分识别入侵异物所在区域位置,并将该位置信息反馈给全景球机;然后调度球机旋转至相应子区域并进行放大成像,再获取所述自标定系数矩阵与球机放大的图像求解入侵异物的外形尺寸。
3.根据权利要求2所述的轨道交通线路异物入侵监测方法,其特征在于,所述自标定系数矩阵的求解包括:
将两轨直线方程分别记为:
y=k1·x+b1
y=k2·x+b2
过任意一标定点(xo,yo)作两轨直线方程的公垂线方程为:
y=kV·x+bVAR
该公垂线分别交两轨于点1(x1,y1)与点2(x2,y2):
由于该公垂线交于两轨,故该两点间距离为轨距;由距离公式可知,图像空间轨距d12为:
dO_VAR为该标定点(xo,yo)到两轨公垂线之间的图像间距;由于该标定点在此公垂线上,故dO_VAR=0,而故|kV·xO-yO+bVAR|=0;
因此标定系数的求解表示为:
通过求解多处标定点的标定系数以得到自标定系数矩阵。
4.根据权利要求1至3任一所述的轨道交通线路异物入侵监测方法,其特征在于,以获取放大图像入侵异物所覆盖Y轴方向各像素点的数量计算入侵异物宽度方向的图像间距、以放大图像入侵异物所覆盖X轴方向各像素点的数量计算入侵异物长度方向的图像间距,所述步骤S2及步骤S3中Y轴方向各像素点所对应的自标定系数矩阵被替换为间隔设置的代表性标定点所对应的自标定系数矩阵。
5.一种轨道交通线路异物入侵监测系统,包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至4任一所述方法的步骤。
6.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现上述权利要求1至4任一所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010975740.2A CN112101233B (zh) | 2020-09-16 | 2020-09-16 | 轨道交通线路异物入侵监测方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010975740.2A CN112101233B (zh) | 2020-09-16 | 2020-09-16 | 轨道交通线路异物入侵监测方法、系统及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112101233A CN112101233A (zh) | 2020-12-18 |
CN112101233B true CN112101233B (zh) | 2024-04-09 |
Family
ID=73759365
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010975740.2A Active CN112101233B (zh) | 2020-09-16 | 2020-09-16 | 轨道交通线路异物入侵监测方法、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112101233B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021417A (zh) * | 2007-03-21 | 2007-08-22 | 于起峰 | 一种长直轨道几何参数的摄像测量方法 |
US9857172B1 (en) * | 2017-09-25 | 2018-01-02 | Beijing Information Science And Technology University | Method for implementing high-precision orientation and evaluating orientation precision of large-scale dynamic photogrammetry system |
CN109164443A (zh) * | 2018-08-27 | 2019-01-08 | 南京微达电子科技有限公司 | 基于雷达及图像分析的铁路线路异物检测方法及系统 |
CN109813722A (zh) * | 2019-03-12 | 2019-05-28 | 武汉武大卓越科技有限责任公司 | 接触网吊弦缺陷检测方法 |
CN110298842A (zh) * | 2019-06-10 | 2019-10-01 | 上海工程技术大学 | 一种基于超像素节点排序的轨道扣件图像定位方法 |
CN210141018U (zh) * | 2019-03-20 | 2020-03-13 | 同济大学建筑设计研究院(集团)有限公司 | 一种可拆卸式建筑移位钢轨道 |
CN110926373A (zh) * | 2019-12-10 | 2020-03-27 | 中南大学 | 铁路异物检测场景下结构光光平面标定方法及其系统 |
CN110956151A (zh) * | 2019-12-10 | 2020-04-03 | 中南大学 | 基于结构光的轨道交通异物侵入检测方法及其系统 |
CN111626204A (zh) * | 2020-05-27 | 2020-09-04 | 北京伟杰东博信息科技有限公司 | 一种铁路异物入侵监测方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11124207B2 (en) * | 2014-03-18 | 2021-09-21 | Transportation Ip Holdings, Llc | Optical route examination system and method |
-
2020
- 2020-09-16 CN CN202010975740.2A patent/CN112101233B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101021417A (zh) * | 2007-03-21 | 2007-08-22 | 于起峰 | 一种长直轨道几何参数的摄像测量方法 |
US9857172B1 (en) * | 2017-09-25 | 2018-01-02 | Beijing Information Science And Technology University | Method for implementing high-precision orientation and evaluating orientation precision of large-scale dynamic photogrammetry system |
CN109164443A (zh) * | 2018-08-27 | 2019-01-08 | 南京微达电子科技有限公司 | 基于雷达及图像分析的铁路线路异物检测方法及系统 |
CN109813722A (zh) * | 2019-03-12 | 2019-05-28 | 武汉武大卓越科技有限责任公司 | 接触网吊弦缺陷检测方法 |
CN210141018U (zh) * | 2019-03-20 | 2020-03-13 | 同济大学建筑设计研究院(集团)有限公司 | 一种可拆卸式建筑移位钢轨道 |
CN110298842A (zh) * | 2019-06-10 | 2019-10-01 | 上海工程技术大学 | 一种基于超像素节点排序的轨道扣件图像定位方法 |
CN110926373A (zh) * | 2019-12-10 | 2020-03-27 | 中南大学 | 铁路异物检测场景下结构光光平面标定方法及其系统 |
CN110956151A (zh) * | 2019-12-10 | 2020-04-03 | 中南大学 | 基于结构光的轨道交通异物侵入检测方法及其系统 |
CN111626204A (zh) * | 2020-05-27 | 2020-09-04 | 北京伟杰东博信息科技有限公司 | 一种铁路异物入侵监测方法及系统 |
Non-Patent Citations (9)
Title |
---|
Automated discovery of concise predictive rules for intrusion detection;helmer g;journal of system software;20020215;第60卷(第3期);165-175 * |
Automatic radar target recognition of objects falling on railway tracks;mroue A;measurement science and technology;20120310;第23卷(第2期) * |
双目视觉立体匹配算法在铁路异物自动识别中的研究;李睿;中国优秀硕士学位论文全文数据库(信息科技辑);20150315(第201503期);I138-2276 * |
基于云台相机的铁路异物侵限检测方法研究;马学志;中国优秀硕士学位论文全文数据库(信息科技辑);20180615(第201806期);I138-1347 * |
基于图像特征的列车自主定位方法研究;郭保青;中国博士学位论文全文数据库(信息科技辑);20091015(第200910期);I138-48 * |
线激光辅助单目视觉测量 铁路侵限异物尺寸;鲁寨军;铁道科学与工程学报;20170215;第14卷(第2期);349-354 * |
轨道交通线路异物入侵的视觉检测方法;周伟;五邑大学学报(自然科学);20180815;第32卷(第3期);18-24 * |
运动目标检测及其在煤矿监控视频中的应用研究;王东伟;中国优秀硕士学位论文全文数据库(信息科技辑);20190215(第20190215期);I138-1525页 * |
铁路钢轨视觉识别检测方法;梁习锋;中南大学学报(自然科学版);20140726;第45卷(第7期);2496-2502 * |
Also Published As
Publication number | Publication date |
---|---|
CN112101233A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110310255B (zh) | 基于目标检测和图像处理的转辙机缺口检测方法 | |
CN108257146B (zh) | 运动轨迹显示方法及装置 | |
US8150104B2 (en) | Moving object detection apparatus and computer readable storage medium storing moving object detection program | |
CN110567680B (zh) | 一种基于角度比对的轨道扣件松动检测方法 | |
JP2008299458A (ja) | 車両監視装置および車両監視方法 | |
CN113011283B (zh) | 一种基于视频的非接触式钢轨轨枕相对位移实时测量方法 | |
CN111967394A (zh) | 一种基于动静态网格融合策略的森林火灾烟雾根节点检测方法 | |
CN103913149A (zh) | 一种基于stm32单片机的双目测距系统及其测距方法 | |
JP2012048289A (ja) | 直線検知装置 | |
CN114719873B (zh) | 一种低成本精细地图自动生成方法、装置及可读介质 | |
Zheng et al. | Rail detection based on LSD and the least square curve fitting | |
CN115063579A (zh) | 基于二维图像和三维点云投影的列车定位销松动检测方法 | |
CN112101233B (zh) | 轨道交通线路异物入侵监测方法、系统及计算机存储介质 | |
CN108846363A (zh) | 一种基于发散式扫描的分区域车底阴影检测方法 | |
CN114494323A (zh) | 一种障碍物检测方法、装置、设备及存储介质 | |
CN111862206A (zh) | 一种视觉定位方法、装置、电子设备及可读存储介质 | |
JP3390515B2 (ja) | 位置対応付け方法、車両速度算出方法および車両速度算出装置 | |
CN111860161B (zh) | 一种目标遮挡检测方法 | |
CN112857252B (zh) | 一种基于反射率强度的隧道影像边界线检测方法 | |
CN115388798A (zh) | 一种隧道开挖面变形快速测量方法及装置 | |
CN114429469A (zh) | 一种基于三激光点标靶的掘进机机身位姿确定方法及系统 | |
CN110619337B (zh) | 一种受电弓滑板的亚像素边缘提取和识别方法 | |
CN110081828B (zh) | 机器视觉盾尾间隙检测图像网格特征点可靠性过滤方法 | |
CN113570622A (zh) | 一种障碍物确定方法、装置、电子设备以及存储介质 | |
Ishikawa | An object-oriented knowledge base approach to a next generation of hypermedia system |
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 |