CN112116658B - 扣件定位方法、装置及可读存储介质 - Google Patents
扣件定位方法、装置及可读存储介质 Download PDFInfo
- Publication number
- CN112116658B CN112116658B CN202010997011.7A CN202010997011A CN112116658B CN 112116658 B CN112116658 B CN 112116658B CN 202010997011 A CN202010997011 A CN 202010997011A CN 112116658 B CN112116658 B CN 112116658B
- Authority
- CN
- China
- Prior art keywords
- area
- region
- edge
- acquiring
- union
- 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 80
- 241001669679 Eleotris Species 0.000 claims abstract description 85
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 66
- 239000010959 steel Substances 0.000 claims abstract description 66
- 238000007781 pre-processing Methods 0.000 claims abstract description 14
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 abstract description 8
- 230000008569 process Effects 0.000 abstract description 7
- 238000012545 processing Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram 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
- G06T7/13—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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供一种扣件定位方法、装置及可读存储介质,对获取到的包括有待定位扣件的图像进行预处理,获得对应的边缘区域图像;边缘区域图像包含的多个连通区域形成第一区域集;基于第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对第一区域集中的显性噪声和显性干扰区域进行去除,形成第二区域集;基于第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;基于第二区域集中每个区域的形状特征、各区域之间的相对位置特征和钢轨边缘直线位置,获取轨枕边缘直线位置;基于钢轨边缘直线位置和轨枕边缘直线位置获取扣件位置。定位精度高,处理过程简单、计算量小,适用于各种速度的检测环境中。
Description
技术领域
本发明涉及扣件定位技术领域,尤其涉及一种扣件定位方法、装置及可读存储介质。
背景技术
扣件是铁轨上很常见也很重要的连接件,随着列车运行速度的不断提高、使用频率和载重量的不断增加,扣件的故障率也迅速上升。因此,扣件的健康状态检测是铁路轨道检测的重要内容之一。伴随着计算机技术和CMOS(Complementary Metal OxideSemiconductor,互补金属氧化物半导体)技术的快速发展,基于图像处理的扣件检测成为一种新的趋势,而该方法的第一步就是要对图像中的扣件进行定位。
扣件定位方法应用最广泛的是十字交叉定位法,即:首先确定钢轨和轨枕的位置,钢轨和轨枕位置的交叉点即为扣件位置,但是该方法完全依赖于目标和背景的灰度差异,当目标和背景的灰度值相似时,很容易造成定位错误。现有技术提出的一种改进的十字交叉轨道扣件定位方法,通过先验知识获得钢轨边缘位置,提高了测量的精度,但同时需要提前精确已知钢轨边缘位置,限制性较强。现有技术提出的另一种基于灰度突变的扣件区域定位方法,首先采用二维伽马变换对图像进行校正;然后对图像进行边缘提取,得到边缘图;接着采用小波变换对边缘图进行预处理;对经过预处理的边缘图进行灰度统计,得到灰度突变点标记图和统计图;修正统计图并根据统计图的谷底区域完成钢轨和轨枕的定位,进而确定扣件区域。该方法精度较高,但是由于小波变换和灰度统计图的使用,过程复杂,计算量偏大。
此外,上述各种方法都是采用灰度统计的方式进行分析的,统计信息包含了所有噪声和干扰信息,而且没有进行噪声和干扰剔除。但是对于实际的轨道,碎石、树枝等物体的存在会产生大量的噪声或干扰信息,这些都会对算法精度造成影响。
发明内容
针对现有技术存在的上述技术问题,本发明实施例提供一种扣件定位方法、装置及可读存储介质。
第一方面,本发明实施例提供一种扣件定位方法,包括:
获取包括有待定位扣件的图像;其中,所述图像中的钢轨位于中心列区域;
对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;
基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;
基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置。
可选地,所述对所述图像进行预处理,获得边缘区域图像,包括:
先对所述图像进行直方图均衡化,再对所述图像进行滤波,最后对所述图像进行二值化,获得边缘区域图像;
可选地,所述基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置,包括:
基于所述钢轨边缘直线位置g1和g2,和所述轨枕边缘直线位置z1和z2,获取到钢轨左侧的待定位扣件的位置为[(z1,g1-z2+z1),(z2,g1)],钢轨右侧的待定位扣件的位置为[(z1,g2),(z2,g2+z2-z1)]。
可选地,所述每个所述区域的形状特征为每个区域的最小外接矩形的长度、宽度和长度方向的方向角;
所述基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集,包括:
获取每个所述连通区域的形状特征,基于所述形状特征,去除所述第一区域集中的显性噪声和显性干扰区域;
所述显性噪声区域为高度小于第二预设高度的区域;
所述显性干扰区域为宽度大于第二预设宽度的区域。
可选地,所述基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置,包括:
判断所述第二区域集中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度均大于第一预设高度,且两个区域的间距在第一预设宽度范围内;
若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标,基于所述两个区域的中心点坐标获取钢轨边缘直线位置;
若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第二区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置。
可选地,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(0,H),(yi-10,yi-10)];其中,H为所述图像的高度;
进一步地,所述获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置,包括:
S431:获取第二区域集中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集,基于所述高度并集,计算第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集数值;
S432:基于所述高度并集数值的大小,对第二区域集中的区域进行排序,排序后的区域的序号和所述区域对应的宽度方向坐标分别为bj和yyj,其中,j=0,1,2,…;j越大,所述区域对应的高度并集数值越小;
S433:以b0及yy0为基准,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]内的区域,并对bj进行排序更新;然后依次分别以更新后的b1及yy1,b2及yy2,…为基准,重复步骤S433;
S434:取b0和b1对应区域的宽度方向坐标yy0和yy1作为钢轨边缘直线的位置;其中,钢轨边缘直线的位置记为g1和g2,且g1<g2,将yy0和yy1中的较小值赋给g1,较大值赋给g2。
可选地,所述基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置,包括:
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取第三区域集;其中,所述第三区域集为所述第二区域集中方向角小于第一预设方向角的区域的集合;
基于所述坐标系,获取所述第三区域集中每个区域在宽度方向上的起点坐标和终点坐标,基于所述起点坐标和终点坐标,以及钢轨边缘直线位置,获取所述第四区域集;
基于所述坐标系,获取所述第四区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置。
可选地,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(xi-10,xi-10),(0,W)];其中,W为所述图像的高度;
进一步地,所述获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置,包括:
S531:获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集,基于所述宽度并集,计算所述位于每个区域对应的预设区域范围内的区域的宽度并集数值;
S532:基于所述宽度并集数值的大小,对第四区域集中的区域进行排序,排序后的区域的序号和所述区域对应的高度方向坐标分别记为kj和xxj,其中j=0,1,2,…;j越大,所述区域对应的宽度并集数值越小;
S533:以k0及xx0为基准,剔除kj中高度方向坐标xxj位于范围[xx0-10,xx0+10]内的区域,,并对kj进行排序更新;然后依次分别以更新后的k1及xx1,k2及xx2,…为基准,重复步骤S533;
S534:取k0和k1对应区域的高度方向中心坐标xx0和xx1作为轨枕边缘直线的位置;其中,轨枕边缘直线的位置记为z1和z2,且z1<z2;将xx0和xx1中的较小值赋给z1,较大值赋给z2。
第二方面,本发明实施例提供一种扣件定位装置,包括:
第一获取模块,用于获取包含有待定位扣件的图像,其中,所述图像中的钢轨位于中心列区域;
第二获取模块,用于对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
第三获取模块,用于基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
第四获取模块,用于基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置。
第三方面,本发明实施例提供一种电子设备,包括存储器、处理器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程序时实现如第一方面所提供的扣件定位方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的扣件定位方法的步骤。
本发明实施例提供的扣件定位方法、装置及可读存储介质,对获取到的包括有待定位扣件的图像进行预处理,获得对应的边缘区域图像;所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;对图像中包含的显性噪声和显性干扰区域进行去除,消除了上述区域对扣件定位精度的影响;基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置。根据图像中各区域的形状特征信息进行目标区域的提取,能够有效剔除噪声或干扰区域,消除了上述区域对扣件定位精度的影响,从而提高了扣件定位的精度。并且,该方法的计算数据是各区域形状特征,数据量和计算量非常小。因此,该方法不仅定位精度高,而且处理过程简单、计算量小,可以适用于各种速度的检测环境中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种扣件定位方法的流程示意图;
图2是本发明实施例提供的钢轨、轨枕和扣件的相对位置关系图;
图3是本发明实施例提供的一种扣件定位装置的结构示意图;
图4是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
现有技术中的扣件定位方法具有定位精度不高、计算量偏大的缺陷。
对此,本发明实施例提供了一种扣件定位方法。图1为本发明实施例提供的扣件定位方法的流程示意图,如图1所述,该方法包括:
S1:获取包括有待定位扣件的图像;其中,所述图像中的钢轨位于中心列区域;
具体地,利用线阵相机采集一帧包括有待定位扣件的图像,并获取图像尺寸。图像尺寸记为(H,W),其中H为高度,W为宽度,单位为像素。
为了保证定位准确,线阵相机的位姿应保证钢轨位置在图像的中心列区域,且处于图像竖直方向。因此钢轨边缘线位于中心列的左右两侧。再考虑到实际钢轨、扣件和轨枕的相对尺寸,可以预设左右两边缘线的宽度位置范围分别为(0.3W~0.5W)和(0.5W~0.7W),如果超出该范围,则相机调焦不合适,会使得图像中的扣件拍摄不完整或不存在;而其高度方向应为全部,即(0,H)。
后续在定位钢轨位置时只定位其宽度方向的位置,轨枕定位时只考虑高度方向的位置。
S2:对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
具体地,对所述图像进行预处理,获得对应的边缘区域图像I;I中包含着一个个的连通区域,所述多个连通区域形成第一区域集Ai。
S3:基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
具体地,基于所述第一区域集Ai中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集Ai中的显性噪声和显性干扰区域进行去除,获取第二区域集Bi。
S4:基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;
具体地,钢轨边缘直线的位置记为g1和g2,且g1<g2,基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置g1和g2;所述各区域之间的相对位置特征为各区域在宽度方向上的间距和各区域在高度方向上的间距。
S5:基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;
具体地,轨枕边缘直线位置记为z1和z2,且z1<z2,基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置z1和z2。
S6:基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置;
具体地,基于所述钢轨边缘直线位置g1和g2和所述轨枕边缘直线位置z1和z2,获取所述待定位扣件的位置。
本发明实施例提供的方法,首先对图像中包含的显性噪声和显性干扰区域进行去除,消除了上述区域对扣件定位精度的影响;再基于各区域的形状特征信息进行目标区域的提取,不依赖于目标和背景的灰度差异,能够对噪声或干扰区域进行剔除,提高了扣件定位的精度。并且,该方法的计算数据是各区域形状特征,处理过程简单,数据量和计算量非常小,可以适用于各种速度的检测环境中。
基于上述任一实施例,所述步骤S2:对所述图像进行预处理,获得边缘区域图像,包括:
先对所述图像进行直方图均衡化,再对所述图像进行滤波,最后对所述图像进行二值化,获得边缘区域图像。
具体地,对所述图像进行滤波可采用3*3的中值滤波,采用canny算子滤波器提取到预处理图像的边缘图像,本发明实施例对此不作具体限定;对所述图像进行二值化可采用阈值法对边缘图像进行二值化,获取边缘区域图像I,本发明实施例对此不作具体限定。
所述步骤S6:基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置,包括:
基于所述钢轨边缘直线位置g1和g2,和所述轨枕边缘直线位置z1和z2,获取到钢轨左侧的待定位扣件的位置为[(z1,g1-z2+z1),(z2,g1)],钢轨右侧的待定位扣件的位置为[(z1,g2),(z2,g2+z2-z1)]。
具体地,图2为钢轨、轨枕和扣件的相对位置关系图,由图2可知,钢轨左侧的待定位扣件的位置为[(z1,g1-z2+z1),(z2,g1)],钢轨右侧的待定位扣件的位置为[(z1,g2),(z2,g2+z2-z1)]。本发明实施例提供的方法,对所述图像进行直方图均衡化、滤波和二值化预处理,增强图像中所包含信息的可检测性,从而进一步提高扣件定位的精度。基于各区域形状特征信息进行目标区域的提取,获取钢轨边缘直线位置和所述轨枕边缘直线位置,不依赖于目标和背景的灰度差异,能够有效剔除噪声和干扰区域,基于钢轨、轨枕和扣件的相对位置关系,获取待定位扣件的位置,进一步提高了扣件定位的精度。
基于上述任一实施例,所述每个所述区域的形状特征为每个区域的最小外接矩形的长度、宽度和长度方向的方向角。
具体地,计算第二区域集Bi中每个区域的最小外接矩形,并获取矩形的长度、宽度和长度方向的方向角,其中长度记为hi,单位为像素,宽度记为wi,单位为像素,长度方向的方向角记为θ,以水平向右的水平轴为起始线,逆时针为正,-π<θ<π。
所述步骤S3:基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集,包括:
获取每个所述连通区域的形状特征,基于所述形状特征,去除所述第一区域集中的显性噪声和显性干扰区域;
所述显性噪声区域为高度小于第二预设高度的区域;
所述显性干扰区域为宽度大于第二预设宽度的区域。
具体地,所述显性噪声区域为高度小于第二预设高度H/20的区域,当高度小于H/20时,判断为所述区域尺寸很小的显性噪声区域,并去除该区域;所述显性干扰区域为宽度大于第二预设宽度20的区域,当宽度大于20时,判断为所述区域为宽度很大、明显不是线状目标的显性干扰区域,并去除该区域。
本发明实施例提供的方法,基于各区域的长度、宽度和长度方向的方向角信息进行目标区域的提取,不依赖于目标和背景的灰度差异,有效剔除噪声和干扰区域,处理过程简单,数据量和计算量非常小,可以适用于各种速度的检测环境中。对图像中包含的显性噪声和显性干扰区域进行去除,消除了上述区域对扣件定位精度的影响,进一步提高了扣件定位的精度。
基于上述任一实施例,所述步骤S4:基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置,包括:
S41:判断所述第二区域集中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度均大于第一预设高度,且两个区域的间距在第一预设宽度范围内;
具体地,判断所述第二区域集Bi中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度hi均大于第一预设高度0.9H,且两个区域在宽度方向上的间距在第一预设宽度范围(0.1W~0.4W)内;
S42:若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标,基于所述两个区域的中心点坐标获取钢轨边缘直线位置;
具体地,若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标(x11,y11)和(x12,y12),则钢轨边缘直线区域分别为y11和y12。将y11和y12中的较小值赋给g1,较大值赋给g2。该帧图像的钢轨边缘直线区域定位工作结束。
S43:若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第二区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置。
具体地,若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第一区域集中每个区域的中心点坐标(xi,yi),基于所述每个区域的中心点坐标(xi,yi),获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集Hi,基于所述高度并集获取钢轨边缘直线位置g1和g2。
本发明实施例提供的方法,基于各区域形状特征信息进行目标区域的提取,不依赖于目标和背景的灰度差异,能够有效剔除噪声和干扰区域,提高扣件定位的精度。
基于上述任一实施例,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(0,H),(yi-10,yi-10)];其中,H为所述图像的高度;
进一步地,所述步骤S43中,获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置,包括:
S431:获取第二区域集中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集,基于所述高度并集,计算第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集数值;
具体地,基于各区域在宽度方向上的间距,获取第二区域集Bi中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集Hi;
例如:首先根据各区域的中心点坐标值为yi的大小对Bi中的区域进行排序编号:yi最小的区域对应序号1,yi次小的区域对应序号2,依次排列;
假设Bi中序号为2的区域的中心点坐标为(100,450),且高度坐标范围为[420,476],则其对应预设区域范围为[(0,H),(440,460)];Bi中序号为1和3的区域中心点坐标分别为(20,445)和(290,457),落在了范围[(0,H),(440,460)]内;序号为1和3的区域的高度坐标范围分别为[120,235]和[450,593];则位于第二区域集Bi中序号为2的区域对应的预设区域范围[(0,H),(440,460)]内的区域的高度并集为{[120,235],[420,593]};对应地,第二区域集Bi中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集数值为:(235-120+1)+(593-420+1)=290,因此第二区域集Bi中序号为2的区域对应的预设区域范围[(0,H),(440,460)]内的区域的高度并集数值为290。
S432:基于所述高度并集数值的大小,对第二区域集中的区域进行排序,排序后的区域的序号和所述区域对应的宽度方向坐标分别为bj和yyj,其中,j=0,1,2,…;j越大,所述区域对应的高度并集数值越小;
具体地,假设第二区域集Bi有3个区域,其中序号为1的区域的高度并集数值为210,序号为2的区域的高度并集数值为460,序号为3的区域的高度并集数值为350,则序号为2的区域编号为b0,序号为3的区域编号为b1,序号为1的区域编号为b2。
S433:以b0及yy0为基准,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]内的区域,并对bj进行排序更新;然后依次分别以更新后的b1及yy1,b2及yy2,…为基准,重复步骤S433;
具体地,以b0及yy0为基准,,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]的区域,是因为在计算b0的高度并集时,已将这些区域和b0归为一组,为了避免区域重复,需对其进行剔除;
S434:取b0和b1对应区域的宽度方向坐标yy0和yy1作为钢轨边缘直线的位置;其中,钢轨边缘直线的位置记为g1和g2,且g1<g2,将yy0和yy1中的较小值赋给g1,较大值赋给g2。
本发明实施例提供的方法,基于各区域形状特征信息进行目标区域的提取,不依赖于目标和背景的灰度差异,能够有效剔除噪声和干扰区域,同时对可能存在重叠的区域进行了判断和剔除,进一步提高了扣件定位的精度。
基于上述任一实施例,所述步骤S5:基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置,包括:
S51:基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取第三区域集;其中,所述第三区域集为所述第二区域集中方向角小于第一预设方向角的区域的集合;
具体地,基于所述第二区域集Bi中每个区域的方向角θ,获取第二区域集Bi中|θ|<π/10的区域,组成第三区域集Ci。
S52:基于所述坐标系,获取所述第三区域集中每个区域在宽度方向上的起点坐标和终点坐标,基于所述起点坐标和终点坐标,以及钢轨边缘直线位置,获取所述第四区域集;
具体地,计算区域集Ci中每一个区域在宽度方向上起始坐标和终点坐标yqi和yzi,基于所述起点坐标和终点坐标yqi和yzi,以及钢轨边缘直线位置g1和g2,从Bi中提取yqi>g2和yzi<g1的区域,组成第四区域集Di;
S53:基于所述坐标系,获取所述第四区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置。
具体地,基于所述每个区域的中心点坐标(xi,yi),获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集Wi,基于所述宽度并集获取轨枕边缘直线位置z1和z2。
本发明实施例提供的方法,基于各区域形状特征信息进行目标区域的提取,不依赖于目标和背景的灰度差异,能够有效剔除噪声和干扰区域,提高扣件定位的精度。
基于上述任一实施例,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(xi-10,xi-10),(0,W)];其中,W为所述图像的高度;
进一步地,所述步骤S53中,获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置,包括:
S531:获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集;基于所述宽度并集,计算所述位于每个区域对应的预设区域范围内的区域的宽度并集数值;
具体地,基于各区域在高度方向上的间距,获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集Wi,宽度并集Wi与宽度并集数值的计算方法与上述实施例中高度并集Hi与高度并集数值的计算规则相似,此处不再赘述。
S532:基于所述宽度并集数值的大小,对第四区域集中的区域进行排序,排序后的区域的序号和所述区域对应的高度方向坐标分别记为kj和xxj,其中j=0,1,2,…;j越大,所述区域对应的宽度并集数值越小;
具体地,假设第四区域集Di有3个区域,其中序号为1的区域的宽度并集数值为60,序号为2的区域的宽度并集数值为90,序号为3的区域的宽度并集数值为130,则序号为3的区域编号为k0,序号为2的区域编号为k1,序号为1的区域编号为k2。
S533:以k0及xx0为基准,剔除kj中高度方向坐标xxj位于范围[xx0-10,xx0+10]内的区域,并对kj进行排序更新;然后依次分别以更新后的k1及xx1,k2及xx2,…为基准,重复步骤S533;
具体地,以k0及xx0为基准,剔除kj中高度方向坐标xxj在范围[xx0-10,xx0+10]内的区域,是因为在计算k0的宽度并集时,已将这些区域和k0归为一组,为了避免区域重复,需对其进行剔除;S534:取k0和k1对应区域的高度方向中心坐标xx0和xx1作为轨枕边缘直线的位置;其中,轨枕边缘直线的位置记为z1和z2,且z1<z2;将xx0和xx1中的较小值赋给z1,较大值赋给z2。
本发明实施例提供的方法,基于各区域形状特征信息进行目标区域的提取,不依赖于目标和背景的灰度差异,能够有效剔除噪声和干扰区域,同时对可能存在重叠的区域进行了判断和剔除,进一步提高了扣件定位的精度。
基于上述任一实施例,图3为本发明实施例提供的扣件定位装置的结构示意图,如图3所示,所述扣件定位装置包括:
第一获取模块301,用于获取包含有待定位扣件的图像,其中,所述图像中的钢轨位于中心列区域;
具体地,利用线阵相机采集一帧包括有待定位扣件的图像,并获取图像尺寸。图像尺寸记为(H,W),其中H为高度,W为宽度,单位为像素。
为了保证定位准确,线阵相机的位姿应保证钢轨位置在图像的中心列区域,且处于图像竖直方向。因此钢轨边缘线位于中心列的左右两侧。再考虑到实际钢轨、扣件和轨枕的相对尺寸,可以预设左右两边缘线的宽度位置范围分别为(0.3W~0.5W)和(0.5W~0.7W),如果超出该范围,则相机调焦不合适,会使得图像中的扣件拍摄不完整或不存在;而其高度方向应为全部,即(0,H)。
后续在定位钢轨位置时只定位其宽度方向的位置,轨枕定位时只考虑高度方向的位置。
第二获取模块302,用于对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
具体地,对所述图像进行预处理,获得对应的边缘区域图像I;I中包含着一个个的连通区域,所述多个连通区域形成第一区域集Ai;
第三获取模块303,用于基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
具体地,基于所述第一区域集Ai中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集Ai中的显性噪声和显性干扰区域进行去除,获取第二区域集Bi。
第四获取模块304,用于基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置。
具体地,钢轨边缘直线的位置记为g1和g2,且g1<g2,基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置g1和g2;轨枕边缘直线位置记为z1和z2,且z1<z2,基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置z1和z2;基于所述钢轨边缘直线位置g1和g2和所述轨枕边缘直线位置z1和z2,获取所述待定位扣件的位置。
本发明实施例提供的装置,首先对图像中包含的显性噪声和显性干扰区域进行去除,消除了上述区域对扣件定位精度的影响;再基于各区域的形状特征信息进行目标区域的提取,对背景和目标对比度差,以及噪声或干扰明显的区域进行剔除,提高了扣件定位的精度。并且,该方法的计算数据是各区域形状特征,处理过程简单,数据量和计算量非常小,可以适用于各种速度的检测环境中。
基于上述任一实施例,所述第二获取模块302对所述图像进行预处理,获得边缘区域图像,包括:
先对所述图像进行直方图均衡化,再对所述图像进行滤波,最后对所述图像进行二值化,获得边缘区域图像。
基于上述任一实施例,所述每个所述区域的形状特征为每个区域的最小外接矩形的长度、宽度和长度方向的方向角。
基于上述任一实施例,所述第三获取模块303,用于基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集,包括:
获取每个所述连通区域的形状特征,基于所述形状特征,去除所述第一区域集中的显性噪声和显性干扰区域;
所述显性噪声区域为高度小于第二预设高度的区域;
所述显性干扰区域为宽度大于第二预设宽度的区域。
基于上述任一实施例,所述第四获取模块304基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置,包括:
判断所述第二区域集中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度均大于第一预设高度,且两个区域的间距在第一预设宽度范围内;
若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标,基于所述两个区域的中心点坐标获取钢轨边缘直线位置;
若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第二区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置。
基于上述任一实施例,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(0,H),(yi-10,yi-10)];其中,H为所述图像的高度;
进一步地,所述获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置,包括:
S431:获取第二区域集中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集,基于所述高度并集,计算第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集数值;
S432:基于所述高度并集数值的大小,对第二区域集中的区域进行排序,排序后的区域的序号和所述区域对应的宽度方向坐标分别为bj和yyj,其中,j=0,1,2,…;j越大,所述区域对应的高度并集数值越小;
S433:以b0及yy0为基准,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]内的区域,并对bj进行排序更新;然后依次分别以更新后的b1及yy1,b2及yy2,…为基准,重复步骤S433;
S434:取b0和b1对应区域的宽度方向坐标yy0和yy1作为钢轨边缘直线的位置;其中,钢轨边缘直线的位置记为g1和g2,且g1<g2,将yy0和yy1中的较小值赋给g1,较大值赋给g2。
基于上述任一实施例,所述第四获取模块304基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置,包括:
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取第三区域集;其中,所述第三区域集为所述第二区域集中方向角小于第一预设方向角的区域的集合;
基于所述坐标系,获取所述第三区域集中每个区域在宽度方向上的起点坐标和终点坐标,基于所述起点坐标和终点坐标,以及钢轨边缘直线位置,获取所述第四区域集;
基于所述坐标系,获取所述第四区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置。
基于上述任一实施例,所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(xi-10,xi-10),(0,W)];其中,W为所述图像的高度;
进一步地,所述获取第三区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置,包括:
S531:获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集;基于所述宽度并集,计算所述位于每个区域对应的预设区域范围内的区域的宽度并集数值;
S532:基于所述宽度并集数值的大小,对第四区域集中的区域进行排序,排序后的区域的序号和所述区域对应的高度方向坐标分别记为kj和xxj,其中j=0,1,2,…;j越大,所述区域对应的宽度并集数值越小;
S533:以k0及xx0为基准,剔除kj中高度方向坐标xxj位于范围[xx0-10,xx0+10]内的区域,并对kj进行排序更新;然后依次分别以更新后的k1及xx1,k2及xx2,…为基准,重复步骤S533;
S534:取k0和k1对应区域的高度方向中心坐标xx0和xx1作为轨枕边缘直线的位置;其中,轨枕边缘直线的位置记为z1和z2,且z1<z2;将xx0和xx1中的较小值赋给z1,较大值赋给z2。
基于上述任一实施例,所述第四获取模块304基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置,包括:
基于所述钢轨边缘直线位置g1和g2,和所述轨枕边缘直线位置z1和z2,获取到钢轨左侧的待定位扣件的位置为[(z1,g1-z2+z1),(z2,g1)],钢轨右侧的待定位扣件的位置为[(z1,g2),(z2,g2+z2-z1)]。
本发明实施例的扣件定位装置,可用于执行上述各扣件定位方法实施例的技术方案,其实现原理和技术效果类似,此处不再赘述。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行上述各方法实施例提供的步骤流程。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法实施例提供的步骤流程。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种扣件定位方法,其特征在于,包括:
获取包括有待定位扣件的图像;其中,所述图像中的钢轨位于中心列区域;
对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;
所述基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置,包括:
判断所述第二区域集中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度均大于第一预设高度,且两个区域的间距在第一预设宽度范围内;
若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标,基于所述两个区域的中心点坐标获取钢轨边缘直线位置;
若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第二区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置;
所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(0,H),(yi-10,yi-10)];其中,H为所述图像的高度;
进一步地,所述获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置,包括:
S431:获取第二区域集中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集,基于所述高度并集,计算第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集数值;
S432:基于所述高度并集数值的大小,对第二区域集中的区域进行排序,排序后的区域的序号和所述区域对应的宽度方向坐标分别为bj和yyj,其中,j=0,1,2,…;j越大,所述区域对应的高度并集数值越小;
S433:以b0及yy0为基准,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]内的区域,并对bj进行排序更新;然后依次分别以更新后的b1及yy1,b2及yy2,…为基准,重复步骤S433;
S434:取b0和b1对应区域的宽度方向坐标yy0和yy1作为钢轨边缘直线的位置;其中,钢轨边缘直线的位置记为g1和g2,且g1<g2,将yy0和yy1中的较小值赋给g1,较大值赋给g2;
基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;
所述基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置,包括:
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取第三区域集;其中,所述第三区域集为所述第二区域集中方向角小于第一预设方向角的区域的集合;
基于所述坐标系,获取所述第三区域集中每个区域在宽度方向上的起点坐标和终点坐标,基于所述起点坐标和终点坐标,以及钢轨边缘直线位置,获取第四区域集;
基于所述坐标系,获取所述第四区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置;
所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(xi-10,xi-10),(0,W)];其中,W为所述图像的高度;
进一步地,所述获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置,包括:
S531:获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集,基于所述宽度并集,计算所述位于每个区域对应的预设区域范围内的区域的宽度并集数值;
S532:基于所述宽度并集数值的大小,对第四区域集中的区域进行排序,排序后的区域的序号和所述区域对应的高度方向坐标分别记为kj和xxj,其中j=0,1,2,…;j越大,所述区域对应的宽度并集数值越小;
S533:以k0及xx0为基准,剔除kj中高度方向坐标xxj位于范围[xx0-10,xx0+10]内的区域,并对kj进行排序更新;然后依次分别以更新后的k1及xx1,k2及xx2,…为基准,重复步骤S533;
S534:取k0和k1对应区域的高度方向中心坐标xx0和xx1作为轨枕边缘直线的位置;其中,轨枕边缘直线的位置记为z1和z2,且z1<z2;将xx0和xx1中的较小值赋给z1,较大值赋给z2;
基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置。
2.根据权利要求1所述的扣件定位方法,其特征在于,所述对所述图像进行预处理,获得边缘区域图像,包括:
先对所述图像进行直方图均衡化,再对所述图像进行滤波,最后对所述图像进行二值化,获得边缘区域图像;
所述基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置,包括:
基于所述钢轨边缘直线位置g1和g2,和所述轨枕边缘直线位置z1和z2,获取到钢轨左侧的待定位扣件的位置为[(z1,g1-z2+z1),(z2,g1)],钢轨右侧的待定位扣件的位置为[(z1,g2),(z2,g2+z2-z1)]。
3.根据权利要求1所述的扣件定位方法,其特征在于,所述每个所述区域的形状特征为每个区域的最小外接矩形的长度、宽度和长度方向的方向角;
所述基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集,包括:
获取每个所述连通区域的形状特征,基于所述形状特征,去除所述第一区域集中的显性噪声和显性干扰区域;
所述显性噪声区域为高度小于第二预设高度的区域;
所述显性干扰区域为宽度大于第二预设宽度的区域。
4.一种扣件定位装置,其特征在于,包括:
第一获取模块,用于获取包含有待定位扣件的图像,其中,所述图像中的钢轨位于中心列区域;
第二获取模块,用于对所述图像进行预处理,获得对应的边缘区域图像;其中,所述边缘区域图像包含多个连通区域,所述多个连通区域形成第一区域集;
第三获取模块,用于基于所述第一区域集中的每个区域的形状特征和钢轨、轨枕的边缘区域特征,对所述第一区域集中的显性噪声和显性干扰区域进行去除,获取第二区域集;
第四获取模块,用于基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置;所述基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取钢轨边缘直线位置,包括:
判断所述第二区域集中是否存在满足预设条件的两个区域,其中,所述预设条件为:所述两个区域的高度均大于第一预设高度,且两个区域的间距在第一预设宽度范围内;
若存在满足所述预设条件的两个区域,则以所述边缘区域图像的左上角为原点,高度方向为x轴,宽度方向为y轴,建立坐标系,获取所述两个区域的中心点坐标,基于所述两个区域的中心点坐标获取钢轨边缘直线位置;
若不存在满足所述预设条件的两个区域,则基于所述坐标系,获取所述第二区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置;
所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(0,H),(yi-10,yi-10)];其中,H为所述图像的高度;
进一步地,所述获取所述第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集,基于所述高度并集获取钢轨边缘直线位置,包括:
S431:获取第二区域集中位于每个区域对应的预设区域范围[(0,H),(yi-10,yi-10)]内的区域的高度并集,基于所述高度并集,计算第二区域集中位于每个区域对应的预设区域范围内的区域的高度并集数值;
S432:基于所述高度并集数值的大小,对第二区域集中的区域进行排序,排序后的区域的序号和所述区域对应的宽度方向坐标分别为bj和yyj,其中,j=0,1,2,…;j越大,所述区域对应的高度并集数值越小;
S433:以b0及yy0为基准,剔除bj中宽度方向坐标yyj位于范围[yy0-10,yy0+10]内的区域,并对bj进行排序更新;然后依次分别以更新后的b1及yy1,b2及yy2,…为基准,重复步骤S433;
S434:取b0和b1对应区域的宽度方向坐标yy0和yy1作为钢轨边缘直线的位置;其中,钢轨边缘直线的位置记为g1和g2,且g1<g2,将yy0和yy1中的较小值赋给g1,较大值赋给g2;
基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置;
所述基于所述第二区域集中每个区域的形状特征、各区域之间的相对位置特征和所述钢轨边缘直线位置,获取轨枕边缘直线位置,包括:
基于所述第二区域集中每个区域的形状特征和各区域之间的相对位置特征,获取第三区域集;其中,所述第三区域集为所述第二区域集中方向角小于第一预设方向角的区域的集合;
基于所述坐标系,获取所述第三区域集中每个区域在宽度方向上的起点坐标和终点坐标,基于所述起点坐标和终点坐标,以及钢轨边缘直线位置,获取第四区域集;
基于所述坐标系,获取所述第四区域集中每个区域的中心点坐标,基于所述每个区域的中心点坐标,获取每个区域对应的预设区域范围;获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置;
所述每个区域的中心点坐标为(xi,yi),所述每个区域对应的预设区域范围为[(xi-10,xi-10),(0,W)];其中,W为所述图像的高度;
进一步地,所述获取第四区域集中位于每个区域对应的预设区域范围内的区域的宽度并集,基于所述宽度并集获取轨枕边缘直线位置,包括:
S531:获取第四区域集中位于每个区域对应的预设区域范围[(xi-10,xi-10),(0,W)]内的区域的宽度并集,基于所述宽度并集,计算所述位于每个区域对应的预设区域范围内的区域的宽度并集数值;
S532:基于所述宽度并集数值的大小,对第四区域集中的区域进行排序,排序后的区域的序号和所述区域对应的高度方向坐标分别记为kj和xxj,其中j=0,1,2,…;j越大,所述区域对应的宽度并集数值越小;
S533:以k0及xx0为基准,剔除kj中高度方向坐标xxj位于范围[xx0-10,xx0+10]内的区域,并对kj进行排序更新;然后依次分别以更新后的k1及xx1,k2及xx2,…为基准,重复步骤S533;
S534:取k0和k1对应区域的高度方向中心坐标xx0和xx1作为轨枕边缘直线的位置;其中,轨枕边缘直线的位置记为z1和z2,且z1<z2;将xx0和xx1中的较小值赋给z1,较大值赋给z2;
基于所述钢轨边缘直线位置和所述轨枕边缘直线位置,获取所述待定位扣件的位置。
5.一种电子设备,包括存储器、处理器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程序时实现如权利要求1至3任一项所述扣件定位方法的步骤。
6.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至3任一项所述扣件定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997011.7A CN112116658B (zh) | 2020-09-21 | 2020-09-21 | 扣件定位方法、装置及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010997011.7A CN112116658B (zh) | 2020-09-21 | 2020-09-21 | 扣件定位方法、装置及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112116658A CN112116658A (zh) | 2020-12-22 |
CN112116658B true CN112116658B (zh) | 2023-11-21 |
Family
ID=73799950
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010997011.7A Active CN112116658B (zh) | 2020-09-21 | 2020-09-21 | 扣件定位方法、装置及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112116658B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114549438B (zh) * | 2022-02-10 | 2023-03-17 | 浙江大华技术股份有限公司 | 一种反应釜卡扣检测方法及相关装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648171A (zh) * | 2018-04-02 | 2018-10-12 | 成都精工华耀科技有限公司 | 一种采用线阵图像二值化区域投影的轨枕定位及计数方法 |
CN109754422A (zh) * | 2018-10-30 | 2019-05-14 | 兰州交通大学 | 基于灰度突变的扣件区域定位方法 |
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 |
CN111311567A (zh) * | 2020-02-12 | 2020-06-19 | 北京交通大学 | 对轨道线路图像进行扣件和钢轨病害识别的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201419486D0 (en) * | 2014-10-31 | 2014-12-17 | Videojet Technologies Inc | A machine and method for its operation |
-
2020
- 2020-09-21 CN CN202010997011.7A patent/CN112116658B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648171A (zh) * | 2018-04-02 | 2018-10-12 | 成都精工华耀科技有限公司 | 一种采用线阵图像二值化区域投影的轨枕定位及计数方法 |
CN109754422A (zh) * | 2018-10-30 | 2019-05-14 | 兰州交通大学 | 基于灰度突变的扣件区域定位方法 |
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 |
CN111311567A (zh) * | 2020-02-12 | 2020-06-19 | 北京交通大学 | 对轨道线路图像进行扣件和钢轨病害识别的方法 |
Non-Patent Citations (3)
Title |
---|
Algorithm and program design for fastener locating and detection using wavelet transformation and template matching;YUAN Xiaocui;《IEEE》;全文 * |
基于二值形态学算子的轨道图像分割新算法;张雯柏;柴晓冬;郑树彬;彭乐乐;李立明;;测控技术(第10期);全文 * |
基于形态学处理的轨道扣件定位算法研究;孟建军;程思柳;李德仓;;计算机仿真(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112116658A (zh) | 2020-12-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107808378B (zh) | 基于垂直纵横线轮廓特征的复杂结构铸件潜在缺陷检测方法 | |
CN107180239B (zh) | 文本行识别方法及系统 | |
CN110136069B (zh) | 文本图像矫正方法、装置与电子设备 | |
CN112767326B (zh) | 钢轨表面缺陷检测方法、装置、设备及存储介质 | |
CN108921813B (zh) | 一种基于机器视觉的无人机检测桥梁结构裂缝识别方法 | |
CN111489337B (zh) | 一种自动光学检测伪缺陷去除方法及系统 | |
CN112116658B (zh) | 扣件定位方法、装置及可读存储介质 | |
CN113362238A (zh) | 测试图像处理方法、装置、电子设备及存储介质 | |
CN110335322B (zh) | 基于图像的道路识别方法及道路识别装置 | |
CN113781413B (zh) | 一种基于Hough梯度法的电解电容定位方法 | |
CN109241984A (zh) | 电车轨道垃圾位置检测方法、计算机装置和计算机可读存储介质 | |
CN111462216B (zh) | 一种圆形阵列标定板中圆心像素坐标确定方法 | |
CN115511966B (zh) | 基于角点检测的元件识别定位方法及系统、存储介质 | |
CN110852280B (zh) | 一种指静脉设备镜面异物的检测算法 | |
CN111508017B (zh) | 一种弱对比度定位标记中心的方法和系统 | |
CN112923852B (zh) | 基于动态角点定位的sd卡位姿检测方法 | |
CN110246156B (zh) | 一种异物的识别方法、识别系统及终端设备 | |
CN107563282A (zh) | 用于无人驾驶的识别方法、电子设备、存储介质以及系统 | |
CN109766889B (zh) | 基于曲线拟合的轨道图像识别后处理方法 | |
CN107967479B (zh) | 一种带污损票据的字符识别方法及系统 | |
CN112489065A (zh) | 一种棋盘格标定点亚像素提取方法 | |
CN112132851A (zh) | 一种针对金融票据图像旋转角度的计算方法 | |
CN115775278B (zh) | 包含局部特征约束的元件识别定位方法及系统、存储介质 | |
CN116993960B (zh) | 一种指静脉图像中指纹的去除方法 | |
CN114087989B (zh) | 汽车缸体工件定位孔圆心三维坐标测量方法及系统 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 102600 Beijing Daxing District Zhongguancun Science and Technology Park Daxing Biomedical Industry Base, No. 1 Building, 21 Tianrong Street Applicant after: Beijing Century Oriental Zhihui Technology Co.,Ltd. Address before: 102600 Beijing Daxing District Zhongguancun Science and Technology Park Daxing Biomedical Industry Base, No. 1 Building, 21 Tianrong Street Applicant before: BEIJING CENTURY DONGFANG COMMUNICATION EQUIPMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |