CN113048893B - 一种列车闸片磨耗测量方法及系统 - Google Patents

一种列车闸片磨耗测量方法及系统 Download PDF

Info

Publication number
CN113048893B
CN113048893B CN201911371632.8A CN201911371632A CN113048893B CN 113048893 B CN113048893 B CN 113048893B CN 201911371632 A CN201911371632 A CN 201911371632A CN 113048893 B CN113048893 B CN 113048893B
Authority
CN
China
Prior art keywords
train
brake pad
image information
train brake
boundary
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
Application number
CN201911371632.8A
Other languages
English (en)
Other versions
CN113048893A (zh
Inventor
刘铮
虞健
姜显超
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou New Vision Science And Technology Co ltd
Original Assignee
Suzhou New Vision Science And Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Suzhou New Vision Science And Technology Co ltd filed Critical Suzhou New Vision Science And Technology Co ltd
Priority to CN201911371632.8A priority Critical patent/CN113048893B/zh
Publication of CN113048893A publication Critical patent/CN113048893A/zh
Application granted granted Critical
Publication of CN113048893B publication Critical patent/CN113048893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G01B11/06—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness for measuring thickness ; e.g. of sheet material
    • 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
    • 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
    • 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
    • G06V10/70—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
    • 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)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Geometry (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本申请提供一种列车闸片磨耗测量方法及系统，该方法利用机器人获取预设检测区域内列车闸片的位置，机器人移动至列车闸片所在的位置之后，对列车闸片进行图像采集，获得图像数据，分析处理所述图像数据，从而获得列车闸片的磨耗状况。该方法中，只要预设检测区域停放有列车，便可利用机器人采集图像数据，然后对图像数据进行分析，使得工作人员能够及时获得列车闸片的磨耗状况，从而解决了传统作业方式依托人工进行检修而导致的人工成本高、工作量大、工作效率低、检修质量不稳定、对人员素质及责任心要求高的问题。

Description

一种列车闸片磨耗测量方法及系统
技术领域
本申请涉及智能分析技术领域，具体涉及一种列车闸片磨耗测量方法及系统。
背景技术
列车制动是指人为地制止列车的运动，包括使它减速、不加速或停止运行。目前，列车制动方式最普遍的是采用闸片制动，用铸铁或其他材料制成的闸片，在制动时抱紧车轮踏面，通过摩擦使车轮停止转动，以达到制动的目的。
在制动过程中，闸片在较大的摩擦力的作用下可能受到磨损，导致闸片厚度逐渐减小。在闸片厚度减小到一定程度时，闸片的制动效果会受到影响，此时，工作人员需要更换闸片，以降低安全隐患，确保列车安全运行。为了监测闸片的磨耗情况，使得闸片在磨损到一定程度时能够得到及时更换，现有技术通常采用人工的方式测量闸片的厚度。
采用人工测量的方式通常是定期进行，也就是说，在固定的时间点才会对闸片的磨耗情况进行测量，进而确定是否更换闸片。但是，因工作人员业务素质参差不齐导致的作业类故障和漏检事故时有发生。当前主要依托人工进行日常检修的传统作业方式存在工作量大、工作效率低、作业质量无法保证、对人员素质及责任心要求高等问题。
另外，根据铁路总公司颁布的《铁路动车组运用维修规则》，动车组每运行4000公里或运行48个小时需进行一级检修作业，按目前约70％的开行比例计算，平均每天需检修近1200组动车组列车。现有的54座动车组，其检修场地和人员配置已越来越不能满足快速增长的动车组检修工作需要。同时，动车组一级检修目前存在较多突出问题，主要体现在动车组车型多、主要靠人工检修、检修质量不稳定、检修效率低、检修人工成本高等突出问题。
发明内容
本申请提供一种列车闸片磨耗测量方法及系统，以解决依托人工进行检修的传统作业方式存在人工成本高、工作量大、工作效率低、检修质量不稳定、对人员素质及责任心要求高的问题。
本申请的第一方面，提供一种列车闸片磨耗测量方法，包括：
获取预设检测区域内列车闸片的位置；
机器人移动至列车闸片的位置；
机器人采集列车闸片的图像数据；
分析所述图像数据，获取所述列车闸片的厚度值；
将所述厚度值与厚度阈值相比较，判断所述列车闸片的磨耗状况。
可选的，在获取列车闸片的位置之前，还包括：
检测列车是否进入预设检测区域；
如果列车进入预设检测区域，获取所述列车的列车信息，其中，所述列车信息包括列车的车号和车型。
可选的，分析所述图像数据，获取所述列车闸片的厚度值，包括：
根据所述列车信息，调取与所述列车信息对应的标准模板；
从所述图像数据中选取与所述标准模板相匹配的第一图像信息；
分割所述第一图像信息，获取列车闸片的第二图像信息；
获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息；
提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界；
从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界；
对所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段；
计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值。
可选的，在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。
可选的，在提取所述第三图像信息的最大边缘之前的步骤，还包括：
根据所述第三图像信息的长度和宽度，计算所述第三图像信息的面积；
将面积小于第一预设阈值的第三图像信息，和/或，长度小于第二预设阈值的第三图像信息作为异常图像信息；
去除所述异常图像信息。
可选的，将所述厚度值与厚度阈值相比较，判断所述列车闸片的磨耗状况，包括：
当所述厚度值小于所述厚度阈值时，确定所述列车闸片为磨损闸片，发出列车闸片磨损预警；
当所述厚度值大于等于所述厚度阈值时，确定所述列车闸片为正常闸片。
本申请第二方面，提供一种列车闸片磨耗测量系统，包括机器人和数据处理器，所述机器人与所述数据处理器连接，所述机器人位于预设检测区域的地沟内，地沟内铺设有轨道，所述机器人能够沿着所述轨道移动，其中，
所述机器人包括：
图像采集组件，被配置成当机器人移动至列车闸片的位置时，采集列车闸片的图像数据，并发送所述图像数据；
所述数据处理器，被配置成接收所述图像数据，计算得到列车闸片的厚度值。
可选的，所述图像采集组件包括精扫图像采集器，所述精扫图像采集器为二维图像采集器和/或三维图像采集器。
可选的，所述机器人还包括机器人本体以及与所述机器人本体连接的至少一个机械臂，所述机器人本体能够沿着所述轨道表面移动，所述机械臂末端安装有所述图像采集组件。
可选的，所述机器人本体上安装有快扫图像采集器和定位器。
可选的，所述系统还包括感应器组件，所述感应器组件与所述机器人连接。
可选的，所述数据处理器包括：
选取单元，用于从所述图像数据中选取与标准模板相匹配的第一图像信息；
第一获取单元，用分割所述第一图像信息，获取列车闸片的第二图像信息；
第二获取单元，用于获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息；
提取单元，用于提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界；
查找单元，用于从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界；
拟合单元，用于所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段；
计算单元，用于计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值。
可选的，所述数据处理器还包括填充单元，所述填充单元用于在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。
由以上技术方案可知，本申请提供一种列车闸片磨耗测量方法及系统，该方法利用机器人获取预设检测区域内列车闸片的位置，机器人移动至列车闸片所在的位置之后，对列车闸片进行图像采集，获得图像数据，分析处理所述图像数据，从而获得列车闸片的磨耗状况。该方法中，只要预设检测区域停放有列车，便可利用机器人采集图像数据，然后对图像数据进行分析，使得工作人员能够及时获得列车闸片的磨耗状况，从而解决了传统作业方式依托人工进行检修而导致的人工成本高、工作量大、工作效率低、检修质量不稳定、对人员素质及责任心要求高的问题。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例提供的一种列车闸片磨耗测量方法的流程示意图；
图2为本申请实施例中，分析所述图像数据，获取所述列车闸片的厚度值的流程示意图；
图3为本申请实施例提供的一种列车闸片磨耗测量系统的场景示意图；
图4为本申请实施例提供的一种列车闸片磨耗测量系统的结构示意图；
图5为图4所示数据处理器的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在列车运行过程中，列车闸片会出现不同程度的磨损，为了及时获取磨损状况，需要对列车进行检修，为此，通常设置有列车检修库，将列车检修库中任意一组列车所停放的区域作为预设检测区域。
请参考图1，图1为本申请实施例提供的一种列车闸片磨耗测量方法的流程示意图。
如图1所示，本申请实施例提供一种列车闸片磨耗测量方法，包括以下步骤：
步骤101，获取预设检测区域内列车闸片的位置。
在预设检测区域内设置有地沟，地沟内铺设有轨道，在轨道表面设置有机器人，机器人能够沿着轨道移动。当列车驶入预设检测区域时，机器人所在的位置固定，机器人上设置的快扫图像采集器能够快速地扫描车底的各个未遮挡零部件，从而快速获取各个未遮挡零部件的三维图像信息。快扫图像采集器连接于机器人上设置的定位器，定位器从各个未遮挡零部件的三维图形信息中查找到列车闸片，并对列车闸片进行同步定位，以获取列车闸片的位置。
可选的，在预设检测区域设置有感应器组件，该感应器组件与机器人相连接，用于检测列车是否进入预设检测区域；如果列车进入预设检测区域，获取所述列车的列车信息，其中，所述列车信息包括列车的车号和车型。由于列车检修库可用于检修不同型号的列车，因此，在各个预设检测区域可能停放不同型号的列车，而不同型号的列车对应的列车闸片也会存在差异，因此，在列车驶入预设检测区域时，利用感应器组件获得列车信息，并将列车信息发送至数据处理器，以便数据处理器根据列车信息对列车闸片的磨损状况进行分析。
步骤102，机器人移动至列车闸片的位置。
在获取列车闸片的位置之后，机器人沿着轨道移动至列车闸片的位置，从而对列车闸片的图像数据进行采集。
步骤103，机器人采集列车闸片的图像数据。
本申请实施例中，机器人包括机器人本体以及与机器人本体连接的至少一个机械臂，机械臂的末端设置有图像采集组件，机器人移动至列车闸片的位置后，调整图像采集组件的采集角度，在一种可实现的方式中，图像采集组件从不同采集角度以及不同采集距离对列车闸片进行图像采集，以获得列车闸片在不同采集条件下的图像数据。
步骤104，分析所述图像数据，获取所述列车闸片的厚度值。
本申请实施例中，数据处理器获取列车闸片的图像数据并分析，可选的，参见图2所示的流程示意图，可以采用以下步骤：
步骤1041，根据所述列车信息，调取与所述列车信息对应的标准模板。
该步骤中，数据处理器接收到感应器组件传输的列车信息之后，从数据库中调取与列车信息对应的标准模板，该标准模板为预先存储于数据库中的标准图像信息，该标准图像信息的采集角度为预先确定的。
步骤1042，从所述图像数据中选取与所述标准模板相匹配的第一图像信息。
该步骤中，由于图像数据为不同采集条件下获取的多组图像数据，将图像数据与标准模板对应的标准图像信息相比对，从多组图像数据中选取与标准图像信息匹配程度大于预设数值的一组或多组图像数据，并将匹配程度大于预设数值的一组或多组图像数据作为第一图像信息。如果第一图像信息为多组，则分别对多组第一图像信息进行分析，获得多组列车闸片的厚度值，计算多个厚度值的平均值，将平均值作为列车闸片的厚度值。
步骤1043，分割所述第一图像信息，获取列车闸片的第二图像信息。
为了获得列车闸片的厚度值，需要从第一图像信息中定位列车闸片的厚度方向对应的平面信息，本申请实施例中，以分割的方式将第一图像信息中的平面信息分割出来，从而获得第二图像信息。
步骤1044，获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息。
步骤1045，提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界。
步骤1046，从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界。
该步骤中，由于列车闸片的上边缘被磨损，因此以下边缘作为参照，进行边界的查找。
步骤1047，对所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段。
步骤1048，计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值。
采用上述方式对图像数据进行分析，能够从采集到的多组数据中选取与标准模板匹配的第一图像信息，利用第一图像进行分析处理，使得检测结果的准确度更高。
由于图像采集模块进行图像采集时，视野中的光亮条件或者其他环境条件较差的情况下，在图像数据中可能存在光斑，为了减少数据误差，可以在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。孔洞填充能够补充光斑位置对应的数据，使得第三图像信息的边缘更为清晰。
在步骤1042中，如果有多组第一图像信息与标准模板相匹配，则在后续计算过程中，需要分别对多组第一图像信息进行分析，获取多组第三图像信息，但是，同一列车闸片对应的多组第三图像信息中，可能存在不符合要求的异常图像信息，如果在对第三图像信息进行处理之前，将不符合要求的第三图像信息去除，则可以简化计算过程，避免获得不符合要求的结果。可选的，不符合要求的异常图像信息可以为面积小于第一预设阈值的第三图像信息，和/或，长度小于第二预设阈值的第三图像信息。为了判断第三图像信息是否为异常图像信息，在提取所述第三图像信息的最大边缘之前，可以根据所述第三图像信息的长度和宽度，计算所述第三图像信息的面积；然后去除所述异常图像信息。
步骤105，将所述厚度值与厚度阈值相比较，判断所述列车闸片的磨耗状况。
该步骤中，可采用以下方式确定列车闸片的磨耗状况：当所述厚度值小于所述厚度阈值时，确定所述列车闸片为磨损闸片，发出列车闸片磨损预警；当所述厚度值大于等于所述厚度阈值时，确定所述列车闸片为正常闸片。
由以上技术方案可知，本申请提供一种列车闸片磨耗测量方法，该方法利用机器人获取预设检测区域内列车闸片的位置，机器人移动至列车闸片所在的位置之后，对列车闸片进行图像采集，获得图像数据，分析处理所述图像数据，从而获得列车闸片的磨耗状况。该方法中，只要预设检测区域停放有列车，便可利用机器人采集图像数据，然后对图像数据进行分析，使得工作人员能够及时获得列车闸片的磨耗状况，从而解决了传统作业方式依托人工进行检修而导致的人工成本高、工作量大、工作效率低、检修质量不稳定、对人员素质及责任心要求高的问题。
图3所示为本申请实施例提供的一种列车闸片磨耗测量系统的场景示意图。如图4所示，本申请实施例提供的系统包括机器人1和数据处理器2，所述机器人1与所述数据处理器2连接，所述机器人1位于预设检测区域的地沟内，地沟内铺设有轨道，所述机器人能够沿着所述轨道移动。
参见图4所示的结构示意图，该系统中，所述机器人1包括图像采集组件11，图像采集组件11被配置成当机器人移动至列车闸片的位置时，采集列车闸片的图像数据，并发送所述图像数据；数据处理器2被配置成接收所述图像数据，计算得到列车闸片的厚度值。
可选的，所述图像采集组件11包括精扫图像采集器，所述精扫图像采集器为二维图像采集器和/或三维图像采集器。
如图3所示，所述机器人1还包括机器人本体12以及与所述机器人本体12连接的至少一个机械臂13，所述机器人本体12能够沿着所述轨道表面移动，所述机械臂13末端安装有所述图像采集组件11。
可选的，所述机器人本体12上安装有快扫图像采集器和定位器。当列车驶入预设检测区域时，机器人所在的位置固定，机器人末端的快扫图像采集器能够快速地扫描车底的各个未遮挡零部件，从而快速获取各个未遮挡零部件的三维图像信息。快扫图像采集器连接于定位器，定位器从各个未遮挡零部件的三维图形信息中查找到列车闸片，并对列车闸片进行同步定位，以获取列车闸片的位置。
可选的，所述系统还包括感应器组件，所述感应器组件与所述机器人连接。所述感应器组件可以安装于预设检测区域的一侧，在一种可实现的方式中，感应器组件包括感应器以及识别器，感应器持续发出感应信息，并不断接收感应信息，该感应信息指示感应器所测范围出现遮挡的面积，如果感应信息超过预设阈值，则判定预设检测区域有列车驶入，此时感应器向识别器发送触发信息，识别器接收到触发信息后启动，获取列车的特征信息，根据列车的特征信息确定列车信息。
参见图5所示的结构示意图，所述数据处理器2包括：
选取单元21，用于从所述图像数据中选取与标准模板相匹配的第一图像信息；
第一获取单元22，用分割所述第一图像信息，获取列车闸片的第二图像信息；
第二获取单元23，用于获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息；
提取单元24，用于提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界；
查找单元25，用于从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界；
拟合单元26，用于所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段；
计算单元27，用于计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值。
可选的，所述数据处理器还包括填充单元，所述填充单元用于在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。
由以上技术方案可知，本申请提供一种列车闸片磨耗测量系统，该系统利用机器人1获取预设检测区域内列车闸片的位置，机器人1移动至列车闸片所在的位置之后，对列车闸片进行图像采集，获得图像数据，并将所述图像数据传输至数据处理器2，数据处理器2分析处理所述图像数据，从而获得列车闸片的磨耗状况。该系统中，只要预设检测区域停放有列车，便可利用机器人1采集图像数据，然后利用数据处理器2对图像数据进行分析，使得工作人员能够及时获得列车闸片的磨耗状况，从而解决了传统作业方式依托人工进行检修而导致的人工成本高、工作量大、工作效率低、检修质量不稳定、对人员素质及责任心要求高的问题。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其它实施例的不同之处。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (11)

1.一种列车闸片磨耗测量方法，其特征在于，包括：
获取预设检测区域内列车闸片的位置；
机器人移动至列车闸片的位置；
机器人采集列车闸片的图像数据；
获取列车的列车信息，并根据所述列车信息，调取与所述列车信息对应的标准模板；
从所述图像数据中选取与所述标准模板相匹配的第一图像信息；
分割所述第一图像信息，获取列车闸片的第二图像信息；
获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息；
提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界；
从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界；
对所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段；
计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值；
将所述厚度值与厚度阈值相比较，判断所述列车闸片的磨耗状况。
2.根据权利要求1所述的方法，其特征在于，所述获取列车的列车信息的步骤，包括：
检测列车是否进入预设检测区域；
如果列车进入预设检测区域，获取所述列车的列车信息，其中，所述列车信息包括列车的车号和车型。
3.根据权利要求1所述的方法，其特征在于，在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。
4.根据权利要求1或3所述的方法，其特征在于，在提取所述第三图像信息的最大边缘之前的步骤，还包括：
根据所述第三图像信息的长度和宽度，计算所述第三图像信息的面积；
将面积小于第一预设阈值的第三图像信息，和/或，长度小于第二预设阈值的第三图像信息作为异常图像信息；
去除所述异常图像信息。
5.根据权利要求1所述的方法，其特征在于，将所述厚度值与厚度阈值相比较，判断所述列车闸片的磨耗状况，包括：
当所述厚度值小于所述厚度阈值时，确定所述列车闸片为磨损闸片，发出列车闸片磨损预警；
当所述厚度值大于等于所述厚度阈值时，确定所述列车闸片为正常闸片。
6.一种列车闸片磨耗测量系统，其特征在于，包括机器人和数据处理器，所述机器人与所述数据处理器连接，所述机器人位于预设检测区域的地沟内，地沟内铺设有轨道，所述机器人能够沿着所述轨道移动，其中，
所述机器人包括：
图像采集组件，被配置成当机器人移动至列车闸片的位置时，采集列车闸片的图像数据，并发送所述图像数据；
所述数据处理器，被配置成接收所述图像数据，计算得到列车闸片的厚度值；
其中；所述数据处理器包括：
选取单元，用于从所述图像数据中选取与标准模板相匹配的第一图像信息；
第一获取单元，用分割所述第一图像信息，获取列车闸片的第二图像信息；
第二获取单元，用于获取所述第二图像信息的最大连通区域，以所述最大连通区域为边界，去除所述第二图像信息中的无效边缘，获取列车闸片的第三图像信息；
提取单元，用于提取所述第三图像信息的最大边缘，所述最大边缘包括两对相互平行的边界；
查找单元，用于从相互平行的边界中，查找与所述列车闸片的下边缘相对应的边界，将与所述列车闸片的下边缘相对应的边界作为第一边界，与所述第一边界平行的边界作为第二边界；
拟合单元，用于所述第一边界和所述第二边界进行直线拟合，获得第一拟合线段和第二拟合线段；
计算单元，用于计算所述第一拟合线段和所述第二拟合线段之间的距离，将所述距离作为所述列车闸片的厚度值。
7.根据权利要求6所述的系统，其特征在于，所述图像采集组件包括精扫图像采集器，所述精扫图像采集器为二维图像采集器和/或三维图像采集器。
8.根据权利要求6所述的系统，其特征在于，所述机器人还包括机器人本体以及与所述机器人本体连接的至少一个机械臂，所述机器人本体能够沿着所述轨道表面移动，所述机械臂末端安装有所述图像采集组件。
9.根据权利要求8所述的系统，其特征在于，所述机器人本体上安装有快扫图像采集器和定位器。
10.根据权利要求6所述的系统，其特征在于，所述系统还包括感应器组件，所述感应器组件与所述机器人连接。
11.根据权利要求6所述的系统，其特征在于，所述数据处理器还包括填充单元，所述填充单元用于在提取所述第三图像信息的最大边缘之前，对所述第三图像信息进行孔洞填充。
CN201911371632.8A 2019-12-27 2019-12-27 一种列车闸片磨耗测量方法及系统 Active CN113048893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911371632.8A CN113048893B (zh) 2019-12-27 2019-12-27 一种列车闸片磨耗测量方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911371632.8A CN113048893B (zh) 2019-12-27 2019-12-27 一种列车闸片磨耗测量方法及系统

Publications (2)

Publication Number Publication Date
CN113048893A CN113048893A (zh) 2021-06-29
CN113048893B true CN113048893B (zh) 2023-01-10

Family

ID=76505756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911371632.8A Active CN113048893B (zh) 2019-12-27 2019-12-27 一种列车闸片磨耗测量方法及系统

Country Status (1)

Country Link
CN (1) CN113048893B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115909182B (zh) * 2022-08-09 2023-08-08 哈尔滨市科佳通用机电股份有限公司 一种动车组闸片磨损故障图像识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000161926A (ja) * 1998-11-30 2000-06-16 East Japan Railway Co 制輪子摩耗計測装置及び制輪子摩耗計測方法
JP2000180128A (ja) * 1998-12-17 2000-06-30 Mitsubishi Electric Corp パンタグラフすり板の厚み測定方法
CN104457596A (zh) * 2014-12-18 2015-03-25 成都铁安科技有限责任公司 一种检测列车闸片磨耗的方法
CN106468914A (zh) * 2015-08-21 2017-03-01 苏州华兴致远电子科技有限公司 列车检修方法和系统
CN109241986A (zh) * 2018-05-30 2019-01-18 北京飞鸿云际科技有限公司 用于轨道交通车辆零部件图像识别模型的样本制作方法
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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000161926A (ja) * 1998-11-30 2000-06-16 East Japan Railway Co 制輪子摩耗計測装置及び制輪子摩耗計測方法
JP2000180128A (ja) * 1998-12-17 2000-06-30 Mitsubishi Electric Corp パンタグラフすり板の厚み測定方法
CN104457596A (zh) * 2014-12-18 2015-03-25 成都铁安科技有限责任公司 一种检测列车闸片磨耗的方法
CN106468914A (zh) * 2015-08-21 2017-03-01 苏州华兴致远电子科技有限公司 列车检修方法和系统
CN109241986A (zh) * 2018-05-30 2019-01-18 北京飞鸿云际科技有限公司 用于轨道交通车辆零部件图像识别模型的样本制作方法
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

Also Published As

Publication number Publication date
CN113048893A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN107200038B (zh) 一种车辆检修装置及检修方法
KR101214645B1 (ko) 트롤리선 마모 측정 장치
KR101602376B1 (ko) 열차 결함 모니터링 시스템
US10102618B2 (en) System for detecting the state of a current collector
CN104608799A (zh) 基于信息融合技术列车轮对踏面损伤在线检测与识别方法
CN107764839A (zh) 一种基于机器视觉的钢丝绳表面缺陷在线检测方法及装置
CN104280397B (zh) 一种在役钢轨踏面鱼鳞裂纹的涡流视频综合检测评估方法
WO2014136976A1 (ja) 架線位置計測装置及び方法
AU2018425917A1 (en) Apparatus and method for calculating wooden crosstie plate cut measurements and rail seat abrasion measurements based on rail head height
CN110255324B (zh) 一种电梯曳引轮滑移量检测装置及方法
CN113048893B (zh) 一种列车闸片磨耗测量方法及系统
CN110567680A (zh) 一种基于角度比对的轨道扣件松动检测方法
CN204495300U (zh) 受电弓运行状态监测装置
CN112082770A (zh) 一种基于人工智能技术的轨道车辆车体检测系统及方法
KR20120134149A (ko) 전기 철도 보수용 차량 위치 측정 장치
CN103422417A (zh) 一种公路表面破损的动态识别系统与方法
CN207926804U (zh) 一种集电靴偏离监测装置
JP5952759B2 (ja) 架線位置計測装置及び方法
CN112229326A (zh) 一种城轨车辆受电弓检测系统及方法
CN111076750B (zh) 一种用于检测接触网吊弦线夹松脱的装置及方法
WO2018025329A1 (ja) 集電装置監視システム
EP3936369A1 (en) Pantograph displacement measuring device, and trolley-wire hard-spot detection method
JP6389783B2 (ja) 渡り線相対位置管理装置及び方法
RU113498U1 (ru) Система диагностики состояния токоприемников электроподвижного состава
CN114897921A (zh) 基于机器视觉的受电弓磨耗值和受电弓异常实时检测方法

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
GR01 Patent grant
GR01 Patent grant