CN113155047B - 长距离孔距测量装置、方法、存储介质、设备及轨道车辆 - Google Patents

Abstract

本发明公开了一种长距离孔距测量装置、方法、存储介质、设备及轨道车辆，包括：图像采集元件，用以采集待测孔的边缘图像；测距元件，用以测量待测孔边缘与参照物的距离；角度调整机构，其与图像采集元件、测距元件连接，以带动图像采集元件、测距元件调整角度；移动部件，其与角度调整机构连接，以带动图像采集元件、测距元件调整位置。

Description

长距离孔距测量装置、方法、存储介质、设备及轨道车辆

技术领域

本发明属于机电一体化测控技术领域，具体涉及一种长距离孔距测量装置、方法、存储介质、设备及轨道车辆。

背景技术

这里的陈述仅提供与本发明相关的背景技术，而不必然地构成现有技术。

目前，在轨道交通车辆及其他加工制造领域，测量两孔中心距通常是通过卡尺和三坐标测量仪测量。卡尺测量是通过人工手动测量两孔间具体尺寸，且通过目测读数最终确定测量结果，同时考虑到各种外界因素的影响，这肯定会造成测量所得距离重复精度差、测量数据不准确等结果，且最终测量结果的保存都通过人工记录、上传，难免出现失误，增加许多不可控因素。

发明人发现，三坐标测量方法在两孔中心距测量结果方面比较理想，但三坐标测量方法操作复杂，耗时费力，而且稍有操作不慎可能造成测量失败甚至损坏测量工具；而且卡尺测量和三坐标测量法几乎应用在短距离小孔中心距测量上，二者都难以实现长距离的小孔中心距测量。

发明内容

针对现有技术存在的不足，本发明的目的是提供一种长距离孔距测量装置、方法、存储介质、设备及轨道车辆，该装置可使待测小孔中心距测量过程更加方便快捷，测量结果精度更高。

为了实现上述目的，本发明是通过如下的技术方案来实现：

第一方面，本发明的实施例提供了一种长距离孔距测量装置，包括：

图像采集元件，用以采集待测孔的边缘图像；

测距元件，用以测量待测孔边缘与参照物的距离；

角度调整机构，其与图像采集元件、测距元件连接，以带动图像采集元件、测距元件调整角度；

移动部件，其与角度调整机构连接，以带动图像采集元件、测距元件调整位置。

作为进一步的技术方案，所述角度调整机构包括X-Y俯仰调整平台，X-Y俯仰调整平台两侧分别与图像采集元件、测距元件连接以带动图像采集元件、测距元件在X、Y向俯仰动作。

作为进一步的技术方案，所述X-Y俯仰调整平台包括平台本体，图像采集元件、测距元件固定于平台本体两侧，平台本体与X向的第一旋转装置、Y向的第二旋转装置连接，由第一旋转装置、第二旋转装置带动实现图像采集元件、测距元件在X轴、Y轴俯仰动作。

作为进一步的技术方案，所述角度调整机构和移动部件之间设置驱动部件，驱动部件可带动角度调整机构在二维空间沿X向和Y向水平移动。

作为进一步的技术方案，所述驱动部件和角度调整机构之间还设置竖向的第一动力装置，第一动力装置可带动角度调整机构在水平方向转动。

作为进一步的技术方案，所述测距元件与第二动力装置连接，第二动力装置可带动测距元件在竖直方向调整角度。

作为进一步的技术方案，图像采集元件与第三动力装置连接，第三动力装置可带动图像采集元件在竖向方向调整角度。

第二方面，本发明实施例还提供了一种采用如上所述的长距离孔距测量装置的测量方法，包括以下步骤：

通过控制移动部件移动到第一个待测距孔处；

通过角度调整机构调整图像采集元件、测距元件的角度，使图像采集元件与待测距孔所在平面保持垂直，测距元件与参照物平面垂直；

在移动部件带动测量装置移动过程中，由图像采集元件采集待测距孔的边缘图像，同时由测距元件测量待测孔边缘与参照物的距离；

通过多个待测距孔与参照物的距离值，得出待测距孔之间的中心距。

第三方面，本发明实施例还提供了一种长距离孔距测量方法，包括以下步骤：

获取不同孔的图像，并对孔的图像进行边缘提取，并得到方向梯度直方图特征参数；

根据特征参数训练神经网络，得到目标神经网络；

实时采集多个待测距孔图像，对待测距孔图像进行特征提取，并将特征数据输入目标神经网络，得到待测距孔的边缘识别结果；

根据边缘识别结果，计算多个待测距孔与参照物的垂直距离，并确定待测距孔之间的中心距。

作为进一步的技术方案，对孔的图像进行边缘提取后，得到图像的边缘图和梯度图；基于方向梯度直方图对边缘图和梯度图进行特征提取，得到方向梯度直方图特征参数。

作为进一步的技术方案，得到图像的梯度图的具体步骤为：

采用灰度权值对孔的RGB图像进行加权平均，得到孔灰度图；

基于归一化的离散高斯核矩阵对孔灰度图进行加权滤波，得到去除噪声的孔灰度图；

对去除噪声的孔灰度图进行一阶偏导的有限差分，求得图像横坐标和纵坐标方向的梯度分量，并计算每一个像素位置的梯度幅值和方向，得到孔梯度图。

作为进一步的技术方案，基于双阈值算法对去除噪声的孔灰度图进行检测和连接边缘，得到孔图像的边缘图。

作为进一步的技术方案，基于方向梯度直方图将孔图像分成多个细胞单元，构建各细胞单元梯度直方图，获取各细胞单元的N维特征向量；

将m×m个细胞单元组成重叠块，并对重叠块进行对比度归一化，得到m·N维特征向量，串联各个重叠块，获取表征图像信息的方向梯度直方图特征参数。

作为进一步的技术方案，对方向梯度直方图特征参数进行降维处理，并得到降维后的目标神经网络。

第四方面，本发明实施例还提供了一种长距离孔距测量系统，包括：

第一模块，用以获取不同孔的图像，并对孔的图像进行边缘提取，并得到方向梯度直方图特征参数；

第二模块，用以根据特征参数训练神经网络，得到目标神经网络；

第三模块，用以实时采集多个待测距孔图像，对待测距孔图像进行特征提取，并将特征数据输入目标神经网络，得到待测距孔的边缘识别结果；

第四模块，用以根据边缘识别结果，计算多个待测距孔与参照物的垂直距离，并确定待测距孔之间的中心距。

第五方面，本发明实施例还提供了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如上所述的长距离孔距测量方法。

第六方面，本发明实施例还提供了一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如上所述的长距离孔距测量方法。

第七方面，本发明实施例还提供了一种轨道车辆，其特征是：包括如上所述的长距离孔距测量装置；或，执行如上所述的长距离孔距测量方法；或，包括如上所述的长距离孔距测量系统；或，包括如上所述的计算机可读存储介质；或，包括如上所述的终端设备。

上述本发明的实施例的有益效果如下：

本发明提出了一种基于方向梯度直方图算法的长距离安装小孔中心距测量的方法，为优化该领域测量技术问题提出了一种新的解决方案。

本发明的装置，采用高精度CCD工业相机和激光测距传感器，实现对小孔与测量装置垂直距离的非接触式精确测量，避免了传统接触式测量方法产生的系统误差。

本发明的装置，通过构建多轴伺服精密运动系统，实现了测量基准的重复定位准确性及测量过程的精确化、自动化，并且使得测量装置可以测量同一直线上任意角度的小孔中心距。

本发明的方法，通过采用方向梯度直方图算法提取特征参数并训练神经网络，实现了小孔边缘的精准提取，自动计算出所需垂直距离，使小孔中心距的测量减少了人为因素产生的测量误差。

附图说明

构成本发明的一部分的说明书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。

图1是本发明根据一个或多个实施方式的测量装置示意图；

图2是本发明根据一个或多个实施方式的测量装置主视示意图；

图3是本发明根据一个或多个实施方式测量两孔中心距的原理示意图；

图4是旋转板的结构示意图；

图5是激光测距仪和CCD工业相机进行测量时的配合示意图；

图中：为显示各部位位置而夸大了互相间间距或尺寸，示意图仅作示意使用；

其中，1移动部件，2驱动部件，3第一动力装置，4X-Y俯仰调整平台，5CCD工业相机，6工业相机安装板，7第三动力装置，8电机安装板，9第五动力装置，10第一旋转装置，11旋转板，12激光测距仪，13第二动力装置，14第四动力装置，15第二旋转装置，16滑块，17俯仰调整台本体，18俯仰调整台底座。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非本发明另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；

为了方便叙述，本发明中如果出现“上”、“下”、“左”、“右”字样，仅表示与附图本身的上、下、左、右方向一致，并不对结构起限定作用,仅仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位，以特定的方位构造和操作，因此不能理解为对本发明的限制。

术语解释部分:本发明中如出现术语“安装”、“相连”、“连接”、“固定”等，应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或为一体；可以是机械连接，也可以是电连接，可以是直接连接，也可以是通过中间媒介间接相连，可以是两个元件内部连接，或者两个元件的相互作用关系，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明的具体含义。

正如背景技术所介绍的，现有技术中存在不足，为了解决如上的技术问题，本发明提出了一种长距离孔距测量方法及其便携式测量装置。其采用高精度激光测距传感器和CCD工业相机作为核心测量部件，构建多轴精密伺服运动系统作为角度调整机构，实现核心激光测距传感器的旋转及扫描运动，并配合方向梯度直方图算法提取特征参数并训练神经网络，实现小孔边缘的精准识别，自动计算出最终结果所需的垂直距离，最终实现对长距离安装小孔中心距的精确自动测量。

实施例1：

本发明的一种典型的实施方式中，如图1所示，提出一种长距离孔距测量装置，包括移动部件1，移动部件1顶部固定设置驱动部件2，驱动部件2顶部固定设置第一动力装置3，第一动力装置3顶部固定设置X-Y俯仰调整平台4，X-Y俯仰调整平台4左侧固定设置第二动力装置13，X-Y俯仰调整平台4右侧固定设置第三动力装置7，图像采集元件固定安装在第三动力装置7驱动的回转平台上，激光测距仪12固定安装在第二动力装置13驱动的回转平台上。

本实施例中，图像采集元件采用CCD工业相机5。

该测量装置设置有CCD工业相机和激光测距仪，分别固定于X-Y俯仰调整平台两侧；在移动部件带动下，整个装置可移动至需测量位置，而后可通过驱动部件带动进而在XY两方向移动调整核心测量部件(激光测距仪和CCD工业相机)的位置；通过第一动力装置带动核心测量部件在XOY水平面内转动，进而调节核心测量部件测量基准与自走底座的角度；X-Y俯仰调整平台可带动核心测量部件在XOZ和YOZ两竖直平面内做俯仰角度微调；位于X-Y俯仰调整平台两侧的第二动力装置、第三动力装置可分别带动两侧的CCD工业相机和激光测距仪分别在YOZ平面转动。由第一动力装置、X-Y俯仰调整平台、第二动力装置、第三动力装置的动作配合，可实现核心测量部件的多方位调整角度，从而适于不同情况下的孔距测量。

其中，移动部件1可带动整体装置进行移动，进而移动至需求测量的位置对孔距进行测量；本实施例中，移动部件可以采用自走式底座，当然，在其他一些示例中，移动部件还可以采用其他如移动小车等的装置。

在本实施方案中，驱动部件2采用精密伺服滑台，驱动部件2可带动X-Y俯仰调整平台4在二维空间运动，从而经由X-Y俯仰调整平台带动激光测距仪实现X-Y方向的移动。

精密伺服滑台可通过螺栓固定连接在移动部件顶部，精密伺服滑台由两个伺服电机直接驱动运作。

精密伺服滑台顶部设置滑块16，第一动力装置3通过螺栓固定连接于精滑块16上方；在本实施例中，X-Y俯仰调整平台4固定于第一动力装置3所驱动的回转平台顶部，第一动力装置采用直驱伺服电机，可带动X-Y俯仰调整平台4在XOY平面转动。

X-Y俯仰调整平台4包括俯仰调整台本体17、俯仰调整台基座18，俯仰调整台基座支撑第二旋转装置15和第五动力装置9，俯仰调整台基座18底部与第一动力装置3固定连接，从而第一动力装置3运作可以带动X-Y俯仰调整平台4在水平方向转动。

俯仰调整台本体具有内部空间，其内部空间沿X方向左侧设置第四动力装置14，第四动力装置14通过旋转板11与第一旋转装置10连接，第四动力装置、第一旋转装置通过螺钉与俯仰调整台本体固定连接，从而带动俯仰调整台本体在YOZ竖直平面实现俯仰动作；也即，在第四动力装置14的驱动及第一旋转装置10的旋转支撑下，俯仰调整台本体17及其外侧安装的激光测距仪和工业相机等元件均能以旋转板11为固定点，沿X轴(即在YOZ平面内)做旋转俯仰运动。

同理，在X-Y俯仰调整平台4内部空间沿Y方向前侧设置第五动力装置9，第五动力装置前侧与俯仰调整台基座18固定连接，其后侧与旋转板11固定连接，第二旋转装置15后侧与俯仰调整台基座18固连，其前侧与旋转板11固连。也即俯仰调整台基座18的前后分别安装有第五动力装置9和第二旋转装置15，并通过旋转板11将两者相连。通过第五动力装置9的驱动，及第二旋转装置15的旋转支撑，旋转板11可绕Y轴(即在XOZ平面内)做旋转俯仰调整，也即第二旋转装置可在第五动力装置的驱动下，经由旋转板带动俯仰调整台本体17及其上部安装的部件在XOZ竖直平面实现俯仰动作。

在可选的实施方式中，第一旋转装置10和第二旋转装置15均为旋转轴承模组。以第二旋转装置为例对其连接方式进行说明，其外圈固定于俯仰调整台基座18上，内圈与旋转板11相连。

旋转板11包括中部板，中部板两侧分别与第一旋转装置、第四动力装置连接，中部板两端均与圆盘结构连接，中部板一端的圆盘结构与第五动力装置固连，中部板另一端的圆盘结构与第二旋转装置固连。

在可选的实施方案中，俯仰调整台基座和本体均设置为C字形板状结构，其既可以为动力装置、旋转装置提供安装空间，同时可为CCD工业相机和激光测距仪提供固定位置。

在进一步的实施方案中，X-Y俯仰调整平台4的俯仰调整台本体17右侧固定设置电机安装板8，第三动力装置7固定于电机安装板8，第三动力装置7与工业相机安装板6固定连接，CCD工业相机5固定在工业相机安装板6。

在进一步的实施方案中，X-Y俯仰调整平台4的俯仰调整台本体17左侧设置电机安装板，电机安装板通过螺栓固定连接第二动力装置13，激光测距仪12通过激光测距仪安装板与第二动力装置13固定连接。

由于第一动力装置可带动X-Y俯仰调整平台4在水平方向转动，X-Y俯仰调整平台4两侧分别与CCD工业相机、激光测距仪连接，从而可以带动工业相机和激光测距仪在水平方向转动以调节角度。

由于X-Y俯仰调整平台4的平台本体可经由第四动力装置带动沿X轴(即在YOZ平面内)实现俯仰动作，核心测量部件(CCD工业相机和激光测距仪)与俯仰调整台本体连接，从而可以带动核心测量部件在沿X轴做俯仰角度调整；

由于X-Y俯仰调整平台4的俯仰调整台本体可经由第五动力装置带动沿Y轴(即在XOZ平面内)实现俯仰动作，核心测量部件与俯仰调整台本体连接，从而可以带动核心测量部件沿Y轴做俯仰角度调整。

俯仰位置调整的主要目的是使激光测距仪和工业相机的测量基准在空间上与被测面或参照物垂直。

第三动力装置7带动CCD工业相机旋转，第二动力装置13带动激光测距仪旋转。控制第二动力装置13使激光测距仪12旋转至水平，实现对参照物到设备测量基准的距离测量。控制第三动力装置7使CCD工业相机5垂直于被测孔平面，对被测孔进行图像采集。

激光测距仪12用于给CCD工业相机5定位，两者单独控制其运动的角度，但数据采集系统可同步控制。

实施例2：

该实施例提供一种使用如上所述长距离孔距测量装置进行孔距测量的操作方法，其步骤是：

a、将测量装置通过移动部件1移动到所测第一个待测距孔前方，通过伺服电机调整驱动部件2使CCD工业相机5处于准确的工作位置，在所测两个待测距孔平面侧方准备好侧墙，用来测量激光测距仪12与侧墙的垂直距离；控制第一动力装置3转动使上方测量装置处于合适角度；完成测量前的准备工作；

b、控制X-Y俯仰调整平台4内部的第五动力装置9、第四动力装置14带动第二旋转装置15和第一旋转装置10，以及X-Y俯仰调整平台4右侧安装的第三动力装置7和左侧安装的第二动力装置13，使安装在右侧的CCD工业相机5与待测距孔所在平面保持垂直，左侧激光测距仪12与侧墙垂直；

c、控制移动部件1使测量装置沿垂直于参照物侧墙的方向开始前进，并控制激光测距仪开始工作，当CCD工业相机5使用边缘提取算法采集到第一个待测距孔左边缘时，使用激光测距仪12记录此时待测距孔左侧与侧墙的垂直距离B，继续控制移动部件向前移动，当CCD工业相机提取到第一个待测距孔右边缘时，记录此时待测距孔右侧与侧墙的垂直距A，因此，第一个待测距孔中心与侧墙的垂直距离为

d、控制移动部件使测量装置继续前进，使激光测距仪保持工作状态，同样，测得第二个待测距孔左侧与侧墙的垂直距离为C，待测距孔右侧与侧墙的垂直距离为D，因此，第二个待测距孔的中心与侧墙的垂直距离为

两个待测距孔中心距测量完毕，为

实施例3：

该实施例中提出一种使用如上所述的长距离孔距测量装置的孔距测量方法，包括以下步骤：

S1：实时获取不同长距离间隔孔的图像；

S2：对孔的图像进行边缘提取，得到图像的灰度图、边缘图和梯度图；

S3：对边缘图和梯度图进行特征提取，得到方向梯度直方图特征参数；

S4：根据特征参数训练神经网络，得到目标神经网络；

S5：实时采集多个待测距孔图像，根据对待测距孔图像进行边缘提取以及特征参数提取的方式，对采集的待测距孔图像进行特征提取，并将提取的特征数据输入目标神经网络，得到长距离待测距孔的边缘识别结果，也即通过对采集的图像进行神经网络分析及判定，准确识别孔的实际边缘轮廓；

S6：根据边缘识别结果，计算多个待测距孔与侧墙的垂直距离，并根据距离的结果确定待测距孔之间的中心距。

其中，对图像进行边缘提取、特征提取，得到方向梯度直方图特征参数的具体步骤为：

基于canny边缘检测算法对间隔孔图像进行边缘提取，得到孔图像的边缘图和梯度图；

基于方向梯度直方图对孔图像进行特征提取，得到方向梯度直方图特征参数。

具体的，基于canny边缘检测算法对孔图像进行边缘提取，得到孔图像的边缘图和梯度图的具体步骤为：

基于OpenCV开放库所采用的灰度权值对孔的RGB图像进行加权平均，得到孔灰度图；

基于归一化的离散高斯核矩阵对孔灰度图进行加权滤波，得到去除噪声的孔灰度图；

基于canny检测算子对去除噪声的孔灰度图进行一阶偏导的有限差分，求得图像横坐标和纵坐标方向的梯度分量，并据此计算每一个像素位置的梯度幅值和方向，得到孔梯度图；

基于双阈值算法对去除噪声的孔灰度图进行检测和连接边缘，得到孔图像的边缘图。

具体的，基于方向梯度直方图对孔图像进行特征提取，得到方向梯度直方图特征参数的具体步骤为：

基于方向梯度直方图将孔图像分成若干个细胞单元，又将每个细胞单元分为9个方向梯度等级，构建各组细胞单元梯度直方图，即获取各细胞单元9维特征向量；

将2x2个细胞单元组成一个重叠块，并对每一个重叠块进行对比度归一化，得到36维特征向量，串联各个重叠块，获取足以表征图像信息的方向梯度直方图特征参数。

在优选的实施方案中，对孔进行边缘提取和特征提取，得到方向梯度直方图特征参数之后，还包括以下步骤：

根据扫描窗口大小、扫描窗口移动步长和孔图像大小，计算方向梯度直方图特征参数的维度，对方向梯度直方图特征参数进行降维处理，得到降维后的方向梯度直方图特征参数。

扫描窗口大小、扫描窗口移动步长分别是指对已采集的图像进行数据处理时的处理数据的数量和处理数据的位置。

具体的，对方向梯度直方图进行降维处理，得到降维后的方向梯度直方图特征参数的具体步骤为：

使用双三差值法将孔图像大小缩放为原图像大小0.5倍；

对方向梯度直方图特征值采用2倍扫描窗口移动步长和0.5倍孔图像大小对应的维度特征值，得到降维后的方向梯度直方图特征值。

进一步的方案中，根据方向梯度直方图特征参数训练神经网络，得到目标神经网络的步骤为：

根据降维后的特征参数训练神经网络，得到目标神经网络。

其中，根据待测距孔边缘识别结果，计算待测距孔与侧墙的垂直距离，并根据待测距孔与侧墙垂直距离的结果确定待测距孔之间中心距的步骤过程为：

根据

计算两个待测距孔之间中心距；

其中，A为左方待测距孔右边缘距侧墙的垂直距离，B为左方待测距孔左边缘距侧墙的垂直距离，C为右方待测距孔左边缘距侧墙的垂直距离，D为右方待测距孔右边缘距侧墙的垂直距离，L为两待测距孔中心距。

实施例4：

该实施例提出一种长距离孔距测量系统，包括：

第一模块，用以获取不同孔的图像，并对孔的图像进行边缘提取，并得到方向梯度直方图特征参数；

第二模块，用以根据特征参数训练神经网络，得到目标神经网络；

第三模块，用以实时采集多个待测距孔图像，对待测距孔图像进行特征提取，并将特征数据输入目标神经网络，得到待测距孔的边缘识别结果；

第四模块，用以根据边缘识别结果，计算多个待测距孔与参照物的垂直距离，并确定待测距孔之间的中心距。

实施例5：

该实施例提出一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行如上所述的长距离孔距测量方法。

实施例6：

该实施例提出一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行如上所述的长距离孔距测量方法。

实施例7：

该实施例提出一种轨道车辆，包括如上所述的长距离孔距测量装置；或，执行如上所述的长距离孔距测量方法；或，包括如上所述的长距离孔距测量系统；或，包括如上所述的计算机可读存储介质；或，包括如上所述的终端设备。

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 (15)

1.一种长距离孔距测量装置，其特征是，包括：

图像采集元件，用以采集待测孔的边缘图像；

测距元件，用以测量待测孔边缘与参照物的距离；通过多个待测距孔与参照物的距离值，得出待测距孔之间的中心距；

角度调整机构，其与图像采集元件、测距元件连接，以带动图像采集元件、测距元件调整角度；

移动部件，其与角度调整机构连接，以带动图像采集元件、测距元件调整位置；

所述角度调整机构包括X-Y俯仰调整平台，X-Y俯仰调整平台两侧分别与图像采集元件、测距元件连接以带动图像采集元件、测距元件在X、Y向俯仰动作；所述X-Y俯仰调整平台包括平台本体，图像采集元件、测距元件固定于平台本体两侧，平台本体与X向的第一旋转装置、Y向的第二旋转装置连接，由第一旋转装置、第二旋转装置带动实现图像采集元件、测距元件在X轴、Y轴俯仰动作。

2.如权利要求1所述的长距离孔距测量装置，其特征是，所述角度调整机构和移动部件之间设置驱动部件，驱动部件可带动角度调整机构在二维空间沿X向和Y向水平移动。

3.如权利要求2所述的长距离孔距测量装置，其特征是，所述驱动部件和角度调整机构之间还设置竖向的第一动力装置，第一动力装置可带动角度调整机构在水平方向转动。

4.如权利要求1所述的长距离孔距测量装置，其特征是，所述测距元件与第二动力装置连接，第二动力装置可带动测距元件在竖直方向调整角度。

5.如权利要求1所述的长距离孔距测量装置，其特征是，图像采集元件与第三动力装置连接，第三动力装置可带动图像采集元件在竖向方向调整角度。

6.一种采用如权利要求1-5任一项所述的长距离孔距测量装置的测量方法，其特征是，包括以下步骤：

通过控制移动部件移动到第一个待测距孔处；

通过角度调整机构调整图像采集元件、测距元件的角度，使图像采集元件与待测距孔所在平面保持垂直，测距元件与参照物平面垂直；

在移动部件带动测量装置移动过程中，由图像采集元件采集待测距孔的边缘图像，同时由测距元件测量待测孔边缘与参照物的距离；

通过多个待测距孔与参照物的距离值，得出待测距孔之间的中心距。

7.一种长距离孔距测量方法，其特征是，采用如权利要求1-5任一项所述的长距离孔距测量装置，包括以下步骤：

获取不同孔的图像，并对孔的图像进行边缘提取，并得到方向梯度直方图特征参数；

根据特征参数训练神经网络，得到目标神经网络；

实时采集多个待测距孔图像，对待测距孔图像进行特征提取，并将特征数据输入目标神经网络，得到待测距孔的边缘识别结果；

根据边缘识别结果，计算多个待测距孔与参照物的垂直距离，并确定待测距孔之间的中心距。

8.如权利要求7所述的长距离孔距测量方法，其特征是，对孔的图像进行边缘提取后，得到图像的边缘图和梯度图；基于方向梯度直方图对边缘图和梯度图进行特征提取，得到方向梯度直方图特征参数。

9.如权利要求8所述的长距离孔距测量方法，其特征是，得到图像的梯度图的具体步骤为：

采用灰度权值对孔的RGB图像进行加权平均，得到孔灰度图；

基于归一化的离散高斯核矩阵对孔灰度图进行加权滤波，得到去除噪声的孔灰度图；

对去除噪声的孔灰度图进行一阶偏导的有限差分，求得图像横坐标和纵坐标方向的梯度分量，并计算每一个像素位置的梯度幅值和方向，得到孔梯度图。

10.如权利要求9所述的长距离孔距测量方法，其特征是，基于双阈值算法对去除噪声的孔灰度图进行检测和连接边缘，得到孔图像的边缘图。

11.如权利要求7或8所述的长距离孔距测量方法，其特征是，基于方向梯度直方图将孔图像分成多个细胞单元，构建各细胞单元梯度直方图，获取各细胞单元的N维特征向量；

将m×m个细胞单元组成重叠块，并对重叠块进行对比度归一化，得到m·N维特征向量，串联各个重叠块，获取表征图像信息的方向梯度直方图特征参数。

12.如权利要求7所述的长距离孔距测量方法，其特征是，对方向梯度直方图特征参数进行降维处理，并得到降维后的目标神经网络。

13.一种计算机可读存储介质，其特征是：其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行权利要求7-12中任一项所述的长距离孔距测量方法。

14.一种终端设备，其特征是：包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行权利要求7-12中任一项所述的长距离孔距测量方法。

15.一种轨道车辆，其特征是：包括如权利要求1-5任一项所述的长距离孔距测量装置；或，执行如权利要求7-12中任一项所述的长距离孔距测量方法；或，包括如权利要求13所述的计算机可读存储介质；或，包括如权利要求14所述的终端设备。

Images