CN113554618B - 一种基于红外图像的铁路轨道状态监测方法及装置 - Google Patents
一种基于红外图像的铁路轨道状态监测方法及装置 Download PDFInfo
- Publication number
- CN113554618B CN113554618B CN202110831116.XA CN202110831116A CN113554618B CN 113554618 B CN113554618 B CN 113554618B CN 202110831116 A CN202110831116 A CN 202110831116A CN 113554618 B CN113554618 B CN 113554618B
- Authority
- CN
- China
- Prior art keywords
- interlayer
- image
- infrared
- width
- pixel
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 66
- 238000000034 method Methods 0.000 title claims abstract description 56
- 239000011229 interlayer Substances 0.000 claims abstract description 164
- 238000001931 thermography Methods 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000003331 infrared imaging Methods 0.000 claims abstract description 21
- 239000010410 layer Substances 0.000 claims abstract description 20
- 239000004570 mortar (masonry) Substances 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 238000000926 separation method Methods 0.000 claims description 66
- 230000011218 segmentation Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 15
- 239000002356 single layer Substances 0.000 claims description 10
- 238000012806 monitoring device Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 238000011179 visual inspection Methods 0.000 claims 2
- 238000000354 decomposition reaction Methods 0.000 description 11
- 238000005259 measurement Methods 0.000 description 9
- 238000006073 displacement reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000007619 statistical method Methods 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
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
-
- 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
- G06T2207/30232—Surveillance
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种基于红外图像的铁路轨道状态监测方法及装置。所述方法,包括:获取无砟轨道结构的红外热成像图;红外热成像图是采用红外成像装置对轨道板和砂浆层的层间结构进行拍摄得到的;基于图像处理和视觉检测的方法对红外热成像图进行处理,计算无砟轨道结构各监测点的层间离缝宽度;将层间离缝宽度传输至远程监控中心。本发明能提高铁路轨道状态监测的准确性。
Description
技术领域
本发明涉及轨道状态监测领域,特别是涉及一种基于红外图像的铁路轨道状态监测方法及装置。
背景技术
随着中国高速铁路的发展,高速铁路通车里程越来越长,极大地促进了经济发展以及各地人员来往效率。但是伴随高速铁路线路运营任务量逐渐增大,高速铁路无砟轨道结构的相关结构性病害也随着展现。
因近年来全球气候温室效应的加剧,中国大多数地区在夏季7-8月份时间段内会处于极端高温的气候条件下,这使得高速铁路无砟轨道结构的高温病害频繁产生并且因为持续性的高温天气无砟轨道结构病害会加剧发展,尤其是无砟轨道结构的轨道板与砂浆层的层间离缝,严重影响了列车的运行安全与舒适性。目前对于轨道板横向位移和纵向位移监测多采用接触式位移传感器和激光位移传感器进行测量,但由于铁路本身环境复杂,基于传感器的监测方法都需要传感器与待测点进行接触,列车经过会对传感器的测量产生较大的干扰,导致数据本身噪声较大,影响测量精度。对于非接触式层间结构位移,目前所采用的主流方案是利用基于CMOS成像传感器的可见光摄像头去拍摄层间结构的层间离缝图像,并利用机器视觉技术来获取层间离缝宽度尺寸。虽然借助于可见光摄像头可以避免对轨道结构造成破坏并且避免受到高速列车的影响,但外界自然环境条件如雨雪天气、大雾天气、外界强光、夜晚低光照等会对可见光摄像头的成像质量产生影响,测量精度仍有待提高。
发明内容
基于此,本发明实施例提供一种基于红外图像的铁路轨道状态监测方法及装置,以提高铁路轨道状态监测的准确性。
为实现上述目的,本发明提供了如下方案:
一种基于红外图像的铁路轨道状态监测方法,包括:
获取无砟轨道结构的红外热成像图;所述红外热成像图是采用红外成像装置对轨道板和砂浆层的层间结构进行拍摄得到的;
基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度;
将所述层间离缝宽度传输至远程监控中心。
可选的,在所述将所述层间离缝宽度传输至远程监控中心之后,还包括:
所述远程监控中心判断各所述监测点的所述层间离缝宽度是否超过报警阈值,得到判断结果,并根据所述判断结果发出报警信号。
可选的,在所述远程监控中心判断各所述监测点的所述层间离缝宽度是否超过报警阈值,得到判断结果,并根据所述判断结果放出报警信号之后,还包括:
对各所述监测点的层间离缝宽度变化情况和报警次数进行统计,并根据统计结果确定维护策略。
可选的,所述基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度,具体包括:
将所述红外热成像图转换为灰度图像;
采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像;
采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像;所述二值图像中的白色连通区域为层间离缝目标区域;
对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域;
提取所述层间离缝区域的边缘单层像素骨架图,并根据所述边缘单层像素骨架图确定所述层间离缝区域中各像素点的像素坐标值;
基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度;
由参数数据计算所述红外热成像图中单个像素宽度所对应的实际距离尺寸;所述参数数据包括所述红外成像装置的参数的自标定数据以及所述红外成像装置与所述层间结构之间的距离参数;
根据单个像素宽度所对应的实际距离尺寸,计算所述局部像素宽度所对应的监测点的层间离缝宽度。
可选的,所述根据所述判断结果发出报警信号,具体包括:
对于任意一个所述监测点,若连续M次测量的所述监测点的层间离缝宽度均超过报警阈值,则确定所述监测点为异常点并发出报警信号。
可选的,所述采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像,具体包括:
对所述灰度图像中的层间结构离缝区域进行非下采样轮廓波变换,得到多个尺度多个方向子带上的变换系数;
计算不同尺度不同方向子带下的变换系数的阈值;
计算每一方向子带的多尺度积,并由所述阈值和所述多尺度积对所述变换系数进行阈值化处理,得到每个尺度每个方向子带上的阈值化处理后的变换系数;
将所述阈值化处理后的变换系数代入增强函数式,得到增强处理后的变换系数;
采用所述增强处理后的变换系数进行非下采样轮廓波逆变换,得到强化图像。
可选的,所述采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像,具体包括:
采用相位一致性原理计算所述强化图像中所有像素点的相位一致性值,并由所述相位一致性值得到相位一致性图像;
利用最大类间方差法求解所述相位一致性图像中层间结构离缝区域的像素点与非离缝区域的像素点在所述相位一致性值的最佳分割阈值;
利用所述最佳分割阈值将所述相位一致性图像转化为二值图像。
可选的,所述对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域,具体包括:
计算各所述层间离缝目标区域的像素点总数、长轴长度和短轴长度;所述长轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆长轴的长度;所述短轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆短轴的长度;
对所述像素点总数进行排序,得到第一序列集合,对各所述长轴长度与对应的所述短轴长度的比值排序,得到第二序列集合;
将所述第一序列集合中像素点总数小于第一设定阈值的层间离缝目标区域和所述第二序列集合中比值小于第二设定阈值的层间离缝目标区域确定为伪边缘区域;
将所述伪边缘区域从所述层间离缝目标区域中排除,得到层间离缝区域。
可选的,所述基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度,具体包括:
以所述层间离缝区域的边缘的每列上边缘点为中心,选取与该列相邻的n列内的下边缘点,得到2n+1个下边缘点;
计算2n+1个下边缘点分别与该列上边缘点之间的像素宽度,并将所述像素宽度中的最小值确定为局部像素宽度;所述局部像素宽度为该列的裂缝宽度。
本发明还提供了一种基于红外图像的铁路轨道状态监测装置,包括:红外成像装置、处理模块和远程监控中心;
所述红外成像装置用于对轨道板和砂浆层的层间结构进行拍摄,得到无砟轨道结构的红外热成像图;
所述处理模块用于基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度;
所述远程监控中心用于获取所述层间离缝宽度。
与现有技术相比,本发明的有益效果是:
本发明实施例提出了一种基于红外图像的铁路轨道状态监测方法及装置。其中,采用红外成像装置对轨道板和砂浆层的层间结构进行拍摄,得到无砟轨道结构的红外热成像图;基于图像处理和视觉检测的方法对红外热成像图进行处理,计算无砟轨道结构各监测点的层间离缝宽度;将层间离缝宽度传输至远程监控中心。红外热成像无损检测技术具有无接触、快速便捷、精度高、经济性强等优点,本发明基于红外热成像原理实现铁路轨道状态监测,可以避免受到天气、光照等不良因素的影响,不仅能提高铁路轨道状态监测的准确性还可以提高离缝宽度测量的工作效率。
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,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于红外图像的铁路轨道状态监测方法的流程图;
图2为本发明实施例提供的NSCT的原理图;
图3为本发明实施例提供的边缘单层像素骨架图;
图4为本发明实施例提供的基于红外图像的铁路轨道状态监测装置的示意图。
具体实施方式
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,所描述的实施例仅仅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做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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例提供的基于红外图像的铁路轨道状态监测方法的流程图。参见图1,本实施例的方法,包括:
步骤101:获取无砟轨道结构的红外热成像图;所述红外热成像图是采用红外成像装置对轨道板和砂浆层的层间结构进行拍摄得到的。
无砟轨道结构包括轨道板和砂浆层。轨道板和砂浆层构成的层间结构出现离缝时离缝处因空气的导热性能较差,使得层间离缝处的表面温度比层间结构处的其余部位的表面温度要高。通过红外成像装置来检测层间结构处的表面温度,层间离缝处会以高亮的形式呈现在红外热像图。
步骤102:基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度。
步骤103:将所述层间离缝宽度传输至远程监控中心。
步骤104:所述远程监控中心判断各所述监测点的所述层间离缝宽度是否超过报警阈值,得到判断结果,并根据所述判断结果发出报警信号。
步骤105:对各所述监测点的层间离缝宽度变化情况和报警次数进行统计,并根据统计结果确定维护策略。
其中,步骤102,具体包括:
1)红外热成像图为伪色彩图,因此,首先将所述红外热成像图转换为灰度图像。
2)采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像,以突出红外热像图中层间结构离缝区域处的细节信息。该步骤,具体包括:
①对所述灰度图像中的层间结构离缝区域进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT),得到多个尺度多个方向子带上的变换系数。NSCT的原理如图2所示,其中,NSCT变换由非子采样金字塔滤波器组(NSP)和非子采样方向滤波器组(NSDFB)构成,NSCT首先采用NSP获得原始图像f(x,y)的多尺度分解,将输入的原图f(x,y)分解为一个低频子带和一个高频子带,然后采用NSDFB对高频子带进行方向分解得到多个带通方向子带,并在低频子带重复上述过程,实现NSCT。图2的(a)部分所展现的是对原图f(x,y)进行三层NSCT变换,即将原图f(x,y)分解到第三层,故获得一个低通子带g0(x,y)(低频子带)和三个高频子带g1(x,y)、g2(x,y)、g3(x,y),随后NSDFB对三个高频子带g1(x,y)、g2(x,y)、g3(x,y)进行方向分解得到多个带通方向子带。图2的(b)部分所展现的是NSDFB对不同尺度下高频子带(g1(x,y)、g2(x,y)、g3(x,y))进行方向分解,每个尺度下高频子带进行方向分解后所得到的带通方向子带数目为2的整数次幂,并且不同尺度可以有不同的方向分解数,从图2的(a)部分和(b)部分中可以看出第一尺度下高频子带g1(x,y)进行方向分解得到4个带通方向子带,第二尺度下高频子带g2(x,y)进行方向分解得到8个带通方向子带,第三尺度下高频子带g3(x,y)进行方向分解得到16个方向子带。同时因NSCT整个分解过程没有任何抽样环节,因此如图2的(a)部分所示各个尺度下各带通方向子带与原输入图像f(x,y)具有相同尺寸。具体的:
对灰度图像中的层间结构离缝区域进行NSCT变换,将灰度图像中的层间结构离缝区域分解到第L层,并形成i个尺度、2i个方向子带上的变换系数,即每个尺度下的高频子带进行方向分解后得到的方向子带数目均为2i个,设为第l个尺度上的第k个方向子带在灰度图像的坐标(m,n)处的变换系数。
②计算不同尺度不同方向子带下的变换系数的阈值。具体的:
根据式(1)确定出不同尺度、不同方向子带下的阈值;
③计算每一方向子带的多尺度积,并由所述阈值和所述多尺度积对所述变换系数进行阈值化处理,得到每个尺度每个方向子带上的阈值化处理后的变换系数。具体的:
④将所述阈值化处理后的变换系数代入增强函数式,得到增强处理后的变换系数。具体的:
式中,f(x)为增强处理后的变换系数;x为阈值化处理后的变换系数;xmax为第l个尺度上的第k个方向子带内的最大变换系数;a、b和c均为函数的系数;系数b通过求解非线性方程f(x)=x来获得;系数c控制增强强度,其取值范围为(20,50);系数a由公式(5)求得。
⑤采用所述增强处理后的变换系数进行非下采样轮廓波逆变换,以实现层间结构红外热像图的重构,得到强化图像。
3)采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像;所述二值图像中的白色连通区域为层间离缝目标区域。该步骤,具体包括:
①采用相位一致性原理计算所述强化图像中所有像素点的相位一致性值,并由所述相位一致性值得到相位一致性图像。具体的,在得到像素点的相位一致性值后,将所有像素点的相位一致性值统一乘以255,即将相位一致性值转化为相应的灰度值,获得相位一致性图像。
②利用最大类间方差法求解所述相位一致性图像中层间结构离缝区域的像素点与非离缝区域的像素点在所述相位一致性值的最佳分割阈值。具体的:
设定相位一致性图像中层间结构离缝目标区域处像素点的相位一致性值和层间结构其余部位像素点的相位一致性值的最佳分割阈值为T,即相位一致性大于阈值T的像素点属于层间结构离缝目标区域,相位一致性小于阈值T的像素点属于层间结构其余部位,属于层间结构离缝目标区域处的像素点总数占整个层间结构图像像素点总数的比例为ω1,其相位一致性平均值为μ1,层间结构其余部位区域处像素点总数占整个层间结构图像像素点总数的比例为ω2,其相位一致性平均值为μ2,整个层间结构图像所有像素点相位一致性平均值为μ。
记整个层间结构图像的大小为M×N,相位一致性值大于阈值T的像素点个数记为N1,小于阈值T的像素点个数记为N2,则有:N1+N2=M×N,ω1+ω2=1,μ=μ1×ω1+μ2×ω2,故整个层间结构相位一致性图像所有像素点的相位一致性值的类间方差为g=ω1×ω2×(μ1-μ2)2。当类间方差最大时,阈值T为最佳分割阈值,使得整个层间结构图像中层间离缝目标区域与其他区域的分割效果最好。
③利用所述最佳分割阈值将所述相位一致性图像转化为二值图像。具体的:根据最大类间方差法获得的阈值T,将层间结构的相位一致性图像中的层间离缝目标区域和其余部位进行最佳分割,并将分割后的相位一致性图像进行二值化处理,得到二值图像,层间离缝目标区域在二值图像中呈现白色连通区域。
4)所述强化图像完成层间离缝目标区域和层间结构其余部位之间的阈值分割以及完成层间离缝目标区域的离缝边缘定位后,对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域。该步骤,具体包括:
①计算各所述层间离缝目标区域的像素点总数、长轴长度和短轴长度;所述长轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆长轴的长度;所述短轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆短轴的长度。所述层间离缝目标区域包括层间离缝区域和伪边缘区域,将层间离缝区域和伪边缘区域标记为连通域{bw1,bw2,...,bwsum},sum为层间离缝区域和伪边缘区域的总数,即为层间离缝目标区域的总数。
②对所述像素点总数排序,得到第一序列集合V1,对各所述长轴长度与对应的所述短轴长度的比值排序,得到第二序列集合V2。
③将所述第一序列集合中像素点总数小于第一设定阈值thv1的层间离缝目标区域和所述第二序列集合中比值小于第二设定阈值thv2的层间离缝目标区域确定为伪边缘区域。其中,thv2=α*max{V2},α的取值区间为[0.4,0.7]。
④将所述伪边缘区域从所述层间离缝目标区域中排除,得到层间离缝区域。
5)提取所述层间离缝区域的边缘单层像素骨架图,并根据所述边缘单层像素骨架图确定所述层间离缝区域中各像素点的像素坐标值。边缘单层像素骨架图如图3所示。
6)基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度。该步骤,具体包括:
①以所述层间离缝区域的边缘的每列上边缘点为中心,选取与该列相邻的n列内的下边缘点,得到2n+1个下边缘点。具体的,因层间离缝在层间结构中主要出现在轨道板与砂浆层的交接区域,故层间离缝在二值图像中的上下边缘线也近似平行于图像的上下边缘;选取层间离缝边缘的像素点的像素坐标值,以层间离缝边缘的每列上边缘点为中心,并选取与该列相邻n列内的下边缘点,n的取值一般为[3,5]。
②计算2n+1个下边缘点分别与该列上边缘点之间的像素宽度,并将所述像素宽度中的最小值确定为局部像素宽度;所述局部像素宽度为该列的裂缝宽度。
③对层间离缝边缘的所有上边缘点进行上述的①和②步骤的操作,获得层间离缝上所有局部区域的离缝像素宽度(局部像素宽度)。
7)由参数数据计算所述红外热成像图中单个像素宽度所对应的实际距离尺寸;所述参数数据包括所述红外成像装置的参数的自标定数据以及所述红外成像装置与所述层间结构之间的距离参数。
8)根据单个像素宽度所对应的实际距离尺寸,计算所述局部像素宽度所对应的监测点的层间离缝宽度。
其中,步骤104的所述根据所述判断结果发出报警信号,具体包括:
对于任意一个所述监测点,若连续M次测量的所述监测点的层间离缝宽度均超过报警阈值,则确定所述监测点为异常点并发出报警信号。
本实施例的基于红外图像的铁路轨道状态监测方法,具有如下优点:
(1)在温度荷载和列车荷载等外界因素的作用下,层间结构普遍存在变形协调不良而产生离缝的问题,无疑会对轨道结构相关部件受力造成影响,产生安全隐患。在现场养护维修作业中,往往采用塞尺、直尺等人工检查方式,检查效率及精度较低,与维修“天窗”时间短的矛盾凸显。与传统的检测方法相比,红外热成像无损检测技术具有无接触、快速便捷、精度高、经济性强等优点,红外热成像监测技术具有非接触式、精度高、鲁棒性好、抗干扰性强、可以多点测量等优点,基于红外热成像原理实现轨道状态的监测,可以避免受到天气、光照等不良因素的影响,在有限的条件下,不仅能提高铁路轨道状态监测的准确性还可以提高离缝宽度测量的工作效率。
(2)针对铁路现场的监测环境,采用视觉测量技术计算层间结构红外热像图中层间离缝区域在离缝处上下边缘各局部位置处的像素宽度,从而测量出层间结构在层间离缝处不同局部位置上的实际离缝宽度,提高了鲁棒性和实用性。
本发明还提供了一种基于红外图像的铁路轨道状态监测装置,图4为本发明实施例提供的基于红外图像的铁路轨道状态监测装置的示意图。
参见图4,该监测装置包括:红外成像装置、处理模块(CPU模块)和远程监控中心1。
所述红外成像装置用于对轨道板和砂浆层的层间结构进行拍摄,得到无砟轨道结构的红外热成像图。所述红外成像装置可以为红外成像仪,采用红外成像仪的摄像头获取现场监控图像,得到红外热成像图。
所述处理模块用于基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度。
所述远程监控中心1用于获取所述层间离缝宽度。远程监控中心1对各监测点进行层间离缝宽度趋势分析,推送高速铁路无砟轨道结构层间离缝宽度的异常值报警,同时对各监测点的无砟轨道结构层间离缝宽度发展情况和报警次数进行统计分析,形成相应的保养维护建议(维护策略)。
作为一种可选的实施方式,所述监测装置还包括:GPRS通信模块,GPRS通信模块通过GPRS无线网络将无砟轨道结构的红外热成像图和层间离缝宽度的测量结果传输到远程监控中心1。
作为一种可选的实施方式,所述监测装置还包括:供电组件;所述供电组件包括:太阳能电池板2、电源模块以及分别与太阳能电池板2和电源模块连接的太阳能控制器,太阳能控制器具有直流供电口,能提供太阳能电池板供电、直流供电和蓄电池供电模式。
作为一种可选的实施方式,红外成像仪的摄像头的镜头采用固定焦距镜头。
作为一种可选的实施方式,红外成像仪的摄像头通过固定支架固定在无砟轨道结构的混凝土路基上,支架通过锚栓固定于混凝土路基上,并使摄像头的镜头正对轨道板与砂浆层所构成的层间结构测点处。
本实施例的基于红外图像的铁路轨道状态监测装置,能够实现对无砟轨道结构层间离缝宽度的全天候监控,基于红外热成像原理实现监测,可以避免受到天气、光照等不良因素的影响,在有限的条件下,不仅能提高对无砟轨道结构层间离缝宽度的准确性还可以提高离缝宽度测量的工作效率。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于红外图像的铁路轨道状态监测方法,其特征在于,包括:
获取无砟轨道结构的红外热成像图;所述红外热成像图是采用红外成像装置对轨道板和砂浆层的层间结构进行拍摄得到的;
基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度;
将所述层间离缝宽度传输至远程监控中心;
所述基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度,具体包括:
将所述红外热成像图转换为灰度图像;
采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像;
采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像;所述二值图像中的白色连通区域为层间离缝目标区域;
对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域;
提取所述层间离缝区域的边缘单层像素骨架图,并根据所述边缘单层像素骨架图确定所述层间离缝区域中各像素点的像素坐标值;
基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度;
由参数数据计算所述红外热成像图中单个像素宽度所对应的实际距离尺寸;所述参数数据包括所述红外成像装置的参数的自标定数据以及所述红外成像装置与所述层间结构之间的距离参数;
根据单个像素宽度所对应的实际距离尺寸,计算所述局部像素宽度所对应的监测点的层间离缝宽度。
2.根据权利要求1所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,在所述将所述层间离缝宽度传输至远程监控中心之后,还包括:
所述远程监控中心判断各所述监测点的所述层间离缝宽度是否超过报警阈值,得到判断结果,并根据所述判断结果发出报警信号。
3.根据权利要求2所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,在所述远程监控中心判断各所述监测点的所述层间离缝宽度是否超过报警阈值,得到判断结果,并根据所述判断结果放出报警信号之后,还包括:
对各所述监测点的层间离缝宽度变化情况和报警次数进行统计,并根据统计结果确定维护策略。
4.根据权利要求2所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,所述根据所述判断结果发出报警信号,具体包括:
对于任意一个所述监测点,若连续M次测量的所述监测点的层间离缝宽度均超过报警阈值,则确定所述监测点为异常点并发出报警信号。
5.根据权利要求1所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,所述采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像,具体包括:
对所述灰度图像中的层间结构离缝区域进行非下采样轮廓波变换,得到多个尺度多个方向子带上的变换系数;
计算不同尺度不同方向子带下的变换系数的阈值;
计算每一方向子带的多尺度积,并由所述阈值和所述多尺度积对所述变换系数进行阈值化处理,得到每个尺度每个方向子带上的阈值化处理后的变换系数;
将所述阈值化处理后的变换系数代入增强函数式,得到增强处理后的变换系数;
采用所述增强处理后的变换系数进行非下采样轮廓波逆变换,得到强化图像。
6.根据权利要求1所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,所述采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像,具体包括:
采用相位一致性原理计算所述强化图像中所有像素点的相位一致性值,并由所述相位一致性值得到相位一致性图像;
利用最大类间方差法求解所述相位一致性图像中层间结构离缝区域的像素点与非离缝区域的像素点在所述相位一致性值的最佳分割阈值;
利用所述最佳分割阈值将所述相位一致性图像转化为二值图像。
7.根据权利要求1所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,所述对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域,具体包括:
计算各所述层间离缝目标区域的像素点总数、长轴长度和短轴长度;所述长轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆长轴的长度;所述短轴长度为与所述层间离缝区域具有相同标准二阶中心距的椭圆短轴的长度;
对所述像素点总数排序,得到第一序列集合,对各所述长轴长度与对应的所述短轴长度的比值排序,得到第二序列集合;
将所述第一序列集合中像素点总数小于第一设定阈值的层间离缝目标区域和所述第二序列集合中比值小于第二设定阈值的层间离缝目标区域确定为伪边缘区域;
将所述伪边缘区域从所述层间离缝目标区域中排除,得到层间离缝区域。
8.根据权利要求1所述的一种基于红外图像的铁路轨道状态监测方法,其特征在于,所述基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度,具体包括:
以所述层间离缝区域的边缘的每列上边缘点为中心,选取与该列相邻的n列内的下边缘点,得到2n+1个下边缘点;
计算2n+1个下边缘点分别与该列上边缘点之间的像素宽度,并将所述像素宽度中的最小值确定为局部像素宽度;所述局部像素宽度为该列的裂缝宽度。
9.一种基于红外图像的铁路轨道状态监测装置,其特征在于,包括:红外成像装置、处理模块和远程监控中心;
所述红外成像装置用于对轨道板和砂浆层的层间结构进行拍摄,得到无砟轨道结构的红外热成像图;
所述处理模块用于基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度;
所述远程监控中心用于获取所述层间离缝宽度;
所述基于图像处理和视觉检测的方法对所述红外热成像图进行处理,计算所述无砟轨道结构各监测点的层间离缝宽度,具体包括:
将所述红外热成像图转换为灰度图像;
采用多尺度积阈值红外图像增强算法对所述灰度图像中的层间结构离缝区域进行噪声过滤,并对过滤后的图像中的离缝边缘进行强化,得到强化图像;
采用相位一致性原理对所述强化图像进行阈值分割,得到二值图像;所述二值图像中的白色连通区域为层间离缝目标区域;
对所述二值图像中的所有层间离缝目标区域中的伪边缘区域进行排除,得到层间离缝区域;
提取所述层间离缝区域的边缘单层像素骨架图,并根据所述边缘单层像素骨架图确定所述层间离缝区域中各像素点的像素坐标值;
基于所述像素坐标值,利用最短距离法计算出所述层间离缝区域的局部像素宽度;
由参数数据计算所述红外热成像图中单个像素宽度所对应的实际距离尺寸;所述参数数据包括所述红外成像装置的参数的自标定数据以及所述红外成像装置与所述层间结构之间的距离参数;
根据单个像素宽度所对应的实际距离尺寸,计算所述局部像素宽度所对应的监测点的层间离缝宽度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110831116.XA CN113554618B (zh) | 2021-07-22 | 2021-07-22 | 一种基于红外图像的铁路轨道状态监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110831116.XA CN113554618B (zh) | 2021-07-22 | 2021-07-22 | 一种基于红外图像的铁路轨道状态监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113554618A CN113554618A (zh) | 2021-10-26 |
CN113554618B true CN113554618B (zh) | 2022-03-01 |
Family
ID=78132487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110831116.XA Active CN113554618B (zh) | 2021-07-22 | 2021-07-22 | 一种基于红外图像的铁路轨道状态监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113554618B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114670899A (zh) * | 2022-04-20 | 2022-06-28 | 北京运达华开科技有限公司 | 一种轨道检测系统用的图像采集装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0956549A (ja) * | 1995-06-14 | 1997-03-04 | Toto Ltd | 防曇性鏡 |
CN107014352A (zh) * | 2017-05-02 | 2017-08-04 | 中铁第四勘察设计院集团有限公司 | 一种用于铁路隧道全断面综合检测的轨道车及检测方法 |
CN107392885A (zh) * | 2017-06-08 | 2017-11-24 | 江苏科技大学 | 一种基于视觉对比机制的红外弱小目标检测方法 |
CN108008721A (zh) * | 2017-11-02 | 2018-05-08 | 中铁第四勘察设计院集团有限公司 | 隧道全断面衬砌损伤自动检测系统、检测车及检测方法 |
CN109208568A (zh) * | 2018-08-28 | 2019-01-15 | 北京瑞威世纪铁道工程有限公司 | 无砟轨道病害检测方法及检测系统 |
CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
CN110936978A (zh) * | 2019-12-13 | 2020-03-31 | 中铁第四勘察设计院集团有限公司 | 一种基于测量小车的无砟轨道层间离缝测量方法及装置 |
CN112862764A (zh) * | 2021-01-26 | 2021-05-28 | 中国铁道科学研究院集团有限公司 | 一种用于识别无砟道床离缝伤损的方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110435688B (zh) * | 2019-07-21 | 2023-09-12 | 五邑大学 | 一种用于轨道的检测装置 |
CN112763700B (zh) * | 2021-02-18 | 2023-08-04 | 同济大学 | 混凝土预制梁成品质量检测和数字实体模型构建系统及方法 |
-
2021
- 2021-07-22 CN CN202110831116.XA patent/CN113554618B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0956549A (ja) * | 1995-06-14 | 1997-03-04 | Toto Ltd | 防曇性鏡 |
CN107014352A (zh) * | 2017-05-02 | 2017-08-04 | 中铁第四勘察设计院集团有限公司 | 一种用于铁路隧道全断面综合检测的轨道车及检测方法 |
CN107392885A (zh) * | 2017-06-08 | 2017-11-24 | 江苏科技大学 | 一种基于视觉对比机制的红外弱小目标检测方法 |
CN108008721A (zh) * | 2017-11-02 | 2018-05-08 | 中铁第四勘察设计院集团有限公司 | 隧道全断面衬砌损伤自动检测系统、检测车及检测方法 |
CN109208568A (zh) * | 2018-08-28 | 2019-01-15 | 北京瑞威世纪铁道工程有限公司 | 无砟轨道病害检测方法及检测系统 |
CN110044924A (zh) * | 2019-05-13 | 2019-07-23 | 招商局重庆交通科研设计院有限公司 | 一种基于图像的公路隧道病害检测方法 |
CN110936978A (zh) * | 2019-12-13 | 2020-03-31 | 中铁第四勘察设计院集团有限公司 | 一种基于测量小车的无砟轨道层间离缝测量方法及装置 |
CN112862764A (zh) * | 2021-01-26 | 2021-05-28 | 中国铁道科学研究院集团有限公司 | 一种用于识别无砟道床离缝伤损的方法、装置及存储介质 |
Non-Patent Citations (3)
Title |
---|
"Railroads Surface Crack detection using Active Thermography";Bilawal Ramzan等;《2021 International Bhurban Conference on Applied Sciences and Technologies (IBCAST)》;20210412;第183-197页 * |
"基于 Logistic 回归的无砟轨道层间位移预警研究";娄小强等;《铁道科学与工程学报》;20210331;第18卷(第3期);第638-644页 * |
"基于热成像的高速铁路轨道板表面裂缝检测方法研究";王登涛等;《铁道标准设计》;20200731;第64卷(第7期);第22-27页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113554618A (zh) | 2021-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Akagic et al. | Pavement crack detection using Otsu thresholding for image segmentation | |
CN104655030B (zh) | 一种输电线路覆冰检测与预警装置 | |
CN109804119B (zh) | 基于红外热像图分析的沥青路面裂缝发育程度检测方法 | |
CN102297660B (zh) | 一种盾构隧道衬砌管片接缝张开宽度的测量方法及装置 | |
CN101893580B (zh) | 基于数字图像的钢轨表面缺陷检测方法 | |
Wang et al. | Automatic detection of asphalt pavement thickness: A method combining GPR images and improved Canny algorithm | |
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 | |
Ouyang et al. | Pavement cracking measurements using 3D laser-scan images | |
CN105113375B (zh) | 一种基于线结构光的路面裂缝检测系统及其检测方法 | |
CN111476767B (zh) | 一种基于异源图像融合的高铁扣件缺陷识别方法 | |
CN105133471B (zh) | 一种基于线结构光路面检测系统的路面深度图像生产方法 | |
CN107588733A (zh) | 一种基于图像的受电弓滑板磨耗在线检测装置与方法 | |
CN103076338B (zh) | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 | |
CN104359418B (zh) | 一种激光和视频融合的铁路雪深多点自动测量装置及方法 | |
CN102183525A (zh) | 基于ccd阵列摄像技术的桥梁表观状态自动检测装置及其方法 | |
CN104361582A (zh) | 一种对象级高分辨率sar影像洪水灾害变化检测方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN107727658A (zh) | 基于图像处理的受电弓裂纹在线检测装置及方法 | |
Vivekananthan et al. | Concrete bridge crack detection by image processing technique by using the improved OTSU method | |
CN113554618B (zh) | 一种基于红外图像的铁路轨道状态监测方法及装置 | |
CN104134211A (zh) | 一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法 | |
Zhao et al. | Image-based comprehensive maintenance and inspection method for bridges using deep learning | |
CN104330048A (zh) | 一种基于图像的铁路雪深测量装置及方法 | |
Medina et al. | Automated visual inspection of road surface cracks | |
CN104240252A (zh) | 一种机器视觉棒材高温钢坯表面裂纹检测算法 |
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 |