CN113610786B - 一种基于视觉测量的轨道变形监测方法 - Google Patents
一种基于视觉测量的轨道变形监测方法 Download PDFInfo
- Publication number
- CN113610786B CN113610786B CN202110849918.3A CN202110849918A CN113610786B CN 113610786 B CN113610786 B CN 113610786B CN 202110849918 A CN202110849918 A CN 202110849918A CN 113610786 B CN113610786 B CN 113610786B
- Authority
- CN
- China
- Prior art keywords
- track
- characteristic
- image
- feature
- points
- 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
- 238000005259 measurement Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 title claims abstract description 26
- 230000000007 visual effect Effects 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000012937 correction Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 14
- 241001669679 Eleotris Species 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000003672 processing method Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000011426 transformation method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000009434 installation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000006467 substitution reaction 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
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- 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
- 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
- G06T7/70—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
- 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
- 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
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Machines For Laying And Maintaining Railways (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于视觉测量的轨道变形监测方法。首先在安装前标定得到测量相机的内参数信息，利用标定到的畸变系数可以对测量图像进行去畸变校正；通过相机对待测轨道段进行成像，利用图像处理技术提取特征点在图像坐标系上的像素坐标，利用轨道铺设时确定的轨道结构构建轨道坐标系，根据特征点在两坐标系下对应坐标的透视投影关系可以解算出待测轨道段的相对位置和姿态信息，从而获得轨道的相对位置和姿态变化信息，从而实现轨道的变形情况监测。视觉测量方法速度快、测量范围广，所提出的方法适用于轨道变形量的实时动态监测，利用轨道的固有属性作为特征信息能够有效降低系统的成本和开发周期。
Description
技术领域
本发明涉及轨道精密测量技术领域，特别是涉及一种基于视觉测量的轨道变形监测方法。
背景技术
铁路运行安全性评估的重要指标之一是对轨道倾斜、扭曲、位移在内的各项参数进行精确监测以保证其变形量在正常的水平范围。为监测到轨道的变形量信息，一般需要依靠人工检测的方法在轨道现场进行测量。人工检测方法检测速度慢、存在安全风险，而且难以对轨道全路段进行有效监测。视觉测量技术是一种非接触式的测量方法，仅使用到单个或数个测量相机就可以在列车运行的安全距离以外对轨道变形参数进行自动测量，具有实时监测、成本低、维护方便的特点。由于轨道表面的特征信息较少，常在轨道表面布设靶点作为标志点以提供特征信息，但由于铁路系统的庞大性，对所有路段的轨道添加标志点会大大增加测量系统的开发和维护成本，标志点添加得过于稀疏又有可能无法检测到特征点之间的轨道部分发生的变形情况从而影响到了实际的测量效果，视觉测量靶点的加工和安装成本一般较低，视觉测量还能够利用轨道自身固有的结构属性以获得特征信息，具有良好的应用前景。
发明内容
本发明的目的在于提供一种测量精度高、成本低、拓展性好的一种基于视觉测量的轨道变形监测方法。
本发明采用以下技术方案：
一种基于视觉测量的轨道变形监测方法，该方法包括以下步骤：
步骤一，建立轨道坐标系：
拟定能够表征轨道位置和扭曲程度的特征点信息，根据轨道设计图纸确定特征点在轨道坐标系上的物理坐标，对各个特征点的物理坐标添加顺序标签；
步骤二，内参数标定：
在安装测量相机前对测量相机进行内参数标定，获得测量相机的内参数矩阵及镜头的畸变系数；
步骤三，特征标记：
对测量相机首次采集到的轨道图像进行特征点提取，手动建立特征点像素坐标与其物理坐标之间的对应关系，标记出各个特征点所在的像素坐标并同该位置对应的顺序标签一起存储在计算机中；
步骤四，图像处理：
利用测量相机继续采集待测路段的轨道图像，利用图像处理方法处理该轨道图像的原始图像以得到仅包括轨道特征区域的轨道特征图像；
步骤五，特征点定位：
提取所述轨道特征图像的特征点的像素坐标，并利用步骤二标定到的畸变系数对该特征点的像素坐标进行去畸变校正以提高特征点定位的精度；
步骤六，特征匹配：
将步骤五测得的所述特征点的像素坐标同步骤三标记到的特征点的像素坐标进行匹配，结合步骤三存储的顺序标签建立步骤五测得的各个特征点的2D像素坐标同其在轨道坐标系上的3D实际物理坐标之间的一一对应关系；
步骤七，轨道空间状态检测：
利用步骤二标定得到的相机内参数矩阵结合步骤六确定的坐标对应关系，利用视觉测量算法得到测量路段轨道的空间状态信息；
步骤八，轨道变形监测：
将得到的测量路段轨道的空间状态信息与根据初始图像解算得到的空间状态信息相比较得到轨道的空间偏移量信息，从而实现轨道的变形程度监控。
进一步的，步骤一中，所述的表征轨道位置和扭曲程度的特征点定义方式为：将轨道和轨排结构中位线的交点位置作为特征点所在的位置。
进一步的，步骤一中，以在轨道表面额外粘贴标志片的方式辅助提供特征点信息，在特征点确定完毕后通过添加顺序标签的方式以区分不同的特征点。
进一步的，步骤二中，所述的测量相机包括单目相机，测量相机的数目为一个或多个。
进一步的，步骤四中，所述的图像处理方法包括利用图像增强、图像分割提取出轨道所在的特征区域，以及通过连通域分析和形态学处理进一步剔除环境噪声的影响。
进一步的，步骤五中，提取所述轨道特征图像的特征点的像素坐标具体为：利用中轴变换法获得轨道的骨架结构，将骨架结构中轨道与轨枕的交点作为特征点并提取该特征点所在的像素坐标。
进一步的，步骤六中，所述的特征匹配法为最近邻匹配法，以步骤三存储在计算机中的各特征点对应的像素坐标为中心，在一定大小的定位框内检测步骤五提取到的特征点的像素坐标，如果在定位框内有且只有一个特征点被检测到，则将该点作为有效特征点并赋予对应的顺序标签；如果在检测框内没有特征点被检测到或有多个特征点被检测到则判定为匹配失败；间隔一定时间段后重复步骤四到步骤六，若连续匹配失败5次以上则判定该轨道路段存在杂物遮挡的异常情况，将匹配失败的区域标出后，需要进行现场检查和排除。
进一步的，步骤七中，将所述的测量路段轨道的整体待检路段分为多个子路段，每个检测单元为特征点包络得到的轨道路段，该包络范围的轨道路段视为刚体，其中，各子路段所在区域内所包含的特征点数目不少于6个；可以对测量路段轨道进行分段检测，也可将各段测得的变形信息统计表述为整段测量路段轨道的变形信息。
步骤二所述的测量相机包括但不局限于使用单目相机，这里对测量相机的数目没有进行限制，但应该注意到基于本方法任意数目测量相机的实现都在该专利所申请的保护范围内。
进一步的，步骤三所述的标记方法为标记得到特征点在图像坐标系和像素坐标系之间的对应关系，以顺序标签来表示特征点坐标的排序方式，并将初始的特征点像素坐标及对应的顺序标签储存在计算机中。
本发明具有以下优点：
1.非接触式测量方式提高了检测的速度；
2.为避免轨道刚性结构改变对测量结果的影响，将待测轨道划分为若干个子段，利用各子段上的特征点信息计算得到各段轨道的相对变形量，便于对偏差超标轨道段的细分及定位，也可以统计得到整段待测轨道的变形情况；
3.视觉测量方法速度快、测量范围广，所提出的方法适用于轨道变形量的实时动态监测，利用轨道的固有属性作为特征信息还能够有效降低系统的成本和开发周期。
附图说明
图1为本发明提供的监测方法流程图；
图2为本发明实施例提供的特征点定位方法流程图；
图3为本发明实施例提供的视觉轨道变形测量模型示意图。
具体实施方式
下面结合附图和实施例对本发明进行详细描述。所描述的实施例仅用以具体说明本发明，并不用来限定本发明的保护范围。
结合图1，本发明提供了一种基于视觉测量的轨道变形监测方法，步骤如下：
步骤一：结合图3所示视觉轨道变形测量模型示意图，建立轨道坐标系1，将轨道与轨枕结构的中线交点作为表征轨道位置的特征点信息，根据轨道设计图纸确定特征点在轨道坐标系上的物理坐标，对各个特征点的物理坐标添加顺序标签；
步骤二：在测量相机2和测量相机3安装前，利用张氏标定法对相机的内参数进行标定，获得相机的内参数矩阵及镜头的畸变系数；
步骤三：特征标记，对相机首次采集到的轨道图像进行特征点提取，手动建立特征点像素坐标与物理坐标之间的对应关系，标记出各个特征所在的像素坐标并同该位置对应的顺序标签一起存储在计算机中；
步骤四：图像处理，利用测量相机继续采集待测路段的轨道图像，利用图像处理方法处理原始图像以得到仅包括轨道区域的二值图像，结合形态学处理方法对轨道和轨枕结构的骨架进行提取；
步骤五：特征点定位，将轨道和轨枕的骨架交点作为特征点所在的位置，提取特征点的像素坐标，并利用步骤二标定到的畸变系数对该特征点坐标进行去畸变校正；
步骤六：特征匹配，将步骤五测得的特征点坐标同步骤三标记到的特征点坐标进行匹配，结合步骤三存储的顺序标签建立各个特征点测量得到的2D像素坐标同其在轨道坐标系上的3D实际物理坐标之间的一一对应关系；
步骤七：轨道空间状态检测，根据步骤二标定得到的相机内参数矩阵，结合步骤六确定的3D-2D坐标对应关系建立n点透视问题，对有效测量段轨道利用PnP(Perspective-n-Point)算法解算得到该段轨道相对测量相机的位置姿态信息；
步骤八：轨道变形监测，将得到的位置姿态信息与根据初始图像解算得到的位置姿态信息相比较以得到轨道的空间偏移量信息，从而实现轨道的变形程度监控。
进一步地，步骤一所述的轨道特征定义方式为将轨道和轨排结构中位线的交点位置作为特征点所在的位置，可以根据应用需求和实际环境进行适当调整，包括但不限于以在轨道表面额外粘贴标志片的方式以辅助提供特征信息，在特征点确定完毕后通过添加顺序标签的方式以区分不同的特征点。
进一步的，步骤三所述的特征标记方法是针对各相机初始采集到的图像，通过观察特征点像素坐标与物理坐标之间的对应关系，将区分特征点物理坐标的顺序标签同样标记在特征点所对应的图像坐标上，将初始图像特征点的像素坐标及对应的顺序标签储存在计算机中。
进一步的，结合图2，以轨道与轨枕结构中线的定位为例，步骤四和步骤五所述的图像处理步骤及特征点定位方法包括：
S101、获取包含待测路段轨道的原始图像Iraw(x,y)。
S102、利用高斯滤波器处理原始图像Iraw(x，y)，以减少环境噪声的影响并平滑图像的边缘。
S103、通过图像分割以去除背景噪声的影响，利用Ostu算法得到灰度阈值a，引入补偿系数k将分割阈值优化为ka以改善图像分割效果，将低于该阈值的像素灰度置0，将高于该阈值的像素灰度置1，得到二值图像Ibinary(x，y)。
S104、利用连通域分析和形态学开运算以进一步消除图像杂散噪声的影响，得到特征区域图像Iobj(x，y)。
S105、利用中轴变换法获得轨道的骨架结构图Iskeleton(x，y)。
S106、由于轨道与轨枕呈相互垂直的几何关系，将骨架的交点作为特征点并提取特征点所在的像素坐标(u，v)。
S107、最后利用步骤2标定得到的畸变系数(k1，k2，p1，p2，k3)，根据式(1)对特征点坐标进行去畸变处理：
其中
表示校正后的特征点像素坐标。
进一步的，步骤六所述的特征匹配法为最近邻匹配法，以步骤三存储在计算机中的各特征点对应的像素坐标为中心，在m×m大小的定位框内检测步骤五提取到的特征点坐标，如果在定位框内有且只有一个特征点被检测到，则将该点作为有效特征点并赋予对应的顺序标签；如果在检测框内没有特征点被检测到或有多个特征点被检测到则判定为匹配失败，考虑到实际检测中存在的遮挡情况，间隔一定时间段后重复步骤四到步骤六，若连续匹配失败5次以上则判定该轨道路段存在杂物遮挡等异常情况，将匹配失败的区域标出后，需要进行现场检查和排除。
具体地，步骤七所述的视觉测量方法利用步骤一所确定相对位置关系的已知的特征点所提供的几何约束信息，结合步骤五测得的特征点像素坐标，根据步骤六确定的特征点匹配关系构建n点对应的透视投影模型，从而计算出表征特征点在轨道坐标系坐标
到像素坐标/>
之间的坐标转换关系，可以根据式(2)进行计算：
其中s表示尺度因子，M是步骤二标定得到的相机内参数矩阵，旋转矩阵R表示被测轨道与相机之间的相对姿态关系，位移向量T表示被测轨道与相机之间的相对位置关系。利用不同时刻轨道的相对位置姿态信息与初始状态的变化情况，就可以实现对轨道偏移量的监测。
进一步的，步骤七所述的轨道有效测量路段为特征点包络得到的轨道范围，该包络范围内的轨道段应视为刚体，为提高测量结果的稳定性，如图3所示以将整体监测轨道路段根据特征点划分为子区域4、子区域5、子区域6以进行分段检测。利用特征点将待测轨道路段分为若干个子段分别进行轨道空间状态检测，以便对变形偏差超标轨道段的细分及定位，其中各子区域内所包含的特征点数目不少于6个。根据实际需求设定各分段检测的范围，还可以将各段测得的变形信息统计表述为整段待测轨道的变形信息。
以上所述，仅为本发明中的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换或替换，都应涵盖在本发明的包含范围之内。
Claims (8)
1.一种基于视觉测量的轨道变形监测方法，其特征在于，该方法包括以下步骤：
步骤一，建立轨道坐标系：
拟定能够表征轨道位置和扭曲程度的特征点信息，根据轨道设计图纸确定特征点在轨道坐标系上的物理坐标，对各个特征点的物理坐标添加顺序标签；
步骤二，内参数标定：
在安装测量相机前对测量相机进行内参数标定，获得测量相机的内参数矩阵及镜头的畸变系数；
步骤三，特征标记：
对测量相机首次采集到的轨道图像进行特征点提取，手动建立特征点像素坐标与其物理坐标之间的对应关系，标记出各个特征点所在的像素坐标并同该位置对应的顺序标签一起存储在计算机中；
步骤四，图像处理：
利用测量相机继续采集待测路段的轨道图像，利用图像处理方法处理该轨道图像的原始图像以得到仅包括轨道特征区域的轨道特征图像；
步骤五，特征点定位：
提取所述轨道特征图像的特征点的像素坐标，并利用步骤二标定到的畸变系数对该特征点的像素坐标进行去畸变校正以提高特征点定位的精度；
步骤六，特征匹配：
将步骤五测得的所述特征点的像素坐标同步骤三标记到的特征点的像素坐标进行匹配，结合步骤三存储的顺序标签建立步骤五测得的各个特征点的2D像素坐标同其在轨道坐标系上的3D实际物理坐标之间的一一对应关系；
步骤七，轨道空间状态检测：
利用步骤二标定得到的相机内参数矩阵结合步骤六确定的坐标对应关系，利用视觉测量算法得到测量路段轨道的空间状态信息；
步骤八，轨道变形监测：
将得到的测量路段轨道的空间状态信息与根据初始图像解算得到的空间状态信息相比较得到轨道的空间偏移量信息，从而实现轨道的变形程度监控。
2.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤一中，所述的表征轨道位置和扭曲程度的特征点定义方式为：将轨道和轨排结构中位线的交点位置作为特征点所在的位置。
3.根据权利要求2所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤一中，以在轨道表面额外粘贴标志片的方式辅助提供特征点信息，在特征点确定完毕后通过添加顺序标签的方式以区分不同的特征点。
4.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤二中，所述的测量相机包括单目相机，测量相机的数目为一个或多个。
5.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤四中，所述的图像处理方法包括利用图像增强、图像分割提取出轨道所在的特征区域，以及通过连通域分析和形态学处理进一步剔除环境噪声的影响。
6.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤五中，提取所述轨道特征图像的特征点的像素坐标具体为：利用中轴变换法获得轨道的骨架结构，将骨架结构中轨道与轨枕的交点作为特征点并提取该特征点所在的像素坐标。
7.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤六中，所述的特征匹配法为最近邻匹配法，以步骤三存储在计算机中的各特征点对应的像素坐标为中心，在一定大小的定位框内检测步骤五提取到的特征点的像素坐标，如果在定位框内有且只有一个特征点被检测到，则将该点作为有效特征点并赋予对应的顺序标签；如果在检测框内没有特征点被检测到或有多个特征点被检测到则判定为匹配失败；间隔一定时间段后重复步骤四到步骤六，若连续匹配失败5次以上则判定该轨道路段存在杂物遮挡的异常情况，将匹配失败的区域标出后，需要进行现场检查和排除。
8.根据权利要求1所述的一种基于视觉测量的轨道变形监测方法，其特征在于：
步骤七中，将所述的测量路段轨道的整体待检路段分为多个子路段，每个检测单元为特征点包络得到的轨道路段，该包络范围的轨道路段视为刚体，其中，各子路段所在区域内所包含的特征点数目不少于6个；可以对测量路段轨道进行分段检测，也可将各段测得的变形信息统计表述为整段测量路段轨道的变形信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849918.3A CN113610786B (zh) | 2021-07-27 | 2021-07-27 | 一种基于视觉测量的轨道变形监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110849918.3A CN113610786B (zh) | 2021-07-27 | 2021-07-27 | 一种基于视觉测量的轨道变形监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113610786A CN113610786A (zh) | 2021-11-05 |
| CN113610786B true CN113610786B (zh) | 2023-06-13 |
Family
ID=78338430
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110849918.3A Active CN113610786B (zh) | 2021-07-27 | 2021-07-27 | 一种基于视觉测量的轨道变形监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113610786B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115035144A (zh) * | 2022-04-20 | 2022-09-09 | 北京航空航天大学 | 一种基于稠密光流的火箭整流罩分离角速度测量方法 |
| CN117115189A (zh) * | 2023-07-10 | 2023-11-24 | 中铁第一勘察设计院集团有限公司 | 基于机器视觉的轨道3d几何形态监测方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108458665A (zh) * | 2018-02-11 | 2018-08-28 | 中铁八局集团第二工程有限公司 | 利用近景摄影进行隧道快速形变测量的方法 |
| CN115056264A (zh) * | 2022-06-30 | 2022-09-16 | 广州华方智能科技有限公司 | 一种辅助双角钢轨道巡检机器人精准定位的系统和方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11835955B2 (en) * | 2017-12-08 | 2023-12-05 | Camso Inc. | Systems and methods for monitoring off-road vehicles |
-
2021
- 2021-07-27 CN CN202110849918.3A patent/CN113610786B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108458665A (zh) * | 2018-02-11 | 2018-08-28 | 中铁八局集团第二工程有限公司 | 利用近景摄影进行隧道快速形变测量的方法 |
| CN115056264A (zh) * | 2022-06-30 | 2022-09-16 | 广州华方智能科技有限公司 | 一种辅助双角钢轨道巡检机器人精准定位的系统和方法 |
Non-Patent Citations (2)
| Title |
|---|
| Qi-Ang Wang 等.SHM deformation monitoring for high-speed rail track slabs and Bayesian change point detection for the measurements.Construction and Building Materials.2021,全文. * |
| 高雄杰.中低速磁浮F轨轨道不平顺检测及评估研究.中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑).2018,C033-43. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113610786A (zh) | 2021-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113610786B (zh) | 一种基于视觉测量的轨道变形监测方法 | |
| US20200364849A1 (en) | Method and device for automatically drawing structural cracks and precisely measuring widths thereof | |
| CN110031829B (zh) | 一种基于单目视觉的目标精准测距方法 | |
| US20190197340A1 (en) | Object surface deformation feature extraction method based on line scanning three-dimensional point cloud | |
| CN103499337B (zh) | 一种基于立式标靶的车载单目摄像头测距测高装置 | |
| CN111784657A (zh) | 一种基于数字图像的水泥路面病害自动识别的系统及方法 | |
| CN104851104A (zh) | 采用柔性靶标高速摄相机近景大视场标定方法 | |
| CN103985131B (zh) | 一种用于高速公路车道偏离预警系统的相机快速标定方法 | |
| CN103186892B (zh) | 利用航拍图像生成等比例实景现场图的方法及系统 | |
| CN103366555B (zh) | 基于航拍图像的交通事故现场图快速生成方法及系统 | |
| CN102800096B (zh) | 一种摄像机参数的鲁棒性估计算法 | |
| CN108877237B (zh) | 基于监控视频图像的车辆行驶速度集成解算系统及方法 | |
| CN106978774A (zh) | 一种路面坑槽自动检测方法 | |
| CN112985311B (zh) | 一种车载便携轻量化智能巡检方法与系统 | |
| CN112270320B (zh) | 一种基于卫星影像校正的输电线路杆塔坐标校准方法 | |
| CN113554697A (zh) | 基于线激光的舱段轮廓精确测量方法 | |
| CN107729582A (zh) | 基于tls的构件缺陷监测与预测系统 | |
| CN104406715A (zh) | 一种遥感估算地表感热/潜热通量的精度评价方法及系统 | |
| CN105303564A (zh) | 一种塔式起重机负荷立体摆角的视觉检测方法 | |
| CN103413319A (zh) | 一种工业摄像机参数现场标定方法 | |
| CN111784785B (zh) | 一种桥梁动态位移识别方法 | |
| CN103445798A (zh) | 确定平板x射线图像探测器中传感器的几何偏移的方法 | |
| CN112726351A (zh) | 一种车载便携轻量化智能巡检方法与系统 | |
| CN109493316B (zh) | 基于相似性分析和特征增量学习的封箱机烟包缺条智能检测方法 | |
| CN113012239B (zh) | 一种车路协同路侧感知相机的焦距变化定量计算方法 |
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 |