CN113936055A - 一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 - Google Patents
一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 Download PDFInfo
- Publication number
- CN113936055A CN113936055A CN202111214693.0A CN202111214693A CN113936055A CN 113936055 A CN113936055 A CN 113936055A CN 202111214693 A CN202111214693 A CN 202111214693A CN 113936055 A CN113936055 A CN 113936055A
- Authority
- CN
- China
- Prior art keywords
- brake shoe
- image
- edge
- right edge
- tested
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000605 extraction Methods 0.000 claims abstract description 11
- 238000005259 measurement Methods 0.000 claims abstract description 11
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 17
- 238000003708 edge detection Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 11
- 238000013519 translation Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 7
- 238000001514 detection method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000002699 waste material Substances 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
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/60—Analysis of geometric attributes
- G06T7/64—Analysis of geometric attributes of convexity or concavity
-
- 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
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备，具体技术方案记载了如下内容：将3D相机与面阵相机相结合，其中，3D相机能够获取闸瓦精确的深度信息，面阵相机能够提供闸瓦清晰的高分辨率图像，基于3D相机与面阵相机的闸瓦系统标定，可完成三维深度信息与二维图像的对齐，即融合3D相机的深度信息和面阵相机的高分辨率，同时结合闸瓦系统标定、闸瓦边缘提取、侧平面拟合、侧边缘拟合等算法，从而实现高精度和高稳定性的闸瓦剩余厚度测量。
Description
技术领域
本发明涉及列车闸瓦剩余厚度测量领域，具体为一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备。
背景技术
闸瓦是运营列车的制动装置关键部件之一，目前闸瓦已成列车基础制动方式中的关键部件被广泛应用于铁路运输领域，在制动时，抱紧车轮踏面，通过摩擦使车轮停止转动。通常，闸瓦的主要材质是铁，在使用过程中会产生磨损，而磨损会造成列车制动力减弱，造成列车安全隐患，因此，当闸瓦磨损到一定程度后需要对列车的闸瓦进行更换才能保证列车的安全运行。当闸瓦的剩余厚度小于10mm时，则必须更换。
目前，对闸瓦的检测通常为人工检测和自动检测，人工检测通常为目测，即用一把刻度尺，贴在闸瓦的侧面，通过人工读数来判断闸瓦剩余厚度，这种方式需要人工用肉眼对每个闸瓦进行观察和测量，工作强度大且工作效率低，不仅人工成本高，而且测量时间长，测量精度低，容易造成闸瓦过度使用或未充分使用，带来一定的安全隐患或造成较大浪费。自动检测目前以二维图片识别为主，通过提取闸瓦边缘，提取闸瓦轮廓，与系统标定值进行匹配，从而获取闸瓦剩余厚度，这种方式精度较差，无法提供稳定的测量精度。
发明内容
为解决上述背景技术中所存在的问题，本发明提出了一种列车闸瓦剩余厚度测量方法，所述方法包括：
对3D相机和面阵相机进行系统标定，得到坐标转换参数；
搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
进一步的，所述对3D相机和面阵相机进行系统标定，得到坐标转换参数具体为：
L1：3D相机和面阵相机分别获取同一标定板图像，所述标定板包含均匀分布的圆形；
L2：分别提取标定板上每个圆形的中心作为特征点，运用公式(1)进行标定，
其中，Xw,Yw,Zw分别表示标定板上每个角点在标定板的三维坐标，u,v,分别表示标定板上每个角点在3D相机图像坐标系的像素坐标，R为3D相机图像坐标系到标定板物理坐标系的旋转量，T分别表示3D相机图像坐标系到标定板坐标系的平移量；
L3：同理，基于公式(1)求出二维面阵相机图像坐标系到标定板物理坐标系的旋转量R，以及二维面阵相机图像坐标系到标定板坐标系的平移量T。
L4：通过步骤L2将3D图像像素坐标转换到标定板坐标系的棋盘格坐标，再通过步骤L3将所述棋盘格坐标转换到二维面阵图像坐标，得到3D图像像素坐标对应的二维面阵图像上的像素坐标。
进一步的，所述搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘具体为：
搭建图像定位网络，将标注后的标准闸瓦图像作为样本输入训练集，通过训练，完成闸瓦图像定位；
扩大闸瓦图像定位区域，在所述闸瓦图像定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘。
进一步的，所述剔除噪点的步骤具体为：
P1：获取待测闸瓦图像边缘点；
P2：循环处理每个待测闸瓦图像边缘点，计算每个边缘点5乘5的区域内，该边缘点左右邻域内的像素灰度值的差值，当左邻域灰度值减去右邻域灰度值＜0，则该边缘点为左边缘点；当左邻域灰度值减去右邻域灰度值＞0，则该边缘点为右边缘点；
P3：分别对所述左边缘点和所述右边缘点按照上中下进行分段直线拟合，剔除每一段中偏离拟合直线较远的噪点。
进一步的，所述根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程具体为：
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，其中，所述待测闸瓦图像的左右边缘之间的区域即为待测闸瓦图像侧平面；
根据所述坐标转换参数得到所述待测闸瓦图像侧平面的三维数据；
对所述待测闸瓦图像侧平面的三维数据进行平面拟合，得到待测闸瓦图像侧平面的方程。
进一步的，所述获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线具体为：
基于所述坐标转换参数，根据待测闸瓦图像左右边缘得到待测闸瓦图像左右边缘三维数据；
将所述待测闸瓦图像左右边缘的三维数据带入所述待测闸瓦图像侧平面的方程，剔除不在待测闸瓦图像侧平面上的三维数据，得到校正后的待测闸瓦左右边缘三维数据；
对所述校正后的待测闸瓦左右边缘三维数据进行三次B样条拟合，得到待测闸瓦图像左右边缘曲线。
进一步的，所述对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线具体为：
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到闸瓦上左边缘圆形方程；遍历闸瓦上左边缘的每一个点作为待测点，将待测点所在半径与右边缘曲线的交点记为参考点，计算待测点与参考点之间的距离，得到待测闸瓦剩余厚度曲线。
一种列车闸瓦剩余厚度测量系统，所述系统包括：
系统标定模块：用于对3D相机和面阵相机进行系统标定，得到坐标转换参数；
闸瓦边缘提取模块：用于搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
闸瓦侧平面提取模块：用于根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
闸瓦侧边缘曲线提取模块：用于获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
闸瓦剩余厚度计算模块：用于对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述任一项所述的方法。
一种计算机设备，包括存储器、处理器以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上述任一项所述的方法。
有益效果：本发明提供了一种列车闸瓦剩余厚度测量方法，本发明将3D相机与面阵相机相结合，其中，3D相机能够获取闸瓦精确的深度信息，面阵相机能够提供闸瓦清晰的高分辨率图像，基于3D相机与面阵相机的闸瓦系统标定，可完成三维深度信息与二维图像的对齐，即融合3D相机的深度信息和面阵相机的高分辨率，同时结合闸瓦系统标定、闸瓦边缘提取、侧平面拟合、侧边缘拟合等算法，从而实现高精度和高稳定性的闸瓦剩余厚度测量。
附图说明
图1为本发明实施例的一种列车闸瓦剩余厚度测量方法流程示意图；
图2为本发明实施例的3D相机和面阵相机获取的图片；
图3为本发明实施例的面阵相机拍摄的闸瓦图像。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的一种列车闸瓦剩余厚度测量方法，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储分类方法的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种受电弓滑板磨耗计算方法。
本申请实施例提供一种列车闸瓦剩余厚度测量方法、系统、计算机设备和存储介质，旨在解决现有技术标定面无法做到和闸瓦成像面完全相同以及二维图像是面阵相机拍摄，曝光时刻的成像深度和车辆信息深度存在偏差，导致测量误差较大的问题。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是，本申请实施例提供的一种列车闸瓦剩余厚度测量方法，其中，其执行主体还可以是分类装置，其中该装置可以通过软件、硬件或者软硬件结合的方式实现成为分类方法的部分或者全部。
为使本申请实施例的目的、技术方案和优点更加清楚，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、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。
在一个实施例中，如图1所示，一种列车闸瓦剩余厚度测量方法，所述方法包括：
S1：对3D相机和面阵相机进行系统标定，得到坐标转换参数；
S2：搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
S3：根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
S4：获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
S5：对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
在S1中，将3D相机与面阵相机按照实际需求固定相对位置，在测量范围内放置标定板，分别用3D相机和面阵相机拍摄同一标定板，3D相机和面阵相机获取的图片如附图2所示，其中左图为3D相机拍摄的图片，右图为面阵相机拍摄的图片，改变标定板姿态进行随机拍摄，尽肯能的覆盖多个姿态，例如正拍、左斜拍、右斜拍、上斜拍、下斜拍，同时每张图包含完整的棋盘格，拍摄至少20组以上，即可获取一系列3D相机和面阵相机拍摄的标定板图像。分别提取标定板上每个圆形的中心作为特征点，运用公式(1)进行标定，即可完成3D相机坐标系到标定板的旋转量和平移量的标定；
L1：3D相机和面阵相机分别获取同一标定板图像，所述标定板包含均匀分布的圆形；
L2：分别提取标定板上每个圆形的中心作为特征点，运用公式(1)进行标定，
其中，Xw,Yw,Zw分别表示标定板上每个角点在标定板的三维坐标，u,v,分别表示标定板上每个角点在3D相机图像坐标系的像素坐标，R为3D相机图像坐标系到标定板物理坐标系的旋转量，T分别表示3D相机图像坐标系到标定板坐标系的平移量；
L3：同理，即可完成面阵相机坐标系到标定板的旋转量和平移量的标定，由于标定板在每个姿态下均被3D相机和面阵相机所拍摄，故用上述公式即可完成3D相机坐标系到面阵相机坐标系的旋转量和平移量的标定，即基于公式(1)求出二维面阵相机图像坐标系到标定板物理坐标系的旋转量R，以及二维面阵相机图像坐标系到标定板坐标系的平移量T。
L4：通过步骤L2将3D图像像素坐标转换到标定板坐标系的棋盘格坐标，再通过步骤L3将所述棋盘格坐标转换到二维面阵图像坐标，得到3D图像像素坐标对应的二维面阵图像上的像素坐标。
除此之外，由于面阵相机单独拍摄了标定板图像，提取面阵相机圆形中心坐标作为特征点，即可完成面阵相机内参标定。
在S2中，面阵相机拍摄的闸瓦图像如图3所示，搭建图像定位网络，将标注后的闸瓦图像作为样本输入训练集，当训练样本达到一定数量，所述数量至少1000张以上时，引入深度学习，通过训练，即可完成闸瓦的定位，扩大闸瓦的定位区域，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘。
所述边缘检测采用的是canny边缘检测算法。
所述噪点剔除具体为：由于光源是打在闸瓦侧表面上的，所有侧表面更亮，而闸瓦边缘之外的图像更暗，因此算法利用左边缘(左暗右亮)、右边缘(左亮又暗)的方式，对canny边缘检测算法提取到的边缘点进行再一次的筛选。具体步骤如下：
P1：获取待测闸瓦图像边缘点；
P2：循环处理每个点，计算每个点5乘5的区域内，该点左右邻域内的像素灰度值的差值，当左邻域灰度值减去右邻域灰度值＜0，则该点为左边缘点；当左邻域灰度值减去右邻域灰度值＞0，则该点为右边缘点；
P3：分别对左边缘点和右边缘点按照上中下进行分段直线拟合，剔除每一段中偏离拟合直线较远的噪点。
在S3中，根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，其中，所述待测闸瓦图像的左右边缘之间的区域即为待测闸瓦图像侧平面；
即在面阵相机图像中找到待测闸瓦图像侧平面区域，利用标定计算的得到的转换参数(面阵相机到3D相机的转换，即在面阵相机拍摄的图像中选取一个点，就可以得到该点在3D相机拍摄的图像中的位置)，将面阵相机图像中待测闸瓦图像侧平面区域映射到3D相机图像中，从而可以从3D图中提取出待测闸瓦图像侧平面的三维数据，结合系统标定结果，即可获取面阵相机图像中待测闸瓦图像侧平面的深度值，再结合面阵相机的内参，即可获取待测闸瓦图像侧平面在面阵相机坐标系下的三维数据，采用RANSAC算法(随机抽样一致算法)对侧平面的三维数据进行平面拟合，即可获取待测闸瓦图像侧平面的方程。
在S4中，利用所述待测闸瓦图像左右边缘，基于标定计算的得到的转换参数(面阵相机到3D相机的转换，即在面阵相机拍摄的图像中选取一个点，就可以得到该点在3D相机拍摄的图像中的位置)，将面阵相机图像中待测闸瓦图像左右边缘像素映射到3D相机图像中，从而可以从3D图中提取出待测闸瓦图像左右边缘的三维数据。
分别将待测闸瓦图像左右边缘的三维数据带入所述待测闸瓦图像侧平面的方程中，剔除不在待测闸瓦图像侧平面上的三维数据，得到校正后的待测闸瓦左右边缘三维数据；对待测闸瓦左右边缘三维数据进行三次B样条拟合，即可获取完整的待测闸瓦图像上下边缘曲线。
在S5中，对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到闸瓦上左边缘圆形方程；遍历闸瓦上左边缘的每一个点作为待测点，将待测点所在半径与右边缘曲线的交点记为参考点，计算待测点与参考点之间的距离，通过循环计算左边缘每个待测点和右边缘上对应的参考点的距离，就可以得到一系列的厚度值，根据所述厚度值得到待测闸瓦剩余厚度曲线。
在一个实施例中，提供了一种列车闸瓦剩余厚度测量系统，所述系统包括：
系统标定模块：用于对3D相机和面阵相机进行系统标定，得到坐标转换参数；
闸瓦边缘提取模块：用于搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
闸瓦侧平面提取模块：用于根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
闸瓦侧边缘曲线提取模块：用于获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
闸瓦剩余厚度计算模块：用于对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
上述实施例提供的一种列车闸瓦剩余厚度测量系统，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
对3D相机和面阵相机进行系统标定，得到坐标转换参数；
搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
上述实施例提供的一种计算机设备，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：对3D相机和面阵相机进行系统标定，得到坐标转换参数；
搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
上述实施例提供的一种计算机可读存储介质，其实现原理和技术效果与上述方法实施例类似，在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种列车闸瓦剩余厚度测量方法，其特征在于，所述方法包括：
对3D相机和面阵相机进行系统标定，得到坐标转换参数；
搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
2.根据权利要求1所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述对3D相机和面阵相机进行系统标定，得到坐标转换参数具体为：
L1：3D相机和面阵相机分别获取同一标定板图像，所述标定板包含均匀分布的圆形；
L2：分别提取标定板上每个圆形的中心作为特征点，运用公式(1)进行标定，
其中，Xw,Yw,Zw分别表示标定板上每个角点在标定板的三维坐标，u,v,分别表示标定板上每个角点在3D相机图像坐标系的像素坐标，R为3D相机图像坐标系到标定板物理坐标系的旋转量，T分别表示3D相机图像坐标系到标定板坐标系的平移量；
L3：同理，基于公式(1)求出二维面阵相机图像坐标系到标定板物理坐标系的旋转量R，以及二维面阵相机图像坐标系到标定板坐标系的平移量T。
L4：通过步骤L2将3D图像像素坐标转换到标定板坐标系的棋盘格坐标，再通过步骤L3将所述棋盘格坐标转换到二维面阵图像坐标，得到3D图像像素坐标对应的二维面阵图像上的像素坐标。
3.根据权利要求1所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘具体为：
搭建图像定位网络，将标注后的标准闸瓦图像作为样本输入训练集，通过训练，完成闸瓦图像定位；
扩大闸瓦图像定位区域，在所述闸瓦图像定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘。
4.根据权利要求3所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述剔除噪点的步骤具体为：
P1：获取待测闸瓦图像边缘点；
P2：循环处理每个待测闸瓦图像边缘点，计算每个边缘点5乘5的区域内，该边缘点左右邻域内的像素灰度值的差值，当左邻域灰度值减去右邻域灰度值＜0，则该边缘点为左边缘点；当左邻域灰度值减去右邻域灰度值＞0，则该边缘点为右边缘点；
P3：分别对所述左边缘点和所述右边缘点按照上中下进行分段直线拟合，剔除每一段中偏离拟合直线较远的噪点。
5.根据权利要求1所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程具体为：
根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，其中，所述待测闸瓦图像的左右边缘之间的区域即为待测闸瓦图像侧平面；
根据所述坐标转换参数得到所述待测闸瓦图像侧平面的三维数据；
对所述待测闸瓦图像侧平面的三维数据进行平面拟合，得到待测闸瓦图像侧平面的方程。
6.根据权利要求1所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线具体为：
基于所述坐标转换参数，根据待测闸瓦图像左右边缘得到待测闸瓦图像左右边缘三维数据；
将所述待测闸瓦图像左右边缘的三维数据带入所述待测闸瓦图像侧平面的方程，剔除不在待测闸瓦图像侧平面上的三维数据，得到校正后的待测闸瓦左右边缘三维数据；
对所述校正后的待测闸瓦左右边缘三维数据进行三次B样条拟合，得到待测闸瓦图像左右边缘曲线。
7.根据权利要求1所述的一种列车闸瓦剩余厚度测量方法，其特征在于，所述对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线具体为：
对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到闸瓦上左边缘圆形方程；
遍历闸瓦上左边缘的每一个点作为待测点，将待测点所在半径与右边缘曲线的交点记为参考点，计算待测点与参考点之间的距离，得到待测闸瓦剩余厚度曲线。
8.一种列车闸瓦剩余厚度测量系统，其特征在于，所述系统包括：
系统标定模块：用于对3D相机和面阵相机进行系统标定，得到坐标转换参数；
闸瓦边缘提取模块：用于搭建图像定位网络，完成闸瓦图像定位，在定位区域内对待测闸瓦图像进行边缘检测，并剔除噪点，得到待测闸瓦图像左右边缘；
闸瓦侧平面提取模块：用于根据所述待测闸瓦图像的左右边缘得到待测闸瓦图像侧平面，进而得到待测闸瓦图像侧平面的方程；
闸瓦侧边缘曲线提取模块：用于获取待测闸瓦图像左右边缘的三维数据，对所述待测闸瓦图像左右边缘的三维数据进行筛选处理，对所述筛选处理后的待测闸瓦图像左右边缘的三维数据进行拟合，得到待测闸瓦图像左右边缘曲线；
闸瓦剩余厚度计算模块：用于对所述待测闸瓦图像左右边缘曲线进行圆形拟合，得到待测闸瓦剩余厚度曲线。
9.一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种计算机设备，包括存储器、处理器以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权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111214693.0A CN113936055A (zh) | 2021-10-19 | 2021-10-19 | 一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111214693.0A CN113936055A (zh) | 2021-10-19 | 2021-10-19 | 一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113936055A true CN113936055A (zh) | 2022-01-14 |
Family
ID=79280182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111214693.0A Pending CN113936055A (zh) | 2021-10-19 | 2021-10-19 | 一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113936055A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710436A (zh) * | 2024-02-06 | 2024-03-15 | 唐山百川智能机器股份有限公司 | 一种基于无人机载单目相机的闸瓦厚度检测方法 |
-
2021
- 2021-10-19 CN CN202111214693.0A patent/CN113936055A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710436A (zh) * | 2024-02-06 | 2024-03-15 | 唐山百川智能机器股份有限公司 | 一种基于无人机载单目相机的闸瓦厚度检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109737874B (zh) | 基于三维视觉技术的物体尺寸测量方法及装置 | |
| WO2022052313A1 (zh) | 3d结构光系统的标定方法、电子设备及存储介质 | |
| CN110689581A (zh) | 结构光模组标定方法、电子设备、计算机可读存储介质 | |
| CN107316047A (zh) | 图像处理装置、图像处理方法以及存储介质 | |
| JP6937642B2 (ja) | 表面評価方法及び表面評価装置 | |
| CN109407613B (zh) | 三维扫描转台的调节方法、装置、计算机设备和存储介质 | |
| CN110097516B (zh) | 内孔壁面图像畸变纠正方法、系统及介质 | |
| CN105718931A (zh) | 用于确定采集图像中的杂斑的系统和方法 | |
| CN113936055A (zh) | 一种列车闸瓦剩余厚度测量方法、系统、存储介质和计算机设备 | |
| JPH04181106A (ja) | 位置寸法計測装置のキャリブレーション装置 | |
| CN111047552B (zh) | 三维挠度测量方法及相关产品 | |
| CN115953696B (zh) | 立体卫星影像精度质检的方法、装置和电子设备 | |
| CN115239789B (zh) | 用于确定液体体积的方法及装置、存储介质、终端 | |
| CN116912329A (zh) | 一种双目视觉最佳精度测量方法 | |
| CN112734857B (zh) | 相机内参和相机相对激光雷达外参的标定方法及电子设备 | |
| Georgiev et al. | Investigation possibilities for the use of free software for data processing used for accurate measurement details through photogrammetry | |
| CN113884188B (zh) | 一种温度检测方法、装置及电子设备 | |
| CN113450335B (zh) | 一种路沿检测方法、路沿检测装置及路面施工车辆 | |
| Xu | Study on accurate measurement technology for microscopic image | |
| CN114359401A (zh) | 一种标定方法、系统及设备 | |
| KR20190086960A (ko) | 특징 기하 기반의 멀티센서 캘리브레이션 및 융합을 위한 장치 및 방법 | |
| CN109598751B (zh) | 一种医学影像图片处理的方法、设备及装置 | |
| CN109754365B (zh) | 一种图像处理方法及装置 | |
| JPH10318732A (ja) | 形状測定装置及び形状測定用画像形成装置 | |
| CN109215068B (zh) | 图像放大率测量方法及装置 |
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 |