CN114140394A - 一种非接触式的基于图像处理技术的弓网接触力检测方法 - Google Patents

Abstract

本发明公开了一种非接触式的基于图像处理技术的弓网接触力检测方法，与传统的检测方法相比，该方法设备安装简单、具有实时性和非接触性的特点，可以避免检测时对受电弓弓头进行改造、保证其原始的动态性能；同时更加自动化、智能化，检测灵活度高，准确性高；并且行车干扰小，适用于长距离、长时间和环境条件恶劣下的连续跟踪检测。通过多组地面动态实验，验证了此方法的有效性和准确性，在经过惯性力和阻尼力的修正之后检测精度远远满足弓网接触力的检测精度，进一步丰富了目前在非接触式测量领域弓网接触力检测方法的研究，同时可以为弓网受流质量的评估和实时故障监测提供准确的接触力数据。

Description

一种非接触式的基于图像处理技术的弓网接触力检测方法

技术领域

本发明涉及，具体涉及一种非接触式的基于图像处理技术的弓网接触力检 测方法。

背景技术

伴随我国轨道交通领域的蓬勃发展，日常运行的各类轨道交通列车也越来 越多，因此对于轨道列车弓网系统的状态检测也越来越重要。接触网和受电弓 是电气化铁路供电系统中的重要组成部分，其中弓网之间的动态接触又是保证 电力机车良好受流的关键条件，所以寻求良好的弓网关系是铁路供电系统设计 的一个关键。其基础的工作就是要对弓网系统进行实时、高效、准确的检测。 而作为直接反映弓网系统的受流质量，接触网与受电弓之间的动态接触力又是 检测中的重中之重。为了合理的评估弓网系统动态和受流性能，需要实时对弓 网间接触力进行准确的检测。就现有的弓网接触力检测方法而言，传统检测方 法需要改变受电弓结构或传感器安装不方便，而对于非接触式的接触力检测方 法研究较少。因此，本文提出一种基于图像处理和深度学习理论结合的弓网动 态接触力检测方法，可以避免改变受电弓结构，不影响其动力学性能，且能实 现长期跟踪服役，检测精度较高，为高速铁路弓网系统的安全运行提供了技术 保障。

目前基于图像检测弓网接触力的文献较少。现有技术中采用图像处理技术 检测标记点相对位移继而检测出弓网间接触力，此方法是采用线阵传感器直接 拍摄得到弓头标记点位移，如图2。然后基于得到的位移求出弓头加速度，根据 弓头平衡方程得出接触力。

发明内容

针对现有技术中的上述不足，本发明提供了一种非接触式的基于图像处理 技术的弓网接触力检测方法。

为了达到上述发明目的，本发明采用的技术方案为：

一种非接触式的基于图像处理技术的弓网接触力检测方法，包括如下步骤：

S1、构建检测系统并调试系统参数，利用构建好的检测系统获取受电弓振 动图像并进行预处理；

S2、将获取的第一帧图像作为样本图像提取标记点的匹配模板，并根据受 电弓振动图像截取标记点粗定位图像；

S3、利用模板匹配算法计算匹配模板与粗定位图像的最大匹配误差，计算 相关性最大的区域；

S4、导出每一张图中标记点的位置，对图像中像素坐标转换为世界坐标得 到弓头的相对位移变化曲线，根据弓头的相对位移变化计算得到弓网接触力。

上述方案的有益效果是，该方法设备安装简单、具有实时性和非接触性的 特点，可以避免检测时对受电弓弓头进行改造、保证其原始的动态性能；同时 更加自动化、智能化，检测灵活度高，准确性高；并且行车干扰小，适用于长 距离、长时间和环境条件恶劣下的连续跟踪检测。

进一步的，所述检测系统包括高速相机、LED补光灯、弓头标记点和数据 接收计算机，其中，所述弓头标记点设置于受电弓上，所述高速相机连接所述 数据接收计算机，用于获取弓头标记点的图像数据并将其传输至所述数据接收 计算机进行存储和计算，所述LED补光灯用于对弓头标记点进行补光。

上述进一步方案的有益效果是，高速相机能满足弓头高频振动时对图像采 集帧率的精度要求；补光灯可以极大改善拍摄图片的质量，提高后续算法识别 精度。

进一步的，其特征在于，所述S1中预处理的方式包括灰度处理和中值滤波， 用于降低光线和噪声的干扰。

上述进一步方案的有益效果是，降低由于光线和噪声的干扰，便于之后的 模板匹配。

进一步的，所述S2具体为：

S21、由检测的第一帧图像作为样本图像提取标记点的匹配模板；

S22、根据图像中像素位置信息截取标记点的粗定位图像。

上述进一步方案的有益效果是，用预先分离出的模板与原图进行比较，以 快速确定出标记点在原图中的位置并提取该区域，简化计算量的同时提高计算 效率。

进一步的，所述S3具体为：

S31、将匹配模板在粗定位图像上进行移动；

S32、计算匹配模板在粗定位图像上移动之后形成的覆盖区域的相似性；

S33、根据步骤S32计算的相似性的大小判断匹配模板的位置。

上述进一步方案的有益效果是，使用欧氏距离判别相似性大小，原理简单， 运算简单。

进一步的，所述S32中相似性计算的方式为：

其中，T(m,n)为匹配模板图像，m,n为匹配模板图像的尺寸，S_ij为粗定位 图像中的子图区域，i,j为子图区域在粗定位图像上的坐标且1≤i≤ W–m，1≤j≤H–n，H和W分别为原图的高和宽，M、N为粗定位图像尺 寸。

进一步的，所述S33中通过互相关函数判断相似性大小，具体方式为：

其中，R(i,j)为互相关函数。

进一步的，所述S3中匹配模板图像在粗定位图像中每移动一个像素即可得 到一个互相关函数取值，当互相关函数取值最大时即为弓头标记的位置。

上述进一步方案的有益效果是，准确找到弓头标记点，达到像素级精度。

进一步的，所述弓网接触力的计算方式表示为：

F_c＝F_b+F_a+F_I+F_ξ；

其中，F_c为弓网接触力、F_b为弓头滑板和框架间的内力，F_a为气动力，F_I为 惯性力，F_ξ为阻尼力。

附图说明

图1为本发明非接触式的基于图像处理技术的弓网接触力检测方法流程示 意图。

图2为现有技术中线阵传感器检测标记点的效果示意图。

图3为本发明实施例受电弓分析模型结构示意图。

图4为本发明实施例检测系统结构示意图。

图5为本发明实施例弓网动态接触力对比图

具体实施方式

下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理 解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的 普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精 神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保 护之列。

一种非接触式的基于图像处理技术的弓网接触力检测方法，如图1所示， 包括如下步骤：

S1、构建检测系统并调试系统参数，利用构建好的检测系统获取受电弓振 动图像并进行预处理；

本实施例里，如图4所示，检测系统包括高速相机、LED补光灯、弓头标 记点和数据接收计算机，其中，所述弓头标记点设置于受电弓上，所述高速相 机连接所述数据接收计算机，用于获取弓头标记点的图像数据并将其传输至所 述数据接收计算机进行存储和计算，所述LED补光灯用于对弓头标记点进行补 光。

S2、将获取的第一帧图像作为样本图像提取标记点的匹配模板，并根据受 电弓振动图像截取标记点粗定位图像；

本实施例里，考虑直接从原图上进行计算所带来的计算量巨大，因此用预 先分离出的模板与原图进行比较，以快速确定出标记点在原图中的位置并提取 该区域，简化计算量的同时提高计算效率，具体方式为：

S21、由检测的第一帧图像作为样本图像提取标记点的匹配模板；

S22、根据图像中像素位置信息截取标记点的粗定位图像。

S3、利用模板匹配算法计算匹配模板与粗定位图像的最大匹配误差，计算 相关性最大的区域；

本实施例里，模板匹配原理简单而言就是在一幅大图像中搜寻一幅已知的 小图像。已知该图中有要找的目标，且该目标同模板有相同的尺寸、方向和图 像，通过一定的算法可以在图中找到目标，确定其坐标位置。算法思想为，将 搜索模板T(m×n个像素)叠放在被搜索的图像S(W×H个像素)上平移， 搜索图像上被模板图像覆盖的那块区域叫子图Sij。i，j为子图左上角在被搜索 图S上的坐标，搜索范围是：1≤i≤W–m，1≤j≤H–n，具体方式为：

S31、将匹配模板在粗定位图像上进行移动；

S32、计算匹配模板在粗定位图像上移动之后形成的覆盖区域的相似性；

通过比较T和Sij的相似性，完成模板匹配过程，衡量模板T和子图Sij的 匹配程度,可用下列两种测度:

或者

展开前面第一个式子，有：

其中，T(m,n)为匹配模板图像，m,n为匹配模板图像的尺寸，S_ij为粗定位 图像中的子图区域，i,j为子图区域在粗定位图像上的坐标且1≤i≤W–m，1≤j≤H–n，H和W分别为原图的高和宽，M、N为粗定位图像尺 寸，D(i,j)为欧氏距离的展开式。

从展开的公式中可以看出，中间第二项是一个常数，也就是只和模板有关 系；第一项是模板覆盖下那块子图像的能量,它随(i,j)位置而缓慢改变。第三项是 子图像和模板的互相关函数,随(i,j)变化而迅速改变。

S33、根据步骤S32计算的相似性的大小判断匹配模板的位置，本实施例里 采用互相关函数判断相似性大小，具体表示为：

或者归一化为：

R(i,j)是一个互相关函数，取绝对值是在0-1之间，0代表最不相关，1代 表最相关，模板匹配算法中随着模板在原图中移动，每移动一个像素算取一个 R(i,j)值，其中最大的值的位置就是我们要找的那个最佳匹配位置，即弓头标记 点的位置。

S4、导出每一张图中标记点的位置，对图像中像素坐标转换为世界坐标得 到弓头的相对位移变化曲线，根据弓头的相对位移变化计算得到弓网接触力。

为了减少研究变量，方便测量，本文以受电弓滑板及弓头支架组成的弓头 结构为研究对象。利用图像处理技术识别标记点的坐标位置信息，获取弓头的 振动位移，即弓头弹簧的变形量。进一步通过数据处理方法得到弓头的振动加 速度，基于弓头受力平衡方程从而得到弓网间的动态接触力。

如图3所示的受电弓的分析模型，其上受力包括接触力F_c、弓头滑板和框 架间的内力F_b、气动力F_a、阻尼力F_ξ和惯性力F_i。因此，弓头力平衡方程如下：

F_c＝F_b+F_a+F_I+F_ξ；

上述公式表明，表明接触力F_c可以通过F_b、F_a、F_ξ和F_i求和得到。对于气 动力F_a可以通过风洞实验得到。因此，只需要测量弓头的内力F_b、阻尼力F_ξ 和惯性力F_a就可以得到弓头的接触力F_c。

当不考虑弓头与支撑件间的摩擦力时，内力F_b由弹簧反力F_bi(i＝1,2,…,n)组成，即内力可通过弓头弹簧的等效刚度k与弹簧形变量△x的乘积得到。所以， 内力可表示为：

式中：

K_i为第i个弹簧的刚度系数；

△x为第i个弹簧的形变.

惯性力的测量通过以下公式在低频范围内得到：

F_I＝ma；

式中：

m为弓头的等效质量；

a为弓头滑板的加速度.

如果需要测量高频振动时的惯性力，由于弓头的柔性变形不可忽略，则必 须弓头上多个位置的加速度与其相应的等效质量的乘积来求得：

实验验证

根据GB/T 32592-2016，分别在是否考虑惯性力和是否考虑阻尼力的情况下 对图像检测的接触力和实际接触力做了比较，对比结果见表1。

表1动态实验接触力统计结果

从表1可以看到，不考虑惯性力修正时，测量值与实际值的接触力差别较 大，其中最大值、标准差的相对误差达到了15.58％、52.84％，误差已经不容忽 视，所以测量接触压力时必须考虑惯性力的影响。不考虑阻尼力修正时，从数 据来看对于弓网接触压力的影响相较于惯性力来说较小，最大值和标准差的相 对误差为4.54％和5.94％。

对于进行了惯性力和阻尼力修正后的数据，由图5可以看出通过图像处理 方法检测出的接触力与实际值的波形吻合度较好。从表1统计值中可以看到， 检测的动态接触压力的标准差在16.20左右，与实际值的误差仅为4.58％，而且 最大值和平均值的最大相对误差仅为5.46％和5.15％，远小于检测误差所要求的 10％，由此说明通过非接触式的图像处理技术检测弓网间接触压力的方法是有效 的。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的 流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框 图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。 可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他 可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程 数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程 和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备 以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的 指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流 程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使 得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理， 从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程 或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本发明中应用了具体实施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。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理 解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和 实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种 不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明 的保护范围内。

Claims (9)

1.一种非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，包括如下步骤：

S1、构建检测系统并调试系统参数，利用构建好的检测系统获取受电弓振动图像并进行预处理；

S2、将获取的第一帧图像作为样本图像提取标记点的匹配模板，并根据受电弓振动图像截取标记点粗定位图像；

S3、利用模板匹配算法计算匹配模板与粗定位图像的最大匹配误差，计算相关性最大的区域；

S4、导出每一张图中标记点的位置，对图像中像素坐标转换为世界坐标得到弓头的相对位移变化曲线，根据弓头的相对位移变化计算得到弓网接触力。

2.根据权利要求1所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述检测系统包括高速相机、LED补光灯、弓头标记点和数据接收计算机，其中，所述弓头标记点设置于受电弓上，所述高速相机连接所述数据接收计算机，用于获取弓头标记点的图像数据并将其传输至所述数据接收计算机进行存储和计算，所述LED补光灯用于对弓头标记点进行补光。

3.根据权利要求1所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S1中预处理的方式包括灰度处理和中值滤波，用于降低光线和噪声的干扰。

4.根据权利要求3所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S2具体为：

S21、由检测的第一帧图像作为样本图像提取标记点的匹配模板；

S22、根据图像中像素位置信息截取标记点的粗定位图像。

5.根据权利要求4所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S3具体为：

S31、将匹配模板在粗定位图像上进行移动；

S32、计算匹配模板在粗定位图像上移动之后形成的覆盖区域的相似性；

S33、根据步骤S32计算的相似性的大小判断匹配模板的位置。

6.根据权利要求5所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S32中相似性计算的方式为：

其中，T(m，n)为匹配模板图像，m，n为匹配模板图像的尺寸，S_ij为粗定位图像中的子图区域，i，j为子图区域在粗定位图像上的坐标且1≤i≤W-m，1≤j≤H-n，H和W分别为原图的高和宽，M、N为粗定位图像尺寸，D(i，j)为欧氏距离的展开式。

7.根据权利要求6所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S33中通过互相关函数判断相似性大小，具体方式为：

其中，R(i，j)为互相关函数。

8.根据权利要求7所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S3中匹配模板图像在粗定位图像中每移动一个像素即可得到一个互相关函数取值，当互相关函数取值最大时即为弓头标记的位置。

9.根据权利要求8所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述弓网接触力的计算方式表示为：

F_c＝F_b+F_a+F_I+F_ξ；

其中，F_c为弓网接触力、F_b为弓头滑板和框架间的内力，F_a为气动力，F_I为惯性力，F_ξ为阻尼力。

Images