CN114494438A - 基于目标跟踪技术的继电器触点共同振动次数测量方法 - Google Patents
基于目标跟踪技术的继电器触点共同振动次数测量方法 Download PDFInfo
- Publication number
- CN114494438A CN114494438A CN202210093788.XA CN202210093788A CN114494438A CN 114494438 A CN114494438 A CN 114494438A CN 202210093788 A CN202210093788 A CN 202210093788A CN 114494438 A CN114494438 A CN 114494438A
- Authority
- CN
- China
- Prior art keywords
- image
- relay
- common vibration
- contact
- contacts
- 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 54
- 238000005516 engineering process Methods 0.000 title claims abstract description 23
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000012360 testing method Methods 0.000 claims abstract description 14
- 230000033001 locomotion Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 27
- 230000003068 static effect Effects 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000003628 erosive effect Effects 0.000 claims description 2
- 238000005259 measurement Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical group [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 3
- 238000005381 potential energy Methods 0.000 description 3
- 235000014676 Phragmites communis Nutrition 0.000 description 2
- 238000005299 abrasion Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005489 elastic deformation Effects 0.000 description 1
- 230000017525 heat dissipation Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000010355 oscillation Effects 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
- G06T7/70—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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration by the use of local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G06T5/70—
-
- 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
- G06T7/10—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
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- 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
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Abstract
本发明提供了基于目标跟踪技术的继电器触点共同振动次数测量方法,涉及继电器参数的测试技术领域,包括以下步骤:步骤一:固定继电器;步骤二:采集图像;步骤三:对图像进行预处理;步骤四:对处理后的图像进行特征识别;步骤五:绘制出位移曲线;步骤六:根据曲线波形得到触点的共同振动次数。本发明通过CCD图像采集装置采集继电器运动周期的图像,运用计算机目标检测与跟踪技术对图像中的继电器触点进行识别和跟踪,通过动态跟踪来能够实现目前人工测量难以完成的继电器触点共同振动次数的测量。
Description
技术领域
本发明涉及继电器参数的测试领域,尤其涉及基于目标跟踪技术的继电器触点共同振动次数测量方法。
背景技术
继电器是具有隔离功能的自动开关元件,它具有输入回路(控制电路)和输出回路(工作电路)两部分,利用输入回路内电流在电磁铁铁芯与衔铁间产生的吸力作用而工作来控制输出回路工作的一种电气继电器,因其具有转换深度高、物理隔离性能好等优点,广泛应用于自动控制系统、电力保护系统以及通信系统中,电气、通信、铁路、航天等领域常用的开关器件之一,起到控制、检测、保护和调节等至关重要的作用。因此,对于继电器性能参数的研究与检测一直以来都是继电器研究的重点内容之一,尤其是在继电器制造企业中,继电器的各类参数是评价一台继电器合格与否的重要标准。
继电器触点的共同振动次数是继电器的一个重要的参数。在继电器释放过程中,动触点的重力势能会转化为动能,撞击下静触点,而静触点簧片存在弹性,进而动静触点会在一起发生共同振动,共同振动时释放出的动能一部分转化为热能,一部分消耗于触点的弹性变形和塑性变形,当动静触点共同下降至最低点时,动能为零,弹性势能最大,动静触点由于弹性势能而共同弹起,不断重复上述过程,发生共同振动,由于热能的释放,共同振动幅度不断降低,直至最终达到稳定。该过程为释放过程的触点共同振动,在整个过程中继电器动静触点所重复的共同振动的次数称为继电器的触点共同振动次数。继电器触点的共同振动次数与触点的磨损有着密切联系,共同振动次数过多会导致触点磨损增大,共同振动过程中热量的散发也可能会导致触点形变以及表面形貌改变,过多的共同振动次数也会大大降低簧片的弹性,对于继电器的寿命以及可靠工作产生很大的影响;此外,共同振动次数也会对于继电器在工作过程中的稳定产生影响,共同振动次数越大,意味着继电器需要更长的时间恢复稳定,工作效率和可靠性降低。目前,针对于继电器共同振动次数的测量,并没有合适的测量方法,通常只能采用人工观测的方法。由于继电器尺寸结构比较小,动作时间短,通过人工观测的方法显然并不能准确的测得继电器的共同振动次数,误差较大,效率较低,而且受到人的主观影响较大,更难以满足现代工业化生产和检测的要求。
计算机目标检测与跟踪技术是采用例如图像采集装置、光照系统、数字图像处理等共同对图像进行预处理、边缘检测、特征识别、多目标跟踪的技术与方法,具有精度高、效率快、鲁棒性好、操作简单、测量、对继电器影响小等优点,逐渐广泛应用于继电器参数测量领域。
因此,设计基于目标跟踪技术的继电器触点共同振动次数测量方法成为了本领域技术人员亟待解决的技术问题。
发明内容
本发明所要解决的技术问题是克服现有技术中存在的不足,提供基于目标跟踪技术的继电器触点共同振动次数测量方法。
本发明是通过以下技术方案予以实现:基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,包括以下步骤:
步骤一:将被测试的继电器固定在试验底座上;
步骤二:通过CCD图像采集装置采集继电器一个运动周期内的图像;
步骤三:对所采集到的图像进行预处理,包括图像灰度化处理,图像去噪处理,图像二值化处理以及图像开运算处理;
步骤四:对处理后的图像进行特征识别,识别出继电器的中间动触点以及上下静触点;
步骤五:在采集的继电器完整运动周期的图像内对所识别的动静触点进行跟踪,得到相应的像素点坐标,并绘制出完整的触点位移曲线;
步骤六:对触点的位移数据和曲线进行分析,根据曲线波形得到触点的共同振动次数。
根据上述技术方案,优选地,步骤一中将继电器固定在试验底座上,设定时间继电器的延时为1.5s,通过时间继电器控制试验底座电源通断,进而控制继电器的稳定动作。
根据上述技术方案,优选地,步骤二具体包括,将CCD图像采集装置架设到继电器正前方,CCD相机镜头与继电器平行等高;在相机左右两侧架设平行光源,开启光源并调节位置使继电器的动静触点区域光线充足,特征明显,静触点反光明显且均匀;设定CCD图像采集装置的拍摄频率为1500张/秒,调节镜头使图片成像清晰;通过电脑控制CCD图像采集装置开始采集图像,并接通时间继电器使试验底座电源得电,继电器得电吸合,1.5s后,时间继电器动作,继电器失电释放,图像采集结束。
根据上述技术方案,优选地,步骤三的图像灰度化处理是将图像采集装置采集到的RGB三通道的彩色图像转化为单通道的灰度图像,减少运算量,为下一步二值化提供基础;图像去噪处理是通过滤波去噪的方法去除掉成像设备以及外部环境干扰对图片产生的噪声;图像二值化处理是采用自适应阈值分割方法设定图像阈值,将灰度图像转化为只有0和255两个像素值的二值化图像;图像开运算处理是为了在二值化后的图像中进一步消除噪声,需要进行开运算,即对图像采用先腐蚀后膨胀的方法进行处理。
根据上述技术方案,优选地,步骤四中是利用自适应边缘检测结合直线拟合进行特征直线检测,识别出继电器的中间动触点及相应的像素点坐标;利用最小外接圆检测在二值化之后的图像上进行识别,识别出上下静触点,并得到静触点的圆心坐标和半径。
根据上述技术方案,优选地,步骤五中对所识别的动静触点进行跟踪具体包括:通过步骤四识别出在第一张图像中的所有目标,分别获取其在当前图像的形状和坐标信息,并分别初始化卡尔曼跟踪器,通过卡尔曼跟踪器对目标在第二张图像中的位置进行预测,继续用步骤四中的方法对第二张图像中的目标进行识别,同样获取其相应的形状和坐标信息,通过马氏距离对预测与实际的位置和形状进行相似度匹配,利用第二张图像中所匹配的目标对卡尔曼跟踪器进行更新,进而继续对下一张图像中的位置进行预测,若没有匹配目标则按照第一张图像的方法对卡尔曼跟踪器重新进行初始化和滤波,后续所有图像都按照上述方法进行跟踪,直至最后一张图像。
根据上述技术方案,优选地,步骤六中根据曲线波形得到触点的共同振动次数,具体包括:设定共同振动阈值,设继电器同一触点在吸合稳定和释放稳定两个时刻的位置分别为h1和h2,两个位置间的距离为h=h1-h2,取1%h作为共同振动的振幅阈值,则共同振动的阈值为hmax=h2+1%h和hmin=h2-1%h,即继电器释放过程中,当触点的位置向上和向下各超出继电器释放稳定后触头位置1%h一次时,即认定继电器触点发生了一次共同振动;通过编程对触点位移波形进行判断,从继电器断电释放开始,若波峰和波谷都超出了共同振动阈值,则共同振动次数加一,直至其不再超出阈值为止,最终结果即为继电器触点的共同振动次数。
本发明的有益效果是:本发明通过CCD图像采集装置采集继电器运动周期的图像,运用计算机目标检测与跟踪技术对图像中的继电器触点进行识别和跟踪,能够准确得到触点的中心坐标,进而可以绘制触点的完整位移曲线,将目标检测与跟踪技术从静态应用到动态,从运动学角度对继电器性能参数进行分析研究,通过动态跟踪来能够实现目前人工测量难以完成的继电器触点共同振动次数的测量。
本发明选用高分辨率的CCD相机镜头和高传输速度的CCD图像传感器,加上亮度和位置可调的平行光源,能够采集到成像清晰、特征明显的继电器图像,通过简单操作电脑即可完成拍摄和测量,使得该测量方法测量精度高、处理速度快、操作简单、易于实现工业化。
附图说明
图1示出了基于目标检测与跟踪技术的继电器触点共同振动次数测量方法流程图;
图2示出了多目标跟踪算法的流程图;
图3示出了实测继电器单个中间动触点完整位移曲线图;
图4示出了实测继电器单个中间动触点释放后位移曲线图。
图中:1、动触点位移曲线;2、共同振动的最大阈值;3、共同振动的最小阈值。
具体实施方式
为了使本技术领域的技术人员更好地理解本发明的技术方案,下面结合附图和最佳实施例对本发明作进一步的详细说明。
如图1所示,本发明提供了基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,包括以下步骤:
步骤一:将被测试的继电器固定在试验底座上;
步骤二:通过CCD图像采集装置采集继电器一个运动周期内的图像;
步骤三:对所采集到的图像进行预处理,包括图像灰度化处理,图像去噪处理,图像二值化处理以及图像开运算处理;
步骤四:对处理后的图像进行特征识别,识别出继电器的中间动触点以及上下静触点;
步骤五:在采集的继电器完整运动周期的图像内对所识别的动静触点进行跟踪,得到相应的像素点坐标,并绘制出完整的触点位移曲线;
步骤六:对触点的位移数据和曲线进行分析,根据曲线波形得到触点的共同振动次数。
根据上述实施例,优选地,步骤一中将继电器固定在试验底座上,设定时间继电器的延时为1.5s,通过时间继电器控制试验底座电源通断,进而控制继电器的稳定动作。
根据上述实施例,优选地,步骤二具体包括,将CCD图像采集装置架设到继电器正前方,CCD相机镜头与继电器平行等高;在相机左右两侧架设平行光源,开启光源并调节位置使继电器的动静触点区域光线充足,特征明显,静触点反光明显且均匀;设定CCD图像采集装置的拍摄频率为1500张/秒,调节镜头使图片成像清晰;设定时间继电器的延时为1.5s,通过电脑控制CCD图像采集装置开始采集图像,并接通时间继电器使试验底座电源得电,继电器得电吸合,1.5s后,时间继电器动作,继电器失电释放,图像采集结束,将采集到的图像通过CCD图像传感器传输到计算机中进行下一步处理。
根据上述实施例,优选地,步骤三的
图像灰度化处理是将图像采集装置采集到的RGB三通道的彩色图像转化为单通道的灰度图像,设图像中每一个像素点的像素值为R=G=B,按一定的权重对R、G、B的值进行加权最终定为该像素点的灰度值,遍历所有像素点则图像变为灰度图像。转换公式为:,其中分别为R、G、B的权重,其中,,,这样可以减少运算量,为下一步二值化提供基础;
图像去噪处理是通过滤波去噪的方法去除掉成像设备以及外部环境干扰对图片产生的噪声;选定高斯滤波器对图像进行滤波去噪处理,其相应的模板系数(即权重),随着与模板中心距离的增大而减小(服从二维高斯分布,即)。在计算过程中,选择二维零均值的高斯分布函数(即和均为0),将像素点周边各个位置的像素点坐标代入二维零均值高斯分布函数,即可求得模板系数和系数矩阵,将各点像素值乘以模板系数并将乘积相加,即为最终改点滤波后的像素值。
图像二值化处理是采用自适应阈值分割方法设定图像阈值,将灰度图像转化为只有0和255两个像素值的二值化图像;采用自适应的方法进行阈值分割确定,做出图像中所有像素值的分布直方图,把每一个像素值都作为阈值进行划分,分别求出图像中小于和大于阈值的像素点所占比例以及各自的平均像素值,再求每个阈值下的类内方差,使得类内方差最小的阈值即为所求阈值,再将图像中小于阈值的像素点全部置0,即为黑色,大于阈值的像素点全部置为255,即为白色,则得到了对应的二值化图像;
图像开运算处理是为了在二值化后的图像中进一步消除噪声,需要进行开运算,即对图像采用先腐蚀后膨胀的方法进行处理,可以消除掉图像中存在的一些微小的噪声点,将目标与其他微小物体的边界分离,平滑目标边界,便于后期的识别和跟踪。
根据上述实施例,优选地,步骤四中是利用自适应边缘检测结合直线拟合进行特征直线检测,识别出继电器的中间动触点及相应的像素点坐标;由于光照原因,静触点反光明显,二值化后的图像上每个静触点非常明显,易于识别,可以利用轮廓检测以及最小外接圆检测在二值化之后的图像上进行识别,识别出上下静触点,并得到静触点的圆心坐标和半径。
如图2所示,以识别出的动静触点为模板,对所识别的动静触点进行多目标跟踪,步骤五中对所识别的动静触点进行跟踪具体包括:通过步骤四识别出在第一张图像中的所有目标,分别获取其在当前图像的形状和坐标信息,并分别初始化卡尔曼跟踪器,通过卡尔曼跟踪器对目标在第二张图像中的位置进行预测,继续用步骤四中的方法对第二张图像中的目标进行识别,同样获取其相应的形状和坐标信息,通过马氏距离对预测与实际的位置和形状进行相似度匹配,计算公式为:,通过匹配结果获取目标,利用第二张图像中所匹配的目标对卡尔曼跟踪器进行更新,输出当前状态的最优估计值和卡尔曼增益值,并通过输出值继续对继续对下一张图像中的位置(即当前状态最优估计值)进行预测,卡尔曼跟踪器预测当前状态最优估计值的计算公式为:,其中为实际的测量值。若没有匹配目标则按照第一张图像的方法对卡尔曼跟踪器重新进行初始化和滤波,后续所有图像都按照上述方法进行跟踪,直至最后一张图像并根据所得数据绘制出完整的触点位移曲线。这种算法能够更好应对复杂背景的干扰,实现同时对多个目标的连续、实时、准确的跟踪,增加实效性,提高跟踪的鲁棒性和准确性,而且计算量相对较小、运算速度快。图3中的曲线1为其中一个动触点的位移曲线。
根据上述实施例,优选地,步骤六中根据曲线波形得到触点的共同振动次数,具体包括:设定共同振动阈值,设继电器同一触点在吸合稳定和释放稳定两个时刻的位置分别为h1和h2,两个位置间的距离为h=h1-h2,取1%h作为共同振动的振幅阈值,则共同振动的阈值为hmax=h2+1%h和hmin=h2-1%h,即继电器释放过程中,当触点的位置向上和向下各超出继电器释放稳定后触头位置1%h一次时,即认定继电器触点发生了一次共同振动;该触点在吸合稳定时刻的像素点坐标为h1=828.95,释放稳定时刻的像素点坐标为h2=758.02,则共同振动的振幅阈值为0.01*(828.95-758.02)=0.7093,则共同振动的阈值为hmax=758.02+0.7093=758.7293和hmin=758.02-0.7093=757.3107,如图3中直线2和3所示,故在继电器释放过程中,当触头的位置向上超出758.7293和向下超出757.3107时,认为继电器触头发生了一次共同振动;
通过编程对触点位移波形进行判断,从继电器断电释放开始,若波峰和波谷都超出了共同振动阈值,则共同振动次数加一,直至其不再超出阈值为止,最终结果即为继电器触点的共同振动次数。相应的曲线放大后如图4所示,若波峰和波谷都超出了共同振动阈值,则共同振动次数加一,直至其不再超出阈值为止,则最终继电器触点的共同振动次数为6次。
本发明的有益效果是:本发明通过CCD图像采集装置采集继电器运动周期的图像,运用计算机目标检测与跟踪技术对图像中的继电器触点进行识别和跟踪,能够准确得到触点的中心坐标,进而可以绘制触点的完整位移曲线,将目标检测与跟踪技术从静态应用到动态,从运动学角度对继电器性能参数进行分析研究,通过动态跟踪来能够实现目前人工测量难以完成的继电器触点共同振动次数的测量。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,包括以下步骤:
步骤一:将被测试的继电器固定在试验底座上;
步骤二:通过CCD图像采集装置采集继电器一个运动周期内的图像;
步骤三:对所采集到的图像进行预处理,包括图像灰度化处理,图像去噪处理,图像二值化处理以及图像开运算处理;
步骤四:对处理后的图像进行特征识别,识别出继电器的中间动触点以及上下静触点;
步骤五:在采集的继电器完整运动周期的图像内对所识别的动静触点进行跟踪,得到相应的像素点坐标,并绘制出完整的触点位移曲线;
步骤六:对触点的位移数据和曲线进行分析,根据曲线波形得到触点的共同振动次数。
2.根据权利要求1所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤一中将继电器固定在试验底座上,设定时间继电器的延时为1.5s,通过时间继电器控制试验底座电源通断,进而控制继电器的稳定动作。
3.根据权利要求2所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤二具体包括,
将CCD图像采集装置架设到继电器正前方,CCD相机镜头与继电器平行等高;
在相机左右两侧架设平行光源,开启光源并调节位置使继电器的动静触点区域光线充足,特征明显,静触点反光明显且均匀;
设定CCD图像采集装置的拍摄频率为1500张/秒,调节镜头使图片成像清晰;
通过电脑控制CCD图像采集装置开始采集图像,并接通时间继电器使试验底座电源得电,继电器得电吸合,1.5s后,时间继电器动作,继电器失电释放,图像采集结束。
4.根据权利要求1所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤三的
图像灰度化处理是将图像采集装置采集到的RGB三通道的彩色图像转化为单通道的灰度图像,减少运算量,为下一步二值化提供基础;
图像去噪处理是通过滤波去噪的方法去除掉成像设备以及外部环境干扰对图片产生的噪声;
图像二值化处理是采用自适应阈值分割方法设定图像阈值,将灰度图像转化为只有0和255两个像素值的二值化图像;
图像开运算处理是为了在二值化后的图像中进一步消除噪声,需要进行开运算,即对图像采用先腐蚀后膨胀的方法进行处理。
5.根据权利要求1所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤四中是
利用自适应边缘检测结合直线拟合进行特征直线检测,识别出继电器的中间动触点及相应的像素点坐标;
利用最小外接圆检测在二值化之后的图像上进行识别,识别出上下静触点,并得到静触点的圆心坐标和半径。
6.根据权利要求1所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤五中对所识别的动静触点进行跟踪具体包括:
通过步骤四识别出在第一张图像中的所有目标,分别获取其在当前图像的形状和坐标信息,并分别初始化卡尔曼跟踪器,通过卡尔曼跟踪器对目标在第二张图像中的位置进行预测,继续用步骤四中的方法对第二张图像中的目标进行识别,同样获取其相应的形状和坐标信息,通过马氏距离对预测与实际的位置和形状进行相似度匹配,利用第二张图像中所匹配的目标对卡尔曼跟踪器进行更新,进而继续对下一张图像中的位置进行预测,若没有匹配目标则按照第一张图像的方法对卡尔曼跟踪器重新进行初始化和滤波,后续所有图像都按照上述方法进行跟踪,直至最后一张图像。
7.根据权利要求1所述的基于目标跟踪技术的继电器触点共同振动次数测量方法,其特征在于,所述步骤六中根据步骤三中的曲线波形得到触点的共同振动次数,具体包括:
设定共同振动阈值,设继电器同一触点在吸合稳定和释放稳定两个时刻的位置分别为h1和h2,两个位置间的距离为h=h1-h2,取1%h作为共同振动的振幅阈值,则共同振动的阈值为hmax=h2+1%h和hmin=h2-1%h,即继电器释放过程中,当触点的位置向上和向下各超出继电器释放稳定后触头位置1%h一次时,即认定继电器触点发生了一次共同振动;
通过编程对触点位移波形进行判断,从继电器断电释放开始,若波峰和波谷都超出了共同振动阈值,则共同振动次数加一,直至其不再超出阈值为止,最终结果即为继电器触点的共同振动次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093788.XA CN114494438A (zh) | 2022-01-26 | 2022-01-26 | 基于目标跟踪技术的继电器触点共同振动次数测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210093788.XA CN114494438A (zh) | 2022-01-26 | 2022-01-26 | 基于目标跟踪技术的继电器触点共同振动次数测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114494438A true CN114494438A (zh) | 2022-05-13 |
Family
ID=81477407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210093788.XA Pending CN114494438A (zh) | 2022-01-26 | 2022-01-26 | 基于目标跟踪技术的继电器触点共同振动次数测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114494438A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115584A (zh) * | 2022-06-07 | 2022-09-27 | 河北工业大学 | 一种基于图像识别跟踪技术的继电器接点压力测量方法 |
CN115355836A (zh) * | 2022-08-18 | 2022-11-18 | 西安铁路信号有限责任公司 | 一种继电器绝对间隙的测量方法 |
-
2022
- 2022-01-26 CN CN202210093788.XA patent/CN114494438A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115115584A (zh) * | 2022-06-07 | 2022-09-27 | 河北工业大学 | 一种基于图像识别跟踪技术的继电器接点压力测量方法 |
CN115115584B (zh) * | 2022-06-07 | 2024-03-29 | 河北工业大学 | 一种基于图像识别跟踪技术的继电器接点压力测量方法 |
CN115355836A (zh) * | 2022-08-18 | 2022-11-18 | 西安铁路信号有限责任公司 | 一种继电器绝对间隙的测量方法 |
CN115355836B (zh) * | 2022-08-18 | 2023-12-19 | 西安铁路信号有限责任公司 | 一种继电器绝对间隙的测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nayar et al. | Shape from focus: An effective approach for rough surfaces | |
CN114494438A (zh) | 基于目标跟踪技术的继电器触点共同振动次数测量方法 | |
CN109459750B (zh) | 一种毫米波雷达与深度学习视觉融合的前方多车辆跟踪方法 | |
CN107014294B (zh) | 一种基于红外图像的接触网几何参数检测方法及系统 | |
CN106886216B (zh) | 基于rgbd人脸检测的机器人自动跟踪方法和系统 | |
CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
JP2014229303A (ja) | シーン内の物体を検出する方法 | |
CN107764271B (zh) | 一种基于光流的可见光视觉动态定位方法及系统 | |
Yang et al. | An automatic aperture detection system for LED cup based on machine vision | |
CN108582075A (zh) | 一种智能机器人视觉自动化抓取系统 | |
CN113177924A (zh) | 一种工业流水线产品瑕疵检测方法 | |
CN108364306B (zh) | 一种高速周期运动的视觉实时检测方法 | |
CN110458785B (zh) | 一种基于图像传感的磁悬浮球悬浮间隙检测方法 | |
CN112338898B (zh) | 物体分选系统的图像处理方法、装置及物体分选系统 | |
CN114387262A (zh) | 一种基于机器视觉的螺母定位检测方法、装置及系统 | |
CN110334727B (zh) | 一种隧道裂缝智能匹配检测方法 | |
KR101594113B1 (ko) | 스케일을 고려한 이미지 패치 추적 장치 및 방법 | |
CN112075876A (zh) | 基于机器视觉的产线智能吸尘机器人 | |
CN114862786A (zh) | 基于Retinex图像增强和Ostu阈值分割的隔离带检测方法及系统 | |
CN111473944B (zh) | 观测流场中存在复杂壁面的piv数据修正方法、装置 | |
CN115355836B (zh) | 一种继电器绝对间隙的测量方法 | |
Liao et al. | Surface defect detection of Si3N4 ceramic bearing ball based on improved homomorphic filter-Gaussian filter coupling algorithm | |
CN208623750U (zh) | 智能工业相机 | |
Tsiakmakis et al. | An improved tracking technique for visual measurements of ionic polymer–metal composites (IPMC) actuators using Compute Unified Device Architecture (CUDA) | |
CN117036348B (zh) | 基于图像处理和裂纹识别模型的金属疲劳裂纹检测方法 |
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 |