CN115761509A - 基于图像识别的多测点轨道形位病害测量方法 - Google Patents
基于图像识别的多测点轨道形位病害测量方法 Download PDFInfo
- Publication number
- CN115761509A CN115761509A CN202211510329.3A CN202211510329A CN115761509A CN 115761509 A CN115761509 A CN 115761509A CN 202211510329 A CN202211510329 A CN 202211510329A CN 115761509 A CN115761509 A CN 115761509A
- Authority
- CN
- China
- Prior art keywords
- rail
- track
- monitoring target
- image
- monitoring
- 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
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及一种基于图像识别的多测点轨道形位病害测量方法,包括:S1、在左右两根钢轨的侧面,分别布置若干监测靶标;S2、采集初始监测靶标图像,并将初始图像中的各监测靶标的位置数据转换为平面X0Y坐标系数据;S3、将当前图像和原始图像进行对比,获取当前图像中的监测靶标和原始图像的中的监测靶标在X与Y方向上位移的变化量,得到轨道高低不平顺、轨道水平不平顺以及轨道线路爬行公式;S4、将监测数据代入公式计算,并设定相应阈值,当数据超出阈值,进行提示。本发明的方法,将图像信息处理后的数据,经点位符合性对比、算法处理,可同时并直接输出相应轨道形位病害的数据结果,每天能够完成多次测量,及时发现轨道状态变化。
Description
技术领域
本发明涉及轨道检测技术领域,尤其涉及一种基于图像识别的多测点轨道形位病害测量方法。
背景技术
日常铁路轨道养护中,多采用轨道检测小车定期对重点铁路区间进行人工测量作业,检测内容主要包括轨道高低不平顺、水平不平顺等其他常规由轨道高低形位变化引起的病害,定期检测这种测量方式具有周期性,不能及时发现病害的发展情况,且由于检测小车在轨道上进行运动,不能同时对钢轨纵向位移,即轨道爬行进行有效测量。
此外由于铁路线路里程大,可用于线路检修的天窗时间较短,因此对于铁路轨道病害易出现的区域的检测,存在检测不及时、时效性差、经济成本高的问题。
发明内容
本发明要解决的技术问题是:为了解决现有技术采用检测小车对铁路重点区域进行检测,存在检测不及时、时效性差、经济成本高的技术问题。本发明提供一种基于图像识别的多测点轨道形位病害测量方法,将图像信息处理后的数据,经点位符合性对比、算法处理,可同时并直接输出相应轨道形位病害的数据结果,每天能够完成多次测量工作,及时发现轨道状态的变化。本发明解决其技术问题所采用的技术方案是:一种基于图像识别的多测点轨道形位病害测量方法,包括以下步骤:
步骤S1、在铁路的左右两根钢轨的侧面,分别布置两条监控路线,并在两条监控路线上分别布置若干监测靶标;
步骤S2、采集初始监测靶标图像,作为后续图像对比的初始图像,并将初始图像中的各监测靶标的位置数据转换为平面X0Y坐标系数据;
步骤S3、将当前图像和原始图像进行对比,获取当前图像中的监测靶标和原始图像的中的监测靶标在X与Y方向上位移的变化量,得到轨道高低不平顺、轨道水平不平顺以及轨道线路爬行公式;
步骤S4、对轨道高低不平顺、轨道水平不平顺以及轨道线路爬行设定相应阈值,当数据超出阈值时,进行预警提示。
进一步地,所述步骤S1中,两条监控路线分别为左侧钢轨监控路线LL和右侧钢轨监控路线LR,所述左侧钢轨监控路线LL上的监测靶标为LLi,所述右侧钢轨监控路线LR上的监测靶标为LRi,i的取值范围为0-n。
进一步地,所述步骤S2中,通过摄像机采集初始监测靶标的图像。
进一步地,所述步骤S2中,根据各监测靶标的实际尺寸,对图像中不同位置处,监测靶标所占区域的像素,进行长度尺寸的标定,选取任一监测靶标为基准点,设定铁路的上行方向为X轴的正方向,铁路的向上方向为Y轴的正方向,建立X0Y坐标系。
进一步地,所述步骤S3中,左侧钢轨上各监测靶标在X与Y方向上位移的变化量为:
右侧钢轨上各监测靶标在X与Y方向上位移的变化量:
在公式(1)中,LLxi为当前图像左侧钢轨上i监测靶标的X坐标数据,LLxi0为原始图像左侧钢轨上i监测靶标的X坐标数据,ΔLLxi表示左侧钢轨上i监测靶标在X轴上的位移变化量,LLyi为当前图像左侧钢轨上i监测靶标的Y坐标数据,LLyi0为原始图像左侧钢轨上i监测靶标的Y坐标数据,ΔLLyi表示左侧钢轨上i监测靶标在Y上的位移变化量;
在公式(2)中,LRxi为当前图像右侧钢轨上i监测靶标的X坐标数据,LRi0为原始图像右侧钢轨上i监测靶标的X坐标数据,ΔLRxi表示右侧钢轨上i监测靶标在X轴上的位移变化量,LRyi为当前图像右侧钢轨上i监测靶标的Y坐标数据,LRyi0为原始图像右侧钢轨上i监测靶标的Y坐标数据,ΔLRyi表示右侧钢轨上各监测靶标在Y上的位移变化量。
进一步地,所述步骤S3中包括步骤S31,设轨道的长度方向为前后方向,轨道的两侧为左右方向,轨道高低不平顺为轨道在前后方向上存在高低不平,分为左侧钢轨高低不平顺和右侧钢轨高低不平顺,基于公式1与公式2中Y方向上数据的变化结果,当i取n时,可得左侧钢轨高低不平顺为:
左侧钢轨:不平顺n-1=ΔLLyn-ΔLLy(n-1) (公式3)
右侧钢轨高低不平顺为:
右侧钢轨:不平顺n-1=ΔLRyn-ΔLRy(n-1) (公式4)。
进一步地,所述步骤S3中包括步骤S32,轨道水平不平顺为轨道同一横截面上左右两钢轨顶面的高度差,基于公式1与公式2中Y方向上数据,可得轨道水平不平顺的计算如下:
ΔLi=ΔL0i-(LLyi-LRyi) (公式5)
ΔL0为测量前对应监测靶标所在位置处的左、右钢轨顶面的初始高度差。
进一步地,所述步骤S3中包括步骤S33,轨道线路爬行为钢轨沿线路前后方向的蠕动的现象,基于公式1与公式2中Y方向上数据的变化结果,并将钢轨上所有监测靶标在X方向的位移量进行平均,可得蠕动现象计算如下:
本发明的有益效果是,本发明的基于图像识别的多测点轨道形位病害测量方法,根据图像识别的原理,将图像识别和多测点监测相结合,在病害易发生区域同一线路的左右两根钢轨上,以一定距离布置多个监测靶标,按照预先设定好的图像采集频率,定时完成图像捕捉,每天能够完成多次测量工作。
通过得到不同监测靶标在X与Y方向上位移的变化量,经数据简单计算,可同时计算得到轨道的高低不平顺、水平不平顺和轨道爬行结果,并经过与规范值进行比对,能够及时发现轨道状态的变化。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的基于图像识别的多测点轨道形位病害测量方法的流程图;
图2是本发明的基于图像识别的多测点轨道形位病害测量方法的摄像机与轨道位置关系示意图;
图3是本发明的基于图像识别的多测点轨道形位病害测量方法的监测靶标在轨道上的安装位置;
图4是本发明的基于图像识别的多测点轨道形位病害测量方法的图像识别到靶标位置初始图像;
图5是本发明的基于图像识别的多测点轨道形位病害测量方法的图像识别到靶标位置初始图像和当前图像对比。
图中:
1、摄像机;2、左侧轨道;3、右侧轨道;4、初始图像监测靶标;4’、当前图像监测靶标。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体的连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1所示,一种基于图像识别的多测点轨道形位病害测量方法,包括以下步骤:
步骤S1、在铁路的左右两根钢轨的侧面,分别布置两条监控路线,并在两条监控路线上分别布置若干监测靶标;
如图2所示,在铁路线路旁,安装固定摄像机1作为不动点,用以采集监测图像。在铁路的左右两根钢轨侧面,分别布置两条监测线路LL(左侧钢轨2)和LL(右侧钢轨3),线路上的监测靶标分别为LLi(i=1···n)和LRi(i=1···n),并使摄像机1正对靶标所在的平面。如果需要得到轨道水平不平顺的结果,即同一横截面上左右两钢轨顶面的高度差,每条线路上的监测靶标,需保持横向上的对应。
步骤S2、采集初始监测靶标图像,作为后续图像对比的原始图像,并将初始图像中的各监测靶标的位置数据转换为平面X0Y坐标系数据;
如图3和图4所示,监测靶标与摄像机1安装完成后,调整摄像机1的参数,使所有的监测靶标均能清晰显示在摄像机1画面中,此时采集初始图像,作为后续图像对比的原始图像。一个摄像机1能够同时监测视野范围内的多个监测靶标,经由图像分割,可同时分别得到各个监测靶标的位移数据。数据获取的方式为,采用边缘算法,找到靶标位置,然后确定靶标的中心点。根据各监测靶标的实际尺寸,对图像中不同位置处,监测靶标所占区域的像素进行各自长度尺度的标定,并以此确定位移变化量。图像对比过程中,设定铁路的上行方向为X轴的正方向,铁路的向上方向为Y轴的正方向,建立X0Y坐标系。
步骤S3、如图5所示,将当前图像和原始图像进行对比,获取当前图像中监测靶标4’和初始图像监测靶标4在X与Y方向上位移的变化量,得到轨道高低不平顺、轨道水平不平顺以及轨道线路爬行公式,基于本发明方法,是将钢轨各监测靶标处当前测值与初始测值计算得到竖向与水平向位移变化的累计值。
左侧钢轨2上各监测靶标在X与Y方向上位移的变化量为:
右侧钢轨3上各监测靶标在X与Y方向上位移的变化量:
在公式(1)中,LLxi为当前图像左侧钢轨2上i监测靶标的X坐标数据,LLxi0为原始图像左侧钢轨2上i监测靶标的X坐标数据,ΔLLxi表示左侧钢轨2上i监测靶标在X轴上的位移变化量,LLyi为当前图像左侧钢轨2上i监测靶标的Y坐标数据,LLyi0为原始图像左侧钢轨2上i监测靶标的Y坐标数据,ΔLLyi表示左侧钢轨2上i监测靶标在Y上的位移变化量;
在公式(2)中,LRxi为当前图像右侧钢轨3上i监测靶标的X坐标数据,LRi0为原始图像右侧钢轨3上i监测靶标的X坐标数据,ΔLRxi表示右侧钢轨3上i监测靶标在X轴上的位移变化量,LRyi为当前图像右侧钢轨3上i监测靶标的Y坐标数据,LRyi0为原始图像右侧钢轨3上i监测靶标的Y坐标数据,ΔLRyi表示右侧钢轨3上各监测靶标在Y上的位移变化量。
S31、设轨道的长度方向为前后方向,轨道的两侧为左右方向,轨道高低不平顺为轨道在前后方向上存在高低不平,分为左侧钢轨2高低不平顺和右侧钢轨3高低不平顺,基于公式1与公式2中Y方向上数据的变化结果,当i取n时,可得左侧钢轨2高低不平顺为:
左侧钢轨2:不平顺n-1=ΔLLyn-ΔLLy(n-1) (公式3)
右侧钢轨3高低不平顺为:
右侧钢轨3:不平顺n-1=ΔLRyn-ΔLRy(n-1) (公式4)。
S32、轨道水平不平顺为轨道同一横截面上左右两钢轨顶面的高度差,基于公式1与公式2中Y方向上数据,可得轨道水平不平顺的计算如下:
ΔLi=ΔL0i-(LLyi-LRyi) (公式5)
ΔL0为测量前对应监测靶标所在位置处的左、右钢轨顶面的初始高度差。
S33、轨道线路爬行为钢轨沿线路前后方向的蠕动的现象,基于公式1与公式2中Y方向上数据的变化结果,并将钢轨上所有监测靶标在X方向的位移量进行平均,可得蠕动现象计算如下:
步骤S4、对轨道高低不平顺、轨道水平不平顺以及轨道线路爬行设定相应阈值,当数据超出阈值时,进行预警提示。
可以将上述得到的数据可以发送至指定平台,并对高低不平顺、水平不平顺和线路爬行设定的相应阈值,当数据超过这一限值时,系统会进行提示,从而及时得到现场轨道的状态。
实施例1:
步骤S1、在一定区间内的两条钢轨上,分别布设两个监测靶标,假设左轨1号监测靶标在X方向上的初始值为1.0mm,令其表示为LLx10,Y方向上的初始值为1.1mm,令其表示为LLy10;假设左轨2号监测靶标在X方向上的初始值为1.2mm,令其表示为LLx20,Y方向上的初始值为1.3mm,令其表示为LLy20。假设右轨1号监测靶标在X方向上的初始值为2.0mm,令其表示为LRx10,Y方向上的初始值为2.1mm,令其表示为LRy10;假设右轨2号监测靶标在X方向上的初始值为2.2mm,令其表示为LRx20,Y方向上的初始值为2.3mm,令其表示为LRy20。
S2、一定时间后,本系统通过分析各个靶标的监测图像,分析得到此时的位移量为:LLx11=2.1,LLy11=2.3,LLx21=2.2,LLy21=2.4;LRx11=2.6,LRy11=2.5,LRx21=2.7,LRy21=3.2。
S3、将上述S1与S2中的数据代入到轨道高低不平顺、轨道水平不平顺及轨道爬行公式中,如下;
S31、轨道高低不平顺
设定轨道高低不平顺阈值为2.0mm。
左轨高低不平顺:
(LLy21-LLy11)-(LLy20-LLy10)=(2.4-2.3)-(1.3-1.1)=-0.1mm。
说明在此区间轨道不平顺有所改善:|2.4-2.3|<|1.3-1.1|
因为|2.4-2.3|<2.0,因此,评价合格。
右轨高低不平顺:
(LRy21-LRy11)-(LRy20-LRy10)=(3.2-2.5)-(2.3-2.1)=0.5mm。
说明在此区间轨道不平顺有所增加:|3.2-2.5|>|2.3-2.1|
因为|3.2-2.5|<2.0,因此,评价合格。
S32、轨道水平不平顺
设定轨道水平不平顺阈值为0.5mm。
1号监测点位置处的轨道不平顺:
(LRy11-LLy11)-(LRy10-LLy10)=(2.5-2.3)-(2.1-1.1)=-0.8mm。
说明在此区间轨道水平不平顺有所改善:|2.5-2.3|<|2.1-1.1|
因为|2.5-2.3|<0.5,因此,评价合格。
2号监测点位置处的轨道不平顺:
(LRy21-LLy21)-(LLRy20-LLy20)=(3.2-2.4)-(2.3-1.3)=-0.2mm。
说明在此区间轨道水平不平顺有所改善:|3.2-2.4|<|2.3-1.3|
因为|3.2-2.4|>0.5,因此,评价不合格,需要对该区段轨道进行及时维修。
S3、线路爬行
设定轨道水平不平顺阈值为1.0mm。
线路左轨爬行:
((LLx21-LLx20)+(LLx11-LLx10))/2=((2.2-2.2)+(2.1-1.1))/2=0.5mm
说明左轨沿着1号监测点→2号监测点的方向蠕行了0.5mm。
因为((2.2-2.2)+(2.1-1.1))/2<1.0,因此,评价合格。
线路右轨爬行:
((LRx21-LRx20)+(LRx11-LRx10))/2=((2.7-2.2)+(2.6-2.0))/2=0.55mm。
说明右轨沿着1号监测点→2号监测点的方向蠕行了0.55mm。
因为((2.7-2.2)+(2.6-2.0))/2<1.0,因此,评价合格。
综上所述,本发明的基于图像识别的多测点轨道形位病害测量方法,根据图像识别的原理,将图像识别和多测点监测相结合,在病害易发生区域同一线路的左右两根钢轨上,以一定距离布置多个监测靶标,按照预先设定好的图像采集频率,定时完成图像捕捉,每天能够完成多次测量工作。
通过得到不同监测靶标在X与Y方向上位移的变化量,经数据简单计算,可同时计算得到轨道的高低不平顺、水平不平顺和轨道爬行结果,并经过与规范值进行比对,能够及时发现轨道状态的变化。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要如权利要求范围来确定其技术性范围。
Claims (8)
1.一种基于图像识别的多测点轨道形位病害测量方法,其特征在于,包括以下步骤:
步骤S1、在铁路的左右两根钢轨的侧面,分别布置两条监控路线,并在两条监控路线上分别布置若干监测靶标;
步骤S2、采集初始监测靶标图像,作为后续图像对比的初始图像,并将初始图像中的各监测靶标的位置数据转换为平面X0Y坐标系数据;
步骤S3、将当前图像和原始图像进行对比,获取当前图像中的监测靶标和原始图像的中的监测靶标在X与Y方向上位移的变化量,得到轨道高低不平顺、轨道水平不平顺以及轨道线路爬行公式;
步骤S4、对轨道高低不平顺、轨道水平不平顺以及轨道线路爬行设定相应阈值,当数据超出阈值时,进行预警提示。
2.如权利要求1所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S1中,两条监控路线分别为左侧钢轨(2)监控路线LL和右侧钢轨(3)监控路线LR,所述左侧钢轨(2)监控路线LL上的监测靶标为LLi,所述右侧钢轨(3)监控路线LR上的监测靶标为LRi,i的取值范围为0-n。
3.如权利要求2所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S2中,通过摄像机(1)采集初始监测靶标的图像。
4.如权利要求3所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S2中,根据各监测靶标的实际尺寸,对图像中不同位置处,监测靶标所占区域的像素进行长度尺寸的标定,选取任一监测靶标为基准点,设定铁路的上行方向为X轴的正方向,铁路的向上方向为Y轴的正方向,建立X0Y坐标系。
5.如权利要求4所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S3中,左侧钢轨(2)上各监测靶标在X与Y方向上位移的变化量为:
右侧钢轨(3)上各监测靶标在X与Y方向上位移的变化量:
在公式(1)中,LLxi为当前图像左侧钢轨(2)上i监测靶标的X坐标数据,LLxi0为原始图像左侧钢轨(2)上i监测靶标的X坐标数据,ΔLLxi表示左侧钢轨(2)上i监测靶标在X轴上的位移变化量,LLyi为当前图像左侧钢轨(2)上i监测靶标的Y坐标数据,LLyi0为原始图像左侧钢轨(2)上i监测靶标的Y坐标数据,ΔLLyi表示左侧钢轨(2)上i监测靶标在Y上的位移变化量;
在公式(2)中,LRxi为当前图像右侧钢轨(3)上i监测靶标的X坐标数据,LRi0为原始图像右侧钢轨(3)上i监测靶标的X坐标数据,ΔLRxi表示右侧钢轨(3)上i监测靶标在X轴上的位移变化量,LRyi为当前图像右侧钢轨(3)上i监测靶标的Y坐标数据,LRyi0为原始图像右侧钢轨(3)上i监测靶标的Y坐标数据,ΔLRyi表示右侧钢轨(3)上各监测靶标在Y上的位移变化量。
6.如权利要求5所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S3中包括步骤S31:
设轨道的长度方向为前后方向,轨道的两侧为左右方向,轨道高低不平顺为轨道在前后方向上存在高低不平,分为左侧钢轨(2)高低不平顺和右侧钢轨(3)高低不平顺,基于公式1与公式2中Y方向上数据的变化结果,当i取n时,可得左侧钢轨(2)高低不平顺为:
左侧钢轨(2):不平顺n-1=ΔLLyn-ΔLLy(n-1) (公式3)
右侧钢轨(3)高低不平顺为:
右侧钢轨(3):不平顺n-1=ΔLRyn-ΔLRy(n-1) (公式4)。
7.如权利要求5所述的基于图像识别的多测点轨道形位病害测量方法,其特征在于,所述步骤S3中包括步骤S32:
轨道水平不平顺为轨道同一横截面上左右两钢轨顶面的高度差,基于公式1与公式2中Y方向上数据,可得轨道水平不平顺的计算如下:
ΔLi=ΔL0i-(LLyi-LRyi) (公式5)
ΔL0为测量前对应监测靶标所在位置处的左、右钢轨顶面的初始高度差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211510329.3A CN115761509A (zh) | 2022-11-29 | 2022-11-29 | 基于图像识别的多测点轨道形位病害测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211510329.3A CN115761509A (zh) | 2022-11-29 | 2022-11-29 | 基于图像识别的多测点轨道形位病害测量方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115761509A true CN115761509A (zh) | 2023-03-07 |
Family
ID=85340113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211510329.3A Pending CN115761509A (zh) | 2022-11-29 | 2022-11-29 | 基于图像识别的多测点轨道形位病害测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115761509A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116142260A (zh) * | 2023-04-21 | 2023-05-23 | 中铁第五勘察设计院集团有限公司 | 一种轨道自动化变形监控系统及其监控方法 |
CN116905297A (zh) * | 2023-09-12 | 2023-10-20 | 大秦铁路股份有限公司大同工务段 | 一种错动轨道的归位方法、装置、设备及可读存储介质 |
-
2022
- 2022-11-29 CN CN202211510329.3A patent/CN115761509A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116142260A (zh) * | 2023-04-21 | 2023-05-23 | 中铁第五勘察设计院集团有限公司 | 一种轨道自动化变形监控系统及其监控方法 |
CN116905297A (zh) * | 2023-09-12 | 2023-10-20 | 大秦铁路股份有限公司大同工务段 | 一种错动轨道的归位方法、装置、设备及可读存储介质 |
CN116905297B (zh) * | 2023-09-12 | 2023-12-12 | 大秦铁路股份有限公司大同工务段 | 一种错动轨道的归位方法、装置、设备及可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115761509A (zh) | 基于图像识别的多测点轨道形位病害测量方法 | |
US7580547B2 (en) | Electronic traffic monitor | |
CN103487034B (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
US20140218485A1 (en) | Parallax calculation method and parallax calculation device | |
CN107703513B (zh) | 一种基于图像处理的非接触式接触网相对位置检测方法 | |
US10068389B1 (en) | Method and apparatus for evaluating an axle condition on a moving vehicle | |
CN106651828A (zh) | 一种工业小尺度运动模糊成像条件下的产品尺寸亚像素测量方法 | |
CN110390306A (zh) | 直角车位的检测方法、车辆和计算机可读存储介质 | |
CN114035584B (zh) | 机器人检测障碍物的方法、机器人以及机器人系统 | |
CN109300125B (zh) | 一种复杂环境下城轨列车受电弓滑板图像提取方法 | |
US10210605B2 (en) | Method and device for detecting boundary of region on display motherboard | |
CN103499337A (zh) | 一种基于立式标靶的车载单目摄像头测距测高装置 | |
CN109242861A (zh) | 一种基于图像处理的水质监控方法 | |
CN115931874A (zh) | 一种搭载式磁悬浮智能动态巡检系统及缝隙宽度检测方法 | |
CN112595266B (zh) | 一种用于管道检测的缺陷面积计算方法及系统 | |
CN104764465B (zh) | 一种遥感卫星地面分辨率的测量方法 | |
WO2015085817A1 (zh) | 一种多光谱券类质量检测方法和系统 | |
JPH05157558A (ja) | 車間距離検出装置 | |
CN111192283A (zh) | 一种限高杆检测和高度计算方法 | |
CN103983239A (zh) | 基于车道等宽线的测距方法 | |
JP2009300137A (ja) | 画像処理によるラインセンサ仰角測定装置 | |
TWI619560B (zh) | 鋼板量測系統及其方法 | |
JP2004245701A (ja) | 距離分布検知装置 | |
JP4101478B2 (ja) | 人体端点検出方法及び装置 | |
KR101406648B1 (ko) | 판쏠림 측정 시스템 및 방법 |
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 |