CN206353824U - 一种基于双目视觉处理识别的转辙机缺口监测系统 - Google Patents
一种基于双目视觉处理识别的转辙机缺口监测系统 Download PDFInfo
- Publication number
- CN206353824U CN206353824U CN201620893501.1U CN201620893501U CN206353824U CN 206353824 U CN206353824 U CN 206353824U CN 201620893501 U CN201620893501 U CN 201620893501U CN 206353824 U CN206353824 U CN 206353824U
- Authority
- CN
- China
- Prior art keywords
- optical fiber
- image
- monitoring system
- subsystem
- integrated circuit
- 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
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本实用新型提供一种基于双目视觉处理识别的转辙机缺口监测系统,涉及转辙机缺口监测领域,所述检测系统包括现场双目采集子系统、CAN总线光纤传输子系统、监控子系统,双目采集子系统采集缺口图像,通过CAN总线光纤传输子系统传输给监控子系统,监控子系统通过视觉处理,用高斯滤波器对图像进行平滑滤波去噪,使用Canny边缘检测器提取缺口边缘信息,对边缘图像进行Hough变换检测线段,识别图像中线段信息。经过一系列的约束条件,筛选出缺口边缘最左侧的有效线段,并记录基准标记和真实标记线段的坐标,根据图像的几何距离计算出图像上的缺口偏移。根据比例,计算出实际的缺口偏移量。对左图和右图分别进行上述处理流程,提高计算精确度。
Description
技术领域
本实用新型涉及一种转辙机缺口监测系统,属于轨道交通中道岔控制领域,具体是一种基于双目视觉处理识别的转辙机缺口监测系统。
背景技术
道岔控制系统的执行机构转辙机的安全性和稳定性监测对于轨道交通行业中列车的安全运行发挥着重要作用。缺口状态监测数据(图像和视频)是分析转辙机运行状态的重要参考。
传统的转辙机缺口监测方法分为直接测量和间接测量两大类。直接测量方式的传感器安装在缺口间隙,其输出可直接反映被测间隙大小,但安装复杂。间接测量方式容易安装,但需要仔细调整基准位置。现有的转辙机监测系统存在如下问题:一是现有系统中采用的电磁测量时,受温度和电磁的影响较大,有些系统只能定性的反映缺口状态,不能对缺口进行定量分析;有些系统还需要对不同的转辙机提供不同的传感器。二是现有转辙机缺口监测系统和监测原理多样,各种方法之间不兼容,这就提高了系统的运行和升级的难度和成本。三是现有的监测系统多采用ADSL传输,对图像和视频的实时高清传输带来较大的延迟。
发明内容
为了解决现有技术中存在的问题,本实用新型提供一种基于双目视觉处理识别和光纤传输的转辙机缺口监测系统,这种方法对现场转辙机改造较少,只需安装带有双目高清摄像头的集成电路控制卡,将处理识别任务交给运算能力强大的监控中心。这种监测系统能够有效地提高系统的兼容性和监测的准确率。
本实用新型的目的在于,提供一种使用范围广,系统兼容性好,监测准确率高的转辙机缺口监测系统和方法,该系统只需将图像数据通过光纤技术传输到监控中心即可得出任何时刻的缺口边缘和缺口偏移量。该系统还可以进行单独的升级与维护,不需要改变现场转辙机的结构。
本实用新型的目的是这样实现的:基于双目视觉处理识别和光纤传输的转辙机缺口监测系统包括现场双目采集子系统、CAN总线光纤传输子系统、监控子系统。
所述双目采集子系统包括高清摄像头、集成电路控制卡,所述集成电路控制卡控制高清摄像头,并且所述集成电路控制卡模块集成有图像压缩编码芯片、视频流传输芯片、信号转换芯片,将高清摄像头采集到的实时缺口图像通过集成电路控制卡进行预处理,编码,压缩。
所述CAN总线光纤传输子系统包括:CAN总线和传输光纤,所述CAN总将集成电路控制卡的输出端数据传送到传输光纤,传输光纤将数据传送至监控子系统。
所述监控子系统包括:应用程序主机和数据库服务器,监控中心将图像和视频数据存储到大容量存储器中,并将原始图像和视频显示在监视器屏幕上。所述应用程序主机能够进行Canny边缘检测、Hough变换、约束条件算法数据分析与处理,数据库服务器进行数据管理。对包含所有缺口信息的摄像机左图和右图进行灰度化处理,平滑图像,去除噪声操作。然后使用Canny边缘检测器对图像进行边缘检测,随后对图像进行Hough变换进行线段检测,识别提取出图像中的线段数据。接着,对识别处理出来的线段进行筛选、判决、分类操作,最终识别出精确的代表缺口左边缘的线段。最后,根据缺口偏移计算原理,通过比例计算出实际中转辙机缺口偏移量。
上述监测实现过程对左图像和右图像同时适用,根据左、右图像分别计算出的缺口偏移量,进行平均值处理,得到缺口偏移量的统计数值。
优选地,所述高清摄像头具体为双目高清摄像头,分别采集左图和右图。
优选地,其特征在于,所述集成电路控制卡具体为ARM芯片集成电路控制卡。
优选地,所述集成电路控制卡中集成存储单元。可将采集到的数据缓存于存储单元中,最终会把数据传输给监控子系统来进行存储。
优选地,所述传输光纤中包括光纤控制器、光纤组,所述光纤组包括百兆光纤、光纤交换机、千兆光纤。,所述光纤控制器用于监控信号在光纤段的传输,光纤控制器中包含光纤转换模块及收发器用于将数字化信号转换为光信号并通。
所述的Canny边缘检测器对图像进行边缘检测原理是:图像使用带有指定标准偏差σ的高斯滤波器来平滑,从而可以减少噪声。在每一个像素点处计算局部梯度和边缘方向,公式如下:
边缘点定义为梯度方向上其强度局部最大的点。确定的边缘点会导致梯度幅度图像中出现脊。然后,算法追踪所有脊的顶部,所有不在脊的顶部的像素设置为0,以便在输出中给出一天细线。脊像素使用两个阈值T1和T2做阈值处理,其中T1<T2。值大于T2的脊像素称为强边缘像素,T1和T2之间的脊像素称为弱边缘像素。最后,算法通过将8连接的弱像素集成到强像素,执行边缘链接。
所述的Hough变换进行线检测的原理是:图像像素由于噪声、不均匀照明引起的边缘断裂和杂散的亮度不连续而难以得到完全的边缘特性。Hough变换是用来寻找并链接图像中线段的方法。在平面直角坐标系xy中,一条直线可以用方程
y=kx+b
来表示。对于直线上一个确定的点(x0,y0),有
y0=kx0+b
这表示参数平面(k-b)中的一条直线。因此,图像中的一个点对应参数平面中的一条直线,图像中的一条直线对应参数平面中的一个点。对图像上所有的点做霍夫变换,最终所要检测的直线对应的一定是参数平面中直线相交最多的那个点。这样就在图像中检测出了直线。在实际应用中,直线通常采用参数方程为:
ρ=xcosθ+ysinθ
基于Hough变换的连接方法为:
计算图像的梯度并对其设置门限,得到一幅二值图像。在ρθ平面内确定再细分。对像素高度集中的地方检验其累加器单元的数目。检验选择的单元中像素之间的关系。
所述的缺口偏移计算原理和比例公式原理是:
其中,M是基准图像的实际宽度,L是缺口实际偏移量,M′是图像上基准标记的宽度,L′是图像上缺口的偏移量。
基于双目视觉处理识别和光纤传输的转辙机缺口监测系统,所述的转辙机监控系统包括数据采集模块,信号转换模块,光纤转换模块及收发器,以及监控中心。其中数据采集模块包括双目高清摄像头单元、图像编码压缩单元、视频流传输单元等;数据采集单元完成的任务包括数据的采集工作,数据的编码压缩工作,数据的终端传输至信号转换单元。信号转换单元用于数据的数字化工作。传输光纤中包含光纤转换模块及收发器,用于将数字化信号转换为光信号并通过光纤传输至监控中心。监控中心用于图像显示、图像处理、图像识别、数据建模、转辙机缺口健康状态评价等工作。
本实用新型基于双目视觉处理和光纤传输的转辙机缺口监测系统的监测方法,包括如下步骤:
S1.集成电路控制卡控制高清摄像头进行数据采集,将高清摄像头采集到的实时缺口图像通过集成电路控制卡进行预处理、编码、压缩;
S2.将数据信号通过CAN总线和传输光纤将数据传输到监控子系统;
S3.监控子系统将图像和视频数据存储到大容量存储器中,并将原始图像和视频显示在监视器屏幕上;
S4.对包含所有缺口信息的摄像机图像进行灰度化处理,平滑图像,去除噪声操作;
S5.使用Canny边缘检测器对图像进行边缘检测,随后对图像进行Hough变换进行线段检测,识别提取出图像中的线段数据;
S6.对识别处理出来的线段进行筛选、判决、分类操作,最终识别出精确的代表缺口左边缘的线段。
S7.根据缺口偏移计算原理,通过比例计算出实际中转辙机缺口偏移量。
优选地,所述监测实现过程对左图像和右图像同时适用,根据左、右图像分别计算出的缺口偏移量,进行平均值处理,得到缺口偏移量的统计数值。
本实用新型的有益效果包括:
(1)采用双目高清摄像头采集到的转辙机缺口图像实测数据,解决了传统监测系统需要安装各种类型的传感器的复杂性问题。
(2)采用双目摄像头和视觉处理的方法,可以充分分析缺口信息,解决传感器测量不准确的问题,提高了整个系统的兼容性和伸缩性,简化了转辙机部分的工程施工难度。
(3)将技术难度放在计算处理能力强大的监控中心,减轻嵌入式端的资源紧张和开发难度。利用图像视觉等技术,增强了技术含金量,降低了维护成本。
(4)采用CAN over Fiber技术传输数据,能够实时传输高清图像和视频流,具有嵌入式工业控制CAN总线稳定可靠的优点,又具有光纤高带宽、高速率、抗干扰的优点。
附图说明
图1是本实用新型的系统架构图;
图2是本实用新型的视觉处理识别工作流程图。
具体实施方式
下面结合附图和具体实例对本实用新型做详细阐述。
结合图1所示,转辙机缺口监测系统的整体架构分为现场转辙机部分、CAN总线光纤传输部分、监控中心部分3大子系统。在现场转辙机部分中,系统需要安装双目高清摄像机,将摄像机的镜头对准轨道的缺口位置,左右两个摄像头对称摆放,摄像头通过USB接口连接到集成电路控制卡,集成电路控制卡基于ARM和Linux平台,对摄像头采集到的数据进行编码、存储、压缩等操作。在监控中心中,运行着图像视觉处理识别的系统,此系统处理图像视频数据,经过一系列的运算,将转辙机缺口图像和识别信息显示到监视器上。处在前面两个子系统中间的是CAN总线光纤传输部分,主要采用CAN over Fiber传输技术,光纤为对称带宽传输介质,支线光纤100Mbps起,干线光纤1Gbps起。光纤在中远距离传输中经济性好(25km起)。可以实时传输视频流及各种数据、控制信号容量大、抗干扰能力强。在新的工业系统中广泛使用,也能兼容升级原有CAN总线系统。
结合图2所示,此视觉处理识别工作流程图显示的是监控中心的核心技术流程。首先对包含所有缺口信息的摄像机左图和右图进行灰度化处理,平滑图像,去除噪声操作。然后使用Canny边缘检测器对图像进行边缘检测,随后对图像进行Hough变换进行线段检测,识别提取出图像中的线段数据。接着,对识别处理出来的线段进行筛选、判决、分类操作,最终识别出精确的代表缺口左边缘的线段。最后,根据缺口偏移计算原理,通过比例计算出实际中转辙机缺口偏移量。上述监测实现过程对左图像和右图像同时适用,根据左、右图像分别计算出的缺口偏移量,进行平均值处理,得到缺口偏移量的统计数值。
原始缺口图像中上下两个矩阵状的色块分别是基准标记和实际缺口,经过灰度化处理,滤波,去除噪声,使用Canny边缘检测器等操作后,再经过Hough变换进行线检测,并用标记出有效地线段,优选用彩色线段进行标记,例如红色线进行标记,最后,经过一系列筛选、判决、分类等操作,最终用线段标记出两个矩形状色块的左右边线,优选用彩色线段进行标记,例如蓝色线进行标记,这四条线是最有效地四条线段,通过这四条线段可以准确通过数学计算出两者的水平偏移量。
Claims (6)
1.一种基于双目视觉识别和光纤传输的转辙机缺口监测系统,其特征在于,所述监测系统包括现场双目采集子系统、CAN总线光纤传输子系统、监控子系统,
所述双目采集子系统包括高清摄像头、集成电路控制卡,所述集成电路控制卡控制高清摄像头,并且所述集成电路控制卡模块集成有图像压缩编码芯片、视频流传输芯片、信号转换芯片;
所述CAN总线光纤传输子系统包括:CAN总线和传输光纤,所述CAN总将集成电路控制卡的输出端数据传送到传输光纤,传输光纤将数据传送至监控子系统;
所述监控子系统包括:应用程序主机和数据库服务器,所述应用程序主机能够进行Canny边缘检测、Hough变换、约束条件算法数据分析与处理,数据库服务器进行数据管理。
2.根据权利要求1所述监测系统,其特征在于,所述高清摄像头具体为双目高清摄像头。
3.根据权利要求1所述监测系统,其特征在于,所述集成电路控制卡具体为ARM芯片集成电路控制卡。
4.根据权利要求1所述监测系统,其特征在于,所述集成电路控制卡中集成存储单元。
5.根据权利要求1所述监测系统,其特征在于,所述传输光纤包括光纤控制器、光纤组,所述光纤组包括百兆光纤、光纤交换机、千兆光纤。
6.根据权利要求5所述监测系统,其特征在于,所述光纤控制器包含光纤转换模块及收发器。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201620035297X | 2016-01-13 | ||
CN201620035297 | 2016-01-13 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN206353824U true CN206353824U (zh) | 2017-07-25 |
Family
ID=59347389
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201620893501.1U Active CN206353824U (zh) | 2016-01-13 | 2016-08-17 | 一种基于双目视觉处理识别的转辙机缺口监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN206353824U (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105472355A (zh) * | 2016-01-13 | 2016-04-06 | 江苏金晓电子信息股份有限公司 | 一种基于双目视觉处理识别的转辙机缺口监测系统和方法 |
CN108449581A (zh) * | 2018-04-12 | 2018-08-24 | 大连理工大学 | 一种转辙机缺口视频监测器 |
CN115218804A (zh) * | 2022-07-13 | 2022-10-21 | 长春理工大学中山研究院 | 一种大型构件多源系统融合测量方法 |
-
2016
- 2016-08-17 CN CN201620893501.1U patent/CN206353824U/zh active Active
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105472355A (zh) * | 2016-01-13 | 2016-04-06 | 江苏金晓电子信息股份有限公司 | 一种基于双目视觉处理识别的转辙机缺口监测系统和方法 |
CN108449581A (zh) * | 2018-04-12 | 2018-08-24 | 大连理工大学 | 一种转辙机缺口视频监测器 |
CN108449581B (zh) * | 2018-04-12 | 2020-08-14 | 大连理工大学 | 一种转辙机缺口视频监测器 |
CN115218804A (zh) * | 2022-07-13 | 2022-10-21 | 长春理工大学中山研究院 | 一种大型构件多源系统融合测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105472355A (zh) | 一种基于双目视觉处理识别的转辙机缺口监测系统和方法 | |
CN102759347B (zh) | 一种高铁接触网在线巡检装置、巡检方法以及其检测系统 | |
US8509969B2 (en) | Automatic identification method and system for train information | |
CN102323070B (zh) | 列车异常检测方法和系统 | |
CN108055501A (zh) | 一种目标检测及跟踪的视频监控系统及方法 | |
CN107367310A (zh) | 一种基于计算机视觉的河流水位远程监测方法 | |
CN104504377B (zh) | 一种公交车乘客拥挤程度识别系统及方法 | |
CN206353824U (zh) | 一种基于双目视觉处理识别的转辙机缺口监测系统 | |
CN104951775A (zh) | 基于视频技术的铁路道口防护区域安全智能识别方法 | |
CN107886055A (zh) | 一种用于车辆运动方向判定的逆行检测方法 | |
CN103226891B (zh) | 一种基于视频的车辆碰撞事故检测方法及系统 | |
CN104504388A (zh) | 一种路面裂缝识别和特征提取算法及系统 | |
CN103456024B (zh) | 一种运动目标越线判断方法 | |
CN102628814A (zh) | 一种基于数字图像处理的钢轨光带异常自动检测方法 | |
CN103186982A (zh) | 一种治安智能卡口系统 | |
CN112883948B (zh) | 一种语义分割与边缘检测模型建立及护栏异常监测方法 | |
CN106571038A (zh) | 实现全自动道路监控的方法 | |
CN101510295B (zh) | 基于PCIe和Vision Assistant的机器视觉系统的设计方法 | |
CN102915432A (zh) | 一种车载微机图像视频数据提取方法及装置 | |
CN109345524A (zh) | 一种基于视觉的轴承外观缺陷检测系统 | |
CN109740609A (zh) | 一种轨距检测方法及装置 | |
CN109583295A (zh) | 一种基于卷积神经网络的转辙机缺口自动检测方法 | |
CN114740086A (zh) | 一种单轨吊轨道缺陷检测方法 | |
CN106650735B (zh) | 一种led字符自动定位识别方法 | |
CN202815869U (zh) | 一种车载微机图像视频数据提取装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GR01 | Patent grant | ||
GR01 | Patent grant |