高速铁路轨腰塞钉巡检系统研究

轨腰塞钉是关系到行车安全的重要电务轨旁设备。在巡检车上安装图像采集装置,巡检车开行时可获取沿线轨腰塞钉的图像数据,由高性能图像处理工控机完成图像的采集、预处理和存储工作,车载服务器对图像数据实时分析处理,实现轨腰塞钉自动筛选,结合地面数据和车载定位信息准确定位设备位置,切实指导养护维修。     

有轨电车线路槽型轨自动清洁系统研究

针对有轨电车线路槽型轨内异物清洁效率低下的问题,提出了槽型轨异物快速检测算法及基于此算法研发的槽型轨自动清洁系统.通过该算法,自动清洁系统可快速检测且定位出槽型轨内异物的位置,并控制轨道清洁车利用高压水流和负压吸口进行自动清洁.试验结果表明:该快速检测算法对槽型轨内异物检测成功率超过92％;平均每帧图像的处理时间为31...     

基于尺度不变特征变换的钢轨蠕变检测研究

针对钢轨现有定点蠕变检测技术的不足,提出一种基于尺度不变特征变换及图像配准的非接触式实时观测方法。通过安装于轨侧观测桩上的相机对待检钢轨进行拍摄,提取图像中轨腰附近预定义的感兴趣区域,而后基于尺度不变特征变换,与同一视场中钢轨未蠕变图像的对应感兴趣区域进行配准,得到定场环境下多关键点在像素坐标系中的轨向及高低位移集。根据相机的内外及畸变参数将像素位移集映射到世界坐标系,对轨向及高低位移集分别求均值,得出钢轨的轨向及高低蠕变量。为验证方法的有效性,搭建试验平台并采用OpenCV开发了仿真系统。研究结果表明:高低和轨向蠕变的相对测量误差均值分别低于0.606%和1.170%。     

城轨车第三轨廓形快速追踪算法研究及应用

由于车体多自由度振动和外部光照导致图像内容和噪声复杂多变,而现有追踪算法对目标形变适应能力不强,本文提出基于时空上下文信息的快速追踪算法。该算法依据贝叶斯概率模型构建目标区域置信图,利用最近点迭代算法实现第三轨廓形的快速追踪。采用快速追踪算法的车载平台非接触式廓形检测系统基于结构光测量原理,利用安装在转向架端的摄像组件获取第三轨图像。该系统在国内多条城轨线路应用,与现有追踪算法相比,快速追踪算法执行效率提升约30%,准确率在99.5%以上,可满足城轨车运行时速160 km的检测要求。     

基于加速区域卷积神经网络的高铁接触网承力索底座裂纹检测研究

针对高速铁路接触网支撑结构中承力索底座裂纹的问题,提出一种利用加速区域卷积神经网络与Beamlet变换相结合的图像检测方法。该方法使用加速区域卷积神经网络实现对承力索底座在待检测图像中的识别定位,然后根据定位的承力索底座图像特点,通过Radon变换等预处理操作对承力索底座疑似裂纹区域精确定位,最后使用基于Beamlet变换的局部链搜索算法快速得到裂纹信息,实现承力索底座裂纹故障的可靠诊断。实验表明:该方法能在复杂的接触网支撑与悬挂装置图像中准确定位识别承力索底座裂纹故障,对拍摄距离、拍摄角度以及曝光度等因素具有很好的适应性,且具有较高的检测效率。     

铁路桥梁裂缝位置识别与目标检测方法探讨

裂缝是铁路混凝土桥梁累积性破损的早期表现形式。由于裂缝形态的非线性和桥梁结构所处环境的多样性,依靠人工作业的桥梁裂缝检测存在耗时长、主观性大、检测精度不高等问题,已无法满足桥梁状态诊断的需求。传统的裂缝图像处理方法过于依赖算法设计者的经验,易导致检测精度不高。针对上述问题,提出一种基于Detectron平台的目标检测模型,利用模型中卷积神经网络(CNN)对输入图像的光线、扭曲旋转、大小变化等高度适应的优点,从大量裂缝图像中学习裂缝特征,实现对桥梁裂缝位置的识别。采用图像分割法建立图像训练集、验证集及测试集,用特征标定工具为数据集作裂缝位置标签,创建由4个卷积层(Conv),4个池化层(Max-pooling)和1个全连接层(FC)共922,368个参数组成的卷积神经网络(CNN),并将学习率调整为0. 001。验证及测试表明,所提出的基于Detectron平台的目标检测模型在数据多次迭代后具有良好的裂缝位置识别精度。用于模型学习的训练集与验证集上,识别精度最优值分别为92. 64%和88. 98%,未被模型学习的测试集上,识别精度最优值为90. 43%。最后,通过与传统图像处理识别技术的对比分析,阐明模型在特征识别上的优劣性。     

基于卷积神经网络的列车实时客流检测算法

城市轨道交通作为城市公共交通系统的主体,在缓解交通出行压力、促进城市发展中具有十分重要的作用。科学精准的测算列车实时客流,对改善城市轨道交通客运服务水平,发展低碳、环保的绿色出行模式具有重大意义。为此,提出基于卷积神经网络的城市轨道交通列车实时客流检测算法,实现列车监控视频视野内乘客数量的实时检测。基于成都地铁1号线车载监控视频建立列车客流图像数据集,以剔除全连接层的VGG-16网络作为算法基础框架,提取输入图像的边缘、角点等浅层细节特征;将多尺度卷积层和膨胀卷积结构融合构建乘客多尺度特征感知模块,在保持图像分辨率的同时,通过不同的感受野增强尺度上下文信息的提取性能,提升网络对乘客尺度变化的鲁棒性;构建特征融合网络将网络浅层提取的细节特征与上采样后的深层语义特征嵌入融合,提升小尺度乘客目标的计数精度和特征图的信息丰富度。实验结果表明：所提算法在城市轨道交通列车场景下的检测精度得到显著提升,平均绝对误差、均方误差以及平均绝对百分比误差指标分别达到了1.1%,1.8%和5.4%,同时单张图像检测速率低于60 ms,能够满足列车客流检测的实时性需求;且算法在2个标准人群数据集Shanghai...     

基于分段曲线模型的铁路轨道检测算法

针对现有铁路轨道检测识别算法的准确性和鲁棒性不高的问题,提出一种基于直线和双曲线相结合的分段曲线模型实现轨道线的检测、跟踪与验证。本算法首先依据轨道图像的边缘信息,通过多约束条件下的Hough变换初步检测轨道位置,确定轨道线消隐边界并标定近远景区域。然后,在近景区域,采用直线模型实现前方直轨拟合;在远景区域,融合轨间距离、轨道方向和像素灰度等先验知识构造边界置信度函数,设定可漂移窗口搜索算法完成特征点提取,以最小二乘法进行双曲线模型拟合。最后,依据模型切换及窗口搜索策略完成轨道线的跟踪。测试结果表明:该算法不仅较好地解决了弯轨描述问题,而且提高了检测的准确性和鲁棒性。     

基于算法优化的中国高速动车组车外噪声源识别研究

为提高我国高速动车组车外噪声源识别分辨率,获得更准确的噪声源分布特征,对传统的噪声源识别波束形成算法进行多普勒效应消除算法和基于快速傅里叶变换的非负最小二乘迭代反卷积算法(FFTNNLS)的优化,并基于优化后的算法测试我国某新型动车组以不同速度通过桥梁线路区段时的车外噪声源分布。结果表明:算法优化后动车组车外噪声源识别分辨率大幅提高;动车组高速运行时,声能量主要集中于受电弓、转向架和头车排障器等区域;动车组运行速度由200km·h-1提高至350km·h-1,车辆下部区域声功率占比由91.3%降至78.9%,车体区域由6.5%升至11.5%,受电弓区域由2.2%升至9.6%。算法优化后得到的动车组车外噪声源的定位更加准确、频谱特征更加明显。     

基于PTZ相机极向投影的铁路限界自动识别方法

铁路异物侵入检测对保障铁路运营安全具有重要意义,提出一种基于PTZ (Pan-Tilt-Zoom)相机极向投影进行铁路限界自动识别的方法。针对PTZ相机采集的移动背景图像,提出一种分时图像融合生成匹配模板,利用小波分析、形态学运算和连通域标记进行图像预处理,进而利用Hough变换和钢轨极向投影检测图像中钢轨位置的限界区域标记算法。当相机姿态或焦距调整后,基于Sift特征匹配计算模板图像与新图像间的坐标变换矩阵,提出将模板图像中的限界区域映射为新图像中限界区域的方法。铁路现场实验表明:所提方法能够快速准确地识别由平行钢轨确定的铁路限界,有效解决了PTZ相机无法自动确定限界区域的问题。     

深度学习在接触网定位器缺陷检测中的应用

高速动车接触网运营安全的需求使得接触网关键零部件的缺陷自动检测成为一份有意义的工作。针对接触网巡检图像的定位器缺陷检测问题,本文提出了一种基于图像深度表示和直线检测的目标检测一体化算法。该算法采用选择搜索算法获得定位器在图像中可能存在的备选区域,利用深度卷积神经网络计算图像的深度特征,通过多任务学习的算法求得定位器的局部区域。随后,利用Canny边缘提取和Hough直线检测的方法在局部区域内精确检测定位器直线。针对接触网巡检图像的实际应用场景,对该算法在不同场景下进行验证,试验结果表明,该算法可以有效解决实际场景下的定位器缺陷检测问题。     

基于图像智能识别的钢轨伸缩调节器位移监测技术

针对传统大桥钢轨伸缩调节器位移检测方法检测成本高、设备维护复杂等问题，提出了一种基于二维码的位移检测方法。采用先粗检测后精检测的策略，粗检测环节使用Viola-Jones快速目标检测框架确定待检测图像中二维码的候选区域，精检测环节基于二维码的定位标志确定各候选区域中二维码的三个顶点。在检测定位二维码的基础上利用模板匹配算法，计算出钢轨伸缩调节器的位移，从而对桥梁健康状况进行检测。试验结果表明，利用二维码技术进行桥梁结构位移检测具有较高的精度，检测精度可以达到毫米级。     

基于深度学习的高铁接触网旋转双耳开口销钉缺失故障检测

针对高速铁路接触网支撑装置中旋转双耳开口销钉缺失故障检测的问题,提出一种基于深度卷积神经网络和集成学习的故障检测方法。通过Faster R-CNN网络对旋转双耳整体进行精确定位;在整体定位结果的基础上,进一步完成对开口销钉的精确定位,最大程度上降低背景对故障检测的干扰;通过多个深度卷积神经网络提取开口销钉图像的多种特征,最终由多个线性SVM构成的集成分类器实现开口销钉缺失故障检测。实验结果表明:本方法能在复杂的接触网支撑装置图像中实现旋转双耳开口销钉的精确定位,并且在销钉的缺失故障检测中表现出较高的可靠性。     

基于改进二维卷积滤波技术的轨道伤损检测方法

基于改进卷积滤波技术和自适应阈值分割法,提出边缘检测轨道结构识别与伤损检测方法.使用改进二维卷积进行图像滤波,对原图像矩阵通过行列式变换处理,增强图像边界元素;根据边缘检测所得到的线形特征进行扣件弹条及钢轨识别,以线形急剧变化判别钢轨伤损及位置.通过既有线路轨道进行图像识别试验验证.试验验证结果表明,采用该方法可提高轨...     

基于计算机视觉的接触网定位器倾斜度自动测量方法

针对现行接触网定位器倾斜度检测方法效率低下、精确度不高的现状,研究基于计算机视觉的接触网定位器倾斜度自动测量方法.应用图像分割、剔除干扰线、图像细化等算法,对采集到的接触网定位装置的图像进行处理;然后用改进的Hough变换检测细化后的图像,对图像中相邻的特征象素点进行聚类并做感知编组;最后用随机Hough变换(RHT)...     

基于区域级和像素级特征的路面裂缝检测方法

路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。     

基于Hu不变矩特征的铁路轨道识别检测算法

针对当前铁路钢轨检测算法在识别中准确性和鲁棒性不高的问题,提出采用Hu不变矩特征实现轨道线搜索,并以B样条曲线为拟合模型的钢轨自动检测方法。算法根据视频帧中钢轨的边缘特征,通过改进的霍夫变换识别并确定图像空间的轨道线消隐边界,完成近远景区的标定。针对近景区直轨,通过直线模型拟合;在远景区,采用可漂移检测窗通过比对Hu不变矩来提取轨道特征点,以最小二乘法实现B样条曲线模型拟合。并制定模型更新和切换原则自动跟踪轨迹线。实验结果表明:轨道线平均跟踪时间为0. 081 s,可以提高钢轨检测识别的精确性和鲁棒性,能够更好地解决曲线轨道的模型拟合问题。     

Lab色彩空间的Retinex轮对踏面图像增强算法

针对货车轮对踏面检测中,由于低照度和雾霾环境产生的图像清晰度差、色彩失真问题,提出了一种基于Lab色彩空间的改进Retinex图像增强算法。该算法将RGB空间图像先转换为Lab色彩空间,然后保持图像色度分量a、b不变,仅对亮度分量L进行多尺度Retinex变换并根据L通道反射分量对a、b通道图像自适应调整,同时在亮度分量Retinex变换过程中将空间域高斯函数与图像的卷积运算转换为窗口无关快速均值滤波(FMF)算法处理,最后将Lab模型转换为RGB色彩空间,使增强后的图像颜色得到保持。实验结果表明,将改进算法应用于货车轮对踏面图像增强处理中,提高了图像色彩的保真度,增强了图像处理速度,为后续踏面图像检测分析打下了基础。     

朔黄铁路隧道衬砌表观病害检测技术北大核心

为实现朔黄铁路隧道衬砌表观病害远距离非接触快速检测,提出一种基于多源数据深度融合的隧道病害检测方法。首先利用高清线阵相机、激光扫描传感器等检测设备获取隧道衬砌表观高清图像和激光点云数据,然后利用特征提取网络提取图像和点云特征图,并采用空间变换方法将图像特征图投影到点云特征俯视图上得到融合特征图,最后利用候选区域网络和金字塔场景分析网络对融合特征图进行检测识别,输出病害的类型与位置信息。在朔黄铁路重点隧道开展的现场试验表明,该方法能检测隧道裂缝、掉块、渗水等表观病害状态,有效提升重载铁路隧道运维的智能化程度及综合检测水平。