调车机车障碍物自动检测识别技术研究

针对调车机车不能实施有效安全监控的现状,开发了基于视觉的车辆障碍物检测识别技术。透视变形使得视觉系统对目标的检测识别受距离影响。因此提出距离相关的变N值区域采样目标检测方法和距离无关的自相关目标识别方法。特点是不用对摄像机进行标定,使用方便,算法简单,运算速度快,识别距离远。用不同的N值对不同距离处铁道宽度进行水平等分并且在车辆目标位置形成区域采样网格。由于模型图像采样网格密度也由N值决定, 利用网格上的点集自相关方法将实际序列图像中不同大小目标区域与同一模型进行匹配。现场实验表明:用一般摄像机,在120 m之内是可行的。每幅图像的计算时间为0.5 s,达到了实时、实用、安全的目的。     

基于卷积神经网络的铁路桥梁高强螺栓缺失图像识别方法

为及时发现铁路桥梁高强螺栓偶发的延迟断裂并补充新螺栓,降低铁路桥梁连接失效风险,开展基于卷积神经网络的桥梁高强螺栓缺失图像识别方法研究。该识别方法的主网络由5个卷积层、5个最大值池化层和2个全连接层的卷积神经网络组成。提出在主网络上附加通道和空间混合注意力子网络,分别对不同输入图像的高层不同通道语义特征和不同区域赋予不同权重,提高图像的特征和区域敏感性,进而提高网络的识别准确率。通过随机裁剪、翻转、颜色变化、仿射变换增强和数据均衡操作,增加训练数据的多样性和改善数据的不平衡性。基于真实场景螺栓缺失场景识别结果表明,识别方法的准确率达到94.9%,比常见识别方法提高了4.9%。     

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。     

一种基于时空相关分析的货运列车车号识别方法研究

提出一种基于时空相关分析的货运列车车号识别方法,该方法包括车号定位、片段聚类与车号识别3部分.基于连通体分析技术,提出利用货运列车车号字符间特定的几何比例关系有效地定位车号区域;在车号定位基础上,利用视频序列时空冗余信息建立帧信息补正模型,对部分定位错误帧图像进行补正并通过片段聚类方法将包含相同内容的车号视频序列进行切分;利用概率神经网络训练车号联合识别决策器,对可能包含同一车号的多帧图像进行联合识别,有效提高车号识别的准确率.通过在实际货运列车视频数据集上进行测试验证,本文算法对所有帧图像的平均车号识别准确率高于90％,优于传统基于静态图像处理的车号识别方法.     

基于背景建模的钢轨表面缺陷像素级检测方法

钢轨表面缺陷具有独特性和稀疏性,利用机器视觉技术自动地检测钢轨表面缺陷仍存在很大挑战。提出一种基于背景建模的钢轨表面缺陷像素级检测方法,利用钢轨图像固有特性构建图像背景分布模型,找到背景分布簇中心,以定位到可疑像素点;提出一种钢轨表面缺陷像素级识别方法,根据可疑像素点的上下文特征和空间位置先验概率识别该像素点是否属于真实缺陷,并在钢轨缺陷数据集和实际线路上进行试验验证。研究结果表明:该方法在重载铁路和客运铁路2种钢轨缺陷数据集上均取得良好的识别性能,并在实际线路上达到100%的检测率。     

基于图像处理的城轨列车车号识别系统

针对现有射频识别标签易脱落损坏导致丢失车号的问题，提出了基于图像处理的城轨列车车号识别系统。利用工业相机拍摄城轨列车侧面车号，再采用加速稳健特征算法和变换不变低秩纹理方法对拍摄到的图片进行车号定位、校正、分割操作，利用Visual Geometry Group-16(VGG-16)网络模型对分割好的车号字符进行识别。试验结果表明，该系统具有鲁棒性好、识别准确率高等特点，能够满足城轨列车车号获取的要求。     

钢轨扣件横向偏移特征检测算法研究

针对无砟轨道中钢轨扣件发生横向松动、脱离正常工作位置产生偏移的问题,提出一种钢轨扣件横向偏移检测法.首先,该算法为解决传统的扣件图像定位不够精准问题,采用k-means聚类和类二值算法强化分割前景、背景与轮廓矩特征,实现对采集图像中扣件位置的精准定位;其次,不同于传统扣件特征提取采用复杂语义,提出一种基于机器视觉的轮廓分析方法,通过提取扣件的绝缘帽与螺母的轮廓特征,计算相邻绝缘帽间距和相邻螺母间距,并与安全状态下扣件轮廓特征计算得到的安全距离阈值进行对比,进一步计算偏移量,从而判断扣件是否发生横向松动.结果 表明:该算法计算速度快,能够准确地定位弹条位置和偏移量,与传统的识别算法得到扣件的偏移量数据相比准确率显著提高,可达98％.     

基于三维重构的钢桥表面锈蚀提取方法研究

为实现钢桥表面锈蚀的准确提取及可视化，提出基于三维重构的钢桥锈蚀提取方法。该方法利用无人机采集桥梁影像，基于倾斜摄影生成三维点云模型，通过点云模型进行RGB颜色分布直方图统计，获取模型初始聚类中心，运用K-means聚类算法结合最大类间方差法获取锈蚀最佳分割阈值，进而对锈蚀率及锈蚀等级进行评估，并结合点云模型实现锈蚀可视化。以某钢桁拱桥为背景，采用该方法提取锈蚀区域，基于视觉分析和定量分析进行精确度评价，验证方法的有效性。结果表明，该钢桥的表面锈蚀率1.3%～9.4%,锈蚀等级为3～4级；提出的钢桥锈蚀提取方法平均正确提取率可达90.1%,平均漏提取率、误提取率分别为9.9%、8.2%,可有效用于钢桥表面锈蚀提取。     

高速铁路电务轨旁设备巡检系统研究

电务轨旁设备巡检系统综合应用低照度感光、激光照度补偿、图像数据压缩、机器视觉等技术,安装在高速铁路巡检车辆上,实现电务轨旁设备外观图像采集、管理和分析功能。该系统应用机器视觉技术,通过对比原始图像数据,实现设备变化的自动识别;结合地面台账数据和车载定位信息,准确定位异常设备图像和设备位置,实现图像自动筛选和自动检测,切实为电务轨旁设备养护维修提供依据和指导。     

剪切荷载作用下盾构隧道带新型定位榫管片的力学特性

基于成都某地铁工程应用的一种带新型定位榫的盾构隧道管片结构，运用ABAQUS软件分别建立有无定位榫的管片接头三维精细化模型，研究该定位榫对连接螺栓受力、管片塑性区分布以及管片错台量的影响，探究其在管片结构抗剪中的作用机理。结果表明：定位榫在管片受剪时承担总剪力的52%；定位榫能显著降低螺栓的受力，有定位榫后螺栓的轴力峰值至少下降75.1%、剪力峰值下降76.4%；有定位榫后螺栓塑性应变范围有所增大，但螺栓上下两侧的塑性应变峰值分别减小80.5%和90.6%；固定定位榫的凹槽对管片接缝面有削弱作用，导致管片环向和纵向的相对塑性区宽度分别增加93.7%和44.2%，但管片的最大塑性应变峰值减小7.2%，同时螺栓对管片径向的挤压也有所减小；剪切荷载小于460 kN时，带定位榫的管片错台量略大，剪切荷载超过460 kN后，带定位榫管片的错台量更小且增长速率更低。带新型定位榫的盾构隧道管片能够有效保护连接螺栓，改善接头力学性能。     

图像特征识别的m序列列车定位方法

提出一种图像特征识别的m序列列车定位方法,利用m序列(最大周期线性反馈移位寄存器序列)对轨道上的绝对位置进行编码,系通过安装在列车顶部的摄像机依次拍摄由二进制特征标志组成的轨道位置编码。提出基于虚拟轨迹获取目标图像方法,解决同一二进制特征标志重复采集的问题;提出基于BP(向后传播)神经网络的位置编码识别方法,以处理轨道现场环境干扰严重的问题。不同位置上的编码具有唯一性,以此位置编码值作为地址与车载数据库位置信息进行对比,来实现定位。试验结果表明,该方法可以有效地实现列车定位。     

基于改进卷积神经网络的驾驶员眼睛状态识别

为准确、高效识别驾驶员眼睛状态，提出一种基于改进卷积神经网络(Improved Convolutional Neural Networks, ICNN)的驾驶员眼睛状态识别方法。在LeNet-5网络的基础上采用多个小卷积层堆叠替换一个大卷积层的策略，减少参数量和浮点运算数的同时增强网络对眼睛图像的特征提取能力；在卷积层和池化层之间嵌入高效通道注意力(Efficient Channel Attention, ECA)模块，使网络突出眼睛图像中重要通道特征并弱化非重要通道特征，完成ICNN的构建；利用ICNN准确、高效自学习图像中有效眼睛状态特征信息的特点，实现端到端的驾驶员眼睛状态识别。通过在两个公开和一个实测的眼睛数据集上进行对比实验，验证卷积层堆叠替换和嵌入ECA模块的有效性，所提方法具有更高的训练效率和眼睛状态识别准确率。     

基于特征匹配的接触网定位支座检测

针对高速铁路接触网的定位支座识别问题,提出利用图像处理技术中的特征匹配的方法对接触网综合检测车采集的接触网图像进行定位支座的检测,采用3种常见的特征描述子分别对定位支座进行旋转不变和尺度不变的特征点检测,对SURF和ORB特征描述点用欧式距离进行匹配,采用汉明距离对FREAK描述子进行匹配。试验表明SURF的匹配效果最好,性能最佳,该方法能够进行实际运用。     

基于2阶级联轻量级卷积神经网络的高铁接触网悬挂紧固件缺陷识别方法

基于高铁接触网悬挂运行状态监测图像,分析监测图像与普通图像的区别;将紧固件缺陷检测问题转换为紧固件检测和运行状态精细识别2个过程,提出基于2阶级联卷积神经网络的紧固件缺陷识别方法。首先,设计紧固件检测网络,由轻量级特征提取网络、全局注意力模块及相互增强的分类器和检测器组成,实现目标紧固件实例的高效检测;然后,搭建1个包含4个卷积层、2个池化层、1个全连接层和1个输出层的多标签分类网络,完成紧固件运行状态的精细分类,实现缺陷识别。运用紧固体缺陷识别方法,对某高铁线路接触网状态监测图像数据进行试验分析,结果表明:2阶级联卷积神经网络的方法可以快速准确地检测紧固件的缺陷,紧固件定位平均检出率达98.2%,紧固件缺陷平均识别精度达95.8%,较单一检测网络提高约21.5%。     

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统

基于FPGA和DSP的高速实时轨道巡检图像采集处理系统由光学系统、FPGA模块、DSP图像处理模块及上位机组成。为提升图像采集的质量,提出并设计线阵相机加激光光源的组合方案,用以有效滤除阳光干扰,避免图像过度曝光。针对高速实时采集需求,设计FPGA采集模块,实现巡检图像采集控制和传输。针对实时智能检测需求,开发基于DSP模块的JPEG压缩、钢轨区域识别和扣件定位算法以及基于工控机的扣件缺陷识别算法。设计上位机软件,实现用户交互及数据存储。试验测试结果表明:该系统对钢轨定位的准确率在99%以上,对扣件定位的准确率在90%以上,对异常扣件识别率在80%以上,系统检测的最高速度可达160 km·h-1。     

日本使用综合检测车采集图像确认轨道状态

JR西日本公司在综合检测车前方和地板下部安装摄像装置，结合定期的轨道检测数据，进行垂直和斜方向拍摄，采集扣件、夹板螺栓和钢轨图像，数据传送到维护工区的数据库，利用专用图像生成软件，检查轨道部件状态。检查的项目有：     

基于3D相机的轨道扣件部件丢失与松动智能检测

轨道扣件在运营过程中会出现松动甚至掉落、断裂等异常情况,不利于列车行驶稳定和安全,需要进行定期、及时的检查与维修。传统的人工巡检效率低,难以匹配我国轨道交通的快速发展,且对于部件松动等不易察觉的问题检测效果差。利用计算机视觉形成自动化的检测设备逐渐成为发展趋势,其中基于三角测量原理的线结构光技术因其成本低、精度高、速度快等优点得到广泛应用,且适合轨道检测场景。该技术核心设备为可以采集并分析线结构光进行三维重建的3D相机,基于成像原理设计可搭载于轨道检测车的扣件检测系统并进行现场试验,经过数据分析和处理可以分别得到高质量的图像数据和三维模型。针对图像数据利用目标检测的方法,构建数据集,搭载YOLO(You Only Look Once)v5深度学习模型,实现挡肩及扣件部件的快速识别,进行部件丢失检测;针对三维模型利用轨道扣件相对位置固定的特点,根据阈值筛选扣件数据并进一步得到弹条及螺栓等部件的坐标信息,通过边缘提取、平面拟合等方法计算位移量,进行部件松动检测。研究结果表明,检测系统可以采集高质量的扣件数据,扣件部件识别平均精准度达到99.0%,速度满足现场实时检测的要求,同时对于弹条和螺...     

基于形状上下文的列车挡键丢失图像识别算法

针对列车运行故障图像动态检测系统（Trouble of moving Freight car Detection System,TFDS）中挡键丢失故障,提出一种基于形状上下文的列车挡键丢失图像识别算法。取正常挡键区域图像作为模板,到待测TFDS图像中遍历,采用形状上下文描述图像的形状特征,加权形状上下文距离与弯曲能量以定义形状距离作为图像匹配的相似度指标,最后根据模板图像是否遍历出与其相似的区域图像作为挡键丢失的判断依据。采用Matlab编程,通过截取大量测试图像实验发现,所定义的形状距离阈值取0．16,对测试图像中有无挡键能很好地区分。采用形状上下文描述,自定义形状距离作为图像匹配的相似度指标具有很高的可靠性,该算法为TFDS图像故障识别提供了一种新的思路。     

基于网格量化和区间均值的动态目标识别

动态目标识别中，当摄像机和目标之间相对距离变化时，对于同一目标的多尺度序列图像。虽然目标区域图像大小和清晰度不同，但整体结构分布具有相似性和一致性。根据这一特点，提出基于目标区域网格量化的方法。在目标区域上形成采样网格，通过相对量化提取结构特征矩阵。对于同一目标序列图像中的每一个目标区域，其结构特征矩阵基本不变。结构特征矩阵反映象素分布的自相关性质。进一步，对由干扰引起的灰度值结构分布误差，采用网格区间均值的方法加以解决。目标区域网格量化是对相邻采样点的差值进行量化匹配。区间均值是对少数相邻采样点的进一步匹配。实例表明，本文的方法运算速度快、可靠性高，达到了实用目的。