基于线阵CCD相机的轨道图像采集系统设计

轨道图像信息的采集是对轨道状态实时监控的重要手段。设计了一种基于线阵CCD相机的新型图像采集系统,该系统利用线阵CCD相机连续快速的记录轨道信息,整个系统运行速度能达到10 km/h,钢轨表面图像的横纵分辨率为0.5 mm×0.5 mm,并且图像不失真,不漏采;同时解决了信号触发和里程记录等关键问题,实现轨道信息的完整采集。实验结果表明:系统不受小车速度变化的影响,并能准确记录里程信息,从而为后续缺陷的检测与定位奠定基础。     

基于计算机视觉的车载轨道巡检系统研制

基于计算机视觉的车载轨道巡检系统由图像数据采集、数据分析和信息管理3个子系统组成;采用线阵相机进行1.6mm等间距运动扫描,并运用多线程交互和虚拟内存映射技术实现运动状态下轨道图像数据的采集和存储;在分析轨道图像病害特征的基础上,运用主成分分析、线性判别分析和Adaboost等方法建立机器学习模型,实现对钢轨、扣件和道床3个区域病害的模式识别。应用验证表明:系统能够有效检出钢轨表面擦伤、扣件缺失和移位以及轨道板裂纹等病害,其中钢轨表面擦伤、扣件缺失的检出率达95%;能够代替传统的人工步行巡道,而且最高巡检速度可达160km.h-1。     

车载轨道巡检系统研制

论述了车载轨道巡检系统结构及各子系统设计方案。巡检系统由轨道图像采集、数据分析和数据管理3个子系统构成。图像采集子系统采用线阵CCD等间距运动扫描获取轨道图像。基于机器学习理论构建了数据分析子系统,可对钢轨表面伤损、扣件异常进行智能识别。数据管理子系统可对检出缺陷进行组合查询并输出报表。该系统目前已应用于我国各高速铁路干线,对轨道主体设备外观进行普查,最高检测速度可达160 km/h。     

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DS...     

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...     

车载智能轨道巡检系统的研究与应用

在高铁大规模建设和开通运营的环境下,工务部门亟需采用车载动态非接触方式对轨道病害进行检测。车载智能轨道巡检系统通过布置于车底的高速相机阵列,拍摄列车通过高铁线路的整个车底下道床图像,存储于计算机,并在后期通过智能识别软件对图像中的扣件、钢轨和轨道板等进行智能诊断,自动识别出有缺陷的地方,为高铁的养护提供了依据。     

基于线阵相机扫描的地铁车顶关键部件检测研究

文章提出了基于线阵相机扫描的状态监测方法,采用3台线阵相机对车顶图像进行扫描,根据实时采集的车速信息对图像矫正后拼接成全局图,利用HOUGH不规则形状检测实现对关键部件进行定位,再针对不同部件使用不同算法分析当前状态与历史状态的差异,重点对受电弓滑板和绝缘瓷瓶进行了算法分析,结果表明,可以较好地实现异常状态的判定。     

地铁隧道表面裂缝智能视觉采集系统

基于我国隧道裂缝检测主要依靠人工检测来实现,检测方式工作效率低、占用线路时间长,无法满足现代城市轨道交通检测的需求。提出一种基于车载式多目高速线阵相机的地铁隧道表面图像采集系统,阐述其系统工作原理,并对系统内部各项硬件设备进行选型,在实验室内完成组装和调试,基本实现线阵相机图像采集的功能,并为后续的隧道表面图像处理提供支持。     

GJ-6型轨道检测系统激光摄像同步触发设计

针对GJ-6型轨道检测系统开启后激光器即进入长时间点亮的单一工作模式,提出了适用于激光摄像同步触发系统做等频脉宽变换及同步协调控制,实现激光频闪最亮发光状态与高速相机等距离空间同步,从而采集钢轨图像的设计方案。因触发时序控制和电信号有效识别是设计方案的关键,因此先进微处理器控制设计和光耦隔离电路、反相整形电路、增益放大电路等硬件电路设计成为系统的关键技术。经试验室与现场试验分析,本设计方案下的激光器与相机同步触发稳定。在120km·h~(-1)速度等级下,与长亮工作模式相比激光器的能耗降低了约94%,延长了激光器的工作寿命,避免了非工作时段外射激光的安全隐患,提高了轨道检测系统的可靠性和安全性。     

基于机器视觉的钢轨表面检测光学模型的研究

在机器视觉的检测中,图像是整个系统中最重要的原始数据,其质量决定了后期图像处理的效果和速度。为探讨高质量图像的采集,提出一种基于线阵CCD相机和线阵光源的钢轨表面缺陷检测的光学理论模型,分析线阵CCD采集系统中振动模糊的原因,推导出图像灰度值与系统振动幅度和缺陷深度的关系,研究光源照射角度和相机拍摄角度对图像灰度和缺陷区域对比度的影响,并通过实验验证模型的合理性。结果表明:缺陷区域图像灰度值随着钢轨表面缺陷深度增大而降低,采用较低的光源照射角度可增大缺陷与背景的对比度,突出缺陷特征便于后期图像处理的缺陷识别。     

基于Camera Link的双相机高速同步采集系统的研制

提出一个基于Camera Link的双相机高速采集系统,介绍该系统的特点和主要硬件组成。通过重点讲述双相机的外触发同步采集方式和海量存储技术、阐述主要的软件架构和图像采集、显示的软件实现,从而达到利用这些技术为铁路的现场检测带来新的解决途径的目的。     

基于控制器局域网总线的车载轨道检测系统设计研制

为提高检测性能、简化系统结构,设计研制基于控制器局域网(CAN)总线的车载轨道检测系统,全部使用数字信号传感器,并将分立式传感器集成,将检测梁安装在车下,以检测梁作为惯性器件、激光摄像组件和数字式地面标志传感器ALD的安装平台;基于惯性基准测量技术、激光摄像测量技术、图像处理技术,通过CAN总线网络进行数字信号同步采集和传输,并根据检测梁与轨道之间的运动姿态关系,结合数字滤波及误差补偿和修正技术,建立与系统结构相匹配的数学计算模型,得到轨道的轨距、高低、轨向和水平等几何参数。通过实验室标定、第三方检验和现场实车测试,基于CAN总线的车载轨道检测系统的准确性、重复性和再现性等技术指标均达到相应的要求,且与现有型号的车载轨道检测系统相比零备件损耗可降低46%。     

基于线阵相机的接触轨几何参数动态检测系统

基于线阵相机的接触轨几何参数动态检测系统,采用高速线阵相机,通过光切法,获取接触轨目标图像,采用双目成像检测原理,同时结合车体偏移补偿,精确测量接触轨几何参数,采用实时定位系统,对检测数据进行定位。     

基于线阵相机的接触轨几何参数动态检测系统

基于线阵相机的接触轨几何参数动态检测系统,采用高速线阵相机,通过光切法,获取接触轨目标图像;采用双目成像检测原理,同时结合车体偏移补偿,精确测量接触轨几何参数;采用实时定位系统,对检测数据进行定位。     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

车载轨道状态巡检技术发展及应用

介绍车载轨道状态巡检技术的国内外研究现状,阐述我国自行研制的车载轨道状态巡检系统的功能及特点,该系统主要针对轨道存在的钢轨表面擦伤、扣件异常、轨枕掉块、轨道板裂纹及线路有异物等现象进行检测,分为图像采集、图像分析、数据管理3个模块。简述目前巡检技术在我国铁路日常检测中的运用状况和作业模式,提出今后需要进一步深化研究的领域。     

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。     

基于轻量级卷积神经网络的地铁轨道线路状态检测系统

轨道作为承载车辆运行的重要部件，其工作状态对地铁运营的安全性有重要影响。传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业，工作效率低。针对该问题，提出一种基于地铁运营列车的轨道线路状态检测系统，该系统采用高速线扫相机对轨道线路进行实时图像采集，并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征。在此基础上，加入双向特征金字塔网络进行多层次特征融合。最后将融合特征输入目标检测头实现轨道线路状态的实时检测。结合基于云边协同的困难样本挖掘以及模型部署加速技术，算法可实现高准确率、高实时性的检测性能。试验表明，该系统针对11类钢轨伤损及扣件状态的检测平均准确率（mAP）达到0.951，推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求。     

一种基于车载相机的车轮位移检测新方法

提出了一种车载式双相机的车轨位移检测方法。该方法将相机安装在车轮内外两侧,通过相机从图像中获取车轮内外信息,结合计算机视觉技术从图像中获取车轮中心轴线两端点,进一步确定车轮中心轴线的空间位置以得到轮轨位移量。实验结果表明,该方法实现了列车车轮位移的非接触检测,且精度高、实现简单,该方法的提出为后续进一步开展列车运行安全状态监测与评价研究奠定了基础。     

应用YOLO深度卷积网络的轨道图像定位算法

将摄影测量技术应用于铁路轨道检测是未来轨检技术的发展趋势。对轨道图像扣件的快速定位,是判断扣件是否缺损,匹配连续图像以及对轨道线形三维重建的基础。由于实际中轨道图像易受到拍摄角度、光照等因素影响,同时有砟轨道图像具有背景复杂、色彩单一、特征分布多变等特点,使得传统基于钢轨、轨枕布设关系的扣件定位算法具有局限性,对弯道和上下行道岔咽喉区域的扣件定位鲁棒性差。将近年在计算机视觉领域发展迅猛的深度学习算法引入铁路轨道检测,利用YOLO端对端输出的网络特点,根据图像全局信息直接对扣件的Bounding Box和类别进行迭代回归,输出扣件位置信息。试验检测50份测试数据,检测正确率达到94%,检测速度54 fps,可以达到实时检测的要求。