基于帧间差分累积的铁路限界异物检测提取算法

为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。     

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。