基于视频图像的弓网接触位置动态监测方法

针对列车人工检测受电弓状态效率低下的问题,提出基于视频图像的弓网接触位置动态监测方法.首先,将运用帧间差抓取受电弓视频中得到的包含弓网的图像作为原始训练数据集;然后,对复杂的受电弓图像背景进行分割处理,采用超像素分割获得最大特征区域,结合特征图像的HOG(方向梯度直方图)获得最大特征ROI(感兴趣区域),形成训练数据集,并设计标签;最后,运用改进的YOLO v3-tiny-strong网络结构检测分类器,用训练的权重对视频目标进行监测.结果 表明:该动态监测方法能够在每1帧图像中精确标记出受电弓与接触网的接触点位置,并且能够持续对受电弓的运动状态进行捕捉,有效获取接触点与受电弓的相对坐标位置,从而达到对受电弓的监测目的 ,其对弓网视频的检测精度可达98％.     

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％.     

基于关键特征梯形的城市轨道交通车辆受电弓羊角形变检测方法

针对城市轨道交通车辆受电弓羊角的形变和断裂，提出了基于关键特征梯形的受电弓羊角形变检测方法。首先，进行图像滤波预处理，去除图片中的高斯噪声；其次，对预处理图像进行LC(亮度对标)显著性检测，将图像的前景和背景分离，利用GrabCut算法完成图像分割，简化除采集图像中的受电弓以外的复杂环境背景，保留受电弓的完整特征；最后，按一阶梯度和二阶梯度信息为特征关键点匹配模板，得到2个羊角尖和2个螺母的关键点位置，将4个关键点连接形成特征梯形，对特征梯形面积进行计算，并与标准的受电弓特征面积进行比对，进而计算出受电弓羊角的形变比。试验结果表明：该算法能准确地定位羊角位置和计算其形变，可为维修人员及时更换受电弓提供依据。