基于机器视觉的圆斑状钢轨擦伤检测算法

针对现有基于灰度阈值的钢轨擦伤检测算法受光照等外部环境的影响较大的问题，本文提出了一种基于机器视觉的圆斑状钢轨擦伤检测算法。首先通过分析采集图像在垂直方向的灰度均值曲线，提取出钢轨顶面区域；然后运用边缘检测的方法得到擦伤区域边缘的候选像素点；最后运用形态学处理删除不属于擦伤区域的虚假边缘，确定钢轨擦伤区域的位置。用测试数据集对本文算法进行检测性能评测，并与基于灰度阈值的算法进行对比。结果表明：本文算法对圆斑状钢轨擦伤样本的检测准确率为96.4%，而基于灰度阈值的算法的检测准确率为86.8%，本文算法的检测准确率大幅提升，能够对钢轨擦伤进行有效检测。     

蚁群算法在调机运用计划中的应用

编组站调机运用计划为具有不同开工、完工时间窗口的单机调度问题,优化目标是最小化晚点列车的数量。为解决这一NPC问题,建立单机调度数学模型,采用蚁群算法求解。设计的算法步骤是,将调机运用问题描述成适合蚁群算法的形式,并进行初始化,考虑迭代过程中信息素对未来决策的影响程度,定义与问题相适应的转移概率,进而确定选择策略来平衡已有方案的利用和搜索空间的选择,采用2-opt方式的局部搜索策略来避免“早熟”或者“停滞”现象,同时在蚂蚁经过的路径上进行信息素更新,实现对该优化问题的有效求解。以某编组站有12列到达列车和少量暂存列车解体编组出12列出发列车为例,利用设计的蚁群算法步骤,求得到达列车的解体次序和出发列车的编组次序,验证了该算法在编组站的改编能力无法满足车流配送情况下实现合理安排调机的有效性。     

基于MATLAB的混合型蚁群算法求解旅行商问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出基于MATLAB的蚁群算法在旅行商问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行局部优化.计算机仿真结果表明,这种混合型蚁群算法对求解旅行商问题有较好的改进效果.     

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。     

钢轨轮廓全断面检测中的匹配方法研究

采用激光视觉测量技术对钢轨全断面廓形进行检测,在动态测量过程中由于车辆的随机振动,会影响钢轨轮廓数据的检测精度。因此,在高速动态条件下实现检测钢轨轮廓与标准廓形高精度自动匹配,是当前轨道廓形检测中面临的关键问题。在分析国内外钢轨廓形检测、廓形匹配现状的基础上,通过对目前采用最多的迭代最近点ICP(Iterative Close Point)算法进行简化,同时优化匹配过程中的对应点搜索策略,在保证匹配精度的前提下,解决了钢轨廓形检测中的匹配问题,达到实时性检测的需求。将该算法运用在地铁轨道检测设备中,验证了该方法的有效性。     

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...     

交通物流配送路径优化算法的研究

为进一步优化交通物流配送路径,提高物流配送效率,将多种路径优化算法相结合,提出改进的路径优化混合算法。首先利用遗传算法的随机搜索性、快速性和全局收敛性产生物流路径问题的初始信息素分布,然后充分利用蚁群算法的并行性、正反馈机制及求解效率高等特点求得较优解,最后利用爬山算法良好的局部收敛性求得最优解。实验结果证明,该混合算法与单一算法相比,其路径计算效果和计算效率都有比较明显的提高。     

一种基于Metropolis抽样准则的蚁群算法的信息素更新策略

针对蚁群优化算法的关键步骤--信息素轨迹更新过程进行了分析.在理论证明和实验验证的基础上,针对此过程提出一种基于Metropolis接受准则的信息素更新策略,并通过引入一种非齐次的模拟退火方法有效地减少算法在早期落入较差解的可能性.在系统温度较高时,算法将以较大的概率接受不同的解,进行广泛的试探,能够有效地避免算法初期陷入较差解的状况;当系统温度较低时,将以小概率接受不同的解,在算法的后期将搜索集中到迄今最优解的邻域中,保证了算法收敛的同时减少了算法的收敛时间.同时将基于Metropolis接受准则的信息素更新策略和已有的信息素更新策略在4个不同规模的TSP问题上进行对比实验,试验结果也证明了本文策略的有效性.     

基于蚁群算法的铁路线路纵断面优化设计

将蚁群算法应用于铁路线路纵断面优化设计,提出了一种基于蚁群算法的铁路线路纵断面优化设计方法。首先在初始纵断面方案的每个变坡点附近区域内划分网格,并设置网格中心点之间的初始信息素;然后由计算机模拟出人工蚁,人工蚁根据概率选择路径并更新所选路径上的信息素,在划分的网格范围内多次迭代优选变坡点位置;通过缩小范围、逐步求精的方法进一步优化,直至优化结果达到要求。实践表明:该方法能快速、高效地得到优化方案,在铁路新线纵断面优化设计中是有效和可行的。     

基于机器视觉的钢轨光带检测方法

为了从轨道图像中准确地提取轨面区域并检测光带位置,根据钢轨光带的结构特征,提出了基于机器视觉的钢轨光带检测方法。首先根据轨道图像的频域特征,设计了基于占优的频率域采样值的轨面区域定位算法,从轨道图像中准确提取出轨面区域;然后利用图像灰度变换突出光带与非光带区域的边界,通过逐行计算梯度识别光带的位置。结合实际线路的轨道图像,采用该方法对钢轨光带进行检测,并与现有方法进行对比。结果表明：该方法能有效地检测钢轨光带,计算的光带区域与人工标注的光带区域的交并比平均值达到了88.81%,比现有方法提升了11.58%。     

基于混合算法的机车二系弹簧载荷调整优化方法

针对电力机车二系悬挂调簧分析数学模型算法的优化问题,提出一种遗传算法(GA)与蚂蚁算法(AA)相结合的混合优化算法。其基本思想是:首先采用遗传算法以较少的进化代数进行全局快速随机搜索,获得若干可能的(近似)优化解,以此生成蚂蚁算法初始信息素分布,再用后者求得全局优化精确解。对国产SS3B和SS9型机车的应用结果表明,对同一车体进行多次优化计算试验,混合优化算法的搜索寻优过程均能稳健一致地收敛到全局优化解,可明显缩短二系支承载荷调整调簧计算所需时间,使调簧试验的实时性大为提高。对于二系为高圆簧的SS9型机车,混合算法平均用时比迭代算法和单一遗传算法分别减少约74%和29%。     

基于改进Radon变换的直线钢轨识别算法

针对传统Radon变换在直线轨道检测方面速度慢且不能从众多边缘直线中识别出钢轨,提出基于改进Radon变换的直线轨道识别算法。首先,通过阈值筛选的边缘点;其次,利用先验知识,建立极角约束域;然后通过Radon变换提取所有直线,再利用直线角度差和直线平均距离筛选出钢轨边缘直线;最后将本文算法与传统Hough变换算法和传统Radon变换算法的比较,实验结果显示本文算法能精准识别出钢轨,且速度更快。     

基于Shearlet域方向模极大值和改进蜂群的图像边缘检测

为从图像中提取出更为准确、清晰的边缘,本文提出一种基于Shearlet域方向模极大值和改进蜂群的边缘检测方法。对图像进行非下采样Shearlet分解;对于低频分量,利用改进的蜂群算法准确检测出边缘的基本轮廓线;而对于高频分量,采用方向模极大值算法检测出图像中丰富的边缘细节;融合后得到轮廓完整、细节丰富的图像边缘。实验结果表明:与Canny方法、改进的蚁群方法、改进的蜂群方法、改进的非下采样Contourlet模极大值方法相比,本文提出的方法检测出的图像边缘定位准确、完整清晰、细节丰富,边缘检测效果更好,且运行时间较少。     

轨道检测系统钢轨图像标定误差试验研究

GJ-6型轨道检测系统采用线结构光视觉测量组件动态采集钢轨图像,实时测量钢轨横向位移、钢轨垂向位移、钢轨磨耗等重要轨道几何参数。钢轨图像线结构光视觉测量组件采用针板靶标进行标定。本文基于线结构光视觉测量原理,从几何光学角度建立靶标深度方向一维相机投影模型,在此基础上设计钢轨图像标定试验,研究钢轨图像针板靶标标定误差的成因及大小。试验结果表明:针板靶标靶面倾斜及成像像素点偏移导致钢轨图像标定产生误差;随着针板靶标靶面倾斜及成像像素点偏移增大,钢轨图像标定误差不断增大。     

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。     

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。     

基于改进蚁群算法的装配线VRPTD问题研究

采用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

中国铁道科学研究院2013年科技成果简介(续五)

<正>29高速铁路工务综合巡检系统针对高速铁路工务综合巡检的需求,开展高速铁路工务综合巡检技术及系统的研发。该系统主要由轨道状态巡检子系统、钢轨轮廓检测子系统、线路限界检测子系统和定位同步子系统组成。基于轨道图像清晰成像技术采集轨道图像数据,其中钢轨轮廓图像的实时采集速率达到80帧·s-1,运用专门的图像处理及模式识别技术和算法分析轨道图像数据,自动     

基于蚁群算法的铁路纵断面优化算法研究

将蚁群算法应用于铁路纵断面优化设计,提出一种基于蚁群算法的铁路纵断面优化设计方法。即在初始纵断面方案的每个变坡点附近区域内划分网格并设置网格中心点之间的初始信息素;由计算机模拟出人工蚁,根据概率选择路径并更新所选路径上的信息素,在划分的网格范围内多次迭代优选变坡点位置;通过缩小范围、逐步求精的方法进一步优化,直至优化结果达到要求为止。结果表明,采用该设计方法,既能满足各项技术要求为止,又能使各种工程费用或运营费用达到最优,为改善平面位置提供依据。