一种快速的车道线检测方法

针对辅助驾驶系统中重要的车道线检测问题,提出了一种基于霍夫变换和最小二乘法拟合的车道线检测方法。根据相机参数确定图像中的感兴趣区域,对感兴趣区域中灰度图像进行高斯滤波和边缘检测,并利用颜色信息进一步选取检测到的边缘像素。利用霍夫变换提取边缘像素组成的直线,并利用角度信息去除错误的提取结果。用最小二乘法对车道左右两侧提取出的标识线像素分别进行直线拟合,从而检测出当前车道的标识线。通过对800帧不同车道线种类的图片进行算法检验,结果表明该方法能达到30帧/秒的实时检测速度,晴好天气下的直线车道线的检测正确率为99. 6%。     

基于线特征跟踪的铁路桥梁支座振动位移测量方法

针对现有基于结构物表面纹理特征跟踪的支座振动位移测量算法易受光照、背景杂波、运动模糊等因素干扰的问题,提出一种基于线特征跟踪的铁路桥梁支座振动位移测量方法.利用大津法与连通体分析法获取感兴趣目标,并基于感兴趣目标确定线跟踪区域,提高支座位移计算效率;利用一种直线鲁棒检测算子,快速提取桥梁支座振动过程中线跟踪区域中的线目...     

一种波长固定的车轮多边形在线故障检测方法

针对多边形磨耗对列车安全性和舒适性的影响提出一种适用于列车车轮多边形不圆故障在线检测的方法。该算法的核心是:根据轨道及车辆的几何参数定位车轮多边形故障的感兴趣阶次,根据定位后的感兴趣阶数,计算轨枕通过频率。联合列车轴箱垂向、横向振动加速度信号,提出时域、频域相结合的多特征参数表征车轮多边形故障的方法。这种与车轮周长以及轨枕跨距相关的车轮多边形检测方法称为波长固定的车轮多边形检测方法。对我国某型高速列车在线监测车轮多边形数据应用该算法验证其有效性,结果表明:该方法实时性好,准确性高,具有良好工程适应性。     

基于机器视觉的轨距检测方法研究

提出了一种基于机器视觉的轨距检测方法,该方法采用4个CCD摄像机和2个红色扇形光源构成检测系统。对检测系统进行了定标分析,采用提取分量的方式对图像的目标区域和背景区域进行分割,利用图像差影法去除噪声,应用自适应迭代阈值法对图像进行二值化处理,并通过膨胀和细化算法得到轨道的截面轮廓线。试验结果表明,该方法能有效地实现轨距参数的高精度动态测量,精度可达到0.07mm。     

基于截线法的铁路扣件骨架提取算法

为了能够精确描述铁路扣件端部形状,提高铁路扣件的识别率,以及满足扣件检测的实时性要求,提出了一种基于截线法的铁路扣件骨架提取算法。首先,通过预处理得到原始图像的二值图像及其感兴趣区域;其次,应用不同方向的方位距离变换计算扣件各端部区域的骨架生长点;然后,以骨架生长点为中心沿扣件的弯曲方向分别利用水平线族和竖直线族扫描扣件端部轮廓,得到截线段后,计算其中心点;最后依次连接骨架生长点和所有截线中心点即可得到完整的扣件图像骨架。理论分析与实验结果证明,本文算法对扣件形状的描述能力强,并且可以准确识别扣件形状。对于复杂图像的识别具有较好的效果,在识别缺陷扣件时具有较强的应用优势。算法运行时间较短,可以达到实时性的要求。     

基于头部图像特征的人流计数方法

为提高视频人流智能计数的实时性和准确性,提出一种基于头部图像特征的人流计数方法。根据混合高斯算法检测前景,提取感兴趣的人流区域和相应的边缘;利用基于边缘分类和梯度信息的RHT圆变换识别头部区域,并选取头部面积与头发颜色作为筛选模型参量对头部进行筛选;利用基于Kalman的滤波预测完成跟踪和计数,并将跟踪目标参数反馈给筛选模型,实现更新。实验结果表明,该方法能够有效消除类圆的非头部干扰,提高计数的速度和准确率。     

基于工业CT的铁路货车铸件缺陷自动检测

针对采用传统方法检测铸件缺陷存在检测效果不明显的问题,为提高检测效率,研究基于工业CT的铁路货车铸件内部缺陷自动检测算法.首先用工业CT扫描重建得到铸件的断面图像,然后对图像计算分形维数,利用铸件缺陷区域分形维数较高的特点自动定位出缺陷的大致区域,再用Facet模型对定位区域进行边缘检测,以便确定缺陷的准确形状.用工业CT对摇枕和侧架进行缺陷检测的结果表明,该方法不仅能获得铸件内部缺陷的位置和准确形状,而且处理自动化程度较高.     

基于深度学习与Hu不变矩的绝缘子故障检测

针对高速铁路接触网绝缘子故障检测问题,提出一种基于深度学习EAST模型与Hu不变矩的图像检测方法.利用EAST模型生成检测图像的掩膜图,与图像进行掩膜操作得到绝缘子区域,实现定位功能;利用二值化边缘检测提取绝缘子每片轮廓;利用Hu不变矩逐片进行轮廓相似度对比,通过对比结果判断绝缘子是否存在故障.实验结果表明,本文方法可...     

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。     

基于区域级和像素级特征的路面裂缝检测方法

路面裂缝图像普遍存在光照不均匀,对比度低,噪声干扰严重等问题,传统图像处理方法无法有效检测路面裂缝。提出一种综合区域级和像素级特征的分步路面裂缝检测算法,将检测过程分为裂缝区域检测和区域内裂缝精确检测2部分依次进行。设计一种基于拟合图像背景的匀光算法,并结合其他预处理算法改善图像质量;而后基于图像连通域特征,采用基于多特征的滤波方法以及基于SVM的裂缝区域分类法完成裂缝区域检测;在裂缝区域内采用基于像素灰度与梯度特征的种子生长法提取裂缝目标。实验结果表明,该算法能够较好的检测和标识出复杂路面裂缝图像中的裂缝目标。