【技術實現步驟摘要】
本專利技術涉及鐵路軌道安全監測，尤其是涉及一種基于圖像識別的調節器監測方法、系統及裝置。
技術介紹
1、跨越大江大河的橋梁，由于環境溫度變化幅度大，導致無縫鐵路線的鋼軌會產生縱向應力。為了釋放這種力，并減輕橋墩受力，需設置鋼軌伸縮調節器及梁端伸縮裝置(以下簡稱調節器)。因為大跨度橋梁的空間姿態多變，而且調節器自身的零部件較多，在線路長期運營維護的過程中，調節器逐漸成為線路安全的薄弱環節。并且，跨越大江大河的橋梁沿線通常存在環境惡劣、人煙稀少以及交通不便的不利因素，給人工巡檢與養護維修帶來諸多困難，所以亟需信息化手段進行助力，這種需求尤其是在軌道結構服役狀態的實時監測與鐵路基礎設施的智能化運維方面顯得越發迫切。
2、根據實際維護經驗，調節器處往往會出現如下具體缺陷：剪刀叉卡阻及歪斜；左右兩股尖軌及基本軌的縱向位移量不一致；鋼縱梁縱向伸縮量與梁縫變化量不一致；鋼枕歪斜及其方正度難以保持；有砟軌道出現梁端軌枕縱向平行四邊形變形、軌枕拉裂、擋砟墻擠裂；無砟軌道出現軌下墊板竄出等等。調節器本身屬于異形構件，其結構復雜部件繁多，容易出現故障，若不能及時發現并解除故障，將對線路整體安全造成巨大隱患。
3、綜上，急需對調節器進行實時準確監測，及時掌握調節器服役狀態，并建立健全安全預警機制，為線路的整體安全運營提供有力保障。
技術實現思路
1、本專利技術的目的在于提供一種基于圖像識別的調節器監測方法、系統及裝置，以解決現有技術中存在的至少一種上述技術問題。
2、為
3、通過上述圖像識別的方法，對調節器進行非接觸式位移量監測，生成報警信息并對外傳輸，顯著提高監測精度與效率。
4、進一步地，通過攝像機采集調節器監測區域的圖像。
5、優選的，所述圖像為高清圖像，所述高清圖像是指分辨率720p以上的圖像。
6、進一步地，所述標靶為標準尺寸參考基準，也可以是扣件、承軌臺、螺栓、特殊標記等。
7、進一步地，所述監測對象包括調節器、橋梁、鋼軌、鋼枕、鋼梁等物體的指定監測位。
8、進一步地，灰度圖的轉換公式如下：
9、gray＝0.299r+0.587g+0.114b；
10、其中，gray表示灰度圖像，r、g、b分別表示彩色圖像中的紅(red)、綠(green)、藍(blue)三通道灰度值。
11、進一步地，通過邊緣檢測識別所述灰度圖中的標靶與監測對象，具體步驟為：對灰度圖進行濾波去噪；計算梯度圖像及角度圖像；對所述梯度圖像進行非極大值抑制處理識別標靶與監測對象的初步邊緣；通過雙閾值算法檢測并連接所述初步邊緣得到邊緣。
12、通過邊緣檢測，從灰度圖中自動識別標靶與監測對象的邊緣。
13、進一步地，所述濾波去噪的具體過程包括：通過高斯公式生成濾波算子，對灰度圖中待處理的像素點及領域像素點的灰度值與所述濾波算子進行卷積運算，公式如下：
14、
15、其中，g(x,y)表示該像素點的高斯系數，x表示該像素點水平坐標值，y表示該像素點豎直坐標值，σ表示高斯函數的標準差。
16、通過上述加權平均運算，對灰度圖濾波去除可能存在的噪聲。
17、進一步地，計算梯度圖像及角度圖像時，圖像中某一像素點的梯度g'(x,y)和角度θ'(x,y)的計算公式分別如下：
18、
19、
20、其中，gx(x,y)為該像素點水平方向濾波值，gy(x,y)為該像素點豎直方向濾波值，θ'(x,y)為該像素點旋轉角度濾波值。
21、進一步地，對所述梯度圖像進行非極大值抑制處理，包括：通過非極大值抑制法搜索梯度圖像中局部最大值的若干像素點作為邊緣點，并將所述邊緣點中的梯度值非極大值所對應點的灰度值設置為0。
22、優選的，上述非極大值抑制處理的具體方法是將每個像素點和2個與所述像素點梯度值相同的領域像素點作比對，若所述像素點的梯度值不是這3個像素點中的極大值時，就將所述像素點的灰度值設置為0，實現抑制的效果。
23、進一步地，所述雙閾值算法包括：基于灰度值，預設兩個高低不同的閾值，小于較低閾值的像素點設定為弱邊緣，大于較高閾值的像素點設定為強邊緣，介于兩個閾值之間的像素點再根據需要進行設定。
24、進一步地，所述孔洞填充包括：以邊緣圖像的補集作為邊界，所述邊界用于限制膨脹；以帶有白色邊框的黑色圖像作為初始填充物；將所述初始填充物在所述邊界內進行膨脹填充直至收斂為止，形成填充物；對所述填充物求補集；用所述補集減去所述邊緣圖像得到填充圖像。
25、通過上述填充方法，用于使圖像更加清晰，便于后續操作。
26、進一步地，對所述填充圖像進行坐標修正得到重構圖像，具體包括：基于填充圖像，通過邊緣檢測識別標靶特征；將當前標靶尺寸與實際標靶尺寸進行換算得到旋轉量矩陣；基于旋轉矩陣，對所述填充圖像的網格坐標進行修正，所述坐標包括水平方向坐標和豎直方向坐標；基于修正后的坐標，對所述填充圖像的進行二維坐標重構，得到重構圖像。
27、進一步地，坐標修正的計算公式如下：
28、
29、
30、
31、其中，x、y分別為坐標修正前的填充圖像坐標，x'、y'分別為坐標修正后的填充圖像坐標，a11、a12、a21、a22、a31、a32為旋轉量，a13、a23、a33為平移量。
32、進一步地，計算監測對象的位移量包括：基于重構圖像，通過統計灰度值，得到當前標靶像素數及當前監測對象位移量像素數；基于當前標靶像素數及實際標靶像素數，計算單位尺寸像素比例；基于所述當前監測對象位移量像素數及所述單位尺寸像素比例，換算得到實際監測對象位移量像素數；基于像素尺寸，換算得到實際檢測對象位移量。
33、進一步地，所述單位尺寸像素比例的計算公式如下：
34、
35、其中，ζ表示單位尺寸像素比例，n表示當前標靶像素數，n表示實際標靶像素數。
36、進一步地，所述實際監測對象位移量像素數的計算公式如下：
37、
38、其中，n'表示實際監測對象位移量像素數，n'表示當前監測對象位移量像素數，ζ表示單位尺寸像素比例。
39、進一步地，對位移量進行判斷生成報警信息的過程包括：當某一位移量大于第一預設閾值時，生成預警信息；當所述位移量大于第二預設閾值時，生成常規報警信息；當所述位移量大于第三預設閾值時，生成緊急報警信息。
本文檔來自技高網...
【技術保護點】
1.一種基于圖像識別的調節器監測方法,其特征在于，包括：采集調節器監測區域的圖像；將所述圖像轉換為灰度圖；識別所述灰度圖中的標靶與監測對象；對所述標靶與所述監測對象的邊緣進行孔洞填充得到填充圖像；對所述填充圖像進行坐標修正得到重構圖像；基于所述重構圖像，計算監測對象的位移量；對所述位移量進行判斷生成報警信息并外發。
2.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，通過邊緣檢測識別所述灰度圖中的標靶與監測對象：對灰度圖進行濾波去噪；計算梯度圖像及角度圖像；對所述梯度圖像進行非極大值抑制處理識別標靶與監測對象的初步邊緣；通過雙閾值算法檢測并連接所述初步邊緣得到邊緣。
3.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，所述濾波去噪的具體過程包括：通過高斯公式生成濾波算子，對灰度圖中待處理的像素點及領域像素點的灰度值與所述濾波算子進行卷積運算。
4.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，對所述梯度圖像進行非極大值抑制處理，包括：通過非極大值抑制法搜索梯度圖像中局部最大值的若干像素點作為邊緣點，并
5.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，所述雙閾值算法包括：基于灰度值，預設兩個高低不同的閾值，小于較低閾值的像素點設定為弱邊緣，大于較高閾值的像素點設定為強邊緣，介于兩個閾值之間的像素點再根據需要進行設定。
6.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，所述孔洞填充包括：以邊緣圖像的補集作為邊界；以帶有白色邊框的黑色圖像作為初始填充物；將所述初始填充物在所述邊界內進行膨脹填充直至收斂為止，形成填充物；對所述填充物求補集；用所述補集減去所述邊緣圖像得到填充圖像。
7.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，對所述填充圖像進行坐標修正得到重構圖像，具體包括：基于填充圖像，通過邊緣檢測識別標靶特征；將當前標靶尺寸與實際標靶尺寸進行換算得到旋轉量矩陣；基于旋轉矩陣，對所述填充圖像的網格坐標進行修正，所述坐標包括水平方向坐標和豎直方向坐標；基于修正后的坐標，對所述填充圖像進行二維坐標重構，得到重構圖像。
8.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，計算監測對象的位移量包括：基于重構圖像，通過統計灰度值，得到當前標靶像素數及當前監測對象位移量像素數；基于當前標靶像素數及實際標靶像素數，計算單位尺寸像素比例；基于所述當前監測對象位移量像素數及所述單位尺寸像素比例，換算得到實際監測對象位移量像素數；基于像素尺寸，換算得到實際檢測對象位移量。
9.一種基于圖像識別的調節器監測系統，其特征在于，包括圖像采集模塊、數據處理模塊和數據生成模塊：
10.一種基于圖像識別的調節器監測裝置，其特征在于，所述裝置包括監測點、攝像機、控制箱及供電設備：
11.根據權利要求10所述的裝置，其特征在于，所述控制箱內還設置有無線通信裝置，所述無線通信裝置用于將所述報警信息進行對外無線傳輸。
12.根據權利要求10所述的裝置，其特征在于，所述監測點包括梁縫變化量監測點、鋼枕方正度監測點及縱向位移量監測點：
...【技術特征摘要】
1.一種基于圖像識別的調節器監測方法,其特征在于，包括：采集調節器監測區域的圖像；將所述圖像轉換為灰度圖；識別所述灰度圖中的標靶與監測對象；對所述標靶與所述監測對象的邊緣進行孔洞填充得到填充圖像；對所述填充圖像進行坐標修正得到重構圖像；基于所述重構圖像，計算監測對象的位移量；對所述位移量進行判斷生成報警信息并外發。
2.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，通過邊緣檢測識別所述灰度圖中的標靶與監測對象：對灰度圖進行濾波去噪；計算梯度圖像及角度圖像；對所述梯度圖像進行非極大值抑制處理識別標靶與監測對象的初步邊緣；通過雙閾值算法檢測并連接所述初步邊緣得到邊緣。
3.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，所述濾波去噪的具體過程包括：通過高斯公式生成濾波算子，對灰度圖中待處理的像素點及領域像素點的灰度值與所述濾波算子進行卷積運算。
4.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，對所述梯度圖像進行非極大值抑制處理，包括：通過非極大值抑制法搜索梯度圖像中局部最大值的若干像素點作為邊緣點，并將所述邊緣點中的梯度值非極大值所對應點的灰度值設置為零。
5.根據權利要求2所述的基于圖像識別的調節器監測方法，其特征在于，所述雙閾值算法包括：基于灰度值，預設兩個高低不同的閾值，小于較低閾值的像素點設定為弱邊緣，大于較高閾值的像素點設定為強邊緣，介于兩個閾值之間的像素點再根據需要進行設定。
6.根據權利要求1所述的基于圖像識別的調節器監測方法，其特征在于，所述孔洞填充包括：以邊緣圖像的補集作為...
【專利技術屬性】
技術研發人員：左峰，王偉華，高梓航，郭酈，寇勝宇，徐凌雁，王會永，王鐵霖，姚一鳴，趙華衛，李大成，王聚光，
申請(專利權)人：中國鐵路設計集團有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。