專利名稱：高鐵接觸網(wǎng)懸掛裝置耳片斷裂檢測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明涉及高速鐵路圖像檢測(cè)領(lǐng)域，特別涉及SIFT (Scale-Invariant Feature Transform，尺度不變特征變換)圖像不變特征提取，特征點(diǎn)匹配與篩選，耳片斷裂故障識(shí)別等方法。
背景技術(shù)：
旋轉(zhuǎn)雙耳位于高鐵接觸網(wǎng)支撐定位器的連接處，是觸網(wǎng)支撐結(jié)構(gòu)中重要的承力部件，對(duì)列車安全運(yùn)行起到至關(guān)重要的作用。在鐵路實(shí)際運(yùn)營(yíng)中，常因列車震動(dòng)而引發(fā)耳片斷裂故障，導(dǎo)致接觸網(wǎng)支撐裝置結(jié)構(gòu)強(qiáng)度降低，嚴(yán)重時(shí)甚至有定位器脫落的危險(xiǎn)。因此有必要對(duì)旋轉(zhuǎn)雙耳部件進(jìn)行檢測(cè)，及時(shí)發(fā)現(xiàn)并更換故障部件。
目前，我國(guó)鐵路部門主要采取人工方式對(duì)接觸網(wǎng)零部件進(jìn)行檢查。這種方法效率較低，不能及時(shí)發(fā)現(xiàn)故障，因此有必要研究自動(dòng)檢測(cè)方法。目前，基于圖像處理的自動(dòng)檢測(cè)技術(shù)已在鐵路上有所應(yīng)用，主要用于實(shí)現(xiàn)接觸網(wǎng)幾何參數(shù)和受電弓磨損的檢測(cè)。然而針對(duì)旋轉(zhuǎn)雙耳的故障檢測(cè)方法目前尚未出現(xiàn)。發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種高鐵接觸網(wǎng)旋轉(zhuǎn)雙耳而片斷裂故障的檢測(cè)方法。該方法利用SIFT的縮放、旋轉(zhuǎn)、亮度以及仿射不變性，能夠從不同拍攝環(huán)境、不同拍攝角度的接觸網(wǎng)支撐與懸掛裝置圖像中，準(zhǔn)確識(shí)別并提取出旋轉(zhuǎn)雙耳，同時(shí)對(duì)是否發(fā)生耳片斷裂故障進(jìn)行自動(dòng)判斷。其具體手段是
一種利用尺度不變特征變換 SIFT (Scale-Invariant Feature Transform)的高鐵接觸網(wǎng)支撐裝置耳片斷裂檢測(cè)方法，利用安裝在檢測(cè)車車頂?shù)腃CD工業(yè)攝像機(jī)對(duì)接觸網(wǎng)支撐與懸掛裝置圖像進(jìn)行采集后對(duì)所采集的圖像進(jìn)行局部特征點(diǎn)匹配、聚類、定位和斷裂故障檢測(cè)，包括以下步驟
AJf CCD工業(yè)攝像機(jī)和射燈安裝在檢測(cè)車車頂，檢測(cè)車沿鐵路線運(yùn)行，遇到接觸網(wǎng)支柱時(shí)自動(dòng)拍攝接觸網(wǎng)支撐與懸掛裝置圖像，采用夜間加射燈的拍攝方式以減少日光干擾。
B、將A所獲圖像利用SIFT在現(xiàn)場(chǎng)采集到的接觸網(wǎng)支撐與懸掛裝置圖像與旋轉(zhuǎn)雙耳標(biāo)準(zhǔn)模板圖像之間實(shí)現(xiàn)局部特征點(diǎn)匹配；
C、將B所獲支撐與懸掛裝置圖像中所有匹配成功的特征點(diǎn)按空間距離進(jìn)行聚類， 每個(gè)聚類對(duì)應(yīng)一個(gè)疑似旋轉(zhuǎn)雙耳的圖像區(qū)域；
D、利用改進(jìn)之后的隨機(jī)抽樣一致算法RANSAC(Random Sample Consensus)對(duì)所述聚類中的特征點(diǎn)對(duì)進(jìn)行篩選，判斷該聚類所對(duì)應(yīng)的圖像區(qū)域中是否包含旋轉(zhuǎn)雙耳，計(jì)算模板圖像與接觸網(wǎng)支撐與懸掛裝置圖像中旋轉(zhuǎn)雙耳區(qū)域之間的仿射變換矩陣，實(shí)現(xiàn)旋轉(zhuǎn)雙耳在接觸網(wǎng)支撐與懸掛裝置圖像中的定位，其算法流程如下
Al :從所述的聚類中隨機(jī)抽取3個(gè)特征點(diǎn)，利用公式(I)計(jì)算接觸網(wǎng)支撐與懸掛裝置圖像與模板圖像之間的仿射變換矩陣氏。
H1 = BAt(AAt)H(I)
式中
權(quán)利要求
1.一種利用尺度不變特征變換SIFT (Scale-Invariant Feature Transform)的高鐵接觸網(wǎng)支撐裝置耳片斷裂檢測(cè)方法，利用安裝在檢測(cè)車車頂?shù)腃CD工業(yè)攝像機(jī)對(duì)接觸網(wǎng)支撐與懸掛裝置圖像進(jìn)行采集后對(duì)所采集的圖像進(jìn)行局部特征點(diǎn)匹配、聚類、定位和斷裂故障檢測(cè)，包括以下步驟 A、將CCD工業(yè)攝像機(jī)和射燈安裝在檢測(cè)車車頂，檢測(cè)車沿鐵路線運(yùn)行，遇到接觸網(wǎng)支柱時(shí)自動(dòng)拍攝接觸網(wǎng)支撐與懸掛裝置圖像，采用夜間加射燈的拍攝方式以減少日光干擾； B、將A所獲圖像利用SIFT在現(xiàn)場(chǎng)采集到的接觸網(wǎng)支撐與懸掛裝置圖像與旋轉(zhuǎn)雙耳標(biāo)準(zhǔn)模板圖像之間實(shí)現(xiàn)局部特征點(diǎn)匹配； C、將B所獲支撐與懸掛裝置圖像中所有匹配成功的特征點(diǎn)按空間距離進(jìn)行聚類，每個(gè)聚類對(duì)應(yīng)一個(gè)疑似旋轉(zhuǎn)雙耳的圖像區(qū)域； D、利用改進(jìn)之后的隨機(jī)抽樣一致算法RANSAC(RandomSample Consensus)對(duì)所述聚類中的特征點(diǎn)對(duì)進(jìn)行篩選，判斷該聚類所對(duì)應(yīng)的圖像區(qū)域中是否包含旋轉(zhuǎn)雙耳，計(jì)算模板圖像與接觸網(wǎng)支撐與懸掛裝置圖像中旋轉(zhuǎn)雙耳區(qū)域之間的仿射變換矩陣，實(shí)現(xiàn)旋轉(zhuǎn)雙耳在接觸網(wǎng)支撐與懸掛裝置圖像中的定位，其算法流程如下 Al :從所述的聚類中隨機(jī)抽取3個(gè)特征點(diǎn)，利用公式(I)計(jì)算接觸網(wǎng)支撐與懸掛裝置圖像與模板圖像之間的仿射變換矩陣H1 ； H1 = BAt(AAt)-1(I) ^xI X2 K Xn(X1 ' X2' K Xn '、 式中，』=y2 K yN B= >>,' J2' K yN'，N為計(jì)算H1時(shí)用到的特征點(diǎn)的個(gè) v I I K I J [ I I K Iy數(shù)，此時(shí)有N=3，(xi； yi),i e [I,N]為接觸網(wǎng)支撐與懸掛裝置圖像中特征點(diǎn)的坐標(biāo)，Ui'，Ii1 )為模板圖像中與(Xi，Yi)相匹配的點(diǎn)的坐標(biāo)，將最佳估計(jì)內(nèi)點(diǎn)數(shù)Si的值置O ; A2 :利用⑵式計(jì)算該聚類中每一個(gè)點(diǎn)在模板圖像中的匹配點(diǎn)(X'，y')經(jīng)氏所確定的仿射變換后得到的結(jié)果(X"，y")； r =H1 y'(2) Iu Iu 如果(X"，y")與聚類中的點(diǎn)(X，y)的距離小于T，則將(X，y)判定為一個(gè)內(nèi)點(diǎn)； A3 :判斷H1對(duì)應(yīng)的所有內(nèi)點(diǎn)在接觸網(wǎng)支撐與懸掛裝置圖像中的相對(duì)位置是否與模板圖像中與之相匹配的特征點(diǎn)的相對(duì)位置相同；若不相同，則認(rèn)為內(nèi)點(diǎn)中包含錯(cuò)誤匹配，若相同，則判斷H1所對(duì)應(yīng)的內(nèi)點(diǎn)數(shù)是否大于最佳估計(jì)內(nèi)點(diǎn)數(shù)Si，若大于Si，則將H1作為仿射變換矩陣的當(dāng)前最佳估計(jì)，并更新Si ； A4 :返回Al)繼續(xù)運(yùn)行，運(yùn)行至規(guī)定次數(shù)后，循環(huán)停止，若Si的值不為0，則認(rèn)為該聚類所代表的圖像區(qū)域中包含旋轉(zhuǎn)雙耳；仿射變換矩陣的當(dāng)前最佳估計(jì)H1即作為其最終估計(jì)H;將模板圖像四個(gè)頂點(diǎn)的坐標(biāo)帶入公式(I)，并令H1 = H，即可計(jì)算出接觸網(wǎng)支撐與懸掛裝置圖像中旋轉(zhuǎn)雙耳的所在區(qū)域； E、從支撐與懸掛裝置圖像中提取旋轉(zhuǎn)雙耳子圖像，利用基于上邊界曲線彎曲度的方法對(duì)耳片斷裂故障進(jìn)行檢測(cè)，檢測(cè)方法包含以下步驟El :將從接觸網(wǎng)支撐與懸掛裝置圖像中提取出的旋轉(zhuǎn)雙耳子圖像進(jìn)行二值化，使旋轉(zhuǎn)雙耳與圖像背景分離；從子圖像邊緣開始，利用邊界追蹤的方法依次求出上邊界曲線上每個(gè)點(diǎn)的坐標(biāo)，形成上邊界曲線坐標(biāo)序列； E2 :上邊界曲線上第k個(gè)點(diǎn)的彎曲度定義為它與第k+50個(gè)點(diǎn)連線的傾角，其計(jì)算公式如下
全文摘要
本發(fā)明公開了一種利用SIFT(Scale-Invariant Feature Transform，尺度不變特征變換)的檢測(cè)方法對(duì)旋轉(zhuǎn)雙耳耳片斷裂故障進(jìn)行檢測(cè)。包括以下步驟首先利用SIFT算法對(duì)接觸網(wǎng)接支撐與懸掛裝置圖像與旋轉(zhuǎn)雙耳模板圖像進(jìn)行局部特征點(diǎn)匹配；再利用改進(jìn)之后的RANSAC(Random Sample Consensus，隨機(jī)抽樣一致)算法對(duì)匹配成功的特征點(diǎn)對(duì)進(jìn)行篩選并實(shí)現(xiàn)旋轉(zhuǎn)雙耳的定位；然后利用邊界追蹤的方法提取出旋轉(zhuǎn)雙耳的上邊界曲線，繪制出曲線上各點(diǎn)的彎曲度曲線；最后將繪制出的彎曲度曲線與正常情況下的彎曲度曲線在對(duì)應(yīng)點(diǎn)處做差分，判斷是否有耳片斷裂故障發(fā)生。本發(fā)明方法能在復(fù)雜的接觸網(wǎng)懸掛裝置圖像中準(zhǔn)確識(shí)別發(fā)生斷裂故障的耳片，與人工篩查的方法相比可大大提高檢測(cè)的效率。
文檔編號(hào)G01N21/88GK102980896SQ20121049624
公開日2013年3月20日 申請(qǐng)日期2012年11月28日 優(yōu)先權(quán)日2012年11月28日
發(fā)明者劉志剛, 韓燁, 張桂南, 韓志偉 申請(qǐng)人:西南交通大學(xué)