基于轨道图像位置距离特征的扣件状态识别
2020-03-18冯婷立郑树彬李立明
智能计算机与应用 2020年9期
冯婷立, 郑树彬, 李立明
(上海工程技术大学 城市轨道交通学院, 上海 201620)
0 引 言
铁路固定完好的钢轨是保障列车安全运行和高效的重要手段,扣件检测则是钢轨固定的一个重要问题。目前大部分检测常使用传统手段即人工检测,效率低、安全低,虽利用轨道检修车上线检测,但仍然有较大误差,在特定情况下,安全隐患剧增。专家学者对扣件检测问题和算法深入的探索,也有大量的学者转向机器视觉算法,此算法大多借助相机采集的图像、图像分析、能提高效率,减少人工,将更多的时间集中到优化机器视觉算法中。
Yang采用方向场算法和模板匹配相结合检测扣件状态[1],但对扣件定位精确度和采集的图像质量有较高的要求。然而现场钢轨采集的图像受到各种环境因素影响,使得图像质量差异性显著,匹配精度大幅度下降;刘甲甲的思路是去除冗余繁杂的背景信息,通过枕肩、扣件的空间位置关系,通过提取PHOG特征和MSLBP特征加权融合,提取扣件宏观纹理特征[2],但是在扣件背景复杂的情况下,特征点有待加强;李永波采用梯度方向直方图和主成分分析方法,提取扣件特征,以实现扣件识别[3],但需提高检测速率;范宏改进的LBP算法达到自适应噪声抑制,可提取扣件的显著特征,利用模板匹配算法精确扣件区域定位[4],但匹配速度有待加强。
本文探索潘得路扣件扣紧和非扣紧状态的识别,主要思想是利用轨道图像位置距离特征进行判别,利用同步控制线阵相机对钢轨及潘得路扣件进行多次图像采集;……
登录APP查看全文
