轮对踏面检测方法、装置、系统、终端及存储介质与流程

1.本技术涉及质量检测技术，尤其是涉及一种轮对踏面检测方法、装置、系统、终端及存储介质。


背景技术：

2.相关技术中，高铁轮对踏面裂纹的检测方案采用的是人工检测，巡检工人需要下到待检修高铁下方的检修通道里，用手电筒照射待检查的区域，并记录在纸质文档上，形成检修记录和报告文书。
3.然而，随着高铁车辆数量不断的增大，人工检测方案的人力成本直线上升，且工人巡检的压力大增。工人在工作时长过长的情况下检测精度会明显下降，而一旦出现了轮对踏面上裂纹没有检测出的情况，可能会出现重大交通事故，不利于行车安全。进一步的，人工检测的方案无法保证工人对于每个点位均能检测，也为高铁质量埋下隐患，不利于行车安全。


技术实现要素：

4.为了解决上述技术缺陷之一，本技术实施例中提供了一种轮对踏面检测方法、装置、系统、终端及存储介质。
5.本技术第一方面实施例提供一种轮对踏面检测方法，包括：
6.对获取的列车轮对的点云进行去噪处理，获得所述列车轮对的踏面点云；
7.将获得的踏面点云与标准图中的踏面点云进行配准；
8.在配准后的点云中的点与标准图中最近点的距离大于第一阈值时，确定所述点为异常点。
9.本技术第二方面实施例提供一种轮对踏面检测装置，包括：
10.获取模块，用于对获取的列车轮对的点云进行去噪处理，获得所述列车轮对的踏面点云；
11.第一处理模块，用于将获得的踏面点云与标准图中的踏面点云进行配准；
12.第二处理模块，用于在配准后的点云中的点与标准图中最近点的距离大于第一阈值时，确定所述点为异常点。
13.本技术第三方面实施例提供一种轮对踏面检测系统，包括：
14.如前述任一项所述的轮对踏面检测装置；
15.机器人，具有用于采集列车轮对踏面的图像数据的摄像装置，用于将所述图像数据发送给所述轮对踏面检测装置，以使所述轮对踏面检测装置根据所述图像数据获取的列车轮对的点云。
16.本技术第四方面实施例提供一种终端，包括：
17.存储器；能够支持处理器读取原始点云的设备，同时支持处理器将通过前述任一项所述的方法处理后的数据进行存储。
18.处理器；能够从存储器中读入原始点云，并根据前述1-8任一项所述的方法对点云进行处理，得到处理后的点云数据和图像数据。
19.计算机程序；存储在所述存储器中，能够通过计算机语言实现前述1-8任一项所述的方法，完成编译，并能够在处理器中快速运行。
20.本技术第五方面实施例提供一种，计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如前述任一项所述的方法。
21.本技术实施例提供一种轮对踏面检测方法、装置、系统、终端及存储介质，通过获取得到当前轮对的点云，并将点云内除了轮对的其他器件滤除，仅保留轮对点云将当前轮对点云与标准图轮对点云对齐，而后将两者点云进行比较，筛选出异常点。如此，能够自动且快速精准地实现对轮对踏面的检测，利于节省人力，且利于提高检测精度和可靠性。
附图说明
22.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
23.图1为一示例性实施例提供的方法的流程示意图；
24.图2为另一示例性实施例提供的方法的流程示意图；
25.图3为一示例性实施例提供的装置的结构框图；
26.图4为一示例性实施例提供的系统的结构框图。
具体实施方式
27.为了使本技术实施例中的技术方案及优点更加清楚明白，以下结合附图对本技术的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本技术的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
28.相关技术中，高铁轮对踏面裂纹的检测方案采用的是人工检测，巡检工人需要下到待检修高铁下方的检修通道里，用手电筒照射待检查的区域，并记录在纸质文档上，形成检修记录和报告文书。
29.然而，随着高铁车辆数量不断的增大，人工检测方案的人力成本直线上升，且工人巡检的压力大增。工人在工作时长过长的情况下检测精度会明显下降，而一旦出现了轮对踏面上裂纹没有检测出的情况，可能会出现重大交通事故，不利于行车安全。进一步的，人工检测的方案无法保证工人对于每个点位均能检测，也为高铁质量埋下隐患，不利于行车安全。
30.为了克服上述问题，本技术实施例提供一种轮对踏面检测方法、装置、系统、终端及存储介质，通过获取得到当前轮对的点云，并将点云内除了轮对的其他器件滤除，仅保留轮对点云；同时，需要将当前轮对点云与标准图轮对点云对齐，而后将两者点云进行比较，筛选出异常点；进一步的，需要解决由于轮对宽度不同造成的轮对边缘造成的误检测点，保留轮对踏面裂纹的点云，并映射回2d图像。如此，能够自动且快速精准地识别出轮对踏面的裂纹，利于节省人力，且利于提高检测精度和可靠性。
31.下面结合附图对本实施例提供得方法的功能及实现过程进行举例说明。
32.如图1所示，本实施例提供的轮对踏面检测方法，包括：
33.s101、对获取的列车轮对的点云进行去噪处理，获得列车轮对的踏面点云；
34.s102、将获得的踏面点云与标准图中的踏面点云进行配准；
35.s103、在配准后的点云中的点与标准图中最近点的距离大于第一阈值时，确定点为异常点。
36.在步骤s101之前，需先采集列车轮对的踏面以获取轮对的深度图。具体地，获取机器人的摄像装置采集的轮对踏面数据；根据轮对踏面数据获取待检测项点的深度图，通过相机内参计算得到对应的点云。其中，机器人通过摄像头采集的踏数据发送到服务器等终端进行分析，整个过程不超过1s；且对于列车的多个轮对可同时进行采集及分析，从而进一步降低检测时间。
37.在步骤s101中，由于拍摄角度的原因，当前帧点云中除了待检测轮对的点云外，一般还会包含轮对附近的器件，如部分铁轨及地面、喷砂枪、固定螺栓等部件。有标准图上没有这些部件，且不同车轮位置处额外的部件不同，因此需要将多余的部件滤除，仅保留踏面部分，方便后续的匹配。
38.具体地，对获取的列车轮对的点云进行去噪处理，包括：
39.对获取的列车轮对的点云进行深度低通滤波处理；
40.对滤波后的点云进行聚类处理。
41.其中，在深度低通滤波阶段，可根据预先获取的轮对的深度图获取相应点的深度；通过深度低通滤波的方法，也即将获取的相应点的深度经过一个，固定阈值的低通滤波器，可以去除掉除了喷砂枪外其余的部件，具体步骤如下：
[0042][0043]
其中，d(i)为第i个点的深度，c为距离阈值。
[0044]
通过上述深度低通滤波方法后，点云中仅剩下轮对踏面点云和喷砂枪点云，两者点云深度相近，无法通过深度低通滤波去除。因此，需要通过聚类的方法分割两个点云。此处由于两个器件的点云在形状上各自是连续的，因此聚类方法采用dbscan(英文全称为：density-based spatial clustering of applications with noise)聚类方法。
[0045]
具体地，dbscan需要二个参数：扫描半径(eps)和最小包含点数(minpts)。任选一个未被访问(unvisited)的点开始，找出与其距离在eps之内(包括eps)的所有附近点。如果附近点的数量≥minpts，则当前点与其附近点形成一个簇，并且出发点被标记为已访问(visited)。然后递归，以相同的方法处理该簇内所有未被标记为已访问(visited)的点，从而对簇进行扩展。如果附近点的数量《minpts，则该点暂时被标记作为噪声点。如果簇充分地被扩展，即簇内的所有点被标记为已访问，然后用同样的算法去处理未被访问的点。
[0046]
在步骤s102中，对去噪后的点云进行3d点云配准：将上述步骤得到的轮对踏面点云与标准图的轮对踏面点云进行配准，配准方法采用点对点的最近点匹配(iterative closest point,icp)。
[0047]
具体地，从目标点云中确定与第一点集相应的第二点集，其中，第二点集中的点为第一点集中的最近点，第一点集从源点云中获取；
[0048]
获取能够使得误差函数最小的旋转矩阵和平移矩阵；
[0049]
根据旋转矩阵和平移矩阵对第一点集中的点进行变换，得到第三点集；
[0050]
确定第三点集与第四点集的平均距离，在平均距离小于第二阈值或者迭代次数达到第三阈值，则确定配准完成。
[0051]
其中，目标点云为获得的踏面点云；源点云为去噪之前的点云。
[0052]
举例来说：
[0053]
步骤1：在源点云p中取点集pi∈p；
[0054]
步骤2：找出目标点云q中的对应点集qi∈q，使得||qi-pi||＝min；
[0055]
步骤3：计算旋转矩阵r和平移矩阵t，使得误差函数最小；
[0056]
步骤4：对pi使用上一步求得的r和t进行旋转和平移变换，得到新的对应点集
[0057]
p
′
i＝{p
′
i＝rpi+t,pi∈p}
[0058]
步骤5：计算p
′
i与对应点集qi的平均距离d＝1n∑ni＝1∥∥p
′
i-qi∥∥2；
[0059]
步骤6：如果d小于某一给定的阈值或者大于预设的最大迭代次数，则停止迭代计算，否则返回第2步。
[0060]
在迭代计算完成后，则可确定踏面的异常点。在完成3d点云配准后，当前轮对踏面的点云与标准图踏面的点云在空间上基本重合，可以得知当前点云中每个点到标准图上最近点的距离。若该最近距离超过一定阈值，则认为是异常点。
[0061]
由于异常点包括轮对边缘处由于轮对宽度问题造成的误报点，以及真实裂纹的点，为进一步提高裂纹检测的精确性，还需对异常点进一步滤除，以将异常点中的误报点过滤掉。在滤除误报点时，可通过预先获取的轮对轮廓的掩膜，滤除边缘处的误报点，得到真实裂纹的点云，进而利用相机内参映射回2d平面，实现对踏面裂纹的精准定位。
[0062]
具体地，在获得列车轮对的踏面点云之后，还包括：
[0063]
将列车轮对的踏面点云映射到深度图；
[0064]
在深度图上检测列车轮对的外框；
[0065]
对列车轮对的外框进行膨胀处理，得到列车轮对的轮廓掩膜。
[0066]
相应地，在配准后的点云中的点与标准图中最近点的距离大于第一阈值时，确定点为异常点之后，还包括：
[0067]
通过列车轮对的轮廓掩膜滤除异常点中的误报点，得到裂纹处的点；
[0068]
利用相机内参将裂纹处的点映射至2d平面。
[0069]
在将裂纹处的点映射至2d平面之后，可在相应终端或显示设备进行显示；在显示界面中，裂纹处的颜色或者线型等可不同于其它区域，以利于工作人员直观地查看。
[0070]
在上述各示例中，各阈值的具体数值可根据实际需要来设置，本实施例不做具体限定。
[0071]
本实施例提供的轮对踏面检测方法，通过获取得到当前轮对的点云，并将点云内除了轮对的其他器件滤除，仅保留轮对点云；同时，需要将当前轮对点云与标准图轮对点云对齐，而后将两者点云进行比较，筛选出异常点；进一步的，需要解决由于轮对宽度不同造成的轮对边缘造成的误检测点，保留轮对踏面裂纹的点云，并映射回2d图像。如此，能够自动且快速精准地识别出轮对踏面的裂纹，利于节省人力，且利于提高检测精度和可靠性。
[0072]
在一个较为优选的示例中，如图2所示，本实施例的方法可以包括如下步骤：
[0073]
获取当前轮对深度图：该步骤读取待检测项点的深度图，并通过相机内参计算得
到对应的点云，用于后续的处理和计算；
[0074]
深度低通滤波：该步骤用于去除轮对点云上背景处的器件，如部分铁轨及地面和固定螺栓等部件，仅保留踏面和喷砂枪部分，方便后续的匹配；
[0075]
轮对点云聚类：该步骤用于去除点云中和轮对位置非常接近的喷砂枪的点云，仅保留踏面点云，方便后续的匹配；
[0076]
轮对轮廓提取：该步骤用于提取轮对边缘轮廓，生成掩膜，用于后续去除由于轮对宽度问题造成的误检；
[0077]
3d点云配准：该步骤用于计算当前轮对到标准图轮对点云的变换矩阵，实现两个点云点到点的对齐；
[0078]
踏面裂纹定位：该步骤用于计算当前踏面点云中的异常点，同时利用掩膜去除踏面边缘的误检测点，保留踏面裂纹点云，并将踏面裂纹点云映射到2d图片上，实现踏面裂纹的定位。
[0079]
本实施例提供的方法具体可用于对高铁等轨道车辆的轮对的踏面进行检测。
[0080]
本实施例提供的方法，与相关技术中的人工检测方案相比，本实施例在检测速度上有显著提高。本实施例通过机器人加装摄像头采集的方法采集轮对踏面，并将采集到的数据发送到服务器等终端进行分析，整个过程不超过1s，且对于列车的多个轮对可同时进行，进一步降低检测时间，提高检测效率。
[0081]
本实施例提供的方法，与相关技术中的人工检测方案相比，本实施例能够避免人为检测时的误差，在检测精度上有显著提高。本实施例能够利用深度图信息定位到踏面的位置，进而精准检测到轮对踏面上的裂痕位置。
[0082]
本实施例提供的方法，与相关技术中的人工检测方案相比，本实施例在检测可靠性上有显著提高。本实施例采用机器人采集图片，服务器等终端进行分析处理，整个过程可实现全自动化，全天24小时运行，相比于人工长时间检测的可靠性更高，也能进一步提高检测效率。
[0083]
本实施例还提供一种轮对踏面检测装置。本实施例提供的轮对踏面检测装置，其是与前述方法实施例相对应的产品实施例，其功能与实现过程与前述实施例相同或相似，本实施例此处不再赘述。
[0084]
如图3所示，本实施例提供的轮对踏面检测装置，包括：
[0085]
获取模块11，用于对获取的列车轮对的点云进行去噪处理，获得列车轮对的踏面点云；
[0086]
第一处理模块12，用于将获得的踏面点云与标准图中的踏面点云进行配准；
[0087]
第二处理模块13，用于在配准后的点云中的点与标准图中最近点的距离大于第一阈值时，确定点为异常点。
[0088]
在其中一种可能的实现方式中，获取单元11具体用于：
[0089]
对获取的列车轮对的点云进行深度低通滤波处理；
[0090]
对滤波后的点云进行聚类处理。
[0091]
在其中一种可能的实现方式中，获取单元11具体用于：
[0092]
采用dbscan聚类方法对滤波后的点云进行处理。
[0093]
在其中一种可能的实现方式中，获取单元11还用于：
[0094]
获取机器人的摄像装置采集的轮对踏面数据；
[0095]
根据轮对踏面数据获取待检测项点的深度图，通过相机内参计算得到对应的点云。
[0096]
在其中一种可能的实现方式中，第一处理模块12具体用于：
[0097]
采用点对点的最近点匹配法，将获得的踏面点云与标准图中的踏面点云进行配准。
[0098]
在其中一种可能的实现方式中，第一处理模块12具体用于：
[0099]
从目标点云中确定与第一点集相应的第二点集，其中，第二点集中的点为第一点集中的最近点，第一点集从源点云中获取；
[0100]
获取能够使得误差函数最小的旋转矩阵和平移矩阵；
[0101]
根据旋转矩阵和平移矩阵对第一点集中的点进行变换，得到第三点集；
[0102]
确定第三点集与第四点集的平均距离，在平均距离小于第二阈值或者迭代次数达到第三阈值，则确定配准完成。
[0103]
在其中一种可能的实现方式中，第二处理单元13还用于：
[0104]
将列车轮对的踏面点云映射到深度图；
[0105]
在深度图上检测列车轮对的外框；
[0106]
对列车轮对的外框进行膨胀处理，得到列车轮对的轮廓掩膜。
[0107]
在其中一种可能的实现方式中，第二处理单元13还用于：
[0108]
通过列车轮对的轮廓掩膜滤除异常点中的误报点，得到裂纹处的点；
[0109]
利用相机内参将裂纹处的点映射至2d平面。
[0110]
如图4所示，本实施例还提供一种轮对踏面检测系统，包括：
[0111]
如前述任一实施例中的轮对踏面检测装置1；
[0112]
机器人2，具有用于采集列车轮对踏面的图像数据的摄像装置，用于将图像数据发送给轮对踏面检测装置1，以使轮对踏面检测装置1根据图像数据获取的列车轮对的点云。
[0113]
在具体实现时，本系统中的机器人的数量可根据实际需要来设置，本实施例此处不做具体限定。另外，本示例中的机器人的结构，本实施例也不做具体限定，只要能够实现其相应的功能即可。
[0114]
本实施例提供一种终端，包括：
[0115]
存储器；能够支持处理器读取原始点云的设备，同时支持处理器将通过上述步骤处理后的数据进行存储。
[0116]
处理器；能够从存储器中读入原始点云，并根据上述步骤对点云进行处理，得到处理后的点云数据和图像数据。
[0117]
计算机程序；能够通过计算机语言实现上述步骤的完整算法功能，完成编译，并能够在处理器中快速运行。
[0118]
其中，计算机程序存储在存储器中，并被配置为由处理器执行以实现相应的方法。
[0119]
存储器用于存储计算机程序，处理器在接收到执行指令后，执行计算机程序，前述相应实施例揭示的流过程定义的装置所执行的方法可以应用于处理器中，或者由处理器实现。
[0120]
存储器可能包含高速随机存取存储器(ram：random access memory)，也可能还包
括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器可通过至少一个通信接口(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
[0121]
处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，实施例一揭示的方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的相应方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0122]
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0123]
本实施例提供一种计算机可读存储介质，其上存储有计算机程序；计算机程序被处理器执行以相应的方法。其具体实现可参见方法实施例，在此不再赘述。
[0124]
需要说明的是：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对步骤、数字表达式和数值并不限制本发明的范围。在这里示出和描述的所有示例中，除非另有规定，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
[0125]
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段或代码的一部分，单元、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0126]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0127]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0128]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0129]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0130]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0131]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。