本发明涉及管轨运输系统领域,尤其涉及用于管轨运输系统的检测系统及方法。
背景技术:
管轨运输系统是新兴运输系统技术,管轨运输系统是一种在管道中运行的由直线电机驱动的轮轨运输方式,是介于管道运输与传统轮轨交通之间的一种交通方式,在支承和导向方面与轮轨系统相同,但在驱动方面却采用了直线电机的驱动方式,是有别于铁路、公路、航空、水路、管道交通运输五种运输方式的新型接入运输方式。
然而,目前还没有对于管轨运输系统的可靠检测方案,仅靠人工经验维护。
技术实现要素:
本发明所要解决的技术问题是针对现有技术的不足,提供一种用于管轨运输系统的检测系统及一种用于管轨运输系统的检测方法。
本发明解决上述技术问题的技术方案如下:
一种用于管轨运输系统的检测系统,包括:设置在车辆运行管轨上的检测通道,所述检测通道的正上方设置有第一激光相机,所述第一激光相机用于获取所述车辆的车载货物线的结构光图像;
所述检测通道的侧壁设置有与所述管轨处于同一水平面的第二激光相机,所述第二激光相机用于获取所述车辆的车轮踏面的结构光图像;
所述检测通道内的管轨的内侧设置有相机,所述相机用于获取所述车辆的车底图像;
所述检测通道内的管轨的内侧设置有加速度传感器,所述加速度传感器与所述管轨连接,用于获取所述管轨的振动信息;
所述检测通道内的管轨的内侧还设置有电流传感器和电压传感器,所述电流传感器和所述电压传感器分别与车辆牵引系统连接,用于获取所述车辆牵引系统的电流和电压;
还包括:无线传输装置和计算终端,所述无线传输装置用于将所述车载货物线的结构光图像、所述车轮踏面的结构光图像、所述车底图像、所述振动信息,以及所述车辆牵引系统的电流和电压发送给所述计算终端;
所述计算终端用于根据所述车载货物线的结构光图像、所述车轮踏面的结构光图像、所述车底图像、所述振动信息,以及所述车辆牵引系统的电流和电压对所述车辆的运行情况进行判断,得到所述车辆的检测结果。
本发明的有益效果是:本发明提供的检测系统,通过相机、激光相机、加速度传感器、电流传感器和电压传感器采集车辆的各类信息,并发送到计算终端进行计算,能够实现对车辆运输状态的自动检测,具有检测速度快、检测效率高、检测准确率高的优点,并且不会影响车辆的正常行驶,检测系统可以根据需求设置在不同的检测位置,只要将检测系统布置好就能对行驶中的车辆进行检测,占地面积小,具有很高的实用性。
本发明解决上述技术问题的另一种技术方案如下:
一种用于管轨运输系统的检测方法,使用如上述技术方案所述的检测系统对管轨运输系统进行检测。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明一种用于管轨运输系统的检测系统的实施例提供的结构示意图;
图2为本发明一种用于管轨运输系统的检测系统的实施例提供的激光相机位置示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图1所示,为本发明一种用于管轨运输系统的检测系统的实施例提供的结构示意图,该检测系统包括:设置在车辆运行管轨上的检测通道1,检测通道1的正上方设置有第一激光相机2,第一激光相机2用于获取车辆的车载货物线的结构光图像。
需要说明的是,第一激光相机2垂直向下拍摄,正对车辆的顶部。
优选地,第一激光相机2通过滑轨安装在检测通道1正上方,第一激光相机2可以通过滑轨沿着检测通道1的通行方向滑动。
检测通道1的侧壁设置有与管轨处于同一水平面的第二激光相机3,第二激光相机3用于获取车辆的车轮踏面的结构光图像。
需要说明的是,第二激光相机3沿水平方向拍摄。
优选地,第二激光相机3通过滑轨安装在检测通道1的侧壁,第二激光相机3可以通过滑轨沿着检测通道1的通行方向滑动。
应理解,第一激光相机2和第二激光相机3的具体型号和数量可以根据实际需求设置。
如图2所示,给出了一种可能的激光相机排布方式,其中,外部的圆圈代表检测通道1,第一激光相机2垂直向下拍摄,第二激光相机3水平拍摄。
检测通道1内的管轨的内侧设置有相机4,相机4用于获取车辆的车底图像。
需要说明的是,该相机4为高清相机4,镜头可以与水平方向呈45度角,以获取车辆的车底图像。
优选地,高清相机4可以通过滑轨安装在检测通道1的底部,高清相机4可以通过滑轨沿着检测通道1的通行方向滑动。
检测通道1内的管轨的内侧设置有加速度传感器5,加速度传感器5与管轨连接,用于获取管轨的振动信息。
需要说明的是的,加速度传感器5采集的管轨的振动信息包含横向、纵向和垂直的加速度,用于检测车辆行驶的平稳性。
检测通道1内的管轨的内侧还设置有电流传感器6和电压传感器7,电流传感器6和电压传感器7分别与车辆牵引系统连接,用于获取车辆牵引系统的电流和电压。
还包括:无线传输装置8和计算终端9,无线传输装置8用于将车载货物线的结构光图像、车轮踏面的结构光图像、车底图像、振动信息,以及车辆牵引系统的电流和电压发送给计算终端9。
应理解,无线传输装置8可以为wifi模块、3g模块、4g模块等具有无线传输功能的装置,计算终端9可以为手机、电脑等具有数据和图像处理功能的终端。
计算终端9用于根据车载货物线的结构光图像、车轮踏面的结构光图像、车底图像、振动信息,以及车辆牵引系统的电流和电压对车辆的运行情况进行判断,得到车辆的检测结果。
应理解,计算终端9中预先存储有相应的图像、数据处理程序,在接收到车辆的检测信息后,可以自动进行计算。
本实施例提供的检测系统,通过相机4、激光相机、加速度传感器5、电流传感器6和电压传感器7采集车辆的各类信息,并发送到计算终端9进行计算,能够实现对车辆运输状态的自动检测,具有检测速度快、检测效率高、检测准确率高的优点,并且不会影响车辆的正常行驶,检测系统可以根据需求设置在不同的检测位置,只要将检测系统布置好就能对行驶中的车辆进行检测,占地面积小,具有很高的实用性。
可选地,在一些实施例中,检测通道1的入口处设置有识别装置,用于检测是否有车辆进入检测通道1,并当检测到有车辆进入检测通道1后,启动第一激光相机2、第二激光相机3、相机4、加速度传感器5、电流传感器6、电压传感器7和无线传输装置8,对车辆进行检测。
例如,识别装置可以为红外传感器,红外传感器设置在检测通道1的顶部,向设置在管轨处的接收端发色红外信号,当车辆通过时,红外信号被遮挡,那么可以直接触发检测系统。
可选地,在一些实施例中,计算终端9具体用于:
根据车载货物线的结构光图像和预设的图像处理算法,得到车辆的货物超载超限情况,例如,可以为正常、轻型、重型等;
根据车轮踏面的结构光图像和预设的图像处理算法,得到车辆的车轮踏面磨损情况,例如,可以为无损、轻型、重型等;
根据车底图像和预设的深度学习算法,得到车辆的底部设备情况,例如,可以为正常、轻型、重型等;
根据振动信息和预设算法,得到车辆的运行平稳情况,例如,可以为优、良好、合格、不合格等;
根据车辆牵引系统的电流和电压,得到车辆的运行环境工况,例如,可以为正常、不正常等。
需要说的是,根据gb5595--85标准,列车平稳性指标包括车体垂向和横向2个方向的,而且2个方向的平稳性是互为独立判断的,但它们的计算方法是一样的。
平稳性指标w的计算公式可以为:
其中,a为振动加速度幅值,单位为g;f为振动频率,单位为hz;f(f)为频率修正系数。
上式是根据单一频率的等幅振动得到的。由于车辆振动实际上是随机振动,从车体上测得的加速度包含了车辆的整个自然频率,因此需要将测得的加速度按频率分组,统计每个频率中不同加速度的w值,然后对各频率段的w值进行加权处理,得到总的平稳性指标w:
其中:
其中,ai为振动波形进行频谱分组后在频率为fi时的振动加速度幅值。
例如,列车平稳性等级划分可以见表1,将计算值与表1中值对比,就可确定列车的平稳性等级。
表1.平稳性指标等级划分表
可选地,在一些实施例中,计算终端9具体用于:
根据图像平滑算法对车载货物线的结构光图像进行平滑锐化处理,得到车载货物线的平滑图;
根据最大阈值熵图像分割算法对车载货物线的平滑图进行二值化处理,得到车载货物线的二值图;
根据车载货物线的二值图得到车辆的货物超载超限情况。
例如,最大阈值熵图像分割算法可以为:
其中pn为像素值n的概率,m为像素级,fn为分割函数。
我们根据pn可得到以下公式:
其中前景的概率分布为φo,背景的概率分布为φb。
因此我们可根据公式得到前景熵和背景熵分别是:
最后,我们根据前景熵和背景熵得到了一个分割阈值t*:
t*=argmax(ho(t)+hb(t)),t∈[0,255];
根据分割阈值t*得到车载货物线的二值图。
得到二值图后,可以计算车载货物外接矩形图像的周长和直径等参数,通过对比正常数据范围即可算出车载货物超载状况。
可选地,在一些实施例中,计算终端9具体用于:
根据车载货物线的二值图得到车辆的车载货物的周长;
将车载货物的周长与预设的标准周长进行比对;
根据比对结果得到车辆的货物超载超限情况。
可选地,在一些实施例中,计算终端9具体用于:
根据图像平滑算法对车轮踏面的结构光图像进行平滑锐化处理,得到车轮踏面的平滑图;
根据最大阈值熵图像分割算法对车轮踏面的平滑图进行二值化处理,得到车轮踏面的二值图;
根据车轮踏面的二值图得到车辆的车轮踏面磨损情况。
需要说的是,可以通过上述实施例中对车载货物线的平滑图进行二值化处理相同的算法对车轮踏面的平滑图进行二值化处理,处理过程与上述实施例中的过程相同,在此不再赘述。
可选地,在一些实施例中,计算终端9具体用于:
根据车轮踏面的二值图得到车辆的车轮直径;
将车辆的车轮直径与预设的标准直径进行比对;
根据比对结果得到车辆的车轮踏面磨损情况。
可选地,在一些实施例中,计算终端9具体用于:
根据残差网络对车底图像进行分类,对车辆的底部设备的完好性进行检测,得到车辆的底部设备情况。
应理解,计算终端9可以利用预先搭建好的深度学习网络检测车底设备完好性,例如,可以为残差网络。
例如,由于车辆的车底图像场景单一,变化小,因此可以利用10个残差块即可完成很好分类检测效果,例如,每个残差块包含2个(64,64)的卷积和2个归一化。
可选地,在一些实施例中,计算终端9具体用于:
将车辆牵引系统的电流和电压进行去噪处理,并分别计算电流的平均值和电压的平均值;
将电流的平均值与预设电流范围进行对比,将电压的平均值与预设电压范围进行对比,得到车辆的运行环境工况。
可以理解,在一些实施例中,可以包含如上述各实施例中的部分或全部装置。
在本发明的一些其他实施例中,还提供一种用于管轨运输系统的检测方法,使用如上述实施例中任一项所述的检测系统对管轨运输系统进行检测。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。