一种弓网监测方法与流程

本发明涉及轨道交通领域，更具体地，涉及一种弓网监测方法。

背景技术：

现今，国内外对弓网的检测主要有：非视频人工检测、车载视频检测、定点视频检测、智能视频分析检测等几种方式。目前在弓网动态检测试验中，导高是利用激光测量，正常环境下误差在2～3cm，且受湿度等环境因素影响大，拉出值的测量可以利用雷达激光，误差在2cm左右。

非视频人工检测：安装自动降弓装置主要是将冲击加速度传感器或者限位传感器安装在列车受电弓上不同部位，当受电弓顶部受到较大的冲击力或受电弓即将出现拉出值过大的情况时，列车驾驶室内报警装置能接收传感器发出的信号，从而对乘务员起到警示作用使其注意受电弓运行状态或因传感器受到的感应反馈信号大于设定值而自动降弓，防止弓网故障的发生或事故进一步扩大。此方法存在误动现象。

车载视频检测是一种非接触性的检测，其具有信息采集量大、直观等优势。但其缺陷也非常突出：(1)列车再运行过程中将产生很大的震动，摄像机在此情况下很难获取足够清晰的图像。(2)摄像机安装在列车顶部，获取的图片拍摄到了受电弓角度图像有限，而且图片背景复杂，包括接触网、承力索、吊弦、受电弓支架等，当通过支柱时还会有定位器、腕臂和支撑等背景出现，因此上述系统方案不适合采用图像处理方法。

定点视频检测系统实际上是一套硬盘录像系统，本方法需要调用大量的人力进行实时监控，没有智能报警提醒的功能，应用范围有限。

智能视频分析检测系统一般需要光学、图像处理、视频分析等多方面的技术的综合应用，同时对ccd摄像机的性能要求也较高。因此，有必要开发一种弓网监测方法。

公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。

技术实现要素：

本发明提出了一种弓网监测方法，其能够通过利用高清摄像头拍摄的视距内弓网接触部位所产生的轮廓曲线加以图像识别，智能分析以达到获得接触网几何参数目的的非接触式检测，进而获得高速状态下的拉出值和导线高度。

根据本发明的一方面，提出了一种弓网监测方法，所述方法可以包括：

1)基于摄像头拍摄的视频图像中截取的受电弓左、右弓头图像确定匹配模板；

2)将摄像头拍摄的视频图像与所述匹配模板进行图像特征匹配，获得受电弓弓头定位和弓网接触点定位；

3)基于所述受电弓弓头定位与所述模板中弓头位置之间的距离，计算导高；

4)基于所述弓网接触点定位与所述模板中弓网接触点位置之间的距离，计算拉出值。

优选地，还包括在步骤1)前进行摄像头标定。

优选地，还包括在步骤2)前进行图像滤波处理。

优选地，所述图像滤波处理为高斯滤波处理。

优选地，在步骤2)中，通过以步骤获得受电弓弓头定位：

2-1)利用模板匹配算法将所述摄像头拍摄的视频图像与所述匹配模板进行图像特征匹配；

2-2)对图像特征匹配后的图像进行直方图均衡化处理；

2-3)对直方图均衡化处理后的图像再次与所述匹配模板进行位置匹配，获得受电弓弓头定位。

优选地，还包括在步骤2-1)前对所述摄像头拍摄的图像进行canny边缘检测，获得图像边缘轮廓曲线。

优选地，通过对直方图均衡化处理后的图像进行直线检测识别接触线，计算得到与受电弓的交叉点，获得弓网接触点定位。

优选地，在步骤2)中，通过对高精度图像进行l角点检测以检测出弓网接触点。

优选地，通过harris算法进行l型角点提取。

优选地，通过利用标准霍夫变换进行直线检测。

本发明具有其它的特性和优点，这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的，或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述，这些附图和具体实施方式共同用于解释本发明的特定原理。

附图说明

通过结合附图对本发明示例性实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显，其中，在本发明示例性实施例中，相同的参考标号通常代表相同部件。

图1示出了根据本发明的一种弓网监测方法的步骤的流程图；

图2示出了双线阵ccd测量原理示意图；

图3为弓网监测摄像头的示安装示意图。

具体实施方式

下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例，然而应该理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本发明更加透彻和完整，并且能够将本发明的范围完整地传达给本领域的技术人员。

图1示出了根据本发明的一种弓网监测方法的步骤的流程图。

在该实施例中，根据本发明的弓网监测方法可以包括：

步骤101，基于摄像头拍摄的视频图像中截取的受电弓左、右弓头图像确定匹配模板；

在一个示例中，在进行摄像头拍摄前，要进行摄像头的标定，以获得摄像头拍摄的图像在实际生产中所对应的位置及高度。

工业摄像机是一种适用于智能交通、治安卡口、高清电子警察系统、工业检测、半导体检测、印制板检测、食品饮料检测等众多领域的高分辨率彩色数字摄像机。它具有传输速度快、色彩还原性好、成像清晰等特点，不但能够方便拍摄显微图像，而且能够测量拍摄物体的长度、角度、面积等系列参数。工业摄像机具有高的图像稳定性、高传输能力和高抗干扰能力。工业摄像机按摄像器件划分为电真空摄像器件(即摄像管)摄像机和固体摄像器件(ccd器件、cmos器件)摄像机两大类。

具体地，本发明在双目视觉的基础上搭建双线阵ccd相机检测系统，是在二维ccd交汇的理论基础上建立线阵ccd的交汇模型。此外，两台线阵相机参数一致，如图2所示，为双线阵ccd测量原理示意图，其中，建立共同的世界坐标系oxyz，以光心c1为原点建立摄像机坐标系c1xc1yc1zc1，光心c2为原点建立摄像机坐标系c2xc2yc2zc2，两台相机光敏面中心相距2l，焦距均为f，且两相机光轴构成平面处在xoy平面内，即p点z坐标值恒为零，两光轴向内偏离竖直角度均为α。空间上一定点p投影到两台相机光敏面上的点为p′和p″，距离光敏面中心o1、o2距离分别为：x1、x2，单位mm。

根据数学推导，最后获得的结果如下所示：

其中，x1为ccd1测量出来的值，x2为ccd2测量出来的值，f为焦距，α为相机相对光源的角度，2l为两个相机之间的距离。

以上则求出p点在世界坐标系oxy下的坐标值。

步骤102，将摄像头拍摄的视频图像与所述匹配模板进行图像特征匹配，获得受电弓弓头定位和弓网接触点定位；

在一个示例中，在图像特征匹配前要进行图像滤波处理。其目的为：1、抽出对象特征作为图像识别的特征模式；2、消除图像数字化时所混入的噪声；在图像滤波处理过程中，要求其不能破坏源图像的重要轮廓与边缘信息。

在一个示例中，所使用的图像滤波处理为高斯滤波处理。

在一个示例中，通过以下步骤获得受电弓弓头定位：

102-1利用模板匹配算法将所述摄像头拍摄的视频图像与所述经过高斯滤波后的匹配模板进行图像特征匹配；

具体地，可以利用匹配模板在所采集的图像中搜索具有相同的尺寸、方向和图像元素的目标，作为特征匹配的结果。

具体地，在弓网高曝光情况下，还包括对摄像头拍摄的图像进行canny边缘检测，获得图像边缘轮廓曲线，同时将弓头模板也进行canny边缘检测，再利用两者轮廓进行后续匹配，以排除背景环境的干扰。在进行此种方式同样适用于黑夜高曝光的环境。

102-2对图像特征匹配后的图像进行直方图均衡化处理；

102-3对直方图均衡化处理后的图像再次与所述匹配模板进行位置匹配，获得受电弓弓头定位。

在一个示例中，通过对步骤104-2直方图均衡化处理后的图像进行直线检测识别接触线，计算得到与受电弓的交叉点，获得弓网接触点定位。

具体地，通过利用标准霍夫变换进行直线检测。

在一个示例中，还可以通过对高精度图像进行l角点检测以检测出弓网接触点。

具体地，通过harris算法进行l型角点提取。

其中，可以对整块rio区域进行角点检测，由于接触点主要呈现l型角点，使用harris算法提取角点精度较高。

步骤103，基于所述受电弓弓头定位与所述模板中弓头位置之间的距离，计算导高；

步骤104，基于所述弓网接触点定位与所述模板中弓网接触点位置之间的距离，计算拉出值。

在一个示例中，能够通过摄像头的标定参数，像素点在匹配模板中的位置能够代表实际弓网位置。具体地，首先获得弓网在匹配模板中的像素位置，之后测量在标准、无异常的状况下，实际的弓网位置，建立匹配模板中弓网的像素位置与实际弓网位置的对应关系。进一步地，将匹配模板中受电弓与接触网的交叉点(弓网接触点)的像素位置作为接触点标准位置，并确定其与实际位置的对应关系；将匹配模板中弓头的像素位置作为弓头标准位置，并确定其与实际弓头位置的对应关系。

基于所确定的接触点像素位置与匹配模板中接触点标准位置，获得二者的差值；同样，基于所确定的弓头像素位置与匹配模板中弓头标准位置，获得二者的差值。基于像素所代表的实际距离，也即能够获得实际接触点位置与标准弓头位置的距离，以及实际弓头位置与标准弓头的距离。

接下来，基于匹配模板中弓头的像素位置与实际弓网位置的对应关系，确定标准导高。接下来，基于所确定的弓头像素位置与弓头标准位置的偏移方向以及在竖直方向上的偏移距离，相对应地将标准导高与竖直偏移距离相加或相减，以获得实际的导高。

同理，基于匹配模板中的接触点的像素位置与实际接触点位置的对应关系，确定标准拉出值。接下来，基于所确定的接触点像素位置与接触点标准为止的偏移方向以及在水平方向上的偏移距离，相对应的将标准拉出值与水平偏移距离相加或相减，以获得实际的拉出值。

优选地，本发明的弓网监测方法存储于计算机存储程序中，所述程序被处理器处理时执行以下步骤：

步骤1：基于摄像头拍摄的视频图像中截取的受电弓左、右弓头图像确定匹配模板；

步骤2：将摄像头拍摄的视频图像与所述匹配模板进行图像特征匹配，获得受电弓弓头定位和弓网接触点定位；

步骤3：基于所述受电弓弓头定位与所述模板中弓头位置之间的距离，计算导高；

步骤4：基于所述弓网接触点定位与所述模板中弓网接触点位置之间的距离，计算拉出值。

应用示例

为便于理解本发明实施例的方案及其效果，以下给出一个具体应用示例。本领域技术人员应理解，该示例仅为了便于理解本发明，其任何具体细节并非意在以任何方式限制本发明。

如图3所示，为弓网监测摄像头的示安装示意图，其摄像头一般安装在弓正前方2～3m处，利用摄像头的拍摄可以显示完整的受电弓，根据摄像头标定情况，计算出相应的导高，而后识别出受电弓与接触网的交叉点，计算交叉点与中心点的距离获得拉出值的大小。

综上所述，本发明通过基于图像匹配和直线检测上，完成了受电弓的识别与定位，在大部分环境中能有效计算出导高与拉出值，具有较好的实际应用效果。可调的参数用以自适应多变的环境，使得利用视频图像来进行弓网检测有了更广阔的运用范围。且参数的调整都可在每次试验前进行，减少了运行中程序的响应时间。由于匹配基于提取的轮廓，面对其他异物在镜头前的干扰时，有了较强的抗干扰能力。相比于传统的检测方法，图像检测可以利用原本就安装着的监控摄像头，无需额外安装硬件，节省费用与检修时间。

本领域技术人员应理解，上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果，并不意在将本发明的实施例限制于所给出的任何示例。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。