一种车钩对中自动测量方法与流程

本发明涉及轨道车辆智能化测量技术领域，具体涉及一种基于hough变换和特征提取的车钩对中自动测量方法。

背景技术：

国内现有城市轨道车辆越来越多的使用车钩及缓冲装置，目前车钩对中的操作主要是通过人工辅助的手段进行手动对中，但是某些救援场景不适合工作人员进入，因此提升车钩对中过程中智能化水平成为未来发展趋势。

技术实现要素：

为解决车钩对中过程中需要人工确认车钩状态的问题，本发明提出一种车钩对中自动测量方法，包含以下过程：

步骤1根据车头的外观结构建立由两个相同的测量相机：第一测量相机和第二测量相机构成的双目相机测量系统；

步骤2对每个测量相机进行预标定，在车钩处于无连接的非工作状态下采用第一测量相机成像，计算出车钩无连接自然状态在图像上所呈的角度θt0；在车钩处于无连接的非工作状态下采用第二测量相机成像，计算出车钩无连接自然状态在图像上所呈现的角度θr0，标注出此时车钩部件在图像上的大致区域[(xi0,yi0),(xe0,xe0)]；

步骤3对第一测量相机采集的图像数据i1进行滤波处理，得到目标图像i1-pre；

步骤4对目标图像i1-pre进行边缘提取，计算特征边缘的水平方向和垂直方向的边缘响应值，利用响应值计算筛选得到边缘特征点集，建立二值化边缘图像i1-bi；

步骤5在二值化边缘图像i1-bi上采用hough直线检测算法，得到轨道的主方向θr1，与步骤2中标定得到的θr0进行比较，得到实时的轨道与列车交角θδr；

步骤6对第二测量相机采集的图像数据i2的[(xi0,yi0),(xe0,xe0)]区域附近进行特征提取，得到车钩二值图i2-bi，得到车钩的指向角θt1，与步骤2中标定得到的θt0进行比较，得到实时的车钩相对于轨道指向角θδt；

步骤7将轨道与列车交角θδr和车钩相对于轨道指向角θδt相加得到最终的车钩对中测量角度δθ：

δθ＝θδr+θδt

将车钩对中测量角度δθ输入给传动机构，由传动机构调整车钩实时偏摆角度，在调整到位后即实现车钩对中。

可选地，所述双目相机测量系统中第一测量相机安装在车头的表面，位于沿车钩中心的车头纵向垂直平面上,贴合车头表面并且向下对准车钩，第二测量相机的安装位置由车头宽度和第二测量相机参数共同确定，要求满足第二测量相机视场内同时出现车钩和轨道等。

可选地，步骤2中所述计算车钩在测量相机所成图像上呈现的角度，其方法为：

以预先采集的仅包含车钩部件的图像为模板，通过模板匹配法提取车钩在图像上的像素坐标范围，采用互信息法计算得到最大值的像素坐标为最佳匹配像素坐标，进而得到对应的车钩区域图像坐标集合，最后通过形态学方法得到车钩的骨架为一根直线，计算该直线在图像坐标系上与图像竖直轴的夹角，即得车钩在图像上呈现的角度。

可选地，步骤3中的滤波处理，是对第一测量相机采集的数据i1进行如下运算：

其中g(x,y)为二维高斯卷积核，表示二维卷积运算。

可选地，步骤4进一步包含以下过程：

gx(x,y)表示轨道特征边缘的水平方向边缘响应值，gy(x,y)表示轨道特征边缘的垂直方向的边缘响应值，计算公式为：

gx(x,y)＝-i1-pre(x-1,y-1)-2*i1-pre(x,y-1)-i1-pre(x+1,y-1)+i1-pre(x-1,y+1)+2*i1-pre(x,y+1)+i1-pre(x+1,y+1)

gy(x,y)＝-i1-pre(x-1,y-1)-2*i1-pre(x-1,y)-i1-pre(x-1,y+1)+i1-pre(x+1,y-1)+2*i1-pre(x+1,y)+i1-pre(x+1,y+1)

利用筛选阈值公式gx(x,y)≥0.8和gy(x,y)≥0.8分别对轨道特征边缘的水平方向边缘响应值gx(x,y)和轨道特征边缘的垂直方向的边缘响应值gy(x,y)进行筛选得到准确的边缘特征点集，建立二值化边缘图像i1-bi。

可选地，步骤5进一步包含以下过程：

采用hough直线检测算法，对二值化边缘图像i1-bi上每个特征点进行计算，计算公式如下：

ρ1i＝x1i×cosθ+y1i×sinθ

其中，x1i与y1i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ1i的修正参数集合得到参数空间的h1(ρ,θ)，轨道的最大曲率半径为150m，因此θ取值在90±8°范围内，寻找参数空间的h1(ρ,θ)的最大的两个极大值(ρ1,θ1)和(ρ2,θ2)，极大值θ1和θ2求和取平均值得到轨道的主方向θr1：

θr1＝∑θn/2

与步骤2中标定得到的θr0进行比较，得到实时的轨道与列车交角θδr：

θδr＝θr1-θr0

可选地，步骤6进一步包含以下过程：第二测量相机采集的数据i2在[(xi0,yi0),(xe0,xe0)[附近取±50个像素的邻域，即[(xi0-50,yi0-50),(xe0+50,xe0+50)]进行直线特征提取，设置灰度值阈值tg＝200，对第二测量相机采集的图像进行二值化处理，在二值化图像i2-bi采用hough直线检测算法，对每个特征点进行如下计算：

ρ2i＝x2i×cosθ+y2i×sinθ

其中，x2i与y2i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]；

按照0.1细分向下取整的方式，得到非整数ρ2i的修正参数集合得到参数空间的h2(ρ,θ)，车钩的偏移范围为±8°，因此θ取值在±8°和90±8°两个范围内，将参数空间的h2(ρ,θ)极值按照大小排列，取最大的三个极值(ρ3,θ3)，(ρ4,θ4)和(ρ5,θ5)。设置阈值tθ＝8，计算|θn-tθ|，取最小的两个θn，计算得到轨道的主方向θt1：

θt1＝∑θn/2

与步骤2中标定得到的θt0进行比较，得到实时的车钩相对运行轨道的指向角θδt：

θδt＝θt1-θt0

鉴于车钩偏移的特性和轨道特性，本发明采用特征分析中的变换域方向信息和边缘特征提取，计算得到车钩方向极大值结果判断，实现车钩对中的实时自动测量。本发明解决了现有技术依赖人工手动对中的问题，提升了车钩对中过程的智能化水平，提高了工作效率，实现车钩对中处理的实时性。

附图说明

图1车钩对中双目相机测量系统示意图；

图2安装双目相机测量系统的地铁车头投影建立的坐标系示意图。

具体实施方式

本发明提供了一种基于hough变换和特征提取的车钩对中自动测量方法。首先，本方法根据车头外观结构在车头上建立双目相机测量系统，由第一测量相机和第二测量相机构成，并对每个测量相机进行预标定；其次，对第一测量相机采集的数据进行相关特征提取和hough变换得到实时的轨道与列车交角θδr；再次，对第二测量相机采集的数据进行相关特征提取和hough变换得到实时的车钩相对运行轨道的指向角θδt；最后，轨道与列车交角θδr和车钩相对运行轨道的指向角θδt相加得到最终的车钩对中测量角度δθ。

本发明以地铁车钩对中为具体实施例，结合附图，对本发明做详细阐述。但是，本发明并不局限于地铁车钩对中，本发明同样适用于火车(高铁)等的车钩对中。

地铁车头外观结构如图1所示，车头8上方从左到右水平设有车窗7和车窗6，车头8下方中央设有车钩5，车头8的底部左右两边分别设置车轮3和车轮4，第一测量相机1安装在车头8的表面，位于沿车钩5中心的车头8纵向垂直平面上，贴合车头8表面并且向下对准车钩5，第二测量相机2的安装位置由车头8宽度和第二测量相机2参数共同确定，要求满足第二测量相机2视场内同时出现车钩5和轨道等。所述第一测量相机1和第二测量相机2型号及参数相同，构成本发明所述双目相机测量系统。

用平行投影法对安装双目相机测量系统的地铁车头进行投影建立o-abc坐标系，如图2所示，其中，gd为车钩在无连接状态下的指向，则第一测量相机1的安装位置e应满足ge平行于轴oc，选择在车头不影响列车运行的位置，安装角度贴合车头表面向下对准车钩；第二测量相机2的安装位置f由实际车头宽度和第二测量相机2参数共同确定，第二测量相机2视场内同时出现车钩和轨道。

首先，对安装好的两个测量相机进行预标定，在车钩5处于无连接的非工作状态下采用第一测量相机1对其成像，计算出车钩5在无连接自然状态下在第一测量相机1所成图像上呈现的角度θt0；在车钩5处于无连接的非工作状态下采用第二测量相机2成像，计算出车钩5在无连接自然状态下在第二测量相机2所成图像上呈现的角度θr0，标注出此时车钩5在第二测量相机2所成图像上的大致区域[(xi0,yi0),(xe0,xe0)]。

所述计算车钩在测量相机所成图像上呈现的角度，其方法为：

以预先采集的仅包含车钩部件的图像为模板，通过模板匹配法提取车钩在图像上的像素坐标范围，采用互信息法计算得到最大值的像素坐标为最佳匹配像素坐标，进而得到对应的车钩区域图像坐标集合，最后通过形态学方法得到车钩的骨架为一根直线，计算该直线在图像坐标系上与图像竖直轴的夹角，即得车钩在图像上呈现的角度。

其次，对第一测量相机1采集的图像数据i1进行滤波处理，去除室内室外不同光照条件对视场内物体明暗强度值的影响，得到目标图像i1-pre，计算公式如下：

其中g(x,y)为二维高斯卷积核，表示二维卷积运算。

依据轨道磨损的高亮部分与其他背景的对比，对目标图像i1-pre进行边缘提取，计算轨道特征边缘的水平方向边缘响应值gx(x,y)和轨道特征边缘的垂直方向的边缘响应值gy(x,y)，计算公式为：

gx(x,y)＝-i1-pre(x-1,y-1)-2*i1-pre(x,y-1)-i1-pre(x+1,y-1)+i1-pre(x-1,y+1)+2*i1-pre(x,y+1)+i1-pre(x+1,y+1)

gy(x,y)＝-i1-pre(x-1,y-1)-2*i1-pre(x-1,y)-i1-pre(x-1,y+1)+i1-pre(x+1,y-1)+2*i1-pre(x+1,y)+i1-pre(x+1,y+1)

利用响应值计算筛选得到边缘特征点集建立二值化边缘图像i1-bi，筛选阈值公式为：

gx(x,y)≥0.8，gy(x,y)≥0.8

在二值化边缘图像i1-bi上采用hough直线检测算法，对每个特征点进行计算，计算公式如下：

ρ1i＝x1i×cosθ+y1i×sinθ

其中，x1i与y1i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]。

ρ1i数值为非整数，按照0.1细分向下取整的方式，得到修正参数集合参数空间的h1(ρ,θ)，轨道的最大曲率半径为150m，因此θ取值在90±8°范围内，寻找参数空间的h1(ρ,θ)的最大的两个极大值(ρ1,θ1)和(ρ2,θ2)，极大值θ1和θ2求和取平均值得到轨道的主方向θr1：

θr1＝∑θn/2

与双目相机测量系统标定过程中得到的θr0进行比较，得到实时的轨道与列车交角θδr：

θδr＝θr1-θr0

再次，第二测量相机2采集的图像数据i2[(xi0,yi0),(xe0,xe0)]附近取±50个像素的邻域，即[(xi0-50,yi0-50),(xe0+50,xe0+50)]进行直线特征提取，设置灰度值阈值tg＝200，对第二测量相机2采集的图像进行二值化处理，在二值化图像i2-bi采用hough直线检测算法，对每个特征点进行如下计算：

ρ2i＝x2i×cosθ+y2i×sinθ

其中，x2i与y2i为特征点集中的特征点在图像上的横坐标和纵坐标，θ为参数空间参数，取值为[0°,1°,...,89°]。

ρ2i数值为非整数，按照0.1细分向下取整的方式，得到修正参数集合参数空间的h2(ρ,θ)，车钩的偏移范围为±8°，因此θ取值在±8°和90±8°两个范围内，将参数空间的h2(ρ,θ)极值按照大小排列，取最大的三个极值(ρ3,θ3)，(ρ4,θ4)和(ρ5,θ5)。设置阈值tθ＝8，计算|θn-tθ|，取最小的两个θn，计算得到轨道的主方向θt1：

θt1＝∑θn/2

与双目相机测量系统标定过程中得到的θt0进行比较，得到实时的车钩相对运行轨道的指向角θδt：

θδt＝θt1-θt0

最后，将轨道与列车交角θδr和车钩相对运行轨道的指向角θδt相加得到最终的车钩对中测量角度δθ：

δθ＝θδr+θδt

将车钩对中测量角度δθ输入给传动机构，由传动机构调整车钩实时偏摆角度，在调整到位后即实现车钩对中。

尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。