一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法
【专利摘要】本发明公开了一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法。包括以下步骤：首先选取一个较为清晰完整的旋转双耳模板，利用SIFT算法提取双耳模板与目标图像的特征点并作匹配，然后利用改进的RANSAC算法消除误匹配得到仿射变换矩阵，定位旋转双耳；其次，采用Hough变换实现目标图像中双耳套筒倾角的提取，并将其旋转至水平方向，进而实现旋转双耳部分的分割；随后，累加目标图像的竖直方向像素灰度值，确定销钉受力部分和两端非受力部分长度；最后，归纳销钉正常工作及故障时这些长度间相关比值的范围，从而判断销钉的工作状态。
【专利说明】一种基于图像不变性目标定位的高铁接触网旋转双耳部件 销钉不良状态检测方法
【技术领域】
[0001] 本发明涉及高速铁路接触网故障检测领域，尤其涉及一种基于图像处理的接触网 旋转双耳销钉不良状态检测的方法。
【背景技术】
[0002] 在高速铁路接触网悬挂装置中，旋转双耳销钉是重要的紧固件之一。由于施工缺 陷或动车组长期运行过程中的震动和冲击，有可能造成接触网零部件的松动脱落，其中销 钉的不良状态也给动车组的安全运行带来隐患。这对接触网支撑装置的结构稳定性提出了 更高的要求，需要对销钉故障进行检测并采取措施排除隐患。原铁道部颁布的4C系统技术 规范，包含对接触网的悬挂部分、腕臂部分的高清晰视频监测，涉及基于数字图像处理技术 对接触网支撑及悬挂装置中零部件的故障检测。
[0003] 对于接触网零部件状态缺陷检测，目前我国主要以传统的人工巡检方式，此外业 内人员使用摄像机拍摄接触网支撑悬挂装置图像，并在离线状态下对各部件的故障状态人 工识别。但也存在以下问题：工作量大、效率低、故障判断存在较大滞后性。基于图像处理 技术的非接触式弓网检测技术研究可实现不干扰行车安全的弓网检测装置开发，所用设备 可拓展性强，可实现弓网参数和故障的自动识别，具有众多优势。目前国内外基于图像处理 的弓网故障状态检测已有一些研究，陈维荣研究了基于形态学处理和Radon变换的受电弓 滑板状态监测。张桂南采用金字塔近邻平均算法和小波奇异值法检测接触网绝缘子故障， 并研究了基于Harris角点与谱聚类实现了绝缘子的抗旋转匹配和故障检测。刘寅秋采用 归一化互相关和局部二值化法，提取并计算接触网动态高度以及拉出值等参数。由于现场 采集的接触网支撑及悬挂装置图像普遍较复杂，采用图像处理技术对像旋转双耳销钉这样 微小部件进行故障检测存在较大的难度，目前此方面的研究还未见相关报道。
【发明内容】
[0004] 本发明提供了一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不 良状态检测方法，实现了旋转双耳定位的准确性和销钉松脱与脱落故障的检测。
[0005] 本发明是通过下面的手段实现的：
[0006] -种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方 法，实现旋转双耳的准确定位和销钉松脱与脱落故障的检测，其具体的工作步骤包括：
[0007]A、专用综合列检车在一定运行速度下，对高速铁路接触网支撑及悬挂装置进行成 像；将上行和下行的高清图像分别存储在两个图像库中；
[0008]B、对采集的图像进行筛选，选取一张较为清晰完整的旋转双耳图像作为匹配模 板；
[0009]C、利用ScaleInvariantFeaturetransform(SIFT)算法和改进的Random SampleConsensus(RANSAC)算法实现旋转双耳部件的准确定位；
[0010]a、用SIFT特征算子该算子提取模板图像和现场采集接触网图像的特征点，再分 别使用128维特征向量Ai和Bi进行描述，随后计算两幅图像各特征向量的欧式距离U，度 量它们之间的相似性，当满足下式时，则接受该匹配；
[0011]
【权利要求】
1. 一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法， 实现旋转双耳的准确定位和销钉松脱与脱落故障的检测，其具体的工作步骤包括： A、 专用综合列检车在一定运行速度下，对高速铁路接触网支撑及悬挂装置进行成像； 将上行和下行的高清图像分别存储在两个图像库中； B、 对采集的图像进行筛选，选取一张较为清晰完整的旋转双耳图像作为匹配模板； C、 利用ScaleInvariantFeaturetransform(SIFT)算法和改进的RandomSample Consensus(RANSAC)算法实现旋转双耳部件的准确定位； a、 用SIFT特征算子该算子提取模板图像和现场采集接触网图像的特征点，再分别使 用128维特征向量Ai和Bi进行描述，随后计算两幅图像各特征向量的欧式距离U，度量它 们之间的相似性，当满足下式时，则接受该匹配；
式中：Umil^PU1分别为最近邻距离和次近邻距离；R的取值为0.8,从而尽可能地保留正 确匹配； b、 根据匹配点在采集图像中的空间分布情况，将匹配特征点进行聚类，在得到疑似的 双耳区域的同时提高了算法的效率空间距离的阈值选定为80,对距离小于该阈值的特征点 进行相应的聚类； c、 使用改进的RANSAC算法实现双耳部件的精确定位，忽略双耳部件的几何畸变，双耳 模板图像与目标图像之间的变换关系用如下的仿射模型来描述：
式中叫、m2、m4和m5为图像的旋转和缩放因子，（m3,m6)T为平移矢量；T为仿射矩阵，I(x，y)和I' (X'，y')分别为双耳模板和现场采集图像的匹配点； 对步骤b所得的每个聚类用改进的RANSAC算法求仿射变换矩阵，具体实现步骤为： 1) 设Li(i= 1，2，...，N)为某一聚类图像中成功匹配的点集合，Ci(i= 1，2，...，N)为 模板图像与Li相匹配的点集合，其中N为聚类数目； 2) 从集合Ci和Li中随机各取3对匹配点能求得初始仿射矩阵T1 ; 3) (；中所有特征点与1\相乘得点集L'i，若Li 1与1^中对应点的空间距离小于某阈 值，则判断其为内点； 4) 判断内点的相对位置与对应Ci集中点相对位置是否相同；若是，则更新T1 ;反之，则 包含误匹配； 5) 返回步骤2)，迭代500次；若内点数目不为0,得到的T1即为该聚类情况下的仿射矩 阵T;否则判定现场采集图像中不存在双耳区域； 得到仿射变换矩阵T后，将双耳模板图像四个角点坐标和T代入（2)式可得到在现场 采集图中对应的坐标，剪切得到旋转双耳部件图像； D、 销钉部件的分割 a、为了从双耳图像中分割销钉部件，首先通过对提取到的旋转双耳图像进行高斯滤波 和增强对比度的处理，使得双耳套筒两侧边缘更接近直线段； b、 用Hough变换做线检测并链接线段，在Hough矩阵中提取前3个灰度峰值点，检测到 一组近似平行线段，取其平均值为双耳套筒的倾角，将双耳套筒旋转至水平方向； c、 利用Canny算子对旋转剪切后的图像检测边缘，并在水平方向进行像素灰度值的累 力口，得到统计曲线；进一步找到套筒以下最大长度的水平线段，其所在直线即为销钉部分的 分割直线； E、销钉不良状态检测 分析现场采集的接触网图像中销钉安装状态：检测的步骤为： a、 对分割后的销钉部件图像作坚直方向的像素灰度值累加，分析统计所得的灰度值曲 线可确定销钉两端和销轴两侧对应的四个横坐标分别为Xl、x2、x3、X4，进而确定中间销轴宽 度d和两端销钉长度Cl1和d2 ; b、 销钉灰度分布规律特征提取：对销钉正常、松脱和脱落三种状态的Cl1和d2情况，制 定销钉工作状态的检测规则如下：
上式中销轴宽度d放置在分母，作用是消除图像不同尺度的影响J1取0. 1，T2取0. 3。
【文档编号】G06T7/00GK104318582SQ201410649784
【公开日】2015年1月28日 申请日期:2014年11月14日 优先权日:2014年11月14日
【发明者】刘志刚, 钟俊平, 张桂南, 刘文强 申请人:西南交通大学