一种斜拉线不受力缺陷识别方法及装置与流程

本发明涉及接触网支持装置斜拉线检测领域，尤其是一种斜拉线不受力缺陷识别方法及装置。

背景技术

斜拉线部件处于平腕臂、斜腕臂和定位管之间的承力部件，如图1所示。斜拉线容易被忽视，且长时间不受力时易出现弯曲、形变等异常现象。人工对接触网支持装置关键部件中的斜拉线不受力、缺失等缺陷隐患不易发现、耗时等。

技术实现要素：

本发明所要解决的技术问题是：针对现有技术存在的问题，提供一种斜拉线不受力缺陷识别方法及装置。通过边缘检测，不感觉兴趣区域排除，直线检测算法等图像处理过程，获取全景图像的部件直线信息；然后通过先验知识对关键悬挂对应的直线进行推理判定，得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线；然后判断斜拉线是否受力；进一步的，当斜拉线不受力时，对斜拉线所在区域进行直线拟合，提取构成拟合的参数作为不受力特征，并对弯曲进行判定，从而达到不受力缺陷识别。

本发明采用的技术方案如下：

一种斜拉线不受力缺陷识别方法包括：

部件直线检测步骤：通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理，获取全景图像的部件直线信息；所述直线信息包括直线的起始点、终点线段长度以及线段角度；

关键部件直线初步定位步骤：通过先验知识对关键悬挂对应的直线进行推理判定，得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线；

斜拉线定位步骤：根据先验经验中，斜拉线与支柱、平腕臂、斜腕臂、定位管的相对位置关系，得到斜拉线线段集合；根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围；若所有斜拉线角度相差不超过x，则该斜拉线受力，不存在缺陷；否则，该斜拉线不受力，存在缺陷。

进一步的，当斜拉线不受力，存在缺陷后，还包括缺陷检测步骤。

进一步的，所述缺陷检测步骤具体实现过程是：以斜拉线线段集合中所有线段的横坐标的均值得到，斜拉线拟合线段的横坐标，以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标；以2*max(斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值，斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值)为边长获得缺陷检测区域；对缺陷检测区域中所有斜拉线线段进行线段拟合，得到斜拉线不受力线段相关信息。

进一步的，所述x为1-4°。

进一步的，所述部件直线检测步骤中在直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前，还包括对图像进行部件边缘检测，然后对边缘检测处理后的图像进行形态学处理。

一种斜拉线不受力缺陷识别装置包括：

部件直线检测模块：用于通过直线检测算法对接触网支持装置中斜拉线图像信息进行处理，获取全景图像的部件直线信息；所述直线信息包括直线的起始点、终点线段长度以及线段角度；

关键部件直线初步定位模块：用于通过先验知识对关键悬挂对应的直线进行推理判定，得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线；

斜拉线定位模块：用于根据先验经验中，斜拉线与支柱、平腕臂、斜腕臂、定位管的相对位置关系，得到斜拉线线段集合；根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围；若所有斜拉线角度相差不超过x，则该斜拉线受力，不存在缺陷；否则，该斜拉线不受力，存在缺陷。

进一步的，当斜拉线不受力，存在缺陷后，还包括缺陷检测模块。

进一步的，所述缺陷检测模块具体实现过程是：以斜拉线线段集合中所有线段的横坐标的均值得到，斜拉线拟合线段的横坐标，以斜拉线线段集合中所有线段的纵坐标的均值得到斜拉线拟合线段的纵坐标；以2*max(斜拉线集合中所有线段的横坐标最大值-斜拉线集合中所有线段的横坐标最小值，斜拉线集合中所有线段的纵坐标最大值-斜拉线集合中所有线段的纵坐标最小值)为边长获得缺陷检测区域；对缺陷检测区域中所有斜拉线线段进行线段拟合，得到斜拉线不受力线段相关信息。

进一步的，所述x为1-4°。

进一步的，在部件直线检测模块进行直线检测算法对接触网支持装置部件中斜拉线图像信息处理之前，还包括边缘检测模块对图像进行部件边缘检测，然后对边缘检测处理后的图像进行形态学处理。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

通过直线检测算法对接触网支持装置部件中斜拉线图像信息进行处理，然后结合先验知识推理规则，对关键悬挂对应的直线进行推理判定，得到支柱、平腕臂、斜腕臂、定位管和定位器部件直线，然后确定斜拉线集合，对斜拉线直线信息进行判断，判断是否存在不受力缺陷。该方法简单准确，能对现场施工人员提供较好的参考，用于后续操作。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是斜拉线位置示意图。

图2是斜拉线不受力缺陷识别构成图。

图3是极坐标参数示意图

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

本说明书中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。

所谓边缘是指其周围像素灰度有阶跃变化或屋顶变化的那些像素的集合。边缘广泛存在于物体与背景之间、物体与物体之间、基元与基元之间。边缘蕴含了丰富的内在信息(如方向、阶跃性质、形状等)，能勾画出目标物体，使观察者一目了然，是人们对图像最感兴趣的特征之一。边缘检测可以分为两种：一种为阶跃性边缘，它两边的像素的灰度值有着明显的不同；另一种为屋顶状边缘，它位于灰度值从增加到减少的变化转折点。对于阶跃性边缘，二阶方向导数在边缘处呈零交叉；而对于屋顶状边缘，二阶方向导数在边缘处取极值。

从本质上说，边缘是图像局部特性不连续性(灰度突变、颜色突变等)的反映，它标志着一个区域的终结和另一个区域的开始。由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此边缘提取的任务首先要检出图像局部特性的不连续性，然后剔出某些边界点或填补边界间断点，并将这些边缘像素连成完备的边界。边缘特性是沿边缘走向的像素变化平缓，而垂直于边缘方向的像素变化剧烈。所以从这个意义上来说，提取边缘的算法就是要找出符合边缘特性的像素的微分算子。从根本上说，各种边缘检测技术的基本思想是计算局部的微分算子。

1、部件直线检测模块或步骤中技术实现过程：

1.1直线检测

检测直线的霍夫变换使用含极坐标参数的直线表示型式，简称极坐标式(不是极坐标方程，因为还是在笛卡尔坐标下表示)

ρ＝xcosθ+ysinθ

其中的两个参数的意义如图3：

hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为寻找参数空间中的峰值问题。找到了多个峰值，则对应获取全景图像中多个部件直线信息；所述直线信息包括直线的起始点、终点线段长度以及线段角度；

1.2识别定位的先知经验说明：

关键部件直线初步定位步骤或模块通过已知的先验经验中关键悬挂部件之间的结构信息对支柱、平腕臂、斜腕臂、定位管和定位器部件所在直线进行推理判定，选取满足条件的最优部件直线。先验知识推理规则如下表所示。

1.2.1支柱(zz)定位规则：

1，左边区域；

2，角度绝对值大于70度；

1.2.2平腕臂(pwb)定位规则

1，角度绝对值小于17度；

2，位于xwb直线下方；

3，右端点到xwb直线距离小于80；

1.2.3斜腕臂(xwb)定位规则：

1，角度：[20，40]；

1.2.4定位管(dwg)定位规则

1，中点位于xwb下方；

2，与xwb直线角度差绝对值大于10度；

3，左端点与xwb直线距离小于30度；

1.2.5定位器(dwq)定位规则

1，中点于dwg直线下方；

2，与dwg夹角大于5度小于20度

1.2.6斜拉线(xlx)定位规则

1，在pwb与dwg之间；

2，在xwb最右边；

3，pwb、xwb，dwg定位有效；

注意1：角度范围：-90至90度。

注意2：距离为2448x2050图像缩小3倍后的像素距离。

1.3斜拉线定位步骤或模块：

根据先验经验中，斜拉线与支柱、平腕臂、斜腕臂、定位管的相对位置关系，得到斜拉线线段集合；根据直线检测算法判断斜拉线线段集合中每个斜拉线的角度范围；若所有斜拉线角度相差不超过x，则该斜拉线受力，不存在缺陷；否则，该斜拉线不受力，存在缺陷。

本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。