一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法
【專利摘要】本發(fā)明公開了一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，包括步驟1：獲取鐵軌全景圖像f(x,y)；步驟2：采用豎直投影法從鐵軌全景圖像中提取鐵軌表面區(qū)域圖像f1(x,y)；步驟3：對(duì)鐵軌表面區(qū)域圖像進(jìn)行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像f2(x,y)；步驟4：對(duì)鐵軌表面區(qū)域圖像進(jìn)行圖像預(yù)處理；步驟5：提取圖像f4(x,y)中的缺陷特征信息；步驟6：分別獲得歷史采集圖像中的缺陷特征信息和實(shí)時(shí)采集圖像中的缺陷特征信息；步驟7：將實(shí)時(shí)獲取缺陷的特征信息依次與所有的已存儲(chǔ)缺陷的特征信息進(jìn)行匹配計(jì)算，得到匹配的缺陷特征信息。該發(fā)明方法實(shí)現(xiàn)了鐵軌表面缺陷的高速、高精度匹配。
【專利說明】—種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機(jī)器視覺檢測(cè)【技術(shù)領(lǐng)域】，特別涉及一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法。
【背景技術(shù)】
[0002]在我國(guó)的交通運(yùn)輸行業(yè)里，鐵路發(fā)揮著巨大的作用。隨著現(xiàn)代鐵軌技術(shù)的不斷發(fā)展，鐵軌的使用壽命越來越長(zhǎng)，但是由于我國(guó)的鐵路網(wǎng)十分龐大，所以鋼軌的使用壽命長(zhǎng)短不定，無法統(tǒng)一維護(hù)和更換。列車在表面有缺陷的鐵軌上運(yùn)行時(shí)，極易損傷列車，嚴(yán)重的還會(huì)造成列車事故。為了保證鐵路運(yùn)輸?shù)陌踩院瓦B續(xù)性，需要對(duì)鐵軌進(jìn)行定期的檢測(cè)，對(duì)有損傷的鐵軌進(jìn)行維護(hù)和更換。在列車大幅提速和重載列車開行的情況下，及時(shí)了解鐵軌的質(zhì)量，尤其是實(shí)時(shí)檢測(cè)和監(jiān)控就更有必要了。
[0003]基于機(jī)器視覺技術(shù)的鐵路軌道表面缺陷的高速視覺檢測(cè)系統(tǒng)能夠高速高精度地檢測(cè)鐵軌表面缺陷，節(jié)省人力，實(shí)現(xiàn)鐵軌缺陷的智能分類識(shí)別，可以為鐵路部門及時(shí)有效地維護(hù)鐵路軌道提高指導(dǎo)的建議。但在實(shí)際應(yīng)用中也存在不少問題，其中鐵軌圖像數(shù)據(jù)的冗余就是一個(gè)急需解決的問題。在鐵路軌道表面缺陷的高速視覺檢測(cè)系統(tǒng)采集圖像過程中會(huì)出現(xiàn)數(shù)據(jù)的冗余，表現(xiàn)在某段鐵軌在一次采集中被多次采集，或者某段鐵軌在多次的采集中只需要保存一份。這就需要把冗余的鐵軌信息找到并記錄它們的位置信息。
[0004]綜上所述，在現(xiàn)有的機(jī)器視覺檢測(cè)系統(tǒng)中無法識(shí)別和剔除冗余的鐵軌信息，急需一種高速鐵軌表面機(jī)器視覺缺陷檢測(cè)的匹配方法，以便剔除冗余信息。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術(shù)問題是提供一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其目的在于，找出被重復(fù)采集和保存的高速鐵路軌道表面缺陷圖像。
[0006]一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，包括以下幾個(gè)步驟:
[0007]步驟1:獲取鐵軌全景圖像f (X，y)；
[0008]步驟2:采用豎直投影法從鐵軌全景圖像中提取鐵軌表面區(qū)域圖像(X，y)；
[0009]步驟3:對(duì)鐵軌表面區(qū)域圖像進(jìn)行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像 f2(x, y)；
[0010]步驟4:對(duì)去除噪聲的鐵軌表面區(qū)域圖像f2(x，y)依次進(jìn)行二值化操作和形態(tài)學(xué)開操作，使得f2(x，y)中的各個(gè)分裂區(qū)域相互粘合，得到圖像f4(x，y)；
[0011]步驟5:對(duì)圖像f4(x，y)進(jìn)行逐行投影及采用blob分析方法獲得圖像f4(x，y)中的缺陷特征信息，所述缺陷特征信息包括缺陷的形態(tài)信息和缺陷的位置信息；
[0012]步驟6:對(duì)歷史采集圖像和實(shí)時(shí)采集圖像分別進(jìn)行步驟1-步驟5的操作，分別獲得歷史采集圖像中的缺陷特征信息和實(shí)時(shí)采集圖像中的缺陷特征信息；
[0013]步驟7:將實(shí)時(shí)獲取缺陷的特征信息依次與所有的已存儲(chǔ)缺陷的特征信息進(jìn)行匹配計(jì)算，獲得實(shí)時(shí)獲取缺陷與已存儲(chǔ)缺陷的位置誤差Ep和形態(tài)相似度S ;依據(jù)Ep和S利用模糊控制規(guī)則，得到匹配的缺陷特征信息。
[0014]所述步驟6中歷史采集圖像中的缺陷特征信息，包括已存儲(chǔ)缺陷的形態(tài)信息Dtm (m)和已存儲(chǔ)缺陷的位置信息Ltm (LX, LY, RX, RY, Xff, YH)，m表示第m個(gè)已存儲(chǔ)缺陷，取值范圍為1-M，M表示已存儲(chǔ)缺陷總數(shù)；
[0015]實(shí)時(shí)采集圖像中的缺陷特征信息，包括實(shí)時(shí)獲取缺陷的形態(tài)信息Dom(n)和實(shí)時(shí)獲取缺陷的位置信息Lon(LX，LY, RX, RY, Xff, YH)，η表示第η個(gè)實(shí)時(shí)獲取缺陷，取值范圍為1-Ν, N表示實(shí)時(shí)獲取缺陷的總數(shù)；
[0016]其中，每個(gè)缺陷的形態(tài)信息Am(j)依據(jù)每個(gè)缺陷所在圖像&(1，7)中的行號(hào)j，按照以下公式計(jì)算獲得:
[0017]
【權(quán)利要求】
1.一種基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，包括以下幾個(gè)步驟: 步驟1:獲取鐵軌全景圖像f (X，y)； 步驟2:采用豎直投影法從鐵軌全景圖像中提取鐵軌表面區(qū)域圖像fjx，y)； 步驟3:對(duì)鐵軌表面區(qū)域圖像進(jìn)行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像f2(χ, y)； 步驟4:對(duì)去除噪聲的鐵軌表面區(qū)域圖像f2(x，y)依次進(jìn)行二值化操作和形態(tài)學(xué)開操作，使得f2(x，y)中的各個(gè)分裂區(qū)域相互粘合，得到圖像f4(x，y)； 步驟5:對(duì)圖像f4(x，y)進(jìn)行逐行投影及采用blob分析方法獲得圖像f4(x，y)中的缺陷特征信息，所 述缺陷特征信息包括缺陷的形態(tài)信息和缺陷的位置信息； 步驟6:對(duì)歷史采集圖像和實(shí)時(shí)采集圖像分別進(jìn)行步驟1-步驟5的操作，分別獲得歷史采集圖像中的缺陷特征信息和實(shí)時(shí)采集圖像中的缺陷特征信息； 步驟7:將實(shí)時(shí)獲取缺陷的特征信息依次與所有的已存儲(chǔ)缺陷的特征信息進(jìn)行匹配計(jì)算，獲得實(shí)時(shí)獲取缺陷與已存儲(chǔ)缺陷的位置誤差Ep和形態(tài)相似度S ;依據(jù)Ep和S利用模糊控制規(guī)則，得到匹配的缺陷特征信息。
2.根據(jù)權(quán)利要求1所述的基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，所述步驟6中歷史采集圖像中的缺陷特征信息，包括已存儲(chǔ)缺陷的形態(tài)信息Dtm (m)和已存儲(chǔ)缺陷的位置信息Ltm (LX, LY, RX, RY, Xff, YH)，m表示第m個(gè)已存儲(chǔ)缺陷，取值范圍為1-M，M表示已存儲(chǔ)缺陷總數(shù)； 實(shí)時(shí)采集圖像中的缺陷特征信息，包括實(shí)時(shí)獲取缺陷的形態(tài)信息Dom(η)和實(shí)時(shí)獲取缺陷的位置信息Lon(LX，LY, RX, RY, Xff, YH)，η表示第η個(gè)實(shí)時(shí)獲取缺陷，取值范圍為1_Ν，N表示實(shí)時(shí)獲取缺陷的總數(shù)； 其中，每個(gè)缺陷的形態(tài)信息Am(j)依據(jù)每個(gè)缺陷所在圖像&(1，7)中的行號(hào)j，按照以下公式計(jì)算獲得:

3.根據(jù)權(quán)利要求2所述的基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，所述步驟7中的匹配的缺陷特征信息的具體獲取過程如下: I)判斷實(shí)時(shí)獲取缺陷與已存儲(chǔ)缺陷是否為同一缺陷； 對(duì)比實(shí)時(shí)獲取缺陷的寬度Lo(XW)和已存儲(chǔ)缺陷的寬度Lt(XW)，對(duì)比實(shí)時(shí)獲取缺陷的高度Lo(YH)和已存儲(chǔ)缺陷的高度Lt (YH)，若
4.根據(jù)權(quán)利要求3所述的基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，所述步驟2的具體實(shí)現(xiàn)過程如下: ①逐列累加灰度值，產(chǎn)生鐵軌圖像f(x,y)各列的灰度均值數(shù)組Avg(i):
5.根據(jù)權(quán)利要求4所述的基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，所述步驟3的具體實(shí)現(xiàn)過程為對(duì)鐵軌表面圖像fi(X，y)進(jìn)行一次3X3的中值濾波操作，去除圖像噪音，得到低噪音的鐵軌表面圖像f2(x，y)。
6.根據(jù)權(quán)利要求5所述的基于機(jī)器視覺檢測(cè)的高速鐵路軌道表面缺陷匹配方法，其特征在于，所述步驟4的具體實(shí)現(xiàn)過程如下:①設(shè)定全局閾值T，對(duì)鐵軌表面圖像4(1，7)進(jìn)行二值化得到二值圖像f3(x，y):
【文檔編號(hào)】G01N21/88GK103913464SQ201410104025
【公開日】2014年7月9日 申請(qǐng)日期:2014年3月20日 優(yōu)先權(quán)日:2014年3月20日
【發(fā)明者】王耀南, 尹遜帥, 賀振東, 馮明濤, 吳成中, 陳鐵建, 周顯恩 申請(qǐng)人:湖南大學(xué)