本發(fā)明涉及受電弓，尤其涉及一種受電弓異常傾斜檢測(cè)方法和裝置。

背景技術(shù)：

1、受電弓是安裝于軌道交通列車車頂上從接觸線集取電流的供電設(shè)備，是列車電力供應(yīng)的關(guān)鍵部件，受電弓的運(yùn)行狀態(tài)直接影響著車輛的安全運(yùn)行。在列車高速運(yùn)行過程中，受電弓經(jīng)歷著頻繁的升弓、降弓動(dòng)作，還會(huì)持續(xù)受到接觸網(wǎng)的振動(dòng)沖擊，以及接觸網(wǎng)的不平整和列車本身傾斜等諸多因素均可能會(huì)造成受電弓傾斜。弓頭的傾斜不僅會(huì)影響受電弓與接觸網(wǎng)的接觸穩(wěn)定性，導(dǎo)致電力傳輸效率下降，還可能引發(fā)弓網(wǎng)故障，甚至危及行車安全。因此，對(duì)受電弓的傾斜狀態(tài)進(jìn)行實(shí)時(shí)檢測(cè)具有重要意義。

2、目前，現(xiàn)有技術(shù)中一種針對(duì)受電弓異常傾斜檢測(cè)的方法為基于圖像的檢測(cè)方法。該檢測(cè)方法通過高速相機(jī)拍攝受電弓圖像，利用圖像處理算法進(jìn)行分析和處理來(lái)判斷是否傾斜。該檢測(cè)方法的缺點(diǎn)包括：受光照、天氣等環(huán)境因素影響較大。

3、現(xiàn)有技術(shù)中另一種針對(duì)受電弓異常傾斜檢測(cè)的方法為基于傳感器的檢測(cè)方法。該檢測(cè)方法通過安裝在受電弓上的傳感器直接測(cè)量弓頭的傾斜角度。該方法的缺點(diǎn)包括成本較高且安裝維護(hù)復(fù)雜。

4、總之。目前現(xiàn)有的針對(duì)受電弓異常傾斜檢測(cè)的方法存在檢測(cè)精度低、實(shí)時(shí)性差、易受環(huán)境干擾等問題，難以滿足現(xiàn)代城市軌道交通的安全運(yùn)行需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的實(shí)施例提供了一種受電弓異常傾斜檢測(cè)方法和裝置，以實(shí)現(xiàn)有效地檢測(cè)受電弓是否發(fā)生異常傾斜。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案。

3、根據(jù)本發(fā)明的一個(gè)方面，提供了一種受電弓異常傾斜檢測(cè)方法，包括：

4、通過受電弓圖像采集裝置實(shí)時(shí)采集當(dāng)前受電弓視頻數(shù)據(jù)，對(duì)當(dāng)前受電弓視頻數(shù)據(jù)進(jìn)行提幀操作，獲得當(dāng)前受電弓圖像；

5、判斷當(dāng)前受電弓圖像是屬于鏡頭臟污類別或者干凈受電弓類別，通過受電弓關(guān)鍵區(qū)域檢測(cè)模塊提取屬于干凈受電弓類別的當(dāng)前受電弓圖像的受電弓二維矩形坐標(biāo)框信息；

6、通過受電弓下臂桿像素分割模塊對(duì)當(dāng)前受電弓圖像中受電弓的下臂桿進(jìn)行像素分割，

7、得到下臂桿掩膜圖像；

8、通過下臂桿邊界斜率提取模塊提取受電弓的下臂桿的四條邊界輪廓線段，根據(jù)四條邊界輪廓線段利用參數(shù)限制獲取受電弓的下臂桿的兩條邊界線，計(jì)算出兩條邊界線的斜率值；根據(jù)受電弓的下臂桿的兩條邊界線的斜率值計(jì)算出當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度，將當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度與設(shè)定的傾斜角度閾值進(jìn)行比較，根據(jù)比較結(jié)果判斷當(dāng)前受電弓是否存在受電弓異常傾斜；

9、在判別結(jié)果為傾斜的情況下，利用受電弓二維矩形坐標(biāo)框信息在當(dāng)前受電弓圖像上對(duì)受電弓進(jìn)行傾斜標(biāo)簽的標(biāo)注。

10、優(yōu)選地，所述的通過受電弓關(guān)鍵區(qū)域檢測(cè)模塊判斷當(dāng)前受電弓圖像是屬于鏡頭臟污類別或者干凈受電弓類別，提取屬于干凈受電弓類別的當(dāng)前受電弓圖像的受電弓二維矩形坐標(biāo)框信息，包括：

11、圖像級(jí)標(biāo)注受電弓圖像的類別信息，該類別信息包括鏡頭臟污和干凈受電弓兩類，利用所有類別的受電弓圖像構(gòu)建受電弓識(shí)別數(shù)據(jù)集；

12、通過受電弓關(guān)鍵區(qū)域檢測(cè)模塊利用受電弓識(shí)別數(shù)據(jù)集對(duì)實(shí)時(shí)目標(biāo)檢測(cè)算法對(duì)進(jìn)行訓(xùn)練和驗(yàn)證，利用訓(xùn)練好的目標(biāo)檢測(cè)算法判斷當(dāng)前受電弓圖像的類別信息，如果當(dāng)前受電弓圖像的類別信息屬于鏡頭臟污類別，則算法終止；如果當(dāng)前受電弓圖像的類別信息屬于干凈受電弓類別，則提取并保存受電弓的二維矩形坐標(biāo)框信息。

13、優(yōu)選地，所述的通過受電弓下臂桿像素分割模塊對(duì)當(dāng)前受電弓圖像中受電弓的下臂桿進(jìn)行像素分割，得到下臂桿掩膜圖像，包括：

14、像素級(jí)標(biāo)注受電弓圖像的內(nèi)容信息，該內(nèi)容信息包括下臂桿和背景，利用所有受電弓圖像的內(nèi)容信息構(gòu)建受電弓分割數(shù)據(jù)集；

15、通過受電弓下臂桿像素分割模塊利用受電弓分割數(shù)據(jù)集對(duì)快速語(yǔ)義分割算法進(jìn)行訓(xùn)練和驗(yàn)證，利用訓(xùn)練好的快速語(yǔ)義分割算法對(duì)當(dāng)前受電弓圖像中的下臂桿進(jìn)行像素分割，得到rgb彩色的下臂桿掩膜圖像；將rgb彩色的下臂桿掩膜圖像轉(zhuǎn)換為灰度的下臂桿掩膜圖像。

16、優(yōu)選地，所述的通過下臂桿邊界斜率提取模塊提取受電弓的下臂桿的四條邊界輪廓線段，根據(jù)四條邊界輪廓線段利用參數(shù)限制獲取受電弓的下臂桿的兩條邊界線，計(jì)算出兩條邊界線的斜率值，包括：

17、通過下臂桿邊界斜率提取模塊采用邊緣檢測(cè)算子和霍夫直線變換算法提取灰度的下臂桿掩膜圖像中下臂桿的四條邊界輪廓線段，其中edges為邊緣檢測(cè)結(jié)果，lines為四條邊界輪廓線段，分別為左、右、上和下四條邊緣輪廓線段；

18、edges＝cv2.canny(imagegray,50,150)

19、lines＝cv2.houghlines(edges,1,π/180)

20、利用直線參數(shù)r＝130，設(shè)置線段長(zhǎng)度閾值，利用線段長(zhǎng)度篩選出兩條長(zhǎng)度較長(zhǎng)的左、右兩側(cè)的邊界輪廓線段，分別得到對(duì)應(yīng)的關(guān)鍵擬合參數(shù)對(duì)(ρ,θ)，ρ為極徑，θ為極角；

21、lines＝cv2.houghlines(edges,1,π/180,r＝130)

22、(ρ,θ)＝lines[0]

23、利用關(guān)鍵擬合參數(shù)獲取兩條邊界輪廓線段對(duì)應(yīng)的兩個(gè)端點(diǎn)坐標(biāo)，為第i條線段的第一個(gè)端點(diǎn)坐標(biāo)，為第i條線段的第二個(gè)端點(diǎn)坐標(biāo)，(ρi,θi)為第i條線段的參數(shù)對(duì)，i＝1,2；

24、

25、利用兩個(gè)線段的各自兩個(gè)端點(diǎn)坐標(biāo)計(jì)算出下臂桿的兩條邊界線的斜率k；

26、

27、優(yōu)選地，所述的根據(jù)受電弓的下臂桿的兩條邊界線的斜率值計(jì)算出當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度，將當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度與設(shè)定的傾斜角度閾值進(jìn)行比較，根據(jù)比較結(jié)果判斷當(dāng)前受電弓是否存在受電弓異常傾斜，包括：

28、利用下臂桿的兩條邊界線的斜率值加權(quán)計(jì)算出下臂桿在受電弓圖像中的角度α；

29、

30、設(shè)定傾斜角度閾值δ＝3，計(jì)算出下臂桿的角度α與豎直方向90度的相對(duì)傾斜角度β；

31、β＝|α-90|

32、若相對(duì)傾斜角度β大于或者等于設(shè)定的傾斜角度閾值δ，則判定存在受電弓異常傾斜；若相對(duì)傾斜角度β小于設(shè)定的閾值范圍δ，則判定不存在受電弓異常傾斜。

33、根據(jù)本發(fā)明的另一個(gè)方面，提供了一種受電弓異常傾斜檢測(cè)裝置，包括：受電弓視頻數(shù)據(jù)采集模塊、受電弓關(guān)鍵區(qū)域檢測(cè)模塊、受電弓下臂桿像素分割模塊、下臂桿邊界斜率提取模塊、受電弓異常傾斜判斷模塊和傾斜標(biāo)簽標(biāo)注模塊；

34、所述的受電弓視頻數(shù)據(jù)采集模塊，用于通過受電弓圖像采集裝置實(shí)時(shí)采集當(dāng)前受電弓視頻數(shù)據(jù)，對(duì)當(dāng)前受電弓視頻數(shù)據(jù)進(jìn)行提幀操作，獲得當(dāng)前受電弓圖像；

35、所述的受電弓關(guān)鍵區(qū)域檢測(cè)模塊，用于判斷當(dāng)前受電弓圖像是屬于鏡頭臟污類別或者干凈受電弓類別，提取屬于干凈受電弓類別的當(dāng)前受電弓圖像的受電弓二維矩形坐標(biāo)框信息；

36、所述的受電弓下臂桿像素分割模塊，用于對(duì)當(dāng)前受電弓圖像中受電弓的下臂桿進(jìn)行像素分割，得到下臂桿掩膜圖像；

37、所述的下臂桿邊界斜率提取模塊，用于提取受電弓的下臂桿的四條邊界輪廓線段，根據(jù)四條邊界輪廓線段利用參數(shù)限制獲取受電弓的下臂桿的兩條邊界線，計(jì)算出兩條邊界線的斜率值；所述的受電弓異常傾斜判斷模塊，用于根據(jù)受電弓的下臂桿的兩條邊界線的斜率值計(jì)算出當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度，將當(dāng)前受電弓的下臂桿的相對(duì)傾斜角度與設(shè)定的傾斜角度閾值進(jìn)行比較，根據(jù)比較結(jié)果判斷當(dāng)前受電弓是否存在受電弓異常傾斜；

38、所述的傾斜標(biāo)簽標(biāo)注模塊，用于在判別結(jié)果為傾斜的情況下，利用受電弓二維矩形坐標(biāo)框信息在當(dāng)前受電弓圖像上對(duì)受電弓進(jìn)行傾斜標(biāo)簽的標(biāo)注，實(shí)現(xiàn)受電弓異常傾斜的精準(zhǔn)檢測(cè)。

39、優(yōu)選地，所述的受電弓關(guān)鍵區(qū)域檢測(cè)模塊，用于圖像級(jí)標(biāo)注受電弓圖像的類別信息，該類別信息包括鏡頭臟污和干凈受電弓兩類，利用所有類別的受電弓圖像構(gòu)建受電弓識(shí)別數(shù)據(jù)集；

40、利用受電弓識(shí)別數(shù)據(jù)集對(duì)實(shí)時(shí)目標(biāo)檢測(cè)算法對(duì)進(jìn)行訓(xùn)練和驗(yàn)證，利用訓(xùn)練好的目標(biāo)檢測(cè)算法判斷當(dāng)前受電弓圖像的類別信息，如果當(dāng)前受電弓圖像的類別信息屬于鏡頭臟污類別，則算法終止；如果當(dāng)前受電弓圖像的類別信息屬于干凈受電弓類別，則提取并保存受電弓的二維矩形坐標(biāo)框信息。

41、優(yōu)選地，所述的受電弓下臂桿像素分割模塊，用于像素級(jí)標(biāo)注受電弓圖像的內(nèi)容信息，該內(nèi)容信息包括下臂桿和背景，利用所有受電弓圖像的內(nèi)容信息構(gòu)建受電弓分割數(shù)據(jù)集；

42、利用受電弓分割數(shù)據(jù)集對(duì)快速語(yǔ)義分割算法進(jìn)行訓(xùn)練和驗(yàn)證，利用訓(xùn)練好的快速語(yǔ)義分割算法對(duì)當(dāng)前受電弓圖像中的下臂桿進(jìn)行像素分割，得到rgb彩色的下臂桿掩膜圖像；將rgb彩色的下臂桿掩膜圖像轉(zhuǎn)換為灰度的下臂桿掩膜圖像。

43、優(yōu)選地，所述的下臂桿邊界斜率提取模塊，用于提取受電弓的下臂桿的四條邊界輪廓線段，根據(jù)四條邊界輪廓線段利用參數(shù)限制獲取受電弓的下臂桿的兩條邊界線，計(jì)算出兩條邊界線的斜率值，包括：

44、通過下臂桿邊界斜率提取模塊采用邊緣檢測(cè)算子和霍夫直線變換算法提取灰度的下臂桿掩膜圖像中下臂桿的四條邊界輪廓線段，其中edges為邊緣檢測(cè)結(jié)果，lines為四條邊界輪廓線段，分別為左、右、上和下四條邊緣輪廓線段；

45、edges＝cv2.canny(imagegray,50,150)

46、lines＝cv2.houghlines(edges,1,π/180)

47、利用直線參數(shù)r＝130，設(shè)置線段長(zhǎng)度閾值，利用線段長(zhǎng)度篩選出兩條長(zhǎng)度較長(zhǎng)的左、右兩側(cè)的邊界輪廓線段，分別得到對(duì)應(yīng)的關(guān)鍵擬合參數(shù)對(duì)(ρ,θ)，ρ為極徑，θ為極角；

48、lines＝cv2.goughlines(edges,1,π/180,r＝130)

49、(ρ,θ)＝lines[0]

50、利用關(guān)鍵擬合參數(shù)獲取兩條邊界輪廓線段對(duì)應(yīng)的兩個(gè)端點(diǎn)坐標(biāo)，為第i條線段的第一個(gè)端點(diǎn)坐標(biāo)，為第i條線段的第二個(gè)端點(diǎn)坐標(biāo)，(ρi,θi)為第i條線段的參數(shù)對(duì)，i＝1,2；

51、

52、利用兩個(gè)線段的各自兩個(gè)端點(diǎn)坐標(biāo)計(jì)算出下臂桿的兩條邊界線的斜率k；

53、

54、優(yōu)選地，所述的受電弓異常傾斜判斷模塊，用于利用下臂桿的兩條邊界線的斜率值加權(quán)計(jì)算出下臂桿在受電弓圖像中的角度α；

55、

56、設(shè)定傾斜角度閾值δ＝3，計(jì)算出下臂桿的角度α與豎直方向90度的相對(duì)傾斜角度β；

57、β＝|α-90|

58、若相對(duì)傾斜角度β大于或者等于設(shè)定的傾斜角度閾值δ，則判定存在受電弓異常傾斜；若相對(duì)傾斜角度β小于設(shè)定的閾值范圍δ，則判定不存在受電弓異常傾斜。

59、一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的受電弓異常傾斜檢測(cè)方法。

60、一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序當(dāng)在一個(gè)或多個(gè)處理器上運(yùn)行時(shí)，用于實(shí)現(xiàn)所述的軌道交通隧道侵限檢測(cè)方法。

61、一種電子設(shè)備，包括：處理器、存儲(chǔ)器以及計(jì)算機(jī)程序；其中，處理器與存儲(chǔ)器連接，計(jì)算機(jī)程序被存儲(chǔ)在存儲(chǔ)器中，當(dāng)電子設(shè)備運(yùn)行時(shí)，所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)程序，以使電子設(shè)備執(zhí)行實(shí)現(xiàn)所述的電弓異常傾斜檢測(cè)方法。

62、由上述本發(fā)明的實(shí)施例提供的技術(shù)方案可以看出，本發(fā)明實(shí)施例方法可以有效地檢測(cè)受電弓是否發(fā)生異常傾斜，為受電弓狀態(tài)的實(shí)時(shí)監(jiān)測(cè)與維護(hù)提供了強(qiáng)有力的技術(shù)支持，滿足現(xiàn)代城市軌道交通的安全運(yùn)行需求。

63、本發(fā)明附加的方面和優(yōu)點(diǎn)將在下面的描述中部分給出，這些將從下面的描述中變得明顯，或通過本發(fā)明的實(shí)踐了解到。