基于道钉中心点定位的几何特征扣件定位算法

针对因轨道图像中图像歪斜、尺寸不一等导致定位失效、精度降低的问题,提出基于道钉中心点定位的几何结构特征扣件定位算法.采用先定位道钉中心点再定位扣件的思想.首先在图像预处理得到边缘图像的基础上,对图像边缘进行腐蚀与膨胀处理,使道钉边缘具备似圆性,再通过改进Hough变换进行圆形检测定位道钉所处大致区域并进行扩充,然后从原...     

无砟轨道扣件快速匹配定位方法研究

针对现有扣件定位方法速度慢、定位不准确的问题,结合无砟轨道的特点,提出一种无砟轨道扣件快速匹配定位算法。该算法针对传统匹配算法运算量大、匹配结果不准确的缺点,采用梯度法求取扣件图像的方向场,并根据钢轨区域方向场的各向一致性,锁定扣件感兴趣区域,实现图像裁剪,减少模板搜索空间;模板匹配则通过计算模板和图像方向场对应点之间的绝对值距离实现扣件匹配定位,并利用方向场采样、基于统计方法确定搜索起点位置、随机抽样一致性等方法提高匹配速度和精度。实验结果表明,该算法匹配速度快、鲁棒性强,能够满足扣件检测识别中对扣件匹配的实时性和准确性的要求,与传统的模板匹配定位方法相比,速度提高了30%左右,且对于不同光线条件下的匹配成功率均大于95%。     

一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明：采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。     

一种基于计算机视觉的铁轨扣件缺失检测方法

针对传统扣件检测方法式效率低、可靠性差,不能满足现代铁路检修的需要,提出了一种基于计算机视觉的扣件缺失自动检测方法。在对灰度图像进行Canny边缘检测处理后采用十字交叉定位法对扣件位置进行定位,得到120×200像素的扣件区域,并提取扣件图像的20个边缘特征值;最后,利用模糊C均值聚类算法对这两类的特征量进行聚类分析,通过计算待诊断对象与标准模式的隶属度实现对扣件状态的分类。应用验证表明:采用的图像处理方法和识别分类算法能够有效检出轨道扣件缺失,检测速度快,鲁棒性好,检出率达96%。     

一种基于改进Rank变换的图像匹配算法

为了解决传统Rank非参数变换匹配算法存在的问题,提出了一种基于改进Rank变换的图像匹配算法.引入Rank变换并研究其局限性,将变换窗口内所有像素的灰度平均值作为匹配像素的灰度值.对于和匹配像素相对位置相差为1个单位的邻域像素,其灰度值保持不变;对于其他位置像素灰度值用二维双线性插值法获得.将图像实现改进Rank变换...     

图像预处理的反馈校正算法及其应用

提出由后续结果衡量图像预处理效果的评价标准,并根据Radon变换的结果对中值滤波算法进行反馈校正,改进后的算法能自动确定滤波模板尺寸和滤波次数.应用中值滤波预处理与Radon变换结合的方法对图像标定符号进行定位克服了强噪声背景下单独采用连通域定位方法的缺陷.实验证明,改进后的算法增强了金属断口图像的纹理特征,对在图像中所占比例较小的标尺符号定位更加准确,并可根据标尺符号的位置、长度信息以及标定字符的纹理特征对强噪声背景下的标定符号进行准确分割.     

结合掩膜和可变形部件模型的扣件定位算法

针对原始可变形部件模型在定位铁路扣件时误定位率过高的问题，提出一种结合掩膜和可变形部件模型的扣件定位算法。在训练步骤中，对训练出的扣件可变形部件模型作掩膜操作，去除模型中的部分扣件背景区域。统计去除过后模型部件得分的分布，从而确定各个部件的权重。对于一张新的待定位图像，采用训练完成的部件权重计算模型检测得分，根据得分高低确定扣件位置。实验结果表明，与目前主流扣件定位方法相比，原始可变形部件模型定位效果较好，提出的算法相比于原始可变形部件模型误定位率减小了52%。另外，在强阳光和阴天时，模型同样能够准确定位扣件。     

基于感兴趣区域和折线特征的铁路扣件检测算法

针对目前铁路扣件检测算法在实际应用中普适性不足的问题,提出了一种基于感兴趣区域(ROI)和折线特征的铁路扣件检测算法.根据图像背景区域中的稳定性特征,提取出扣件端部所在的ROI,以克服冗余信息对扣件检测的干扰;通过改进的八方向欧氏距离变换得到能够表征扣件端部结构信息的距离场;融合对应扣件弯曲方向的距离场得到特征矩阵,再利用该矩阵计算折线特征点,进而提取折线特征;完成缺陷检测.理论分析与实验结果表明:所提算法具有准确率高、复杂度低、鲁棒性强的优点,且漏检率和误检率分别达到了1.3％和1.7％,验证了算法的有效性.     

基于边缘特征的无砟轨道扣件定位方法

轨道扣件的精确定位是实现扣件缺陷检测的前提,而常规的基于机器视觉的轨道扣件定位检测方法存在适应性差,且易受光照强度及遮挡的干扰。为了实现轨道扣件的快速精确定位,提出一种基于边缘特征的轨道扣件定位方法。通过在参考图像中选取标准扣件区域以生成匹配模板,利用Canny边缘滤波算子获得边缘点的位置坐标及梯度方向;在此基础上构建搜索模型并采用图像金字塔匹配搜索策略,获得匹配分值的潜在匹配点;并利用匹配阈值设定法,逐层逐次跟踪潜在匹配点,直至图像金字塔最底层,以提高定位速度;基于最小二乘法调整位姿参数,使其达到亚像素级精度。实验表明,该方法具有鲁棒性强、定位速度快且不受光照变化及遮挡的影响,定位精度达到1/15像素,定位成功率大于95%,满足无砟轨道扣件定位需求。     

基于图像识别的轨道扣件定位系统研究

针对当前国内铁路故障扣件定位绝大多数依靠人工肉眼识别、仅有少部分采用设备进行检测的现状,研究一种基于图像识别的轨道扣件定位系统.该系统分别对图像中辅助标识和扣件进行识别,其中两相邻辅助标识之间间隔一定数量的轨枕.辅助标识识别可实现扣件粗定位,扣件识别并计数完成精定位.现场图像处理结果表明:绝大多数扣件能被系统正常识别,存在污损及外物干扰的扣件识别率较低,影响精定位精度,但下一个辅助标识识别可有效纠正误差,不会造成长距离误差累积现象.