一種基于機器視覺檢測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器視覺檢測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：對鐵軌表面區(qū)域圖像進行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像f2(x,y)；步驟4：對鐵軌表面區(qū)域圖像進行圖像預處理；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時采集圖像中的缺陷特征信息；步驟7：將實時獲取缺陷的特征信息依次與所有的已存儲缺陷的特征信息進行匹配計算，得到匹配的缺陷特征信息。該發(fā)明方法實現(xiàn)了鐵軌表面缺陷的高速、高精度匹配。
【專利說明】—種基于機器視覺檢測的高速鐵路軌道表面缺陷匹配方法
【技術領域】
[0001]本發(fā)明屬于機器視覺檢測【技術領域】，特別涉及一種基于機器視覺檢測的高速鐵路軌道表面缺陷匹配方法。
【背景技術】
[0002]在我國的交通運輸行業(yè)里，鐵路發(fā)揮著巨大的作用。隨著現(xiàn)代鐵軌技術的不斷發(fā)展，鐵軌的使用壽命越來越長，但是由于我國的鐵路網(wǎng)十分龐大，所以鋼軌的使用壽命長短不定，無法統(tǒng)一維護和更換。列車在表面有缺陷的鐵軌上運行時，極易損傷列車，嚴重的還會造成列車事故。為了保證鐵路運輸?shù)陌踩院瓦B續(xù)性，需要對鐵軌進行定期的檢測，對有損傷的鐵軌進行維護和更換。在列車大幅提速和重載列車開行的情況下，及時了解鐵軌的質(zhì)量，尤其是實時檢測和監(jiān)控就更有必要了。
[0003]基于機器視覺技術的鐵路軌道表面缺陷的高速視覺檢測系統(tǒng)能夠高速高精度地檢測鐵軌表面缺陷，節(jié)省人力，實現(xiàn)鐵軌缺陷的智能分類識別，可以為鐵路部門及時有效地維護鐵路軌道提高指導的建議。但在實際應用中也存在不少問題，其中鐵軌圖像數(shù)據(jù)的冗余就是一個急需解決的問題。在鐵路軌道表面缺陷的高速視覺檢測系統(tǒng)采集圖像過程中會出現(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)有的機器視覺檢測系統(tǒng)中無法識別和剔除冗余的鐵軌信息，急需一種高速鐵軌表面機器視覺缺陷檢測的匹配方法，以便剔除冗余信息。

【發(fā)明內(nèi)容】

[0005]本發(fā)明所要解決的技術問題是提供一種基于機器視覺檢測的高速鐵路軌道表面缺陷匹配方法，其目的在于，找出被重復采集和保存的高速鐵路軌道表面缺陷圖像。
[0006]一種基于機器視覺檢測的高速鐵路軌道表面缺陷匹配方法，包括以下幾個步驟:
[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:對鐵軌表面區(qū)域圖像進行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像 f2(x, y)；
[0010]步驟4:對去除噪聲的鐵軌表面區(qū)域圖像f2(x，y)依次進行二值化操作和形態(tài)學開操作，使得f2(x，y)中的各個分裂區(qū)域相互粘合，得到圖像f4(x，y)；
[0011]步驟5:對圖像f4(x，y)進行逐行投影及采用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:對歷史采集圖像和實時采集圖像分別進行步驟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時采集圖像中的缺陷特征信息；
[0013]步驟7:將實時獲取缺陷的特征信息依次與所有的已存儲缺陷的特征信息進行匹配計算，獲得實時獲取缺陷與已存儲缺陷的位置誤差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，包括已存儲缺陷的形態(tài)信息Dtm (m)和已存儲缺陷的位置信息Ltm (LX, LY, RX, RY, Xff, YH)，m表示第m個已存儲缺陷，取值范圍為1-M，M表示已存儲缺陷總數(shù)；
[0015]實時采集圖像中的缺陷特征信息，包括實時獲取缺陷的形態(tài)信息Dom(n)和實時獲取缺陷的位置信息Lon(LX，LY, RX, RY, Xff, YH)，η表示第η個實時獲取缺陷，取值范圍為1-Ν, N表示實時獲取缺陷的總數(shù)；
[0016]其中，每個缺陷的形態(tài)信息Am(j)依據(jù)每個缺陷所在圖像&(1，7)中的行號j，按照以下公式計算獲得:
[0017]
【權利要求】
1.一種基于機器視覺檢測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:對鐵軌表面區(qū)域圖像進行中值濾波處理，獲得去除噪聲的鐵軌表面區(qū)域圖像f2(χ, y)； 步驟4:對去除噪聲的鐵軌表面區(qū)域圖像f2(x，y)依次進行二值化操作和形態(tài)學開操作，使得f2(x，y)中的各個分裂區(qū)域相互粘合，得到圖像f4(x，y)； 步驟5:對圖像f4(x，y)進行逐行投影及采用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:對歷史采集圖像和實時采集圖像分別進行步驟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時采集圖像中的缺陷特征信息； 步驟7:將實時獲取缺陷的特征信息依次與所有的已存儲缺陷的特征信息進行匹配計算，獲得實時獲取缺陷與已存儲缺陷的位置誤差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)權利要求1所述的基于機器視覺檢測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，包括已存儲缺陷的形態(tài)信息Dtm (m)和已存儲缺陷的位置信息Ltm (LX, LY, RX, RY, Xff, YH)，m表示第m個已存儲缺陷，取值范圍為1-M，M表示已存儲缺陷總數(shù)； 實時采集圖像中的缺陷特征信息，包括實時獲取缺陷的形態(tài)信息Dom(η)和實時獲取缺陷的位置信息Lon(LX，LY, RX, RY, Xff, YH)，η表示第η個實時獲取缺陷，取值范圍為1_Ν，N表示實時獲取缺陷的總數(shù)； 其中，每個缺陷的形態(tài)信息Am(j)依據(jù)每個缺陷所在圖像&(1，7)中的行號j，按照以下公式計算獲得:

3.根據(jù)權利要求2所述的基于機器視覺檢測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)判斷實時獲取缺陷與已存儲缺陷是否為同一缺陷； 對比實時獲取缺陷的寬度Lo(XW)和已存儲缺陷的寬度Lt(XW)，對比實時獲取缺陷的高度Lo(YH)和已存儲缺陷的高度Lt (YH)，若
4.根據(jù)權利要求3所述的基于機器視覺檢測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)權利要求4所述的基于機器視覺檢測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的具體實現(xiàn)過程為對鐵軌表面圖像fi(X，y)進行一次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)權利要求5所述的基于機器視覺檢測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的具體實現(xiàn)過程如下:①設定全局閾值T，對鐵軌表面圖像4(1，7)進行二值化得到二值圖像f3(x，y):
【文檔編號】G01N21/88GK103913464SQ201410104025
【公開日】2014年7月9日 申請日期:2014年3月20日 優(yōu)先權日: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 申請人:湖南大學