本發(fā)明涉及高速鐵路接觸網(wǎng)故障檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種高鐵接觸網(wǎng)斜腕臂管帽丟失檢測(cè)方法。

背景技術(shù)：

在高速鐵路接觸網(wǎng)懸掛裝置中，腕臂的管帽是保護(hù)腕臂正常工作的重要零件。由于腕臂是空心鋼管，在存在施工缺陷或動(dòng)車(chē)組長(zhǎng)期運(yùn)行過(guò)程中的震動(dòng)和沖擊的情況下，斜腕臂的管帽缺失會(huì)使得雜物等落入腕臂的鋼管中，對(duì)腕臂甚至整個(gè)支撐懸掛裝置造成安全隱患。這對(duì)接觸網(wǎng)支撐裝置的結(jié)構(gòu)穩(wěn)定性提出了更高的要求，需要對(duì)管帽丟失進(jìn)行檢測(cè)并采取措施排除隱患。原鐵道部頒布的4C系統(tǒng)技術(shù)規(guī)范，包含對(duì)接觸網(wǎng)的懸掛部分、腕臂部分的高清晰視頻監(jiān)測(cè)，涉及基于數(shù)字圖像處理技術(shù)對(duì)接觸網(wǎng)支撐及懸掛裝置中零部件的故障檢測(cè)。

對(duì)于接觸網(wǎng)零部件狀態(tài)缺陷檢測(cè)，目前我國(guó)主要以傳統(tǒng)的人工巡檢方式，此外業(yè)內(nèi)人員使用攝像機(jī)拍攝接觸網(wǎng)支撐懸掛裝置圖像，并在離線狀態(tài)下對(duì)各部件的故障狀態(tài)人工識(shí)別。但也存在以下問(wèn)題：工作量大、效率低、故障判斷存在較大滯后性?；趫D像處理技術(shù)的非接觸式弓網(wǎng)檢測(cè)技術(shù)研究可實(shí)現(xiàn)不干擾行車(chē)安全的弓網(wǎng)檢測(cè)裝置開(kāi)發(fā)，所用設(shè)備可拓展性強(qiáng)，可實(shí)現(xiàn)弓網(wǎng)參數(shù)和故障的自動(dòng)識(shí)別，具有眾多優(yōu)勢(shì)。目前國(guó)內(nèi)外基于圖像處理的弓網(wǎng)故障狀態(tài)檢測(cè)已有一些研究，陳維榮研究了基于形態(tài)學(xué)處理和Radon變換的受電弓滑板狀態(tài)監(jiān)測(cè)。張桂南采用金字塔近鄰平均算法和小波奇異值法檢測(cè)接觸網(wǎng)絕緣子故障，并研究了基于Harris角點(diǎn)與譜聚類(lèi)實(shí)現(xiàn)了絕緣子的抗旋轉(zhuǎn)匹配和故障檢測(cè)。劉寅秋采用歸一化互相關(guān)和局部二值化法，提取并計(jì)算接觸網(wǎng)動(dòng)態(tài)高度以及拉出值等參數(shù)。由于現(xiàn)場(chǎng)采集的接觸網(wǎng)支撐及懸掛裝置圖像普遍較復(fù)雜，采用圖像處理技術(shù)對(duì)腕臂管帽這樣微小且灰暗的部件進(jìn)行故障檢測(cè)存在較大的難度，目前此方面的研究還未見(jiàn)相關(guān)報(bào)道。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述問(wèn)題本發(fā)明的目的在于提供一種更為簡(jiǎn)單有效，效果更高，可靠性更強(qiáng)的高鐵接觸網(wǎng)斜腕臂管帽丟失檢測(cè)方法。技術(shù)方案如下：

一種高鐵接觸網(wǎng)斜腕臂管帽丟失檢測(cè)方法，包括以下步驟：

對(duì)高速鐵路接觸網(wǎng)支撐及懸掛裝置進(jìn)行成像，對(duì)采集的圖像進(jìn)行篩選，選取接觸網(wǎng)圖像的全局圖像作為管帽檢測(cè)的圖片；

對(duì)全局圖像進(jìn)行預(yù)處理以突出腕臂結(jié)構(gòu)；

采用Hough變換檢測(cè)并連接圖中的線段，并在Hough矩陣中提取前10個(gè)灰度峰值點(diǎn)，實(shí)現(xiàn)圖像中主要直線的定位；

取傾角在30°～75°之間的一組平行線段作為斜腕臂的一組邊緣，并計(jì)算斜腕臂的實(shí)際傾斜角度；

根據(jù)該實(shí)際傾斜角度將圖像旋轉(zhuǎn)至斜腕臂處于水平的方向；

利用Canny算子對(duì)旋轉(zhuǎn)后的圖像檢測(cè)邊緣，將得到的邊緣圖像中同一縱坐標(biāo)上的像素點(diǎn)進(jìn)行像素灰度值的累加，得到像素累加分布圖；

像素累加分布圖中的兩個(gè)峰值對(duì)應(yīng)斜腕臂的邊緣，將該峰值所在的直線作為分割直線，將斜腕臂圖像從原旋轉(zhuǎn)后的圖像中分割出來(lái)；

在斜腕臂圖像中，利用圖像的灰度分布規(guī)律判斷管帽是否丟失像素累加分布圖中的兩個(gè)峰值對(duì)應(yīng)斜腕臂的邊緣，將該峰值所在的直線作為分割直線，將斜腕臂圖像從原旋轉(zhuǎn)后的圖像中分割出來(lái)；

在斜腕臂圖像中，利用圖像的灰度分布規(guī)律判斷管帽是否丟失。

進(jìn)一步的，所述判斷管帽是否丟失的方法包括：

對(duì)分割出的斜腕臂圖像中同一縱坐標(biāo)的像素點(diǎn)進(jìn)行像素灰度值累加，得到斜腕臂邊緣對(duì)應(yīng)的縱坐標(biāo)，取其平均值得到對(duì)稱(chēng)軸所在直線；

在對(duì)稱(chēng)軸上做斜腕臂圖像的像素灰度統(tǒng)計(jì)曲線，計(jì)算統(tǒng)計(jì)曲線的差分值；

最大差分值所在橫坐標(biāo)為腕臂與管帽的銜接處，計(jì)算斜腕臂對(duì)稱(chēng)軸上管帽部分的像素平均值；

若該像素平均值大于設(shè)定閾值，則管帽存在，否則管帽丟失。

更進(jìn)一步的，所述預(yù)處理包括采用濾波、對(duì)比度增強(qiáng)或腐蝕，使支柱和拉線淡化，從而突出腕臂結(jié)構(gòu)。

1)本發(fā)明直接通過(guò)圖像處理方法對(duì)高鐵接觸網(wǎng)斜腕臂管帽丟失狀態(tài)進(jìn)行檢測(cè)，給出客觀、真實(shí)、準(zhǔn)確的檢測(cè)分析結(jié)果，克服了傳統(tǒng)人工檢測(cè)方法的缺陷，為高鐵接觸網(wǎng)支撐及懸掛裝置零部件故障檢測(cè)提供一種較好的思路；

2)本發(fā)明根據(jù)斜腕臂及其管帽的結(jié)構(gòu)特點(diǎn)，巧妙地將Hough變換和灰度分布規(guī)律結(jié)合，對(duì)管帽存在與丟失的狀態(tài)檢測(cè)簡(jiǎn)單、有效；

3)本發(fā)明的方法正確檢測(cè)率較高，簡(jiǎn)化了故障檢測(cè)的難度，大大提高了檢測(cè)效率，并保證了檢測(cè)的準(zhǔn)確性。

附圖說(shuō)明

圖1為本發(fā)明方法的處理過(guò)程框圖。

圖2為本發(fā)明現(xiàn)場(chǎng)采集圖像中的接觸網(wǎng)支撐懸掛裝置的全局圖像。

圖3為本發(fā)明對(duì)待檢測(cè)圖像做預(yù)處理的效果圖。

圖4為本發(fā)明做HOUGH變換后由HOUGH矩陣提取的前10個(gè)峰值。

圖5為本發(fā)明HOUGH變換峰值對(duì)應(yīng)的線段。

圖6為本發(fā)明斜腕臂旋轉(zhuǎn)至水平的效果圖。

圖7為本發(fā)明斜腕臂豎直方向邊緣像素累加分布圖。

圖8為本發(fā)明提取斜腕臂的結(jié)果圖。

圖9為本發(fā)明斜腕臂管帽的安裝狀態(tài)。

圖10為本發(fā)明斜腕臂中心線像素灰度值統(tǒng)計(jì)曲線。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)說(shuō)明。圖1為本發(fā)明方法的處理過(guò)程框圖。圖2示出現(xiàn)場(chǎng)采集圖像中接觸網(wǎng)支撐懸掛裝置的全局圖像，可看出對(duì)如此細(xì)小部件檢測(cè)的難度。

檢測(cè)步驟如下：

1)斜腕臂的定位與提取

專(zhuān)用綜合列檢車(chē)在一定運(yùn)行速度下，對(duì)高速鐵路接觸網(wǎng)支撐及懸掛裝置進(jìn)行成像，將上行和下行的高清圖像分別存儲(chǔ)在兩個(gè)圖像庫(kù)中。然后對(duì)采集的圖像進(jìn)行篩選，選取上下行接觸網(wǎng)圖像的全局圖像作為管帽檢測(cè)的圖片。

對(duì)全局圖像進(jìn)行預(yù)處理以突出腕臂結(jié)構(gòu)。其中圖像預(yù)處理包括采用濾波、對(duì)比度增強(qiáng)或腐蝕等，使支柱和拉線等其他直線結(jié)構(gòu)淡化，從而突出腕臂結(jié)構(gòu)。圖3示出了圖像進(jìn)行預(yù)處理先后的效果對(duì)比圖。

采用Hough變換檢測(cè)并連接圖中的線段，并在Hough矩陣中提取前10個(gè)灰度峰值點(diǎn)，如圖4所示，實(shí)現(xiàn)圖像中主要直線的定位，如圖5中虛線所示。由于斜腕臂的傾斜角度通常在30°～75°之間，所以取傾角在30°～75°之間的一組平行線段作為斜腕臂的一組邊緣，并計(jì)算斜腕臂的實(shí)際傾斜角度。根據(jù)該實(shí)際傾斜角度將圖像旋轉(zhuǎn)至斜腕臂處于水平的方向，如圖6所示。

利用Canny算子對(duì)旋轉(zhuǎn)后的圖像檢測(cè)邊緣，將得到的邊緣圖像中同一縱坐標(biāo)上的像素點(diǎn)進(jìn)行像素灰度值的累加，得到像素累加分布圖，如圖7所示，圖中的兩個(gè)峰值對(duì)應(yīng)斜腕臂的邊緣，將該峰值所在的直線作為分割直線，將斜腕臂圖像從原旋轉(zhuǎn)后的圖像中分割出來(lái)，如圖8所示。

在斜腕臂圖像中，利用圖像的灰度分布規(guī)律判斷管帽是否丟失，具體方法見(jiàn)下文。

2)管帽不良狀態(tài)的檢測(cè)

分析現(xiàn)場(chǎng)采集的接觸網(wǎng)圖像中斜腕臂管帽的安裝狀態(tài)如圖9，可采用基于灰度分布規(guī)律特征提取的方法檢測(cè)斜腕臂管帽丟失的不良狀態(tài)。

對(duì)分割出的斜腕臂圖像中同一縱坐標(biāo)的像素點(diǎn)進(jìn)行像素灰度值累加，得到腕臂邊緣對(duì)應(yīng)的縱坐標(biāo)，取其平均值得到對(duì)稱(chēng)軸所在直線；在對(duì)稱(chēng)軸上做斜腕臂圖像的像素灰度統(tǒng)計(jì)曲線，如圖10所示。

然后計(jì)算統(tǒng)計(jì)曲線的差分值；最大差分值所在橫坐標(biāo)為腕臂與管帽的銜接處。由于管帽灰度值與腕臂灰度值差距最大，可以認(rèn)為最大差分值所在橫坐標(biāo)為腕臂與管帽的銜接處。根據(jù)中國(guó)鐵道標(biāo)準(zhǔn)，管帽的長(zhǎng)度和腕臂的直徑固定，可根據(jù)管帽長(zhǎng)度與腕臂直徑的比值確定出管帽在該檢測(cè)圖像中的長(zhǎng)度。然后計(jì)算斜腕臂對(duì)稱(chēng)軸上管帽部分的像素平均值；若該像素平均值大于設(shè)定閾值，則管帽存在，否則管帽丟失。