[发明专利]一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法

权利要求书

1.一种基于图像不变性目标定位的高铁接触网旋转双耳部件销钉不良状态检测方法，实现旋转双耳的准确定位和销钉松脱与脱落故障的检测，其具体的工作步骤包括：

A、专用综合列检车在一定运行速度下，对高速铁路接触网支撑及悬挂装置进行成像；将上行和下行的高清图像分别存储在两个图像库中；

B、对采集的图像进行筛选，选取一张较为清晰完整的旋转双耳图像作为匹配模板；

C、利用Scale Invariant Feature transform(SIFT)算法和改进的Random Sample Consensus(RANSAC)算法实现旋转双耳部件的准确定位；

a、用SIFT特征算子该算子提取模板图像和现场采集接触网图像的特征点，再分别使用128维特征向量A_i和B_i进行描述，随后计算两幅图像各特征向量的欧式距离U，度量它们之间的相似性，当满足下式时，则接受该匹配；

UminUl<R,0<R<1---(1)]]>

式中：U_min和U_l分别为最近邻距离和次近邻距离；R的取值为0.8，从而尽可能地保留正确匹配；

b、根据匹配点在采集图像中的空间分布情况，将匹配特征点进行聚类，在得到疑似的双耳区域的同时提高了算法的效率空间距离的阈值选定为80，对距离小于该阈值的特征点进行相应的聚类；

c、使用改进的RANSAC算法实现双耳部件的精确定位,忽略双耳部件的几何畸变，双耳模板图像与目标图像之间的变换关系用如下的仿射模型来描述：

x′y′1=Txy1=m1m2m3m4m5m6001xy1---(2)]]>

式中：m₁、m₂、m₄和m₅为图像的旋转和缩放因子，(m₃,m₆)^T为平移矢量；T为仿射矩阵，I(x,y)和I′(x′,y′)分别为双耳模板和现场采集图像的匹配点；

对步骤b所得的每个聚类用改进的RANSAC算法求仿射变换矩阵，具体实现步骤为：

1)设L_i(i＝1,2,...,N)为某一聚类图像中成功匹配的点集合，C_i(i＝1,2,...,N)为模板图像与L_i相匹配的点集合，其中N为聚类数目；

2)从集合C_i和L_i中随机各取3对匹配点能求得初始仿射矩阵T₁；

3)C_i中所有特征点与T₁相乘得点集L′_i,若L′_i与L_i中对应点的空间距离小于某阈值，则判断其为内点；

4)判断内点的相对位置与对应C_i集中点相对位置是否相同；若是，则更新T₁；反之，则包含误匹配；

5)返回步骤2)，迭代500次；若内点数目不为0，得到的T₁即为该聚类情况下的仿射矩阵T；否则判定现场采集图像中不存在双耳区域；

得到仿射变换矩阵T后，将双耳模板图像四个角点坐标和T代入(2)式可得到在现场采集图中对应的坐标，剪切得到旋转双耳部件图像；

D、销钉部件的分割

a、为了从双耳图像中分割销钉部件，首先通过对提取到的旋转双耳图像进行高斯滤波和增强对比度的处理，使得双耳套筒两侧边缘更接近直线段；

b、用Hough变换做线检测并链接线段，在Hough矩阵中提取前3个灰度峰值点，检测到一组近似平行线段，取其平均值为双耳套筒的倾角，将双耳套筒旋转至水平方向；

c、利用Canny算子对旋转剪切后的图像检测边缘，并在水平方向进行像素灰度值的累加，得到统计曲线；进一步找到套筒以下最大长度的水平线段，其所在直线即为销钉部分的分割直线；

E、销钉不良状态检测

分析现场采集的接触网图像中销钉安装状态：检测的步骤为：

a、对分割后的销钉部件图像作竖直方向的像素灰度值累加，分析统计所得的灰度值曲线可确定销钉两端和销轴两侧对应的四个横坐标分别为x₁、x₂、x₃、x₄，进而确定中间销轴宽度d和两端销钉长度d₁和d₂；

b、销钉灰度分布规律特征提取:对销钉正常、松脱和脱落三种状态的d₁和d₂情况，制定销钉工作状态的检测规则如下：

上式中销轴宽度d放置在分母，作用是消除图像不同尺度的影响；T₁取0.1，T₂取0.3。