[发明专利]一种自适应学习的接触网刚性导线识别方法及装置

权利要求书

1.一种自适应学习的接触网刚性导线识别方法，其特征在于包括：

导线灰度投影曲线获取步骤，通过两路线阵相机对同一被测点进行包含汇流排及接触网刚性导线的图像采集,共计n张图像；对所述n张包含汇流排及接触网刚性导线的图像进行接触网刚性导线定位识别方法处理，得到接触网刚性导线左侧汇流排或者右侧汇流排的轮廓信息，然后基于灰度投影算法对所述接触网刚性导线左侧汇流排或者右侧汇流排的轮廓信息进行处理，得到接触网刚性导线定位的灰度投影曲线；

最优导线获取步骤，将所述接触网刚性导线定位的灰度投影曲线结合导线空间分布模型，从导线空间分布模型中，基于欧式距离最优解，选择偏移量方差最小值所对应的m个接触网刚性导线为最优接触网刚性导线；m小于等于n/2；

导线轮廓位置获取步骤，根据所述最优接触网刚性导线，通过接触网刚性导线定位识别方法得到最优接触网刚性导线轮廓；

接触网刚性导线几何参数获取步骤，基于双目视觉基本原理，通过最优接触网刚性导线轮廓，计算该接触网刚性导线几何参数。

2.根据权利要求1所述的一种自适应学习的接触网刚性导线识别方法，其特征在于所述导线空间分布模型获取过程是：基于Ransac算法训练接触网有效数据及无效数据，将所有接触网刚性导线左侧汇流排或右侧汇流排的位置在水平方向分布所对应的有效标定数据，与接触网刚性导线左侧汇流排或右侧汇流排的位置关系进行一一映射存储，形成导线空间分布模型；其中，n张包括汇流排及接触网刚性导线的图像中标记的接触网有效数据和接触网无效数据，接触网有效数据及接触网无效数据加起来等于n*2*2；接触网有效数据占n*2*2的60％及以上。

3.根据权利要求2所述的一种自适应学习的接触网刚性导线识别方法，其特征在于所述接触网有效数据占n*2*2的90％及以上。

4.根据权利要求2所述的一种自适应学习的接触网刚性导线识别方法，其特征在于当某一幅包括汇流排及接触网刚性导线的图像为锚段区间图像，即一幅图像中，既包括了原有刚性导线的尾端，又包括新的刚性导线的首部，则在同一条接触网刚性导线中不能同时存在P1、P2、P3及P4，当原有刚性导线上标记出P3和P4，而新的刚性导线上标记出P1及P2；则偏移量指的是P2与P1的距离；当原有刚性导线上标记出P1和P2，而新的刚性导线上标记出P3及P4；则偏移量指的是P4与P3的距离；其中，P1是图像中接触网刚性导线成像图像顶部区域的左侧汇流排或者右侧汇流排位置坐标；P2是接触网刚性导线成像图像顶部区域的接触网刚性导线中心位置坐标；P3是接触网刚性导线成像图像底部区域的左侧汇流排或右侧汇流排位置坐标；P4是接触网刚性导线成像图像底部区域的接触网刚性导线中心位置坐标。

5.根据权利要求1至4之一所述的一种自适应学习的接触网刚性导线识别方法，其特征在于还包括矫正过程：

对第n+1张包括汇流排及接触网刚性导线的图像进行P1、P2、P3及P4位置标记；

当通过n张包括汇流排及接触网刚性导线的图像数据训练形成导线空间分布模型去训练第n+1张包括汇流排及接触网刚性导线的图像的P1、P2、P3及P4；

去验证识别第n+1张包括汇流排及接触网刚性导线的图像上P1、P3是否在第n+1张图像的汇流排上，同时验证识别第n+1张包括汇流排及接触网刚性导线的图像上P2、P4是否在第n+1张图像的接触网刚性导线轮廓上，若符合要求，则不需要矫正；否则，将第n+1张包括汇流排及接触网刚性导线的图像标定数据删除；其中，P1是图像中接触网刚性导线成像图像顶部区域的左侧汇流排或者右侧汇流排位置坐标；P2是接触网刚性导线成像图像顶部区域的接触网刚性导线中心位置坐标；P3是接触网刚性导线成像图像底部区域的左侧汇流排或右侧汇流排位置坐标；P4是接触网刚性导线成像图像底部区域的接触网刚性导线中心位置坐标。