[发明专利]一种基于EPNP的钢轨廓形检测方法及系统在审
申请号: | 201810687996.6 | 申请日: | 2018-06-28 |
公开(公告)号: | CN108986082A | 公开(公告)日: | 2018-12-11 |
发明(设计)人: | 尹勇;王阳;刘宇峰;齐雨航;夏雨;李文虎 | 申请(专利权)人: | 武汉理工大学 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T7/11;G06T7/136;G06T7/62;G06T7/80;G01B11/25 |
代理公司: | 湖北武汉永嘉专利代理有限公司 42102 | 代理人: | 钟锋;李丹 |
地址: | 430070 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 钢轨廓形 钢轨 激光光条 图像采集装置 服务器端 主控制器 检测 横剖面 图像数据发送 线激光发射器 光条中心线 摄像头采集 时间复杂度 钢轨磨损 检测办法 接收设备 提取图像 图像数据 线形成 外沿 耗时 激光 采集 发送 图像 发射 | ||
本发明公开了一种基于EPNP的钢轨廓形检测方法及系统,该系统包括:线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。本发明解决了现有钢轨廓形检测办法耗时较长而且精度不高的问题,具有时间复杂度低,精度高的优点。
技术领域
本发明涉及图像处理技术,尤其涉及一种基于EPNP的钢轨廓形检测方法及系统。
背景技术
近些年来,我国国民经济高速发展,交通作为国民经济的流动载体随之发展起来,特别是高速铁路的发展。随着钢轨使用频率的增加,钢轨的磨损程度也越来越大,使用寿命越来越短。钢轨的过渡磨损会对列车的安全构成很大的威胁,于是定期的钢轨轮廓检测以及维护工作是很有必要的。
目前,公知的钢轨廓形检测方法有机械式接触测量和非接触式测量两大类方法。机械式接触测量方法只能定性地测量出钢轨剖面的几何参数,而不能对钢轨进行全方位的测量,需要人为操作控制并且测量效率低下。非接触式方法一般使用激光发射器、摄像头和微控制器。将激光束照射在被测钢轨上,钢轨表面上会产生一亮的光条。通过一定的角度观察光条,获取激光线的扭曲图像,根据变形程度与高度之间的关系,得到被测钢轨的高度起伏信息。该方法对摄像头、激光器和被测钢轨三者的相对位置有严格的要求,而且耗时较长而且精度不高。
考虑到现有各种方案的不足,我们设计了一种基于EPNP算法的钢轨廓形检测系统。本设计采用了鲁棒性较强的EPNP算法,摄像头位置可以随意摆放,不会对测量结果产生影响,且能够精确测量钢轨廓形。本设计采用手持式对钢轨进行检测,通过WiFi可在手机APP上实现远程控制。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于EPNP的钢轨廓形检测方法及系统。
本发明解决其技术问题所采用的技术方案是:一种基于EPNP的钢轨廓形检测系统,包括:
线激光发射器,用于向待检测的钢轨发射激光线形成激光光条,所述激光光条对应钢轨的横剖面外沿;
图像采集装置,用于通过摄像头采集表面附有激光光条的钢轨图像;
设备主控制器,用于将图像采集装置采集的钢轨图像数据发送至服务器端;
服务器端,用于接收设备主控制器发送的图像数据,提取图像中的光条中心线,获取钢轨廓形,计算钢轨磨损程度。
按上述方案,所述服务器端包括:
图像预处理模块,用于将钢轨图像二值化,根据阈值将采集图像分割为目标和背景两部分,大于阈值的部分判定为目标,灰度值设为(255,255,255);小于阈值的部分判定为背景,灰度值设为(0,0,0);
光条中心线提取模块,用于从二值化图像中提取光条中心线,,具体如下:对二值化图像进行高斯滤波,得到图像的Hessian矩阵;矩阵最大特征值对应的特征向量对应于中心线的法向向量,由基准点和法向向量推出图像的亚像素坐标;若图像中一阶导数为0的点位于当前亚像素坐标内,且法向向量的二阶导数大于指定的阈值,则基准点为激光的中心线点;记录中心线点,即可提取出中心线,获得激光中心线图片;
摄像头标定模块,采用张正友标定法标定摄像头的内参和畸变参数;
钢轨廓形还原模块,用于根据激光中心线图片输出钢轨廓形图片;
廓形检测模块,用于根据还原的钢轨廓形图片,将还原的钢轨廓形与钢轨的出厂尺寸进行对比,计算得到钢轨的磨损程度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810687996.6/2.html,转载请声明来源钻瓜专利网。