[发明专利]铁路扣件螺母中心定位方法有效
申请号: | 201910789963.7 | 申请日: | 2019-08-26 |
公开(公告)号: | CN110610516B | 公开(公告)日: | 2023-03-24 |
发明(设计)人: | 刘宏立;刘建伟;马子骥;滕云;倪雪峰 | 申请(专利权)人: | 湖南大学 |
主分类号: | G06T7/66 | 分类号: | G06T7/66;G06T7/11;G06T7/13;G06T7/187;G06T7/136 |
代理公司: | 长沙正奇专利事务所有限责任公司 43113 | 代理人: | 马强;王娟 |
地址: | 410082 湖*** | 国省代码: | 湖南;43 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 铁路 扣件 螺母 中心 定位 方法 | ||
1.一种铁路扣件螺母中心定位方法,其特征在于,该方法实现过程包括:利用道钉的轮廓和区域纹理信息,检测道钉中心,利用所述道钉中心确定螺母中心;
具体实现步骤包括:
1)采集钢轨图像,对所述钢轨图像进行二值化,所得到的二值化图像的最大连通区域即为钢轨区域;
2)利用所述钢轨区域将所述钢轨图像分为两部分,从该两部分图像中分别截取子图像进行二值化处理,对得到的两个二值化图像进行与操作,得到总的二值化图像,该总的二值化图像中的最大连通区域即为轨枕区域;
3)利用所述钢轨区域和轨枕区域得到扣件的粗定位图像;
4)选取标准扣件图像作为扣件模板图像,计算所述扣件的粗定位图像与扣件模板图像之间的相关性,所得相关性数值最大的位置即为扣件的精确位置,如此即完成扣件精定位,同时提取得到扣件子图像;
5)提取所得扣件子图像的初始轮廓,去除该图像中的无关轮廓,得到扣件轮廓图像;
6)对所述扣件轮廓图像进行圆形拟合,得到初始道钉区域,对所述初始道钉区域进行筛选,得到候选道钉区域;
7)计算候选道钉区域的灰度均值m和信息熵e,归一化所述灰度均值m和信息熵e,得到归一化的灰度均值和信息熵纹理特征,利用所述灰度均值和信息熵选择最终的道钉区域;
8)利用所述最终的道钉区域确定道钉的圆心坐标,则该圆心坐标即为螺母的中心坐标。
2.根据权利要求1所述的铁路扣件螺母中心定位方法,其特征在于,步骤4)中,所述相关性R的计算公式为:其中,θm,n和θ'm,n分别是扣件粗定位图像像素点(m,n)处和扣件模板图像中像素点(m,n)处方向场特征值。
3.根据权利要求2所述的铁路扣件螺母中心定位方法,其特征在于,所述方向场特征值Ix和Iy为像素水平和竖直方向梯度。
4.根据权利要求1所述的铁路扣件螺母中心定位方法,其特征在于,步骤5)中,定义满足下述任一条件的轮廓是明显大于道钉轮廓的无关轮廓,即待去除的轮廓:其中,DL和DW分别表示各轮廓连通区域沿图像长度和宽度方向的像素值,L和W表示扣件子图像的长度和宽度。
5.根据权利要求1所述的铁路扣件螺母中心定位方法,其特征在于,所述初始道钉区域集直径位于区间且圆心像素横坐标位于扣件轮廓图像中间1/3宽度范围内的道钉区域为候选道钉区域集。
6.根据权利要求1所述的铁路扣件螺母中心定位方法,其特征在于,灰度均值m和信息熵e的计算公式如下:zi为候选道钉区域像素点灰度值,p(zi)为各灰度值出现的次数。
7.根据权利要求6所述的铁路扣件螺母中心定位方法,其特征在于,归一化的灰度均值和信息熵计算公式为:其中c为候选道钉区域半径。
8.根据权利要求1~7之一所述的铁路扣件螺母中心定位方法,其特征在于,步骤7)中,利用所述灰度均值和信息熵选择最终的道钉区域的步骤包括:
1)对每个候选道钉区域的灰度均值和信息熵纹理特征排序,灰度均值按降序排列,信息熵按升序排列;
2)给灰度均值最大和信息熵最小的区域最多的票数,其它区域按灰度均值降序,信息熵升序给予依次递减的票数;
3)将每个候选道钉区域所得票数相加,得票最多的区域即为最终道钉区域。
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湖南大学,未经湖南大学许可,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/201910789963.7/1.html,转载请声明来源钻瓜专利网。