[发明专利]轨道列车线阵相机图像畸变校正的目标检测方法及装置

说明书

本发明涉及一种轨道列车线阵相机图像畸变校正的目标检测方法及装置，所述方法的步骤为：构建训练数据集；基于Retinanet网络构建训练网络模型，并构造损失函数；以训练数据集为输入对训练网络模型进行训练；构建在线待测试数据集；将在线待测试数据集中的数据输入至训练后的训练网络模型预测得到第k类零部件位置框的高度值h_k；将第k类零部件位置框的高度值h_k与过车图像中第k类零部件的已知高度值H_k进行比较，若高度比值为1±0.1则认为该位置框预测正确，否则认为该位置框为误检，剔除该预测结果。本发明能够减少零部件的误检率，提高检出率，提高畸变率的计算精度，提升后续畸变校正的性能，提高轨道列车故障检测的性能。

技术领域

本发明属于轨道交通技术领域，涉及轨道列车图像处理技术，具体地说，涉及一种轨道列车线阵相机图像畸变校正的目标检测方法及装置。

背景技术

随着地铁等轨道交通的不断发展，地铁车辆数量越来越多，在列车高速运行状态下，任何细小的故障都有可能导致重大事故，因此提高轨道列车运行中的故障检测和异常预警至关重要。

目前基于线阵相机的轨道列车状态监测已经在轨道交通故障检修方面得到广泛应用。其通过在轨旁安装相机对过往车辆进行图像数据采集，过车图像参见图1，然后基于图像算法对图像数据进行分析，判断列车是否存在安全隐患或安全故障。然而由于列车运行速度时刻变化，使得采集图像时，线阵相机的采集频率无法一直与列车车速保持匹配，因此导致线阵相机采集到的图像存在畸变问题，畸变给后续的故障检测带来了极大的困难。

路绳方、刘震提出了动车组运行故障动态图像比对分析方法(激光与光电子学进展,2017(09):301-307.)，通过在轨边安装布置高速线阵采集相机获取图像，通过机器学习和模式识别，实现列车故障的自动诊断和检测。为了减小列车速度对成像变形的影响，该方法需要一组历史图像作为基准图像，对其他时间段所获得的目标图像分别按照对应的基准图像进行配准和重分割，并结合TEDS，利用多分辨率下的图像快速配准方法实现目标图像的快速分割与对齐。该方法条件较多，且受亮度、形变和相似物体影响较大，当亮度变化或形变变化剧烈时，会导致特征点匹配较少，对齐性能差；当有相似物体时，容易出现特征点的误匹配，实现错误对齐。此外，还存在数据量和计算量大的问题。

公开号为CN104318568A的中国专利申请公开了一种图像配准的方法和系统，所述方法包括：获取待配准图像和参考图像；对所述待配准图像和参考图像进行形态学处理，将所述待配准图像分为多个大小相同的待配准子图像，将所述参考图像分为多个大小相同的参考子图像；从所述参考子图像中确定起始参考子图像，根据所述起始参考子图像设定参考模板，将所述参考模板与所述待配准子图像进行配准，根据所述配准的结果获取起始偏移量；根据所述起始偏移量配准所述起始待配准子图像，并通过二分法确定经过所述配准的起始待配准子图像是否包含局部偏移量；根据所述起始偏移量和/或局部偏移量配准所述待配准图像。该方法流程较复杂，受亮度、形变和相似物体影响较大。当亮度变化较大、形变剧烈和存在相似物体时，容易导致误配准或配准不到，算法配准的性能差。

授权公告号为CN110415192B的中国专利公开的一种轨道列车线阵相机图像畸变校正方法，方法包括以一张同车型无畸变的列车线阵相机图像为标准模板，对列车每个单节车厢或者单节车厢的一段，分别进行图像校正；在进行图像畸变校正之前先对图像进行超采样处理，可以避免下一步提取图像轮廓时可能会造成的图像信息丢失；在建立最小范数优化问题之前先提取图像轮廓，可以有效地解决标准模板图像与畸变图像之间可能存在的光照差异、灰尘、水渍、污渍以及随机噪声干扰等影响，使得校正更加精确、可靠性更高；将线性方程问题转化为最小范数的约束问题，并通过优化方法进行求解，可以得到更加稳定可靠的还原矩阵，进而使得校正后的结果更加稳定可靠。该方法需要针对每个图像进行轮廓提取和最小范数优化，其计算量大，数据量大，且受形变和相似物体影响较大，畸变校正性能较差。