[发明专利]一种城轨车辆线阵相机图像校正方法、系统及存储介质

说明书

本发明提供一种城轨车辆线阵相机图像校正方法、系统及存储介质。本发明方法包括：获取模板图像数据和待检测图像数据；基于第一特征提取模型对所述模板图像数据和待检测图像数据进行固定部件提取；基于所述第一标准特征点数据集和第二标准特征点数据集生成标准匹配数据集；基于第二特征提取模型对所述模板图像数据和待检测图像数据进行固定部件提取；基于所述标准匹配数据集和候选匹配数据集对候选匹配数据集中的数据进行筛选从而获取精准匹配数据集；基于所述标准匹配数据集对待检测图像数据进行分段，构建校正矩阵；将待检测图像数据与校正矩阵相乘获得校正后的图像数据。本发明大幅提高校正精度，提升图像校正在急变速条件下的适应性。

技术领域

本发明涉及线阵相机图像处理技术领域，具体而言，尤其涉及一种城轨车辆线阵相机图像校正方法、系统及存储介质。

背景技术

城市轨道交通领域的智能化检车方向发展迅速，融合列车高清彩色成像技术与基于视觉的列车部件状态判定算法的方式已逐渐成为主流。以6编组列车的图像采集为例，列车的实际物理长度通常是宽度与高度的数十倍，因此适合与拍摄运动物体的线阵相机更适用于采集列车车体外观图像。理论上，线阵相机的采集频率与列车瞬时行进速度保持高度一致，即可获取到真实比例的列车外观图像，但实际中，列车行进速度难以实现绝对匀速，且通过列车测速方式动态调整相机采集频率的方式又存在滞后性，二者难以保持绝对统一，所以造成图像在水平方向上必然存在一定程度的拉伸与压缩现象。

现有技术中，对上述问题的解决思路大致分两个方向，第一个方向是利用雷达测速技术获取较高频率的速度信息，但目前雷达能达到的测速频率仍低于线阵相机的采集频率，难以实现实时动态匹配，且在列车接近停车等低速运动情况下，雷达的测速准确性会大幅降低。第二个方向是对采集后的图像进行校正处理。

对采集后的图像进行校正，常用的一种方法是通过在列车上设置标记，按标记对图像进行分段线性校正，这种过度依赖外部标记的方法在实际中操作复杂，标记的数量直接影响到校正的精度；另一种方法是选取一张尽量接近真实列车比例的历史列车图像作为模板，通过特征提取的方式将新采集的图像进行拟合校正，直至图像与模板差异最小，但这类方法特征提取方式为传统基于梯度或特征点，在光照变化或零部件更换后难以保证匹配精度，且这类方法通常设置特征点距离阈值来判断是否为错误匹配，默认列车图像仅出现微小的拉伸或压缩现象，不适用于易出现急变速的城轨列车线阵相机图像校正。

发明内容

鉴于现有技术中存在的城轨列车线阵相机图像的校正方法精度低、无法适应急变速下的畸变问题，而提供一种城轨车辆线阵相机图像校正方法、系统及存储介质。本发明在目标检测与特征点提取过程中分别采用YOLOV5和surf特征点检测算法，将目标检测的结果融入特征点匹配的运算，添加了小部件精细化定位、匹配数据筛选与分段非线性拟合算法，大幅提高校正精度，提升图像校正在急变速条件下的适应性。

本发明采用的技术手段如下：

本发明提供了一种城轨车辆线阵相机图像校正方法，包括：

获取模板图像数据和待检测图像数据；

基于第一特征提取模型对所述模板图像数据和待检测图像数据进行固定部件提取，从而获取在模板图像数据和待检测图像数据中相同固定部件的检测框；

基于针对模板图像数据的各检测框获取模板图像的第一标准特征点数据集，基于针对待检测图像数据的各检测框获取待检测图像的第二标准特征点数据集，基于所述第一标准特征点数据集和第二标准特征点数据集生成标准匹配数据集；

基于第二特征提取模型对所述模板图像数据和待检测图像数据进行固定部件提取，采用RANSAC方法获得候选匹配数据集，所述候选匹配数据集包括一一对应的模板图像特征点和待检测图像特征点点对；

基于所述标准匹配数据集和候选匹配数据集对候选匹配数据集中的数据进行筛选，从而获取精准匹配数据集；