[发明专利]基于铁路列车故障检测的图像到实物空间对应匹配方法

权利要求书

1.基于铁路列车故障检测的图像到实物空间对应匹配方法，其特征在于，包括以下步骤：

步骤一、采集一趟列车序列图像作为标准序列图像，在标准序列图像中标注关键部件的车厢号与零件号，完成标准序列图像与实体列车之间的物象匹配，得到标准序列图像中零部件与实体列车之间的对应关系；

步骤二、采集列车不同时刻的序列图像并与步骤一所得标准序列图像进行仿射矫正，最终得到不同时刻矫正后的图像；

步骤三、在矫正后的图像中定位关键部件的像素坐标，在矫正后的图像的对应位置识别零部件的类别和位置，若检测到零部件出现故障，在列车停车时进行针对性检测。

2.根据权利要求1所述的基于铁路列车故障检测的图像到实物空间对应匹配方法，其特征在于，所述步骤一具体包括：

先通过列车车号的识别来获取行车信息，判断该列车是否有历史图像记录，若已进行过人工标注，则在当前列车的所有图像收集完后立即执行尺度归一化矫正，通过人工标注的套索操作获得矫正后图像中零部件的正确位置以及正确类别。

3.根据权利要求1所述的基于铁路列车故障检测的图像到实物空间对应匹配方法，其特征在于，所述步骤二具体包括：

通过ECC找到参考图像I_a和变形图像I_b之间的转换模型Φ；对金字塔顶部的图像进行ECC对齐，然后将变换模型φ₁应用到金字塔第二层和第三层的图像上，从而输出新的对应对齐的图像I_{b2_1},I_{b3_1}；然后在金字塔I_a2,I_{b2_1}的第2层之间执行相同的操作并生成更新的转换模型φ₂，应用φ₂于第3层的扭曲图像I_{b3_1}，获得最终对齐的矫正后的图像I_{b3_2}。

4.根据权利要求3所述的基于铁路列车故障检测的图像到实物空间对应匹配方法，其特征在于，所述转换模型Φ由定义的向量p＝[p₁ p₂…p_N]^t表示为：

y＝φ(x：p)，y∈{y_n，n＝1，2，…，N}K＞＞N

若转换模型Φ已知，则对整个图像的应用为：

其中，p表示一系列未知参数；

参考图像I_a中的特征点为：X＝{x_k,k＝1,2,…,K}，已知；

将参考向量和相应的扭曲向量分别定义为：

通过如下的二范数公式来衡量转换模型的优劣：

其中，和分别表示零均值版本和通常的欧几里德范数；

在评估变形图像I_b转换性能时，最小化E_ECC(p)作为目标，使用一个替代的增强相关系数ρ(p)来简化计算，最大化ρ(p)成为新的标准，ρ(p)计算公式为：

其中，

式中，Δp为干扰量，为标称向量；

将应用到中，并在处进行泰勒公式展开，得到：

其中，分别表示在标称值处评估的相对于I_b(y)参数的变换的梯度向量(长度为2)和大小为2×N雅可比矩阵；将上式应用于参考图像I_a中的所有特征点X＝{x_k,k＝1,2,…,K}，产生以下参数为p的扭曲向量：

其中，是从处演化而来的K×N雅可比矩阵；

Φ(x；p)的形式为：

φ(x；p)＝[φ₁(x；p),φ₂(x；p)]^t

其中，φ₁,φ₂是标量函数；

因此，G的元(k,n)定义为：

定义y＝[y₁,y₂]^t是I_b中的坐标，借助上式，即可得到ρ(p)如下的近似：

其中，分别是i_a^t、i_b的零均值版本，Δp定义为：

其中，最大化ρ(p)即可得到转换模型Φ。