[发明专利]一种轨道道床缺陷动态视觉检测方法及装置在审

专利信息
申请号: 202211639600.3 申请日: 2022-12-20
公开(公告)号: CN115825087A 公开(公告)日: 2023-03-21
发明(设计)人: 王大来;魏智鹏;贺旭阳;吴伟康 申请(专利权)人: 江苏集萃智能光电系统研究所有限公司
主分类号: G01N21/88 分类号: G01N21/88
代理公司: 苏州国诚专利代理有限公司 32293 代理人: 王会
地址: 215300 江苏省苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 轨道 道床 缺陷 动态 视觉 检测 方法 装置
【权利要求书】:

1.一种轨道道床缺陷动态视觉检测方法,其特征在于,包括以下步骤:

步骤一:高清线阵推扫成像传感器与激光视觉传感器搭建、控制模块搭建:

步骤二:触发高分辨率线阵工业相机采集轨道道床两侧及中部的图像并传输至控制模块进行处理;

步骤三:轨道道床高清图像数据采集、拼接;

步骤四:轨道道床缺陷动态视觉检测。

2.根据权利要求1所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,步骤一中,所述高清线阵推扫成像传感器包括3台高分辨率线阵工业相机和激光投射器,3台高分辨率线阵工业相机分别设置于轨道道床两侧及中部,3台高分辨率线阵工业相机和激光视觉传感器分别与控制模块相连。

3.根据权利要求2所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,所述高分辨率线阵工业相机的分辨率不低于2048像素,帧频不低于80kHZ。

4.根据权利要求1所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,步骤三中,通过3台高分辨率线阵工业相机实现对轨道道床两侧及中部的高清成像,随后进行图像特征提取并通过计算两组图像之间变换矩阵,实现图像之间的拼接。

5.根据权利要求1所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,步骤三中,轨道道床高清图像数据采集、拼接的步骤包括:

第一步:对输入的轨道道床左侧、中部、右侧三组图像进行特征提取;

第二步:通过计算描述子对第一步中提取的特征点进行匹配,得到有效的图像特征点匹配点对,分别得到轨道道床左侧与中部、轨道道床中部与右侧图像匹配点对;

第三步:采用RANSAC方法计算两个图像之间的单应映射矩阵H,实现待匹配图像之间的变换;

第四步:应用单应映射矩阵对两图像进行变换与融合,得到最终拼接后的图像,并展开表示。

6.根据权利要求5所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,令左侧、中部、右侧的轨道道床图像为Il、Im与Ir,统一将左、右侧轨道道床图像对齐到中部图像,则变换关系的图像表示为:

整体轨道道床的图像表示为三者的并集,即

在完成上述图像拼接基础上,对图像进行透视成像校正,用于后续采集图像的校正。根据检测车运行距离以及道床各部位的空间分布,划分为等长度的图像,供后续进行缺陷自动识别。

7.根据权利要求1所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,步骤四中,轨道道床缺陷动态视觉检测的步骤包括:

第一步:设备安装完成后,布置在铁路线上,采集大量正常轨道道床区图像;

第二步:设定对抗生成网络模型并进行训练;

第三步:进入模型推理环节,导入第二步中的模型训练,使生成器生成出和待分析图片尽可能相似的图片;

第四步:比对待检测图像与生成图像,通过判断待分析的图像和生成的图像之间的像素级差异与阈值发大小,判断图像是否存在异常;

整理第四步中得到分割的异常像素,并在图像标识出,即得到轨道道床区缺陷状态。

8.根据权利要求7所述的一种轨道道床缺陷动态视觉检测方法,其特征在于,第二步中,将正常的轨道道床图片输入网络,使模型生成的图片与真实的正常图片具有相同的分布,训练过程通过生成器和判别器的两个子模型共同实现,其中,判别器的作用是尽量区分出哪些图像是模型生成的,哪些是真实的;生成器的作用是尽量生成逼真的图片,让判别器无法区分,通过多次迭代训练,得到收敛并结束后的网络模型。

9.一种轨道道床缺陷动态视觉检测装置,其特征在于,包括高清线阵推扫成像传感器、激光视觉传感器、激光多普雷达和控制模块,所述高清线阵推扫成像传感器包括3台高分辨率线阵工业相机,3台高分辨率线阵工业相机分别设置于轨道道床两侧及中部,3台高分辨率线阵工业相机分别实现对轨道道床两侧及中部的高清成像,3台高分辨率线阵工业相机、激光视觉传感器和激光多普雷达分别与控制模块相连。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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江苏集萃智能光电系统研究所有限公司,未经江苏集萃智能光电系统研究所有限公司许可,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/202211639600.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top