原文传递
基于机器视觉的轨道缺陷识别方法研究
| 论文题名： | 基于机器视觉的轨道缺陷识别方法研究 |
| 关键词： | 轨道检测;机器视觉;目标区域定位;特征提取;模板匹配 |
| 摘要： | 轨道检测是铁路安全运营的重要保障。面对我国铁路事业快速发展的现状，现有方法已无法满足求。机器视觉技术作为一种长距离、非接触式、自动化检测的有效方法。本文对轨道缺陷的视觉检测技术展开研究，并设计基于机器视觉的便携式轨道缺陷检测小车，实现对钢轨、扣件缺陷信息的数字化管理。 首先，根据基于机器视觉的基本设计思想和轨道检测的功能需求分析，建立了便携式轨道缺陷视觉检测模型；结合轨道设计标准与相机成像原理完成了系统采集方案、设备选型等的系统硬件设计；根据图像处理的基本方法完成了轨道缺陷检测算法等系统软件设计。 其次，分析了轨道区域各部分色相值特征；利用钢轨表面区域边缘色相值突变特点，结合钢轨形状特征，对钢轨边界点进行直线拟合完成对钢轨表面区域的定位；同理可判别轨枕区域，再利用扣件位于钢轨与轨枕交叉处的位置特征，根据扣件区域范围实现扣件区域定位。 然后，对钢轨表面区域图像进行灰度补偿、自适应加权中值滤波处理，以增强缺陷特征；进行了基于行程编码法优化的形态学处理以解决图像二值化后缺陷边缘存在的毛刺、断边问题；再利用基于链码方向的轮廓跟踪确定缺陷区域；记录缺陷的几何特征、形状特征，并利用长宽比对缺陷进行疤痕、裂纹的简单分类。 再次，进行了开关型中值滤波处理，以滤除对扣件区域边缘判别影响严重的脉冲噪声；利用图像梯度幅值的直方图凹度特征，解决了Canny算子在边缘提取中双阈值自适应选取问题；结合弹条处清晰稳定的曲线特征，进行了基于曲线投影的模板匹配，快速实现了扣件缺失检测。 最后，利用LabVIEW编写算法程序，实现了便携式轨道缺陷视觉检测系统，并对基于机器视觉的便携式轨道缺陷视觉检测小车进行了现场实验；通过对不同光照强度下对目标区域定位的试验，表明系统具有一定抗光照强度干扰的能力，利用采集现场图像加部分手动合成的缺陷图像验证了钢轨表面缺陷检测和扣件缺失检测的有效性，且检测时间满足实时检测要求，可在一定程度上代替人工巡检。 |
| 作者： | 殷超 |
| 专业： | 电力电子与电力传动 |
| 导师： | 闵永智 |
| 授予学位： | 硕士 |
| 授予学位单位： | 兰州交通大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
