详情

原文传递接触网定位器自动识别算法研究

论文题名：	接触网定位器自动识别算法研究
关键词：	接触网;定位器;自动识别;高速铁路
摘要：	接触网检测是保证电气化铁路接触网可靠运行的一项重要工作，保证接触网工作状态的安全对铁路运输有着至关重要的意义。因此，为确保高速铁路动车组运营秩序，提高动车组的供电安全性、可靠性，提出了构建高速铁路供电安全检测监测系统的目标。其中的一项子系统“接触网悬挂状态检测监测装置”的检测目标便是对接触网的各项参数及各零部件的状态进行检测，其中定位器坡度检测便是其中的一项重要任务。因此，从图像中自动识别出定位器的位置就成为了检测工作的基础。　　本文提出了一种基于图像处理技术的接触网定位器自动识别技术。其主要通过Hough直线检测以及AdaBoost机器学习算法来实现。AdaBoost机器学习算法主要是根据图像特征的特征值，找出一个阈值来将目标与非目标分开。接触网的各零部件（支柱、腕臂、定位器等）均具有明显的直线特征，因此，根据以上特点可以将定位器的识别过程分两步来完成:首先提取图像的直线特征，根据直线的每一个特征定义一个特征值;然后，根据提取的直线特征对AdaBoost机器算法进行训练，得出弱分类器与强分类器;最后通过得到的强分类器便可以对图像进行检测，对定位器进行识别。　　在研究过程中发现，由于拍摄到的图像范围较大，对其进行直线特征提取时往往会检测到大量的直线，而且定位器相比起图像中的其他零部件要小得多。针对以上情况，首先对支柱进行识别，识别到支柱后根据定位装置在支柱上的安装位置，截取出只包含定位装置的图像，这样便大大缩小了定位器的检测范围。然后再对定位装置的图像进行处理，以实现对定位器的识别。　　在完成对定位器识别的同时，算法还可以得出定位器的坡度值，但此时的值只是图像坐标中的值。通过图像坐标与世界转换关系，得出真实情况中的定位器坡度值。
作者：	王旭东
专业：	轨道交通电气化与自动化
导师：	吴积钦
授予学位：	硕士
授予学位单位：	西南交通大学
学位年度：	2014
正文语种：	中文