一种TFDS挡键丢失故障自动识别方法

摘要

本发明涉及列车故障轨边图像检测系统的挡键丢失故障自动识别方法，属于铁路检测领域，其特征在于包括有以下步骤：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。 本发明实现了故障区域的准确定位，并提高了挡键丢失故障的识别率，具有较强的实用价值，为列车故障图像自动识别的工程化应用奠定了基础。

权利要求

1.一种TFDS挡键丢失故障自动识别方法，其特征在于包括有以下步骤：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域，所述的通过Hough圆变换来对轮轴和通孔进行定位的步骤是：①根据列车轮轴及通孔轮廓特征，应用Hough圆变换检测图像中所有圆形轮廓并确定其圆心位置；Hough圆变换检测出的圆半径必须满足R∈[20, 40]∪[120,

150]的条件，然后将符合此条件的候选圆保存起来；

②动态创建结构体Circle，存储符合条件的候选圆的关键信息，用作后续进一步处理；

③将存储的候选圆提取出来，两两进行比较，把满足两圆圆心距d 处于区间[m+n,

2(m+n)]内的圆筛选出来，其中，m、n 分别表示大、小圆半径，进一步计算此两圆圆心与水平方向的夹角θ，如果满足0≤θ≤5°，则可以断定大圆为轮轴，小圆为通孔，并最终完成两个参考圆的标定；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失，所述的分析挡键目标区域的灰度级变化包括有以下步骤：①根据列车轮轴、通孔以及挡键区域间的几何关系，建立数学模型：半径不同的大圆和小圆，由小圆向大圆作外切线，求所得切点p 的位置，切点p 非常靠近挡键位置，以切点p为基点，按照像素比例提取矩形感兴趣区域（ROI）间接标定挡键目标区域；②依据大圆和小圆的相对位置来确定切点p 分别为所标定矩形感兴趣区域的右上或左上端点，并以列车轮轴与通孔间圆心距的一半与三分之一为矩形区域的长与宽以确定其他端点，所述的判定挡键是否丢失的方法是：由于正常图像与挡键缺陷图像中挡键目标区域的像素灰度均值存在很大的差异，需对挡键目标区域的像素灰度均值设置区间阈值，即能准确判定挡键是否丢失。

2.按权利要求1所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的采集到的图像为由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧关键部位的动态图像，并通过光纤网络传输。

3.按权利要求2所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的图像进行预处理的方法是采用中值滤波消除拍摄环境对原始图像的影响。

4.按权利要求2所述的TFDS挡键丢失故障自动识别方法，其特征在于所述的图像进行图像分割处理是采取二值化处理。

说明书

一种TFDS挡键丢失故障自动识别方法

技术领域

[0001] 本发明涉及图像分析和处理技术，特别涉及一种列车故障轨边图像检测系统（TFDS）的挡键丢失故障自动识别方法，属于铁路检测领域。

背景技术

[0002] 长期以来，我国的列车技术检查（简称列检）基本依靠列检员“手摸、锤敲、眼看、耳听、鼻闻”完成，效率低，劳动强度大，且作业质量易受气候、列检员素质与疲劳程度等因素影响。因此，传统人工列检方式越来越难以适应新形势下列车重载、高速、大密度运行的需要。针对铁路列车安全关键因素，采用光学、电子、红外线等技术动态监测列车运行状态，列车故障轨边图像检测系统（TFDS）应运而生。TFDS作为车辆安全防范预警系统的重要组成部分，它利用轨边高速摄像技术，拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧等关键部位的动态图像，通过光纤网络传输到列检所，由动态检车员辅以计算机图像自动识别的人机结合方式检查铁路车辆故障，并及时通知室外检车员实施处理，以保障列车运输安全，但这种人机结合的故障识别方式离计算机全自动识别列车故障还存在较大差距。该自动识别方法旨在消除人工检测所带来的不确定因素，提高故障识别的效率和可靠性，实现从故障人为检测向人机结合检测或机控自动检测模式转变，并最终完全实现机控自动检测。

[0003] 挡键丢失故障是铁路列车最容易出现的故障之一，挡键的作用是当车辆脱轨时，使轮对和转向架不分离，从而减小事故的损坏程度，可见挡键是保障铁路列车运行安全的关键部件之一。迄今为止，虽然国内学者对TFDS故障特征提取与自动识别等进行了许多有益的研究，然而由于挡键是一个很小的构件，能够实现列车挡键丢失故障自动识别的方法暂无可行性方案。在国内，针对列车运行故障动态图像检测，主要以研究枕簧丢失和心盘螺栓丢失故障为主。北京航空航天大学周富强、张广军利用Haar特征提取枕簧特征，应用AdaBoost算法构建层叠分类器，剔除无枕簧故障的图像以减少人工待识别图像数量。郑州轻工业学院陈燕等运用传统的Sobel算子和Hough变换确定四个心盘螺栓的位置，从而判断螺栓是否丢失，但该方法存在计算量较大、识别效率低的局限性。

发明内容

[0004] 本发明所要解决的技术问题是针对上述现有技术而提供一种TFDS挡键丢失故障自动识别方法，以有效解决人工检测效率低、劳动强度大的难题。

[0005] 本发明解决上述技术问题所采用的技术方案是：一种TFDS挡键丢失故障自动识别方法，其特征在于：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。

[0006] 按上述方案，所述的采集到的图像为由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧关键部位的动态图像，并通过光纤网络传输。

[0007] 按上述方案，所述的图像进行预处理的方法是采用中值滤波消除拍摄环境对原始图像的影响。

[0008] 按上述方案，所述的图像进行图像分割处理是采取二值化处理。

[0009] 本发明经过大量实验，比较分别经过二值化处理的正常原图像和挡键丢失原图像可得出，正常原图像经过二值化以后在原挡键的位置存在一块类似三角形的白色区域，而挡键丢失的原图像经过二值化以后却没有此类特征，这正是挡键丢失故障的关键特征。

[0010] 按上述方案，所述的通过Hough圆变换来对轮轴和通孔进行定位的步骤是：①根据列车轮轴及通孔轮廓特征，应用Hough圆变换检测图像中所有圆形轮廓并确定其圆心位置；Hough圆变换检测出的圆半径必须满足R∈[20, 40]∪[120, 150]的条件，然后将符合此条件的候选圆保存起来；

[0011] ②动态创建结构体Circle，存储符合条件的候选圆的关键信息，用作后续进一步处理；

[0012] ③将存储的候选圆提取出来，两两进行比较，把满足两圆圆心距d 处于区间[m+n,2(m+n)]内的圆筛选出来，其中，m、n 分别表示大、小圆半径，进一步计算此两圆圆心与水平方向的夹角θ，如果满足0≤θ≤5°，则可以断定大圆为轮轴，小圆为通孔，并最终完成两个参考圆的标定。

[0013] 按上述方案，所述的分析挡键目标区域的灰度级变化包括有以下步骤：①根据列车轮轴、通孔以及挡键区域间的几何关系，建立数学模型：半径不同的大圆和小圆，由小圆向大圆作外切线，求所得切点p的位置，切点p非常靠近挡键位置，以切点p为基点，按照像素比例提取矩形感兴趣区域（ROI）间接标定挡键目标区域；②依据大圆和小圆的相对位置来确定切点p 分别为所标定矩形感兴趣区域的右上或左上端点，并以列车轮轴与通孔间圆心距的一半与三分之一为矩形区域的长与宽以确定其他端点。

[0014] 按上述方案，所述的判定挡键是否丢失的方法是：由于正常图像与挡键缺陷图像中挡键目标区域的像素灰度均值存在很大的差异，需对挡键目标区域的像素灰度均值设置区间阈值，即能准确判定挡键是否丢失。

[0015] 挡键作为保障列车运行安全的关键部件，也是目前TFDS中重要的检测项目，其重要性不言而喻。本发明采用先进的图像处理技术，利用计算机自动识别挡键丢失故障，能够克服传统人工检测易受列检员素质、主观性以及疲劳程度等因素影响的缺点，提高故障识别的效率和可靠性。但由于列车挡键是一个很小的构件，且其所处区域零件种类繁多，层次结构复杂，采用常规的边缘检测与图像识别方法很难直接地准确定位故障区域，本发明以易识别的轮轴与通孔为参考，利用其与挡键间的几何关系建立相应的模型，并提出几何模型辅助定位挡键目标区域的方法，实现了故障区域的准确定位，并提高了挡键丢失故障的识别率，具有较强的实用价值，为列车故障图像自动识别的工程化应用奠定了基础。

附图说明

[0016] 图1为本发明TFDS挡键丢失故障自动识别方法的实现流程图；

[0017] 图2为本发明测试的图像预处理与图像分割效果图；

[0018] 图3为本发明设计的Hough圆变换标定轮轴及通孔流程图；

[0019] 图4为测试图像的轮轴与通孔定位效果图；

[0020] 图5为本发明建立的轮轴、通孔与挡键间简化的几何模型图；

[0021] 图6为测试图像挡键目标区域标定效果图。

具体实施方式

[0022] 为详细说明本发明的技术内容、所实现目的及效果，以下结合具体实施方式并配合附图详予说明。

[0023] 如图1所示，本发明包括有以下步骤：

[0024] 步骤1：由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧等关键部位的动态图像，通过光纤网络传输到列检所。

[0025] 步骤2：对TFDS采集到的原图像（如图2（a）、（d）所示）进行预处理，应用中值滤波消除拍摄环境对原始图像的影响。

[0026] 具体地，中值滤波是一种非线性的空间滤波器，对于很多随机噪声，它都具有良好的去噪能力，且在相同尺寸下比均值滤波引起的模糊更少，其原理是计算该像素的相邻像素灰度中值代替该像素值。对原始图像进行中值滤波处理的过程为：设原始图像为g(s, t)，中值滤波后的图像为 ，则可以基于公式（1）得到原始图像g(s, t)中值滤波后的图像 ，其效果如图2（b）、（e）所示。

[0027] （1）

[0028] 其中，g(s, t)代表被干扰的图像，Sxy代表图像窗口中以 (x，y) 为中心的矩形子区域的像素点集。

[0029] 步骤3：对滤波后的图像进行图像分割，具体的是采取二值化处理。

[0030] 具体地，设i, j为行列数，f (i, j)为(i, j)处灰度值，T为阈值，则可以基于公式（2）得到g (i, j)为分割后(i, j)处灰度值。

[0031] （2）

[0032] 由于不同的阈值设定方法对一幅图像进行处理会产生不同的二值化处理结果，本发明使用的阈值T 采用基本全局阈值法设定。其处理效果如图2（c）、（f）所示。

[0033] 步骤4：列车轮轴及通孔的定位。

[0034] 由于TFDS系统采集的图片拍摄角度不同，并且挡键是一个很小的构件，很难直接定位其所在区域，而列车轮轴及通孔是一个很大并且能很容易检测的目标。因此，本发明采用由列车轮轴及通孔的位置间接定位挡键目标区域的方法。

[0035] Step 1：采集到的图像经过预处理和分割处理后，它的边缘轮廓特别明显清晰，列车轮轴及通孔的轮廓一定是圆，应用Hough圆变换可以检测图像中所有圆形轮廓并确定其圆心位置，其算法流程如图3所示。

[0036] 具体地，根据列车轮轴及通孔轮廓特征，首先用Hough圆变换检测原图像中的所有存在的所有圆形轮廓并确定其圆心位置，本发明经过多次试验统计，在本发明实例分辨率下，可以确定列车轮轴半径R∈[120, 150]，通孔半径R∈[20, 40]，于是可以设置一个限制条件，即Hough圆变换检测出的圆半径必须满足R∈[20, 40]∪[120, 150]的条件，然后将符合此条件的候选圆保存起来。

[0037] Step 2：创建一个结构体Circle，用于存储候选圆的关键信息。

[0038] 具体地，结构体Circle的定义如下：

[0039] typedef struct _Circle

[0040] {

[0041] int nNum; //圆的编号

[0042] CvPoint npt; //圆心坐标

[0043] double nradius; //圆的半径

[0044] } Circle;

[0045] 借助动态创建Circle结构体的存储空间，保存符合条件的候选圆的关键信息，用作后续进一步处理。

[0046] Step 3：将存储的候选圆提取出来，两两进行比较。

[0047] 具体地，在本发明实例分辨率下，把满足两圆圆心距d处于区间[m+n, 2(m+n)]（其中，m、n分别表示大、小圆半径）内的圆筛选出来，进一步计算此两圆圆心与水平方向的夹角θ，如果满足0≤θ≤5°，则可以断定大圆为轮轴，小圆为通孔，并最终完成两个参考圆的标定。其检测效果如图4所示。

[0048] 步骤5：挡键目标区域标定。

[0049] Step 1：由图4所示，挡键丢失的位置处于轮轴和通孔之间，偏轮轴右下侧。为方便准确的标定挡键目标区域位置，根据三者的位置关系可构建以下数学模型，如图5所示。

[0050] 具体地，设大、小圆圆心坐标分别为p2(x2, y2)、p1(x1, y1)，大圆的半径R=m，d 是大、小圆圆心距。设点p(x, y)是由小圆向大圆所作外切线的切点，故

[0051] （3）

[0052] 在该模型中，在Rt△pp1p2中：

[0053] （4）

[0054] 在Rt△qpp2中：

[0055] （5）

[0056] 公式（4）-（5）得：

[0057] （6）

[0058] 令 ， 代入（6）式有：

[0059] （7）

[0060] 将公式（7）代入方程（5），消元化简有一元二次方程：

[0061] （8）

[0062] 又因为挡键所在位置的切点必须始终位于大、小圆圆心之下，故

[0063] 且 （9）

[0064] 利用一元二次方程公式法对式（8）进行求解，即可求出符合条件（9）的唯一一个根值y，然后将所得值y 代入到式（7）即可得到x，此时，切点p(x, y)便准确求出。

[0065] 因所求切点p非常靠近挡键位置，可以考虑以切点p为基点，按照一定的像素比例提取矩形感兴趣区域（ROI）间接标定挡键目标区域。

[0066] Step 2：由于列车轮轴和通孔之间的相对位置存在着图6（a）（b）所示两种不同的排列方式，具体地，在本发明实例分辨率下，可以依据大小圆的相对位置来确定切点p 分别为所标定矩形感兴趣区域的右上或左上端点，并以轮轴与通孔间圆心距的一半与三分之一为矩形区域的长与宽以确定其他端点。其标定效果如图5所示，其中蓝色矩形区域即为所标定的挡键目标区域，由图可见标定效果良好。

[0067] 步骤6：判断挡键是否丢失。

[0068] 完成了步骤5后，就可以根据挡键目标区域的灰度变化判断挡键是否丢失。由于图像在进行二值化处理后，像素灰度值只存在0和255两个数值，计算较为简单。本发明经过大量分析、对比正常图像与挡键缺陷图像中挡键目标区域的灰度均值发现：在本发明实例分辨率下，通过预处理和二值化之后的正常图像在挡键目标区域会显示为白色（其对应像素灰度值为255），采集、计算挡键目标区域的灰度均值在80以上；而同样通过预处理和二值化之后的挡键丢失缺陷图像在挡键目标区域会显示为黑色（其对应像素灰度值为0），采集、计算挡键目标区域的灰度均值在10以下（如表1所示），

[0069] 表1正常图像与挡键缺陷图像中挡键标定区域灰度均值比较

[0070]图像类型 像素均值
正常图像 80以上
缺陷图像 10以下

[0071] 由此可知，正常图像与挡键缺陷图像中挡键目标区域像素灰度均值存在很大的差异。由于不同的TFDS采集的图像灰度各有差异，因此只需根据不同系统的具体情况对挡键目标区域中的像素灰度均值设置合理的区间阈值，就能准确判定挡键是否丢失。

[0072] 以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。