基于改进Canny算子的受电弓碳滑板磨耗识别方法
阅读：1024发布：2020-07-11
专利汇可以提供基于改进Canny算子的受电弓碳滑板磨耗识别方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种基于改进Canny算子的受电弓 碳 滑板 磨耗识别方法，包括：采集车辆运行中受电弓碳滑板的弓头图像；对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；对所述弓头图像进行 边缘检测 、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定 阈值 。本发明不仅能够满足实际运营车辆的检修需求，而且整个方法流程可以用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化 水 平，增强车辆运行的安全性，在未来具有很大的应用前景。，下面是基于改进Canny算子的受电弓碳滑板磨耗识别方法专利的具体信息内容。
1.一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，其特征在于，包括：
S101：采集车辆运行中受电弓碳滑板的弓头图像；
S103：对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；
S105：对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；
S107：以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。
2.根据权利要求1所述的识别方法，其特征在于，所述受电弓碳滑板的弓头图像使用高清摄像机拍摄，所述高清摄像机架设在所述车辆车顶刚性和柔性接触网交界处，并使用波长为850mm的红外补光灯对拍摄区域进行补光。
3.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行图像归一化具体包括：
S1311：对所述弓头图像进行图像预裁剪，去除图像中识别区域以外的部分背景内容；
S1313：基于双线性差值法对所述弓头图像进行压缩；
S1315：对所述弓头图像进行直方图均衡化和伽马变换以增强所述弓头图像的对比度。
4.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行图像平滑具体包括：
S1331：使用中值滤波器去除所述弓头图像中的椒盐噪声；
S1333：使用高斯滤波器去除所述弓头图像中的高斯噪声；
S1335：使用形态学开闭滤波器去除所述弓头图像中的明暗细节；
S1337：使用拉普拉斯滤波器滤除所述弓头图像中的噪声，利用形态学顶帽变换技术加强所述弓头图像中的受电弓边缘。
5.根据权利要求1所述的识别方法，其特征在于，使用形态学腐蚀和重建技术去除所述弓头图像中待识别结构以外的结构。
6.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行边缘检测具体包括：
S1511：基于Canny边缘检测算子检测所述弓头图像中各弓头和接触线的边缘，得到二值化边缘图像：
S1513：基于形态学膨胀处理技术修补所述二值化边缘图像中断裂的边缘线。
7.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行直线检测具体包括：
S1531：使用Hough变换直线检测技术检测经所述边缘检测后的所述弓头图像中的直线边缘；
S1533：根据所述受电弓的弓头区域的位置特点，从检测出的所述直线边缘中提取角度和距离原点距离合适的直线以获得所述受电弓的整体轮廓。
8.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行失真修正具体包括：
S1551：在经直线检测后的所述弓头图像中构建合理的三维坐标系并定义坐标轴；
S1553：利用仿射变换技术对所述弓头图像进行几何失真修正。
9.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行图像裁剪具体包括：
S1571：利用Canny算子对经失真修正的所述弓头图像进行边缘检测；
S1573：统计经所述边缘检测后x轴和y轴方向的灰度值总数；
S1575：对所述灰度值总数进行差分运算；
S1577：记录大于等于所述差分运算结果的极大值点；
S1579：分别找出x轴方向和y轴方向差分运算结果的极大值点中的坐标最大的点。
10.根据权利要求1所述的识别方法，其特征在于，对所述弓头图像进行磨耗曲线拟合具体包括：
S1591：使用改进的Canny算子对经图像裁剪所述弓头图像进行边缘检测以获得所述碳滑板的边缘曲线；
S1593：使用基于加权线性最小二乘法的局部回归方法对所述边缘曲线进行平滑拟合处理以获得所述碳滑板的磨耗曲线。
基于改进Canny算子的受电弓碳滑板磨耗识别方法
技术领域
[0001] 本发明涉及轨道交通车辆病害检测领域，特别是涉及一种基于改进Canny算子的受电弓碳滑板磨耗识别方法。
背景技术
[0002] 弓网系统在当前电气化铁路中起着为列车传输电能的重要职责，但由于其工作在复杂的空气动力学和电气环境中，又有着较高的故障率，这些均会严重影响列车的安全运行。据铁路有关部门统计，牵引供电系统故障造成的铁路事故在2008年、2009年和2010年分别占到了当年事故总数的28.8％、40.4％、29.6％。基于此，提高弓网质量，提高弓网系统可靠性，降低弓网系统故障率已成为提高铁路系统安全性和可靠性的切实要求。
[0003] 传统的受电弓检测方法主要是通过人工检测，在列车驶入车辆段后由相关检修人员按照检修计划登顶对受电弓进行检测。人工检测灵活性高，检修人员也具有相当的能动性，能综合处理各种情况，但是这种检测方式存在一定的问题。由于检修任务只能在列车停止运行的时候进行，并且根据实际检修计划的安排，两次检测之间存在着若干天的间隔，导致检测效率不高，也无法及时地发现列车运行中出现的意外情况等。
[0004] 针对人工检测的存在的不足，新式的检测方式开始展露头脚并现已发展成熟，新式的检测方式主要分为接触式检测方法和非接触式检测方法。其中以非接触式检测方法使用更为广泛，该方法早期主要利用的是非接触式传感器进行检测，这当中包括了激光检测、超声波检测等。非接触式测量优势在于检测效率高，行车干扰小。但激光检测相对功能较为单一，而超声波检测其精度相对较差。
发明内容
[0005] 为了解决上述问题至少之一，本发明第一方面提供一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，包括：
[0006] S101：采集车辆运行中受电弓碳滑板的弓头图像；
[0007] S103：对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理；
[0008] S105：对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗；
[0009] S107：以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。
[0011] 进一步地，对所述弓头图像进行图像归一化具体包括：
[0012] S1311：对所述弓头图像进行图像预裁剪，去除图像中识别区域以外的部分背景内容；
[0013] S1313：基于双线性差值法对所述弓头图像进行压缩；
[0015] 进一步地，对所述弓头图像进行图像平滑具体包括：
[0016] S1331：使用中值滤波器去除所述弓头图像中的椒盐噪声；
[0017] S1333：使用高斯滤波器去除所述弓头图像中的高斯噪声；
[0018] S1335：使用形态学开闭滤波器去除所述弓头图像中的明暗细节；
[0019] S1337：使用拉普拉斯滤波器滤除所述弓头图像中的噪声，利用形态学顶帽变换技术加强所述弓头图像中的受电弓边缘。
[0020] 进一步地，使用形态学腐蚀和重建技术去除所述弓头图像中待识别结构以外的结构。
[0021] 进一步地，对所述弓头图像进行边缘检测具体包括：
[0022] S1511：基于Canny边缘检测算子检测所述弓头图像中各弓头和接触线的边缘，得到二值化边缘图像：
[0023] S1513：基于形态学膨胀处理技术修补所述二值化边缘图像中断裂的边缘线。
[0024] 进一步地，对所述弓头图像进行直线检测具体包括：
[0025] S1531：使用Hough变换直线检测技术检测经所述边缘检测后的所述弓头图像中的直线边缘；
[0027] 进一步地，对所述弓头图像进行失真修正具体包括：
[0028] S1551：在经直线检测后的所述弓头图像中构建合理的三维坐标系并定义坐标轴；
[0029] S1553：利用仿射变换技术对所述弓头图像进行几何失真修正。
[0030] 进一步地，对所述弓头图像进行图像裁剪具体包括：
[0031] S1571：利用Canny算子对经失真修正的所述弓头图像进行边缘检测；
[0032] S1573：统计经所述边缘检测后x轴和y轴方向的灰度值总数；
[0033] S1575：对所述灰度值总数进行差分运算；
[0034] S1577：记录大于等于所述差分运算结果的极大值点；
[0035] S1579：分别找出x轴方向和y轴方向差分运算结果的极大值点中的坐标最大的点。
[0036] 进一步地，对所述弓头图像进行磨耗曲线拟合具体包括：
[0037] S1591：使用改进的Canny算子对经图像裁剪所述弓头图像进行边缘检测以获得所述碳滑板的边缘曲线；
[0038] S1593：使用基于加权线性最小二乘法的局部回归方法对所述边缘曲线进行平滑拟合处理以获得所述碳滑板的磨耗曲线。
[0039] 本发明的有益效果如下：
[0040] 本发明提供的一种利用图像处理技术解决受电弓碳滑板磨耗的识别检测，通过图像处理中边缘检测算法的应用和创新有效识别出图像中受电弓弓头上表面即碳滑板的磨耗边缘曲线，并在此基础上，使用适当的参考目标对受电弓碳滑板的最深磨耗深度和位置进行估计，不仅能够满足实际运营车辆的检修需求，而且整个方法流程可以用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化水平，增强车辆运行的安全性，在未来具有很大的应用前景。附图说明
[0041] 下面结合附图对本发明的具体实施方式作进一步详细的说明。
[0043] 图2示出本发明的一个实施例所述的图像归一化处理的流程图；
[0044] 图3示出本发明的一个实施例所述的图像平滑处理的流程图；
[0045] 图4示出本发明的一个实施例所述的车辆受电弓弓头的表面图像；
[0046] 图5示出本发明的一个实施例所述的边缘检测的流程图；
[0047] 图6示出本发明的一个实施例所述的直线检测的流程图；
[0048] 图7示出本发明的一个实施例所述的Hough变换直线检测的表面图像；
[0049] 图8示出本发明的一个实施例所述的失真修正的流程图；
[0050] 图9示出本发明的一个实施例所述的失真修正中建立的三维坐标系的表面图像；
[0051] 图10示出本发明的一个实施例所述的图像裁剪的流程图；
[0052] 图11示出本发明的一个实施例所述的磨耗曲线拟合的流程图；
[0053] 图12示出本发明的一个实施例所述的受电弓碳滑板磨耗识别图像；
[0054] 图13示出本发明的一个实施例所述的受电弓碳滑板磨耗深度估计图像。
具体实施方式
[0055] 为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
[0056] 本发明的一个实施例提供了一种基于改进Canny算子的受电弓碳滑板磨耗识别方法，如图1所示，包括：
[0057] S101：采集车辆运行中受电弓碳滑板的弓头图像。受电弓碳滑板装配于受电弓弓头上表面，但由于铁路限界的原因，图像采集设备无法直接安装在受电弓弓头正上方，故转而利用架设在运营车辆车顶刚性和柔性接触网交界处的高清摄像机，采集车辆运行中受电弓的弓头图像。采集过程中，通过补光灯850mm波长的红外光波对拍摄区域进行补光。
[0058] S103：对所述弓头图像进行图像归一化、图像平滑和形态学处理的图像预处理。根据采集得到受电弓弓头图像特点，对所述弓头图像进行图像预处理。
[0059] 首先，对所述弓头图像进行图像归一化处理，如图2所示，具体包括：
[0060] S1311：对所述弓头图像进行图像预裁剪，去除图像中识别区域以外的部分背景内容。
[0062] S1313：基于双线性差值法对所述弓头图像进行压缩。
[0063] 第二步，基于双线性插值法进行图像压缩，降低图像分辨率，在保证图像质量的前提下，节约内存和计算资源，提升后续流程处理速度和效率。
[0064] S1315：对所述弓头图像进行直方图均衡化和伽马变换以增强所述弓头图像的对比度。
[0065] 第三步，结合使用直方图均衡化和伽马变换技术增强图像的对比度，使图像中碳滑板顶面与侧面分界清晰。
[0066] 其次，由于图像采集设备预设参数变化、外部环境噪声干扰等原因，采集得到的受电弓弓头图像中，存在椒盐噪声、高斯噪声等多种噪声，这些噪声的存在会影响后续受电弓碳滑板磨耗边缘的识别准确性和精度。针对上述问题，通过分析每种噪声产生的原因和自身的特点，采用多滤波器联合方式去除图像中存在的多种噪声。对所述弓头图像进行图像平滑处理，如图3所示，具体包括：
[0067] S1331：使用中值滤波器去除所述弓头图像中的椒盐噪声。
[0068] S1333：使用高斯滤波器去除所述弓头图像中存在的高斯噪声。
[0069] S1335：使用形态学开闭滤波器去除所述弓头图像中小于滤波模板的小的明暗细节。
[0070] S1337：使用拉普拉斯滤波器滤除所述弓头图像中的其他噪声，并在滤波结果的基础上，利用形态学顶帽变换技术，加强因各滤波器作用而模糊的受电弓各弓头边缘。
[0072] 从形态学的角度进行分析，右上角的接触网以及下方的空气弹簧可能都与受电弓弓头没有联通。并且从长度来看，这两个结构的长度都没有弓头的长度长。因此利用形态学中先腐蚀再重建的方法可有效去除接触网和空气弹簧等无关结构。首先，设计生成长度为1000像素，角度为0的线型形态学结构元素，并利用该结构元素对原图像做形态学腐蚀操作；然后，对形态学腐蚀后的结果按照原图像进行形态学重建，得到较为“纯净”的受电弓弓头图像。
[0073] S105：对所述弓头图像进行边缘检测、直线检测、失真修正、图像裁剪和磨耗曲线拟合以识别所述受电弓碳滑板的边缘磨耗。
[0074] 受电弓碳滑板装配于受电弓弓头上表面，与接触线直接接触，且在实际运营车辆上，受电弓由一组四根弓头组成，因此在经过预处理的图像中，通过检测受电弓各弓头和接触线边缘，并结合后续直线检测、失真修正等操作，识别受电弓弓头上表面即碳滑板磨耗边缘。
[0075] 首先，根据已有相关文献的研究，在常规的边缘检测中，Canny算子因其具有抗干扰能力强、定位精度高、响应速度快、信噪比高等优点而得到广泛使用。如图5所示，对所述弓头图像进行的边缘检测具体包括：
[0076] S1511：基于Canny边缘检测算子检测所述弓头图像中各弓头和接触线的边缘，得到二值化边缘图像。但通过对边缘检测结果的分析发现，Canny算子在实际对弓头以及接触线边缘检测中，只能保证边缘的像素点在形态学上保持联通，但不能保证检测出来的边缘一定能被识别出一条直线，而且检测出来的边缘点可能因为参数设置等原因无法形成闭合的完整边缘，这些原因使得Canny算子检测的结果不能直接用于下一步的直线检测。
[0077] S1513：基于形态学膨胀处理技术修补所述二值化边缘图像中断裂的边缘线。针对上述存在的问题，在实际边缘检测的过程中，利用直径为5个像素值的圆形形态学结构元素，对Canny算子检测的结果进行形态学膨胀处理，得到闭合的完整边缘。
[0078] 其次，以边缘检测的结果作为输入，利用Hough变换直线检测技术检测出图像中最下方弓头铝板的下边缘直线和接触线的边缘直线，作为下一步修正图像几何失真的重要依据。同时，识别出最上方弓头碳滑板的磨耗边缘直线，用于辅助后续的磨耗曲线拟合工作。
[0079] 如图6所示，对所述弓头图像进行直线检测，具体包括：
[0080] S1531：使用Hough变换直线检测技术检测经所述边缘检测后的所述弓头图像中的直线边缘。
[0081] Hough变换是将原图像中的每一像素点的(x，y)坐标变换为(ρ，θ)坐标系中的一个正弦波。在同一条直线上的多个点变换到(ρ，0)坐标系中就变换为多个正弦波，多个正弦波的交点就代表了该直线的参数。因此挑选出(ρ，θ)坐标系中具有灰度峰值的点，就意味着找到了(x，y)坐标系中的直线。为更有效率的挑选极大值，具体实现中将霍夫变换生成的((p，θ)坐标系分割成网格，再统计落入每一网格中点的个数，即(x，y)坐标系中的同一条直线可能出现在多个网格中。因此，挑选直线的第一步就应当是检测(p，θ)坐标系中极大值网格的临近网格是否还有极大值，如果有说明这可能是同一条直线，应当合并，评判的主要依据是通过两个极大值网格ρ坐标的差值，即两个网格所代表的直线的距离，若两条直线的距离不超过预设限制，说明这是同一条直线。在本实施例中，将直线距离的预设限制设置为10像素。
[0082] S1533：根据所述受电弓的弓头区域的位置特点，从检测出的所述直线边缘中提取角度和距离原点距离合适的直线以获得所述受电弓的整体轮廓。
[0083] 如图7所示，经过Hough变换，在二值化边缘图像中共得到10条直线，包括所需的3条边缘直线。为准确得到这三条边缘直线，进一步对二值化边缘图像进行分析，根据各目标部件在图像中的位置特点和关系发现，最下方弓头铝板的下边缘直线在霍夫变换域中是接近90度的直线中距离原点最远的直线，类似地，最上方弓头碳滑板的磨耗边缘直线为接近90度的直线中距离原点最近的直线。此外，接触线直线边缘是在接近-60度的直线中距离原点最远的直线。因此，根据上述分析的结论，设置相应的条件，从Hough变换结果中得到最终所需的3条边缘直线。
[0084] 由于铁路限界的原因，拍照设备不能安装在受电弓弓头正上方，而从侧面拍摄采集得到的图像就会产生几何失真，因此要对所述弓头图像进行失真修正。
[0085] 如图8所示，对所述弓头图像进行失真修正具体包括：
[0086] S1551：在经直线检测后的所述弓头图像中构建合理的三维坐标系并定义坐标轴。如图9所示，首先在二维图像中构建合理的三维坐标系，定义受电弓横向方向为x轴，沿接触线方向即车辆行驶方向为y轴，垂直于x轴和y轴所确定平面的竖直方向为z轴。
[0087] S1553：利用仿射变换技术对所述弓头图像进行几何失真修正。
[0088] 在上述三维坐标系构建的基础上，利用仿射变换技术对图像进行几何失真修正。然而，限于图像二维平面的特性，无法对具有三维结构特性的受电弓同时进行三个纬度方向上的几何失真修正。因此，在本实施例中修正有意义的方向、忽略意义不大的方向，制定一下两种失真修正策略：
[0089] 失真修正策略一：修正x轴和y轴。
[0090] 采用策略一能够将四条弓头置于水平，且左右对齐地排列在图像中，方便后续的图片裁剪。然而，与此同时本来竖直的z轴会向顺时针方向旋转一定角度，产生z轴的失真。通过实验分析发现，z轴的失真虽会影响到图片中碳滑板侧面的高度，并不会影响后续对磨耗曲线的拟合。
[0091] 此外，基于仿射变换技术的几何失真修正的关键在于计算仿射变换模板，具体流程如下：
[0092] ●在直线检测结果的基础上，记最底部弓头铝板边缘直线为直线1，记最顶部弓头的磨耗边缘直线为直线2，记接触线边缘直线为直线3；
[0093] ●将直线2中点和直线1的斜率联立得到直线2的替代直线，并标记替代直线为直线2；
[0094] ●将直线1左端点和直线3的斜率联立得到直线；
[0095] ●联立直线1、2、3和4的方程，得到4条直线的交点。交点1、2、3和4分别为右下角，左下角，右上角，左上角。其中，这4个点作为输入点矩阵，实际为平行四边形。
[0096] ●输出点矩阵组成一个矩形，矩形的长和宽分别是上一步中得到的输入点组成的平行四边形的长边长和短边长；
[0097] ●通过fitgeotrgansO函数生成仿射变换模板；
[0098] ●使用计算得到的变换模板对图像进行几何失真修正。
[0099] 失真修正策略二：修正x轴和z轴。
[0100] 采用策略二既可以修正碳滑板侧面的失真，同时可最大限度的保留碳滑板磨损曲线原始形态。虽然，这种方式无法达到四条弓头左右对齐，不利于接下来的图片裁剪，但可为后续磨耗曲线的拟合工作做铺垫，具有一定意义。具体流程与策略一类似，不同之处仅仅在于变换输入点矩阵和输出点矩阵有所区别，这里不再赘述。
[0101] 在对图像失真修正过程中，不仅达到了受电弓弓头图像几何失真修正的目的，同时也得到了修正后受电弓弓头的长和宽。在此基础上，通过进一步计算受电弓弓头区域某个角的坐标，裁剪出尺寸略大于受电弓弓头区域的小图像，从而将受电弓弓头区域与背景完全分离，有助于后续的磨耗曲线拟合工作。
[0102] 如图10所示，对所述弓头图像进行图像裁剪具体包括：
[0103] S1571：利用Canny算子对经失真修正的所述弓头图像进行边缘检测；
[0104] S1573：统计经所述边缘检测后x轴和y轴方向的灰度值总数；
[0105] S1575：对所述灰度值总数进行差分运算；
[0106] S1577：记录大于等于所述差分运算结果的极大值点；
[0107] S1579：分别找出x轴方向和y轴方向差分运算结果的极大值点中的坐标最大的点。
[0108] 通过上述步骤得到受电弓弓头区域某个角的坐标，结合之前得到的修正后受电弓弓头的长和宽信息，即可完成对图像的裁剪。
[0109] 由于受电弓弓头在长时间运行中沾染了很多灰尘、油污和碳滑板掉落的碳粉，边缘变得十分模糊，传统Canny边缘检测算子在这种情况下无法有效识别出完整曲线。
[0110] 首先，提出一种改进的Canny边缘检测算子，相比传统Canny算子使用预设的双阈值算法检测和连接边缘，本实施例通过更简单、效果更好地求取y轴方向偏导数最大值点的方法，初步检测出受电弓弓头上表面边缘曲线。如图11所示，对所述弓头图像进行磨耗曲线拟合具体包括：
[0111] S1591：使用改进的Canny算子对经图像裁剪所述弓头图像进行边缘检测以获得所述碳滑板的边缘曲线；
[0112] S1593：使用基于加权线性最小二乘法的局部回归方法对所述边缘曲线进行平滑拟合处理以获得所述碳滑板的磨耗曲线。
[0113] 然后，在检测结果的基础上，利用基于加权线性最小二乘法的局部回归方法对边缘曲线进行平滑拟合处理，得到最终的受电弓弓头上表面即碳滑板的磨耗曲线。
[0114] 具体分步操作如下：
[0115] ●利用改进的Canny算子对裁剪的结果图像进行边缘检测；
[0116] ●在二值化边缘图像中，统计y轴方向灰度总值；
[0117] ●寻找灰度总值中极大值；
[0118] ●令裁剪结果图片高度为n，长度为m，找到极大值中位于0.6*n～0.77*n的坐标loc_y；
[0119] ●建立一个逻辑型矩阵，分辨率和裁剪图像相同，并给所有元素赋初值false；
[0120] ●给逻辑型矩阵中坐标是(m/3,loc_y),(m/3,loc_y+1),(m/3,loc_y-1),(2*m/3,loc_y),(2*m/3,loc_y-1),(2*m/3,loc_y+1),(m/2,loc_y),(m/2,loc_y+1)和(m/2,loc_y-1)的点赋值为true；
[0121] ●使用逻辑型矩阵，以第一步边缘检测结果为模板进行形态学重建；
[0122] ●基于加权线性最小二乘法的局部回归方法对上述结果进行平滑拟合处理，如图12所示，得到最终的磨耗曲线。
[0123] S107：以所述受电弓碳滑板的磨耗曲线的最高点为参照目标估计所述受电弓碳滑板磨耗曲线的实际磨耗深度，并判断磨耗深度是否超过预定阈值。
[0124] 在完成对受电弓碳滑板磨耗边缘识别结果的基础上，结合车辆维修部门所提供维修手册中的数据，根据受电弓弓头铝制底座在图像中的像素高度计算出一个像素对应的实际高度。如图13所示，以受电弓碳滑板磨耗曲线的最高点为参照目标，计算出磨耗曲线最低点坐标，并估计碳滑板磨耗曲线的实际磨耗深度(单位：毫米)。
[0125] 具体流程如下：
[0126] ●计算图像中一个像素值对应的实际高度值；
[0127] ●在对受电弓碳滑板磨耗边缘识别结果的基础上，找到磨耗曲线最高点并记录y坐标为y1；
[0128] ●找到弓头铝制底座下边缘位置，记录其Y坐标，记为y2；
[0129] ●找到碳滑板磨损最低点，记录y坐标，记为y3；
[0130] ●碳滑板磨损最低点深度为：y2*(y1-y2)/40(单位：毫米)
[0131] 通过上述流程分别得到受电弓每根弓头碳滑板的磨耗深度，并在此基础上，将四条碳滑板磨耗曲线置于同一坐标图中，通过比对，进一步判断四根弓头在同一位置磨耗深度是否超限，即磨耗深度高度差是否大于5mm。
[0132] 至此，本实施例利用图像处理技术解决了受电弓碳滑板磨耗的识别问题，通过在运营车辆上架设摄像设备采集车辆运行中受电弓的弓头图像，并利用改进的Canny边缘检测算法及相关数字图像处理技术对采集得到的图像进行一系列的处理，最终实现受电弓碳滑板磨耗边缘识别和磨耗深度估计。本实施例能够用于弓网自动监测系统，对受电弓碳滑板磨耗进行实时检测，提升检测的自动化水平，增强车辆运行的安全性，可有效解决传统检测方式存在的诸多不足，在未来具有很大的应用前景。
[0133] 显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种显示边缘图像的方法和电子设备 | 2020-05-08 | 949 |
| 一种基于轮廓上曲率估计的图像特征点提取方法 | 2020-05-12 | 396 |
| 一种基于图像处理的中低速磁悬浮列车间隙检测方法 | 2020-05-13 | 429 |
| 一种农作物异常检测系统及方法 | 2020-05-11 | 231 |
| 一种条码识别方法及设备、计算机存储介质 | 2020-05-11 | 432 |
| 一种自然场景文字检测的方法 | 2020-05-14 | 256 |
| 图像缺陷检测方法、装置、电子设备及存储介质 | 2020-05-11 | 921 |
| 基于轮廓特征的无人机载SAR图像匹配方法 | 2020-05-14 | 628 |
| 图像边缘提取处理方法、装置及存储介质 | 2020-05-08 | 128 |
| 一种PET图像重建方法及PET成像设备 | 2020-05-12 | 293 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈