一種基于計算機(jī)視覺技術(shù)的軌道識別改進(jìn)算法

吳昭　田西蘭　王斌

【摘 要】基于計算機(jī)視覺技術(shù)的鐵軌道檢測在現(xiàn)代化鐵路防護(hù)安全起著至關(guān)重要的作用，本文提出一種基于傳統(tǒng)軌道識別技術(shù)的后處理算法，可有效的減少天氣、光照、鐵路周邊環(huán)境復(fù)雜等因素帶來的識別干擾，提高系統(tǒng)的魯棒性。工程應(yīng)用實(shí)踐證明了本文所提方法的有效性。

【關(guān)鍵詞】異物入侵;Canny算子;Hough變換;軌道識別;多幀融合

中圖分類號： TP391.41文獻(xiàn)標(biāo)識碼： A文章編號： 2095-2457（2019）05-0032-002

0 引言

隨著我國經(jīng)濟(jì)社會和鐵路事業(yè)的不斷快速發(fā)展，2018年末，全國鐵路運(yùn)營里程達(dá)到12.4萬公里，其中高速鐵路2.2萬公里以上，而且隨著新一代高鐵技術(shù)的發(fā)展，列車速度已經(jīng)達(dá)到350km/h，因此，鐵路安全成為鐵路發(fā)展中一個重要的環(huán)節(jié)，由于鐵路沿線防護(hù)不健全，以及防止異物檢測系統(tǒng)的不完善，鐵路安全事故頻發(fā)，這些事故的發(fā)生無疑給我們的鐵路安全敲響了警鐘，及時發(fā)現(xiàn)并清除鐵路軌道入侵異物，保障列車安全勢在必行[1-4]。本文在傳統(tǒng)Canny算子和Hough變換的軌道識別方法基礎(chǔ)上提出了單幀綜合決策和多幀處理結(jié)果融合的處理思路，有效的增強(qiáng)了軌道識別的準(zhǔn)確性，提高了系統(tǒng)的環(huán)境適應(yīng)能力。

1 Canny算子和Hough變換

Canny算子原理是尋找圖像中梯度的極大值，它會遍歷每一個像素點(diǎn)與其水平和垂直方向的像素點(diǎn)極值比較，如果當(dāng)前像素梯度幅值大于相鄰像素的梯度幅值，則該像素可能是邊緣點(diǎn)，如果小于的話，則認(rèn)為是非邊緣點(diǎn)，它還使用了高斯濾波來進(jìn)行原始圖像的降噪和雙閾值檢測以及邊緣連接技術(shù)[5-9]。

Hough變換是一種計算機(jī)視覺中的一個重要工具，能夠幫助我們在圖像識別形狀。Hough變換的基本思想是：將直線上每一個數(shù)據(jù)點(diǎn)變換為參數(shù)平面中的一條直線或者曲線，利用共線的數(shù)據(jù)點(diǎn)對應(yīng)的參數(shù)曲線相交于參數(shù)空間一點(diǎn)的關(guān)系，使直線的提取問題轉(zhuǎn)換為計數(shù)問題[10]。

2 多幀融合設(shè)計

攝像機(jī)采集的單幀圖像經(jīng)過Canny算子進(jìn)行邊緣檢測，再經(jīng)過Hough變換提取圖像中的直線，獲取軌道的直線。在實(shí)際環(huán)境中，由于天氣、光照以及鐵軌周邊環(huán)境較為復(fù)雜，導(dǎo)致算法閾值較難統(tǒng)一，易出現(xiàn)建筑、電線桿等非系統(tǒng)關(guān)心的識別對象，為了解決上述問題，提高鐵軌識別率，可利用線段合并、斜率剔除為主的單幀綜合決策和利用線段重建和利用歷史識別數(shù)據(jù)結(jié)合當(dāng)前幀的識別結(jié)果進(jìn)行多幀融合的技術(shù)來提高算法的魯棒性，算法流程如圖1所示。

圖像經(jīng)過Canny算子邊緣檢測得到圖像中物體的邊緣信息，再利用Hough變換提取邊緣信息中的線段，通常Hough變換會找到圖像中許多線段，其中鐵軌的直線是系統(tǒng)所需要識別到的，其他一些則不是，同時還會出現(xiàn)同一條鐵軌識別成兩條直線的情景。由圖1可知，本系統(tǒng)在基于Canny算子和Hough變換的基礎(chǔ)上添加了后處理算法，系統(tǒng)利用同一條直線斜率和斜距相同的方法進(jìn)行了線段合并，由于鐵軌的路徑在圖像中的位置信息較為固定，系統(tǒng)將根據(jù)線段的斜率進(jìn)行剔除非鐵軌的線段，再此基礎(chǔ)上系統(tǒng)再利用多幀結(jié)果融合多次的歷史數(shù)據(jù)對識別出的線段進(jìn)行投票，大于設(shè)定票數(shù)的線段則認(rèn)為是鐵軌。

3 實(shí)驗(yàn)結(jié)果和分析

本系統(tǒng)采用Windows環(huán)境，基于VS2008平臺下開發(fā)，調(diào)用計算機(jī)視覺開源庫Opencv的接口，Opencv作為一個跨平臺的計算機(jī)視覺庫，以BSD許可證授權(quán)發(fā)行，免費(fèi)用于商業(yè)和研究領(lǐng)域，它包含許多常用的算法，已經(jīng)廣泛應(yīng)用于對實(shí)時性要求較高的計算機(jī)視覺和模式識別系統(tǒng)的開發(fā)。

系統(tǒng)調(diào)用Opencv庫中cvCanny（）函數(shù)和cvHoughLines2（）函數(shù)，設(shè)定好接口閾值，對原始圖像進(jìn)行輪廓提取和線段提取，圖2（a）圖為Canny算子提取的圖像輪廓圖，從圖2（b）部分看出，系統(tǒng)經(jīng)過Canny算子和Hough變換檢測出較多的線段，可以看出圖中的線段集存在兩類問題，一、識別出非鐵軌的直線線段，二、鐵軌的線段被識別成兩段。系統(tǒng)利用線段合并和斜率剔除的方法處理后，將相同的直線合并和去除非鐵軌的線段，其處理后效果可見圖2（c）。由圖2（c）看出仍然具有非鐵軌的直線，最后可用多幀結(jié)果投票的方式來去除非鐵軌的直線，然后進(jìn)行線段重建，恢復(fù)鐵軌的路徑，最終效果效果見圖2（d）。

4 總述

實(shí)驗(yàn)表明，在傳統(tǒng)Canny算子和Hough變換的軌道識別基礎(chǔ)上，增加了線段合并、斜率剔除單幀綜合決策、線段重建和利用多幀識別結(jié)果融合的后處理手段，有效的提高了軌道識別的準(zhǔn)確性，為后續(xù)的鐵軌異物入侵研究奠定了基礎(chǔ)。

【參考文獻(xiàn)】

[1]于春華.簡談我國鐵路鋼軌[J].鐵道知識.2006（03）.

[2]李丹丹.鐵軌軌道異物入侵的智能識別研究[D].蘭州交通大學(xué).2016.

[3]金炳瑞.基于圖像處理的鐵路軌道異物入侵的自動識別研究[D].蘭州交通大學(xué).2016.

[4]侯濤，李丹丹.基于雙背景建模與差分圖像的軌道異物識別[J].蘭州交通大學(xué)學(xué)報.2017（02）.

[5]王娜，李霞.一種新的改進(jìn)Canny邊緣檢測算法[J].深圳大學(xué)學(xué)報.2005（02）.

[6]王小華，錢月晶.一種改進(jìn)的Canny邊緣檢測算法[J].機(jī)電工程.2008（12）.

[7]王燕芩，李沛奇.基于改進(jìn)Canny算法的鐵軌邊緣檢測 [J].鐵道通信信號2015（02）.

[8]肖梅，張雷，寇雯玉，苗永祿，劉偉.一種新的邊緣檢測算法研究[J].鄭州大學(xué)學(xué)報（工學(xué)版）.2012（04）.

[9]李海華，齊紅敏，萬亮亮.一種改進(jìn)的六邊形結(jié)構(gòu)的Canny邊緣檢測算法[J].光學(xué)儀器.2011（01）.

[10]孫獻(xiàn)燦.基于隨機(jī)霍夫變換的多人運(yùn)動分析[D].南京理工大學(xué).2013.