基于機器視覺的接觸軌幾何參數(shù)測量方法

熊厚旺，陳建政

基于機器視覺的接觸軌幾何參數(shù)測量方法

熊厚旺，陳建政

（西南交通大學(xué) 牽引動力國家重點實驗室，四川 成都 610031）

針對現(xiàn)有地鐵接觸軌幾何參數(shù)測量方法存在誤差大、效率低的問題，提出一種基于機器視覺的接觸軌幾何參數(shù)測量方法。該方法結(jié)合雙目視覺和結(jié)構(gòu)光技術(shù)，通過將結(jié)構(gòu)光投射到接觸軌表面，得到結(jié)構(gòu)光光條圖像，提取光條中心線并與另一臺相機的光條圖像中心線匹配，得到光條中心在實際空間位置的信息，最后在中心線中提取測量位置特征點，以特征點坐標(biāo)信息反映接觸軌幾何參數(shù)。以上述測量原理為基礎(chǔ)設(shè)計了接觸軌幾何參數(shù)測量儀，并在試驗中進行精度測試。試驗結(jié)果表明，該測量儀在不同的距離下，測量精度能達到1 mm，同時具備良好的測量穩(wěn)定性，能夠滿足實際現(xiàn)場的測量要求。

線結(jié)構(gòu)光；機器視覺；接觸軌

接觸軌是沿著地鐵走行軌布置并供給列車電能的特殊輸電系統(tǒng)，電動車組通過伸出的集電靴與之接觸而接受電能。接觸軌幾何參數(shù)（即相對走行軌及軌道平面的空間幾何距離）的正常對于地鐵牽引供電系統(tǒng)至關(guān)重要，一旦接觸軌相關(guān)部件發(fā)生機械故障或幾何參數(shù)超限，不僅影響集電靴正常取流，還會造成運營車輛無法正常運行，甚至發(fā)生安全事故。目前國內(nèi)多采用測量尺這種接觸式方法對接觸軌幾何參數(shù)進行測量[1]。隨著地鐵線路里程的增長，這種誤差大、效率低的測量方式會大大增加工作人員的勞動強度、影響地鐵線路的正常運維。

隨著計算機和圖像技術(shù)的高速發(fā)展，人們試圖用攝像機獲取圖像環(huán)境并將其轉(zhuǎn)化為數(shù)字信號，并用計算機對視覺信息進行處理，實現(xiàn)對目標(biāo)的識別和信息提取，也就是機器視覺。隨著機器視覺系統(tǒng)的不斷完善，機器視覺技術(shù)已具有高度的智能性和普遍的適應(yīng)性，已完全能用于工業(yè)現(xiàn)場，滿足現(xiàn)代生產(chǎn)過程的需要[2]。

余凌波[3]利用單目視覺技術(shù)和工業(yè)機器人完成了對鞋面的稠密三維重建，李民等[4]提出了一種基于機器視覺的黑晶面板幾何參數(shù)測量方法，實現(xiàn)了比人工檢測更好的測量效果。

本文基于機器視覺技術(shù)提出一種使用雙目相機結(jié)合結(jié)構(gòu)光技術(shù)的非接觸式測量方法，用于提高對接觸軌幾何參數(shù)的測量精度與效率。

1 基本原理

1.1 測量對象

如圖1所示，相關(guān)技術(shù)要求[5]指出，需要定期對接觸軌的拉出值3和導(dǎo)高4進行測量，由于外側(cè)的防護罩與接觸軌通過卡爪和螺栓一同固定在絕緣支架上，接觸軌的幾何參數(shù)變化同樣會造成防護罩的位置變動，因此也需確定防護罩頂點相對走行軌的高度1和側(cè)邊拉出值2，來驗證接觸軌是否在設(shè)計位置范圍內(nèi)，本文方法將以兩組不同對象的幾何參數(shù)檢驗接觸軌位置是否正確。

圖1 接觸軌幾何參數(shù)示意圖

1.2 測量原理

雙目視覺測量技術(shù)是一種基于視差的三角測量方法，通過空間點在兩幅圖像中的視差及三角關(guān)系來恢復(fù)物體的三維信息[6]，如圖2所示，如果得到點在兩攝像機成像位置及兩攝像機空間關(guān)系，便能求得點在空間中的三維坐標(biāo)信息。

假設(shè)點在外界空間坐標(biāo)系下的坐標(biāo)為(x,y,z)，在左右相機成像平面中的成像坐標(biāo)分別為(u,v)和(u,v)，則攝像機的成像模型可以表示為：

式中：M和M分別為左右攝像機的透視投影矩陣，表示空間點與圖像點之間的空間映射關(guān)系；s和s為比例因子。

聯(lián)立式（1）和式（2）得式（3）：

式（3）為關(guān)于x、y、z的4個線性方程組，通過最小二乘法可求得點在外界空間中的三維坐標(biāo)。

fl、fr分別為左右攝像機的焦距。

基于線結(jié)構(gòu)光的檢測是目前最為常見的主動視覺測量方法，將線結(jié)構(gòu)光照射在物體表面，線結(jié)構(gòu)光由于表面深度的變化而受到調(diào)制，表現(xiàn)在圖像中則是光條發(fā)生了畸變，畸變的程度與深度成正比，因此從畸變的光條圖像中可獲取物體表面的三維信息。

根據(jù)線結(jié)構(gòu)光的特點，借助線結(jié)構(gòu)光發(fā)射器向軌面投射線結(jié)構(gòu)光，提取結(jié)構(gòu)光成像光條的特征中心線，通過式（3）得到中心線在預(yù)先設(shè)定的軌道基準(zhǔn)坐標(biāo)系中的坐標(biāo)位置，并在中心線中提取幾何參數(shù)測量位置的特征點，以該點的坐標(biāo)值表示接觸軌的幾何參數(shù)。

根據(jù)上述測量原理，本文接觸軌幾何參數(shù)測量方法主要流程如圖3所示。

圖3 接觸軌幾何參數(shù)測量方法流程

2 接觸軌幾何參數(shù)測量方法

2.1 圖像背景噪聲處理

拍攝圖像中不僅包含有光條，還包括背景中的被測物。由于研究主體為光條，所以需要先消除被測物的干擾，也就是需消除背景噪聲，本文采用的方法為大津閾值法[7]。

大津閾值法通過設(shè)置一個灰度閾值t，將圖像像素分為兩類1、2，若存在一個t使圖像灰度類間方差2最大，就能將圖像差別最大的兩部分（即前景和后景）分離。類間方法的表達式為：

式中：1、2為兩類像素的灰度均值；為圖像平均灰度；1、2為像素點被分為1和2類的概率。

以該方法進行去噪實驗。先對圖4（a）所示攝像機拍攝的結(jié)構(gòu)光圖像進行灰度處理，得到圖4（b），再對灰度圖像進行大津閾值法處理，得到圖4（c）?？梢钥吹剑鈼l主體部分得到了很好的保留。

圖4 大津閾值法處理效果

2.2 結(jié)構(gòu)光中心線的提取

結(jié)構(gòu)光中心線的提取采用基于Hessian矩陣的Steger算法[8]，該算法主要是通過求解Hessian矩陣得到圖像光條的法線方向。在光條圖像中Hessian矩陣表示為：

式中：g(,)為二維高斯函數(shù)；(,)為以圖像點(,)為中心，大小與高斯卷積模板相等的圖像矩陣；r、r和r表示各卷積結(jié)果。

圖像中點的法線方向由該點Hessian矩陣最大特征值的絕對值對應(yīng)的特征向量表示，在法線方向求極值點便能得到光條中心的亞像素坐標(biāo)。

Steger算法具有精度高、穩(wěn)定好的特點，但運算量大，嚴(yán)重影響中心線的提取效率和系統(tǒng)實時性。本文在原方法的基礎(chǔ)上進行改進，通過引入光條骨架，實現(xiàn)對光條中心區(qū)域的定位，如圖5所示。假設(shè)在光條中虛線為實際中心線，中間細黑線為骨架，改進思路為優(yōu)先對骨架及其附近的點進行中心點的求取，這能夠避免光條邊緣點參與算法運算，從而減小原算法的計算量。

圖5 引入骨架的改進方法示意圖

利用傳統(tǒng)算法和改進算法提取4組光條中心線所耗費時間的比較，以及各光條像素點在算法中的運算次數(shù)如表1所示?？梢园l(fā)現(xiàn)，引入骨架后4組光條中心提取效率出現(xiàn)不同程度的提升，其中光條3和4由于光條像素點多，改進算法避免了對大量邊緣點的運算，使得效率提升幅度更明顯。

表1 兩種算法提取四幅圖像中心線所耗費的時間及四種光條像素點參與運算的次數(shù)

圖6為利用Steger改進算法對光條圖像中心線的提取效果，所得中心線保留有接觸軌軌面的位置信息。

圖6 光條中心線提取效果

2.3 圖像中心線匹配

本文采用的是雙目視覺成像系統(tǒng)，所以還需對左右兩幅光條圖像的中心線特征點進行匹配[9]。本文采用surf算法快速實現(xiàn)特征點的匹配。該算法通過構(gòu)造高斯金字塔尺度空間，利用非極大值抑制確定特征點，再統(tǒng)計特征點領(lǐng)域內(nèi)的harr小波特性選取特征點主方向，并得到surf特征點描述算子，最后通過構(gòu)造匹配器匹配兩幅圖像描述算子從而實現(xiàn)特征點匹配。

左右攝像機同一時刻拍攝的光條特征點匹配效果如圖7所示，圖中兩側(cè)為同一光條對象，中間的線段為左右兩圖對應(yīng)匹配點的連線，為便于展示只顯示了部分匹配點連線，可以看到，兩個光條對應(yīng)位置匹配準(zhǔn)確，說明surf算法能實現(xiàn)良好的匹配效果。

圖7 光條中心特征點匹配效果

2.4 幾何參數(shù)特征點提取

左右圖像特征點匹配完成后，將匹配的兩個特征點代入式（3）。式（3）指定的外界基準(zhǔn)坐標(biāo)系為軌道坐標(biāo)系，該坐標(biāo)系以靠近接觸軌方位的走行軌軌頂中間點為原點、走行軌前進方向為軸，在圖1水平和垂直方向分別建立軸和軸。

圖8為匹配點集經(jīng)過式（3）轉(zhuǎn)換后在平面坐標(biāo)系的坐標(biāo)位置，圖中上部為防護罩廓形，下部為接觸軌軌頭部分廓形。從圖中可以看出，2和4值測量位置包含有較多能反映所在位置接觸軌幾何參數(shù)的特征點，可通過切片統(tǒng)計的方法[10]求取2和4；由于1和3值測量位置特征點數(shù)量較少，特征點的提取較困難，需通過建立約束連線的方法獲取能反映實際幾何參數(shù)的特征點。

圖8 光條中心線在軌道平面坐標(biāo)位置

2.4.1 基于約束統(tǒng)計的特征提取法

以1 mm為單位進行切片，對防護罩特征點集和接觸軌特征點集分別進行垂直和水平方向的切片數(shù)據(jù)采集，統(tǒng)計落在整數(shù)集合相應(yīng)區(qū)間的元素個數(shù)，提取其中元素數(shù)量最多的區(qū)間，以該區(qū)間中特征點的特征坐標(biāo)平均值作為幾何參數(shù)輸出。

從圖9可以看出，切片提取法將特征區(qū)域的點和其他區(qū)域的非特征點明顯區(qū)分開，通過提取元素個數(shù)最多的區(qū)間集合，便能得到2和4的值。

2.4.2 建立約束連線的特征點提取法

以接觸軌拉出值3測量位置為例，該區(qū)域的局部放大圖如圖10所示，特征點提取方法具體步驟如下：

（1）參考標(biāo)準(zhǔn)接觸軌廓形及標(biāo)準(zhǔn)廓形在軌道坐標(biāo)系下的標(biāo)準(zhǔn)坐標(biāo)位置，在實際測量位置左右各選取一個點作為約束點；

（2）在中心線所在的坐標(biāo)系圖像中，以這兩點的坐標(biāo)建立一條約束連線12；

（3）通過設(shè)置合適的閾值，采集到線段12距離小于閾值的點，如圖中的1到2組成的點集；

（4）利用最小二乘法求這些點的擬合線，以該擬合線和12的交點作為該測量位置的幾何特征點。

通過以上述步驟便能精準(zhǔn)提取3測量位置幾何特征點，再以該特征點的坐標(biāo)值來表示3值，對于1測量位置幾何參數(shù)特征點的提取同理。

圖9 防護罩和接觸軌數(shù)據(jù)集切片統(tǒng)計結(jié)果

圖10 A3測量位置約束連線示意圖

3 檢測系統(tǒng)實現(xiàn)

根據(jù)上述方法設(shè)計的接觸軌幾何參數(shù)測量儀如圖11所示，主要分為上位機和下位機兩部分，上位機內(nèi)置微型工控機，能夠控制相機進行圖像采集，實現(xiàn)上述處理過程，并在顯示器中顯示測量結(jié)果。下位機內(nèi)置單片機控制板，以UART協(xié)議實現(xiàn)與上位機的通訊，并以控制按鈕為指令起點發(fā)送指令至上位機，執(zhí)行相機拍照、數(shù)據(jù)保存等操作，集成的水平校準(zhǔn)模塊能夠發(fā)射“十”字形激光，用于對準(zhǔn)預(yù)設(shè)的校準(zhǔn)點，實現(xiàn)裝置整體水平。

圖11 測量儀各組成部分示意圖

測量前只需將裝置整體架設(shè)在軌道上，利用水平校準(zhǔn)模塊調(diào)整裝置至水平狀態(tài)，并通過下位機底部扣件將裝置整體固定于軌道，以此狀態(tài)進行接觸軌幾何參數(shù)的測量。

4 試驗驗證與分析

4.1 系統(tǒng)標(biāo)定

基于機器視覺的測量系統(tǒng)中，建立圖像中特征點與該點實際空間位置的對應(yīng)關(guān)系的過程稱為標(biāo)定。本文采用的標(biāo)定方法為，利用攝像機拍攝棋盤格標(biāo)定板圖像，獲取棋盤格角點在圖像中和在軌道坐標(biāo)系中的坐標(biāo)，并根據(jù)已知的相機參數(shù)建立對應(yīng)關(guān)系。在標(biāo)定過程中實現(xiàn)軌道坐標(biāo)系的建立。經(jīng)過標(biāo)定后，1和4能以各自幾何參數(shù)特征點的坐標(biāo)直接表示，2和3則以各自幾何參數(shù)特征點的值再加軌頭寬與軌距和的一半來表示。

4.2 精度驗證試驗

試驗以高精度接觸軌模型為測量對象，在專用滑動臺上利用測量儀對不同水平和垂直距離下的接觸軌模型進行幾何參數(shù)測量，測量精度要求為1 mm。

以廣州地鐵接觸軌幾何參數(shù)設(shè)計值為初始量，設(shè)置步長為5 mm，對初始位置水平和垂直方向±30 mm的范圍進行1～4值測量，驗證系統(tǒng)精度，其中水平方向測量結(jié)果如表2所示。

表2 水平方向測量結(jié)果

從表2可看出，在水平方向變化與走行軌之間的距離時，防護罩拉出值2與接觸軌拉出值3發(fā)生明顯變化，每次變化都在5±1 mm范圍內(nèi)，而防護罩頂點高度1和接觸軌導(dǎo)高4變化并不大，只在原距離±1 mm范圍內(nèi)變動。

為更直觀地展示該檢測系統(tǒng)的精度等級，表3列出了兩個工況下1～4各自的均方差?？梢钥吹?～4均方差都小于0.3，說明測量系統(tǒng)在不同距離、不同測量位置都能達到較高的精度等級，1和3的均方差大于2和4的主要原因是測量位置特征點少，建立約束連線的特征點提取法的擬合曲線與實際廓形線存在差別，導(dǎo)致測量精度稍差。

此外，還對系統(tǒng)的測量穩(wěn)定性進行了分析，在重復(fù)進行10次相同環(huán)境下的測量試驗后，得到圖12。

由圖12可知，無論是水平方向還是垂直方向，同一幾何參數(shù)測量位置在不同距離下的10次測量結(jié)果均方差都小于0.2，且不同距離之間的均方差波動幅度較小，具有良好的穩(wěn)定性。

綜合試驗數(shù)據(jù)結(jié)果，該檢測系統(tǒng)的測量功能具有較高的精度及穩(wěn)定性，能滿足測量需求。

表3 試驗測量結(jié)果均方差

5 結(jié)論

本文針對現(xiàn)有接觸軌幾何參數(shù)測量方法存在測量誤差大、效率低的問題，提出一種基于結(jié)構(gòu)光雙目視覺技術(shù)的測量方法，并設(shè)計出接觸軌幾何參數(shù)測量儀。該方法首先拍攝結(jié)構(gòu)光在接觸軌軌面成像圖，對圖像進行去噪處理得到光條主體，通過Steger改進算法實現(xiàn)光條中心線的快速提取，再利用特征點匹配算法對左右相機光條圖像中心線進行特征匹配，建立軌道基準(zhǔn)坐標(biāo)系，得到中心線在該坐標(biāo)系的坐標(biāo)信息，最后通過不同提取方法提取幾何參數(shù)測量位置的特征點，以其特征坐標(biāo)值表示接觸軌幾何參數(shù)。

根據(jù)上述方法實現(xiàn)對接觸軌幾何參數(shù)測量儀的設(shè)計和搭建，并用于精度驗證試驗，試驗結(jié)果表明，在不同距離下，測量結(jié)果與實際值差值均在規(guī)定要求的1 mm精度范圍內(nèi)，同時具有較高的穩(wěn)定性。這套測量儀實現(xiàn)了對接觸軌幾何參數(shù)高精度、智能化的測量，對地鐵接觸軌檢修保養(yǎng)工作有著重要意義。

圖12 不同方向各測量位置10次測量結(jié)果均方差值

[1]顧世平，樊戈平，熊斌. 北京地鐵第三軌高低、水平距離檢測系統(tǒng)[J]. 鐵道建筑，1997（5）：9-12.

[2]張廣軍. 機器視覺[M]. 北京：科學(xué)出版社，2008.

[3]余凌波. 基于線結(jié)構(gòu)光的單目3D視覺機器人制鞋噴膠技術(shù)研究[D]. 武漢：華中科技大學(xué)，2019.

[4]李民，周亞同，張忠偉，等. 基于機器視覺的黑晶面板幾何參數(shù)測量方法[J]. 儀表技術(shù)與傳感器，2020（5）：102-106.

[5]中華人民共和國住房和城鄉(xiāng)建設(shè)部，中華人民共和國國家質(zhì)量監(jiān)督檢驗檢疫總局. 城市軌道交通技術(shù)規(guī)范：GB 50490－2009[S]. 北京：中國建筑工業(yè)出版社，2009.

[6]Longuet-Higgins H C. A computer algorithm for reconstructing a scene from two projections[J]. Readings in Computer Vision，1987，293（5828）：61-62.

[7]OSTU N. A threshold selection method from gray-level histogram[J]. IEEE Transaction on Systems Man and Cybernetics，2007，9（01）：62-66.

[8]STEGER C. An unbiased detector of curvilinear structures[J]. IEEE Trans on Pattern Analysis & Machine Intelligence，1998，20（2）：113-125.

[9]陳坤煌，樊留群，楊永. 基于圖像識別的端拾器吸盤安裝的研究及應(yīng)用[J]. 機械，2020，47（5）：60-66.

[10]舒叢叢，陳建政. 切片統(tǒng)計的輪廓識別方法在軌檢技術(shù)中的應(yīng)用[J]. 無線互聯(lián)科技，2015（7）：144-146.

Measurement Method of Contact Rail Geometric Parameters Based on Machine Vision

XIONG Houwang，CHEN Jianzheng

( State Key Laboratory of Traction Power, Southwest Jiaotong University, Chengdu 610031, China )

Aiming at the problems of large errors and low efficiency in the existing methods of measuring geometric parameters of subway contact rails, a method based on machine vision for measuring geometric parameters of contact rails was proposed. The method based on binocular vision and structured light technology, by using a structured light projected onto the rail surface, obtain structure light article images and to extract the center line of the light stripe and the other cameras in light of the center line of the image matching, the light article center location information in real space, and finally in the center line of feature points extraction measurement position, with a characteristic point coordinates information reflecting the contact rail geometric parameters. Based on the above principle, a contact rail geometric parameter measuring instrument is designed and its accuracy is tested in the experiment. The experimental results show that the measurement accuracy of the instrument can reach 1mm at different distances, and it has good measurement stability, which can meet the actual on-site measurement requirements.

linear structured light；machine vision；contact rail

TP751.1

A

10.3969/j.issn.1006-0316.2021.09.003

1006-0316 (2021) 09-0013-08

2021-03-17

科技部常規(guī)性科技援助項目（KY201701001）

熊厚旺（1996－），男，江西奉新人，碩士研究生，主要研究方向為機車車輛故障診斷與安全監(jiān)測，E-mail：houwangx96@163.com；陳建政（1968－），男，四川遂寧人，博士，研究員、碩導(dǎo)，主要研究方向為機車車輛動態(tài)檢測技術(shù)與數(shù)據(jù)處理。