基于機(jī)器視覺的軌道交通接觸網(wǎng)旋轉(zhuǎn) 雙耳狀態(tài)檢測方法*

楊紅梅

(四川鐵道職業(yè)學(xué)院鐵道工電學(xué)院, 611732, 成都∥講師)

0 引言

軌道交通接觸網(wǎng)系統(tǒng)結(jié)構(gòu)復(fù)雜,零件繁多,絕大部分處于裸露狀態(tài),不僅受外部條件影響,而且內(nèi)部受力也各不相同,易發(fā)生故障,狀態(tài)檢測也十分困難。

旋轉(zhuǎn)雙耳作為接觸網(wǎng)腕臂結(jié)構(gòu)支撐裝置中的重要承力部件,其狀態(tài)直接影響支撐裝置的結(jié)構(gòu)強(qiáng)度。為提高腕臂結(jié)構(gòu)穩(wěn)定性,進(jìn)而為列車運(yùn)行的安全性和可靠性提供重要支撐,有必要對其狀態(tài)進(jìn)行檢測,發(fā)現(xiàn)故障及時(shí)更換維修。

當(dāng)前,基于機(jī)器視覺的弓網(wǎng)系統(tǒng)圖像檢測主要集中于接觸網(wǎng)幾何參數(shù)檢測和受電弓滑板檢測等。文獻(xiàn)[1]利用模糊熵和Hough變換實(shí)現(xiàn)了受電弓滑板裂紋檢測。文獻(xiàn)[2]提出了基于三維點(diǎn)云連續(xù)線性體特征的接觸網(wǎng)幾何參數(shù)檢測。文獻(xiàn)[3]提出了基于圖像處理和雙BP(反向傳播)神經(jīng)網(wǎng)絡(luò)的電氣化鐵路接觸網(wǎng)立柱標(biāo)識(shí)牌識(shí)別算法。文獻(xiàn)[4]探索了基于圖像處理的接觸網(wǎng)零部件狀態(tài)檢測。在智能算法方面,文獻(xiàn)[5]提出了基于Faster R-CNN(快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò))的接觸網(wǎng)吊弦故障檢測。文獻(xiàn)[6]提出了基于深度學(xué)習(xí)的接觸網(wǎng)頂緊螺栓缺陷檢測方法。文獻(xiàn)[7]提出了Hu不變矩的絕緣子故障檢測方法。文獻(xiàn)[8] 提出了基于卷積神經(jīng)網(wǎng)絡(luò)的接觸網(wǎng)絕緣子缺陷檢測方法。本文提出了基于機(jī)器視覺的軌道交通接觸網(wǎng)支撐裝置旋轉(zhuǎn)雙耳狀態(tài)檢測方法。

1 旋轉(zhuǎn)雙耳故障檢測流程

軌道交通接觸網(wǎng)系統(tǒng)腕臂結(jié)構(gòu)如圖1所示。本文以軌道交通接觸網(wǎng)懸掛裝置全局圖像為分析對象,提出了旋轉(zhuǎn)雙耳故障檢測流程,如圖2所示。首先對待檢測圖像基本圖元進(jìn)行預(yù)分類,接著分別實(shí)現(xiàn)旋轉(zhuǎn)雙耳的初識(shí)別及耳片精確定位,最終利用耳片局部圖像的Hough變換直線檢測結(jié)果判斷雙耳狀態(tài)。

圖1 軌道交通接觸網(wǎng)系統(tǒng)腕臂結(jié)構(gòu)

2 待檢測圖像預(yù)分類

由于待檢測全局圖像包含了桿狀物、旋轉(zhuǎn)雙耳、絕緣子等所有懸掛裝置,圖元信息復(fù)雜,有必要將待檢測圖像進(jìn)行預(yù)分類?；緢D元預(yù)分類效果圖如圖3所示。后期識(shí)別與檢測均在旋轉(zhuǎn)雙耳類進(jìn)行,以充分減少其他圖元信息的干擾。分類過程如下:

a) 原始圖像

1) 對圖像進(jìn)行預(yù)處理(對比度調(diào)節(jié)、增強(qiáng)等),突出接觸網(wǎng)腕臂結(jié)構(gòu)桿狀物邊緣直線特征。

2) 對預(yù)處理后的圖像進(jìn)行Hough變換直線檢測。因桿狀物邊緣存在不清晰狀態(tài),直線檢測結(jié)果中會(huì)出現(xiàn)不連續(xù)小直線,利用各直線間的距離及斜率等信息對Hough變換直線矩陣進(jìn)行聚類,得到桿狀物的實(shí)際端點(diǎn)。

3) 確定對應(yīng)關(guān)系(聚類后的直線與待檢測圖像中桿狀物邊緣),實(shí)現(xiàn)桿狀物定位及歸類。

4) 確定桿狀物類后,圖中剩下圖元即為旋轉(zhuǎn)雙耳類和絕緣子類,完成待檢測圖像的圖元預(yù)分類。

3 旋轉(zhuǎn)雙耳初識(shí)別

由于旋轉(zhuǎn)雙耳存在角度、尺寸上的多變性,故可利用具有旋轉(zhuǎn)、尺度不變性的仿射不變矩對旋轉(zhuǎn)雙耳進(jìn)行識(shí)別。

3.1 仿射不變矩

仿射不變矩由Hu不變矩構(gòu)造的中心矩演變而來。將坐標(biāo)原點(diǎn)平移到目標(biāo)輪廓區(qū)域的中心,通過對目標(biāo)區(qū)域仿射不變特征的提取,實(shí)現(xiàn)目標(biāo)識(shí)別。仿射不變矩相關(guān)計(jì)算公式參見文獻(xiàn)[7]。

3.2 仿射不變矩計(jì)算

將預(yù)分類結(jié)果中剩下的旋轉(zhuǎn)雙耳類和絕緣子類按連通區(qū)域逐個(gè)標(biāo)記,根據(jù)文獻(xiàn)[7]中的計(jì)算公式計(jì)算各連通區(qū)域(如圖3 c)所示)的仿射不變矩。選取不同旋轉(zhuǎn)雙耳模板(見圖4),計(jì)算不同模板的仿射不變矩,結(jié)果如表1所示。

表1 旋轉(zhuǎn)雙耳模板仿射不變矩

a) 高對比度旋轉(zhuǎn)雙耳

從表1不同模板的仿射不變矩結(jié)果可看出,旋轉(zhuǎn)雙耳在不同角度、尺度、對比度時(shí),能較好保持旋轉(zhuǎn)雙耳特征的不變性。

3.3 旋轉(zhuǎn)雙耳初識(shí)別

在得到待識(shí)別區(qū)域和模板的仿射不變矩后,計(jì)算兩者仿射不變矩的距離,通過距離閾值初識(shí)別旋轉(zhuǎn)雙耳,該距離計(jì)算公式為:

(1)

式中:

L——模板和待匹配目標(biāo)之間的仿射不變矩距離;

P——待檢測目標(biāo)的仿射不變矩;

Q——模板目標(biāo)的仿射不變矩。

大量試驗(yàn)表明,準(zhǔn)確識(shí)別旋轉(zhuǎn)雙耳的距離閾值應(yīng)選取同一模板距離總和的0.1倍。

圖3 c)中6塊待識(shí)別連通區(qū)域與各旋轉(zhuǎn)雙耳模板間的仿射不變矩距離如表2所示。表中Li(i取值為1～6)表示各旋轉(zhuǎn)雙耳模板放射不變矩與連通區(qū)域i的距離。

表2 連通區(qū)域與旋轉(zhuǎn)雙耳模板仿射不變矩距離

由表2可知,利用圖4所示的旋轉(zhuǎn)雙耳模板對圖3 c)進(jìn)行匹配,均可得出連通區(qū)域2與模板間的距離最小,且與同組距離存在明顯差異。根據(jù)距離閾值可判斷連通區(qū)域2為旋轉(zhuǎn)雙耳。該試驗(yàn)表明,基于仿射不變矩的旋轉(zhuǎn)雙耳識(shí)別方法對模板的選取不敏感,識(shí)別性能良好。

4 旋轉(zhuǎn)雙耳耳片精確定位

應(yīng)用上述方法進(jìn)行旋轉(zhuǎn)雙耳初識(shí)別,可得到如圖5所示的旋轉(zhuǎn)雙耳局部圖像。由圖5可見,斷裂特征大部分出現(xiàn)在耳片中間范圍,兩側(cè)有螺釘、R型栓等。若直接在初提取的旋轉(zhuǎn)雙耳圖像中識(shí)別斷裂特征,螺釘、R型栓等固有特征會(huì)對檢測產(chǎn)生很大干擾。為使斷裂檢測判據(jù)更具準(zhǔn)確性和通用性,有必要在檢測前,識(shí)別及排除旋轉(zhuǎn)雙耳的固有特征,并同時(shí)實(shí)現(xiàn)耳片的精確定位。

a) 嚴(yán)重?cái)嚅_雙耳

如圖5中矩形框所示,旋轉(zhuǎn)雙耳固有特征可大致描述為圓形和矩形。利用Hough變換進(jìn)行圓形和矩形檢測,可得圓形和矩形的中心及半徑等信息,由此即可識(shí)別并定位其固有特征,以消除其對耳片檢測的影響,同時(shí)可得到耳片檢測中斷裂特征可能出現(xiàn)的范圍。

4.1 Hough變換圓形和矩形檢測

為快速判斷一條閉合輪廓線是否為圓形,通過Hough變換先對檢測出來的閉合輪廓線分別沿水平和垂直兩個(gè)方向進(jìn)行掃描,然后對掃描結(jié)果進(jìn)行Hough變換得到圓形的兩條直徑,再由兩條直徑的交點(diǎn)得到圓心。最后利用輪廓線的像素坐標(biāo)估計(jì)圓半徑r:

r=max((xmax-xmin)/2,(ymax-ymin)/2)

(2)

式中:

xmax——輪廓線x軸坐標(biāo)最大值;

xmin——輪廓線x軸坐標(biāo)最小值;

ymax——輪廓線y軸坐標(biāo)最大值;

ymin——輪廓線y軸坐標(biāo)最小值。

對于Hough變換矩形檢測,首先通過Hough變換對矩形輪廓曲線進(jìn)行投票,得到M1(m1,θ1)、M2(m2,θ2)、M3(m3,θ3)、M4(m4,θ4) 4個(gè)峰值,其中,Mk為峰值,mk為矩形頂點(diǎn)k的坐標(biāo)值,θk為峰值點(diǎn)k的角度。4個(gè)峰值則分別對應(yīng)12、23、34和41這4條邊。然后可判斷每對峰值是否為一組對邊,再判斷兩組對邊是否垂直,最終判斷其是否為矩形。

4.2 基于Hough變換的耳片固有特征識(shí)別

在對旋轉(zhuǎn)雙耳圖像進(jìn)行對比度調(diào)節(jié)等預(yù)處理后,可進(jìn)行圓形檢測,以識(shí)別螺釘固有特征。通過將半徑參數(shù)設(shè)置為螺釘?shù)陌霃椒秶?可得到旋轉(zhuǎn)雙耳螺釘?shù)膱A心坐標(biāo)和半徑。圖5所示的旋轉(zhuǎn)雙耳斷裂局部圖像的螺釘識(shí)別結(jié)果如圖6所示。

a) 斷開雙耳螺釘識(shí)別效果圖

對旋轉(zhuǎn)雙耳圖像進(jìn)行邊緣檢測后,通過Hough變換矩形檢測識(shí)別矩形固有特征,可求得其中心、長度和寬度信息。圖5所示的旋轉(zhuǎn)雙耳斷裂局部圖像的矩形檢測效果如圖7所示,圖中“十”字為其中心。

a) 斷開效果圖

4.3 耳片局部圖像定位

根據(jù)上節(jié)所得的圓形和矩形的中心、半徑、長度和寬度等信息,可定位斷裂特征出現(xiàn)概率較大的耳片范圍。為排除固有特征的干擾,且盡量保留較多耳片局部圖像信息,設(shè)置以下定位原則:

1) 始于矩形邊緣,向螺釘側(cè)平移5個(gè)像素;止于矩形側(cè)的螺釘內(nèi)邊緣,將其作為橫坐標(biāo)。

2) 矩形上下邊緣分別向外平移5個(gè)像素,將其作為縱坐標(biāo)。

3) 最終局部圖像x軸頂點(diǎn)坐標(biāo)x1—x4計(jì)算公式(式中各變量單位為像素)為:

x1=(o1+b/2+5,o1+a/2+5)

(3)

x2=(o1+b/2+5,o1-a/2-5)

(4)

x3=(o2-r1,o1+a/2+5)

(5)

x4=(o2-r1,o1-a/2-5)

(6)

式中:

o1——矩形中心x軸坐標(biāo)值;

o2——螺釘中心x軸坐標(biāo)值;

a——矩形的寬度;

b——矩形的長度;

r1——螺釘半徑。

5 旋轉(zhuǎn)雙耳耳片斷裂檢測

在耳片精確定位的基礎(chǔ)上進(jìn)行斷裂檢測。正常耳片局部圖像的灰度分布較均勻。如果耳片出現(xiàn)斷裂,斷裂處的灰度將發(fā)生較大變化,呈現(xiàn)出具有一定方向的線性邊緣特征。通過大量試驗(yàn)分析得出,當(dāng)Hough參數(shù)空間中大于10的特征點(diǎn)數(shù)(Nmax>10)占非零特征點(diǎn)數(shù)(Nmax≠0)的百分比S為0.5%及以上時(shí),耳片存在較明顯的斷裂特征。具體判據(jù)如下:

(7)

試驗(yàn)表明,該判據(jù)在最大限度排除邊界、孤立噪聲等非斷裂特征的情況下,可較準(zhǔn)確識(shí)別耳片斷裂。用上述方法對正常耳片、斷裂耳片和裂紋耳片進(jìn)行檢測,效果如圖8所示。

a) 正常耳片直線檢測結(jié)果

圖8 a)和圖8 b)中,S=0,不存在滿足判據(jù)式(7)的明顯直線特征,故判斷該耳片正常。圖8 c)和圖8 d)中,S=13.67%,存在滿足判據(jù)式(7)的明顯線性特征,故判斷該耳片斷裂。圖8 e)和圖8 f)中,S=0.98%,存在滿足判據(jù)式(7)的線性特征,故判斷此耳片存在裂紋。

根據(jù)中國國家鐵路集團(tuán)有限公司發(fā)布的《接觸網(wǎng)懸掛狀態(tài)檢測監(jiān)測裝置(4C)運(yùn)用管理指導(dǎo)意見》及相關(guān)技術(shù)條件,檢測車以規(guī)定速度運(yùn)行,因而其圖像采集速度可根據(jù)需要予以調(diào)整,以滿足檢測速度要求。檢測算法耗時(shí)統(tǒng)計(jì)如表3所示。

表3 旋轉(zhuǎn)雙耳檢測試驗(yàn)計(jì)算耗時(shí)

列檢車采用本文檢測方法獲取接觸網(wǎng)圖像的檢測結(jié)果如表4所示。誤檢的主要原因?yàn)樾D(zhuǎn)雙耳被遮擋的面積過大,導(dǎo)致其仿射不變特征與模板特征距離大過閾值而漏檢,調(diào)整拍攝角度可改善此問題。

表4 旋轉(zhuǎn)雙耳檢測統(tǒng)計(jì)結(jié)果

6 結(jié)語

針對軌道交通接觸網(wǎng)支撐裝置旋轉(zhuǎn)雙耳斷裂自動(dòng)識(shí)別問題,結(jié)合圖元預(yù)分類和仿射不變矩初識(shí)別旋轉(zhuǎn)雙耳,實(shí)現(xiàn)了對耳片檢測干擾的控制。利用Hough變換識(shí)別耳片固有特征并對耳片局部圖像進(jìn)行精確定位,進(jìn)一步提高了檢測結(jié)果的可靠性。最終以耳片圖像的Hough變換參數(shù)分布特征作為檢測判據(jù),實(shí)現(xiàn)了斷裂和裂紋狀態(tài)的準(zhǔn)確判斷。試驗(yàn)表明,該方法降低了全局圖像中旋轉(zhuǎn)雙耳斷裂特征的檢測難度,同時(shí)提高了檢測效率與準(zhǔn)確性,為軌道交通接觸網(wǎng)關(guān)鍵部件的故障診斷提供了有效支撐。