钢轨廓形的追踪方法、系统及装置制造方法及图纸

本发明专利技术公开了一种钢轨廓形的追踪方法、系统及装置，该方法包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置。本发明专利技术实现了对高速动态行车环境下钢轨廓形实时检测的技术效果。

【技术实现步骤摘要】
钢轨廓形的追踪方法、系统及装置
本专利技术涉及计算机视觉检测领域，尤其涉及一种钢轨廓形的追踪方法、系统及装置。
技术介绍
本部分旨在为权利要求书中陈述的本专利技术实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。钢轨的作用在于支撑并引导机车车辆的车轮，直接承受来自车轮的力并将之传至轨枕，同时为车轮的滚动提供阻力最小的接触面。列车在轨道上日夜运行完成运输任务的过程，也是轨道和机车车轮相互摩擦作用的过程，因此对钢轨的轮廓形状尤其是轨头的廓形进行分析是检测钢轨故障，评价钢轨运行状态的重要依据。目前，现有技术中，主要采用轨检车来完成对钢轨廓形的检测。钢轨廓形检测分为静态检测和动态检测两大类。其中，静态检测是指在设备和钢轨相对静止的情况下对钢轨廓形进行检测，这种测量方法可靠性差、效率低、工作量大。动态检测是指在高速动态行车环境下对钢轨廓形进行实时检测。高速动态行车环境下采集的轨道数据，由于受到列车晃动、环境光照、列车过岔、异物遮挡等诸多因素的影响，使得采集的钢轨轮廓图像中存在大量几何形变和不确定的干扰，影响对钢轨轮廓图像中钢轨廓形定位的精度和稳定性。由此，为了满足高速动态行车环境下钢轨廓形的实时检测，急需提供一种高速采集钢轨轮廓图像，并对采集的钢轨轮廓图像中的钢轨廓形进行快速识别、定位和追踪的方法。
技术实现思路
本专利技术实施例提供一种钢轨廓形的追踪方法，用以解决现有技术无法实现高速动态行车环境下钢轨廓形实时检测和追踪的问题，该方法包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，目标条纹包括钢轨上待追踪目标区域的激光条纹。本专利技术实施例还提供一种钢轨廓形的追踪系统，用以解决现有技术无法实现高速动态行车环境下钢轨廓形实时检测和追踪的问题，该系统包括：光学成像设备，包括：多个激光组件、多个相机和硬件预处理单元，其中，激光组件用于发射激光；多个相机基于同步信号分别采集钢轨多个方向的图像；硬件预处理单元用于将多个相机采集的到图像按帧进行融合，得到融合后的钢轨轮廓图像；图像处理设备，与光学成像设备通信，用于接收光学成像设备发送的每帧钢轨轮廓图像，并基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；其中，在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，图像处理设备基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，图像处理设备基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，目标条纹包括钢轨上待追踪目标区域的激光条纹。本专利技术实施例还提供一种钢轨廓形的追踪装置，用以解决现有技术无法实现高速动态行车环境下钢轨廓形实时检测和追踪的问题，该装置包括：钢轨轮廓图像获取模块，用于获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；激光条纹识别模块，用于基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；第一钢轨廓形追踪模块，与激光条纹识别模块连接，用于在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；第二钢轨廓形追踪模块，与激光条纹识别模块连接，用于在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，目标条纹包括钢轨上待追踪目标区域的激光条纹。本专利技术实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的钢轨廓形的追踪方法。本专利技术实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有执行上述钢轨廓形的追踪方法的计算机程序。本专利技术实施例，在获取到结构光测量钢轨廓形的过程中采集到的每帧钢轨轮廓图像，基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型，如果当前帧钢轨轮廓图像中的激光条纹的类型与上一帧钢轨轮廓图像中激光条纹的类型相同，也即当前钢轨轮廓图像中的激光条纹的光条类型未发生改变，则基于时空上下文视觉跟踪算法，对当前帧钢轨轮廓图像中钢轨上待追踪区域的激光条纹进行追踪；如果当前帧钢轨轮廓图像中的激光条纹的类型与上一帧钢轨轮廓图像中激光条纹的类型不相同，也即当前钢轨轮廓图像中的激光条纹的光条类型发生改变，则基于模板匹配算法，当前帧钢轨轮廓图像中钢轨上待追踪区域的激光条纹进行追踪。通过本专利技术实施例，只有在钢轨轮廓图像中激光条纹的光条类型发生改变的情况下，才基于耗时较长的模板匹配算法来追踪钢轨轮廓图像中钢轨上待追踪区域的激光条纹；在钢轨轮廓图像中激光条纹的光条类型未发生改变的情况下，则采用实时性比较强的时空上下文视觉跟踪算法来追踪钢轨轮廓图像中钢轨上待追踪区域的激光条纹，从而满足了高速动态行车环境下对钢轨廓形进行快速检测的目的。另外，由于获取到的每帧钢轨轮廓图像是将采集到的钢轨多个方向的图像按帧进行融合得到的图像，不仅降低了图像存储的空间，而且通过多路采集提高了图像采集速率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1为本专利技术实施例中提供的一种道岔区激光条纹变化示意图；图2为本专利技术实施例中提供的一种软硬件结合的钢轨廓形高速采集与廓形快速定位方案的整体设计示意图；图3为本专利技术实施例提供的一种轨头廓形追踪的流程图；图4为本专利技术实施例中提供的一种钢轨廓形的追踪方法流程图；图5为本专利技术实施例中提供的一种钢轨轮廓采集图像示意图；图6为本专利技术实施例中提供的一种道岔区域的钢轨轮廓图像示意图；图7为本专利技术实施例中提供的一种硬件预处理单元处理流程示意图；图8为本专利技术实施例中提供的一种提取光条中心坐标流程示意图；图9为本专利技术实施例中提供的一种采用固定阈值二值化后的图像示意图；图10为本专利技术实施例中提供的一种采用动态阈值二值化后的图像示意图；图11为本专利技术实施例中提供的一种置信图形状与参数β的关系示意图；图12为本专利技术实施例中提供的一种上下文特征区域示意图；图13为本专利技术实施例中提供的一种TM-STC算法原理结构示意图；图14为本专利技术实施例中提供的一种轨头目标追踪轨迹示意图；图15(a)为本专利技术实施例中提供的一种随机运动场景下基于STC算法的目标位置追踪的概率分布示意图；图15(b)为本专利技术实施例中提供的一种列车行驶在正线场景下基于TP-STC算本文档来自技高网...

【技术保护点】
1.一种钢轨廓形的追踪方法，其特征在于，包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，所述目标条纹包括钢轨上待追踪目标区域的激光条纹。

【技术特征摘要】
1.一种钢轨廓形的追踪方法，其特征在于，包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，所述目标条纹包括钢轨上待追踪目标区域的激光条纹。2.如权利要求1所述的方法，其特征在于，获取至少一帧钢轨轮廓图像，包括：接收光学成像设备发送的每帧钢轨轮廓图像，其中，所述光学成像设备通过四个相机基于同步信号分别采集钢轨上左轨外侧、左轨内侧、右轨外侧、右轨内侧的图像，并将所述四个相机采集的图像按帧进行融合，得到每帧钢轨轮廓图像。3.如权利要求1所述的方法，其特征在于，在获取至少一帧钢轨轮廓图像之后，所述方法还包括：基于动态阈值二值化图像处理模型，对所述钢轨轮廓图像进行二值化预处理，得到二值化钢轨轮廓图像；基于图像直方图统计信息滤除所述二值化钢轨轮廓图像中的过曝光区域，得到待输入至所述廓形识别模型的钢轨轮廓图像。4.如权利要求1所述的方法，其特征在于，基于模板匹配算法，识别起始帧钢轨轮廓图像中目标条纹的位置。5.如权利要求1所述的方法，其特征在于，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置，包括：获取上一帧钢轨轮廓图像的空间上下文模型；根据上一帧钢轨轮廓图像的空间上下文模型和上一帧钢轨轮廓图像的时空上下文模型，确定当前帧钢轨轮廓图像的时空上下文模型；根据当前帧钢轨轮廓图像的时空上下文模型、当前帧钢轨轮廓图像的上下文先验模型确定当前帧钢轨轮廓图像中目标条纹中心位置的置信图；根据当前帧钢轨轮廓图像中目标条纹中心位置的置信图，确定当前帧钢轨轮廓图像中目标条纹中心位置的预测位置。6.如权利要求5所述的方法，其特征在于，在根据当前帧钢轨轮廓图像中目标条纹中心位置的置信图，确定当前帧钢轨轮廓图像中目标条纹中心位置的预测位置之后，所述方法还包括：以所述预测位置为中心，在当前帧钢轨轮廓图像中扩展出目标条纹的定位结果区域和上下文特征区域；将定位结果区域的图像与相应光条类型的模板图像进行匹配，计算定位结果区域的图像与相应光条类型的模板图像的相似性距离；如果所述定位结果区域的图像与相应光条类型的模板图像的相似性距离小于阈值，则将所述定位结果区域确定为目标条纹所在的区域；如果所述定位结果区域的图像与相应光条类型的模板图像的相似性距离大于或等于阈值，则根据所述上下文特征区域确定目标条纹所在的区域。7.如权利要求6所述的方法，其特征在于，根据所述上下文特征区域确定目标条纹所在的区域，包括：对所述上下文特征区域进行滑窗遍历，计算每一个窗口图像与相应光条类型的模板图像之间的相似性距离；如果计算得到的最小相似性距离小于阈值，则将最小相似性距离的窗口图像对应的区域确定为当前帧钢轨轮廓图像中目标条纹所在的区域；如果计算得到的最小相似性距离大于或等于阈值，则丢弃当前帧钢轨轮廓图像。8.如权利要求5所述的方法，其特征在于，获取上一帧钢轨轮廓图像的空间上下文模型，包括：获取上一帧钢轨轮廓图像的上下文先验模型；根据上一帧钢轨轮廓图像的上下文先验模型和上一帧钢轨轮廓图像中目标条纹中心位置的置信图，确定上一帧钢轨轮廓图像的空间上下文模型。9.如权利要求8所述的方法，...

【专利技术属性】
技术研发人员：王胜春，王昊，方玥，戴鹏，赵鑫欣，
申请(专利权)人：中国铁道科学研究院集团有限公司基础设施检测研究所，北京铁科英迈技术有限公司，中国铁道科学研究院集团有限公司，
类型：发明
国别省市：北京,11