一种列车闸片检测方法和装置制造方法及图纸

本发明专利技术涉及列车检测领域，具体涉及一种列车闸片检测方法和装置。所述方法包括：步骤1：获取列车轮底区域图像；步骤2：通过对所述轮底区域图像进行模式识别来获取闸片区域图像；步骤3：通过对所述闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；步骤4：根据所述左边缘和所述右边缘，基于聚类算法来确定所述闸片的像素厚度。通过使用本发明专利技术方法，能够准确地检测列车闸片的厚度。

A Test Method and Device for Train Brake

【技术实现步骤摘要】
一种列车闸片检测方法和装置
本专利技术涉及列车检测领域，具体涉及一种列车闸片检测方法和装置。
技术介绍
闸片是列车制动装置的核心部件之一，在列车刹车时，其在制动夹钳的作用下与制动盘紧密贴合，产生巨大的摩擦力使得列车减速。列动车开动中，闸片则处于与制动盘松开的状态。根据其原理，闸片会由于长时间的磨损导致其厚度变薄，当厚度值小于某一数值时，则其制动能力将会减弱，从而给列车带来安全隐患。现有的列车安全监测设备中，对闸片厚度的检测基本依靠人工测量的方式，工作强度较大、测量值误差大，且需列车静止状态下才可测量，影响列车运行效率；一些列车闸片检测方法简单地通过对图像进行边缘检测技术来定位闸片区域，进而估计闸片厚度。然而，由于受杂边缘和边缘断裂的影响，无法可靠确定闸片位置，更无法准确计算闸片厚度。
技术实现思路
有鉴于此，本申请提供一种列车闸片检测方法和装置，能够准确地检测列车闸片的厚度。为解决以上技术问题，本专利技术提供的技术方案是一种列车闸片检测方法，包括：步骤1：获取列车轮底区域图像；步骤2：通过对所述轮底区域图像进行模式识别来获取闸片区域图像；步骤3：通过对所述闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；步骤4：根据所述左边缘和所述右边缘，基于聚类算法来确定所述闸片的像素厚度。进一步地，所述步骤2包括：步骤21：通过对所述轮底区域图像进行模式识别来获取夹钳区域图像；步骤22：通过对所述夹钳区域图像进行模式识别来获取所述闸片区域图像；其中，所述夹钳区域图像是夹钳占图像面积80％以上的图像，所述闸片区域图像是闸片占图像面积20％-40％的图像。进一步地，所述步骤3包括：步骤31：在所述闸片区域图像中设定第一预设检测范围，通过在所述第一预设检测范围内进行边缘检测来确定所述闸片的右边缘；步骤32：在所述闸片区域图像中设定第二预设检测范围，通过在所述第二预设检测范围内进行边缘检测来确定所述闸片的左边缘。进一步地，所述在所述闸片区域图像中设定第一预设检测范围包括：以直线a1-a2切割所述闸片区域图像，将直线a1-a2以右的图像作为第一预设检测范围，其中，所述直线a1-a2位于所述闸片的右边缘以左；所述在所述闸片区域图像中设定第二预设检测范围包括：以直线b1-b2切割所述闸片区域图像，将直线b1-b2以右的图像作为第二预设检测范围，其中，所述直线b1-b2位于所述闸片的左边缘以左。进一步地，所述步骤4包括计算：best_Cluster＝max{Cluster[1],…,Cluster[N]}其中i，j∈[1,N]，N为所有疑似闸片厚度的个数，dist为疑似闸片厚度值，Cluster为疑似闸片厚度值聚类数量，best_Cluster为最多的疑似闸片厚度值聚类数量，对应的疑似闸片厚度值则为检测到的闸片的像素厚度。相应地，本专利技术还提供一种列车闸片检测装置，包括：轮底区域图像获取模块、闸片区域图像获取模块、边缘获取模块和厚度确定模块；所述轮底区域图像获取模块，用于获取列车轮底区域图像；所述闸片区域图像获取模块，用于通过对所述轮底区域图像进行模式识别来获取闸片区域图像；所述边缘获取模块，用于通过对闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；所述厚度确定模块，用于根据所述左边缘和所述右边缘，基于聚类算法计算所述闸片的像素厚度。进一步地，所述边缘获取模块包括夹钳区域图像获取子模块和闸片区域图像获取子模块；所述夹钳区域图像获取子模块，用于通过对所述轮底区域图像进行模式识别来获取夹钳区域图像；所述闸片区域图像获取子模块，用于通过对所述夹钳区域图像进行模式识别来获取所述闸片区域图像；其中，所述夹钳区域图像是夹钳占图像面积80％以上的图像，所述闸片区域图像为闸片占图像面积20％-40％的图像。进一步地，所述边缘获取模块包括右边缘获取子模块和左边缘获取子模块；其中，所述右边缘获取子模块，用于在所述闸片区域图像中设定第一预测检测范围，通过在所述第一预设检测范围内进行边缘检测来确定所述闸片的右边缘；所述左边缘获取子模块，用于在所述闸片区域图像中设定第二预测检测范围，通过在所述第二预设检测范围内进行边缘检测来确定所述闸片的左边缘。进一步地，所述在所述闸片区域图像中设定第一预设检测范围包括：以直线a1-a2切割所述闸片区域图像，将直线a1-a2以右的图像作为第一预设检测范围，其中，所述直线a1-a2位于所述闸片的右边缘以左；所述在所述闸片区域图像中设定第二预设检测范围包括：以直线b1-b2切割所述闸片区域图像，将直线b1-b2以右的图像作为第二预设检测范围，其中，所述直线b1-b2位于所述闸片的左边缘以左。进一步地，所述厚度确定模块用于计算：best_Cluster＝max{Cluster[1],…,Cluster[N]}其中i，j∈[1,N]，N为所有疑似闸片厚度的个数，dist为疑似闸片厚度值，Cluster为疑似闸片厚度值聚类数量，best_Cluster为最多的疑似闸片厚度值聚类数量，对应的疑似闸片厚度值则为检测到的闸片的像素厚度与现有技术相比，本专利技术具有以下优点：(1)本专利技术通过模式识别技术进行图像检测，因此对拍照条件要求低，适用车型广，检测准度高。(2)本专利技术充分利用图像特征，多次逐步缩小检测范围，因此可以进一步提升检测准度。附图说明图1为用于采集本专利技术所使用的轮底区域图像的图像采集装置的一个实施方式的示意图；图2为本专利技术的图像检测方法的一个实施方式的示意图；图3为本专利技术的图像检测方法的一个实施方式的特征学习流程的示意图；图4为本专利技术的图像检测方法的一个实施方式的特征识别流程的示意图；图5为本专利技术的图像检测方法的一个实施方式的示意图；图6为本专利技术的一个实施方式的轮底区域图像的示意图；图7为本专利技术的一个实施方式的夹钳区域图像的示意图；图8为本专利技术的一个实施方式的闸片区域图像的示意图；图9为本专利技术的图像检测方法的一个实施方式的示意图；图10为本专利技术的一个实施方式对闸片区域图像进行Canny边缘检测后的示意图；图11为本专利技术的一个实施方式的第一检测范围的示意图；图12为本专利技术的一个实施方式对右边缘进行边缘检测后的示意图；图13为本专利技术的一个实施方式的第二检测范围的示意图；图14为本专利技术的一个实施方式对左边缘进行边缘检测后的示意图；图15为本专利技术的一个实施方式通过聚类算法计算出的闸片厚度的示意图。具体实施方式为了使本领域的技术人员更好地理解本专利技术的技术方案，下面结合附图和具体实施例对本专利技术作进一步的详细说明。如图2所示，本专利技术的一个实施方式提供了一种列车闸片检测方法，包括：步骤S1：获取列车轮底区域图像；步骤S2：通过对所述轮底区域图像进行模式识别来获取闸片区域图像；步骤S3：通过对所述闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；步骤S4：根据所述左边缘和所述右边缘，基于聚类算法来确定所述闸片的像素厚度。图1示出了车轮底部的结构。在图中，5为车轮，6为制动盘，4为闸片所在区域。通过图1可知，闸片4位于制动盘6的两侧，通过夹钳装置抱住制动盘以阻止列车车轮转动。图1还示出了用于采集轮底区域图像的图像采集装置的一个实施方式。在图1中，1为触发器，2为采集单元，3为触发器。该图像采集装置采用面阵相机加补光灯的方式拍摄图本文档来自技高网...

【技术保护点】
1.一种列车闸片检测方法，其特征在于，包括：步骤1：获取列车轮底区域图像；步骤2：通过对所述轮底区域图像进行模式识别来获取闸片区域图像；步骤3：通过对所述闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；步骤4：根据所述左边缘和所述右边缘，基于聚类算法来确定所述闸片的像素厚度。

【技术特征摘要】
1.一种列车闸片检测方法，其特征在于，包括：步骤1：获取列车轮底区域图像；步骤2：通过对所述轮底区域图像进行模式识别来获取闸片区域图像；步骤3：通过对所述闸片区域图像进行边缘检测来确定所述闸片的左边缘和右边缘；步骤4：根据所述左边缘和所述右边缘，基于聚类算法来确定所述闸片的像素厚度。2.根据权利要求1所述的列车闸片检测方法，其特征在于，所述步骤2包括：步骤21：通过对所述轮底区域图像进行模式识别来获取夹钳区域图像；步骤22：通过对所述夹钳区域图像进行模式识别来获取所述闸片区域图像；其中，所述夹钳区域图像是夹钳占图像面积80％以上的图像，所述闸片区域图像是闸片占图像面积20％-40％的图像。3.根据权利要求2所述的列车闸片检测方法，其特征在于，所述步骤3包括：步骤31：在所述闸片区域图像中设定第一预设检测范围，通过在所述第一预设检测范围内进行边缘检测来确定所述闸片的右边缘；步骤32：在所述闸片区域图像中设定第二预设检测范围，通过在所述第二预设检测范围内进行边缘检测来确定所述闸片的左边缘。4.根据权利要求3所述的列车闸片检测方法，其特征在于，所述在所述闸片区域图像中设定第一预设检测范围包括：以直线a1-a2切割所述闸片区域图像，将直线a1-a2以右的图像作为第一预设检测范围，其中，所述直线a1-a2位于所述闸片的右边缘以左；所述在所述闸片区域图像中设定第二预设检测范围包括：以直线b1-b2切割所述闸片区域图像，将直线b1-b2以右的图像作为第二预设检测范围，其中，所述直线b1-b2位于所述闸片的左边缘以左。5.根据权利要求1所述的列车闸片检测方法，其特征在于，所述步骤4包括计算：best_Cluster＝max{Cluster[1]，…，Cluster[N]}其中i，j∈[1，N]，N为所有疑似闸片厚度的个数，dist为疑似闸片厚度值，Cluster为疑似闸片厚度值聚类数量，best_Cluster为最多的疑似闸片厚度值聚类数量，对应的疑似闸片厚度值则为检测到的闸片的像素厚度。6.一种列车闸片检测装置，其特征在于，包括：轮底区域图像获取模块、闸片区域图像获取模块、边缘获取模块和厚度确定模块；所述轮底区域图像获取模块，用于获取列车轮底区...

【专利技术属性】
技术研发人员：杨凯，彭朝勇，张渝，彭建平，王黎，赵全轲，高晓蓉，马莉，何圣熙，文鑫，邱贺，
申请(专利权)人：成都铁安科技有限责任公司，
类型：发明
国别省市：四川,51