一种机车蛇行运动监测方法技术

本发明专利技术公开了一种机车蛇行运动监测方法，属于机车监控与安全领域，包括以下步骤：提取给定视频的图像尺寸，初始化FOE坐标、摄像机的焦距f

A monitoring method of locomotive hunting

The invention discloses a locomotive hunting monitoring method, belonging to the locomotive monitoring and safety field, which comprises the following steps: extracting a given video image size, initialize the FOE coordinates, the camera's focal length f

【技术实现步骤摘要】
一种机车蛇行运动监测方法
本专利技术涉及机车监控与安全领域，特别涉及一种基于前向车载视频监视的机车蛇行运动监测方法。
技术介绍
评价铁路运行的最基本的标准就是列车运行的稳定性和安全性，随着中国铁路的几次大提速以及现在高铁的建设，运行的稳定性和安全性也被摆在更加突出的位置，而机车横向振动造成的蛇行运动会影响机车运行的稳定性和安全性。传统的蛇行运动测量方法通常涉及接触或位移传感器，其需要涉及经常发生外部损坏的底盘和转向架。国内近年来对机车蛇行运动有所研究，公开号为CN103196428A的中国技术专利“用于检测运动物体的运动状态的监测装置，有轨列车及有轨机车”，其包括可动部件及位移检测装置，当机车曲线运动时，可动部件与位移检测装置产生位置变化，则产生输出信号。而在机车直线运动时，由于产生的蛇行运动微弱，可动部件与位移检测装置产生的位移量小，则输出的信号比较弱。不能很好的检测蛇行运动。公开号为CN1033712806B的中国技术专利“高速列车转向架蛇行运动检测，分析系统及其检测方法”，其实现了对转向架的横向加速度与纵向加速度的检测、计算和报警，并对转向架的横向加速度值与纵向加速度进行存储、显示与分析。但是此方法无法实时监测路面状况及蛇行运动情况。
技术实现思路
本专利技术所要解决的技术问题是提供一种机车蛇行运动监测方法，解决现有机车蛇行运动监测方法存在无法快速、实时观测路面及蛇行运动的技术问题，有效地实现蛇行运动的监测。为解决上述技术问题，本专利技术采用的技术方案是：一种机车蛇行运动监测方法，包括以下步骤：步骤1：提取给定视频的图像尺寸，初始化FOE(FocusofExpansion)坐标、摄像机的焦距fd；步骤2：寻找连续的两帧图片的Harris角点，用LK算法对两帧图像之间相同角点进行跟踪匹配；步骤3：计算机车的转速度；步骤4：用不同转速度的数据训练回归模型，用回归模型预测当前蛇行程度。进一步的，在步骤1中，图像的FOE坐标为其中，TX，TY为机车的瞬时平移速度T的分量。进一步的，在步骤2中，确定Harris角点具体为：步骤2.1：计算图像I(x,y)在X和Y两个方向的梯度Ix和Iy；步骤2.2：计算图像两个方向梯度的乘积和Ixy；步骤2.3：使用高斯函数对和Ixy进行高斯加权，生成矩阵M的元素A、B和C；步骤2.4：计算每个像素的Harris响应值R，并对小于某一阈值t的R置为零，其中R＝{R:detM-α(traceM)2＜t}；步骤2.5：在3×3或5×5的邻域内进行非最大值抑制，局部最大值点即为图像中的角点，Harris角点的表达式为：令w(x,y)表示高斯窗口中的权重，(x,y)表示4个移动方向(1，0)，(1,1)，(0,1)，(-1,1)。进一步的，在步骤2中，用LK算法对两帧图像之间相同角点进行跟踪匹配，具体为：设I和J为连续两帧图像，其(x,y)点的灰度值分别为I(x,y)、J(x,y)；设u＝[ux,uy]T是图像I上一点，设wx和wy分别是点左右扩展的窗口范围，定义residualfunction为：将residualfunction变为：令通过LK算法，得出第k次的位移dk＝G-1bk，进行k次迭代后的位移结果为进一步的，所述步骤3具体为：设X0＝[x0,y0]T为CCD图像中心的偏移量，则3D点X＝(X,Y,Z)T映射到焦平面上的图像点为：像素速度为：令其中，W为机车的转速度；令v(x)＝vT(x)+vW(x)，其旋转分量vW(x)与机车旋转速度W有关；在齐次坐标中，点XFOE和的组成的三角形的面积表示为则点XFOE到由点和组成的直线的距离为：ε是无限小的正数，得到转速度W的最大似然估计为：进一步的，所述步骤3还包括以下过程：定义A＝(A(1),…,A(N))T，b＝(b(1),…,b(N))T，其中，设机车的角速度为为已知，定义对角矩阵SW＝diag(s(1),…s(N))，其中，令P为绝对残差的对角矩阵，则进而得到表示为：其中，表示广义逆矩阵，Q为加权矩阵，进一步的，所述步骤4具体为：通过实验计算得到大量的转速度数据，一部分角速度数据通过训练得到特征数据β＝(β1,β2,……βi)，利用最大似然估计构建逻辑回归模型f(θ)，再用所述回归模型预测其它机车角速度情况下的蛇行运动程度。与现有技术相比，本专利技术的有益效果是：1)有效利用现有车载视频设备，视频信息量更丰富，简单方便，不受机车车型影响，各种车型都可使用。2)可以实时、快速的监测机车的蛇行运动情况，以方便来调整机车的运动。3)自动化处理水平较高，可极大地降低操作人员工作量，并提高巡检效率，及早发现蛇行运动问题。附图说明图1为本专利技术一种机车蛇行运动监测方法的流程示意图。图2为本专利技术视频摄像机安装示意图。图中：1-工作台；2-支架；3-摄像机；4工控计算机。具体实施方式下面结合附图和具体实施方式对本专利技术作进一步详细的说明。摄像机可以收集空间密集的数据，并且提供了以较低精度为代价远程测量的机会，相对便宜并且可以快速监测。本专利技术的基本思想是利用机车安装的摄像机作为机车振荡的监视器，虽然环境实际上是静止和刚性的，在相机视场内，场景的所有部分都是移动的；机车运动可以基于感知稳定性假设从称为光流场的图像运动中推断，以便提供关于运动方向和场景中的相对深度的信息，通过前向车载摄像机所拍摄的视频，来分析机车蛇行运动的状况。详细包括以下步骤：步骤1：对于给定的视频，提取图像的尺寸，对FOE坐标(XFOE)、摄像机的焦距fd进行初始化，初始化图像的FOE坐标为步骤2：寻找连续的两帧图片的Harris角点，用LK算法两帧图像之间相同角点进行跟踪匹配。利用Harris检测器来寻找图片中的角点，对每一帧图像进行角点检测，角点的水平和竖直方向梯度都比较大，因此主要是计算方向梯度，然后根据特定门限判断是否是最大，确定Harris角点。Harris角点的表达式为：此时，当u和v取两组相互垂直的值时，E(u,v)都有较大值的点。将Harris图像角点检测方法归纳为以下五步：Step1：计算图像I(x,y)在X和Y两个方向的梯度Ix和Iy。Step2：计算图像两个方向梯度的乘积和Ixy。Step3：使用高斯函数对和Ixy进行高斯加权(取σ＝1)，生成矩阵M的元素A、B和C。Step4：计算每个像素的Harris响应值R，并对小于某一阈值t的R置为零，其中R＝{R:detM-α(traceM)2＜t}。Step5：在3×3或5×5的邻域内进行非最大值抑制，局部最大值点即为图像中的角点。对于上述检测到的Harris角点，LK(Lucas-Kanade)跟踪算法来求解连续两帧图像相同角点的位移问题。LK算法是基于特征点的跟踪，而这里的特征点就是每个点对应的一个小窗口图像块，LK算法所要解决的是求解连续两帧图像相同特征点的位移问题，具体的实现步骤为：假设I和J为连续两帧图像，其(x,y)点的灰度值分别对应I(x,y),J(x,y)。设u＝[ux,uy]T是图像I上一点，LK算法的目标是在图像J找到一点v＝u+d＝[ux+dx,uy+dy]T使得点I(u)和点J(v)是同一个位置。为了求解这样的点，LK求解这两个点对应的小窗口内像素的相似度。设wx和wy分别是点左右本文档来自技高网...

【技术保护点】
一种机车蛇行运动监测方法，其特征在于，包括以下步骤：步骤1：提取给定视频的图像尺寸，初始化FOE坐标、摄像机的焦距f

【技术特征摘要】
1.一种机车蛇行运动监测方法，其特征在于，包括以下步骤：步骤1：提取给定视频的图像尺寸，初始化FOE坐标、摄像机的焦距fd；步骤2：寻找连续的两帧图片的Harris角点，用LK算法对两帧图像之间相同角点进行跟踪匹配；步骤3：计算机车的转速度；步骤4：用不同转速度的数据训练回归模型，用回归模型预测当前蛇行程度。2.如权利要求1所述的一种机车蛇行运动监测方法，其特征在于，在步骤1中，图像的FOE坐标为其中，TX，TY为机车的瞬时平移速度T的分量。3.如权利要求1所述的一种机车蛇行运动监测方法，其特征在于，在步骤2中，确定Harris角点具体为：步骤2.1：计算图像I(x,y)在X和Y两个方向的梯度Ix和Iy；步骤2.2：计算图像两个方向梯度的乘积和Ixy；步骤2.3：使用高斯函数对和Ixy进行高斯加权，生成矩阵M的元素A、B和C；步骤2.4：计算每个像素的Harris响应值R，并对小于某一阈值t的R置为零，其中R＝{R:detM-α(traceM)2＜t}；步骤2.5：在3×3或5×5的邻域内进行非最大值抑制，局部最大值点即为图像中的角点，Harris角点的表达式为：令w(x,y)表示高斯窗口中的权重，(x,y)表示4个移动方向(1，0)，(1,1)，(0,1)，(-1,1)。4.如权利要求1所述的一种机车蛇行运动监测方法，其特征在于，在步骤2中，用LK算法对两帧图像之间相同角点进行跟踪匹配，具体为：设I和J为连续两帧图像，其(x,y)点的灰度值分别为I(x,y)、J(x,y)；设u＝[ux,uy]T是图像I上一点，设wx和wy分别是点左右扩展的窗口范围，定义residualfunction为：

【专利技术属性】
技术研发人员：唐鹏，胡燕花，金炜东，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川,51