基于轮廓势能和轮廓向量的车轮非圆度检测方法及系统技术方案

本发明专利技术公开了基于轮廓势能和轮廓向量的车轮非圆度检测方法，包括车轮图像识别和车轮非圆度评价，车轮图像识别：用摄像头采集车轮图像；对采集的图像进行形态学处理，再利用RCD算法处理得到整体的车轮轮廓曲线；利用轮廓势能以及轮廓向量比较来描述轮廓特征，比较待检测车轮和标准车轮图像之间的差异；针对车轮轮廓向量差异采用欧式距离法、针对轮廓势能采取二维轮廓势能来作为图像识别的依据，得到车轮图像相似程度判别的结果；车轮非圆度评价：采集到的车轮图像分为若干个小的弧段，针对上述弧段先分段评价，再整体评价的方法。本发明专利技术还公开了其相应的检测系统。本发明专利技术大大简化了算法过程，缩短了计算时间，提高了识别完整车轮图像正确率。

Non-roundness Detection Method and System of Wheel Based on Contour Potential Energy and Contour Vector

The invention discloses a wheel non-roundness detection method based on contour potential energy and contour vector, including wheel image recognition and wheel non-roundness evaluation, wheel image recognition: collecting wheel image by camera; morphological processing of the collected image, and then using RCD algorithm to process the whole wheel contour curve; describing the contour by contour potential energy and contour vector comparison. Characteristic, comparing the difference between the image of the wheel to be detected and the image of the standard wheel; Aiming at the difference of the wheel contour vector, using the Euclidean distance method and the two-dimensional contour potential energy for the contour potential energy as the basis of image recognition, the result of identifying the similarity degree of the wheel image is obtained; Wheel non-circularity evaluation: The collected wheel image is divided into several small arcs, and the arc segment is divided first according to the above arc segment. Section evaluation, then the overall evaluation method. The invention also discloses a corresponding detection system. The invention greatly simplifies the algorithm process, shortens the calculation time, and improves the accuracy of identifying the complete wheel image.

【技术实现步骤摘要】
基于轮廓势能和轮廓向量的车轮非圆度检测方法及系统
本专利技术涉及车轮检测领域，具体涉及基于轮廓势能和轮廓向量的车轮非圆度检测方法。
技术介绍
车轮是列车上的重要走行部件，车轮不圆会影响到列车的平稳运行和乘客的乘车舒适，更严重的会威胁行车安全。因此，对车轮的圆度进行检测是一项十分重要的工作。近年来飞速发展的电子技术带动了电子量具检测技术的发展，许多国家都研制出了此类检测工具，主要包括以下两种方法：1.利用电子类量具实现。这类电子类量具大多利用各种接触式检测探头(如爬行式接触传感器)或非接触式检测探头(如激光传感器和感应位移传感器等)对车轮的踏面进行扫描，再由电子设备对检测到的数据进行处理，最后得到车轮的各种参数值。电子量具类检测可以实现对车轮圆度的自动化检测，相较于机械类检测方法精度得到了很大提高，也提高了工作效率。如：美国国际电子机械有限公司研制的“电子测量仪”和“车轮轮廓测量仪”，匈牙利研制的“走行装置自动化诊断装置”，我国成都主导科技有限责任公司研制的LY-610系列的“便携式轮轨外形尺寸检测仪”，北京京天威科技发展有限公司研制的“轮对自动检测系统”，中南大学研制的“机车走行部在线故障诊断系统”。2.利用动态图像处理实现。这类检测系统都是利用CCD镜头采集车轮轮对图像，利用图像处理的技术检测轮对的各种参数。利用图像检测车轮轮对的方法具有测量精度高、自动化程度高、非接触、检测装置使用寿命长等优点。如：日本铁路研制的“轮对自动检查装置”，北京凯瑞德图像技术有限责任公司开发的“轮对图像自动检测系统”，大连理工大学研制开发的“基于CCD的火车轮对智能测量系统”。但是，目前的车轮圆度检测方法在检测精度与效率仍不如意，利用电子类量具检测成本较高，准确率依赖于硬件系统，不易更新；而利用图像检测车轮圆度的方法大多并未充分考虑车轮图像特征，仅基于颜色特征、纹理特征和语义特征等常规特征等，没有考虑车轮图像特征而只是基于常规特征进行车轮识别，忽略了车轮图像的特殊性，这种方法计算量较大，检测效率和准确度都较低。
技术实现思路
为解决上述技术问题，本专利技术提出一种基于轮廓势能和轮廓向量的车轮非圆度检测方法，利用车轮的特殊几何形状和车轮与钢轨的颜色区分度等特征作为最利于识别的要素，采用如下技术方案：基于轮廓势能和轮廓向量的车轮非圆度检测方法，包括车轮图像识别和车轮非圆度评价，其中，车轮图像识别：用摄像头采集车轮图像；对采集的图像进行形态学处理，再利用RCD算法处理得到整体的车轮轮廓曲线；利用轮廓势能以及轮廓向量比较来描述轮廓特征，比较待检测车轮和标准车轮图像之间的差异；针对车轮轮廓向量差异采用欧式距离法、针对轮廓势能采取二维轮廓势能来作为图像识别的依据，得到车轮图像相似程度判别的结果；车轮非圆度评价：采集到的车轮图像分为若干个小的弧段，针对上述弧段先分段评价，再整体评价的方法。进一步，比较待检测车轮和标准车轮图像之间的差异具体为：(1)计算轮廓曲线左右两端点所在曲线处的斜率，分别记为k1、kn，若k1kn＜0则继续进行判断，否则判断下一幅图像；(2)计算待检测车轮图像和标准车轮图像的车轮轮廓向量的相似程度Rcon，采用欧式距离的方法，欧式距离为其中HI，HQ分别代表参与比较的待检测车轮轮廓向量和标准车轮轮廓向量，T代表转置，Rcon＝1-dcon(HQ,HI)；计算待检测车轮图像和标准车轮图像的二维车轮轮廓势能的相似程度P(Q,I)，轮廓势能为二值图像的轮廓所对应的累积势能的有序序列集合，待检测车轮图像轮廓势能为hI，标准车轮图像轮廓势能为hQ，二者的相似度程度P(Q,I)为：k为所述序列集合内累计势能个数，i为序列集合中的第i项；(3)计算车轮轮廓特征函数S(Q,I)的值，其中α+β＝1，α和β均为设定的阈值，其中α代表为P(Q,I)的权值，β代表为Rcon的权值，设定车轮轮廓向量的相似程度阈值R0，当Rcon≥R0时，β＝0；当Rcon＜R0时，α＝0；S(Q,I)的值介于0与1之间，值越接近1表示待检测的车轮轮廓曲线越接近标准的车轮轮廓曲线，当S(Q,I)值超过设定的阈值α时，认为图像满足要求，将图像存储起来；(4)图像存储后令完整车轮图像信号K＝1，此时再有图像的S(Q,I)值超过阈值α也不存储图像。直到S(Q,I)的值低于设定值β后，表明该车轮已驶离摄像头视场中心，令K＝0，准备识别下一幅图像。进一步，所述的分段评价就是利用最小二乘圆的圆度评价方法对采集到的每一段圆弧进行评价，具体的步骤为：求得待检测弧段所在的最小二乘圆，最小二乘圆的圆心到待检测弧段距离的最大值与最小值分别记为Rmax与Rmin，则该弧段的圆度评价结果wi表示为Rmax-Rmin；所述的整体评价是当且仅当所有车轮轮廓曲线的圆度评价达到标准时，才认为整体的车轮圆度评价达到标准。进一步，对于有n个弧段的车轮图像来说，每一小段圆弧的圆度评价结果表示为wj，记整体车轮圆度评价为P，P的值用于判断车轮圆度是否合格，评价整体的车轮不圆度评价结果是否处于合理的范围内，即处于最大内接圆法与最小外切圆法圆度误差评价结果之间。一种基于轮廓势能和轮廓向量的车轮非圆度检测系统，其包括处理器和存储器，上述检测方法的程序存于存储器中，处理器执行上述程序。本专利技术采用的基于车轮轮廓特征进行图像识别，用轮廓势能来描述轮廓特征，利用轮廓势能这一概念，能够很好地描述图像的轮廓特征，便于准确比较两幅图像之间的差异。在车轮图像识别过程中，利用轮廓势能采用二维轮廓势能作为车轮图像识别的依据，并通过设置不同的权值来构造最终的车轮轮廓特征函数用于车轮图像的识别，根据特征函数值的大小来判断车轮与标准车轮图像的差距，大大简化了算法过程，缩短了计算时间，提高了识别完整车轮图像正确率，能够适应铁路环境下的快速检测，具有很高的应用价值。附图说明图1为本专利技术基于轮廓势能和轮廓向量的车轮非圆度检测流程图。图2为车轮图像识别流程图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。结合图1，本专利技术基于轮廓势能和轮廓向量的车轮非圆度检测方法包括车轮图像识别和车轮非圆度评价，以下做详细阐述。1、车轮图像识别：利用摄像头采集车轮图像；对采集的图像进行形态学处理，再利用RCD算法处理得到整体的车轮轮廓曲线；利用轮廓势能以及轮廓向量比较来描述轮廓特征，比较待检测车轮和标准车轮图像之间的差异；针对车轮轮廓向量差异采用欧式距离法、针对轮廓势能采取二维轮廓势能来作为图像识别的依据，得到车轮图像相似程度判别的结果，上述均有计算机进行处理和计算。(1)计算轮廓曲线左右两端点所在曲线处的斜率，分别记为k1、kn，若k1kn＜0则继续进行判断，否则判断下一幅图像；(2)计算待检测车轮图像和标准车轮图像的车轮轮廓向量的相似程度，结果记为Rcon。对于两个车轮轮廓向量之间的比较，本实施例采用欧式距离的方法，欧式距离定义如下：其中HI，HQ分别代表参与比较的待检测车轮轮廓向量和标准车轮轮廓向量，T代表转置，检测的结果记为Rcon＝1-dcon(HQ,HI)，用来表明两个车轮轮廓向量的相似程度。计算待检测车轮本文档来自技高网...

【技术保护点】
1.基于轮廓势能和轮廓向量的车轮非圆度检测方法，包括车轮图像识别和车轮非圆度评价，其特征在于：车轮图像识别：用摄像头采集车轮图像；对采集的图像进行形态学处理，再利用RCD算法处理得到整体的车轮轮廓曲线；利用轮廓势能以及轮廓向量比较来描述轮廓特征，比较待检测车轮和标准车轮图像之间的差异；针对车轮轮廓向量差异采用欧式距离法、针对轮廓势能采取二维轮廓势能来作为图像识别的依据，得到车轮图像相似程度判别的结果；车轮非圆度评价：采集到的车轮图像分为若干个小的弧段，针对上述弧段先分段评价，再整体评价车轮的非圆度。

【技术特征摘要】
1.基于轮廓势能和轮廓向量的车轮非圆度检测方法，包括车轮图像识别和车轮非圆度评价，其特征在于：车轮图像识别：用摄像头采集车轮图像；对采集的图像进行形态学处理，再利用RCD算法处理得到整体的车轮轮廓曲线；利用轮廓势能以及轮廓向量比较来描述轮廓特征，比较待检测车轮和标准车轮图像之间的差异；针对车轮轮廓向量差异采用欧式距离法、针对轮廓势能采取二维轮廓势能来作为图像识别的依据，得到车轮图像相似程度判别的结果；车轮非圆度评价：采集到的车轮图像分为若干个小的弧段，针对上述弧段先分段评价，再整体评价车轮的非圆度。2.根据上述权利要求1所述的检测方法，其特征在于，比较待检测车轮和标准车轮图像之间的差异具体为：(1)计算轮廓曲线左右两端点所在曲线处的斜率，分别记为k1、kn，若k1kn＜0则继续进行判断，否则判断下一幅图像；(2)计算待检测车轮图像和标准车轮图像的车轮轮廓向量的相似程度Rcon，采用欧式距离的方法，欧式距离为其中HI，HQ分别代表参与比较的待检测车轮轮廓向量和标准车轮轮廓向量，T代表转置，Rcon＝1-dcon(HQ,HI)；计算待检测车轮图像和标准车轮图像的二维车轮轮廓势能的相似程度P(Q,I)，轮廓势能为二值图像的轮廓所对应的累积势能的有序序列集合，待检测车轮图像轮廓势能为hI，标准车轮图像轮廓势能为hQ，二者的相似度程度P(Q,I)为：k为所述序列集合内累计势能个数，i为序列集合中的第i项；(3)计算车轮轮廓特征函数S(Q,I)的值，其中α+β＝1，α和β均为设定的阈值，其中α...

【专利技术属性】
技术研发人员：郏东耀，尹莞婷，庄重，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：北京,11