钢轨扣件状态的检测方法及装置制造方法及图纸

本发明专利技术提供了一种钢轨扣件状态的检测方法及装置，该方法包括：获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；从所述强度图像中识别出扣件区域；基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；根据识别出的扣件区域和紧固件区域，确定扣件状态。本发明专利技术可以准确检测钢轨扣件状态。

Detection method and device of rail fastener state

【技术实现步骤摘要】
钢轨扣件状态的检测方法及装置
本专利技术涉及轨道检测
，尤其涉及一种钢轨扣件状态的检测方法及装置。
技术介绍
随着中国铁路建设的高速发展，至2019年底，我国高速铁路公里运营里程已达3.5万公里，高居世界第1位，客运列车运营速度已达到350km/h，覆盖全中国的高速铁路网已基本建成。铁路扣件是铁路轨道的重要基础设施，是连接钢轨和轨枕的中间连结零件，通过紧固螺栓实现弹条与钢轨底部之间的紧密扣压，其作用是将钢轨固定在轨枕上，保持轨距和阻止钢轨相对于轨枕的纵横向移动。对于钢轨扣件异常状态而言，引发扣件异常的根本原因是列车行驶过程中对轨道的横向冲击引发的扣件系统高频振动。若螺栓紧固过紧，则可能引起弹条断裂；而螺栓紧固过松，则将造成扣件扣压力失效，进一步发展为弹条移位，丢失等故障。过去依靠人工巡道的作业方法，巡视工作量大、夜间作业可视条件差、检查作业效率低，同时还可能给巡视人员带来未知的安全风险，这种落后的人工巡检方式消耗了大量的人力和资源，也因其耗时、低效、主观性强等诸多缺点，已不能满足现代高速铁路检测所要求的高效、准确的要求，同时也对更高效、自动化的基础设施检测设备研制提出了新的要求。已有的研究大多集中在基于二维可见光图像的扣件弹条外观状态的自动检测，可以准确识别到弹条丢失、断裂、变形等外观形状的改变，对螺栓紧固件异常状态的检测技术很少涉及。此外，螺栓的过紧或过松直观反映在深度方向的位移变化，在图像二维平面中并没有明显的形状和位置变化，基于二维可见光图像的检测技术难以发现这种深度方向的细微变化。因此，目前缺乏一种准确的扣件状态检查方法。
技术实现思路
本专利技术实施例提出一种钢轨扣件状态的检测方法，用以准确检测钢轨扣件状态，该方法包括：获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；从所述强度图像中识别出扣件区域；基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；根据识别出的扣件区域和紧固件区域，确定扣件状态。本专利技术实施例提出一种钢轨扣件状态的检测装置，用以准确检测钢轨扣件状态，该装置包括：图像获得模块，用于获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；第一识别模块，用于从所述强度图像中识别出扣件区域；第二识别模块，用于基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；第三识别模块，用于从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；扣件状态检查模块，用于根据识别出的扣件区域和紧固件区域，确定扣件状态。本专利技术实施例还提出了一种计算机设备，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，所述处理器执行所述计算机程序时实现上述钢轨扣件状态的检测方法。本专利技术实施例还提出了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述钢轨扣件状态的检测方法的计算机程序。在本专利技术实施例中，获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；从所述强度图像中识别出扣件区域；基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；根据识别出的扣件区域和紧固件区域，确定扣件状态。在上述过程中，首先，获得了目标钢轨区域的三维的深度图像和二维的强度图像，从而从二维的强度图像中识别出扣件区域，然后从三维的深度图像中识别出紧固件区域，相比于只采用二维图像识别扣件区域和紧固件区域，本专利技术实施例识别出的紧固件区域的准确度更高，从而使得最后确定的扣件状态的准确度更高。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钢轨扣件状态的检测方法的流程图；图2为紧固件检测的子步骤；图3为本专利技术实施例中在线模板库的更新过程的示意图；图4为深度图像中扣件区域的分割结果；图5为强度图像中扣件区域的分割结果；图6为本专利技术实施例中扣件区域的深度图像上深度值示意图；图7为本专利技术实施例中过扣件中心水平“窄带区域”的竖直方向平均值；图8为图7的局部放大图；图9为f(x)的离散一阶差f'(x)的示意图；图10为扣件区域深度的阈值化处理结果g(x)的示意图；图11为本专利技术实施例应用本专利技术实施例提出的钢轨扣件状态的检测方法的详细流程图；图12为本专利技术实施例中钢轨扣件状态的检测装置的示意图；图13为本专利技术实施例中计算机设备的示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。图1为本专利技术实施例中钢轨扣件状态的检测方法的流程图，如图1所示，该方法包括：步骤101，获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；步骤102，从所述强度图像中识别出扣件区域；步骤103，基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；步骤104，从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；步骤105，根据识别出的扣件区域和紧固件区域，确定扣件状态。综上所述，在本专利技术实施例提出的方法中，首先，获得了目标钢轨区域的三维的深度图像和二维的强度图像，从而从二维的强度图像中识别出扣件区域，然后从三维的深度图像中识别出紧固件区域，相比于只采用二维图像识别扣件区域和紧固件区域，本专利技术实施例识别出的紧固件区域的准确度更高，从而使得最后确定的扣件状态的准确度更高。在本专利技术实施例中，所述紧固件为螺栓或螺母，根据扣件的固定方法可将扣件类型分为有螺栓/螺母扣件和无螺栓/螺母扣件。无螺栓/螺母扣件以III型和IV型卡扣式扣件为代表，它们仅用于乘客专用线路上。螺母紧固本文档来自技高网...

【技术保护点】
1.一种钢轨扣件状态的检测方法，其特征在于，包括：/n获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；/n从所述强度图像中识别出扣件区域；/n基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；/n从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；/n根据识别出的扣件区域和紧固件区域，确定扣件状态。/n

【技术特征摘要】
1.一种钢轨扣件状态的检测方法，其特征在于，包括：
获得目标钢轨区域的深度图像和强度图像，所述深度图像和强度图像的像素一一对应；
从所述强度图像中识别出扣件区域；
基于强度图像中识别出的扣件区域，对应识别出深度图像中的扣件区域；
从深度图像中的扣件区域中，识别出紧固件区域，所述紧固件为螺栓或螺母；
根据识别出的扣件区域和紧固件区域，确定扣件状态。


2.如权利要求1所述的钢轨扣件状态的检测方法，其特征在于，从所述强度图像中识别出扣件区域，包括：
确定模板库，所述模板库包括多个模板，所述模板包括扣件区域模板和背景区域模板；
从目标钢轨区域中提取出多个子窗口图像；
对每个子窗口图像，计算该子窗口图像与模板库中每个模板的相似度；
根据该子窗口图像与模板库中每个模板的相似度，计算该子窗口图像的相似度合值；
根据多个子窗口图像的相似度合值，从所述强度图像中识别出扣件区域。


3.如权利要求2所述的钢轨扣件状态的检测方法，其特征在于，从目标钢轨区域中提取出多个子窗口图像，包括：
确定子窗口图像的尺寸为扣件区域的尺寸；
基于子窗口图像的尺寸，利用滑动窗口方法在目标钢轨区域中以固定步长依次提取多个子窗口图像。


4.如权利要求2所述的钢轨扣件状态的检测方法，其特征在于，对每个子窗口图像，计算该子窗口图像与模板库中每个模板的相似度，包括：
对每个子窗口图像，确定该子窗口图像的方向梯度直方图；
计算该子窗口图像的方向梯度直方图与每个模板的方向梯度直方图的相似度。


5.如权利要求2所述的钢轨扣件状态的检测方法，其特征在于，采用如下公式，根据该子窗口图像与模板库中每个模板的相似度，计算该子窗口图像的相似度合值：



其中，Ssimilarity(xi)为子窗口图像xi的相似度合值；
tk为第k个模板，sk(xi,tk)为子窗口图像xi与模板tk的相似度；
δk为指示函数，在tk为扣件区域模板时，δk＝1；在tk为背景区域模板时，δk＝0。


6.如权利要求2所述的钢轨扣件状态的检测方法，其特征在于，根据多个子窗口图像的相似度合值，从所述强度图像中识别出扣件区域，包括：
确定相似度合值最大的子窗口图像为最优扣件区域；
根据所述最优扣件区域和扣件之间的安装间距，确定强度图像中的所有扣件区域。


7.如权利要求2所述的钢轨扣件状态的检测方法，其特征在于，所述模板库包括离线模板库和在线模板库，其中，
离线模板库包括多个人工核准的扣件区域模板和背景区域模板；
在线模板库在轨扣件状态的检测过程中动态更新扣件区域模板和背景区域模板。


8.如权利要求7所述的钢轨扣件状态的检测方法，其特征在于，在线模板库在轨扣件状态的检测过程中动态更新扣件区域模板和背景区域模板，包括：
在从目标钢轨区域的强度图像中识别出扣件区域后，将所述扣件区域添加至在线模板库中扣件区域模板队列尾部；
从目标钢轨区域的非扣件区域中随机抓取若干个背景区域添加至在线模板库中背景区域模板队列尾部；
若在线模板库中扣件区域模板队列的长度大于第一设定阈值，则删除扣件区域模板队列头部的扣件区域模板；
若在线模板库中背景区域模板队列的长度大于第二设定阈值，则删除背景区域模板队列头部的背景区域模板。


9.如权利要求1所述的钢轨扣件状态的检测方法，其特征在于，从深度图像中的扣件区域中，识别出紧固件区域，包括：
采用图像分割的方法，将深度图像的扣件区域分割为多个分割区域；
对扣件区域的多个分割区域进行检测，识别出紧固件区域。


10.如权利要求9所述的钢轨扣件状态的检测方法，其特征在于，对扣件区域的多个分割区域进行检测，识别出紧固件区域，包括：
确定扣件区域的每个分割区域的面积、中心点位置和对称性指标值；
根据每个分割区域的面积及预设面积阈值、中心点位置及预设中心点位置阈值、对称性指标值和预设对称性指标阈值，识别出紧固件区域。


11.如权利要求10所述的钢轨扣件状态的检测方法，其特征在于，确定扣件区域的每个分割区域的面积、中心点位置和对称性指...

【专利技术属性】
技术研发人员：王胜春，王昊，方玥，王乐，李海浪，韩强，戴鹏，杜馨瑜，
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