【技术实现步骤摘要】
基于方差区域分割的货车制动缸倾斜检测方法
本专利技术属于制动缸倾斜检测
,具体涉及一种基于方差区域分割的货车制动缸倾斜检测方法。
技术介绍
制动缸是列车制动装置的一部分。它的作用是产生制动压力,控制各个闸瓦,使之压紧车轮而产生制动作用。但是当制动缸发生倾斜时,就会对列车的行车安全产生威胁。目前的制动缸倾斜检测方法,主要是采用人工观察含有制动缸的2D图像的方式进行制动缸是否存在倾斜的检查。由于检车人员在工作过程中极易出现疲劳、遗漏等情况,因此容易导致漏检、错检情况的出现,进而影响到列车行车安全。
技术实现思路
本专利技术的目的是为解决现有制动缸倾斜检测方法容易出现漏检、错检的问题,而提出了一种基于方差区域分割的货车制动缸倾斜检测方法。本专利技术为解决上述技术问题所采取的技术方案是:一种基于方差区域分割的货车制动缸倾斜检测方法,所述方法具体包括以下步骤:步骤一、获取包含制动缸的图像;步骤二、采用高斯模糊方法对步骤一获取的图像进行处理,获得处理后图像;步骤三、设置局部区域阈值为M×N,将步骤二获得的处理后图像分割为若干个大小为M×N的局部区域图像;步骤四、分别对步骤三获得的每个局部区域图像进行分割,将每个局部区域图像中包含的像素点分成背景和目标两部分,并分别获取每个局部区域图像的最佳分割阈值T,最佳分割阈值T使得对应局部区域图像的背景和目标之间的类间方差最大;步骤五、采用T+ΔT作为新的分割阈值,使对应的局部区域图像进行重新分割,获得新的分割 ...
【技术保护点】
1.基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述方法具体包括以下步骤:/n步骤一、获取包含制动缸的图像;/n步骤二、采用高斯模糊方法对步骤一获取的图像进行处理,获得处理后图像;/n步骤三、设置局部区域阈值为M×N,将步骤二获得的处理后图像分割为若干个大小为M×N的局部区域图像;/n步骤四、分别对步骤三获得的每个局部区域图像进行分割,将每个局部区域图像中包含的像素点分成背景和目标两部分,并分别获取每个局部区域图像的最佳分割阈值T,最佳分割阈值T使得对应局部区域图像的背景和目标之间的类间方差最大;/n步骤五、采用T+ΔT作为新的分割阈值,使对应的局部区域图像进行重新分割,获得新的分割图像IMG1,采用T-ΔT作为新的分割阈值,使对应的局部区域图像进行重新分割,获得新的分割图像IMG2;/n步骤六、提取出图像IMG1与图像IMG2的重叠区域和非重叠区域,再对非重叠区域内的像素点进行二次提取,若非重叠区域内的像素点满足二次提取条件,则将非重叠区域内的像素点作为目标,非重叠区域内的像素点和重叠区域内的像素点共同组成像素区域Q,否则,像素区域Q仅包括重叠区域内的像素点;/n步骤七、将 ...
【技术特征摘要】
1.基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述方法具体包括以下步骤:
步骤一、获取包含制动缸的图像;
步骤二、采用高斯模糊方法对步骤一获取的图像进行处理,获得处理后图像;
步骤三、设置局部区域阈值为M×N,将步骤二获得的处理后图像分割为若干个大小为M×N的局部区域图像;
步骤四、分别对步骤三获得的每个局部区域图像进行分割,将每个局部区域图像中包含的像素点分成背景和目标两部分,并分别获取每个局部区域图像的最佳分割阈值T,最佳分割阈值T使得对应局部区域图像的背景和目标之间的类间方差最大;
步骤五、采用T+ΔT作为新的分割阈值,使对应的局部区域图像进行重新分割,获得新的分割图像IMG1,采用T-ΔT作为新的分割阈值,使对应的局部区域图像进行重新分割,获得新的分割图像IMG2;
步骤六、提取出图像IMG1与图像IMG2的重叠区域和非重叠区域,再对非重叠区域内的像素点进行二次提取,若非重叠区域内的像素点满足二次提取条件,则将非重叠区域内的像素点作为目标,非重叠区域内的像素点和重叠区域内的像素点共同组成像素区域Q,否则,像素区域Q仅包括重叠区域内的像素点;
步骤七、将像素区域Q的图像与在最佳分割阈值T下的分割结果图像进行融合,各局部区域图像对应的融合结果共同组成最终的分割图像;
步骤八、根据最终的分割图像计算制动缸的外接最小矩形,再计算制动缸的倾斜角度。
2.根据权利要求1所述的基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述步骤一中获取的包含制动缸的图像是根据先验知识从货车全车图像中截取出来的,并需要将截取出来的图像调整成固定尺寸。
3.根据权利要求2所述的基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述货车全车图像是采用固定设备搭载照相机或摄像机对运行的货车进行拍摄获得的。
4.根据权利要求2所述的基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述将截取出来的图像调整成固定尺寸,尺寸具体为640*1024像素大小。
5.根据权利要求1所述的基于方差区域分割的货车制动缸倾斜检测方法,其特征在于,所述步骤二中,采用高斯模糊方法对步骤一获取的图像进行处理,获得处理后图像,高斯模糊公式为:
其中,G(x,y)代表经过高斯模糊处理后像素点(x,y)的灰度值,(x,y)代表图像中的像素点坐标,e为自然对数的底数,σ为在步骤一获取的图像中各像素点灰度值的标准差。
6.根据权利要求1所述的基...
【专利技术属性】
技术研发人员:何鑫,
申请(专利权)人:哈尔滨市科佳通用机电股份有限公司,
类型:发明
国别省市:黑龙江;23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。