防松件断裂识别方法、系统、终端及存储介质技术方案

本申请实施例提供一种防松件断裂识别方法、系统、终端及存储介质，涉及质量检测技术。所述防松件断裂识别方法，包括：根据预先采集的灰度图、预先采集的深度图确定点云数据；根据所述点云数据进行分割，得到防松件的目标点云；在得到的目标点云中存在不连通的点时，确定所述所述防松件断裂。本申请实施例能够自动识别出断裂的防松件，相对于人工检测方式，检测效率更高，危险程度低，数据可复验，可靠性较高。高。高。

【技术实现步骤摘要】
防松件断裂识别方法、系统、终端及存储介质


[0001]本申请涉及质量检测技术，尤其是涉及一种防松件断裂识别方法、系统、终端及存储介质。

技术介绍

[0002]在高铁、地铁等轨道车辆中，通常通过螺栓等紧固件将多个部件连接。其中，为了防止紧固件松动引发安全事故，通常在两个紧固件之间穿过缠绕8字铁丝等防松件。轨道车辆运行过程中产生的振动等因素导致铁丝等防松件极易断裂。
[0003]相关技术中，通常是人工检查来判断防松件是否断裂。具体地，需要检查人员通过肉眼观察及手动拉动防松件来判断。然而，随着高铁车辆数量不断的增大，检测数量不断增大，检查压力大增，极易出现漏检。并且，在通过手动拉动防松件来判断时，很容易导致防松件变形，导致防松件的防松作用失效。

技术实现思路

[0004]为了解决上述技术缺陷之一，本申请实施例中提供了一种防松件断裂识别方法、系统、终端及存储介质。
[0005]本申请第一方面实施例提供一种防松件断裂识别方法，包括：
[0006]根据预先采集的灰度图、预先采集的深度图确定点云数据；
[0007]根据所述点云数据进行分割，得到防松件的目标点云；
[0008]在得到的目标点云中存在不连通的点时，确定所述所述防松件断裂。
[0009]本申请第二方面实施例提供一种防松件断裂识别系统，包括：
[0010]第一处理模块，用于根据预先采集的灰度图、预先采集的深度图确定点云数据；
[0011]第二处理模块，用于根据所述点云数据进行分割，得到防松件的目标点云；
[0012]第三处理模块，用于在得到的目标点云中存在不连通的点时，确定所述所述防松件断裂。
[0013]本申请第三方面实施例提供一种终端，包括：
[0014]存储器；
[0015]处理器；以及
[0016]计算机程序；
[0017]其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如前述任一项所述的方法。
[0018]本申请第四方面实施例提供一种，计算机可读存储介质，其上存储有计算机程序；所述计算机程序被处理器执行以实现如前述任一项所述的方法。
[0019]本申请实施例提供一种防松件断裂识别方法、系统、终端及存储介质，能够通过采集的防松件的图像信息获取防松件的，在点云数据中分割出防松件的区域并完成断裂判断，从而自动识别出断裂的防松件。本实施例相对于人工检测方式，检测效率更高，危险程
度低，数据可复验，可靠性较高。
附图说明
[0020]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0021]图1为一示例性实施例提供的方法的流程示意图；
[0022]图2为一示例性实施例提供的方法的流程示意图；
[0023]图3为一示例性实施例提供的装置的流程示意图；
[0024]图4a为一示例性实施例提供的未断裂铁丝的示意图；
[0025]图4b为一示例性实施例提供的铁丝断裂示意图；
[0026]图4c为另一示例性实施例提供的铁丝断裂示意图。
具体实施方式
[0027]为了使本申请实施例中的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0028]相关技术中，通常是人工检查来判断防松件是否断裂。具体地，需要检查人员通过肉眼观察及手动拉动防松件来判断。然而，随着高铁车辆数量不断的增大，检测数量不断增大，检查压力大增，极易出现漏检。并且，在通过手动拉动防松件来判断时，很容易导致防松件变形，导致防松件的防松作用失效。
[0029]为了克服上述问题中的至少一个，本申请实施例提供一种防松件断裂识别方法、系统、终端及存储介质，能够通过采集的防松件的图像信息获取防松件的，在点云数据中分割出防松件的区域并完成断裂判断，从而自动识别出断裂的防松件。本实施例相对于人工检测方式，检测效率更高，危险程度低，数据可复验，可靠性较高。
[0030]下面结合附图对本申请实施例提供的防松件断裂识别方法、系统、终端及存储介质的功能及实现过程进行举例说明。
[0031]如图1所示，本实施例提供的防松件断裂识别方法，包括：
[0032]S101、根据预先采集的灰度图、预先采集的深度图确定点云数据；
[0033]S102、根据点云数据进行分割，得到防松件的目标点云；
[0034]S103、在得到的目标点云中存在不连通的点时，确定防松件断裂。
[0035]在步骤S101中，需预先采集防松件的灰度图及深度图。在具体实现时，可通过对齐的灰度相机及深度相机分别采集灰度图及深度图。其中，通过将灰度相机与深度相机对齐，利于用一个坐标系来描述，利于减轻后续的数据处理量。其中，灰度相机深度相机可为多组，多组灰度相机及深度相机可相互独立工作，以利于能够同时采集多个防松件的图像信息。
[0036]在获取到相机采集的图像信息后，根据图像信息确定防松件的点云数据，以利于后续基于三维空间立体视觉进行处理。具体地，步骤S101包括：
[0037]根据预先采集的灰度图获取防松件的位置信息；防松件的位置信息包括防松件的
二维坐标、防松件的宽度及高度；
[0038]根据防松件的位置信息从深度图中提取对应区域的深度值；
[0039]根据防松件的位置信息及提取的深度值确定防松件的点云数据。
[0040]本实施例中，不妨以防松件为铁丝来进行举例说明。可以理解的是：在其它示例中，防松件也可以为由其它材料制成的防松件。其中，铁丝完好也即铁丝未断裂时的示意图如图4a所示；铁丝的断裂示意图如图4b及4c所示。
[0041]基于灰度图进行铁丝位置的检测定位。具体可以采用基于深度学习的卷积神经网络，例如faster r
‑
cnn等目标检测网络，从灰度图中检测铁丝的位置；输出一张图中多个铁丝的位置信息[x1,y1,w,h]，其中x1、y1为铁丝左上角坐标，w、h分别为铁丝的宽和高。
[0042]根据检测出的铁丝的位置信息，在深度图上提取出对应区域的深度值，并根据相机内参得到对应的三维点云数据，数据维度为N*3，N表示铁丝整体的点云数量，3是x、y、z坐标维度。
[0043]在步骤S102中，基于深度学习完成点云的分割，从中分割出防松件对应的目标点云，以过滤掉紧固件等干扰项的点云数据。具体地，在步骤S102之前，可通过深度学习预先训练出对应的检测模型。在步骤S102中，根据训练出来的检测模型及获取灰度图，将防松件与紧固件的点云分割，取防松件的点云作为目标点云进行后续处理，从而利于提高对防松件的断裂识别的准确性。其中，训练检测模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种防松件断裂识别方法，其特征在于，包括：根据预先采集的灰度图、预先采集的深度图确定点云数据；根据所述点云数据进行分割，得到防松件的目标点云；在得到的目标点云中存在不连通的点时，确定所述所述防松件断裂。2.根据权利要求1所述的方法，其特征在于，所述根据预先采集的灰度图、预先采集的深度图确定点云数据，包括：根据预先采集的灰度图获取防松件的位置信息；根据所述防松件的位置信息从深度图中提取对应区域的深度值；根据所述防松件的位置信息及提取的深度值确定对应的点云数据。3.根据权利要求2所述的方法，其特征在于，所述防松件的位置信息包括所述防松件的二维坐标、所述防松件的宽度及高度。4.根据权利要求1所述的方法，其特征在于，所述在得到的目标点云中存在不连通的点时，确定所述防松件断裂，包括：分别获取所述目标点云中各点与其余点的最近邻欧式距离；在所述最近邻欧式距离大于阈值时，确定所述最近邻欧式距离大于阈值的点处断裂，确定所述防松件断裂。5.根据权利要求1所述的方法，其特征在于，在根据预先采集的灰度图、预先采集的深度图确定点云数据之前，还包括：获取通过对齐的灰度相机及深度相机分别采集的灰度图及深度图。6.一种防松件断裂识别系统，其特征在于，包括：第一处理模块，用于根据预先采集的灰度图、预先采集的深度图确定点云数据；第二处理模块，用于根据所述点云数据进行分割，得到...

【专利技术属性】
技术研发人员：赵勇，林昌伟，朱立发，周星宇，龚月，冯子勇，周瑞，
申请(专利权)人：北京格灵深瞳信息技术有限公司，
类型：发明
国别省市：