一种用于高铁箱梁裂缝自动化检测的相机阵列式成像方法技术

本发明专利技术公开了一种用于高铁箱梁裂缝自动化检测的相机阵列式成像方法，包括如下步骤：S1、使轨检小车行驶至需要缺陷检测的高铁箱梁内；S2、随着轨检小车的移动，设于轨检小车上的相机光源模块中的摄像机对高铁箱梁的内壁进行拍摄，并将拍摄的图像传递给计算机；S3、计算机采用MATLAB软件对接受的图像分别通过卷积神经网络进行缺陷的检测与分类和通过三维重建网络进行三维重建，最后将卷积神经网络分辨出的缺陷融合入三维重建网络重建的三维图像中，实现高铁箱梁内壁的缺陷检测。本发明专利技术不仅可实现对高铁箱梁裂缝的自动化检测，检测速度快、效率高，而且可对高铁箱梁进行远距离、全方位的缺陷识别与检测。位的缺陷识别与检测。位的缺陷识别与检测。

【技术实现步骤摘要】
一种用于高铁箱梁裂缝自动化检测的相机阵列式成像方法


[0001]本专利技术是涉及一种用于高铁箱梁裂缝自动化检测的相机阵列式成像方法，属于轨道缺陷检测


技术介绍

[0002]箱梁是高架桥梁的关键构件，直接承受着高铁轨道传递的列车荷载。在高铁的高速发展下，箱梁的完好成为维护与检测的重中之中。由于箱梁一直暴露在复杂的大气环境中，受多种因素(列车荷载、环境条件等)长期作用的影响，致使产生各种缺陷。在往复荷载(如列车频繁运行)、环境变化(如温湿度交替变化)及突发灾害(如地震)等复杂因素的交变作用下，高铁箱梁会萌生微小疲劳裂缝。裂缝的发展和累积将导致箱梁的服役性能不断劣化，极端条件下甚至会发生疲劳断裂，无法保证高铁轨道的稳定性和平顺性，而稳定性和平顺性恰恰是保证高铁快速和安全运营的重要前提条件，将直接关系到列车的正常运营和乘客的人身安全，因此，需要对高铁箱梁进行缺陷检测。
[0003]目前对箱梁缺陷的检测主要依赖于高铁桥隧工手动探伤，一旦缺陷发现不及时，将产生灾难性后果。实现高铁箱梁缺陷的快速自动化检测是高铁线路基础结构维护养修领域的关键本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于高铁箱梁裂缝自动化检测的相机阵列式成像方法，其特征在于，包括如下步骤：S1、使轨检小车行驶至需要缺陷检测的高铁箱梁内，所述轨检小车的顶端设有相机支架，所述相机支架设有圆形的相机安装部，所述相机安装部上沿圆周方向左右对称设有多个相机光源模块，所述相机光源模块包括摄像机和环设于摄像机外部的圆形光圈；S2、随着轨检小车的移动，设于轨检小车上的相机光源模块中的摄像机对高铁箱梁的内壁进行拍摄，并将拍摄的图像传递给计算机；S3、计算机采用MATLAB软件对接受的图像分别通过卷积神经网络进行缺陷的检测与分类和通过三维重建网络进行三维重建，最后将卷积神经网络分辨出的缺陷融合入三维重建网络重建的三维图像中，实现高铁箱梁内壁的缺陷检测。2.根据权利要求1所述的用于高铁箱梁裂缝自动化检测的相机阵列式成像方法，其特征在于，步骤S3中，具体包括如下操作：S31、采用SSD目标检测算法对步骤S2拍摄的高铁箱梁内壁的图像进行检测和分类：S311、在MATLAB软件中采用PBS算法对图像进行增强处理：由I＝S
×
R中输入图像I和光照图像S的关系，通过色彩空间一致性、纹理一致性和曝光度一致性3个约束进行图像增强，并通过优化方程优化光照图像估计，优化方程为：公式(1)中，E
d
是使S尽可能接近于S，p代表像素，c∈{r，g，b}；E
c
，E
t
，E
e
是为了进行色彩、纹理和曝光度的感知性双向相似性约束，λ是权重值；S312、将处理后的图像进行平移、放大、45度自由旋转后对图像进行标记，以配置目标检测训练集；S313、通过SSD目标检测算法对图像进行检测和分类，实现高铁箱梁内壁的缺陷检测,标记出缺陷所在图像位置；S32、采用图像拼接3d重建算法对步骤S2拍摄的高铁箱梁内壁的图像进行三维重建：S321、在MATLAB软件中采用加权平均法对图像进行灰度处理：Image(i，j)＝a(i，j)+bG(i，j)+cB(i，j)
ꢀꢀꢀꢀꢀꢀ
(2)；公式(2)中，a、b、c是红绿蓝三个颜色分量的权值；S322、采用基于Shearlet变换的方法去除图像的噪声：在二阶线性可积空间内对任意f∈L2(R2)，若函数f满足公式则ψ
j，l，t|a，h
称为连续Shearlet，连续Shearlet变换的定义可以表示为：公式(4)中，a∈R
+
，h∈R，t∈R2；a，h，t分别为尺度参数、剪切参数、平移参数；则将图像信号进行Shearlet变换去噪，可表示为：
f(t)＝s(t)+n(t)
ꢀꢀꢀꢀꢀ
(5)；SH
ψ
(f)＝SH
ψ
(s)+SH
ψ
(n)
ꢀꢀꢀꢀꢀꢀ
(6)；公式(5)中，s(t)、n(t)分别为信号和噪声；公式(6)中，SH
ψ
(s)为信号进行Shearlet变换；SH
ψ
(n)为噪声进行Shearlet变换；S323、三维重建：对箱梁图片使用基于Shearlet变换去噪后进行特征提取与图像融合：S3231、将图像划分为ROI，在ROI内采用SIFT算法进行特征提取和匹配：尺度空间的构建定义如下：L(x，y，σ)＝G(x，y，σ)*I(χ，y)
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)；公式(7)中，G(x，y，σ)为高斯核函数：(x,y)为像素点在图像中的坐标，I(x,y)表示该点的像素值，σ为尺度空间因子；根据尺度函数来建立高斯金字塔，高斯金字塔的第一阶的第一层是原始图像，高斯金字塔有o阶、s层，在同一阶上的两个相邻层之间的尺度比例为k，在高斯金字塔的基础上，利用同一阶上的两个相邻的两层的空间函数之差得到DOG高斯差分算子，使用DOG高斯差分算子来对尺度空间中的点进行极大值检测，即：D(x，y；σ)＝(G(x，y，kσ)
‑
G(x，y，σ))*I(x，y)＝L(x，y，kσ)
‑
L(x，y；σ)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)；公式(9)中L(x，y，kσ)与L(x，y；σ)表示两个相邻的两层的空间函数；G(x，y，kσ)与G(x，y，σ)表示相邻两层的高斯函数；高斯差分确定的极值点是离散空间的点，利用泰勒展开式计算出连续极值点：得到极值点然后，生成主方向：为了实现特征点具有旋转不变性，计算特征点的角度，为了实现特征点的旋转不变性，因此需要计算特征点的角度，在计算特征点的方向时是根据特征点所在的高斯尺度图像中的局部特征计算出的，该尺度空间因子σ是已知的，并且该尺度是相对于该图像所在的组的基准图像的，所谓的局部特征就是特征点的邻域区域...

【专利技术属性】
技术研发人员：朱文发，张文静，柴晓冬，李立明，范国鹏，张辉，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：