一种域自适应双目视差计算的动车组故障检测方法及系统技术方案

本发明专利技术属于城市轨道交通设备技检测术领域，并具体公开了一种域自适应双目视差计算的动车组故障检测方法及系统。所述方法包括：采用双目相机采集动车组的左、右立体图像，构建域自适应双目视差网络，对立体图进行归一化处理，然后计算输出密集视差图，采用Conf

【技术实现步骤摘要】
一种域自适应双目视差计算的动车组故障检测方法及系统


[0001]本专利技术属于轨道交通设备检测
，更具体地，涉及一种域自适应双目视差计算的动车组故障检测方法及系统。

技术介绍

[0002]我国铁路事业迅速发展，普铁、动车、地铁的大规模的应用带动了我国区域、地区的经济发展，给人们的生活带来了便利，但同时也为铁路安全检测的带来了挑战。保证安全是始终铁路运输的第一要务。铁路工作者的付出对铁路的发展和行车安全做出了重大贡献，但人眼并不能实时保证高效无差别的对铁路的关键部件进行检测。人工检查由于容易受到主观因素的影响而造成漏检、误检，容易给铁路运行安全隐患。自动化设备虽然减轻了检修人员的工作压力，但是还有很多检修项点受限于技术限制没能有效释放人力。当前，机车车底关键部件的安全检修还有大量检修项点依赖人力完成。
[0003]双目立体视觉技术一直是计算机视觉的一个研究热点，被广泛应用于自动驾驶、三维重建、工业检测等领域。随着卷积神经网络被广泛应用于立体匹配，视差计算的精度有了显著的提升，但是网络的跨域能力却明显不如传统算法。传统的立体匹配算法经本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种域自适应双目视差计算的动车组故障检测方法，其特征在于，包括以下步骤：S1采用双目相机采集动车组的左、右立体图像，将一组左、右立体图像作为一个样本，构建数据集，并将上述数据集按照指定比例分为训练数据集和测试数据集；S2以PSMnet网络为基础框架构建域自适应双目视差网络，采用跨域特征提取方法分别提取左、右立体图像的域特征，在域特征提取过程中，对立体图像的不同尺度特征进行指定比例的融合，以获取特征x，对特征x进行像素维度归一化和特征通道维度归一化，然后将归一化处理后的特征进行3D代价体积计算以实现代价融合，并采用损失函数计算输出密集视差图，采用Conf
‑
CNN网络模型对密集视差图进行置信度过滤，选出训练数据集中用于训练的正样本；S3采用正样本对域自适应双目视差网络进行训练，以获取网络的预训练权重，再通过调整学习率，继续采用正样本对域自适应双目视差网络进行训练，直至满足训练结束条件，获取最终的域自适应双目视差网络；S4将双目相机实施采集的动车组的左、右立体图像输入至步骤S3获取的域自适应双目视差网络中，以输出动车组的预测图，并根据该预测图对动车组进行故障检测。2.根据权利要求1所述的一种域自适应双目视差计算的动车组故障检测方法，其特征在于，步骤S2中，跨域特征提取方法具体如下：获取左、右立体图像的每个尺度输出特征，每个尺度输出特征都需要经过包括有标准块层和转化块层的池化层，将尺度输出特征经池化层转化为指定尺寸，然后将低层特征和深层特征按照指定比例连接在一起，并应用卷积层和FN层输出，得到特征x。3.根据权利要求1所述的一种域自适应双目视差计算的动车组故障检测方法，其特征在于，步骤S2中，对特征x进行像素维度归一化具体如下：征x进行像素维度归一化具体如下：上式中，为图像h
×
w上像素维度的均值，H为图像的高度，W为图像的宽度，h为特征x的高度，w为特征x的宽度，为高度为h宽度为w的特征，为图像h
×
w上像素维度的标准差，为常数。4.根据权利要求1所述的一种域自适应双目视差计算的动车组故障检测方法，其特征在于，步骤S2中，对特征x进行特征通道维度归一化具体如下：
上式中，c是通道维度的位置，C是通道维度的长度，是通道c上像素维度的均值，是通道c上像素维度的标准差，x为通道c上的特征，为常数。5.根据权利要求1所述的一种域自适应双目视差计算的动车组故障检测方法，其特征在于，步骤S2中：输出大小为C
×
H
×
W的左特征图和右特征图，通过在每个视差层上对左、右特征图进行拼接，然后平移进入下一个视差层级，最终获取大小为2C
×
H
×
W
×
（ D+1）的代价体积，将上述2C
×...

【专利技术属性】
技术研发人员：李经伟，史铁林，刘高坤，白丹辉，何武山，詹小斌，段暕，熊盛，杨震，
申请(专利权)人：中铁第四勘察设计院集团有限公司，
类型：发明
国别省市：