【技术实现步骤摘要】
轨道不平顺和病害智能检测和定位方法
[0001]本专利技术属于图像处理、三维重建和深度网络等技术的融合
，具体涉及轨道不平顺和病害智能检测和定位方法。
技术介绍
[0002]在铁路运营中，安全问题一直摆在首要位置。因为高速列车在运行过程中速度较快，即使是微小的安全事故，一旦发生也将带来无法估量的严重后果。高速行车运行至关重要的保障是高平顺性的轨道，但在长期运行中随着高速列车对于轨道结构的冲击频率和幅度的不断增加不可避免会影响高速铁路轨道的平顺性，从而带来安全隐患。另外，自然灾害和使用过程导致的轨面破损、断裂也都是铁路轨道安全的极大隐患。所以，对轨道进行病害和不平顺的检测和定位是高铁工务部门需要解决的核心任务。
[0003]目前在铁路轨道检测方面，最常采用的大型轨道检测车进行的动态检测，只有月度检或者季度检，检测成本高、效率低且需要专业人士操作；采用人工或轨道几何状态检测仪进行的静态检测，成本低、操作简单，但容易受到环境因素的影响；三级控制网建设与维护成本高，建网周期长、工作量大、天窗时间短、测量效率低，低速铁路建网不经济，故亟需一种测量精度高，作业速度快的检测新方案。
[0004]目前市面上存在的铁轨不平顺和病害监测系统存在需要人工协作、智能化和集成化低、动态监测和感知效果差、人工成本高等问题。
技术实现思路
[0005]本专利技术的目的是提供轨道不平顺和病害智能检测和定位方法，能够实现对轨道病害的精确、快速的检测与分析。
[0006]本专利技术所采用的技术方案是，轨道不...
【技术保护点】
【技术特征摘要】
1.轨道不平顺和病害智能检测和定位方法，其特征在于：具体包括按照以下步骤实施：步骤1、在T型轨检车上搭建数据定位系统、数据采集系统，利用数据定位系统采集轨检车在WGS84坐标系下的位置信息{(P
t
,B
t
)}，其中，P
t
和B
t
分别为t时刻轨检车所在的大地经度和维度值，1≤t≤T，T为采集总时长，也为采集数据个数；步骤2、在移动的轨检车上利用三目摄像机从三个视点采集t时刻轨道图像序列步骤2、在移动的轨检车上利用三目摄像机从三个视点采集t时刻轨道图像序列分别为t时刻轨道的左视点、中视点和右视点图像，并分别储存得到轨道图像序列；步骤3、把轨道图像序列作为输入，利用三维点云生成方法生成t时刻的轨道场景3D点云同时得到到各视点图像的投影关系矩阵和也得到中视点图像与左、右视点图像之间的单应性矩阵和步骤4、以t时刻的中视点轨道图像作为输入，利用直线提取方法分别提取左轨道的两条边线和右轨道两条边线提取和的中线在上均匀采样K个点构成点集乘以中视点与左视点图像之间的单应性矩阵得到左视点图像上的投影点集把点集投影关系矩阵和作为输入，调用开源的opencv
‑
python库函数cv2.triangulatePoints()，输出得到对应的3D坐标集合提取和Lr
t2
的中线Lr
tm
，在Lr
tm
上均匀采样K个点构成点集利用同样的方法得到点集对应的3D坐标步骤5、记轨道标宽变量为W
s
，提取以集合中以各个点为中心以W
s
为边长的立方体中且属于场景3D点云内的所有点，构成点集其中是以为立方体中心点提取的点集，为立方体中心点提取的点集，为中的第n
k
个点，N
k
为内点的个数，内点的个数，分别为的X,Y,Z坐标，为左轨道的初始点云；以同样的方法得到右轨道的初始点云步骤6、轨道标高变量记为H
s
，对左轨道的初始点云进行高度滤波，用同样方法对右轨道点云进行高度滤波；滤波后得到更新的左、右轨道点云分别为和步骤7、对t时刻的左、右轨道点云和进
行数据分析，对轨道是否存在不平顺进行判定，如果存在不平顺，对不平顺类型C
t
、不平顺参数PS
t
和不平顺位置P
tns
进行记录；步骤8、计算不平顺位置P
tns
对应的GPS位置步骤9、利用采集的轨道图像数据制作轨道病害数据集，训练基于YOLOv7网络结构的轨道的剥离、鱼鳞伤、层裂、波磨目标检测器，得到轨道病害检测模型Model
ill
；步骤10、把t时刻的轨道图像和病害检测模型Model
ill
作为输入，在python环境下调用文件路径Project/yolov7下的检测程序train.py，输出病害在中的位置和类别将乘以单应性矩阵得到在左视点图像上的投影点以和以及3D到2D的投影矩阵和作为输入，调用开源的opencv
‑
python库函数cv2.triangulatePoints()，输出对应的3D坐标步骤11、利用与步骤8同样的方法计算轨检车t时刻得到的病害位置中的3D坐标对应的GPS位置步骤12、输出轨检车t时刻检测得到的不平顺类型C
t
、不平顺参数PS
t
、不平顺GPS位置输出轨检车t时刻检测得到的病害类型和GPS位置2.根据权利要求1所述轨道不平顺和病害智能检测和定位方法，其特征在于，步骤4的具体步骤如下：步骤4.1、把轨道图像作为输入，调用Python编程语言opencv
‑
python库函数cv2.imread()将转化为灰度图步骤4.2、把灰度图作为输入，调用Python编程语言opencv
‑
python库函数cv2.GaussianBlur()对进行高斯滤波，得到滤波后的图像步骤4.3、以滤波后的图像为输入，调用Python编程语言opencv
‑
python库函数cv2.Canny()对进行边缘检测处理，得到边缘图像步骤4.4、以边缘图像为输入，调用Python编程语言opencv
‑
python库函数cv2.HoughLinesP()对进行轨道线提取，得到左轨道的左、右两条边线以及右轨道的左、右两条边线4条边线用两个端点的表示形式分别为4条边线用两个端点的表示形式分别为其中，表示距离摄像机较近的端点，表示距离摄像机较远的端点；步骤4.5、计算左轨道边线的中线计算和两端点的中点
计算和两端点的中点以点和分别作为输入，调用直线提取算法getLineEquation()得到左轨道两条轨线的中线的一般式直线方程的参数(a,b,c)，即将中线表示为采用同样的方法得到右轨道两条轨线的中线Lr
tm
；步骤4.6、在上均匀采样K个点构成点集步骤4.7、将点集内的点分别乘以单应性矩阵得到其在左视点图像中的投影点集步骤4.8、把中视点图像上的点集左视点图像上的投影点集投影关系矩阵作为输入，调用开源的opencv
‑
python库函数cv2.triangulatePoints()，输出得到左轨道的3D坐标集合步骤4.9、在均匀采样K个点构成点集步骤4.7
‑
4.8的操作，输出点集对应的3D坐标集合3.根据权利要求1所述轨道不平顺和病害智能检测和定位方法，其特征在于，步骤6中所述对左轨道的初始点云进行高度滤波过程为：如果其Z坐标属于[H
s
‑△
h
,H
s
+
△
h
]，则保留，否则从集合中删除，其中
△
h
为轨道点云标高允许变化值...
【专利技术属性】
技术研发人员：赵凡，林日扬，刘茜，晁宇，张志伟，钟玉柱，王竞敏，
申请(专利权)人：陕西省引汉济渭工程建设有限公司，
类型：发明
国别省市：
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。