一种轨道可视化病害快速检测方法技术

本发明专利技术公开了一种轨道可视化病害快速检测方法，利用轨道可视化巡检平台，对拟检测线路，从起点到终点，进行轨道表面成像数据采集；对采集数据以扣件为单位进行切割、并保存为背景图像，对背景图像进行语义标注，保存为标记图像；采用数据比对方法将当前采集图像与对应的背景图像进行比对，找到轨道变化区域，根据语义标记图像，判定轨道病害类型。该方法能够实现轨道病害快速检测，满足城市轨道病害在线边检边报需求，提升轨道病害巡检效率。提升轨道病害巡检效率。提升轨道病害巡检效率。

【技术实现步骤摘要】
一种轨道可视化病害快速检测方法


[0001]本专利技术涉及轨道巡检装置
，具体涉及一种轨道可视化病害快速检测方法。

技术介绍

[0002]轨道交通对促进我国经济发展、提升人民生活品质中发挥了重大作用。轨道病害巡检对保障轨道交通安全具有举足轻重的作用。目前，基于图像的轨道可视化巡检检测技术已被应用于高铁轨道可视化病害检测中。
[0003]与具有较大里程、较大转弯半径、扣件类型较为单一的高铁相比，城市轨道显得路况更加复杂，主要体现为以下几个方面：
[0004]1)单一线路扣件、轨枕种类多：以国内某地铁公司10Km线路为例，包含了10余种扣件，6种轨枕；
[0005]2)道床形态复杂：相比高铁单一形态的道床，地铁的道床存在中间水沟、两侧水沟、横向水沟、有盖板水沟、无盖板水沟、线缆、减震筒、观察筒、安全门等多种部件，给道床异物、道床裂缝、轨枕掉块等病害检测；
[0006]3)道岔多：相比高铁，地铁站与站之间的里程短，道岔多。
[0007]综上，地铁轨道的复杂形态，给地铁轨道可视化巡检带来巨大挑战。
[0008]针对轨道可视化病害自动检测，学者们提出了大量的模式识别方法(刘奇锋，基于YOLOv3算法的轨道扣件自动定位与检测、韦若禹，基于改进YOLO_V3算法的轨道扣件缺陷检测)，这类方法对推动轨道可视化病害自动检测发挥了重要作用。但也存在以下不足：
[0009]1)深度学习方法依赖于大量训练样本，特别是进行缺陷检测的算法，需要大量的缺陷样本，才能达到满意的效果；然而，在实际应用中，我们很难获取大量病害样本；
[0010]2)深度学习方法，对计算平台算力要求很高，导致系统成本增加；
[0011]3)深度学习方法处理图像分辨率低、速度慢，难以实现多种病害、同时快速检测。
[0012]为此，现有轨道可视化巡检系统多采用先数据采集、再采用离线数据处理方法，进行轨道病害检测。离线数据处理存在滞后性，对于某些影响行车安全的病害，不能快速处理。
[0013]针对上述问题，本专利技术提供一种基于数据比对的快速检测方法，以较低的复杂度、较小的计算量，实现轨道病害在线检测，进而支撑轨道病害边检边报，再与载人式巡检小车结合，即可实现轨道病害边检边修，提升轨道维保工作效率。

技术实现思路

[0014]为实现轨道可视化病害快速检测，本专利技术提供一个轨道可视化病害快速检测方法，其特征在于，第一步：利用轨道可视化巡检平台，对拟检测的线路，从起点到终点进行轨道可视化数据采集；第二步：对采集数据进行处理，构建线路背景模型；第三步：采用数据比对方法检测轨道变化区域，根据变化区域差异程度、位置信息快速判定病害类型。
[0015]具体步骤如下：
[0016]第一步：利用轨道可视化巡检平台，对拟检测的线路，从起点到终点，进行轨道表面成像数据采集；
[0017]所述轨道可视化巡检平台包括无人巡检机器人、载人巡检小车、轨检车和挂载巡检系统的电客车；
[0018]所述轨道表面成像数据包括：二维纹理或三维深度或二维与三维融合成像数据；
[0019]第二步：对采集成像数据进行处理，构建线路背景模型
[0020]第2.1步：沿轨道纵向、以扣件为单位，对采集的成像数据进行切割；
[0021]第2.2步：从城市轨道的起点出发，找到图像中具有特定形状或图案的区域，作为起点标记区域F，保存为参考模板图像T、记录该起点标记区域里程信息；
[0022]第2.3步：以包含起点标记区域F的图像为第1幅背景图像B1，按顺序、以扣件为单位对切割后图像进行编号，并存储；将存储的图像序列命名为当前线路的参考背景图像序列；
[0023]第2.4步：对参考背景图像序列进行标注，标注内容包括：钢轨、道床、水沟、扣件、鱼尾板夹板、鱼尾板螺栓、道岔扣件；标注形式为矩形框，标注结果存储为与参考背景图像相同大小的标记图像，其中，包含起点标记区域F的标记图像，记为第1幅标记图像L1；
[0024]第三步：采用数据比对方法检测轨道变化区域，根据变化区域差异程度、位置信息快速判定病害类型
[0025]第3.1步：采用轨道可视化巡检平台，从检测线路的起始点出发，对轨道进行成像采集，并经过步骤2.2设定的起点标记区域F；
[0026]第3.2步：在采集的图像中，采用图像匹配方法，找到起点标记区域F，根据标记区域F在背景图像中位置，切割出与第1幅背景图像对齐的待检测图像C1；
[0027]第3.3步：采用数据比对方法，找出待检测图像C1与第一幅背景图像B1的变化区域；
[0028]第3.4步：取出第1幅标记图像L1,根据变化区域在标记图像中位置，判定变化区域属于轨道哪个部件；根据部件信息、变化差异程度，判定该部件区域的病害类型；
[0029]第3.5步：取下一幅背景图像Bi、标注图像Li,使Bi与采集图像匹配、对齐，并切割出待检测图像Ci；
[0030]第3.6步：采用数据比对方法，找出待检测图像Ci与背景图像Bi的变化区域；
[0031]第3.7步：根据变化区域在标记图像Li中位置，判定变化区域属于轨道哪个部件；根据部件信息、变化差异程度，判定该部件区域的病害类型；
[0032]第3.7步：循环执行第3.4
‑
3.7步，直到完成所有图像的检测。
[0033]进一步地，在第2.1步构建背景模型时，采用基于深度学习的扣件检测模型进行扣件检测，并以相邻扣件的中线进行切割，使扣件位于切割图像的中间位置。
[0034]进一步地，对背景图像进行标注时，采用实例分割方法对轨道进行自动标注，再通过人工核对，确保标注信息准确无误。
[0035]所述起点标记区域F包括安全门、信号设备、道岔或其他人为设定部件。
[0036]所述人为设定部件包括视觉号牌或RFID标签；安装位置包括：线路起点、终点，或在站点的端头或按n公里间隔安装更多的人为设定部件，用于图像误匹配修正，n的取值范
围为1
‑
2。
[0037]在背景图像与采集图像进行匹配时，需将相邻帧采集图像拼接，并在图像切割后，将剩余部分与下一帧图像进行拼接后，再进行下一帧图像匹配与切割。
[0038]采用二维图像进行轨道标注，基于三维图像进行背景比对，找到轨道变化区域。
[0039]在第3.5步中，使背景图像Bi与采集图像匹配、对齐，进行待检测图像Ci的切割方法是：1)取标注图像Li中1个扣件标注区域；2)以背景图像Bi中对应区域内像素作为模板图像；3)采用模板匹配或相关性匹配或边缘形状匹配方法对扣件区域进行对齐；4)根据对齐位置，从当前图像中切割出与背景图像Bi相同高度的待检测图像Ci；当无法匹配时，直接根据背景图像Bi高度Hi，切割0～Hi
‑
1行像素作为待检测图像Ci。
[0040]进一步地，在对齐操作时，搜索区域为扣件标注区域的邻域，邻域的尺寸为(z0+r)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轨道可视化病害快速检测方法，其特征在于，第一步：利用轨道可视化巡检平台，对拟检测的线路，从起点到终点进行轨道可视化数据采集；第二步：对采集数据进行处理，构建线路背景模型；第三步：采用数据比对方法检测轨道变化区域，根据变化区域差异程度、位置信息快速判定病害类型。2.根据权利要求1所述的一种轨道可视化病害快速检测方法，其特征在于，具体步骤如下：第一步：利用轨道可视化巡检平台，对拟检测的线路，从起点到终点进行轨道可视化数据采集；所述轨道可视化巡检平台包括无人巡检机器人、载人巡检小车、轨检车和挂载巡检系统的电客车；所述轨道可视化数据包括：二维纹理或三维深度或二维与三维融合成像数据；在采集的轨道可视化数据中，沿钢轨纵向，在单幅图像内不少于1排扣件；第二步：对采集数据进行处理，构建线路背景模型第2.1步：沿轨道纵向、以扣件为单位，对采集的成像数据进行切割；第2.2步：从轨道起点出发，找到图像中具有特定形状或图案的区域，作为起点标记区域F，保存为参考模板图像T、记录该起点标记区域里程信息；第2.3步：以包含起点标记区域F的图像为第1幅背景图像B1，按顺序、以扣件为单位对切割后图像进行编号，并存储；将存储的图像序列命名为当前线路的参考背景图像序列；第2.4步：对参考背景图像序列进行标注，标注内容包括：钢轨、道床、水沟、扣件、鱼尾板夹板、鱼尾板螺栓、道岔扣件；标注形式为矩形框，标注结果存储为与参考背景图像相同大小的标记图像，其中，包含起点标记区域F的标记图像，记为第1幅标记图像L1；第三步：采用数据比对方法检测轨道变化区域，根据变化区域差异程度、位置信息快速判定病害类型第3.1步：采用轨道可视化巡检平台，从检测线路的起点出发，对轨道进行成像采集，并经过步骤2.2设定的起点标记区域F；第3.2步：在采集的图像中，检测起点标记区域F，根据起点标记区域F在背景图像中位置，切割出与第1幅背景图像B1对齐的待检测图像C1；第3.3步：采用数据比对方法，找出待检测图像C1与第一幅背景图像B1的变化区域；第3.4步：取出第1幅标记图像L1,根据变化区域在标记图像中位置，判定变化区域属于轨道哪个部件；根据部件信息、变化差异程度，判定该部件区域的病害类型；第3.5步：取下一幅背景图像Bi、标注图像Li，使背景图像Bi与采集图像匹配、对齐，并切割出待检测图像Ci；第3.6步：采用数据比对方法，找出待检测图像Ci与背景图像Bi的变化区域；第3.7步：根据变化区域在标记图像Li中位置，判定变化区域属于轨道哪个部件；根据部件信息、变化差异程度，判定该部件区域的病害类型；第3.8步：循环执行第3.5
‑
3.7步，直到完成所有图像的检测。3.根据权利要求2所述的一种轨道可视化病害快速检测方法，其特征在于，所述第2.1步中，以扣件为单位进行切割的方法是：采用基于深度学习的扣件检测模型进行扣件检测，并以相邻扣件的中线进行切割，使扣件位于切割图像的中间位置；具体操作如下：
第2.1.1步：将第1帧与第2帧图像拼接后，进行扣件检测，根据扣件检测结果，进行切割；第2.1.2步：在图像切割后，将剩余部分与下一帧图像进行拼接；第2.1.3步：在拼接图像上进行扣件检测，根据扣件检测结果进行切割；循环执行第2.1.2、第2.1.3步，直到完成所有图像切割；所述扣件检测模型采用FasterRCNN或YOLOV3或YOLOV4或YOLOV5或YOLOX检测方法。4.根据权利要求2所...

【专利技术属性】
技术研发人员：毛宏军，兰伟，林青，胡承凯，李羊，梁鑫，
申请(专利权)人：成都精视华耀科技有限公司，
类型：发明
国别省市：