[发明专利]基于主动形状模型的受电弓自动检测方法

权利要求书

1.一种基于主动形状模型的受电弓自动检测方法，其特征在于，包括：

步骤10、获取受电弓图像学习样本集；

步骤20、构建受电弓主动形状模型；

步骤30、对新获取、待检测的图像进行受电弓初始定位；

步骤40、结合初始定位和主动形状模型的受电弓精确匹配；

步骤50、受电弓定量检测和分析。

2.如权利要求1所述的基于主动形状模型的受电弓自动检测方法，其特征在于，所述步骤10中获取受电弓图像学习样本集，具体通过安装于电力牵引车接触网上方的受电弓在线拍照系统采集若干受电弓图像，形成受电弓图像学习样本集，学习样本集至少包含50张受电弓图像，且各受电弓图像的分辨率保持一致。

3.如权利要求1所述的基于主动形状模型的受电弓自动检测方法，其特征在于，所述步骤20中构建受电弓主动形状模型，具体步骤是：

采用形态学滤波运算方法对步骤10采集的受电弓图像逐一进行图像降噪预处理；

在每张图像中选取受电弓轮廓的角点、边界点作为特征点，通过人工手动的方式，对受电弓特征点进行标记，且每张受电弓图像中的特征标记点必须相互对应、数量保持一致；

将标记完成的受电弓特征点的图像坐标保存于文本文件中，不同受电弓图像的特征点分开保存，且受电弓图像文件名称与对应的特征点文件名称保持一致。图像坐标指以图像左上角为坐标原点，水平向右方向为X轴，垂直向下方向为Y轴的坐标体系的像素坐标；

基于受电弓图像和相应的特征点，根据主动形状模型(Active Shape Model，ASM)算法原理，建立受电弓主动形状模型，该模型以文件的形式存在。

4.如权利要求1所述的基于主动形状模型的受电弓自动检测方法，其特征在于，所述步骤30待检测受电弓图像受电弓初始定位包括一系列图像处理方法，具体步骤是：

利用形态学滤波运算方法对待检测受电弓图像进行图像降噪预处理；

采用canny算子对待检测受电弓图像进行处理，提取受电弓边缘信息，边缘信息结果形式为与待检测受电弓图像尺寸一致的二值图像，其中检测到的受电弓边缘像素用255表示，其他像素则用0表示；

对受电弓边缘像素提取结果进行矢量化：存储各个边缘所有像素的位置，对于边缘存在分叉的情况，则分别进行存储；

采用曲线数据压缩算法(Douglas-Peucker算法)对上述边缘进行简化，简化后的canny边缘由若干不同长度、方向的折线段组成；

去除较短的边缘线段，并根据受电弓边缘趋于水平方向的特性，去除边缘线段方向与受电弓方向差异较大的边缘线段；

基于剔除了较短边缘和方向不一致边缘的像素，采用霍夫变换(Hough)检测直线段；

最后基于直线段检测结果，采用模板匹配的思路，寻找趋于水平方向的直线段高密集区域对受电弓进行初始定位。

5.如权利要求1所述的基于主动形状模型的受电弓自动检测方法，其特征在于，所述步骤40中结合初始定位和主动形状模型的受电弓精确匹配，具体采用单分辨率搜索算法精确匹配受电弓形状。

6.如权利要求1所述的基于主动形状模型的受电弓自动检测方法，其特征在于，所述步骤50中受电弓定量检测和分析，指在精确匹配结果基础上对受电弓碳滑板厚度进行定量检测和分析。具体步骤是：

根据受电弓精确匹配结果，获取受电弓厚度；

由于受电弓支架厚度与受电弓类型相关，且对于特定的受电弓类型，受电弓支架厚度是固定已知的，可作为先验知识。因此，碳滑板厚度可以通过受电弓厚度与受电弓支架厚度相减得到。