[发明专利]基于动车组运行图像的故障识别方法及装置有效

专利信息
申请号: 201410659040.7 申请日: 2014-11-18
公开(公告)号: CN104463235B 公开(公告)日: 2019-01-18
发明(设计)人: 方凯;康增建;史天运;王冰;刘硕研;张秀青;张正普;王珂 申请(专利权)人: 中国铁道科学研究院电子计算技术研究所;北京经纬信息技术公司
主分类号: G06K9/64 分类号: G06K9/64;G06K9/46
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 李相雨
地址: 100081*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 车组 运行 图像 故障 识别 方法 装置
【权利要求书】:

1.一种基于动车组运行图像的故障识别方法,其特征在于,所述方法包括以下步骤:

在列车历史图像库中查找与当前采集的列车运行图像具有相同列车型号的列车历史运行图像;

根据列车型号通过预设的列车模板库对实时采集的列车运行图像进行模板匹配,以实现列车与同车型历史图像的对齐配准,并将配准成功的图像保存到所述列车历史图像库;

将所述当前采集的列车运行图像与所述具有相同列车型号的列车历史运行图像进行比对和分析,查找图像信息不匹配的图像区域作为故障区域,并将所述故障区域的位置信息和特征信息进行保存;

根据所述故障区域的位置信息和特征信息进行列车故障识别;

所述根据所述故障区域的位置信息和特征信息进行列车故障识别具体包括:

根据所述故障区域的位置进行第一故障等级划分;

根据所述故障区域的特征信息进行第二故障等级划分;

根据故障等级划分结果进行列车故障识别;

所述根据所述故障区域的特征信息进行第二故障等级划分,具体包括:

提取故障区域的图像特征,包括:故障面积、旋转拉伸程度、质心改变,并对这些特征进行加权平均,如果平均值低于损坏阈值,则认定为二级报警,反之为一级报警;

所述根据列车型号通过预设的列车模板库对实时采集的列车运行图像进行模板匹配,以实现列车与同车型历史图像的对齐配准,具体包括:

获取当前运行列车的列车型号;

在所述预设的列车模板库中查找与所述实时采集的列车运行图像具有相同的列车型号的车头模板;

将所述实时采集的列车运行图像与所述车头模板进行车头匹配;

在所述预设的列车模板库中查找与所述实时采集的列车运行图像具有相同的列车型号的车厢连接处模板;

将所述实时采集的列车运行图像与所述车厢连接处模板进行匹配。

2.如权利要求1所述的方法,其特征在于,当车厢连接处未成功进行匹配时,所述方法还包括:

对所述实时采集的列车运行图像进行图像融合,将融合后的列车运行图像以车厢为基准进行对齐。

3.如权利要求1所述的方法,其特征在于,所述列车历史运行图像包括:同一列车型号的整节车厢图像和同一列车型号的车辆的同一部位图像。

4.如权利要求1所述的方法,其特征在于,所述将当前采集的列车运行图像与所述具有相同列车型号的列车历史运行图像进行比对和分析,查找图像信息不匹配的图像区域作为故障区域,具体包括:

获取当前采集的列车运行图像长度及其位置,并从列车历史运行图像中找到与其对应的历史运行图像;

提取所述当前采集的列车运行图像的第一尺度不变特征变换描述子SIFT以及与其对应的历史运行图像的第二尺度不变特征变换描述子SIFT;

将所述第一SIFT与第二SIFT进行特征点匹配;

将特征匹配失败的第一SIFT特征点所在的图像区域其作为模板,和与之对应的历史图像区域进行区域模板匹配,将区域模板匹配失败的图像区域作为故障区域。

5.如权利要求4所述的方法,其特征在于,若所述区域模板匹配成功,则所述特征匹配失败的第一SIFT特征点所在的图像区域不作为故障区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国铁道科学研究院电子计算技术研究所;北京经纬信息技术公司,未经中国铁道科学研究院电子计算技术研究所;北京经纬信息技术公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201410659040.7/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top