[发明专利]钢轨廓形的追踪方法、系统及装置

说明书

本发明公开了一种钢轨廓形的追踪方法、系统及装置，该方法包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置。本发明实现了对高速动态行车环境下钢轨廓形实时检测的技术效果。

技术领域

本发明涉及计算机视觉检测领域，尤其涉及一种钢轨廓形的追踪方法、系统及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

钢轨的作用在于支撑并引导机车车辆的车轮，直接承受来自车轮的力并将之传至轨枕，同时为车轮的滚动提供阻力最小的接触面。列车在轨道上日夜运行完成运输任务的过程，也是轨道和机车车轮相互摩擦作用的过程，因此对钢轨的轮廓形状尤其是轨头的廓形进行分析是检测钢轨故障，评价钢轨运行状态的重要依据。

目前，现有技术中，主要采用轨检车来完成对钢轨廓形的检测。钢轨廓形检测分为静态检测和动态检测两大类。其中，静态检测是指在设备和钢轨相对静止的情况下对钢轨廓形进行检测，这种测量方法可靠性差、效率低、工作量大。动态检测是指在高速动态行车环境下对钢轨廓形进行实时检测。高速动态行车环境下采集的轨道数据，由于受到列车晃动、环境光照、列车过岔、异物遮挡等诸多因素的影响，使得采集的钢轨轮廓图像中存在大量几何形变和不确定的干扰，影响对钢轨轮廓图像中钢轨廓形定位的精度和稳定性。

由此，为了满足高速动态行车环境下钢轨廓形的实时检测，急需提供一种高速采集钢轨轮廓图像，并对采集的钢轨轮廓图像中的钢轨廓形进行快速识别、定位和追踪的方法。

发明内容

本发明实施例提供一种钢轨廓形的追踪方法，用以解决现有技术无法实现高速动态行车环境下钢轨廓形实时检测和追踪的问题，该方法包括：获取至少一帧钢轨轮廓图像，其中，每帧钢轨轮廓图像为结构光测量钢轨廓形的过程中，将采集的钢轨多个方向的图像按帧进行融合得到的图像；基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；或在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，目标条纹包括钢轨上待追踪目标区域的激光条纹。

本发明实施例还提供一种钢轨廓形的追踪系统，用以解决现有技术无法实现高速动态行车环境下钢轨廓形实时检测和追踪的问题，该系统包括：光学成像设备，包括：多个激光组件、多个相机和硬件预处理单元，其中，激光组件用于发射激光；多个相机基于同步信号分别采集钢轨多个方向的图像；硬件预处理单元用于将多个相机采集的到图像按帧进行融合，得到融合后的钢轨轮廓图像；图像处理设备，与光学成像设备通信，用于接收光学成像设备发送的每帧钢轨轮廓图像，并基于深度学习的廓形识别模型，识别每帧钢轨轮廓图像中激光条纹的光条类型；其中，在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型相同的情况下，图像处理设备基于时空上下文视觉跟踪算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；在当前帧与上一帧钢轨轮廓图像中激光条纹的光条类型不相同的情况下，图像处理设备基于模板匹配算法，追踪当前帧钢轨轮廓图像中目标条纹的位置；其中，目标条纹包括钢轨上待追踪目标区域的激光条纹。