[发明专利]一种无需预设模板的列车组故障识别方法及装置有效
申请号: | 201811320495.0 | 申请日: | 2018-11-07 |
公开(公告)号: | CN109740410B | 公开(公告)日: | 2020-11-13 |
发明(设计)人: | 刘硕研;薛昊;李超;杨凯;方凯;王明哲;李依诺;丁旭 | 申请(专利权)人: | 中国铁路总公司;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司电子计算技术研究所;北京经纬信息技术公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 北京路浩知识产权代理有限公司 11002 | 代理人: | 王莹;吴欢燕 |
地址: | 100844*** | 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: | 一种 无需 预设 模板 车组 故障 识别 方法 装置 | ||
本发明实施例提供一种无需预设模板的列车组故障识别方法及装置,该方法包括:根据采集的列车组图像,识别列车组的车头和车尾,去除采集的列车组图像中车头前的图像和车尾后的图像,得到完整列车组图像;根据完整列车组图像,识别列车组的车厢连接处;根据车厢连接处,对完整列车组图像进行拼接,得到列车组的每一节车厢的完整图像;将目标车厢图像与参考车厢图像进行特征匹配,识别目标车厢故障位置,其中,目标车厢为待检测的车厢,参考车厢为列车组中除目标车厢外的其他车厢。本发明实施例提供的无需预设模板的列车组故障识别方法及装置,利用当前采集的列车组图像,在无需历史车辆模板库的前提下完成故障的实时分析与识别。
技术领域
本发明涉及故障识别领域,尤其涉及一种无需预设模板的列车组故障识别方法及装置。
背景技术
为了满足人们日益增长的运输需求,铁路列车的运行速度逐步提高,密度也在不断加大,铁路运输生产对列车运行的可靠性要求越来越高。动车组列车是完成铁路高速运输任务最重要的移动设备,动车组开行密度大、运营里程长、运用环境复杂、运行速度快、运行图编排密集,在高速运行状态下,任何细小、细微的故障都有可能引发重大事故,影响高速铁路的运行安全,造成运输中断、线路阻塞,给国民经济造成较大损失,因此加强动车组故障识别准确率至关重要。
然而目前的动车组故障自动识别方法,大多基于大量的预设模板库,根据列车车厢号,检索其相应的历史模板,进行特征匹配,从而判断是否存在潜在故障。
现有的动车组故障识别方法存在如下问题:
首先,预设模板库由于拍摄的时间不同,存在光照、行车速度等外在干扰因素,从而造成了虽是同一辆列车,但是采集的图像有较大的区别,从而造成了很高的误报率。
其次,列车在修理时会出现一些零部件的位置变化,从而在很大程度上需要新增模板库,否则将有很大的误报出现。
发明内容
本发明实施例为克服上述技术缺陷,提供一种无需预设模板的列车组故障识别方法及装置。
第一方面,本发明实施例提供一种无需预设模板的列车组故障识别方法,包括:
根据采集的列车组图像,识别列车组的车头和车尾,去除所述采集的列车组图像中车头前的图像和车尾后的图像,得到完整列车组图像;
根据所述完整列车组图像,识别列车组的车厢连接处;
根据所述车厢连接处,对所述完整列车组图像进行拼接,得到列车组的每一节车厢的完整图像;
将目标车厢图像与参考车厢图像进行特征匹配,识别目标车厢故障位置,其中,所述目标车厢为待检测的车厢,参考车厢为列车组中除所述目标车厢外的其他车厢。
第二方面,本发明实施例提供一种无需预设模板的列车组故障识别装置,包括:
第一处理模块,用于根据采集的列车组图像,识别列车组的车头和车尾,去除所述采集的列车组图像中车头前的图像和车尾后的图像,得到完整列车组图像;
第二处理模块,用于根据所述完整列车组图像,识别列车组的车厢连接处;
拼接模块,用于根据所述车厢连接处,对所述完整列车组图像进行拼接,得到列车组的每一节车厢的完整图像;
识别模块,用于将目标车厢图像与参考车厢图像进行特征匹配,识别目标车厢故障位置,其中,所述目标车厢为待检测的车厢,参考车厢为列车组中除所述目标车厢外的其他车厢。
第三方面,本发明实施例提供一种电子设备,包括存储器和处理器,所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如第一方面所述的方法。
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路总公司;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司电子计算技术研究所;北京经纬信息技术公司,未经中国铁路总公司;中国铁道科学研究院集团有限公司;中国铁道科学研究院集团有限公司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/201811320495.0/2.html,转载请声明来源钻瓜专利网。