[发明专利]基于红外热成像和计算机视觉的轨道故障检测方法及系统

权利要求书

1.一种基于红外热成像和计算机视觉的轨道故障检测方法，其特征在于，包括下述步骤：

S1：将高清摄像头和红外热成像仪安装在无人机上，无人机巡检过程中将获取到的轨道图像实时传回地面站；

S2：图像预处理：地面站接收高清摄像头图像数据，进行图像预处理，所述图像预处理包括图像灰度化、图像滤波、图像加强和边缘检测；

S3：提取轨道图像：采用轨道槽内较暗灰度阈值对高清摄像头图像数据进行一次分割后，再采用轨道槽外较亮灰度阈值进行分割，最后依据较亮较暗区域相邻的距离特征分割轨道区域，提取得到轨道图像；

S4：红外温度检测：根据提取出的轨道图像在高清摄像头采集到的原图中的位置信息，结合红外热成像仪和高清摄像头的位置和角度关系得到红外热像图中对应的轨道位置，并将红外成热像仪接收到的红外热像图灰度化，提取灰度值，采用相对温差法判断轨道上是否存在高温区，若存在则提取高温区并计算区域面积和最高温度点；

S5：疑似轨道异物筛选：将预处理后的图像与提取得到的轨道图像进行叠加，掩膜得到感兴趣区域，对感兴趣区域进行边缘闭合判断和填充，得到连通区域，对连通区域进行筛选，得到疑似轨道异物；

S6：轨道异物识别：将疑似轨道异物输入BP神经网络中进行识别，得到异物分类结果。

2.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征在于，步骤S2中所述图像预处理包括图像灰度化、图像滤波、图像加强和图像边缘检测，具体步骤为：

S21：高清摄像头采集到彩色图像，进行灰度化处理后，得到图像P_gray，表示为：

P_gray＝0.30R+0.59G+0.11B；

其中，R表示彩色图像中的红色分量的像素值，G表示彩色图像中绿色分量的像素值，B表示彩色图像中的蓝色分量的像素值；

S22：采用离散高斯滤波函数进行图像滤波，对图像进行加权平均，采用高斯模板扫描图像中的每个像素点，用像素邻域的加权均值替代高斯模板中心的灰度值，所述离散高斯滤波函数H(i,j)为：

其中，(i,j)表示邻域内一点的坐标，δ表示标准差；

S23：改变图像像素灰度值进行图像加强，处理后的图像像素值为g(x,y)，表示为：

g(x,y)＝[f(x,y)]²；

其中，f(x,y)表示经图像灰度化和图像滤波处理后的图像在(x,y)点处的像素值，图像灰度范围为[0,255]，如果计算的结果g(x,y)超过255，则设定为255；

S24：选取Canny检测算子进行图像边缘检测：先用高斯掩模和经图像灰度化和图像滤波处理后的图像做卷积运算，单个像素的信息不变，然后用一阶偏导差分计算梯度的幅值和方向，再用梯度幅值进行非极大值的抑制，最后用双阈值法检测和连接图像边缘，所述梯度的幅值和方向分别表示为：

其中，S_x、S_y分别代表x，y方向上的图像灰度的偏导数。

3.根据权利要求1所述的基于红外热成像和计算机视觉的轨道故障检测方法，其特征在于，步骤S3中所述采用轨道槽内较暗灰度阈值对高清摄像头图像数据进行一次分割后，再采用轨道槽外较亮灰度阈值进行分割，具体的计算公式为：

其中，f(x,y)表示预处理后的灰度图像，T_L表示槽内较暗区域灰度最小值，T_H表示槽外较亮区域灰度最大值，分别表示T_L和T_H上下波动的灰度级范围；

所述依据较亮较暗区域相邻的距离特征分割轨道区域，提取得到轨道图像，具体步骤为：

对槽内较暗区域二值图g_L(x,y)和槽外较亮区域二值图g_H(x,y)进行膨胀得到对应区域分割二值图和并求解交集，得到轨道区域分割二值图g_u(x,y)，表示为：

在轨道区域分割二值图g_u(x,y)上确定两侧轨道的起始像素点，跟踪获取轨道上的多个像素点，得到多条轨迹线，从多条轨迹线中提取出两侧轨道的轨迹线，采用最小二乘分段进行二次拟合，构造轨道方程，得到提取的轨道图像。