[发明专利]一种基于异源图像融合的高铁扣件缺陷识别方法

说明书

本发明涉及一种基于异源图像融合的高铁扣件缺陷识别方法，属于机器视觉检测技术领域，包括以下步骤：S1、同步动态采集高铁扣件区域的二维灰度图像G(x,y)和轨道的二维深度图像D(x,y)；S2、对二维灰度图像G(x,y)和二维深度图像D(x,y)配准，使二维灰度图像G(x,y)和二维深度图像D(x,y)准确对应场景中相同位置；S3、对配准后的扣件区域的二维灰度图像G(x,y)和二维深度图像D(x,y)分别进行特征提取；S4、基于度量学习对二维灰度图像G(x,y)和二维深度图像提取的特征分别进行特征映射，并将映射后的特征进行融合；S5、将融合后的特征输入SVM分类器，实现对扣件的分类。本发明提高了扣件的缺陷检测率，使缺陷扣件的漏检率更低，实用性强，值得推广。

技术领域

本发明属于机器视觉检测技术领域，具体涉及一种基于异源图像融合的高铁扣件缺陷识别方法。

背景技术

铁路是国民经济大动脉、关键基础设施和重大民生工程，是综合交通运输体系的骨干。铁路的基础设施包括钢轨、扣件、轨枕和鱼尾板等，扣件连接钢轨和轨枕，钢轨左右两侧的扣件将钢轨固定在轨枕上防止其偏移。随着铁路向高速、高密度和重载方向发展，列车对铁路基础设施破坏力加大，如钢轨裂纹、磨损和扣件功能失效等。扣件功能失效主要表现为扣件缺失、扣环折断、扣环异位和螺栓松脱等。扣件功能失效会引起左右两根钢轨发生偏移、使列车的振动加强从而影响乘车舒适度，严重情况下甚至造成列车脱轨。因此，如何在有限的天窗时间内快速和准确检测扣件状态已成为国内外轨道养护部门亟需解决的现实问题。

为了确保铁路运输安全，我国每年投入了大量的人力物力对铁路进行维护，目前工务系统主要采用人工在“天窗”时间沿线路通过目视逐一排查扣件异常状态。传统的人工目视巡检方法效率低、主观意识强，显然已经无法满足我国高速发展的铁路应用需求。

近年来，随着计算机视觉技术的发展，基于CCD扫描成像的视觉检测技术是一种新兴的表面缺陷无损检测方法，该技术具有非接触、响应快、抗干扰能力强和检测对象广等优点，且易于实现在大视场条件下进行缺陷识别。利用高速相机快速获取轨道数据，采用图像处理和模式识别等技术，对感兴趣区域进行检索、定位、形态识别以及量化分析，得到被测对象的相关参数，可使一线维护人员随时了解线路状态，以便对线路维护工作提前做出计划和安排，进而提高铁路维护效率。

目前，基于机器视觉的缺陷检测技术可大致分为二维和三维视觉成像检测。前者利用相机获得轨道的二维图像，一般利用颜色或者纹理来进行目标检测与定位；后者一般利用结构光和相机构成三维视觉成像，采集场景的三维点云或者深度图，根据被测对象的深度信息和三维空间结构识别缺陷。尽管利用二维视觉和三维视觉成像对缺陷检测检测展开了许多研究并取得了显著成果，但在扣件缺陷检测领域的应用存在以下问题：

(1)二维视觉成像采集的二维图像缺少第三维的深度信息，难以检测扣件是否松脱，造成缺陷漏检和误检；

(2)三维视觉成像获得的点云或者深度图丢失了场景颜色和纹理信息，难以准确检测扣件是否丢失、折断和异位，使部分类型的缺陷扣件漏检。

针对以上问题，研究一种能够同时准确检测扣件丢失、异位、折断和松动的缺陷检测方法是本技术领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于异源图像融合的高铁扣件缺陷识别方法，以便解决现有技术中的不足。

本发明的技术方案是：

一种基于异源图像融合的高铁扣件缺陷识别方法，所述方法包括以下步骤：

S1、同步动态采集高铁扣件区域的二维灰度图像G(x,y)和轨道的二维深度图像D(x,y)；

S2、对二维灰度图像G(x,y)和二维深度图像D(x,y)配准，使二维灰度图像G(x,y)和二维深度图像D(x,y)准确对应场景中相同位置；