[发明专利]一种基于二维图像的动车车底异常检测方法

说明书

本发明的一种基于二维图像的动车车底异常检测方法，包括以下步骤：S1：采集图像，采用高位深相机拍摄动车车底图片；S2：图像预处理，根据统计信息判断整列车的图像灰度过高或过低即为异常拍摄，使用直方图均衡化处理图像中的过曝或欠曝，降低图片位深增强画质；S3：图像坐标定位，识别关键部位，重新组织图片，确认车头方向和图像在车辆上的位置，与模板车进行配对；S4：零件和异物识别，通过训练后的视觉学习机器算法识别零部件和异物，定位动车关键零部件；S5：图像和零件匹配，将图像与模板车辆进行比较找出异常，记录检测结果。该方法能够减少检测所需的人工，简化检测流程，提高检测精度和速度，提高了动车运行的安全性。

技术领域

本发明涉及动车检测技术领域，具体涉及一种基于二维图像的动车车底异常检测方法。

背景技术

随着高铁、动车的里程数越来越多，动车的运行速度越来越快，为了保障安全运行，车体的检修频率也随之越来越高。为了维持动车有效的、高速的运行，需要及时检测出动车车底的潜在安全风险，提高检修频率。

通常动车车底的检测项目包括零部件松动、漏油、脏污、异物等。现有技术中已经出现通过相机采集动车车底图像并识别来获取零部件的状态，将识别的零部件的状态与预先定义的零部件的状态进行匹配，确定检测零部件的是否为异常的方法。然而，这种方式需要对不同列车的历史图像分别预先定义模板以及样本训练，然后再将检测的零部件的状态与预先定义的零部件的状态进行比对，以确定其是否属于异常，实现过程复杂繁琐。并且相机采集的图像容易受到光照等因素的影响，往往不能准确地反映异常状态，导致检测结果不够准确，存在错漏。

发明内容

为克服现有技术的不足，本发明提出一种基于二维图像的动车车底异常检测方法，其能够减少检测所需的人工，简化检测流程，提高检测精度和速度，提高了动车运行的安全性。

为实现上述目的，本发明的一种基于二维图像的动车车底异常检测方法，包括以下步骤：

S1：采集图像，采用高位深相机拍摄动车车底图片；

S2：图像预处理，根据统计信息判断整列车的图像灰度过高或过低即为异常拍摄，使用直方图均衡化处理图像中的过曝或欠曝，降低图片位深增强画质；

S3：图像坐标定位，图片世界坐标系位置确认，识别关键部位，重新组织图片，确认车头方向和图像在车辆上的位置，与模板车进行配对；

S4：零件和异物识别，通过训练后的视觉学习机器算法识别零部件和异物，定位动车关键零部件；

S5：图像和零件匹配，将图像与模板车辆进行比较找出异常，记录检测结果。

进一步地，在步骤S2中，直方图均衡化的具体步骤包括：

S201：统计灰度级中每个像素在整幅图像中的个数n_k,k＝0,...,L-1；

S202：计算每个灰度级占图像中的概率分布P(r)_r＝n_k/n；

S203：计算累计分布概率S_k∑P(r)_r,k＝0,1,2,...,L-1l；

S204：计算均衡化之后的灰度值cdf(S_k)；

S205：映射回原来像素的坐标的像素值。

进一步地，在步骤S3中，通过景深摄像头以及简单的阈值分割和霍夫曼变换算法拟合车头的曲线，从第一张图的灰度图和景深图开始进行阈值分割和边缘提取，计算面积和边缘曲线，当面积和曲线符合车头条件即为车辆的车头，同时从最后一张图进行同样过程，确定两个车头位置，通过定位的两个车头的位置，确定图片位于车辆上的位置。

进一步地，步骤S4还包括以下子步骤：