[发明专利]基于二维定位和三维姿态解算的地铁阀门状态检测方法

说明书

本发明公开了一种基于二维定位和三维姿态解算的地铁阀门状态检测方法，具体为：通过地铁巡检小车携带工业相机采集待检修的地铁列车阀门部件2D及3D数据；基于深度学习的目标检测网络对2D图片部件及参照物定位；通过点云RGB中的R通道进一步筛选点云，并拟合出阀门基座质心和阀门末端质心；以阀门基座坐标为基准，解算当前坐标系与模板坐标系的转换矩阵，通过坐标变换，求取出阀门末端在模板坐标系下的坐标；对阀门姿态解算，根据偏转角度与设定阈值作对比，判断阀门是否处于正常状态。本发明能够为地铁列车的安全运行提供强力的保障，通过巡检机器人代替人工的方式能够将每次数据进行保存，为列车建立更精确的数字化模型。

技术领域

本发明属于地铁阀门状态检测领域，尤其涉及一种基于二维定位和三维姿态解算的地铁阀门状态检测方法。

背景技术

随着我国经济、科技的快速发展，借助物联网、人工智能、5G技术等助力一个又一个领域提高智能化水平。无人售票、刷脸进站、NFC快速支付等项目的成功落地，极大提高了我国交通运输领域的智能化水平。“智慧地铁”的身影从乘客进站到出站随处可见。然而，在乘客无法感知的一面，地铁的巡检维护绝大部分仍然依赖传统的人工检测方式，这显然不符合中国城轨交通协会提出的城市轨道交通信息化建设要求。而且人工检测的方式有诸多缺点，效率低、成本高、工作环境恶劣，容易对检修人员安全产生威胁，同时对于部分复杂部件容易存在漏检的隐患，影响列车安全运营。因此，结合当下前沿技术，如计算机视觉、人工智能，异常检测等，代替一部分人工工作，提高列车巡检的智能化程度成为“智能地铁”发展的必然趋势。

目前基于机器视觉的大量应用已成功落地，在民生领域有交通违规拍摄、重点区域刷脸门禁、AI特效以及基于图片的内容检索等项目。为人民安居乐业提供了安全保障，给人们提供了便利，丰富了人们的生活方式。而在工业领域有基于机器视觉的安全帽检测、产品异常检测等，保障了工人的生命安全，提高了企业的生产效率。还有医学图像、航天测绘等领域的应用，极大得助力了产业发展。而对于轨道交通的异常检测的智能化，现在也被提上日程，成为了研究的热点。目前在地铁异常检测方面落地的多是一些基于传感器信号的异常检测方法，如温度检测等。这类检测具有专一性，虽然准确率高，但是不具备拓展性，难以应用在其他部件的检测上。而基于计算机视觉的异常检测处于发展阶段，大部分的异常检测算法都是基于2D图像进行检测的，这类检测方法可扩展性强，能够针对大部分部件完成检测，比如在螺栓松动、齿轮箱液位检测中，可以通过防松线位置来实现异常检测，并且采集简单快速，易于传输与处理。但是2D图片无法获取部件的空间信息，容易受到环境、污渍影响。在地铁列车中，部分部件的异常难以单纯使用2D信息进行判定，需要根据空间信息才能够完成判断，比如消耗型部件的磨损量，部件尺寸的检测等。因此，基于3D的异常检测也成为目前研究的一个热点。

目前完成度比较高的地铁外观检测系统主要是通过在检修站点架设线扫相机，当列车进入检修站就通过扫描成像的方式获取列车侧视图以及仰视图。这类系统只能获取表面部件单一角度信息，并且对于有遮挡的内部区域部件，无法获取有效图像信息，也存在2D检测的局限性，只能在一定程度上减少人工检修工作量。

在列车中存在大量阀门，如总风阀门、供风阀门、总风管等，为列车气动部件提供动力支持；如拉塞门、空气弹簧等，为列车运行平稳提供保障。它的异常将对列车运行安全产生巨大危害。

从上述背景中可以分析出利用2D+3D实现阀门状态检测需要解决以下几个关键点：1.算法模型需要有效解决2D图片易于受环境、污渍影响的问题，具有强鲁棒性。2.算法模型需要具有强大的泛化能力，能够准确获取不同车次、不同位置以及不同环境下的阀门姿态信息。3.高效率，列车只有在停运阶段进行检修，而且是多条路线地铁列车在同一站点检修。检测系统完成检测后还需将故障提供给检修人员，实现定点维护，因此需要算法模型快速、高效完成部件检测。

发明内容

针对上述问题，本发明提供一种基于二维定位和三维姿态解算的地铁阀门状态检测方法。

本发明的一种基于二维定位和三维姿态解算的地铁阀门状态检测方法，包括以下步骤：