阅读说明：本技术 一种扣件弹舌离缝检测方法 (Fastener spring tongue separation detection method ) 是由 左丽玛 于 2018-06-05 设计创作，主要内容包括：本发明公开一种扣件弹舌离缝检测方法,属于铁路基础设施检测领域。本发明的主要步骤为：通过三维数据采集系统获取轨道两侧的三维形貌数据,并将其转换为二维深度图像,提取扣件所在区域的局部二维深度图像,并对其进行阈值化处理,提取扣件螺栓轮廓,计算螺栓中心位置,并以螺栓中心为起点,向钢轨一侧进行行采样,然后对采样序列进行阈值化处理,计算扣件弹舌高度和弹舌离缝高度,并根据阈值判断是否存在弹舌离缝危险。本发明所提出的检测方法可自动有效检测扣件弹舌离缝,及时消除列车运行安全隐患。(the invention discloses a fastener spring tongue separation detection method, and belongs to the field of railway infrastructure detection. The method mainly comprises the following steps: the method comprises the steps of obtaining three-dimensional appearance data of two sides of a track through a three-dimensional data acquisition system, converting the three-dimensional appearance data into two-dimensional depth images, extracting local two-dimensional depth images of a region where a fastener is located, thresholding the local two-dimensional depth images, extracting the outline of a fastener bolt, calculating the center position of the bolt, sampling the line of one side of a steel rail by taking the center of the bolt as a starting point, thresholding a sampling sequence, calculating the height of an elastic tongue of the fastener and the height of an open seam of the elastic tongue, and judging whether the danger of the open seam of the elastic tongue exists or not according. The detection method provided by the invention can automatically and effectively detect the elastic tongue separation of the fastener, and eliminate the potential safety hazard of train operation in time.)

一种扣件弹舌离缝检测方法

技术领域

本发明涉及铁路基础设施检测领域，具体指一种扣件弹舌离缝检测方法。

背景技术

扣件是连接钢轨和轨枕的重要部件，其作用是将钢轨固定在轨枕上，保持轨距以及阻止钢轨发生相对于轨枕的纵横向移动，因此，扣件在保证轨道稳定性、可靠性方面起着十分重要的作用。扣件弹舌是否离缝是扣件固定是否牢靠的重要体现，一旦出现弹舌离缝情况，便会造成严重的安全隐患。因此，及时检测扣件弹舌是否离缝在铁路基础设施检测领域非常重要。

在铁路基础设施检测上，我国长期以人工和静态检测为主，养护费用高，强度高，安全性差，随着高速铁路迅猛发展，对铁路检测的自动化、实时性提出了更高的要求。目前国内外已出现了一些扣件检测技术，主要有：基于线阵激光的连续扫描装置，如德国Sick公司；基于面阵图像传感器的计算机视觉检测装置，如美国ENSCO公司的VIS系统、德国AtlasElectronic公司开发的光电式轨道检测系统以及北京福斯达公司高速车载式轨道图像识别系统等。然而，现有的这些扣件检测系统都无法实现扣件弹舌离缝的检测，因此，亟需一种有效可靠的扣件弹舌离缝检测方法，以及时消除扣件弹舌离缝存在的安全隐患。

发明内容

本发明的目的是提供一种扣件弹舌离缝检测方法，通过基于图像处理的方法自动检测扣件是否出现弹舌离缝，以解决现有扣件检测系统无法检测扣件弹舌离缝的问题。

为解决上述技术问题，本发明的技术方案来如下：一种扣件弹舌离缝检测方法。其特征在于，包括以下步骤：

步骤1：采用三维成像系统获取轨道三维形貌数据，以轨道平面为深度图像水平面基准，将三维形貌数据转换为二维深度图像；

所述三维成像系统为线结构光三维扫描成像系统，获取轨道扣件三维形貌数据时，需对采集的三维形貌数据进行扫描方向校准，以保证转化后的二维深度图像中像素横坐标与纵坐标单位像素所代表的物理尺寸相等。

步骤2：在二维深度图像中确定扣件位置，并提取扣件局部二维深度图像；

所述确定扣件在二维深度图像中位置可采用手动选取，也可以采用SVM或深度学习或神经网络分类等自动检测方法。

步骤3：设定阈值T₁，对扣件局部二维深度图像进行阈值化处理，提取扣件螺栓轮廓，T₁的取值范围为0-1000；

所述阈值T₁＝v_max-a，其中，v_max表示局部二维深度图像中的最大灰度值，a为固定常数，取值为正整数；所述阈值化处理方法如下：

其中，f(x,y)和f′(x,y)分别表示阈值处理前和处理后的局部二维深度图像中像素坐标(x,y)处的像素灰度值。

步骤4：计算扣件螺栓的中心位置C(x_c,y_c)；

所述螺栓中心位置C(x_c,y_c)采用公式(2)或公式(3)：

其中，(x_c,y_c)表示螺栓区域中心位置，x_min、x_max分别表示螺栓区域包含像素点的最小和最大横坐标值，y_min、y_max分别表示螺栓区域包含像素点的最小和最大纵坐标值，x_i,y_i是像素坐标，S表示螺栓区域，N是螺栓区域中像素数量。

步骤5：以螺栓区域中心位置为起点，朝向钢轨一侧，垂直于钢轨纵向方向，采样r个像素灰度值，得到采样序列S＝{s₁,s₂,...,s_r}，r的取值范围为5～100；

步骤6：设定阈值T₃，对采样序列进行阈值化处理，得到新的采样序列S'＝{s'₁,s'₂,...,s'_r}，T₃的取值范围为0-1000；

所述阈值所述阈值化处理方法如下：

步骤7：基于新的采样序列S'＝{s'₁,s'₂,...,s'_r}，计算扣件弹舌的高度h；

步骤7中所述弹舌高度h的计算公式如下：

其中，r表示采样序列S'＝{s'₁,s'₂,...,s'_r}中元素个数，m表示采样序列S'＝{s'₁,s'₂,...,s'_r}中非零元素个数。

步骤8：基于弹舌参考高度值h_s，计算弹舌离缝高度Δh＝h-h_s；

所述弹舌的标准高度值h_s为当前检测弹舌在未发生离缝情况下的高度值，可从正常的历史数据中获取；在检测时，当前弹舌参考高度值h_b，由轨枕或扣件计数得到当前弹舌编号K，从弹舌参考高度值数据集中，提取编号为K的弹舌的参考高度值。

步骤9：设定阈值T₄，根据弹舌离缝高度Δh与阈值T₄，判断是否存在弹舌离缝危险，T₄的取值范围为0-1000，当弹舌离缝高度Δh大于阈值T₄时，则存在弹舌离缝危险，否则，不存在弹舌离缝危险。

所述扣件是指具有弹舌的所有类型扣件。

优选地，二维深度图像的像素位宽大于8bits，以避免降低三维成像高度分辨率。

本发明有益效果：本发明提供的检测方法利用三维成像系统获取轨道扣件三维形貌数据，再将其转换为二维深度图像，在二维深度图像上采用阈值化处理、采样等方法，可自动检测出扣件弹舌是否离缝。与现有扣件检测系统相比，本发明采用三维形貌数据，利用历史数据比对方法，判定弹舌高度是否变化，以此判定弹舌是否离缝，可有效克服现有基于图像的扣件检测系统，难以检测弹舌离缝的问题，可及时消除列车运行安全隐患。

附图说明

图1是本发明方法的流程图。

图2是三维成像系统结构示意图。

图3是W型扣件结构示意图。

图4是二维深度图像。

图5是扣件感兴趣区域。

图6是提取的螺栓区域示意图。

图7是计算螺栓区域中心位置示意图。

图8是采样过程示意图。

其中，1是线结构光投射器，2是面阵摄像机，3是铁轨，4是扣件，5是螺栓，6是弹舌，7是螺母垫片，8是弹条。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本实施例提供一种扣件弹舌离缝检测方法，具体实施方式如下：

步骤1：采用两台三维成像系统同时获得轨道两侧的三维形貌数据，三维数据采集系统如图2所示，由线激光器1和高速面阵摄像2机组成，线激光器1与高速面阵摄像机2的位置和角度保持固定，线激光器1垂直于轨道发出一束一定波长的扫描激光面，在轨道3表面形成一条断面廓线，通过高速面阵摄像机拍摄获取包含W型扣件4的轨道三维形貌数据，并将其转换为二维深度图像，如图4所示。其中，W型扣件示意图如图3所示。

步骤2：手动选取W型扣件在二维深度图像中的位置，提取W型扣件所在区域的局部二维深度图像，如图5所示。

步骤3：设定阈值T₁＝v_max-a，其中，v_max表示局部二维深度图像中的最大灰度值，a为固定常数，取值为正整数，在具体实施方式中，取a＝10。

对局部二维深度图像进行如下阈值化处理，

其中，f(x,y)和f′(x,y)分别表示阈值处理前和处理后的局部二维深度图像中像素坐标(x,y)处的像素灰度值。

通过公式(1)中的阈值化处理，可精确提取出W型扣件的螺栓轮廓，如图6所示。

步骤4：如图7所示，计算螺栓的中心位置C(x_c,y_c)，具体公式如下：

其中，x_min、x_max分别为螺栓轮廓包含像素点的最小和最大横坐标值，y_min、y_max分别为螺栓轮廓包含像素点的最小和最大纵坐标值。

步骤5：对于螺栓中心处的行图像，如图8所示，以最右侧为起点，采样r个像素灰度值，得到采样序列S＝{s₁,s₂,...,s_r}，在具体实施过程中，取r＝30。

步骤6：设定阈值对采样序列S＝{s₁,s₂,...,s_r}进行如下阈值化处理：

通过阈值化处理可得到新的采样序列S'＝{s'₁,s'₂,...,s'_r}。

步骤7：基于新的采样序列S'＝{s'₁,s'₂,...,s'_r}，计算W型扣件弹舌的高度h，具体公式如下：

其中，r表示采样序列S'＝{s'₁,s'₂,...,s'_r}中元素个数，m表示采样序列S'＝{s'₁,s'₂,...,s'_r}中非零元素个数。

步骤8：基于历史数据中弹舌的标准高度值h_s，计算弹舌离缝高度Δh＝h-h_s。

步骤9：设定阈值T₄＝20mm，根据弹舌离缝高度Δh与阈值T₄，判断是否存在弹舌离缝危险。当弹舌离缝高度Δh大于阈值T₄时，则存在弹舌离缝危险，否则，不存在弹舌离缝危险。

步骤2中也可以采用SVM或深度学习或神经网络分类等自动检测方法确定扣件在二维深度图像中的位置。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。