一種基于圖元分類的高鐵接觸網懸掛裝置故障狀態檢測方法
【技術領域】
[0001] 本發明設及高鐵接觸網懸掛裝置零部件識別與故障狀態檢測領域，包括線段檢 巧。，干狀物識別，圖像分割，目標識別等領域。
【背景技術】
[0002] 長期W來，接觸網零部件不良工作狀態的檢測的主要依靠人工巡視的方法，工作 量較大，效率較低，不能滿足高速鐵路對檢測效率與檢測結果可靠性等的要求。基于圖像處 理的非接觸式檢測方法具有遠離電磁干擾、檢測精度高、結構簡潔、成本低等優點，可節約 大量人力資源，在弓網檢測中具有明顯的優勢，目前已成為弓網檢測領域的研究熱點。
[0003] 基于圖像處理的非接觸式檢測技術在鐵路上的應用主要包括接觸網幾何參數測 量與弓網不良狀態檢測等幾個方面。段汝嬌等采用化U曲變換方法實現對定位器傾斜度的 檢測[段汝嬌，趙偉，黃松嶺等.基于計算機視覺的接觸網定位器傾斜度自動測量方法[J]. 中國鐵道科學，2011,32(4) ;82-89.]。張桂南等根據圖像坐標與世界坐標系中S維空間坐 標的對應關系，實現導高與拉出值的測量[張桂南，劉志剛，劉文強，等.基于攝像機標定的 非接觸式接觸線導高和拉出值的檢測[J].鐵道學報，2014, 36(3) ;25-30.]。周偉提出了一 種基于機器視覺的接觸網風偏量檢測方法[周偉.風區鐵路接觸網風偏檢測技術及數值模 擬方法研究巧].長沙：中南大學，2012.]。楊紅梅等利用仿射不變矩實現絕緣子的定位，并 使用膨脹運算與灰度統計參數實現絕緣子異物檢測。[楊紅梅，劉志剛，韓志偉，等.基于仿 射不變矩的電氣化鐵路絕緣子片間夾雜異物檢測[J].鐵道學報，2013,35(4) ;30-36.]。韓 志偉等利用二代曲波系數定向映射的方法實現受電弓滑板裂紋的檢測[韓志偉，劉志剛， 陳坤峰，等.基于二代曲波系數定向映射的受電弓滑板裂紋檢測技術[J].鐵道學報，2011， 33 (11) ;63-69.]。然而，現有非接觸式檢測裝置的自動化程度普遍不高，許多零部件的故障 檢測尚不能實現。

【發明內容】

[0004] 本發明的目的在于提供一種針對高鐵接觸網懸掛裝置圖像的圖元分類方法。該方 法首先利用邊界曲線的曲率變化率對桿狀圖元進行提取，進而將圖像中的桿狀圖元去除， 使得對應懸掛裝置連接處各零部件的圖元彼此分割開來，組成不同的連通區域。利用SURF 算法在上述每個連通區域與標準零部件圖像之間進行局部特征點匹配，實現各接觸網懸掛 裝置零部件的識別。進而對各零部件的故障狀體進行檢測。
[0005] 本發明采用的技術是：利用邊界曲線曲率變化率對桿狀物進行識別。利用SURF特 征描述子實現局部特征點匹配。利用改進的RANSAC算法對誤匹配進行消除技術并對仿射 變換矩陣進行計算。
[0006] 本發明可減少人工檢測的巨大工作量，實現現場圖像的自動分析，可對多種接觸 網懸掛裝置零部件進行檢測，具有較高的檢測準確性。具體步驟如下：
[0007] A、基于邊界曲線曲率變化率的桿狀物圖元提取。
[000引首先對圖像的邊緣信息進行提取，得到圖像中各連通域的邊界曲線，根據邊界曲 線的曲率變化率實現桿狀物的提取與去除，進而實現圖像中各零部件的分割；具體步驟如 下：
[0009] A1 ;對圖像進行二值化，去除圖像中包含像素點過少的連通域，對余下的連通域進 行邊界曲線提取，得到每一條邊界曲線的坐標點序列。
[0010] A2;計算邊界曲線上每一點的曲率變化率，邊界曲線上第k個點的曲率Ck定義為 它與第k+10個點連線的傾角，即；
[0011]
(1)
[001引其中，Xk、yk、而+10、ywci、分別表示上邊界曲線上第k個點和第k+10個點的橫縱坐 標。其曲率變化率ACk定義則為它與第k+50個點之間曲率差異的絕對值，即 [001 引ACk= |Ck+50-Ckl 似
[0014] 如果邊界曲線上某一點的曲率變化率小于闊值事先確定的闊值T，則認為該像素 點位于某桿狀物的邊界上。提取連續出現曲率變化率小于闊值T的點的邊界曲線區段，將 其判定為桿狀物的邊界曲線區段。
[001引A3 ;對A2中提取到的桿狀物邊界曲線區段根據其空間位置進行聚類，將位于同一 桿狀物邊界上的不連續的邊界曲線區段聚為一類，從而判斷該桿狀物在圖像中的確切位置 與傾斜角度。
[0016]A4;將用于連接接觸網懸掛裝置零部件的桿狀物去除，實現不同零部件的獨立分 割。
[0017]B、基于SURF特征描述子的局部不變特征點匹配
[0018] 對A中提取的每一個圖元區域，提取其局部不變特征點，并與標準的接觸網懸掛 裝置零部件圖像進行特征點匹配，計算兩者之間的仿射變換矩陣，進而實現零部件的識別 與定位。具體步驟如下：
[0019]B1;選取清晰的接觸網懸掛裝置零部件圖像作為匹配模板。
[0020] B2 ;利用SURF算法在接觸網懸掛圖像與模板圖像之間實現局部特征點匹配。
[0021] C、利用改進之后的隨機抽樣一致算法RANSAC(RandomSampleConsensus)對B中 得到的匹配點進行篩選，消除錯誤匹配。計算模板圖像與各圖元之間的仿射變換矩陣，實現 各零部件在接觸網支撐與懸掛裝置圖像中的精確定位：
[00巧C1 ;將最佳估計內點數Si的值置0。
[002引C2 ;對每一個圖元隨機抽取3個匹配成功的特征點，利用公式（1)計算接觸網支撐 與懸掛裝置上各圖元圖像與模板圖像之間的仿射變換矩陣H1。
[0024] Hi=BAT(AAT)-i做
[0025] 式中，
N為計算Hi時用到的特 征點的個數，此時有N=3，（Xi，yi)，iG[l，閑為各圖元上特征點的坐標，（x/，yi'）為模板 圖像中與（Xi，yi)相匹配的點的坐標。
[0026]C3;利用（4)式計算該圖元上每一個點在模板圖像中的匹配點（X'，y'）經Hi所確 定的仿射變換后得到的結果（X"，y")。
[0027]
(4)
[002引如果（X"，y")與聚類中的點（x，y)的距離小于T，則將（x，y)判定為一個內點；
[0029]C4;判斷Hi對應的所有內點在接觸網懸掛裝置圖像圖元中的相對位置是否與模板 圖像中與之相匹配的特征點的相對位置相同。若不相同，則認為內點中包含錯誤匹配，若相 同，則判斷Hi所對應的內點數是否大于最佳估計內點數Si，若大于Si，則將Hi作為仿射變換 矩陣的當前最佳估計，并更新Si;
[0030]C5 ;返回C2)繼續運行，運行至規定次數后，循環停止，若Si的值不為0,則認為該 圖元與模板圖像中的零部件互為對應關系，即完成了零部件的識別。仿射變換矩陣的當前 最佳估計Hi即作為其最終估計H。將模板圖像四個頂點的坐標依次帶入公式巧），即可實 現接觸網支撐與懸掛裝置圖像中零部件的精確定位。式中，)分別模板圖像各頂點 的坐標（i的取值為1-4之間的整數），(x'A，x'q)分別為(Xq.，.YA.)經H所確定的仿射變換 后得到的結果，)所決定的矩形即為零部件的定位結果；
[00川
巧
[0032] D、接觸網零部件的故障狀態識別。
[0033] D1 ;針對椿式絕緣子等周期性較強的零件，首先對其灰度周期進行估計，每個灰度 周期對應絕緣子的一個瓷片（及其片間間隔），根據各片瓷片之間的相關性可檢測片間是 否夾有異物或存在瓷片破損等。
[0034] D2;針對零部件的破損故障，首先對其進行邊緣信息提取，并在不同尺度下對邊緣 信息進行篩選，進而對破損的裂痕進行識別
[0035] D3;針對銷釘松脫故障，首先對零部件的直線邊緣進行檢測，確定其朝向和與水平 方向偏離的角度，并進行方向矯正，在對方向進行矯正過后的零部件子圖像上進行銷釘部 分分割，并對是否發生銷釘松脫故障進行檢測。
【附圖說明】
[0036] 圖1為準備進行圖元分類的接觸網懸掛裝置全局圖像。
[0037] 圖2為圖1的二值化圖像。
[003引圖3為圖2中提取出的一條邊界曲線，對應一個坐標點序列。
[0039]圖4為圖3中所示邊界曲線的曲率曲線，為顯示方便截取了其中的第1000至第 5000個點。虛線圈部分表示對應桿狀物邊界的邊界曲線區段。
[0040] 圖5為最終得到的桿狀物區域。
[0041] 圖6為在全局圖像中去除桿狀物后的結果，對應各接觸網零部件的圖元區域彼此 被分割開來，可用于進一步的識別。
[0042] 圖7為旋轉雙耳模板圖像與全局圖像中相應圖元的SURF特征點匹配結果。
[0043] 圖8為定位器支座模板圖像與全局圖像中相應圖元的SURF特征點匹配結果。
[0044] 圖9為斜撐套筒模板圖像與全局圖像中相應圖元的SURF特征點匹配結果。
[0045] 圖10為在全局圖像上分割出的各圖元中成功識別并提取到的旋轉雙耳子圖像。
[0046] 圖11為在全局圖像上分割出的