[發明專利]列車自動化檢修的智能判傷方法及系統

在審

• 申請號: 202011294941.2
• 申請日: 2020-11-18
• 公開（公告）號: CN112488995A
• 公開（公告）日: 2021-03-12
• 發明（設計）人: 張渝;趙波;彭建平;黃煒;胡繼東;王楠;馬莉;王禎;肖龍飛
• 申請（專利權）人: 成都主導軟件技術有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/60;G06T7/73;G06K9/46;G06K9/62;G01M17/08;G01B11/24;G01B11/16;G01B11/00
• 代理公司: 成都市集智匯華知識產權代理事務所(普通合伙) 51237
• 代理人: 羅艷

1.一種列車自動化檢修的智能判傷方法，其特征在于，包括：

采集列車的車底全景圖像；

采集列車的車底全景圖像中未包含區域的局部部件圖像；

根據列車的車底全景圖像和局部部件圖像，采用預設的智能判傷算法判斷圖像中列車關鍵部件的工作狀態；

根據列車的局部部件圖像，采用預設的三維重構技術復原圖像中列車關鍵部件的三維物理信息，并利用三維物理信息測量該列車關鍵部件的尺寸；

根據列車關鍵部件的工作狀態、關鍵部件的尺寸和預設的報警閾值，輸出報警信息。

2.根據權利要求1所述的列車自動化檢修的智能判傷方法，其特征在于，所述根據列車的車底全景圖像和局部部件圖像，采用預設的智能判傷算法判斷圖像中列車關鍵部件的工作狀態的方法包括：

將列車的車底全景圖像和局部部件圖像拼接形成列車關鍵部件整體圖像；

根據列車關鍵部件整體圖像和預設的列車關鍵部件識別模型，獲取列車關鍵部件的類別和位置信息；

將列車關鍵部件整體圖像和預存的標準圖像進行特征配準，獲得特征配準參數；

根據特征配準參數、列車關鍵部件的類別和位置信息判斷列車關鍵部件的工作狀態。

3.根據權利要求2所述的列車自動化檢修的智能判傷方法，其特征在于，所述根據列車關鍵部件整體圖像和預設的列車關鍵部件識別模型，獲取列車關鍵部件的類別和位置信息的方法包括：

根據檢測需求，定義列車關鍵部件，并進行數據標注；

設計AI算法模型，利用上述標注數據進行模型的訓練，并保持訓練好的模型；

將列車關鍵部件整體圖像傳送給AI算法模型，AI算法模型輸出列車關鍵部件整體圖像中存在的關鍵部件。

4.根據權利要求3所述的列車自動化檢修的智能判傷方法，其特征在于，所述將列車關鍵部件整體圖像和預存的標準圖像進行特征配準，獲得特征配準參數的方法包括：

提取列車關鍵部件整體圖像和預存的標準圖像的特征，利用高斯金字塔構建多尺度信息，形成特征向量并將特征向量歸一化到128維；

對列車關鍵部件整體圖像和預存的標準圖像中找到的特征向量進行匹配，尋找到最佳的N對匹配點，根據N對匹配點計算出兩幅圖像之間的單應性矩陣，輸出配準后的標準圖像以及單應性矩陣；

通過SSIM衡量配準結果，并輸出配準參數；其中，衡量配準結果的公式為：

其中，公式基于樣本x和y之間的三個比較衡量：亮度l、對比度c和結構s，取c₃＝c₂/2，μ_x為x的均值，μ_y為y的均值，為x的方差，為y的方差，σ_xy為x和y的協方差，c₁＝(k₁L)²，c₂＝(k₂L)²為兩個常數，避免除零，L為像素值的范圍，取2^B-1，k₁＝0.01，k₂＝0.03為默認值。

5.根據權利要求4所述的列車自動化檢修的智能判傷方法，其特征在于，所述根據特征配準參數、列車關鍵部件的類別和位置信息判斷列車關鍵部件的工作狀態的方法包括：

通過單應性矩陣計算預存的標準圖像中正常關鍵部件的位置，將其映射到列車關鍵部件整體圖像中，通過與列車關鍵部件整體圖像中識別到的關鍵部件進行IOU判斷，通過預設閾值篩選出配對的關鍵部件；

對于需要判斷部件是否丟失的關鍵部件，篩選出未配對的關鍵部件；對于需要判斷部件是否變形或其它異常，計算兩個相同目標對的特征相似度。