[發(fā)明專利]動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210094272.7
• 申請(qǐng)日: 2022-01-26
• 公開(kāi)（公告）號(hào): CN114529590A
• 公開(kāi)（公告）日: 2022-05-24
• 發(fā)明（設(shè)計(jì)）人: 孫鵬;張惟皎;賈志凱;楊凱;王忠凱;詹珂昕;陳彥;李莉;呂飛
• 申請(qǐng)（專利權(quán)）人: 中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司電子計(jì)算技術(shù)研究所;北京經(jīng)緯信息技術(shù)有限公司;中國(guó)鐵道科學(xué)研究院集團(tuán)有限公司
• 主分類號(hào): G06T7/30
• 分類號(hào): G06T7/30;G06T7/10;G06T3/40;G06T3/60
• 代理公司: 北京路浩知識(shí)產(chǎn)權(quán)代理有限公司 11002
• 代理人: 毛宏寶

本發(fā)明提供一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法及系統(tǒng)，所述方法包括：獲取動(dòng)車組車底的原始圖像；對(duì)原始圖像進(jìn)行預(yù)處理，獲得第一圖像；將第一圖像與對(duì)應(yīng)的模板圖像通過(guò)傅里葉?梅林變換進(jìn)行圖像配準(zhǔn)獲得平移、旋轉(zhuǎn)和縮放參數(shù)，按照獲得的平移、旋轉(zhuǎn)和縮放參數(shù)處理第一圖像獲得用來(lái)進(jìn)行故障檢測(cè)的第二圖像。本發(fā)明通過(guò)利用圖像頻域里的全部信息，而不是采用仿射變換等基于特征約束點(diǎn)的剛性變換方法，實(shí)現(xiàn)動(dòng)車組車底圖像高精配準(zhǔn)；基于傅里葉?梅林的圖像配準(zhǔn)算法判定模板圖像相對(duì)于待測(cè)圖像的精確位置，取得相對(duì)的平移、旋轉(zhuǎn)、縮放參數(shù)。

技術(shù)領(lǐng)域

本發(fā)明涉及故障檢測(cè)技術(shù)領(lǐng)域，尤其涉及一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法及系統(tǒng)。

背景技術(shù)

隨著高速鐵路建設(shè)迅猛發(fā)展，動(dòng)車運(yùn)用所檢修作業(yè)任務(wù)日趨繁重，TEDS、故障檢修機(jī)器人等自動(dòng)故障手段被廣泛接受采用，逐步取代傳統(tǒng)的人工車底外觀檢查，以降低人工勞動(dòng)強(qiáng)度，提高檢修作業(yè)質(zhì)量，保證車輛運(yùn)行安全。利用智能圖像分析技術(shù)對(duì)動(dòng)車組車底部件的缺陷進(jìn)行自動(dòng)檢測(cè)，已成為保障車輛安全穩(wěn)定運(yùn)行的基礎(chǔ)。動(dòng)車組故障檢修機(jī)器人以工業(yè)級(jí)面陣相機(jī)、六軸機(jī)械臂、RGV軌道車等為硬件平臺(tái)，利用圖像識(shí)別與人工智能技術(shù)，實(shí)現(xiàn)了集采集感知、分析處理、自動(dòng)控制于一體的車底故障智能檢測(cè)機(jī)器人系統(tǒng)。

目前針對(duì)動(dòng)車組車底關(guān)鍵部件缺陷的各種目標(biāo)檢測(cè)技術(shù)，無(wú)論是基于邊緣檢測(cè)及形態(tài)學(xué)運(yùn)算的方法，還是基于機(jī)器視覺(jué)和深度學(xué)習(xí)的特征提取方法，均以待檢測(cè)圖像和模板圖像的差值分析為基礎(chǔ)。在實(shí)踐過(guò)程中，因列車與設(shè)備相對(duì)運(yùn)動(dòng)和成像動(dòng)態(tài)控制、環(huán)境照明條件及局部補(bǔ)光不足、風(fēng)/雨/雪/沙塵惡劣天氣等原因，極易造成待檢測(cè)圖像畸變錯(cuò)位、明暗不均等問(wèn)題，導(dǎo)致缺陷檢測(cè)智能判識(shí)算法產(chǎn)生誤判。動(dòng)車組車底零部件圖像元素相對(duì)單一，局部特征高度相似，這對(duì)目標(biāo)檢測(cè)算法的待處理圖像質(zhì)量提出較高要求，需要具高精度和魯棒性的圖像配準(zhǔn)算法來(lái)對(duì)車底原始采集圖像進(jìn)行前期處理。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法及系統(tǒng)，部分實(shí)施例能夠用以解決現(xiàn)有技術(shù)中缺陷檢測(cè)智能判識(shí)算法產(chǎn)生誤判的缺陷，實(shí)現(xiàn)對(duì)復(fù)雜環(huán)境動(dòng)態(tài)成像條件、圖像元素相對(duì)單一、局部特征高度相似的車底圖像，提出一種滿足實(shí)時(shí)性處理要求的配準(zhǔn)技術(shù)，具有高精度、魯棒性的特點(diǎn)。

本發(fā)明提供一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述方法包括：獲取動(dòng)車組車底的原始圖像；對(duì)原始圖像進(jìn)行預(yù)處理，獲得第一圖像；將第一圖像與對(duì)應(yīng)的模板圖像通過(guò)傅里葉-梅林變換進(jìn)行圖像配準(zhǔn)獲得平移、旋轉(zhuǎn)和縮放參數(shù)，按照獲得的平移、旋轉(zhuǎn)和縮放參數(shù)處理第一圖像獲得用來(lái)進(jìn)行故障檢測(cè)的第二圖像。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述獲取動(dòng)車組車底的原始圖像包括：在動(dòng)車組車底設(shè)置能夠行進(jìn)的圖像獲取裝置；圖像獲取裝置在車底行進(jìn)的同時(shí)獲取一組圖像；對(duì)所述一組圖像進(jìn)行剪裁、拼接形成原始圖像。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述對(duì)原始圖像進(jìn)行預(yù)處理，獲得第一圖像包括：對(duì)原始圖像的對(duì)比度進(jìn)行增強(qiáng)。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述對(duì)原始圖像的對(duì)比度進(jìn)行增強(qiáng)包括：采用伽馬變換調(diào)節(jié)原始圖像的對(duì)比度。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述對(duì)原始圖像進(jìn)行預(yù)處理，獲得第一圖像包括：對(duì)原始圖像進(jìn)行用于減少圖像配準(zhǔn)中頻域噪聲的加窗處理。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，所述對(duì)原始圖像進(jìn)行加窗處理包括：選擇漢寧窗作為加窗函數(shù)。

根據(jù)本發(fā)明提供的一種動(dòng)車組車底故障檢測(cè)的圖像配準(zhǔn)方法，將第一圖像與對(duì)應(yīng)的模板圖像通過(guò)傅里葉-梅林變換進(jìn)行圖像配準(zhǔn)獲得平移、旋轉(zhuǎn)和縮放參數(shù)包括：對(duì)第一圖像和模板圖像進(jìn)行傅里葉變換后，計(jì)算二者的幅度譜；對(duì)幅度譜進(jìn)行高通濾波后進(jìn)行對(duì)數(shù)-極坐標(biāo)變換；通過(guò)相位相關(guān)算法獲得旋轉(zhuǎn)、縮放參數(shù)。