[发明专利]一种TFDS挡键丢失故障自动识别方法

说明书

技术领域

本发明涉及图像分析和处理技术，特别涉及一种列车故障轨边图像检测系统（TFDS）的挡键丢失故障自动识别方法，属于铁路检测领域。

背景技术

长期以来，我国的列车技术检查（简称列检）基本依靠列检员“手摸、锤敲、眼看、耳听、鼻闻”完成，效率低，劳动强度大，且作业质量易受气候、列检员素质与疲劳程度等因素影响。因此，传统人工列检方式越来越难以适应新形势下列车重载、高速、大密度运行的需要。针对铁路列车安全关键因素，采用光学、电子、红外线等技术动态监测列车运行状态，列车故障轨边图像检测系统（TFDS）应运而生。TFDS作为车辆安全防范预警系统的重要组成部分，它利用轨边高速摄像技术，拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧等关键部位的动态图像，通过光纤网络传输到列检所，由动态检车员辅以计算机图像自动识别的人机结合方式检查铁路车辆故障，并及时通知室外检车员实施处理，以保障列车运输安全，但这种人机结合的故障识别方式离计算机全自动识别列车故障还存在较大差距。该自动识别方法旨在消除人工检测所带来的不确定因素，提高故障识别的效率和可靠性，实现从故障人为检测向人机结合检测或机控自动检测模式转变，并最终完全实现机控自动检测。

挡键丢失故障是铁路列车最容易出现的故障之一，挡键的作用是当车辆脱轨时，使轮对和转向架不分离，从而减小事故的损坏程度，可见挡键是保障铁路列车运行安全的关键部件之一。迄今为止，虽然国内学者对TFDS故障特征提取与自动识别等进行了许多有益的研究，然而由于挡键是一个很小的构件，能够实现列车挡键丢失故障自动识别的方法暂无可行性方案。在国内，针对列车运行故障动态图像检测，主要以研究枕簧丢失和心盘螺栓丢失故障为主。北京航空航天大学周富强、张广军利用Haar特征提取枕簧特征，应用AdaBoost算法构建层叠分类器，剔除无枕簧故障的图像以减少人工待识别图像数量。郑州轻工业学院陈燕等运用传统的Sobel算子和Hough变换确定四个心盘螺栓的位置，从而判断螺栓是否丢失，但该方法存在计算量较大、识别效率低的局限性。

发明内容

本发明所要解决的技术问题是针对上述现有技术而提供一种TFDS挡键丢失故障自动识别方法，以有效解决人工检测效率低、劳动强度大的难题。

本发明解决上述技术问题所采用的技术方案是：一种TFDS挡键丢失故障自动识别方法，其特征在于：1）将TFDS采集到的图像进行预处理以消除拍摄环境对原始图像的影响，然后对去噪后的图像进行图像分割处理；2）通过Hough圆变换来对列车轮轴和通孔进行定位，并依据轮轴、通孔以及挡键区域间的几何关系间接标定挡键目标区域；3）通过分析挡键目标区域的灰度级变化来判断挡键是否丢失。

按上述方案，所述的采集到的图像为由TFDS室外图像采集设备实时拍摄途经列车的转向架、制动装置、车钩缓冲装置、车底架以及车体两侧关键部位的动态图像，并通过光纤网络传输。

按上述方案，所述的图像进行预处理的方法是采用中值滤波消除拍摄环境对原始图像的影响。

按上述方案，所述的图像进行图像分割处理是采取二值化处理。

本发明经过大量实验，比较分别经过二值化处理的正常原图像和挡键丢失原图像可得出，正常原图像经过二值化以后在原挡键的位置存在一块类似三角形的白色区域，而挡键丢失的原图像经过二值化以后却没有此类特征，这正是挡键丢失故障的关键特征。

按上述方案，所述的通过Hough圆变换来对轮轴和通孔进行定位的步骤是：①根据列车轮轴及通孔轮廓特征，应用Hough圆变换检测图像中所有圆形轮廓并确定其圆心位置；Hough圆变换检测出的圆半径必须满足R∈[20, 40]∪[120, 150]的条件，然后将符合此条件的候选圆保存起来；

②动态创建结构体Circle，存储符合条件的候选圆的关键信息，用作后续进一步处理；

③将存储的候选圆提取出来，两两进行比较，把满足两圆圆心距d处于区间[m+n, 2(m+n)]内的圆筛选出来，其中，m、n分别表示大、小圆半径，进一步计算此两圆圆心与水平方向的夹角θ，如果满足0≤θ≤5°，则可以断定大圆为轮轴，小圆为通孔，并最终完成两个参考圆的标定。