[发明专利]接触网受电弓拉出值超限缺陷识别方法及系统有效
| 申请号: | 201610047349.X | 申请日: | 2016-01-25 |
| 公开(公告)号: | CN105718902B | 公开(公告)日: | 2019-03-15 |
| 发明(设计)人: | 范国海;周吉;李立峰;胡蓉 | 申请(专利权)人: | 成都国铁电气设备有限公司 |
| 主分类号: | G06K9/00 | 分类号: | G06K9/00 |
| 代理公司: | 成都金英专利代理事务所(普通合伙) 51218 | 代理人: | 袁英 |
| 地址: | 610000 四川省*** | 国省代码: | 四川;51 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 接触 网受电弓 拉出 超限 缺陷 识别 方法 系统 | ||
1.接触网受电弓拉出值超限缺陷识别方法,其特征在于,所述方法包括以下步骤:
S1,读取每帧视频图像的拉出值、接触线数量和帧序号;
S2,缓存当前拉出超限候选帧的前后多帧视频图像的拉出值,根据连续两帧之间拉出值的大小差异判断拉出值的连续性,若大小差超过一定阈值,则跳转至S8,否则继续对当前拉出超限候选帧进行拉出超限判断,执行S3;
S3,缓存当前拉出超限候选帧的前后多帧视频图像的拉出值,得到计算缓存帧的拉出值曲线,判断当前拉出值超限候选帧的拉出值是否在缓存帧的拉出值曲线中处于极值状态,所述极值状态为拉出值曲线的波峰或波谷,若是,则继续对当前拉出超限候选帧进行拉出超限判断,执行S4,否则跳转至S8;
S4,缓存当前拉出超限候选帧的前后多帧视频图像的拉出值,计算缓存帧中拉出值的最大值和最小值的差值,判断该差值是否大于峰谷差阈值,若是,则继续对当前拉出超限候选帧进行拉出超限判断,执行S5,否则跳转至S8;
S5,判断当前拉出超限候选帧拉出值是否超过拉出超限阈值,若是,则执行S6,否则跳转至S8;
S6,缓存并判断当前拉出超限候选帧的前后多帧视频图像的接触线数量,判断当前拉出超限候选帧是否处于单接触线模式,若是则继续对当前拉出超限候选帧进行拉出超限判断,执行S7,若处于多接触线模式或无接触线模式,则跳转至S8;
S7,若当前拉出超限候选帧的接触线数量在接触线数量阈值范围内,则判定当前拉出超限候选帧中存在拉出值超限缺陷,并输出拉出值超限报警,否则跳转至S8;
S8,结束当前拉出超限候选帧的拉出超限判断,不对当前拉出超限候选帧进行拉出值超限缺陷报警。
2.根据权利要求1所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于,步骤S6中多接触线模式的判断方式包括:在缓存帧中,若接触线数量大于2的拉出超限候选帧超过一定数量,则判定当前拉出超限候选帧处于多接触线模式;
无接触线模式的判断方式包括:在缓存帧中,若接触线数量为0的拉出超限候选帧超过一定数量,则判定当前拉出超限候选帧处于无接触线模式;
单接触线模式的判断方式包括:在缓存帧中,若接触线数量大于0且小于3的拉出超限候选帧超过一定数量,则判定当前拉出超限候选帧处于单接触线模式。
3.根据权利要求1所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于,所述步骤S1中还包括受电弓识别子步骤:
S101,通过第一相机采集受电弓的第一视角图像;
S102,通过第二相机采集受电弓的第二视角图像,其中,所述第一视角图像与所述第二视角图像中的受电弓具有一定角度的视角差;
S103,图像透视矫正,根据受电弓的标定对第一视角图像和第二视角图像进行透视矫正,使第一视角图像和第二视角图像中的受电弓呈左右对称形式;
S104,识别受电弓,分别将第一视角图像和第二视角图像与相应视角的受电弓模型进行匹配,对第一视角图像和第二视角图像中的受电弓进行定位;
S105,识别接触线,以第一视角图像的定位结果为基准,对第二视角图像的图像尺寸进行调整,使第一视角图像中的受电弓与第二视角图像中的受电弓保持在同一尺度下,识别出第一视角图像和第二视角图像中疑似接触线的直线,将第一视角图像和第二视角图像进行比对,查找出相交于受电弓顶端平面的疑似接触线的直线,并将其判定为接触线;
S106,根据S104中识别出的受电弓和S105中识别出接触线的计算视频图像的拉出值,所述视频图像为第一视角图像或第二视角图像。
4.根据权利要求3所述的接触网受电弓拉出值超限缺陷识别方法,其特征在于:所述第一相机包括红外相机,将第一视角图像中亮度高于一定阈值的直线作为疑似接触线;
所述第二相机包括可见光相机和近红外相机,将第二视角图像中在受电弓顶端平面上亮度低于一定阈值的直线作为疑似接触线。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都国铁电气设备有限公司,未经成都国铁电气设备有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201610047349.X/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于深度学习的车辆特征物检测方法
- 下一篇:消息发布方法、系统及用户设备





