-
公开(公告)号：CN112949482B
公开(公告)日：2022-04-29
申请号：CN202110226886.1
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于深度学习和视觉定位的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。将包含至少两个圆并且圆与背景颜色差异明显的标志牌粘贴在轨枕上，拍摄含有标志牌的视频并截取图像；标定图像以作为用于标志牌检测的深度学习模型的训练样本，训练深度学习模型；对每个检测点获得的实时图像，通过深度学习模型检测图像中的标志牌区域，使用视觉算法定位经透视变换后的标志牌的圆心，利用定位得到的圆心坐标完成钢轨轨枕相对位移量粗计算；再对粗计算结果进行平滑滤波，得到实时相对位移量的精确值。本发明可以自动计算透视变换参数和钢轨轨枕相对位移量，实现了轨道结构的轨枕间距相对位移的实时获取。
-
公开(公告)号：CN112949479B
公开(公告)日：2022-04-29
申请号：CN202110226200.9
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于深度学习和透视变换的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。将包含至少两个圆的标志牌粘贴在轨枕上，每一个检测点的检测范围内至少包括一对相对位置固定的轨枕；标定图像用于训练深度学习模型；采集初始标准图像计算透视变换矩阵；对每个检测点获得的实时图像，通过深度学习模型检测圆心原像素坐标，利用透视变换矩阵将圆心像素坐标转换为透视后的圆心像素坐标，计算透视后的图像中相邻连个轨枕之间的像素距离，结合相对位置固定的一对轨枕之间的像素距离和实际距离，求得相邻轨枕之间的实际距离作为粗计算结果；再对粗计算结果进行平滑滤波，得到实时相对位移量的精确值，测量精度高。
-
公开(公告)号：CN112949482A
公开(公告)日：2021-06-11
申请号：CN202110226886.1
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于深度学习和视觉定位的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。将包含至少两个圆并且圆与背景颜色差异明显的标志牌粘贴在轨枕上，拍摄含有标志牌的视频并截取图像；标定图像以作为用于标志牌检测的深度学习模型的训练样本，训练深度学习模型；对每个检测点获得的实时图像，通过深度学习模型检测图像中的标志牌区域，使用视觉算法定位经透视变换后的标志牌的圆心，利用定位得到的圆心坐标完成钢轨轨枕相对位移量粗计算；再对粗计算结果进行平滑滤波，得到实时相对位移量的精确值。本发明可以自动计算透视变换参数和钢轨轨枕相对位移量，实现了轨道结构的轨枕间距相对位移的实时获取。
-
公开(公告)号：CN112949484A
公开(公告)日：2021-06-11
申请号：CN202110226904.6
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
IPC: G06K9/00 , G06K9/32 , G06T5/00 , G06T7/00 , G06T7/13 , G06T7/136 , G06T7/41 , G06T7/90 , G06N20/00
Abstract: 本发明公开了一种基于聚合通道特征和纹理特征的高速铁路落石实时检测方法，属于图像目标检测领域。采集无落石的样本图像并进行图像预处理，建立初始背景模型；利用建立好的背景模型，确定检测区域，提取图像中的聚合通道特征；基于背景减差法，得到二值化图像作为初步检测结果；引入HSV颜色空间，基于纹理特征去除二值化图像中的虚景，将去除虚景后的二值化图像作为当前时刻的落石检测结果，并在当前图像中标出检测结果；更新背景模型。本发明可从RGB图像中快速划分铁轨区域，无需利用先验信息，也无需进行大量特征匹配计算，同时利用聚合通道特征和纹理特征，有效解决因光照等室外因素带来的干扰，同时可以有效检测出高速铁路上的落石。
-
公开(公告)号：CN113011283B
公开(公告)日：2022-04-29
申请号：CN202110226849.0
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于视频的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。首先，设计包含三个圆并且圆与背景颜色差异明显的标志牌粘贴在轨枕上，拍摄含有标志牌的视频并截取图像；对于每种工况，调试检测参数并计算初始透视变换矩阵；然后，在实时检测过程中，通过初始透视变换矩阵进行补圆操作，利用实时透视变换矩阵粗计算轨枕相对位移量；最后对实时检测到的连续多帧轨枕相对位移量平滑滤波，得到实时相对位移量的精确值。本发明解决了基于简单的图像识别方法的钢轨轨枕相对位移测量无法满足轨道结构监测精度要求的问题，可以自动计算透视变换参数和钢轨轨枕相对位移量，实现了轨道结构的轨枕间距相对位移的实时获取。
-
Patent Agency Ranking
公开(公告)号：CN113011283A
公开(公告)日：2021-06-22
申请号：CN202110226849.0
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于视频的非接触式钢轨轨枕相对位移实时测量方法，属于高铁轨道结构监测领域。首先，设计包含三个圆并且圆与背景颜色差异明显的标志牌粘贴在轨枕上，拍摄含有标志牌的视频并截取图像；对于每种工况，调试检测参数并计算初始透视变换矩阵；然后，在实时检测过程中，通过初始透视变换矩阵进行补圆操作，利用实时透视变换矩阵粗计算轨枕相对位移量；最后对实时检测到的连续多帧轨枕相对位移量平滑滤波，得到实时相对位移量的精确值。本发明解决了基于简单的图像识别方法的钢轨轨枕相对位移测量无法满足轨道结构监测精度要求的问题，可以自动计算透视变换参数和钢轨轨枕相对位移量，实现了轨道结构的轨枕间距相对位移的实时获取。
-
公开(公告)号：CN112949483A
公开(公告)日：2021-06-11
申请号：CN202110226890.8
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于Faster R‑CNN的非接触式铁轨伸缩位移实时测量方法，属于高铁轨道结构监测领域。设计了包含至少两个圆并且圆与背景颜色差异明显的标志牌粘贴在前一段铁轨的尾部侧面以及后一段铁轨同一侧的侧面；标定图像以作为用于标志牌检测的深度学习模型的训练样本，训练深度学习模型；对每个检测点获得的实时图像，利用深度学习模型检测图像中的标志牌区域，根据检测结果过滤无效帧图像，在剩余的有效帧图像的标志牌区域中检测圆心，粗计算铁轨伸缩位移量，再对粗计算结果进行平滑滤波，实现铁轨伸缩位移的实时测量。
-
公开(公告)号：CN112949480A
公开(公告)日：2021-06-11
申请号：CN202110226204.7
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
Abstract: 本发明公开了一种基于YOLOV3算法的铁轨弹条检测方法，属于图像目标检测领域。构建铁轨弹条的数据集，并标注弹条样本，基于YOLOV3算法构建深度学习网络架构，基于YOLOV3网络对数据集进行训练，根据训练结果进行网络架构的参数调整，调整完成后将待检测的图片放入网络中进行检测判定，完成弹条目标的最终判别确认。本发明可从视频监控图像中快速定位铁轨弹条位置，无需获取铁轨位置等先验信息，同时利用YOLOV3网络结构充分学习铁轨弹条的特征，该方法可以解决复杂室外环境因素对弹条检测的影响，同时可以满足实时性和精确性的要求。
-
公开(公告)号：CN112949483B
公开(公告)日：2022-05-03
申请号：CN202110226890.8
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
IPC: G06V20/52 , G06V10/25 , G06V10/774 , G06V10/82 , G06K9/62 , G06T5/00 , G06T7/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Faster R‑CNN的非接触式铁轨伸缩位移实时测量方法，属于高铁轨道结构监测领域。设计了包含至少两个圆并且圆与背景颜色差异明显的标志牌粘贴在前一段铁轨的尾部侧面以及后一段铁轨同一侧的侧面；标定图像以作为用于标志牌检测的深度学习模型的训练样本，训练深度学习模型；对每个检测点获得的实时图像，利用深度学习模型检测图像中的标志牌区域，根据检测结果过滤无效帧图像，在剩余的有效帧图像的标志牌区域中检测圆心，粗计算铁轨伸缩位移量，再对粗计算结果进行平滑滤波，实现铁轨伸缩位移的实时测量。
-
公开(公告)号：CN112949484B
公开(公告)日：2022-04-26
申请号：CN202110226904.6
申请日：2021-03-01
Applicant: 浙江大学 , 中铁第四勘察设计院集团有限公司
IPC: G06V20/52 , G06V10/25 , G06T5/00 , G06T7/00 , G06T7/13 , G06T7/136 , G06T7/41 , G06T7/90 , G06N20/00
Abstract: 本发明公开了一种基于聚合通道特征和纹理特征的高速铁路落石实时检测方法，属于图像目标检测领域。采集无落石的样本图像并进行图像预处理，建立初始背景模型；利用建立好的背景模型，确定检测区域，提取图像中的聚合通道特征；基于背景减差法，得到二值化图像作为初步检测结果；引入HSV颜色空间，基于纹理特征去除二值化图像中的虚景，将去除虚景后的二值化图像作为当前时刻的落石检测结果，并在当前图像中标出检测结果；更新背景模型。本发明可从RGB图像中快速划分铁轨区域，无需利用先验信息，也无需进行大量特征匹配计算，同时利用聚合通道特征和纹理特征，有效解决因光照等室外因素带来的干扰，同时可以有效检测出高速铁路上的落石。
-
-
-
-
-
-
-
-
-
Search Results
139
records
(took 0.098 seconds)
