道岔轨件轨面掉块检测方法及设备技术

本发明专利技术提供一种道岔轨件轨面掉块检测方法及设备，该方法包括道岔轨件识别步骤、二维图像提取步骤、轨面掉块识别步骤、掉块有效点云生成步骤、掉块特征尺寸计算步骤，由于基于道岔轨件的廓形特征在廓形数据中识别出了道岔轨件起点，并基于该起点和预定延伸长度提取出对应的二维图像用以识别掉块，因此识别出的轨面掉块能对应到相应类型的道岔轨件；由于结合了相机图像和线激光传感器采集的轨道廓形数据，因此不仅能利用神经网络从图像中高效识别出掉块，并且可进一步提取对应的廓形数据生成有效点云，用以计算掉块的深度等特征尺寸，从而可得到轨面掉块更为全面的检测数据，不需再人工补测掉块深度等尺寸，可应用于实际现场检测，提高检测效率。提高检测效率。提高检测效率。

【技术实现步骤摘要】
道岔轨件轨面掉块检测方法及设备


[0001]本专利技术属于道岔轨件检测
，具体涉及一种道岔轨件轨面掉块检测方法及设备。

技术介绍

[0002]钢轨件轨面的剥落掉块是较为常见的一种伤损，当轨面掉块较为严重时，将会影响乘客的乘车体验甚至列车的运行安全，并且轨面掉块也可能指示进一步的其他问题，例如钢轨件本身材质的问题、轨道线路曲线半径小、行车频次过高、轨道几何形位有偏差等，因此，很有必要对轨面掉块进行检测以及进一步分析。
[0003]在道岔中有多种钢轨件，包括心轨、翼轨、护轨等，需要检测这些钢轨件轨面掉块情况。由于道岔结构较为复杂，钢轨件类型多，目前在实际的现场测量中，主要还是人工观察轨面上掉块情况，再采用相应的测量尺等工具测量掉块的具体尺寸并进行记录。这样的检测方式效率较低，且由于轨面掉块具有随机分布、大小不一、分布不连续的特点，人工检测方式容易出现遗漏。现有技术中虽然存在一些轨面掉块的自动化检测方法，但这些方法难以用于道岔现场检测：一方面，在道岔检测中，不仅需要识别出轨面掉块，还需要将识别出的轨面掉块定位到各个对应的钢轨件，现有方法没有提供这样的方案；其二，现有方法主要是利用图像算法或神经网络从相机图像中识别出轨面掉块，这样的方法无法提取掉块的深度，而掉块的深度是其非常重要的指标，因此在实际现场检测中，即使采用这样的现有方法，仍需人工补充测量掉块深度等尺寸数据，现场检测中效率的提升也较为有限。
[0004]因此，为提高道岔检测中轨面掉块检测的效率和覆盖率，需要一种新的道岔轨件的轨面掉块检测方法。<br/>
技术实现思路

[0005]本专利技术是为解决上述问题而进行的，目的在于提供一种能够自动定位到目标道岔轨件、检测其轨面剥落掉块情况并获得相应的掉块特征尺寸的检测方法及设备，本专利技术采用了如下技术方案：
[0006]本专利技术提供了一种道岔轨件轨面掉块检测方法，用于对道岔轨件的轨面掉块进行检测，其特征在于，基于相机采集的二维图像、线激光传感器采集的轨道廓形数据以及对应的里程信息进行检测，该方法包括：道岔轨件识别步骤：基于所述道岔轨件的起点的轮廓特征，从所述二维图像或多帧所述廓形数据中识别出所述道岔轨件的起点并得到对应的所述里程信息；二维图像提取步骤：基于所述道岔轨件的起点的所述里程信息、预定的所述道岔轨件的延伸长度，提取出与所述道岔轨件相对应的若干帧所述二维图像作为待检测图像；轨面掉块识别步骤：将所述待检测图像依次输入轨面掉块识别模型，该模型输出轨面掉块的掉块位置信息，其中，所述轨面掉块识别模型为训练完成的神经网络模型；掉块有效点云生成步骤：基于所述掉块位置信息、所述相机和所述线激光传感器的标定参数从多帧所述廓形数据中提取出与所述轨面掉块对应的多帧，并将其堆叠生成掉块有效点云；掉块特征
尺寸计算步骤：基于所述掉块位置信息和所述掉块有效点云，计算所述轨面掉块的特征尺寸。
[0007]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，所述道岔轨件包括心轨以及设置在所述心轨两侧的翼轨，所述道岔轨件识别步骤包括：基于所述里程信息，对采集的所述廓形数据逐帧进行心轨断面起点的廓形匹配识别，识别出所述心轨断面起点，并得到对应的所述里程信息；基于所述心轨断面起点的里程信息，获取所述心轨断面起点后连接的预定帧数的所述廓形数据，将其堆叠生成点云；基于该点云，通过拟合平面方式识别出心轨理论起点，并得到对应的所述里程信息；基于所述心轨理论起点的所述里程信息，提取出所述心轨理论起点前预定位置范围内的廓形数据；对提取出的所述廓形数据逐帧进行翼轨起点的廓形匹配识别，识别出翼轨起点，并得到对应的所述里程信息，在所述二维图像提取步骤中，基于所述心轨理论起点的所述里程信息、预定的所述心轨的延伸长度、所述翼轨起点的所述里程信息、预定的所述翼轨的延伸长度提取出覆盖所述心轨和所述翼轨的多帧所述二维图像。
[0008]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，通过拟合平面方式识别出所述心轨理论起点包括：基于所述点云，通过RANSAC算法拟合所述心轨断面起点与所述心轨理论起点之间的平面；基于所述点云，通过RANSAC算法拟合所述心轨理论起点后的斜面；计算拟合的所述平面与拟合的所述斜面的相交线上的点的坐标，并基于该坐标得到对应的所述里程信息，或是，分别计算拟合的所述平面的中心线以及拟合的所述斜面的中心线，并计算两条所述中心线的交点的坐标，并基于该坐标得到对应的所述里程信息。
[0009]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，所述心轨断面起点的廓形匹配包括：基于预定的心轨断面起点匹配模板，判断在所述廓形数据中预定位置处是否有廓形，在判断为有廓形时，按预定的廓形截取算法对该廓形进行截取，得到心轨上端面的廓形，判断截取出的廓形是否为水平的具有预定长度的直线段，在判断为是时即识别出所述心轨断面起点，将该帧所述廓形数据对应的所述里程信息作为所述心轨断面起点的所述里程信息，所述翼轨起点的廓形匹配包括：基于预定的翼轨起点匹配模板，判断在所述廓形数据中预定位置处是否有廓形，在判断为有廓形时，按预定的廓形截取算法对该廓形进行截取，得到两侧翼轨的轨头部分的廓形，将截取出的廓形与预定的标准翼轨起点廓形进行匹配，计算其相似度，在该相似度到达预定的相似度阈值时即判断为识别出所述翼轨起点，将该帧所述廓形数据对应的所述里程信息作为所述翼轨起点的所述里程信息。
[0010]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，所述轨面掉块区域识别模型为改进的YOLOv5神经网络模型，其包括：Backbone模块，用于提取所述二维图像的特征，在所述Backbone模块后增设有上采样层；PAN+Bi
‑
FPN模块，对提取出的所述特征进行融合，得到融合特征；以及Head模块，基于所述融合特征，识别所述二维图像中的掉块区域以及轨面区域，并输出对应的掉块锚框的像素坐标及其第一置信度、以及轨面锚框的像素坐标及其第二置信度。
[0011]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，所述轨面掉块识别步骤还包括：从识别出的所述掉块锚框中，去除所述第一置信度低于预设
的置信度阈值的的所述掉块锚框、以及位于所述轨面锚框外部的所述掉块锚框。
[0012]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术特征，其中，所述掉块有效点云生成步骤包括：基于所述待检测图像对应的所述里程信息，从所述廓形数据中提取出对应的多帧，并将其堆叠生成轨件点云；基于所述线激光传感器与所述道岔轨件的轨面的距离，对所述轨件点云进行裁剪，得到轨面点云；基于所述相机的相机内参将所述掉块锚框的像素坐标转换为相机坐标，并基于所述相机和所述线激光传感器的标定关系将所述掉块锚框的相机坐标转换为世界坐标；基于所述掉块锚框的世界坐标，从所述轨面点云中提取出与所述轨面掉块对应的掉块有效点云。
[0013]本专利技术提供的道岔轨件轨面掉块检测方法，还可以具有这样的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道岔轨件轨面掉块检测方法，用于对道岔轨件的轨面掉块进行检测，其特征在于，基于相机采集的二维图像、线激光传感器采集的廓形数据以及对应的里程信息进行检测，该方法包括：道岔轨件识别步骤：基于所述道岔轨件的起点的轮廓特征，从所述二维图像或多帧所述廓形数据中识别出所述道岔轨件的起点并得到对应的所述里程信息；二维图像提取步骤：基于所述道岔轨件的起点的所述里程信息、预定的所述道岔轨件的延伸长度，提取出与所述道岔轨件相对应的若干帧所述二维图像作为待检测图像；轨面掉块识别步骤：将所述待检测图像依次输入轨面掉块识别模型，该模型输出轨面掉块的掉块位置信息，其中，所述轨面掉块识别模型为训练完成的神经网络模型；掉块有效点云生成步骤：基于所述掉块位置信息、所述相机和所述线激光传感器的标定参数从多帧所述廓形数据中提取出与所述轨面掉块对应的多帧，并将其堆叠生成掉块有效点云；掉块特征尺寸计算步骤：基于所述掉块位置信息和所述掉块有效点云，计算所述轨面掉块的特征尺寸。2.根据权利要求1所述的道岔轨件轨面掉块检测方法，其特征在于：其中，所述道岔轨件包括心轨以及设置在所述心轨两侧的翼轨，所述道岔轨件识别步骤包括：基于所述里程信息，对采集的所述廓形数据逐帧进行心轨断面起点的廓形匹配识别，识别出所述心轨断面起点，并得到对应的所述里程信息；基于所述心轨断面起点的里程信息，获取所述心轨断面起点后连接的预定帧数的所述廓形数据，将其堆叠生成点云；基于该点云，通过拟合平面方式识别出心轨理论起点，并得到对应的所述里程信息；基于所述心轨理论起点的所述里程信息，提取出所述心轨理论起点前预定位置范围内的廓形数据；对提取出的所述廓形数据逐帧进行翼轨起点的廓形匹配识别，识别出翼轨起点，并得到对应的所述里程信息，在所述二维图像提取步骤中，基于所述心轨理论起点的所述里程信息、预定的所述心轨的延伸长度、所述翼轨起点的所述里程信息、预定的所述翼轨的延伸长度提取出覆盖所述心轨和所述翼轨的多帧所述二维图像。3.根据权利要求2所述的道岔轨件轨面掉块检测方法，其特征在于：其中，通过拟合平面方式识别出所述心轨理论起点包括：基于所述点云，通过RANSAC算法拟合所述心轨断面起点与所述心轨理论起点之间的平面；基于所述点云，通过RANSAC算法拟合所述心轨理论起点后的斜面；计算拟合的所述平面与拟合的所述斜面的相交线上的点的坐标，并基于该坐标得到对应的所述里程信息，或是，分别计算拟合的所述平面的中心线以及拟合的所述斜面的中心线，并计算两条所述中心线的交点的坐标，并基于该坐标得到对应的所述里程信息。4.根据权利要求2所述的道岔轨件轨面掉块检测方法，其特征在于：其中，所述心轨断面起点的廓形匹配包括：
基于预定的心轨断面起点匹配模板，判断在所述廓形数据中预定位置处是否有廓形，在判断为有廓形时，按预定的廓形截取算法对该廓形进行截取，得到心轨上端面的廓形，判断截取出的廓形是否为水平的具有预定长度的直线段，在判断为是时即识别出所述心轨断面起点，将该帧所述廓形数据对应的所述里程信息作为所述心轨断面起点的所述里程信息，所述翼轨起点的廓形匹配包括：基于预定的翼轨起点匹配模板，判断在所述廓形数据中预定位置处是否有廓形，在判断为有廓形时，按预定的廓形截取算法对该廓形进行截取，得到两侧翼轨的轨头部分的廓形，将截取出的廓形与预定的标准翼轨起点廓形进行匹配，计算其相似度，在该相似度到达预定的相似度阈值时即判断为识别出所述翼轨起点...

【专利技术属性】
技术研发人员：王玉林，黄珂，洪晓杰，王海涛，刘永奎，刘伟，张长领，王威，何明德，
申请(专利权)人：中原利达铁路轨道技术发展有限公司浙江天台和致祥投资有限公司，
类型：发明
国别省市：