【技术实现步骤摘要】
本专利技术涉及钢轨磨耗检测，尤其涉及一种基于结构光的钢轨磨耗识别方法及设备。
技术介绍
1、由于列车长时间高负荷运转，对钢轨带来日益递增的磨耗，对列车正常运行带来极大的安全风险，准确而高效的检测钢轨磨耗极其重要。目前，由于结构光技术的快速发展，特别是在帧率上的提高，其非接触性、高精度、高效率动态检测的优点被广泛应用于轨道行业的检测。公开号为cn108955576a的中国专利申请公开了一种钢轨廓形动态检测中的多线结构光自标定方法及系统，所述方法从钢轨的场景图像中根据角提取算法获得多线结构光条上的特征点，根据特征点及钢轨自身的几何形状，并结合结构光视觉模型搭建钢轨三维廓形，并根据钢轨三维廓形获得投影廓形，对投影廓形和标准廓形在轨鄂、轨头内侧和轨底三个非磨损区域上的尺寸和形状偏差，利用曲线相似性度量方法进行量化，根据量化偏差迭代优化多线结构光平面参数，实现多线结构光的自标定。该方法解决了依赖标定模板不能自主迅速对结构光在线自标定的问题，提高测量精度，但是没有考虑到检测环境中环境光的强度和检测时的震动对检测结果的影响。由于轨道处于自然场景下，结构光获取的数据经常干扰特别多，导致数据的稳定性不好，所以现有技术有进一步改进的必要。
技术实现思路
1、为了解决上述现有技术存在的缺陷，本专利技术提出了一种基于结构光的钢轨磨耗识别方法及设备。本专利技术的基于结构光的钢轨磨耗识别方法通过调节第一曝光时间和第二曝光时间、第三曝光时间和第四曝光时间提高第一图像、第二图像、第三图像以及第四图像的清晰度，根据
2、本专利技术的技术方案是这样实现的：
3、一种基于结构光的钢轨磨耗识别方法，包括以下步骤：
4、步骤1：在检测小车上安装由第一激光器、第一摄像机和第二摄像机组成的第一测量单元和由第二激光器、第三摄像机和第四摄像机组成的第二测量单元以及振动传感器；
5、步骤2：钢轨经紧固件安装在基座上，相邻的钢轨具有伸缩缝，读取伸缩缝的第一基准特征图，读取紧固件的第二基准特征图，所述检测小车沿钢轨移动；
6、步骤3：第一激光器向钢轨的一个侧面发射线结构光，第一摄像机和第二摄像机接收该线结构光的反射光，第二激光器向钢轨的另一个侧面发射线结构光，第三摄像机和第四摄像机接收该线结构光的反射光；
7、步骤4：第一摄像机经第一曝光时间生成第一图像，第二摄像机经第二曝光时间生成第二图像，第三摄像机经第三曝光时间生成第三图像，第四摄像机经第四曝光时间生成第四图像；
8、步骤5：根据振动传感器获取的振动信号预测伸缩缝的位置，识别第一图像和第三图像中伸缩缝的第一特征图，若第一特征图与第一基准特征图的结构相似度低于伸缩缝阈值，基于该第一特征图调整第一曝光时间和第三曝光时间；
9、步骤6：基于所述第二基准特征图识别第二图像和第四图像中的紧固件的第二特征图，基于该第二特征图调整第二曝光时间和第四曝光时间；
10、步骤7：重复步骤3至步骤4，再次生成第一图像、第二图像、第三图像以及第四图像，分别根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云以及第四点云；
11、步骤8：合并第一点云、第二点云、第三点云以及第四点云生成钢轨的截面轮廓，识别该截面轮廓的磨耗值，返回至步骤3。
12、在本专利技术中，在步骤5中，提取振动信号的频谱特征和幅值特征，根据该频谱特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t1，根据时刻t1计算第一摄像机经过伸缩缝的时刻t2，提取第一摄像机在时刻t2生成的第一图像。
13、在本专利技术中，在步骤5中，结构相似度qssim=q1×q2×q3，亮度参数，对比度参数，相关性参数，其中，为第一特征图的像素均值，为第一基准特征图的像素均值，σ1为第一特征图的像素标准差，σ2为第一基准特征图的像素标准差，σ12为第一特征图与第一基准特征图的像素协方差，c1、c2、c3均为常数。
14、在本专利技术中，在步骤5中，计算第一图像中第一特征图的曝光像素参数w1和曝光质量参数w2，并根据曝光像素参数和曝光质量参数计算第一图像参数a1，a1=(w1+w2)/2，若a1＜a0，调整后的第一曝光时间e=e0+(1-qssim)δe，若a1＞a0，调整后的第一曝光时间e=e0-(1-qssim)δe，e0为第一曝光时间，δe为曝光调节步长，a0为第一基准特征图的图像参数。
15、在本专利技术中，在步骤5中，曝光像素参数，曝光质量参数，p3为第一特征图的像素极差。
16、在本专利技术中，在步骤6中，在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，根据直方图相似度识别第二特征图，根据第二特征图计算第二图像参数并确定第二曝光时间。
17、在本专利技术中，在步骤6中，预选窗口和第二基准特征图的直方图相似度，p4i为预选窗口的直方图中像素值i的概率，p5i为第二基准特征图的直方图中像素值i的概率，为预选窗口的直方图中像素值的平均概率，为第二基准特征图的直方图中像素值的平均概率。
18、在本专利技术中，在步骤7中，标定第一摄像机的内部参数以及第一摄像机相对于第一激光器的外部参数，根据该内部参数和外部参数变换第一图像的每一像素点的位置坐标并生成第一点云，根据刚体变换估计将第一点云匹配至基准坐标系。
19、在本专利技术中，在步骤8中，所述磨耗值由垂直磨耗、内圆周磨耗以及外圆周磨耗组成。
20、一种应用于所述基于结构光的钢轨磨耗识别方法的钢轨磨耗识别设备，包括：
21、沿钢轨移动的检测小车，检测小车设有振动传感器；
22、数据库，数据库被配置为存储伸缩缝的第一基准特征图以及紧固件的第二基准特征图；
23、第一测量单元，第一测量单元被配置为生成第一图像和第二图像，第一测量单元由第一激光器、第一摄像机和第二摄像机组成；
24、第二测量单元，第二测量单元被配置为生成第三图像和第四图像，第二测量单元由第二激光器、第三摄像机和第四摄像机组成；
25、控制单元，控制单元被配置为分别根据第一图像、第二图像、第三图像以及第四图像调整第一曝光时间、第二曝光时间、第三曝光时间和第四曝光时间；
26、数据处理单元，数据处理单元被配置为生成钢轨的截面轮廓并识别该截面轮廓的磨耗值。
27、实施本专利技术的这种基于结构光的钢轨磨耗识别方法及设备，具有以下有益效果：针对钢轨不同角度的光线差异，本专利技术从现场实测图像中提取钢轨的第一特征图和第二特征图，预测现场实测的第一特征图和第二特征图的曝光像素参数和曝光质量参数，进而调整各个角度的摄像机的曝光时间，提高图像的质量，使得磨耗值的测量更准确。进一步的，针对钢轨顶部的第一图像和第三图像，结合检测小车的振动情况确认伸缩缝的位置，可以快速识别伸缩缝的第一特征图。针对本文档来自技高网...
【技术保护点】
1.一种基于结构光的钢轨磨耗识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，提取振动信号的频谱特征和幅值特征，根据该频谱特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t1，根据时刻t1计算第一摄像机经过伸缩缝的时刻t2，提取第一摄像机在时刻t2生成的第一图像。
3.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，结构相似度QSSIM=Q1×Q2×Q3，亮度参数，对比度参数，相关性参数，其中，为第一特征图的像素均值，为第一基准特征图的像素均值，σ1为第一特征图的像素标准差，σ2为第一基准特征图的像素标准差，σ12为第一特征图与第一基准特征图的像素协方差，C1、C2、C3均为常数。
4.根据权利要求3所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，计算第一图像中第一特征图的曝光像素参数W1和曝光质量参数W2，并根据曝光像素参数和曝光质量参数计算第一图像参数A1，A1=(W1+W2)/2，若A1＜A0，调整后的第一曝光时间E=E0+(1-QSS
5.根据权利要求4所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，曝光像素参数，曝光质量参数，p3为第一特征图的像素极差。
6.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤6中，在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，根据直方图相似度识别第二特征图，根据第二特征图计算第二图像参数并确定第二曝光时间。
7.根据权利要求6所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤6中，预选窗口和第二基准特征图的直方图相似度，p4i为预选窗口的直方图中像素值i的概率，p5i为第二基准特征图的直方图中像素值i的概率，为预选窗口的直方图中像素值的平均概率，为第二基准特征图的直方图中像素值的平均概率。
8.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤7中，标定第一摄像机的内部参数以及第一摄像机相对于第一激光器的外部参数，根据该内部参数和外部参数变换第一图像的每一像素点的位置坐标并生成第一点云，根据刚体变换估计将第一点云匹配至基准坐标系。
9.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤8中，所述磨耗值由垂直磨耗、内圆周磨耗以及外圆周磨耗组成。
10.一种应用于如权利要求1所述基于结构光的钢轨磨耗识别方法的钢轨磨耗识别设备，其特征在于，包括：
...【技术特征摘要】
1.一种基于结构光的钢轨磨耗识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，提取振动信号的频谱特征和幅值特征，根据该频谱特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t1，根据时刻t1计算第一摄像机经过伸缩缝的时刻t2，提取第一摄像机在时刻t2生成的第一图像。
3.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，结构相似度qssim=q1×q2×q3，亮度参数，对比度参数，相关性参数，其中，为第一特征图的像素均值，为第一基准特征图的像素均值，σ1为第一特征图的像素标准差，σ2为第一基准特征图的像素标准差，σ12为第一特征图与第一基准特征图的像素协方差，c1、c2、c3均为常数。
4.根据权利要求3所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，计算第一图像中第一特征图的曝光像素参数w1和曝光质量参数w2，并根据曝光像素参数和曝光质量参数计算第一图像参数a1，a1=(w1+w2)/2，若a1＜a0，调整后的第一曝光时间e=e0+(1-qssim)δe，若a1＞a0，调整后的第一曝光时间e=e0-(1-qssim)δe，e0为第一曝光时间，δe为曝光调节步长，a0为第一基准特征图的图像参数。
5.根据权利要求4所述的基于结构...
【专利技术属性】
技术研发人员：章海亮，张译之，徐晗旭，王逸骏，詹白勺，罗微，刘雪梅，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。