
作者簡(jiǎn)介:李培云(1995-),女,安徽滁州人,碩士,主要研究方向是機(jī)器視覺,E-mail:1125924814@qq.com。
芯片采購網(wǎng)專注于整合國內(nèi)外授權(quán)IC代理商現(xiàn)貨資源,芯片庫存實(shí)時(shí)查詢,行業(yè)價(jià)格合理,采購方便IC芯片,國內(nèi)專業(yè)芯片采購平臺(tái)。
摘要:實(shí)驗(yàn)結(jié)果表明,該算法能夠在大多數(shù)情況下實(shí)時(shí)、準(zhǔn)確地檢測(cè)和跟蹤接觸線,保證城市軌道的安全運(yùn)行。
0 引言
隨著我國電氣化鐵路向高速、重載方向的不斷發(fā)展,接觸網(wǎng)- 在高速運(yùn)行狀態(tài)下,受電弓越來越受到關(guān)注[1-2]。由于接觸網(wǎng)與受電弓滑板長期保持接觸,在機(jī)車行駛過程中始終磨損,給機(jī)車取電性能帶來諸多不可靠因素,直接影響機(jī)車行駛狀態(tài),嚴(yán)重時(shí)造成安全事故。因此,需要實(shí)時(shí)檢測(cè)接觸網(wǎng)的運(yùn)行狀態(tài),以確保機(jī)車的安全運(yùn)行。
近年來,國內(nèi)外對(duì)接觸網(wǎng)運(yùn)行狀態(tài)的監(jiān)測(cè)引起了研究學(xué)者的廣泛關(guān)注。文獻(xiàn)[3]提出了基于圖像處理的鐵路接觸網(wǎng)檢測(cè)系統(tǒng),以識(shí)別接觸線的導(dǎo)高、拉出值和硬點(diǎn)。文獻(xiàn)[4]利用高精度傳感器收集線夾溫度等參數(shù),提出了基于張力和溫度的在線監(jiān)控系統(tǒng)。文獻(xiàn)[5] 研究了一套牽引電源接觸網(wǎng)溫度在線監(jiān)測(cè)系統(tǒng),但只檢測(cè)了接觸網(wǎng)某些關(guān)鍵部位的溫度。西安理工大學(xué)熊磊開發(fā)了一套基于紅外熱像儀的接觸網(wǎng)載流溫度監(jiān)測(cè)管理系統(tǒng),對(duì)實(shí)現(xiàn)自動(dòng)監(jiān)測(cè)具有重要意義。
由于機(jī)車在行駛過程中需要經(jīng)常更換道路岔口,為了解決弓網(wǎng)分離引起的安全事故,本文提出了接觸網(wǎng)目標(biāo)檢測(cè)和跟蹤算法,可以實(shí)時(shí)快速檢測(cè)接觸網(wǎng),準(zhǔn)確跟蹤接觸線。
1 算法概述
該算法主要分為兩部分:接觸線檢測(cè)和參數(shù)提取和跟蹤。檢測(cè)部分首先對(duì)輸入幀進(jìn)行灰度化處理,然后分別使用OTSU 提取接觸網(wǎng)的邊緣特征有兩種方法:自適應(yīng)閾值分割和邊緣檢測(cè)Hough 連接直線邊緣的變換。在紅外視頻圖像序列中,絕大多數(shù)接觸線和承力索成對(duì)出現(xiàn),視頻圖像呈直線,因此接觸線和承力索在視覺上沒有顯著特征,難以跟蹤目標(biāo)接觸線。因此,跟蹤部分主要用于Hough 用卡爾曼濾波法改變提取目標(biāo)接觸線的參數(shù)和跟蹤參數(shù)。首先使用參數(shù)提取部分Hough 根據(jù)收集到的紅外視頻,發(fā)現(xiàn)收集到的視頻圖像中的接觸網(wǎng)導(dǎo)線出現(xiàn)在圖片中,通常是2~4 因此,需要根據(jù)直線數(shù)量點(diǎn)進(jìn)行討論,然后判斷和提取接觸網(wǎng)目標(biāo)的直線參數(shù);通過卡爾曼濾波器預(yù)測(cè)紅外圖像中接觸線的參數(shù)跟蹤部分,再次獲取實(shí)際接觸線的測(cè)量參數(shù),并將參數(shù)與接觸線逐一匹配,最終實(shí)現(xiàn)紅外視頻中接觸線的檢測(cè)和跟蹤。接觸網(wǎng)目標(biāo)檢測(cè)和跟蹤算法流程。
2 接觸線檢測(cè)
2.1 圖像預(yù)處理
首先,紅外圖像(見圖2a)轉(zhuǎn)換為灰度圖像(見圖2)b),它可以提高圖像中的特征信息,提高圖像處理的工作效率,也便于進(jìn)一步處理圖像(如圖像噪聲、圖像分割等)。其次, 利用大津法自適應(yīng)圖像閾值,分割后獲得二值圖像(見圖2c)。大津法是圖像分割中閾值選擇的最佳算法[7],操作簡(jiǎn)單,不受圖像亮度和對(duì)比度的影響,廣泛應(yīng)用于數(shù)字圖像處理。最后,為了獲取圖像的邊緣信息, 采用prewitt邊緣檢測(cè)算法[8]提取接觸網(wǎng)的邊緣特征信息,獲取二值化邊緣圖像(見圖2dNordic代理)。Prewitt 邊緣檢測(cè)算子對(duì)噪聲有一定的抑制能力,對(duì)噪聲大、灰度漸變的圖像處理有較好的邊緣效果。充分利用OTSU 自適應(yīng)閾值分割和Prewitt 與傳統(tǒng)的邊緣檢測(cè)算法相比,算子具有邊緣細(xì)節(jié)更清晰、背景噪聲更小的優(yōu)點(diǎn),可以更完整、更準(zhǔn)確地提取邊緣信息。
假設(shè)紅外視頻中的目標(biāo)接觸線s 幀以使用一個(gè)向量參數(shù)Peak(s,:) 其中rho_max 極坐標(biāo)系下半徑最大值表示其接觸線參數(shù),theta_max 極坐標(biāo)系下角度最大值表示其接觸線參數(shù)。
式中:x1(s,:) 是在第s 幀接觸線參數(shù)的預(yù)測(cè)矩陣,A 表示由s-1 幀最優(yōu)估計(jì)x(s-1) 推測(cè)出第s 幀接觸線軌跡參數(shù)觀測(cè)矩陣,w 預(yù)測(cè)模型的過程噪聲,B 控制矩陣表示控制量w 如何作用于當(dāng)前狀態(tài)?由于是對(duì)紅外視頻中目標(biāo)接觸線參數(shù)的預(yù)測(cè),這里的平均值為0 高斯噪聲模擬預(yù)測(cè)中產(chǎn)生的誤差。視頻中每幀的不確定性都是通過狀態(tài)噪聲協(xié)方差矩陣來表示的,預(yù)測(cè)參數(shù)必須不準(zhǔn)確。本文通過狀態(tài)噪聲協(xié)方差矩陣Q 表示預(yù)測(cè)過程中的誤差,包括一些不確定因素,預(yù)測(cè)誤差協(xié)方差矩陣是
式中,p1(s,:) 協(xié)方差矩陣是下一幀接觸線位置參數(shù)的預(yù)測(cè)誤差,p(s-1,:) 觀測(cè)誤差協(xié)方差矩陣是前一幀位置參數(shù)的最佳估計(jì),A 預(yù)測(cè)上一幀的最佳估計(jì)s 幀接觸線軌跡的參數(shù)轉(zhuǎn)移矩陣的轉(zhuǎn)移矩陣。在紅外視頻中,接觸線在實(shí)際檢測(cè)中無論如何都無法避免誤差Hough 嚴(yán)格來說,變換檢測(cè)的接觸線只是對(duì)接觸線參數(shù)的預(yù)測(cè)和估計(jì)。Kalman 由預(yù)測(cè)過程和測(cè)量修正兩部分組成,包括預(yù)測(cè)接觸線當(dāng)前位置參數(shù)和預(yù)測(cè)誤差協(xié)方差。濾波器校正部分主要是更新預(yù)測(cè)狀態(tài),包括Kalman 更新濾波增益,利用濾波增益K(s) 修正位置參數(shù)值和協(xié)方差。
卡爾曼增益表達(dá)式為
式中,k(s) 為第s 卡爾曼濾波常數(shù)幀,R 是參數(shù)觀測(cè)噪聲協(xié)方差矩陣,即參數(shù)的測(cè)量誤差,H 從預(yù)測(cè)參數(shù)到預(yù)測(cè)參數(shù)的參數(shù)轉(zhuǎn)移矩陣。
數(shù)學(xué)表達(dá)式推測(cè)了接觸線下一幀位置參數(shù)的最佳估計(jì)值
式中,x1(s,:) 是第s 幀接觸線實(shí)際軌跡的參數(shù)推測(cè)值,y(s,:) 是第s 幀接觸線參數(shù)的實(shí)際測(cè)量值是參數(shù)觀測(cè)值。
最后,更新紅外視頻圖像中接觸線實(shí)際位置參數(shù)與檢測(cè)位置參數(shù)之間的誤差協(xié)方差矩陣,即更新預(yù)測(cè)誤差協(xié)方差矩陣
從以上分析可以看出,卡爾曼濾波所使用的信息都是時(shí)域內(nèi)的量, 因此,卡爾曼濾波器是在時(shí)域內(nèi)設(shè)計(jì)的, 適用于多維情況。本文利用卡爾曼濾波器預(yù)測(cè)當(dāng)前視頻幀接觸線的參數(shù)來估計(jì)接觸線的軌跡位置。如果在紅外視頻的某一幀中沒有檢測(cè)到接觸線的參數(shù),也沒有預(yù)測(cè)到接觸線的參數(shù),則放棄記錄視頻幀接觸線的軌跡位置。
4 實(shí)驗(yàn)結(jié)果
采用本文實(shí)驗(yàn)MATLAB R2018a 工作環(huán)境為:CPU:Intel Core i5-8250U@ 1.6 GHz 1.8 GHz,內(nèi)存:8G,Windows10 操作系統(tǒng)。使用MATLAB 仿真實(shí)現(xiàn)MP4 從接觸網(wǎng)絡(luò)視頻文件到序列幀的轉(zhuǎn)換。以此序列圖為例,對(duì)接觸線的跟蹤成功實(shí)現(xiàn)。實(shí)驗(yàn)結(jié)果表明,該算法具有良好的準(zhǔn)確性和顯著的跟蹤效果,在電氣化鐵路的快速發(fā)展、接觸線檢測(cè)和跟蹤研究中具有良好的應(yīng)用價(jià)值。
5 結(jié)語
由于機(jī)車在行駛過程中需要頻繁更換線路,以確保機(jī)車的高速安全運(yùn)行,本文提出了高速鐵路接觸線的檢測(cè)和跟蹤方法,以解決駕駛過程中弓網(wǎng)分離引起的安全事故,克服了許多類似的運(yùn)動(dòng)目標(biāo)和復(fù)雜的運(yùn)動(dòng)問題。為了準(zhǔn)確跟蹤紅外視頻中的接觸線,使用它Hough 直線參數(shù)和卡爾曼濾波跟蹤參數(shù)的轉(zhuǎn)換提取,但不能進(jìn)行自適應(yīng)檢測(cè)。Hough 變換檢測(cè)速度仍有上升空間。此外,在接觸線運(yùn)動(dòng)特征變化不大的情況下,卡爾曼濾波器跟蹤參數(shù)跟蹤相對(duì)穩(wěn)定,但在目標(biāo)位置嚴(yán)重屏蔽等復(fù)雜背景下,跟蹤效果較差,需要在后續(xù)工作中進(jìn)一步研究。
參考文獻(xiàn):
[1] SINHA A,KIRUBARAJAN T,BAR-SHALOM Y.Application of the Kalman-levy Filter for Tracking Maneuvering Targets[J].IEEE Trans. on Aerospace and Electronic Systems,2007,43(3):1099-1107.
[2] 楊德江.高速鐵路接觸網(wǎng)檢測(cè)技術(shù)研究[J].2020(02)建材及裝飾:253-254.
[3] 陳高華,卓東風(fēng),夏錫瑞.基于Hough變換直線檢測(cè)中的峰值提取[J].2006(04)太原科技大學(xué)學(xué)報(bào)256-258.
[4] 何正友,程宏波.研究高速鐵路牽引供電系統(tǒng)的健康管理和故障預(yù)警系統(tǒng)[J].2012年36日(10)電網(wǎng)技術(shù).
[5] 閻玲玲、金立軍、張文豪等.基于表面溫度法的接觸線磨損紅外診斷[J].2011年28(12)機(jī)電工程1426-1429.
[6] 熊磊.基于紅外熱像儀接觸網(wǎng)載流溫度監(jiān)測(cè)管理系統(tǒng)的開發(fā)[D].西安:2017年西安理工大學(xué).
[7] CAO J,CHEN L,WANG M,et al.Implementing a Parallel Image Edge Detection Algorithm Based on the Otsu-Canny Operator on the Hadoop Platform[J].Computational Intelligence & Neuroscience,2018(3):1-12.
[8] 安建堯、李金新、孫雙平.基于Prewitt改進(jìn)算法[J].2018年38日(05)杭州電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版) 39.
[9] 吳銳、黃劍華、唐降龍等.文本圖像二值化方法基于灰度直方圖和譜聚類[J].電子與信息學(xué)報(bào).2009,31(10):2460-2464.
[10] SATZODA R K,SATHYANARAYANA S,SRIKANTHAN T,et al.Hierarchical additive hough transform for lane detection[J].IEEE Embedded Systems Letters,2010,2(2):23-26.
[11] 付永生,王紹霖.Hough改變邊緣參數(shù)提取算法[J].1996(04)同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版).
[12] 劉春閣.基于Hough直線提取和匹配變換[D].阜新:遼寧工程技術(shù)大學(xué),2009.
[13] 許龍.基于設(shè)備維護(hù)策略的接觸網(wǎng)管理信息系統(tǒng)的研究[D].成都:2013年西南交通大學(xué).
[14] 付永生,王紹霖.Hough改變邊緣參數(shù)提取算法[J].1996(04)同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版).
[15] 李亞立,郭玲紅.跟蹤和測(cè)量基于卡爾曼濾波器的動(dòng)態(tài)目標(biāo)運(yùn)動(dòng)參數(shù)[J].2012、31(08)自動(dòng)化技術(shù)與應(yīng)用:20-23.
(本文來源《IC2021年1月,代理雜志
- COMPUTEX 2022實(shí)體展 元宇宙與ESG主題最吸睛
- 50 已加入多家企業(yè)機(jī)構(gòu) SOAFEE 共同授權(quán)軟件定義汽車的未來發(fā)展
- 英特爾在德國投資170億歐元建造超級(jí)芯片制造商
- 微星科技COMPUTEX 2022計(jì)算機(jī)展在線登場(chǎng)
- 國產(chǎn)芯片迎來了重大突破,壁崖科技發(fā)布創(chuàng)造了全球計(jì)算能力記錄GPU芯片
- 俄羅斯副總理:到2024年,俄羅斯在實(shí)體領(lǐng)域的人工智能解決方案數(shù)量將翻倍
- e泰克新一代2系列混合信號(hào)示波器
- 意法半導(dǎo)體車規(guī)柵極驅(qū)動(dòng)器提高電機(jī)控制的靈活性
- 搶先看!CITE2022黑科技產(chǎn)品大盤點(diǎn)
- BOE出現(xiàn)在2022年智博會(huì)上 用屏幕物聯(lián)賦能智慧生活
- 半導(dǎo)體一周要聞3.7-3.11
- 瑞薩電子為全球員工推出了瑞薩日和星期五聚焦
