02车载智能轨道巡检系统的研究与应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
２０】２． １．
【２】谭珍玲．海峰，施国雷．辐轮式物流网络的经济 性分析叨．物流工程与管理．２００９，（５）：ｌ
１－１３．
责任编辑：万宝安
来稿日期：２０１３—０２—１６
万方数据
上海铁道科技２０１３年第１期
３３
聂海丽上海铁路局科研所
于监视器上，最终实现对列车经过的整条线路的检测。 摘要在高铁大规模建设和开通运营的环境下，工务 部门亟需采用车载动态非接触方式对轨道病害进行检 测。车载智能轨道巡检系统通过布置于车底的高速相机 阵列，拍摄列车通过高铁线路的整个车底下道床图像，存 储于计算机，并在后期通过智能识别软件对图像中的扣 件、钢轨和轨道板等进行智能诊断，自动识别出有缺陷的 地方，为高铁的养护提供了依据。
万方数据
车载智能轨道巡检系统的研究与应用
常。则其横向投影就会出现灰度值陡变的情况，如图５所示。
键的一部。本系统采用灰度阈值分割法，在确定合适的阈值 后，将阈值与像素点的灰度值进行比较和分割，检测灰度级 或者结构具有突变的地方，这些地方往往表明一个区域的终 结和另一个区域的开始。整个像素比较的过程可以并行进 行，分割的结果直接给出扣件区域。区域分割通过两个步骤 进行，第一步是通过横向投影，剪切出扣件所在区域的轨道
／、、
ｒ—“
ｒ
卜
，，———、，Ｍ ｐ＾／１．
，
统现在正在投入使用，基本满足需求，但还可以通过增加相 机进一步改善拍摄效果，同时通过后续的研究，智能识别的 缺陷类型也在不断的增多。相信系统的不断改进将为铁路的 安全运营带来更好的保障。 责任编辑：王华
来稿日期：２０１３一Ｏｌ一２１
图６剪切出轨道板子图
智能识别软件根据钢轨的位置从图中分割出扣件区域 图，将扣件区域图与模板图像进行比对，从而判断扣件是否 存在歪斜与缺失。从整个图像中分割出扣件区域图是非常关
万方数据
车载智能轨道巡检系统的研究与应用
系统使用两台相同型号的线阵列相机，通过外出发模式 来进行相机的采集控制。相机的分辨率为２ ｋ，单个相机视场 大小１
只有ｌ
６００
集的图像进行相应的压缩后将图像保存到磁盘阵列存储器 中。磁盘阵列在多个磁盘上同时存储和读取数据，保证了大 容量图像数据的高速存储。整个工作流程如图３所示。采集 界面如图４所示。
Ｖ
离 游
亩Ｉ
正常情况下的投影曲线应是平滑的，如出现波动，则说明光 带有缺陷。图像预处理的主要目的是消除图像中无关的信 息，恢复有用的真实信息，增强有关信息的可检测性和最大 限度地简化数据，从而改进特征抽取、图像分割、匹配和识别 的可靠性。本系统的预处理过程包括平滑、增强等步骤。而投 影是为了有效的提取图像的特征信息。本系统首先对输入图
ｍｉｌｌ，工作距离８００ ｍｍ，通过选择适当焦距的镜 ｍｍ，但两个相机拼在一起的视场超过了２ ８００
头，可拍摄物体景深２５０ ｍｍ左右。每个相机的视场大小虽然
６００ ｍｍ，
满足了覆盖整个轨道板面的要求（如图２所示）。对于采集图
像的重叠部分，将在回放时由回放软件裁剪掉。 相机长时间不间断采集轨道图像，最高时的频率可达
下应运而生的。
１系统研究的主要内容 车载智能轨道巡检系统是一套集高速数字图像采集、大 容量图像数据实时处理和存储、定位技术、智能化和信息化、 自动控制于一体的智能系统，能对可视性轨道结构状态进行 动态检测。系统分为实时采集和后期分析处理两大部分。 １．１图像的实时采集和存储 系统通过布置于车底的高速相机阵列，拍摄列车通过高 铁线路的整个车底下道床图像，存储于计算机。通过车载系 统提供的里程定位信息、车辆速度信息、车辆编码器信息、列 车行进方向、上下行等信息，拍摄列车经过线路的轨道图像， 包含轨道板裂纹、扣件的缺失甚至松动、钢轨表面的光带、钢 轨的擦伤、剥落掉块等所有可视缺陷，经数字化处理后显示
（上接第８页）业面临体制改革的大环境 下，探讨铁路“白货”营销组织方案，是铁 路运输企业全面走向市场，提升自身产 品竞争力，参与市场合理分工的有益探 索；也是铁路运输企业自身持续经营、发 展的需要。铁路“白货”营销组织方案，涉 及铁路运输企业生产组织方式的转变， 是一个复杂的系统工程，需要具备多种 内外部条件。因此在实际操作中还需要
关键词 高速相机；触发信号；智能识别
１．２图像的后期分析和处理 图像采集回来以后，工作人员在办公室对采集的图像通 过人机结合的方式进行分析处理。先由自动识别软件对选定 的目标图像文件夹进行智能图像分析与缺陷识别，识别出来 的缺陷图像将自动放入缺陷库（目前能够自动识别的缺陷主 要包括扣件的异常、钢轨的擦伤和剥落掉块、光带的分布不 匀等）。然后通过人工辅助分析，判断哪些是现场真实缺陷， 哪些是由于线路的油漆痕迹和扣件内的污物等造成的误判， 剔除不构成行车安全的缺陷图片，剩下的即是有效的缺陷图 片。通过人工回放软件对目前暂时未能实现自动识别的轨道 板裂纹、道床的翻浆冒泥等轨道结构病害进行人工预览判 断，从而实现了轨道面全覆盖的可视化巡检，为线路的养护 维修提供了科学的依据。 ２图像的采集系统 ２．１系统的组成 高速相机和ＬＥＤ光源安装于列车底部，测速触发装置向 两个相机发出行触发信号，相机接到触发信号后采集图像， 并将图像传回给采集存储系统，由采集存储系统负责将图像 进行压缩和存储。如图１所示。
不断修正完善，最终开发出符合市场需 求的“白货”运输产品，为铁路运输企业 经营带来一个新的增长点。 参考文献
【１】张健，李琳，胡红春．快速货运轴辐式网络研 究．研究与探讨．济南：山东大学，２００８ Ｖ０１．２６（４）：
２５—２７．
【３】国家发改委．产业结构调整指导目录（２０１ １年 本）．２０１１． 【４】江苏省统计局．江苏省统计年鉴．２００８—２０１０． 【５１上海铁路局．上海铁路局统计年鉴．２００８—２０１ 【６１铁道部运输局．运输统计资料［ＲＩ．２００９—２０１２． 【７】上海铁路局苏州站．货运市场调研报告【Ｒ】．
１８
ｋＨｚ，在行车速度６０ ｋｍ／ｈ的情况下，保证了ｌ ｍ耐线的高
精度图像采集。同时，在行车方向上，图像可以连续地进行无 缝拼接。
图４采Biblioteka Baidu界面
３图像人工回放系统
图２两个相机协同工作原理
每次采集的图像和相关的里程信息、线路信息和其它配 置信息等统一按照规则存储到图像采集任务包中。回放软件 以任务包为单位对采集的图像进行显示，回放人员可以用矩 形框标注出所查看到的缺陷，并通过点击下一幅按钮来遍历 每一幅图。遍历的过程中可以任意缩放图像，查看之前标注 的缺陷，也可以设置时间自动播放。每一幅图像都有相应的 里程信息，回放时可以随时通过里程定位查找到相应位置的 图像。人工标注好缺陷以后，软件可以按要求查询出缺陷图 像及缺陷信息，并可自动生成图文报表，帮助进行巡检。 ４智能识别系统 智能识别系统遍历每一幅图像，靠软件自动识别出相关 缺陷，目前本系统主要完成了钢轨光带异常的自动识别和扣 件歪斜、缺失等问题的自动识别。
随着高速铁路的发展，铁路检测设备已经由静态检测发 展到动态检测，由接触式检测发展到非接触式检测，由低速 运行状态检测发展到高速运行状态检测。目前国外发达国家 已成功地将ＣＣＤ高速摄像技术应用于铁路轨道动态检测，大 大提高了轨道检测的速度和精度。 国内近年来也不断引进、消化国外先进的高速轨道检测 技术，但国内外轨道检测技术发展较为成熟的还仅仅在对轨 道几何尺寸的测量和轨道动力学性能的检测，而对轨道结构 病害检测还没有能应用于生产实际的成熟技术。在高铁大规 模建设和开通运营的条件下，工务部门亟需采用车载动态非 接触方式对轨道结构病害进行检测，本系统就是在这一环境
墨 圃 痞
图３系统工作流程
像进行纵向投影，剪切出光带及其周边部分区域。因为光带 的灰度值最大，所以纵向投影后对索引矩阵排序后找到最大 值就可以找到光带具体位置，再外扩若干像素便可剪切出光 带子图。再对这个光带子图进行横向投影，如果光带存在异
由行同步编码器发出同步信号触发两台相机采集图像， 相机接收触发信号，逐行拍摄，并将拍摄的图像传递给采集 卡，通过采集卡的整合发送给采集应用程序。应用程序对采
板子图。如图６所示。
再进行纵向投影剪切出扣件区域子图。如图７所示。对 于扣件区域子图，与模板图像进行比对，可检测出扣件歪斜 与缺失的图像。
图５
存在并常的光≈÷子圈的横向投影效果
４．２扣件歪斜与缺失的识别
．／ｒ～＼、一＼ 一ｒ，一一一 ．，。√ ’Ｌ一～
图７剪切出扣件区域子图
５结论
智能轨道检测系统采用了先进的机器视觉技术，系统的 开发思路及技术手段体现出了有效、易用、安全、经济的显著 特色。该系统的研制成功，提高了轨道巡检和地面检测数据 分析处理的能力。通过数据采集系统和分析系统，合理配置 人工资源，能够实现把检测到的缺陷数据及时提供给相应的 工务段，进一步提高了对现场指导的准确性和实用性。该系
４．１钢轨光带异常的识别
光源选择定制型高亮度条形ＬＥＤ。中心的ＬＥＤ对着铁 轨，亮度较低；两边ＬＥＤ对着扣件以及轨道板，亮度稍高。由 于铁轨比扣件距离相机和光源更近，所以光源亮度做了调 整，使得拍摄出的图像亮度更为均匀。
２．２图像的采集流程
一溱 霉，荔≥爹
Ｓ
，
钢轨光带异常的智能识别主要包括钢轨擦伤、点蚀、腐 蚀等缺陷的识别。智能识别系统根据预处理后的图像的灰度 变化，利用水平投影和垂直投影的平滑性改变来检测缺陷，
【２】谭珍玲．海峰，施国雷．辐轮式物流网络的经济 性分析叨．物流工程与管理．２００９，（５）：ｌ
１－１３．
责任编辑：万宝安
来稿日期：２０１３—０２—１６
万方数据
上海铁道科技２０１３年第１期
３３
聂海丽上海铁路局科研所
于监视器上，最终实现对列车经过的整条线路的检测。 摘要在高铁大规模建设和开通运营的环境下，工务 部门亟需采用车载动态非接触方式对轨道病害进行检 测。车载智能轨道巡检系统通过布置于车底的高速相机 阵列，拍摄列车通过高铁线路的整个车底下道床图像，存 储于计算机，并在后期通过智能识别软件对图像中的扣 件、钢轨和轨道板等进行智能诊断，自动识别出有缺陷的 地方，为高铁的养护提供了依据。
万方数据
车载智能轨道巡检系统的研究与应用
常。则其横向投影就会出现灰度值陡变的情况，如图５所示。
键的一部。本系统采用灰度阈值分割法，在确定合适的阈值 后，将阈值与像素点的灰度值进行比较和分割，检测灰度级 或者结构具有突变的地方，这些地方往往表明一个区域的终 结和另一个区域的开始。整个像素比较的过程可以并行进 行，分割的结果直接给出扣件区域。区域分割通过两个步骤 进行，第一步是通过横向投影，剪切出扣件所在区域的轨道
／、、
ｒ—“
ｒ
卜
，，———、，Ｍ ｐ＾／１．
，
统现在正在投入使用，基本满足需求，但还可以通过增加相 机进一步改善拍摄效果，同时通过后续的研究，智能识别的 缺陷类型也在不断的增多。相信系统的不断改进将为铁路的 安全运营带来更好的保障。 责任编辑：王华
来稿日期：２０１３一Ｏｌ一２１
图６剪切出轨道板子图
智能识别软件根据钢轨的位置从图中分割出扣件区域 图，将扣件区域图与模板图像进行比对，从而判断扣件是否 存在歪斜与缺失。从整个图像中分割出扣件区域图是非常关
万方数据
车载智能轨道巡检系统的研究与应用
系统使用两台相同型号的线阵列相机，通过外出发模式 来进行相机的采集控制。相机的分辨率为２ ｋ，单个相机视场 大小１
只有ｌ
６００
集的图像进行相应的压缩后将图像保存到磁盘阵列存储器 中。磁盘阵列在多个磁盘上同时存储和读取数据，保证了大 容量图像数据的高速存储。整个工作流程如图３所示。采集 界面如图４所示。
Ｖ
离 游
亩Ｉ
正常情况下的投影曲线应是平滑的，如出现波动，则说明光 带有缺陷。图像预处理的主要目的是消除图像中无关的信 息，恢复有用的真实信息，增强有关信息的可检测性和最大 限度地简化数据，从而改进特征抽取、图像分割、匹配和识别 的可靠性。本系统的预处理过程包括平滑、增强等步骤。而投 影是为了有效的提取图像的特征信息。本系统首先对输入图
ｍｉｌｌ，工作距离８００ ｍｍ，通过选择适当焦距的镜 ｍｍ，但两个相机拼在一起的视场超过了２ ８００
头，可拍摄物体景深２５０ ｍｍ左右。每个相机的视场大小虽然
６００ ｍｍ，
满足了覆盖整个轨道板面的要求（如图２所示）。对于采集图
像的重叠部分，将在回放时由回放软件裁剪掉。 相机长时间不间断采集轨道图像，最高时的频率可达
下应运而生的。
１系统研究的主要内容 车载智能轨道巡检系统是一套集高速数字图像采集、大 容量图像数据实时处理和存储、定位技术、智能化和信息化、 自动控制于一体的智能系统，能对可视性轨道结构状态进行 动态检测。系统分为实时采集和后期分析处理两大部分。 １．１图像的实时采集和存储 系统通过布置于车底的高速相机阵列，拍摄列车通过高 铁线路的整个车底下道床图像，存储于计算机。通过车载系 统提供的里程定位信息、车辆速度信息、车辆编码器信息、列 车行进方向、上下行等信息，拍摄列车经过线路的轨道图像， 包含轨道板裂纹、扣件的缺失甚至松动、钢轨表面的光带、钢 轨的擦伤、剥落掉块等所有可视缺陷，经数字化处理后显示
（上接第８页）业面临体制改革的大环境 下，探讨铁路“白货”营销组织方案，是铁 路运输企业全面走向市场，提升自身产 品竞争力，参与市场合理分工的有益探 索；也是铁路运输企业自身持续经营、发 展的需要。铁路“白货”营销组织方案，涉 及铁路运输企业生产组织方式的转变， 是一个复杂的系统工程，需要具备多种 内外部条件。因此在实际操作中还需要
关键词 高速相机；触发信号；智能识别
１．２图像的后期分析和处理 图像采集回来以后，工作人员在办公室对采集的图像通 过人机结合的方式进行分析处理。先由自动识别软件对选定 的目标图像文件夹进行智能图像分析与缺陷识别，识别出来 的缺陷图像将自动放入缺陷库（目前能够自动识别的缺陷主 要包括扣件的异常、钢轨的擦伤和剥落掉块、光带的分布不 匀等）。然后通过人工辅助分析，判断哪些是现场真实缺陷， 哪些是由于线路的油漆痕迹和扣件内的污物等造成的误判， 剔除不构成行车安全的缺陷图片，剩下的即是有效的缺陷图 片。通过人工回放软件对目前暂时未能实现自动识别的轨道 板裂纹、道床的翻浆冒泥等轨道结构病害进行人工预览判 断，从而实现了轨道面全覆盖的可视化巡检，为线路的养护 维修提供了科学的依据。 ２图像的采集系统 ２．１系统的组成 高速相机和ＬＥＤ光源安装于列车底部，测速触发装置向 两个相机发出行触发信号，相机接到触发信号后采集图像， 并将图像传回给采集存储系统，由采集存储系统负责将图像 进行压缩和存储。如图１所示。
不断修正完善，最终开发出符合市场需 求的“白货”运输产品，为铁路运输企业 经营带来一个新的增长点。 参考文献
【１】张健，李琳，胡红春．快速货运轴辐式网络研 究．研究与探讨．济南：山东大学，２００８ Ｖ０１．２６（４）：
２５—２７．
【３】国家发改委．产业结构调整指导目录（２０１ １年 本）．２０１１． 【４】江苏省统计局．江苏省统计年鉴．２００８—２０１０． 【５１上海铁路局．上海铁路局统计年鉴．２００８—２０１ 【６１铁道部运输局．运输统计资料［ＲＩ．２００９—２０１２． 【７】上海铁路局苏州站．货运市场调研报告【Ｒ】．
１８
ｋＨｚ，在行车速度６０ ｋｍ／ｈ的情况下，保证了ｌ ｍ耐线的高
精度图像采集。同时，在行车方向上，图像可以连续地进行无 缝拼接。
图４采Biblioteka Baidu界面
３图像人工回放系统
图２两个相机协同工作原理
每次采集的图像和相关的里程信息、线路信息和其它配 置信息等统一按照规则存储到图像采集任务包中。回放软件 以任务包为单位对采集的图像进行显示，回放人员可以用矩 形框标注出所查看到的缺陷，并通过点击下一幅按钮来遍历 每一幅图。遍历的过程中可以任意缩放图像，查看之前标注 的缺陷，也可以设置时间自动播放。每一幅图像都有相应的 里程信息，回放时可以随时通过里程定位查找到相应位置的 图像。人工标注好缺陷以后，软件可以按要求查询出缺陷图 像及缺陷信息，并可自动生成图文报表，帮助进行巡检。 ４智能识别系统 智能识别系统遍历每一幅图像，靠软件自动识别出相关 缺陷，目前本系统主要完成了钢轨光带异常的自动识别和扣 件歪斜、缺失等问题的自动识别。
随着高速铁路的发展，铁路检测设备已经由静态检测发 展到动态检测，由接触式检测发展到非接触式检测，由低速 运行状态检测发展到高速运行状态检测。目前国外发达国家 已成功地将ＣＣＤ高速摄像技术应用于铁路轨道动态检测，大 大提高了轨道检测的速度和精度。 国内近年来也不断引进、消化国外先进的高速轨道检测 技术，但国内外轨道检测技术发展较为成熟的还仅仅在对轨 道几何尺寸的测量和轨道动力学性能的检测，而对轨道结构 病害检测还没有能应用于生产实际的成熟技术。在高铁大规 模建设和开通运营的条件下，工务部门亟需采用车载动态非 接触方式对轨道结构病害进行检测，本系统就是在这一环境
墨 圃 痞
图３系统工作流程
像进行纵向投影，剪切出光带及其周边部分区域。因为光带 的灰度值最大，所以纵向投影后对索引矩阵排序后找到最大 值就可以找到光带具体位置，再外扩若干像素便可剪切出光 带子图。再对这个光带子图进行横向投影，如果光带存在异
由行同步编码器发出同步信号触发两台相机采集图像， 相机接收触发信号，逐行拍摄，并将拍摄的图像传递给采集 卡，通过采集卡的整合发送给采集应用程序。应用程序对采
板子图。如图６所示。
再进行纵向投影剪切出扣件区域子图。如图７所示。对 于扣件区域子图，与模板图像进行比对，可检测出扣件歪斜 与缺失的图像。
图５
存在并常的光≈÷子圈的横向投影效果
４．２扣件歪斜与缺失的识别
．／ｒ～＼、一＼ 一ｒ，一一一 ．，。√ ’Ｌ一～
图７剪切出扣件区域子图
５结论
智能轨道检测系统采用了先进的机器视觉技术，系统的 开发思路及技术手段体现出了有效、易用、安全、经济的显著 特色。该系统的研制成功，提高了轨道巡检和地面检测数据 分析处理的能力。通过数据采集系统和分析系统，合理配置 人工资源，能够实现把检测到的缺陷数据及时提供给相应的 工务段，进一步提高了对现场指导的准确性和实用性。该系
４．１钢轨光带异常的识别
光源选择定制型高亮度条形ＬＥＤ。中心的ＬＥＤ对着铁 轨，亮度较低；两边ＬＥＤ对着扣件以及轨道板，亮度稍高。由 于铁轨比扣件距离相机和光源更近，所以光源亮度做了调 整，使得拍摄出的图像亮度更为均匀。
２．２图像的采集流程
一溱 霉，荔≥爹
Ｓ
，
钢轨光带异常的智能识别主要包括钢轨擦伤、点蚀、腐 蚀等缺陷的识别。智能识别系统根据预处理后的图像的灰度 变化，利用水平投影和垂直投影的平滑性改变来检测缺陷，