基于高清圖像處理的弓網(wǎng)檢測(cè)識(shí)別算法

楊盧強(qiáng), 韓通新

(中國(guó)鐵道科學(xué)研究院 機(jī)車(chē)車(chē)輛研究所, 北京 100081)

?

基于高清圖像處理的弓網(wǎng)檢測(cè)識(shí)別算法

楊盧強(qiáng), 韓通新

(中國(guó)鐵道科學(xué)研究院 機(jī)車(chē)車(chē)輛研究所, 北京 100081)

介紹了一種新型圖像識(shí)別算法，用來(lái)在動(dòng)態(tài)弓網(wǎng)檢測(cè)中，通過(guò)檢測(cè)車(chē)輛原本就配置的監(jiān)控高清攝像頭所拍攝的圖像進(jìn)行識(shí)別并定位出弓網(wǎng)位置，可通過(guò)先前標(biāo)定參數(shù)與后續(xù)計(jì)算得出拉出值及導(dǎo)高。該算法基于開(kāi)源函數(shù)庫(kù)opencv，可以根據(jù)環(huán)境調(diào)整參數(shù)，具有廣泛的應(yīng)用環(huán)境，以及較高的準(zhǔn)確度。試驗(yàn)結(jié)果表明該算法能準(zhǔn)確快速的定位出受電弓與交叉點(diǎn)，為該項(xiàng)技術(shù)應(yīng)用于高速鐵路接觸網(wǎng)幾何參數(shù)高速動(dòng)態(tài)檢測(cè)提供了基礎(chǔ)，并與傳統(tǒng)檢測(cè)方法相比，具有一定優(yōu)勢(shì)。

接觸網(wǎng)； 圖像識(shí)別； 拉出值檢測(cè)； 導(dǎo)高檢測(cè)；

近年來(lái)隨著我國(guó)電氣化鐵路事業(yè)的飛速發(fā)展，城市軌道交通及大鐵路對(duì)高速接觸網(wǎng)動(dòng)態(tài)特性的要求日益提高。目前在弓網(wǎng)動(dòng)態(tài)檢測(cè)試驗(yàn)中，導(dǎo)高是利用激光測(cè)量，正常環(huán)境下誤差在2～3 cm，且受濕度等環(huán)境因素影響大，拉出值的測(cè)量可以利用雷達(dá)激光，誤差在2 cm左右。本文在研究國(guó)內(nèi)外現(xiàn)有接觸網(wǎng)檢測(cè)方法的基礎(chǔ)上，針對(duì)目前接觸網(wǎng)幾何參數(shù)檢測(cè)中存在的問(wèn)題與不足[1]，提出了利用高清攝像頭拍攝的視距內(nèi)弓網(wǎng)接觸部位所產(chǎn)生的輪廓曲線加以圖像識(shí)別，智能分析以達(dá)到獲得接觸網(wǎng)幾何參數(shù)目的的非接觸式檢測(cè)方案。主要用于測(cè)量高速狀態(tài)下的拉出值及導(dǎo)線高度。

1 智能識(shí)別簡(jiǎn)介

圖像識(shí)別，是指利用計(jì)算機(jī)對(duì)圖像進(jìn)行處理、分析和理解，以識(shí)別各種不同狀態(tài)的對(duì)像的技術(shù)。一般工業(yè)使用中，采用工業(yè)相機(jī)拍攝圖片，然后再利用軟件根據(jù)圖片像素差做出進(jìn)一步識(shí)別處理。圖像識(shí)別是人工智能的一個(gè)重要領(lǐng)域。動(dòng)態(tài)檢測(cè)系統(tǒng)所接收的原始圖像中，除了包含接觸線目標(biāo)信息，還有許多其他的干擾目標(biāo)。只有對(duì)原始圖像進(jìn)行相應(yīng)的處理，才能準(zhǔn)確地分析出接觸線目標(biāo)圖像起始點(diǎn)和終止點(diǎn)，確定接觸線目標(biāo)圖像寬度，依據(jù)所得到的接觸線圖，利用算法定位出目標(biāo)，再通過(guò)計(jì)算得出所需數(shù)據(jù)。

2 算法主要結(jié)構(gòu)

高速列車(chē)的弓網(wǎng)檢測(cè)攝像頭一般安裝在弓正前方2～3 m處，大致圖像如圖1所示。

圖像中能顯示完整受電弓。其中只要能定位到受電弓在圖像中準(zhǔn)確位置，就能根據(jù)前期標(biāo)定情況計(jì)算出相應(yīng)導(dǎo)高。而拉出值的計(jì)算則要識(shí)別出受電弓與接觸網(wǎng)的交叉點(diǎn)，再計(jì)算與中心點(diǎn)的距離。故弓網(wǎng)圖像識(shí)別的主要問(wèn)題就是受電弓的定位與交叉點(diǎn)的查找。

圖1 弓網(wǎng)整體圖像

首先高清攝像頭所抓取的圖像需經(jīng)圖像濾波處理，其目的主要為兩個(gè)：一是抽出對(duì)象的特征作為圖像識(shí)別的特征模式；二是消除圖像數(shù)字化時(shí)所混入的噪聲。其要求是不能破壞原圖像的重要輪廓與邊緣信息。本算法采用的是一種線性平滑濾波：高斯濾波。其處理的二維函數(shù)如下[2]：

本算法中，受電弓的定位主要運(yùn)用了模板匹配算法。利用事先截取的左右弓頭圖像來(lái)匹配經(jīng)高斯濾波后的圖像，然后進(jìn)行直方圖均衡化，再通過(guò)匹配計(jì)算兩個(gè)弓頭位置來(lái)確定導(dǎo)高。在進(jìn)入隧道時(shí)，弓網(wǎng)在高曝光環(huán)境下，弓身將呈現(xiàn)為白色，背景為黑色，此時(shí)弓頭將難以匹配，故為了提高準(zhǔn)確度，同時(shí)也適應(yīng)黑夜高曝光的環(huán)境，可以先將截取的弓頭與視頻圖像進(jìn)行canny邊緣檢測(cè)，再利用輪廓來(lái)進(jìn)行匹配，用以排除背景環(huán)境的干擾。如圖2所示，右下角為弓頭的輪廓圖，匹配結(jié)果在原圖中用方框標(biāo)出。

圖2 弓網(wǎng)匹配圖像

弓網(wǎng)接觸點(diǎn)的定位中，主要難點(diǎn)是排除承力索等其他線路在圖像中的干擾，由于承力索與接觸線位置、形狀相似，區(qū)分的主要依據(jù)就是高度差導(dǎo)致的成像中的粗細(xì)。本算法中，先利用受電弓定位，得出交叉點(diǎn)的大致位置，劃分為感興趣區(qū)域(RIO)再將該區(qū)域進(jìn)行閉運(yùn)算(Closing Operation),也就是先膨脹后腐蝕運(yùn)算，其數(shù)學(xué)表達(dá)式如下[2]：

dst=clese(src,element)=erode(dilate(src,element))

其中dst:處理結(jié)果圖像；src：原圖像；element：處理內(nèi)核。通過(guò)調(diào)整參數(shù)，閉運(yùn)算可以消除較細(xì)的承力索圖像，只保留接觸線，便可進(jìn)行接觸點(diǎn)的定位。

在對(duì)弓網(wǎng)接觸點(diǎn)的識(shí)別定位主要考慮了兩條思路：(1)利用標(biāo)準(zhǔn)霍夫變換來(lái)進(jìn)行直線檢測(cè)，識(shí)別出圖像中的接觸線，再計(jì)算其與受電弓的交叉點(diǎn)。(2)對(duì)整塊RIO區(qū)域進(jìn)行角點(diǎn)檢測(cè)，由于接觸點(diǎn)主要呈現(xiàn)L型角點(diǎn)，使用harris算法提取角點(diǎn)精度較高。經(jīng)多組試驗(yàn)，測(cè)得兩種算法定位的交點(diǎn)均有部分誤差，但是直線檢測(cè)由于提取的整段直線，較容易排除誤差，且對(duì)于背景環(huán)境的干擾不敏感：如每隔50 m，支柱將會(huì)與弓網(wǎng)重疊一次，此時(shí)角點(diǎn)檢測(cè)會(huì)有較多誤差，不易排除。而接觸線在不被重疊部分仍能被檢測(cè)到，計(jì)算出的交點(diǎn)位置依然準(zhǔn)確。故在主程序中采取的是霍夫變換算法(該算法在opencv中可直接調(diào)用)，在定位出接觸線后，只需計(jì)算線段在交叉點(diǎn)的像素坐標(biāo)值，再與中心點(diǎn)位置相比較就可得出拉出值。

程序主要流程圖如圖3所示。

弓網(wǎng)檢測(cè)環(huán)境變化大，工況不穩(wěn)定，天氣、光照、隧道等都會(huì)成為制約圖像識(shí)別的因素，所以一個(gè)參數(shù)可調(diào)，可自適應(yīng)環(huán)境變化的程序是弓網(wǎng)檢測(cè)所需要的。在本程序中需要自適應(yīng)來(lái)調(diào)整的參數(shù)主要為兩個(gè)：一是整體圖像邊緣檢測(cè)用來(lái)與弓頭匹配時(shí)的滯后閾值，二是閉運(yùn)算時(shí)采用的內(nèi)核矩陣尺寸。

在弓頭與視頻圖像匹配時(shí)，為了減少誤差，降低背景環(huán)境干擾，采用的是canny邊緣檢測(cè)后的輪廓圖來(lái)匹配。由于原圖環(huán)境復(fù)雜，在各種大霧、雨雪等天氣時(shí)，像素差不同，相應(yīng)的計(jì)算出的卷積也不同，故canny算子中的滯后閾值需要適時(shí)調(diào)整。本文使用了反饋來(lái)調(diào)整滯后閾值，根據(jù)提取的輪廓線段條數(shù)，來(lái)控制高低閾值的數(shù)值，直到圖像出現(xiàn)清晰，適用的輪廓。并且，由于環(huán)境在一定時(shí)間段是穩(wěn)定的，故該調(diào)整可在每次檢測(cè)前，先行進(jìn)行，可減少后續(xù)檢測(cè)程序的響應(yīng)時(shí)間，增加效率；在閉運(yùn)算時(shí)，由于不同環(huán)境，不同工裝導(dǎo)致接觸線，承力索等在圖像中粗細(xì)程度不定，閉運(yùn)算中的膨脹過(guò)程要求把較細(xì)的承力索濾去，保留接觸線。故要求精度較高，主要起作用參數(shù)為操作用的內(nèi)核矩陣。經(jīng)多種環(huán)境測(cè)試，初始內(nèi)核矩陣尺寸為9，利用直線檢測(cè)的反饋思路基本如下：(1)反饋為一條直線時(shí)，尺寸不變。(2)反饋直線大于一條，增加尺寸。(3)反饋直線為0時(shí)，減少尺寸。因經(jīng)過(guò)閉運(yùn)算，故可能一條粗線段會(huì)有多條重疊的直線檢測(cè)出來(lái)，故在反饋前需將接近的直線并為一條。

圖3 程序流程框圖

3 測(cè)試結(jié)果與對(duì)比

如圖4上下兩部分所示，上半部分為計(jì)算出來(lái)的RIO區(qū)域，下半部分為該區(qū)域進(jìn)行直線檢測(cè)后繪制出的直線效果。可見(jiàn)較細(xì)的承力索被濾除，沒(méi)有再顯示出來(lái)。接觸線的兩條邊界作為檢測(cè)出的直線被記錄。再通過(guò)邊界線段計(jì)算處于弓網(wǎng)交點(diǎn)的平均值就是接觸點(diǎn)坐標(biāo)。圖5則為大霧環(huán)境下弓網(wǎng)直線檢測(cè)結(jié)果，在調(diào)整相應(yīng)參數(shù)后，可見(jiàn)仍能濾除承力索，檢測(cè)出完好的接觸線。

圖6顯示了隧道內(nèi)部，在曝光燈照亮情況下的視頻直線檢測(cè)結(jié)果。此時(shí)背景變化劇烈，經(jīng)部分時(shí)間適應(yīng)后，仍能檢測(cè)出接觸線。

圖4 直線檢測(cè)圖像

圖5 大霧環(huán)境下直線檢測(cè)結(jié)果

圖6 隧道內(nèi)部直線檢測(cè)結(jié)果

選取環(huán)境較好一組檢測(cè)視頻進(jìn)行計(jì)算分析，剔除數(shù)據(jù)中的壞值。然后將得到的拉出值數(shù)據(jù)與傳統(tǒng)檢測(cè)數(shù)據(jù)相比較。部分?jǐn)?shù)據(jù)如圖7所示，可見(jiàn)兩條曲線基本重合。

圖7 測(cè)試對(duì)比圖

4 新算法優(yōu)勢(shì)與不足

本算法優(yōu)點(diǎn)在于可調(diào)的參數(shù)用以自適應(yīng)多變的環(huán)境，使得利用視頻圖像來(lái)進(jìn)行弓網(wǎng)檢測(cè)有了更廣闊的運(yùn)用范圍。且參數(shù)的調(diào)整都可在每次試驗(yàn)前進(jìn)行，減少了運(yùn)行中程序的響應(yīng)時(shí)間。由于匹配基于提取的輪廓，面對(duì)其他異物在鏡頭前的干擾時(shí)，有了較強(qiáng)的抗干擾能力。同時(shí)，標(biāo)定只需要得知橫豎兩邊的像素所代表的距離，故只需要一把有刻度直尺就可以，在硬件準(zhǔn)備過(guò)程中也很方便。

同樣，該算法仍存在些不足之處。比如仍難以解決經(jīng)過(guò)軟硬橫跨時(shí)，背景輪廓突變?cè)斐傻母蓴_，在這幾幀圖像中直線檢測(cè)誤差較大；還有在進(jìn)出隧道口時(shí)，由于光線變化劇烈，視頻會(huì)產(chǎn)生大概1～3 s時(shí)間的完全黑屏或者白屏狀況，此處無(wú)法通過(guò)改良程序來(lái)解決，只能依賴性能更好的攝像頭硬件；在隧道中由于探照燈造成的接觸線背部的陰影同樣會(huì)影響到檢測(cè)精度。

5 結(jié)束語(yǔ)

本算法在基于圖像匹配和直線檢測(cè)上，完成了受電弓的識(shí)別與定位，在大部分環(huán)境中能有效計(jì)算出導(dǎo)高與拉出值，具有較好的實(shí)際應(yīng)用效果。相比于傳統(tǒng)的檢測(cè)方法，圖像檢測(cè)可以利用原本就安裝著的監(jiān)控?cái)z像頭，無(wú)需額外安裝硬件，節(jié)省費(fèi)用與檢修時(shí)間。圖像智能處理技術(shù)將是今后發(fā)展方向，在弓網(wǎng)檢測(cè)系統(tǒng)中已有幾種檢測(cè)算法，但算法較復(fù)雜，對(duì)攝像機(jī)，光照等要求較高。本算法是在準(zhǔn)確度與經(jīng)濟(jì)可行之中尋找平衡的一種嘗試。

[1] 劉寅秋，韓通新，劉會(huì)平．基于圖像處理的接觸網(wǎng)動(dòng)態(tài)幾何參數(shù)測(cè)量研究[J]．鐵道機(jī)車(chē)車(chē)輛，2012,32(5)：86-91.

[2] 毛星云．Opencv3編程入門(mén)[M]．北京：電子工業(yè)出版社，2015.

[3] 韓志偉，劉志剛，陳坤峰．基于二代曲波系數(shù)定向映射的受電弓滑板裂紋檢測(cè)技術(shù)[J]．鐵道學(xué)報(bào)，2011,33(11)：64-69.

[4] 陳維榮，馮 倩，張 健．受電弓滑板狀態(tài)監(jiān)測(cè)的圖像目標(biāo)提取[J]．西南交通大學(xué)學(xué)報(bào)，2010,45(1)：59-64.

[5] 姚 蘭,肖 建．基于模糊熵和Hough 變換的受電弓滑板裂紋檢測(cè)方法[J]．鐵道學(xué)報(bào)，2014,36(5)：58-63.

Algorithm for Overhead Catenary's Detection Based on High-resolution Image

YANGLuqiang,HANTongxin

(Locomotive & Car Research 1nstitute，China Academy of Railway Sciences， Beijing 100081， China)

This paper presents a new image recognition algorithm for identifying and locating the position of the overhead catenary system (OCS) based on pantograph HD camera in dynamic detect. And using the calibration parameters to calculate staggers and high conductivity. The algorithm is based on open source library opencv, It can adjust the parameters according to the environment, with a wide range of applications, as well as high accuracy. Experimental results show that the algorithm is practicable, which lays a foundation for its application in high-speed railway OCS geometric parameter dynamic measurement. And compared with traditional methods, it has some advantages.

OCS； image processing; geometric parameter detected;

??)男，研究實(shí)習(xí)員(

2016-04-21)

鐵路供電技術(shù)

1008-7842 (2016) 05-0082-03

U225.1

A

10.3969/j.issn.1008-7842.2016.05.18