基于雙目視覺(jué)的接觸網(wǎng)幾何參數(shù)檢測(cè)算法研究.pdf

1、伴隨著電氣化鐵路的高速發(fā)展,接觸網(wǎng)幾何參數(shù)檢測(cè)技術(shù)也日新月異。由于計(jì)算機(jī)技術(shù)的飛速發(fā)展,成功地將視覺(jué)檢測(cè)技術(shù)引入到高鐵巡檢設(shè)備中。但是在接觸網(wǎng)幾何參數(shù)檢測(cè)過(guò)程中,采集到的視頻數(shù)據(jù)由于各種因素的影響,造成檢測(cè)結(jié)果的不準(zhǔn)確。因此,在采用接觸網(wǎng)視頻檢測(cè)方法的過(guò)程中,研究具有魯棒性與抗干擾能力強(qiáng)的圖像識(shí)別方法意義重大。本文在分析接觸網(wǎng)視覺(jué)檢測(cè)系統(tǒng)的基礎(chǔ)上,對(duì)視覺(jué)測(cè)量幾何參數(shù)系統(tǒng)中的攝像機(jī)標(biāo)定、原始圖像預(yù)處理以及圖像特征提取等關(guān)鍵技術(shù)進(jìn)行了深入研

2、究。
　　首先,根據(jù)接觸網(wǎng)參數(shù)監(jiān)測(cè)系統(tǒng)的環(huán)境,從攝像機(jī)標(biāo)定的基本原理入手,采用共面法對(duì)攝像機(jī)進(jìn)行標(biāo)定。在具體標(biāo)定過(guò)程中,在考慮攝像機(jī)鏡頭畸變的條件下,建立攝像機(jī)非線性模型,采用最小二乘法對(duì)數(shù)據(jù)進(jìn)行處理,求解攝像機(jī)參數(shù)矩陣。
　　然后,針對(duì)攝像頭采集到的原始圖像存在對(duì)比度不高的問(wèn)題,設(shè)計(jì)了基于曲波變換接觸網(wǎng)圖像增強(qiáng)算法。根據(jù)曲波變換后圖像高頻子帶和低頻子帶各自的特點(diǎn),在低頻領(lǐng)域利用分?jǐn)?shù)階微分進(jìn)行增強(qiáng);在高頻領(lǐng)域利用曲波尺度系數(shù)

3、間的相關(guān)性,對(duì)高頻系數(shù)的邊緣和噪聲進(jìn)行分類,對(duì)分類后的信息進(jìn)行邊緣增強(qiáng)和噪聲去除的處理。通過(guò)仿真實(shí)驗(yàn),結(jié)果表明該方法在主觀和客觀上對(duì)圖像對(duì)比度都有明顯提高。
　　最后,對(duì)圖像特征中的邊緣特征及點(diǎn)特征提取算法進(jìn)行了研究。在邊緣特征提取中利用抗噪性強(qiáng)的SUSAN(Smallest Univalue Segment Assimilating Nucleus,最小核值相似區(qū))邊緣檢測(cè)算子對(duì)受電弓和接觸線進(jìn)行邊緣檢測(cè)。針對(duì)本系統(tǒng),對(duì)算法進(jìn)行

4、改進(jìn),提高了邊緣的檢測(cè)精度。在點(diǎn)特征提取中,研究在復(fù)雜背景下,接觸網(wǎng)受電弓和接觸線視頻圖像的特征提取方法。選取SIFT(Scale Invarinat Feature Transform,尺度不變特征變換)特征檢測(cè)算子進(jìn)行特征點(diǎn)檢測(cè)。針對(duì)本方法在實(shí)時(shí)性方面的不足,本文從兩個(gè)方面對(duì)此改進(jìn):一是將閾值T加入到計(jì)算特征點(diǎn)的最近歐氏距離中,可以避免計(jì)算高維的128次差平方;二是通過(guò)仿真實(shí)驗(yàn)發(fā)現(xiàn)特征點(diǎn)數(shù)量在第4組時(shí)就幾乎不再改變,選擇恰當(dāng)?shù)慕刂菇M