一种非接触式的基于图像处理技术的弓网接触力检测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140394A(43)申请公布日2022.03.04(21)申请号202111318463.9G03B15/02(2021.01)(22)申请日2021.11.09(71)申请人西南交通大学地址610031四川省成都市二环路北一段申请人广州地铁设计研究院股份有限公司(72)发明人周宁王俊东刘久锐张卫华何治新李鲲鹏陈吉刚(74)专利代理机构北京正华智诚专利代理事务所(普通合伙)11870代理人代维凡(51)Int.Cl.G06T7/00(2017.01)G06V10/74(2022.01)G01L1/24(2006.01)G06K9/62(2022.01)权利要求书2页说明书6页附图2页(54)发明名称一种非接触式的基于图像处理技术的弓网接触力检测方法(57)摘要本发明公开了一种非接触式的基于图像处理技术的弓网接触力检测方法，与传统的检测方法相比，该方法设备安装简单、具有实时性和非接触性的特点，可以避免检测时对受电弓弓头进行改造、保证其原始的动态性能；同时更加自动化、智能化，检测灵活度高，准确性高；并且行车干扰小，适用于长距离、长时间和环境条件恶劣下的连续跟踪检测。通过多组地面动态实验，验证了此方法的有效性和准确性，在经过惯性力和阻尼力的修正之后检测精度远远满足弓网接触力的检测精度，进一步丰富了目前在非接触式测量领域弓网接触力检测方法的研究，同时可以为弓网受流质量的评估和实时故障监测提供准确的接触力数据。CN114140394ACN114140394A权利要求书1/2页1.一种非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，包括如下步骤：S1、构建检测系统并调试系统参数，利用构建好的检测系统获取受电弓振动图像并进行预处理；S2、将获取的第一帧图像作为样本图像提取标记点的匹配模板，并根据受电弓振动图像截取标记点粗定位图像；S3、利用模板匹配算法计算匹配模板与粗定位图像的最大匹配误差，计算相关性最大的区域；S4、导出每一张图中标记点的位置，对图像中像素坐标转换为世界坐标得到弓头的相对位移变化曲线，根据弓头的相对位移变化计算得到弓网接触力。2.根据权利要求1所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述检测系统包括高速相机、LED补光灯、弓头标记点和数据接收计算机，其中，所述弓头标记点设置于受电弓上，所述高速相机连接所述数据接收计算机，用于获取弓头标记点的图像数据并将其传输至所述数据接收计算机进行存储和计算，所述LED补光灯用于对弓头标记点进行补光。3.根据权利要求1所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S1中预处理的方式包括灰度处理和中值滤波，用于降低光线和噪声的干扰。4.根据权利要求3所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S2具体为：S21、由检测的第一帧图像作为样本图像提取标记点的匹配模板；S22、根据图像中像素位置信息截取标记点的粗定位图像。5.根据权利要求4所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S3具体为：S31、将匹配模板在粗定位图像上进行移动；S32、计算匹配模板在粗定位图像上移动之后形成的覆盖区域的相似性；S33、根据步骤S32计算的相似性的大小判断匹配模板的位置。6.根据权利要求5所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S32中相似性计算的方式为：其中，T(m，n)为匹配模板图像，m，n为匹配模板图像的尺寸，Sij为粗定位图像中的子图区域，i，j为子图区域在粗定位图像上的坐标且1≤i≤W‑m，1≤j≤H‑n，H和W分别为原图的高和宽，M、N为粗定位图像尺寸，D(i，j)为欧氏距离的展开式。7.根据权利要求6所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S33中通过互相关函数判断相似性大小，具体方式为：2CN114140394A权利要求书2/2页其中，R(i，j)为互相关函数。8.根据权利要求7所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述S3中匹配模板图像在粗定位图像中每移动一个像素即可得到一个互相关函数取值，当互相关函数取值最大时即为弓头标记的位置。9.根据权利要求8所述的非接触式的基于图像处理技术的弓网接触力检测方法，其特征在于，所述弓网接触力的计算方式表示为：Fc＝Fb+Fa+FI+Fξ；其中，Fc为弓网接触力、Fb为弓头滑板和框架间的内力，Fa为气动力，FI为惯性力，Fξ为阻尼力。3CN114140394A说明书1/6页一种非接触式的基于图像处理技术的弓网接触力检测方法技术领域[0001]本发明涉及，具体涉及一种非接触式