基于圖像處理的鋼軌縱向位移檢測(cè)系統(tǒng)的研究

鞏一帆 董志學(xué) 蔣力順 劉志強(qiáng)

摘 要：鋼軌受行車載荷及自然因素的作用發(fā)生膨脹從而產(chǎn)生縱向位移，影響機(jī)車行車安全，因此研發(fā)高性能鋼軌縱向位移檢測(cè)裝置意義重大。針對(duì)鋼軌位移檢測(cè)裝置因人工檢測(cè)方法導(dǎo)致耗時(shí)、耗力的問題，在MATLAB仿真研究基礎(chǔ)上，設(shè)計(jì)了基于圖像處理的鋼軌縱向位移檢測(cè)系統(tǒng)的實(shí)現(xiàn)算法，論述了對(duì)樣本采集圖像進(jìn)行預(yù)處理、二值化、Canny邊緣檢測(cè)、Hough變換以及縱向位移計(jì)算等算法的實(shí)現(xiàn)過程。實(shí)驗(yàn)結(jié)果表明，所設(shè)計(jì)的系統(tǒng)具有較高精確性和可靠性，能夠滿足工程實(shí)際需要。

關(guān)鍵詞：鋼軌縱向位移;圖像處理;邊緣檢測(cè);Hough變換

Abstract：The rail expends under the action of running load and natural factors and thus produces longitudinal displacement， which affects the locomotive running safety. Therefore， it is of great significance to develop high-performance rail longitudinal displacement detection device. For rail displacement detection device time-consuming， caused by artificial detection method of problem， based on the MATLAB simulation， design a rail longitudinal displacement detection system based on image processing algorithm， this paper discusses the sampling image preprocessing， binarization， Canny edge detection， Hough transform and the longitudinal displacement calculation algorithm implementation process. The experimental results show that the designed system has high accuracy and can meet the practical needs of engineering.

Key words：rail longitudinal displacement;image processing;edge detection;Hough transformation

鋼軌受行車載荷及自然因素的作用發(fā)生膨脹從而產(chǎn)生縱向位移，影響機(jī)車行車安全，縱向位移一旦超過20 mm，就要及時(shí)整正。在目前的縱向位移檢測(cè)方法中，手工拉線測(cè)量法的測(cè)量精度一般只能達(dá)到±5 mm范圍內(nèi)，需要兩人以上進(jìn)行測(cè)量，測(cè)量精度低且工作量大;光學(xué)經(jīng)緯儀操作復(fù)雜，激光測(cè)量法和光電技術(shù)測(cè)量法測(cè)量所需設(shè)備昂貴，使用成本較高[1]。呼和浩特鐵路局科研所研發(fā)的鋼軌縱向位移檢測(cè)裝置[2]具有操作簡單方便，檢測(cè)精確，安全可靠等，已經(jīng)在呼和浩特鐵路局推廣應(yīng)用。但是，人工觀測(cè)讀取激光束位置的測(cè)量方式存在一些局限性，觀測(cè)不方便、工作量大，且目測(cè)往往會(huì)帶有一定主觀性，且事后很難留存當(dāng)時(shí)記錄來進(jìn)行查驗(yàn)校對(duì)，導(dǎo)致檢測(cè)精度下降等問題。

目前將圖像處理技術(shù)應(yīng)用于水尺、電表、溫度計(jì)等刻度標(biāo)尺的自動(dòng)檢定上，受到了眾多研究者的廣泛重視，文獻(xiàn)[3]采用Canny算法檢測(cè)并計(jì)算刻度邊緣距離，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)水尺上的字符識(shí)別計(jì)算出尺度值，可快速獲得水位且提高了航道測(cè)量效率，減小了人工誤差。文獻(xiàn)[4]運(yùn)用圖像檢測(cè)算法，根據(jù)玻璃管溫度計(jì)的結(jié)構(gòu)，介紹了玻璃管溫度計(jì)系統(tǒng)檢測(cè)過程的算法，搭建了一個(gè)玻璃管溫度計(jì)的示值視覺檢測(cè)系統(tǒng)。文獻(xiàn)[5]介紹了一種水尺測(cè)量算法，將采集到的水尺圖像使用形態(tài)學(xué)處理定位并分割水尺，通過最小外接矩形矯正水尺圖像，采用連通性分析得到了水尺的刻度。

文獻(xiàn)[6]提出了在Hough空間值離散化的基礎(chǔ)上，通過Hough空間中基于局部極大值的峰值投票點(diǎn)提取來確定檢測(cè)到的直線，實(shí)現(xiàn)公路車道檢測(cè)硬件體系結(jié)構(gòu)。提出了采用數(shù)字圖像處理技術(shù)進(jìn)行鋼軌縱向位移量檢測(cè)的方法，運(yùn)用圖像處理技術(shù)，將激光束直接打射到標(biāo)尺上的圖像作為研究對(duì)象，研究基于圖像處理的鋼軌縱向位移檢測(cè)系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)。

1 鋼軌縱向位移檢測(cè)系統(tǒng)的組成和算法

鋼軌縱向位移檢測(cè)系統(tǒng)包括系統(tǒng)裝置部分、圖像獲取部分和圖像處理部分。系統(tǒng)裝置部分包括鋼軌縱向位移檢測(cè)裝置及標(biāo)尺標(biāo)簽，控制鋼軌縱向位移檢測(cè)裝置，使其激光光束直接照射在標(biāo)尺標(biāo)簽上;圖像獲取部分：通過移動(dòng)終端手機(jī)的攝像頭進(jìn)行圖像的直接獲取，成功獲取位移樣本圖像，并將記錄保存，方便進(jìn)行后續(xù)圖像算法處理;圖像處理部分：使用MATLAB軟件對(duì)獲取位移樣本圖像進(jìn)行處理，包括標(biāo)尺區(qū)域的分割、標(biāo)尺和激光束的邊緣檢測(cè)、Hough檢測(cè)傾斜矯正以及激光束位移數(shù)值的計(jì)算。系統(tǒng)組成如圖1所示。

2 鋼軌縱向位移檢測(cè)系統(tǒng)的圖像處理算法實(shí)現(xiàn)

2.1 圖像采集

采集裝置選擇華為HUAWEIRIO-AL00移動(dòng)終端進(jìn)行圖像采集，處理器為高通驍龍615（MSM8939），分辨率為1080×1920，后置攝像頭是1600萬像素。以圖2作為標(biāo)準(zhǔn)樣本，采取樣本時(shí)盡量選擇刻度區(qū)域傾斜角度小、刻度線明顯的位移圖像作為樣本進(jìn)行算法的研究，刪除掉激光束模糊、或刻度線不明顯的圖片，保留300張位移圖像作為樣本用于實(shí)驗(yàn)。

2.2 圖像處理

整個(gè)鋼軌縱向位移檢測(cè)系統(tǒng)的圖像處理算法共分四個(gè)部分，主要包括圖像的采集部分、預(yù)處理以及標(biāo)尺刻度區(qū)域分割的處理、實(shí)現(xiàn)激光束標(biāo)尺的檢測(cè)和計(jì)算激光位移刻度值。

2.2.1 樣本圖像預(yù)處理

樣本進(jìn)行圖像預(yù)處理主要通過灰度化和二值化。選擇常用的加權(quán)平均法進(jìn)行灰度化，將R、G、B這3個(gè)分量以0.299、0.587和0.114的加權(quán)值進(jìn)行加權(quán)平均運(yùn)算。二值化通過OTSU算法[9]實(shí)現(xiàn)。在激光標(biāo)尺樣本圖像灰度圖的基礎(chǔ)上用OTSU算法選取合適的閾值，把圖像分成大于閾值和小于閾值的兩個(gè)部分。

2.2.2 標(biāo)尺區(qū)域提取

在對(duì)鋼軌位移圖像灰度化處理之后，利用圖像形態(tài)學(xué)開運(yùn)算處理，去除面積較小的連通區(qū)域，腐蝕掉圖像中的小數(shù)點(diǎn)和毫米單位，避免對(duì)卡尺識(shí)別造成影響，得到更好的區(qū)域結(jié)果。對(duì)于去除面積較小的連通區(qū)域用形態(tài)學(xué)操作腐蝕掉背景區(qū)的干擾連通區(qū)域。

越亮的圖像對(duì)應(yīng)均值越大，兩個(gè)標(biāo)尺區(qū)域的大小、面積、角度等均沒有區(qū)別，唯一不同在于亮度，即均值不同，含有激光束的標(biāo)尺區(qū)域均值比不含激光束的區(qū)域要大，分別計(jì)算兩個(gè)區(qū)域的均值進(jìn)行判斷，均值大的區(qū)域即為所求的目標(biāo)區(qū)域，通過得到比較明顯的標(biāo)尺區(qū)域，如果其中一個(gè)的矩陣均值大于另外一個(gè)，則確定均值大的值為含有激光束的標(biāo)尺區(qū)域。

2.2.3 邊緣檢測(cè)

將灰度化后的讀數(shù)區(qū)域分別使用Canny算子、Sobel算子、Roberts算子、LOG算子、Prewitt算子進(jìn)行邊緣檢測(cè)。

2.2.4 縱向位移值的計(jì)算

鋼軌縱向位移量的實(shí)質(zhì)是激光束在標(biāo)尺上的坐標(biāo)，實(shí)質(zhì)是激光束到標(biāo)尺中線的距離，通過Canny邊緣檢測(cè)算法得到了刻度線的邊緣，Hough變換可以實(shí)現(xiàn)直線檢測(cè)，通過調(diào)節(jié)Hough算法的參數(shù)值得到了效果較好的直線段，識(shí)別出標(biāo)尺的最長線段，得到最左端的像素值與最右端的像素值，通過取中線的像素值即是零刻度線所在位置的橫坐標(biāo)像素值，經(jīng)過計(jì)算得到標(biāo)尺零刻度線的坐標(biāo)，也就得到了激光束的坐標(biāo)。計(jì)算流程如圖3所示。

在Hough變換的過程中，進(jìn)行量化參數(shù)空間，對(duì)邊緣檢測(cè)的圖像邊緣點(diǎn)進(jìn)行Hough變換和遍歷，通過公式ρ=xcosθ+ysinθ得到直線;在這些直線中尋找最長的線進(jìn)行傾斜角度的計(jì)算，根據(jù)對(duì)應(yīng)的傾斜角度，對(duì)標(biāo)尺圖像進(jìn)行傾斜校正，通過旋轉(zhuǎn)角度得到矯正后的標(biāo)尺圖像[10];如圖4所示。傾斜矯正后，通過Hough變換后還存在邊框的直線干擾到實(shí)驗(yàn)結(jié)果，試驗(yàn)Hough算法的參數(shù)值識(shí)別出標(biāo)尺的最長線段，通過取中線的像素值即是零刻度線所在位置的橫坐標(biāo)像素值，經(jīng)過計(jì)算得到標(biāo)尺零刻度線的坐標(biāo)，即可得激光束的坐標(biāo)。如圖5所示。

3 實(shí)驗(yàn)測(cè)試結(jié)果及分析

3.1 實(shí)驗(yàn)結(jié)果分析

通過MATLAB軟件對(duì)各種邊緣檢測(cè)算法進(jìn)行仿真，檢測(cè)到的激光束和標(biāo)尺的結(jié)果。幾種算子實(shí)驗(yàn)結(jié)果的優(yōu)缺點(diǎn)如表1所示。

結(jié)論如下：Roberts、Sobel、Prewitt三種算子的計(jì)算速度快，但是檢測(cè)的標(biāo)尺圖像輪廓邊緣連續(xù)性較差，缺少大部分邊緣信息;LOG算子比Roberts算子、Sobel算子和Prewitt算子的檢測(cè)標(biāo)尺的效果結(jié)果好，邊緣較為連續(xù)，但邊緣信息有一定程度的流失;Canny算子是五個(gè)算子中效果最好的，能夠檢測(cè)到完整的標(biāo)尺邊緣，而且最左端和最右端的刻度線比較清晰，不會(huì)影響后續(xù)的識(shí)別計(jì)算。

3.2 實(shí)驗(yàn)數(shù)據(jù)分析

采用實(shí)驗(yàn)人員直接目測(cè)結(jié)果作為標(biāo)準(zhǔn)，與圖像識(shí)別計(jì)算的結(jié)果進(jìn)行對(duì)比，對(duì)該系統(tǒng)的性能進(jìn)行測(cè)試，檢測(cè)該系統(tǒng)是否具有可行性和實(shí)用性。從三百張樣本庫中隨機(jī)挑選10張樣本，對(duì)某一個(gè)樣本的測(cè)試，經(jīng)過系統(tǒng)的運(yùn)算，可以測(cè)得激光束的位移為-1.709 mm，檢測(cè)結(jié)果圖為6所示。

從三百張樣本庫中隨機(jī)挑選10張樣本，對(duì)于同一張樣本進(jìn)行人工判讀和系統(tǒng)識(shí)別，對(duì)比人工判讀的讀數(shù)和系統(tǒng)測(cè)得其位移值的結(jié)果，計(jì)算兩者的識(shí)別誤差，得出結(jié)果如表2所示。

拒識(shí)率是指系統(tǒng)拒絕識(shí)別樣本占總樣本的比例，即因?yàn)榻嵌冗^偏、激光斑點(diǎn)模糊等問題系統(tǒng)拒絕識(shí)別的樣本;誤識(shí)率是指系統(tǒng)識(shí)別讀數(shù)誤差范圍≥2 mm的樣本數(shù)占正常檢測(cè)樣本的比例。

經(jīng)過測(cè)試得到實(shí)驗(yàn)結(jié)論：位移檢測(cè)系統(tǒng)正常檢測(cè)283張，檢測(cè)成功率94.3%，拒識(shí)率為5.7%，如表3所示。將283張正常識(shí)別出的樣本篩選出來，由實(shí)驗(yàn)人員讀出并記錄出人眼識(shí)別的結(jié)果，計(jì)算系統(tǒng)與人眼讀數(shù)之間的誤差，將誤差范圍在2 mm之內(nèi)的系統(tǒng)識(shí)別結(jié)果即為測(cè)試成功，通過實(shí)驗(yàn)得出結(jié)論：準(zhǔn)確率95.1%，誤識(shí)率為4.9%。系統(tǒng)的誤識(shí)率如表4所示。

4 結(jié) 論

在研究已有圖像識(shí)別算法基礎(chǔ)上，設(shè)計(jì)實(shí)現(xiàn)了基于圖像處理的鋼軌縱向位移檢測(cè)系統(tǒng)。通過使用移動(dòng)終端攝像頭采集獲取帶有激光束的樣本圖像，進(jìn)行圖像灰度化和二值化、標(biāo)尺區(qū)域分割、標(biāo)尺和激光束的邊緣提取，再利用Hough變換進(jìn)行直線檢測(cè)，檢測(cè)到標(biāo)尺長度，識(shí)別出激光束所在刻度值，然后使用像素標(biāo)定法求出實(shí)際位移量。通過系統(tǒng)性能測(cè)試表明，能夠滿足預(yù)期的檢測(cè)要求，在后續(xù)的研究中可以通過神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，或通過字符識(shí)別技術(shù)對(duì)分割出的標(biāo)尺圖像刻度數(shù)字進(jìn)行識(shí)別和模板匹配，改進(jìn)算法提升識(shí)別效率。

參考文獻(xiàn)

[1] 王超.基于ZigBee技術(shù)的無縫鋼軌爬行監(jiān)測(cè)系統(tǒng)研究與設(shè)計(jì)[D].長沙：中南大學(xué)，2014.

[2] 樊曉麗.基于高速鐵路無縫鋼軌縱向位移檢測(cè)技術(shù)的研究[J].鐵路采購與物流，2018，13（3）：60-62.

[3] 徐為，萬辰煒，萬一峰，等.基于機(jī)器視覺的水位快速測(cè)量方法的設(shè)計(jì)[J].中國水運(yùn)（下半月），2013，13（12）：172-174.

[4] 鄧陽.玻璃管溫度計(jì)示值視覺檢測(cè)系統(tǒng)研制[D].沈陽：沈陽工業(yè)大學(xué)，2016.

[5] 黃林，陶青川，沈建軍.基于機(jī)器視覺的快速水尺刻度提取技術(shù)[J].現(xiàn)代計(jì)算機(jī)（專業(yè)版）， 2018（6）：15-19.

[6] GUAN Jun-gang，AN Feng-wei，ZHANG Xiang-yu，et al.Energy-efficient hardware implementation of road-lane detection based on Hough transform with parallelized voting procedure and local maximum algorithm[J]. The Institute of Electronics， Information and Communication Engineers，2019，E102.D（6）：1171-1182.

[7] 李寶蕓，范玉剛，高陽.基于OTSU和Canny算子的紅外圖像特征提取[J].陜西理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，35（6）：33-40.

[8] 吳桐.基于改進(jìn)霍夫變換線段檢測(cè)算法的實(shí)現(xiàn)和應(yīng)用[D].濟(jì)南：山東大學(xué)，2018.

[9] 曹爽.基于OTSU算法的圖像閾值分割技術(shù)[D].太原：太原理工大學(xué)，2018.

[10]郭亮.車道線識(shí)別及車輛偏移距離計(jì)算新方法[D].北京：北京交通大學(xué)，2018.