現(xiàn)代有軌電車槽型軌道岔自動(dòng)檢測(cè)系統(tǒng)設(shè)計(jì)

熊麒，張孟軒，黃楠興，曹金，謝勇君

（1.暨南大學(xué) 軌道交通研究院，廣東 珠海 519000；2.暨南大學(xué) 國(guó)際能源學(xué)院，廣東 珠海 519000）

0 引 言

隨著城市交通擁堵、環(huán)境污染、能源短缺等問(wèn)題日益突出，許多城市選擇修建地鐵、輕軌等軌道交通來(lái)緩解城市交通壓力，同時(shí)減少尾氣的排放量。但是由于地鐵項(xiàng)目普遍投資高、審批相對(duì)困難，而現(xiàn)代有軌電車憑借高速度、高舒適性、安全可靠低造假、低污染、短工期等優(yōu)點(diǎn)，重新煥發(fā)生機(jī)，在中小型城市中被廣泛投入使用。

由于現(xiàn)代有軌電車槽型軌采用埋入式設(shè)計(jì)，槽型軌內(nèi)很容易積聚如樹葉、石子、污泥等各類垃圾，容易腐蝕軌道及車輛元件，嚴(yán)重時(shí)更會(huì)影響到現(xiàn)代有軌電車的行車安全，因此，槽型軌的清潔工作是保障現(xiàn)代有軌電車安全運(yùn)營(yíng)的重要環(huán)節(jié)，為了保障有軌電車的運(yùn)行安全，本團(tuán)隊(duì)在珠海市協(xié)同創(chuàng)新項(xiàng)目的支持下研發(fā)的現(xiàn)代有軌電車槽型軌道自動(dòng)清潔車，車體搭載一套自動(dòng)清潔系統(tǒng)，用于槽型軌上垃圾的自動(dòng)清潔，可實(shí)現(xiàn)全天候有效清除有軌電車第三軌上的導(dǎo)電物、樹葉、沙子、灰塵等，同時(shí)可清除軌面及軌道槽內(nèi)渣土、砂石、油泥等沉積物，推進(jìn)了軌道清潔車向全自動(dòng)化的發(fā)展程度，并間接推動(dòng)了現(xiàn)代有軌電車的發(fā)展。

由于現(xiàn)代電車槽型軌道具有槽型軌道岔，我們發(fā)現(xiàn)清潔車經(jīng)過(guò)道岔時(shí)，清潔工具容易受到撞擊，從而使清潔工具受到損壞。與鋼軌結(jié)合的道岔設(shè)備是線路的關(guān)鍵設(shè)備，供列車轉(zhuǎn)入或越過(guò)另一股軌道，在軌道網(wǎng)絡(luò)連接中起著關(guān)鍵作用。清潔工具遭受撞擊具體體現(xiàn)為：車輛尾部裝載的高壓射流與軌道清潔集成裝置，其真空吸嘴在運(yùn)行時(shí)須部分伸入軌道槽中，盡可能離垃圾離些，才能發(fā)揮效用，車上操作人員在遭遇道岔之前需手動(dòng)通過(guò)控制面板提起清潔集成裝置。因此，對(duì)軌道道岔進(jìn)行迅速識(shí)別的算法研究，對(duì)實(shí)現(xiàn)更自動(dòng)化、更高效的軌道清潔顯得十分重要。

圖像識(shí)別技術(shù)是現(xiàn)在研究領(lǐng)域中的熱點(diǎn)技術(shù)，通過(guò)圖像識(shí)別能夠解決以往難以解決的問(wèn)題。為了實(shí)現(xiàn)對(duì)軌道道岔的識(shí)別，本文提出一種利用道岔特征要素進(jìn)行識(shí)別的軌道清潔車保護(hù)系統(tǒng)，并將其搭載于本項(xiàng)目組前期研制的現(xiàn)代有軌電車軌道清潔車上，從而保證軌道清潔車工作過(guò)程的有效性和安全性。

1 軌道自動(dòng)清潔車及軌道道岔識(shí)別系統(tǒng)構(gòu)成

本團(tuán)隊(duì)在珠海市協(xié)同創(chuàng)新項(xiàng)目的支持下研發(fā)的現(xiàn)代有軌電車槽型軌道自動(dòng)清潔車結(jié)構(gòu)圖如圖1所示；本文設(shè)計(jì)的軌道道岔識(shí)別系統(tǒng)的整體構(gòu)成示意圖如圖2所示，主要包括圖像采集模塊和上位機(jī)模塊。圖像采集模塊為安裝在清潔車車頭定點(diǎn)位置的高速攝像頭，高速攝像頭采用WP-UC500工業(yè)相機(jī)，采集速度快，500萬(wàn)像素下可達(dá)每秒37.5幀，符合動(dòng)態(tài)測(cè)量的要求。上位機(jī)模塊為安裝于清潔車駕駛室內(nèi)的上位機(jī)，上位機(jī)中安裝有軌道道岔檢測(cè)的軟件，可以對(duì)高速攝像頭采集到的軌道圖像進(jìn)行一系列預(yù)處理，圖像提取，得到軌道輪廓的二值圖，并根據(jù)道岔特征條件對(duì)軌道輪廓進(jìn)行判斷，推斷前方是否存在道岔。當(dāng)檢測(cè)出前方存在道岔時(shí)，工控機(jī)將自動(dòng)向PLC發(fā)出控制指令，利用液壓系統(tǒng)控制向上抬起高壓水槍等清潔工具，避免與道岔碰撞摩擦，造成清潔工具的損壞。若抬起清潔工具的操作失敗，PLC會(huì)向工控機(jī)模塊發(fā)送警報(bào)信息，提醒操作人員注意。

圖1 現(xiàn)代有軌電車槽型軌道自動(dòng)清潔車基本結(jié)構(gòu)及部件圖

圖2 道岔識(shí)別系統(tǒng)的整體構(gòu)成

2 道岔自動(dòng)檢測(cè)算法原理

圖3為道岔自動(dòng)檢測(cè)算法原理圖，主要包括圖像采集、圖像預(yù)處理、特征提取以及特征處理四個(gè)過(guò)程。

2.1 圖像預(yù)處理

由于軌道環(huán)境復(fù)雜，噪聲過(guò)多，噪聲源復(fù)雜，本環(huán)節(jié)主要利用高斯噪聲模擬真實(shí)環(huán)境的噪聲進(jìn)行降噪處理，便于分析設(shè)計(jì)算法、量化評(píng)估算法效果，主要方法為：

2.1.1 灰度處理

從雙軌高速攝像頭采取到的軌道圖像是RGB組成的三通道圖像。由于三通道圖像中存在的色彩信息等冗余信息對(duì)本算法無(wú)關(guān)，同時(shí)會(huì)導(dǎo)致圖像的細(xì)節(jié)復(fù)雜、噪點(diǎn)更多、銳度更高，影響檢測(cè)的正確度與系統(tǒng)工作效率，因此，首先對(duì)輸入的圖像進(jìn)行灰度處理，降為單通道圖像，以此降低計(jì)算的復(fù)雜度，提高計(jì)算速度。

本文采用加權(quán)平均法對(duì)圖像進(jìn)行灰度化處理，將三個(gè)分量以不同的權(quán)值進(jìn)行加權(quán)平均。由于人眼對(duì)綠色的敏感最高，對(duì)藍(lán)色敏感最低，因此，按下式對(duì)RGB三分量進(jìn)行加權(quán)平均，得到合理的灰度圖像，簡(jiǎn)化后續(xù)降噪處理的計(jì)算難度，如式（1）所示：

其中，、、分別表示圖像中紅、綠、藍(lán)通道的像素值大小。

圖3 道岔自動(dòng)檢測(cè)總體算法流程圖

2.1.2 設(shè)置ROI區(qū)域

為了減少計(jì)算量，提高運(yùn)算速度，本文在圖像上設(shè)置ROI區(qū)域，只關(guān)注軌道區(qū)域，并進(jìn)行裁剪，提取ROI區(qū)域圖像并存放于一張新的圖像，減小圖像處理的范圍。結(jié)合從軌道清潔車上搭載的定點(diǎn)攝像頭采集到的圖像，由于軌道清潔車沿軌道行駛，路線和視角較為固定，軌道所占圖像中的位置絕大部分為圖像中間梯形區(qū)域位置，因此，設(shè)置固定的ROI區(qū)域，使后續(xù)圖像處理的區(qū)域只覆蓋軌道及軌道前方畫面，去除兩旁畫面的影響。一方面可以減小圖像分析的計(jì)算量，使計(jì)算完成的速度更快，另一方面可以有效去除非重點(diǎn)區(qū)域的噪聲處理過(guò)程，使噪聲處理更加具有針對(duì)性，從而得到更為顯著的效果。

2.1.3 逆透視（IPM）

由于現(xiàn)實(shí)中存在透視原理，即現(xiàn)實(shí)中的平行線在拍攝畫面中會(huì)呈現(xiàn)相交的狀態(tài)，這對(duì)本文軌道提取將造成影響。因此本文通過(guò)對(duì)上一步驟中提取到的ROI圖像進(jìn)行逆透視變換，消除這種圖像畸變對(duì)后續(xù)分析處理的影響。本文運(yùn)用OpenCV函數(shù)庫(kù)中的獲取透視變換矩陣函數(shù)GetPerspectiveTransform以及透視變換函數(shù)warpPerspective實(shí)現(xiàn)逆透視變換，獲取軌道線的正射影像，便于后續(xù)軌道線的提取。

2.1.4 雙邊濾波

傳統(tǒng)的高斯濾波，會(huì)對(duì)物體邊緣造成一定量的模糊，即對(duì)高頻細(xì)節(jié)保護(hù)不足，在對(duì)軌道圖像處理時(shí)，考慮到軌道呈線形，邊緣模糊對(duì)軌道形狀產(chǎn)生的影響較大，所以需要保留軌道邊緣信息，因此不能使用傳統(tǒng)的濾波方式，而是采用能夠較好保留邊緣信息的雙邊濾波。

雙邊濾波是一種邊緣保護(hù)濾波的方法，結(jié)合圖像的空間鄰近度和像素值相似度，考慮像素點(diǎn)的空域特性和值域特性，在高斯濾波的基礎(chǔ)上添加了高斯方差，依據(jù)像素值對(duì)濾波的區(qū)域進(jìn)行區(qū)分，利用鄰域像素值的加權(quán)值組合輸出像素的值，加權(quán)系數(shù)取決于定義域核和值域核的乘積，即為下式雙邊濾波權(quán)重函數(shù)，如式（2）所示：

其中，(,)，(,)分別指兩個(gè)像素點(diǎn)的坐標(biāo)。

雙邊濾波在有效去除高斯噪聲的同時(shí)，保證與邊緣點(diǎn)相離較遠(yuǎn)的點(diǎn)不會(huì)對(duì)邊緣附近的點(diǎn)產(chǎn)生影響，較好地保存了軌道圖像的邊緣信息。

本文運(yùn)用bilateralFilter函數(shù)實(shí)現(xiàn)雙邊濾波得到降噪后的圖像。將經(jīng)過(guò)ROI裁剪出的源圖像src輸出為目標(biāo)圖像dst，設(shè)置參數(shù)，像素鄰域的直徑＝為非正數(shù)，正比于sigmaSpace，從sigmaSpace中計(jì)算出它的值。為保證去噪效果最佳且圖像清晰平滑不模糊，調(diào)整顏色空間和坐標(biāo)空間的sigma參數(shù)，使得影響像素的顏色范圍和區(qū)域大小更加合適，選取參數(shù)為：sigmaColor＝100，sigmaSpace＝15。

2.2 特征提取

實(shí)現(xiàn)對(duì)降噪后的圖像中的軌道輪廓的提取。其主要方法為：

采用閾值法對(duì)圖像進(jìn)行二值化，大于所設(shè)置的閾值就將圖像上的像素點(diǎn)的灰度值設(shè)置為255，小于閾值就將圖像上的像素點(diǎn)的灰度值設(shè)置為0。通過(guò)二值圖像，能更好地分析物體的形狀和輪廓，用來(lái)強(qiáng)化軌道的邊緣輪廓信息。對(duì)于降噪模糊處理后的軌道單通道圖像，通過(guò)設(shè)置閾值，將單通道圖像轉(zhuǎn)變?yōu)槎祱D，從而實(shí)現(xiàn)去除模糊點(diǎn)集，增強(qiáng)目標(biāo)點(diǎn)集的作用。

采用形態(tài)學(xué)基本梯度，即膨脹減腐蝕，將膨脹后的圖和腐蝕圖相減，得到軌道的輪廓特征。同時(shí)通過(guò)開運(yùn)算，即先腐蝕后膨脹，平滑物體的輪廓，斷開較窄的狹頸并消除細(xì)的突出物，以消除黑色背景中的白點(diǎn)雜質(zhì)，去除在圖像中存在的孤立小物體，同時(shí)有效地平滑圖像中較大物體的邊緣，消除雜散噪聲的影響，使圖像形狀更準(zhǔn)確光滑。

2.3 特征處理

根據(jù)經(jīng)過(guò)二值化和特征提取得到的軌道輪廓的二值圖，判斷軌道的交叉情況，如圖4所示。

通過(guò)觀察歸納可知，當(dāng)軌道不存在道岔或轉(zhuǎn)彎時(shí)，軌道應(yīng)當(dāng)保持平行狀態(tài)。以最常見的單開道岔為例，當(dāng)圖像選定的ROI區(qū)域有道岔出現(xiàn)時(shí)，出現(xiàn)的最突出的特征就是軌道數(shù)量的增加，可以通過(guò)對(duì)二值圖像中軌道距離信息進(jìn)行特征檢測(cè)，當(dāng)軌道之間距離出現(xiàn)變化時(shí)，則有可能是軌道數(shù)量增加導(dǎo)致的，經(jīng)過(guò)進(jìn)一步判斷，排除轉(zhuǎn)彎軌道造成的軌道距離變化的情形，確定軌道數(shù)量增加，即可實(shí)現(xiàn)道岔的識(shí)別。具體操作為：

圖4 軌道特征圖

2.3.1 等距抽樣

在提取出的軌道邊緣信息二值圖中從下往上等間距抽取行像素，得到每一行中存在軌道像素點(diǎn)的坐標(biāo)值。

2.3.2 坐標(biāo)差分

對(duì)抽取出來(lái)的每行軌道像素點(diǎn)的橫坐標(biāo)進(jìn)行差分，得到彼此之間的以像素為單位的距離信息。

2.3.3 軌道輪廓信息剔除

形態(tài)學(xué)處理過(guò)程可能會(huì)導(dǎo)致軌道輪廓的存在，因此在進(jìn)行同一行像素點(diǎn)橫向坐標(biāo)差分時(shí)，除了會(huì)得到不同軌道間距離信息，還會(huì)有同一條軌道線上像素距離的干擾信息；考慮到軌道輪廓的像素距離遠(yuǎn)小于軌道間的像素距離，本文采用設(shè)置閾值的方式，對(duì)每一行差分后數(shù)值過(guò)小的軌道輪廓距離值進(jìn)行剔除，從而得到該行軌道間距的信息集。

2.3.4 運(yùn)用道岔特征規(guī)律進(jìn)行判斷

（1）選定基準(zhǔn)值：軌道清潔車在運(yùn)行過(guò)程中獲取的軌道輪廓提取的二值圖像，假設(shè)清潔車一開始運(yùn)行在平行直軌上，取ROI區(qū)域左軌距離左邊界的距離平均值為基準(zhǔn)值，右軌距離右邊界的距離平均值為基準(zhǔn)值，取為△為左軌距左邊界最大距離減最小距離的絕對(duì)值，為△為右軌距右邊界最大距離減最小距離的絕對(duì)值，設(shè)置相應(yīng)閾值[－△,＋△]，[－△，+△]作為判斷的依據(jù)。

（2）依據(jù)判別條件進(jìn)行軌道場(chǎng)景的判斷。當(dāng)軌道清潔車在軌道上正常工作時(shí)，高速攝像頭在車頭定點(diǎn)位置正對(duì)著車輛前方將要經(jīng)過(guò)的軌道進(jìn)行拍攝，從高速攝像頭中采集圖像中的軌道場(chǎng)景可分為以下三種情景：

1）直軌情形。直軌情形下如圖4（a）所示，選定的ROI區(qū)域內(nèi)只有兩條軌道，左右軌道與相鄰最近的ROI左右邊界像素間距幾乎不變，保持在閾值[－△,＋△]，[－△,＋△]之內(nèi)。

2）轉(zhuǎn)彎軌道情形。轉(zhuǎn)彎軌道情形下如圖4（b）所示，選定的ROI區(qū)域內(nèi)只有兩條軌道，以左轉(zhuǎn)軌道為例，此時(shí)由于軌道從直軌轉(zhuǎn)變?yōu)樽筠D(zhuǎn)彎軌，左邊軌道與ROI區(qū)域左邊界像素間距減小，右邊軌道與ROI區(qū)域邊界像素間距增加，兩者均脫離閾值[－△,＋△Sa]，[－△,＋△]。

3）道岔情形。在運(yùn)行過(guò)程中，高速攝像頭采集的道岔情形，從清潔車前方路徑來(lái)看，可分為主道進(jìn)入分叉口型（含單開道岔、雙開道岔、三開道岔），分叉口匯入主道型兩種。

主道進(jìn)入分叉口型道岔的識(shí)別：?jiǎn)伍_道岔：以左拐道岔為例，如圖4（c）所示，此時(shí)由于軌道從直軌轉(zhuǎn)變?yōu)樽蠊盏啦恚琑OI區(qū)域內(nèi)的道岔處應(yīng)出現(xiàn)四條軌道，從左到右依次命名為軌1、2、3、4，由左轉(zhuǎn)道岔示意圖可知，軌4為原本直行軌道的右軌，其與ROI區(qū)域右邊界像素間距應(yīng)與直行軌道時(shí)一致，保持在閾值[－△,＋△]內(nèi)，而軌1為分支軌道的左軌，與ROI區(qū)域左邊界像素間距應(yīng)脫離閾值并呈遞減趨勢(shì)，此時(shí)可判斷前方存在左拐單開道岔。右拐單開道岔判斷方法同理。

雙開道岔與三開道岔：雙開道岔也稱Y型道岔，如圖4（e）所示；三開道岔也稱為Ψ型道岔，如圖4（f）所示。與單開道岔不同，Y型道岔相銜接的兩股道向兩側(cè)分岔，Ψ型道岔同時(shí)銜接三股道，最外側(cè)的兩條軌道也向兩側(cè)分叉，此時(shí)軌1與ROI區(qū)域左邊界，軌4（三開道岔為軌6）與ROI區(qū)域右邊界的像素間距都脫離閾值并呈遞減趨勢(shì)，通過(guò)以上特征可判斷前方存在Y型道岔。

分叉口匯入主道型道岔的識(shí)別：與主道進(jìn)入分叉口型道岔不同的是，匯入型道岔軌道交叉點(diǎn)不是平行的。以清潔車碰到第一個(gè)軌道交叉點(diǎn)前的軌道命名，從左到右依次命名為軌1、2、3，以左轉(zhuǎn)匯入道岔為例，如圖4（h）所示，離清潔車最近的是軌2和軌3相交點(diǎn)，位于ROI區(qū)域的右側(cè)，在軌1和軌2相交點(diǎn)前，即碰到第二個(gè)軌道交叉點(diǎn)之前，軌1與ROI區(qū)域左邊界像素間距依然保持在閾值[－△,＋△]內(nèi)，而軌3與ROI區(qū)域右邊界像素間距從零開始呈遞增趨勢(shì)，在第一個(gè)軌道相交點(diǎn)處回到閾值。通過(guò)以上特征可以判斷前方為分叉口匯入主道型道岔。單開道岔、雙開道岔、三開道岔的分叉口匯入主道型道岔都滿足以上判斷條件。

3 仿真結(jié)果分析

本文基于Python3.8以及OpenCV4.5.5.64圖像庫(kù)的環(huán)境下，以單開道岔為例，對(duì)樣本進(jìn)行處理分析如圖5所示，所得樣本處理流程圖以及軌道輪廓提取的像素散點(diǎn)圖如圖6所示。

對(duì)樣本道岔圖像進(jìn)行檢測(cè)時(shí)，對(duì)軌道中提取的若干行像素點(diǎn)間距信息進(jìn)行擬合，所得結(jié)果如圖7所示。

圖5 道岔識(shí)別過(guò)程處理效果圖

圖6 單開軌道輪廓像素散點(diǎn)圖

圖7 間距信息擬合圖

本例樣本中，對(duì)單開左拐道岔提取輪廓的間距信息進(jìn)行提取，取80行以前的像素間距可以看出，獲得的最左邊軌道與ROI左邊界之間軌道距離呈遞減趨勢(shì)，最右邊軌道與ROI右邊界之間軌道距離保持在閾值之內(nèi)，符合單開左拐道岔特征，故判斷ROI區(qū)域內(nèi)存在道岔，符合本文中對(duì)道岔是否存在的設(shè)計(jì)思路。

4 結(jié) 論

本文克服了在軌道清潔車正常工作情況下，清潔工具遇到道岔路口由于不能及時(shí)躲避，會(huì)對(duì)軌道清潔集成裝置，其真空吸嘴等運(yùn)行時(shí)須部分伸入軌道槽中的清潔工具造成損壞的問(wèn)題。提出了一種現(xiàn)代有軌電車槽型軌軌道道岔自動(dòng)檢測(cè)系統(tǒng)，通過(guò)對(duì)圖像進(jìn)行灰度處理，設(shè)置ROI區(qū)域，逆透視，雙邊濾波完成圖像的預(yù)處理，通過(guò)圖像閾值處理，形態(tài)學(xué)梯度，開運(yùn)算對(duì)降噪后圖像進(jìn)行軌道輪廓提取，最后利用道岔存在特征條件對(duì)軌道輪廓二值圖進(jìn)行識(shí)別，實(shí)現(xiàn)了對(duì)采集圖像中有無(wú)道岔的識(shí)別判斷。仿真實(shí)驗(yàn)結(jié)果證明，算法可以對(duì)單開道岔及雙開道岔等清潔車運(yùn)行中出現(xiàn)的道岔類型進(jìn)行有效的識(shí)別。在識(shí)別出采集圖像中出現(xiàn)道岔后，道岔自動(dòng)檢測(cè)系統(tǒng)將自動(dòng)向PLC發(fā)出控制指令，利用液壓系統(tǒng)控制向上抬起清潔工具以避免與道岔碰撞摩擦，保證清潔車工作的安全性和有效性。該系統(tǒng)對(duì)軌道自動(dòng)清潔車的保護(hù)和行駛的安全具有指導(dǎo)意義及理論基礎(chǔ)。