一種鐵路貨運列車圖像中裝載平衡檢測方法
2023-07-07 03:20:36 2
專利名稱：一種鐵路貨運列車圖像中裝載平衡檢測方法
技術領域：
本發明涉及圖像處理方法，尤其涉及一種鐵路貨運列車圖像中裝載平衡檢測方法。
背景技術：
鐵路貨運列車會運載各種貨物，工人在裝載貨物時由於人工的原因可能會導致裝載貨物的不平衡，隨著現代火車運行速度的提高，裝載不平衡在火車高速運行時會影響火車的平穩運行，因此，如何監控鐵路貨運的裝載平衡狀況從而保障鐵路貨運的安全，是目前
鐵路貨運的一個問題。
發明內容
為了克服上述問題，本發明的目的是提供一種鐵路貨運列車圖像中裝載平衡檢測方法，其能夠對列車裝載平衡進行自動的智能檢測和分析，提高鐵路貨運的安全性。為了實現上述目的，本發明採用如下方法一種鐵路貨運列車圖像中裝載平衡檢測方法，其包括如下步驟步驟I :獲取圖像，獲取鐵路貨運列車圖像；步驟2 :去除背景和無關的位置，保留裝載區域圖像，獲得待處理圖像P ;步驟3 :均值偏移濾波，使用均值偏移算法對待處理圖像P進行方向為X軸的均值濾波，濾波器的窗口尺度為定值N，獲得去除噪音，強化前景邊緣的圖像，其中！■為自然數且3 ^ r ^ 7 ；步驟4 :SURF獲得特徵點雲，根據步驟3中獲得的圖像，利用SURF算法獲得特徵點雲;步驟5 :去除離散特徵點，根據步驟4中獲得的特徵點雲，去除離散的特徵點，只保留集中聚集的特徵點；具體為A利用K-Mean算法將特徵點雲按照X，Y軸的坐標，分成M類，這裡M為自然數且3彡M彡5 ;B計算各特徵點到本類中心點的距離；C當特徵點到本類中心點距離大於設定的閾值T時，去除該特徵點；步驟6 =K-Mean分割，對步驟3獲得的圖像進行區域分割，使用K-Mean算法對圖像的灰度分布進行K個分類，這樣在圖像像素空間形成K組區間，根據不同的分類區間，對圖像中的每一格像素進行二次賦值，得到分割後的圖像P。，其中K為自然數；步驟7 :特徵點重新分組和統計，根據步驟6的分割後的圖像P。，對步驟5獲得的特徵點進行重新分組和參數統計，具體步驟如下I)根據特徵點在分割圖像P。的位置，對特徵點雲進行分類，將步驟5獲得的特徵點雲分為K組；
2)計算同一組特徵點雲的中心坐標Ck，k e K ;步驟8 :裝載平衡判斷，對步驟7獲得圖像中的裝載狀態進行分析，發現是否存在左右兩側裝載平衡異常的情況，具體步驟如下a將圖像平均分為左右兩部分；b計算左右兩端特徵點雲的中心點到整幅圖像中心的距離Disl和Dis2 ；c計算屬於左邊的Ck到整幅圖像的平均距離DisCl ；d計算屬於右邊的Ck到整幅圖像的平均距離DisC2e如果Disl與Dis2的絕對差值大於設定閾值，就認為裝載平衡異常；如果DisCl與DisC2的絕對差值大於設定閾值,就認為裝載平衡異常。 優選地，r=3。優選地，M=4。本發明的有益效果是通過對運行途中的鐵路貨運火車的裝載區域圖像的處理和檢測，獲取貨物的裝載情況，為鐵路貨運提供安全運行的保障。
圖I為本發明的檢測方法示意圖。
具體實施例方式下面結合附圖對本發明的檢測方法做出說明。參見圖1，本發明提供了一種鐵路貨運列車圖像中裝載平衡檢測方法，其包括如下步驟步驟I :獲取圖像，獲取鐵路貨運列車圖像，通過視頻監控系統來獲取運行中的鐵路貨運列車圖像；步驟2 :去除背景和無關的位置，保留裝載區域圖像，獲得待處理圖像P ;步驟3 :均值偏移濾波，使用均值偏移算法對待處理圖像P進行方向為X軸的均值濾波，濾波器的窗口尺度為定值N，獲得去除噪音，強化前景邊緣的圖像，其中N為自然數且3 ^ r ^ 7,優選 r=3 ；均值偏移濾波原理如下如果有一個中心點X，獲得其周圍共η個鄰域像素點Xi (i e η)，通過下面的公式進行計算，最終獲得偏移濾波向量Hl(X):
ΠIiif~sV Jf f--—I
,P WiLrf ' I - -1其中K (X)使用高斯函數表示如下KCx) = W~ s ^對大小為[w|h]的圖像P，以每一個像素點為中心X，以窗口半徑尺度為r，進行如下步驟，直到所以像素完成濾波處理對每個中心點X，計算m(x) ；>|# m(x)的值賦給X;如果I Im(X)-X < s| |，結束，否則繼續步驟1-2;其中，ε為設置的固定閾值，一般在O. 001至
2.5之間。
步驟4 :SURF獲得特徵點雲，根據步驟3中獲得的圖像，利用SURF算法獲得特徵點雲;步驟5 :去除離散特徵點，根據步驟4中獲得的特徵點雲，去除離散的特徵點，只保留集中聚集的特徵點；具體為A利用K-Mean算法將特徵點雲按照X，Y軸的坐標，分成M類，這裡M為自然數且3彡M彡5;優選M=4B計算各特徵點到本類中心點的距離；C當特徵點到本類中心點距離大於設定的閾值T時，去除該特徵點；這其中，K均值算法的步驟如下假設對m個對象進行K個分類 (I)以隨機初始化中心點作為K個分類對象的初始聚類中心。(2)計算每個對象與這些中心對象的距離，並根據最小距離分配到K個聚類中的某一個。(3)使每個聚類中所有的樣本的均值作為新的聚類中心。重複(2)和(3)直到聚類中心不再變化。步驟6 =K-Mean分割，對步驟3獲得的圖像進行區域分割，使用K-Mean算法對圖像的灰度分布進行K個分類，這樣在圖像像素空間形成K組區間，根據不同的分類區間，對圖像中的每一格像素進行二次賦值，得到分割後的圖像P。，其中K為自然數；步驟7 :特徵點重新分組和統計，根據步驟6的分割後的圖像P。，對步驟5獲得的特徵點進行重新分組和參數統計，具體步驟如下I)根據特徵點在分割圖像P。的位置，對特徵點雲進行分類，將步驟5獲得的特徵點雲分為K組；2)計算同一組特徵點雲的中心坐標Ck，k e K ;步驟8 :裝載平衡判斷，對步驟7獲得圖像中的裝載狀態進行分析，發現是否存在左右兩側裝載平衡異常的情況，具體步驟如下a將圖像平均分為左右兩部分；b計算左右兩端特徵點雲的中心點到整幅圖像中心的距離Disl和Dis2 ；c計算屬於左邊的Ck到整幅圖像的平均距離DisCl ；d計算屬於右邊的Ck到整幅圖像的平均距離DisC2e如果Disl與Dis2的絕對差值大於設定閾值,就認為裝載平衡異常；如果DisCl與DisC2的絕對差值大於設定閾值,就認為裝載平衡異常。以上對本發明的一個實例進行了詳細說明，但所述內容僅為本發明的較佳實施例，不能被認為用於限定本發明的實施範圍。凡依本發明申請範圍所作的均等變化與改進等，均應仍歸屬於本發明的專利涵蓋範圍之內。
權利要求
1.一種鐵路貨運列車圖像中裝載平衡檢測方法，其包括如下步驟 步驟I:獲取圖像，獲取鐵路貨運列車圖像； 步驟2 :去除背景和無關的位置，保留裝載區域圖像，獲得待處理圖像P ； 步驟3 :均值偏移濾波，使用均值偏移算法對待處理圖像P進行方向為X軸的均值濾波，濾波器的窗口尺度為定值r，獲得去除噪音，強化前景邊緣的圖像，其中N為自然數且3≤ r ≤ 7 ； 步驟4 =SURF獲得特徵點雲，根據步驟3中獲得的圖像，利用SURF算法獲得特徵點雲；步驟5 :去除離散特徵點，根據步驟4中獲得的特徵點雲，去除離散的特徵點，只保留集中聚集的特徵點；具體為 A利用K-Mean算法將特徵點雲按照X，Y軸的坐標，分成M類，這裡M為自然數且3≤M≤5 ; B計算各特徵點到本類中心點的距離； C當特徵點到本類中心點距離大於設定的閾值T時，去除該特徵點； 步驟6 =K-Mean分割，對步驟3獲得的圖像進行區域分割，使用K-Mean算法對圖像的灰度分布進行K個分類，這樣在圖像像素空間形成K組區間，根據不同的分類區間，對圖像中的每一格像素進行二次賦值，得到分割後的圖像P。，其中K為自然數； 步驟7 :特徵點重新分組和統計，根據步驟6的分割後的圖像P。，對步驟5獲得的特徵點進行重新分組和參數統計，具體步驟如下 1)根據特徵點在分割圖像P。的位置，對特徵點雲進行分類，將步驟5獲得的特徵點雲分為K組； 2)計算同一組特徵點雲的中心坐標Ck,k e K ; 步驟8 :裝載平衡判斷，對步驟7獲得圖像中的裝載狀態進行分析，發現是否存在左右兩側裝載平衡異常的情況，具體步驟如下a將圖像平均分為左右兩部分； b計算左右兩端特徵點雲的中心點到整幅圖像中心的距離Disl和Dis2 ； c計算屬於左邊的Ck到整幅圖像的平均距離DisCl ； d計算屬於右邊的Ck到整幅圖像的平均距離DisC2 e如果Disl與Dis2的絕對差值大於設定閾值，就認為裝載平衡異常；如果DisCl與DisC2的絕對差值大於設定閾值,就認為裝載平衡異常。
2.如權利要求I所述的檢測方法，其特徵在於所述r=3。
3.如權利要求I或2所述的檢測方法，其特徵在於所述M=4。
全文摘要
本發明涉及一種鐵路貨運列車圖像中裝載平衡檢測方法，其包括如下步驟獲取圖像；獲得待處理圖像；均值偏移濾波；利用SURF算法提取左右兩側圖像的不變紋理特徵點；然後通過分割後的區域，確定左右兩側貨物的特徵點分布範圍；最後通過計算分布範圍的幾何數據，判斷圖像中左右兩側貨物的裝載是否平衡。本發明的有益效果是通過本發明的方法來對鐵路貨運列車的裝載狀況進行檢測，獲取是否裝載平衡的信息，為鐵路貨運的安全提供相關的數據，保證貨運列車運行的安全。
文檔編號G06T7/00GK102867305SQ20121032538
公開日2013年1月9日 申請日期2012年9月5日 優先權日2012年9月5日
發明者俞大海, 單玉堂, 韓建楓, 陳鍾, 李書軍, 李震, 顧輝 申請人:天津光電高斯通信工程技術有限公司