国产精品久久精品牛牛影视-国产精品久久精品视-国产精品久久九九-国产精品久久久-国产精品久久久99

作者簡介：李培云(1995-)，女，安徽滁州人，碩士，主要研究方向是機器視覺，E-mail：1125924814@qq.com。

芯片采購網(wǎng)專注于整合國內(nèi)外授權IC代理商現(xiàn)貨資源，芯片庫存實時查詢，行業(yè)價格合理，采購方便IC芯片，國內(nèi)專業(yè)芯片采購平臺。

摘要：實驗結(jié)果表明，該算法能夠在大多數(shù)情況下實時、準確地檢測和跟蹤接觸線，保證城市軌道的安全運行。

0 引言

隨著我國電氣化鐵路向高速、重載方向的不斷發(fā)展，接觸網(wǎng)- 在高速運行狀態(tài)下，受電弓越來越受到關注[1-2]。由于接觸網(wǎng)與受電弓滑板長期保持接觸，在機車行駛過程中始終磨損，給機車取電性能帶來諸多不可靠因素，直接影響機車行駛狀態(tài)，嚴重時造成安全事故。因此，需要實時檢測接觸網(wǎng)的運行狀態(tài)，以確保機車的安全運行。

近年來，國內(nèi)外對接觸網(wǎng)運行狀態(tài)的監(jiān)測引起了研究學者的廣泛關注。文獻[3]提出了基于圖像處理的鐵路接觸網(wǎng)檢測系統(tǒng)，以識別接觸線的導高、拉出值和硬點。文獻[4]利用高精度傳感器收集線夾溫度等參數(shù)，提出了基于張力和溫度的在線監(jiān)控系統(tǒng)。文獻[5] 研究了一套牽引電源接觸網(wǎng)溫度在線監(jiān)測系統(tǒng)，但只檢測了接觸網(wǎng)某些關鍵部位的溫度。西安理工大學熊磊開發(fā)了一套基于紅外熱像儀的接觸網(wǎng)載流溫度監(jiān)測管理系統(tǒng)，對實現(xiàn)自動監(jiān)測具有重要意義。

由于機車在行駛過程中需要經(jīng)常更換道路岔口，為了解決弓網(wǎng)分離引起的安全事故，本文提出了接觸網(wǎng)目標檢測和跟蹤算法，可以實時快速檢測接觸網(wǎng)，準確跟蹤接觸線。

1 算法概述

該算法主要分為兩部分：接觸線檢測和參數(shù)提取和跟蹤。檢測部分首先對輸入幀進行灰度化處理，然后分別使用OTSU 提取接觸網(wǎng)的邊緣特征有兩種方法：自適應閾值分割和邊緣檢測Hough 連接直線邊緣的變換。在紅外視頻圖像序列中，絕大多數(shù)接觸線和承力索成對出現(xiàn)，視頻圖像呈直線，因此接觸線和承力索在視覺上沒有顯著特征，難以跟蹤目標接觸線。因此，跟蹤部分主要用于Hough 用卡爾曼濾波法改變提取目標接觸線的參數(shù)和跟蹤參數(shù)。首先使用參數(shù)提取部分Hough 根據(jù)收集到的紅外視頻，發(fā)現(xiàn)收集到的視頻圖像中的接觸網(wǎng)導線出現(xiàn)在圖片中，通常是2~4 因此，需要根據(jù)直線數(shù)量點進行討論，然后判斷和提取接觸網(wǎng)目標的直線參數(shù)；通過卡爾曼濾波器預測紅外圖像中接觸線的參數(shù)跟蹤部分，再次獲取實際接觸線的測量參數(shù)，并將參數(shù)與接觸線逐一匹配，最終實現(xiàn)紅外視頻中接觸線的檢測和跟蹤。接觸網(wǎng)目標檢測和跟蹤算法流程。

2 接觸線檢測

2.1 圖像預處理

首先，紅外圖像(見圖2a）轉(zhuǎn)換為灰度圖像(見圖2)b），它可以提高圖像中的特征信息，提高圖像處理的工作效率，也便于進一步處理圖像（如圖像噪聲、圖像分割等）。其次， 利用大津法自適應圖像閾值，分割后獲得二值圖像(見圖2c）。大津法是圖像分割中閾值選擇的最佳算法[7]，操作簡單，不受圖像亮度和對比度的影響，廣泛應用于數(shù)字圖像處理。最后，為了獲取圖像的邊緣信息， 采用prewitt邊緣檢測算法[8]提取接觸網(wǎng)的邊緣特征信息，獲取二值化邊緣圖像(見圖2dNordic代理）。Prewitt 邊緣檢測算子對噪聲有一定的抑制能力，對噪聲大、灰度漸變的圖像處理有較好的邊緣效果。充分利用OTSU 自適應閾值分割和Prewitt 與傳統(tǒng)的邊緣檢測算法相比，算子具有邊緣細節(jié)更清晰、背景噪聲更小的優(yōu)點，可以更完整、更準確地提取邊緣信息。

假設紅外視頻中的目標接觸線s 幀以使用一個向量參數(shù)Peak(s,:) 其中rho_max 極坐標系下半徑最大值表示其接觸線參數(shù)，theta_max 極坐標系下角度最大值表示其接觸線參數(shù)。

式中：x1(s,:) 是在第s 幀接觸線參數(shù)的預測矩陣，A 表示由s-1 幀最優(yōu)估計x(s-1) 推測出第s 幀接觸線軌跡參數(shù)觀測矩陣，w 預測模型的過程噪聲，B 控制矩陣表示控制量w 如何作用于當前狀態(tài)？由于是對紅外視頻中目標接觸線參數(shù)的預測，這里的平均值為0 高斯噪聲模擬預測中產(chǎn)生的誤差。視頻中每幀的不確定性都是通過狀態(tài)噪聲協(xié)方差矩陣來表示的，預測參數(shù)必須不準確。本文通過狀態(tài)噪聲協(xié)方差矩陣Q 表示預測過程中的誤差，包括一些不確定因素，預測誤差協(xié)方差矩陣是

式中，p1(s,:) 協(xié)方差矩陣是下一幀接觸線位置參數(shù)的預測誤差，p(s-1,:) 觀測誤差協(xié)方差矩陣是前一幀位置參數(shù)的最佳估計，A 預測上一幀的最佳估計s 幀接觸線軌跡的參數(shù)轉(zhuǎn)移矩陣的轉(zhuǎn)移矩陣。在紅外視頻中，接觸線在實際檢測中無論如何都無法避免誤差Hough 嚴格來說，變換檢測的接觸線只是對接觸線參數(shù)的預測和估計。Kalman 由預測過程和測量修正兩部分組成，包括預測接觸線當前位置參數(shù)和預測誤差協(xié)方差。濾波器校正部分主要是更新預測狀態(tài)，包括Kalman 更新濾波增益，利用濾波增益K(s) 修正位置參數(shù)值和協(xié)方差。

卡爾曼增益表達式為

式中，k(s) 為第s 卡爾曼濾波常數(shù)幀，R 是參數(shù)觀測噪聲協(xié)方差矩陣，即參數(shù)的測量誤差，H 從預測參數(shù)到預測參數(shù)的參數(shù)轉(zhuǎn)移矩陣。

數(shù)學表達式推測了接觸線下一幀位置參數(shù)的最佳估計值

式中，x1(s,:) 是第s 幀接觸線實際軌跡的參數(shù)推測值，y(s,:) 是第s 幀接觸線參數(shù)的實際測量值是參數(shù)觀測值。

最后，更新紅外視頻圖像中接觸線實際位置參數(shù)與檢測位置參數(shù)之間的誤差協(xié)方差矩陣，即更新預測誤差協(xié)方差矩陣

從以上分析可以看出，卡爾曼濾波所使用的信息都是時域內(nèi)的量， 因此，卡爾曼濾波器是在時域內(nèi)設計的， 適用于多維情況。本文利用卡爾曼濾波器預測當前視頻幀接觸線的參數(shù)來估計接觸線的軌跡位置。如果在紅外視頻的某一幀中沒有檢測到接觸線的參數(shù)，也沒有預測到接觸線的參數(shù)，則放棄記錄視頻幀接觸線的軌跡位置。

4 實驗結(jié)果

采用本文實驗MATLAB R2018a 工作環(huán)境為：CPU：Intel Core i5-8250U@ 1.6 GHz 1.8 GHz，內(nèi)存：8G，Windows10 操作系統(tǒng)。使用MATLAB 仿真實現(xiàn)MP4 從接觸網(wǎng)絡視頻文件到序列幀的轉(zhuǎn)換。以此序列圖為例，對接觸線的跟蹤成功實現(xiàn)。實驗結(jié)果表明，該算法具有良好的準確性和顯著的跟蹤效果，在電氣化鐵路的快速發(fā)展、接觸線檢測和跟蹤研究中具有良好的應用價值。

5 結(jié)語

由于機車在行駛過程中需要頻繁更換線路，以確保機車的高速安全運行，本文提出了高速鐵路接觸線的檢測和跟蹤方法，以解決駕駛過程中弓網(wǎng)分離引起的安全事故，克服了許多類似的運動目標和復雜的運動問題。為了準確跟蹤紅外視頻中的接觸線，使用它Hough 直線參數(shù)和卡爾曼濾波跟蹤參數(shù)的轉(zhuǎn)換提取，但不能進行自適應檢測。Hough 變換檢測速度仍有上升空間。此外，在接觸線運動特征變化不大的情況下，卡爾曼濾波器跟蹤參數(shù)跟蹤相對穩(wěn)定，但在目標位置嚴重屏蔽等復雜背景下，跟蹤效果較差，需要在后續(xù)工作中進一步研究。

參考文獻：

[1] SINHA A,KIRUBARAJAN T,BAR-SHALOM Y.Application of the Kalman-levy Filter for Tracking Maneuvering Targets[J].IEEE Trans. on Aerospace and Electronic Systems,2007,43(3):1099-1107.

[2] 楊德江.高速鐵路接觸網(wǎng)檢測技術研究[J].2020(02)建材及裝飾:253-254.

[3] 陳高華，卓東風，夏錫瑞.基于Hough變換直線檢測中的峰值提取[J].2006(04)太原科技大學學報256-258.

[4] 何正友，程宏波.研究高速鐵路牽引供電系統(tǒng)的健康管理和故障預警系統(tǒng)[J].2012年36日(10)電網(wǎng)技術.

[5] 閻玲玲、金立軍、張文豪等.基于表面溫度法的接觸線磨損紅外診斷[J].2011年28(12)機電工程1426-1429.

[6] 熊磊.基于紅外熱像儀接觸網(wǎng)載流溫度監(jiān)測管理系統(tǒng)的開發(fā)[D].西安:2017年西安理工大學.

[7] CAO J,CHEN L,WANG M,et al.Implementing a Parallel Image Edge Detection Algorithm Based on the Otsu-Canny Operator on the Hadoop Platform[J].Computational Intelligence ＆ Neuroscience,2018(3):1-12.

[8] 安建堯、李金新、孫雙平.基于Prewitt改進算法[J].2018年38日(05)杭州電子科技大學學報(自然科學版) 39.

[9] 吳銳、黃劍華、唐降龍等.文本圖像二值化方法基于灰度直方圖和譜聚類[J].電子與信息學報.2009,31(10):2460-2464.

[10] SATZODA R K,SATHYANARAYANA S,SRIKANTHAN T,et al.Hierarchical additive hough transform for lane detection[J].IEEE Embedded Systems Letters,2010,2(2):23-26.

[11] 付永生，王紹霖.Hough改變邊緣參數(shù)提取算法[J].1996(04)同濟大學學報(自然科學版).

[12] 劉春閣.基于Hough直線提取和匹配變換[D].阜新:遼寧工程技術大學，2009.

[13] 許龍.基于設備維護策略的接觸網(wǎng)管理信息系統(tǒng)的研究[D].成都:2013年西南交通大學.

[14] 付永生，王紹霖.Hough改變邊緣參數(shù)提取算法[J].1996(04)同濟大學學報(自然科學版).

[15] 李亞立，郭玲紅.跟蹤和測量基于卡爾曼濾波器的動態(tài)目標運動參數(shù)[J].2012、31(08)自動化技術與應用:20-23.

(本文來源《IC2021年1月，代理雜志