基于云臺相機的鐵路異物侵限檢測方法研究.pdf

1、列車運行速度快、制動距離長，一旦有異物侵入鐵路限界便可能造成重大鐵路事故。本文針對鐵路現(xiàn)場大量存在的云臺相機研究基于云臺相機的鐵路異物侵限檢測方法，通過自動完成限界區(qū)域的自動識別和標記，檢測出侵限異物，并通過相機自標定完成侵限異物的定位與尺寸估計，進而完成報警以便于工作人員進行針對性處理。本文研究內(nèi)容主要分為限界區(qū)域自動識別與標記、背景提取與目標檢測、異物定位與尺寸估計三部分。
　　本文研究了云臺相機姿態(tài)或焦距改變后限界區(qū)域隨之改

2、變的情況，提出了基于消隱點的極向投影處理方法，能夠在相機任何狀態(tài)下自動識別和標記出限界區(qū)域。首先利用分時圖像融合方法得到一幅匹配模板，經(jīng)過一系類圖像預(yù)處理操作之后在匹配模板中檢測出特征最明顯的兩條鋼軌，根據(jù)相機投影原理，計算得到所有平行鋼軌的消隱點，然后向該消隱點做極向投影，投影的峰值位置即為其他鋼軌位置，進而確定限界區(qū)域。為提高算法實時性，當相機姿態(tài)或焦距改變后，采用圖像匹配算法將模板圖像中的限界區(qū)域映射到當前圖像中重新標記。

3、　　本文設(shè)計了一種基于幀差與多幀平均的背景提取與更新算法，采用背景幀差與區(qū)域特征提取并篩選運動目標。針對鐵路相機抖動特點，本文提出了基于投影特征匹配的去抖算法，能夠快速、準確地去除圖像抖動。利用基于相鄰幀差、二值投影與多幀平均的方式提取到精確的背景圖像，并實時更新背景。采用了基于背景幀差的前景提取算法，初步提取前景目標，根據(jù)目標的面積、形狀特征設(shè)計了去噪方法，并針對陰影、反光等環(huán)境進行處理，獲得準確的前景目標。
　　為方便工作人員

4、根據(jù)侵限異物的位置、體積大小做出快速、有效的針對性處理，本文提出了基于相機自標定的目標定位與尺寸估計算法。利用鋼軌與軌枕形成的矩形代替?zhèn)鹘y(tǒng)相機標定中的棋盤格，通過改變云臺相機方向拍攝同一段鋼軌不同角度的圖像，完成相機自標定，利用標定后的相機可輕易獲得檢測出的侵限異物的物理位置和尺寸信息，可以極大的提高鐵路工作人員的效率，預(yù)防事故的發(fā)生。
　　通過多條鐵路現(xiàn)場實驗驗證，本論文提出的算法具有較強的適用性和實時性，對最大限度提高現(xiàn)有設(shè)備