论文摘要
机器视觉采集的轨道图像中包含钢轨表面区域（简称轨面区域）及干扰区域（轨道、碎石、杂草等）,从复杂的轨道图像中检测缺陷目标难度大、耗时多.因此,先将轨面区域提取出来,然后对提取的轨面区域进行缺陷检测和识别可以节省大量时间.传统的钢轨表面区域提取算法多为手动设定轨面边界,自适应性较差,且对光照异常敏感.针对以上问题,就如何快速提取轨面区域进行了研究,提出了一种基于HSV空间的钢轨表面区域快速提取算法.首先将采集的RGB图像转换到HSV空间,并提取其S分量图像,以此变换来克服光照条件变化对钢轨表面区域提取带来的干扰;其次在S分量图像中绘制灰度投影曲线;然后以图像的中点为轴,将曲线分为左右两侧,分别找到左右两侧列曲线的极大值L1、R1和次大值L2、R2;最后根据极大值和次大值的关系自动确定轨面区域的边界.仿真结果表明,所研究的算法可以快速、准确地提取轨面区域,避免了手动确定轨面区域边界的问题,算法的泛化能力较好,提取精度较高(IoU高达0.92),提取准确率为93.87%,提取时间较传统方法大幅降低,平均提取时间为0.046 s,为铁路线路的实时自动化检测奠定了基础.
论文目录
文章来源
类型: 期刊论文
作者: 顾桂梅,李晓梅,常海涛,高常强
关键词: 钢轨表面区域提取,空间,灰度投影,光照强度
来源: 云南大学学报(自然科学版) 2019年04期
年度: 2019
分类: 基础科学,工程科技Ⅱ辑,信息科技
专业: 铁路运输,计算机软件及计算机应用
单位: 兰州交通大学自动化与电气工程学院,光电技术与智能控制教育部重点实验室,甘肃省人工智能与图形图像处理工程研究中心
基金: 甘肃省科技计划(18JR3RA104)
分类号: TP391.41;U216.3
页码: 707-717
总页数: 11
文件大小: 2137K
下载量: 121
相关论文文献
标签：钢轨表面区域提取论文; 空间论文; 灰度投影论文; 光照强度论文;