軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法
【專利摘要】本發(fā)明公開了軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法，包括以下步驟：（1）、通過視頻采集模塊快速獲得視頻圖像；（2）、對采集到的視頻圖像進(jìn)行初步處理；（3）、對經(jīng)過初步處理的圖像依次進(jìn)行霍夫變換、雙目匹配、兩軌間熟路判斷、邊緣檢測、曲線擬合及平滑處理得到兩條軌道路徑；（4）、根據(jù)兩軌之間的像素距離比例由近到遠(yuǎn)繪制列車的動態(tài)包絡(luò)線。本發(fā)明的包絡(luò)線繪制方法能夠準(zhǔn)確繪制出列車在軌道上運行時將要通過的空間區(qū)域，消除了攝像頭抖動對圖像質(zhì)量可能造成的影響，進(jìn)而明確了異物侵限出現(xiàn)的范圍，排除軌道附近設(shè)備或其它物體對異物侵限探測的干擾，同時因探測范圍的明確而減少了計算量，提高了運算速度與探測效率。
【專利說明】
軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及一種包絡(luò)線繪制方法，具體涉及軌道異物侵限識別中防攝像頭抖動的 動態(tài)包絡(luò)線繪制方法;屬于軌道交通技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 傳統(tǒng)技術(shù)中，軌道上異物侵限識別以人工判別為主，輔以一些硬件如激光、微波探 測器對周圍環(huán)境進(jìn)行控測，準(zhǔn)確率不高。隨著技術(shù)的發(fā)展，為了確保機(jī)車車輛在鐵路上運行 的安全性，提出了"鐵路限界"這一概念，能夠有效防止機(jī)車車輛撞擊到鄰近線路的建筑和 設(shè)備，并對機(jī)車車輛和接近線路的建筑物、設(shè)備規(guī)定了不允許超越的輪廓尺寸線，按所要求 對象的不同分為機(jī)車車輛限界和建筑接近限界。其中，機(jī)車車輛限界又可分為:機(jī)車車輛制 造限界、靜態(tài)限界、動態(tài)限界、動態(tài)包絡(luò)線限界，這個分類是根據(jù)所含的引起機(jī)車車輛發(fā)生 偏移的不利因素由少到多依次遞進(jìn)的。動態(tài)包絡(luò)線是車輛運行過程中受各種不利因素影響 所導(dǎo)致的最大極限輪廓，是制定鐵路限界的重要依據(jù)。隨著高速列車運營速度的不斷提升， 精確得到列車動態(tài)包絡(luò)線成為當(dāng)務(wù)之急，對列車的運行安全性至關(guān)重要。
[0003] 現(xiàn)有技術(shù)中，針對列車動態(tài)包絡(luò)線測量是基于車體靜態(tài)輪廓測量和動態(tài)位姿參數(shù) 測量而得到的。比如，申請?zhí)枮?01210584655.9的發(fā)明專利公開了一種高速列車動態(tài)包絡(luò) 線測量方法，利用精密靶標(biāo)、激光跟蹤儀建立軌道中心坐標(biāo)系，求取軌道中心坐標(biāo)系與測量 系統(tǒng)坐標(biāo)系之間的轉(zhuǎn)換關(guān)系;開啟反射式的光電開關(guān)進(jìn)入自動觸發(fā)測量狀態(tài)；當(dāng)高速列車 進(jìn)入預(yù)設(shè)測量范圍以內(nèi)時，大功率一字線激光器和兩臺高速相機(jī)接收同步觸發(fā)信號，大功 率一字線激光器投射線結(jié)構(gòu)光在高速列車車身表面構(gòu)造測量特征，兩臺高速相機(jī)同步捕捉 測量特征圖像;對測量特征圖像進(jìn)行處理，解算能反映高速列車動態(tài)偏移的被測信息;融合 兩側(cè)高速列車動態(tài)偏移的被測信息，得到高速列車行駛過程中的動態(tài)包絡(luò)線，該測量方法 提高了測量精度，避免了主觀取值，為評估高速列車的安全性能提供了技術(shù)手段，為高鐵動 態(tài)限界的指定提供了可靠的數(shù)據(jù)支持。但是，該測量方法需要對視頻圖像進(jìn)行動態(tài)分析和 顯示，經(jīng)常會因為鏡頭的抖動而影響圖像的質(zhì)量，因此如何消除這些抖動即優(yōu)化圖像穩(wěn)定 性變得越來越重要。現(xiàn)有技術(shù)中曾采用一些物理設(shè)備如速度傳感器、濾鏡等硬件設(shè)備進(jìn)行 圖抖動的消除，但這種方法消除效率低、應(yīng)用環(huán)境有限；因此有研究提出采用軟件方法(主 要利用圖像處理技術(shù))代替硬件設(shè)備進(jìn)行消除圖像抖動，但是尚缺乏一種實際可行的操作 方法。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有技術(shù)的不足，本發(fā)明的目的在于提出一種軌道異物侵限識別中防攝像 頭抖動的動態(tài)包絡(luò)線繪制方法，從而準(zhǔn)確定義對列車運行產(chǎn)生安全威脅的異物侵限范圍。
[0005] 為了實現(xiàn)上述目標(biāo)，本發(fā)明采用如下的技術(shù)方案：
[0006] 軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法，包括以下步驟：
[0007] (1 )、通過視頻采集模塊快速獲得視頻圖像并傳輸至圖像預(yù)處理模塊；
[0008] (2)、通過圖像預(yù)處理模塊對采集到的視頻圖像進(jìn)行初步處理，以提高圖像的清晰 度、降噪等，從而方便后續(xù)處理過程使用圖像；
[0009] (3)、軌道檢測模塊對經(jīng)過初步處理的圖像依次進(jìn)行霍夫變換、雙目匹配、兩軌間 熟路判斷、邊緣檢測、曲線擬合及平滑處理得到兩條軌道路徑；
[0010] (4)、動態(tài)包絡(luò)線繪制模塊根據(jù)兩軌之間的像素距離比例由近到遠(yuǎn)繪制列車的動 態(tài)包絡(luò)線。
[0011] 具體地，前述視頻采集模塊包括:分設(shè)于列車頭部擋風(fēng)玻璃內(nèi)左右兩側(cè)、同步采集 視頻圖像的第一攝像頭和第二攝像頭。
[0012] 優(yōu)選地，前述第一攝像頭和第二攝像頭均為高清攝像頭。
[0013] 作為另一種優(yōu)選地，前述第一攝像頭和第二攝像頭分別為高清攝像頭和紅外攝像 頭。
[0014] 再優(yōu)選地，前述步驟(2)的初步處理過程具體如下：
[0015]圖像預(yù)處理模塊將接收到的RGB圖像轉(zhuǎn)換為灰度圖像；
[0016] 使用Scharr算子進(jìn)行濾波操作，濾波器系I

[0017]圖像平滑操作，對圖像進(jìn)行高斯卷積，核大小為3*3,標(biāo)準(zhǔn)差sigma=(n/2-l)*0.3+ 0.8，其中η對應(yīng)水平核或垂直核大??；
[0018] 對平滑后圖像進(jìn)行二次縮放:使用Gaussian金字塔分解對輸入圖像向下采樣，首 先對輸入圖像用高斯濾波器進(jìn)行卷積，然后通過拒絕偶數(shù)的行與列向下采樣圖像；使用 Gaussian金字塔分解對輸入圖像向上采樣，首先通過在圖像中插入0偶數(shù)行和偶數(shù)列，然后 對得到的圖像用高斯濾波器進(jìn)行高斯卷積，其中濾波器乘以4做插值，輸出圖像是輸入圖像 的4倍大小，高斯卷積核大小為5*5;
[0019] 消除圖像噪聲，分割獨立的圖像元素，使用內(nèi)核形狀為矩形、大小為3*3的結(jié)構(gòu)元 素，掃描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的二值圖像做"與"運算，如果都為1，則結(jié) 構(gòu)圖像的該像素為1，否則為0,使二值圖像減小一圈，此操作重復(fù)三次;連接相鄰元素，使用 內(nèi)核形狀為矩形、大小為3*3的結(jié)構(gòu)元素，掃描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的 二值圖像做"與"運算，如果都為〇,則結(jié)構(gòu)圖像的該像素為〇,否則為1，使二值圖像擴(kuò)大一 圈，操作三次；
[0020] 對圖像進(jìn)行二值化操作
其中thresh為 100〇
[0021]進(jìn)一步優(yōu)選地，前述步驟（3)的具體過程為：霍夫變換使用opencv的庫函數(shù) HoughLinesP，其中rho為1，theta為pi/180，threshold為80;對左右視圖采用SGBM算法計算 視差進(jìn)行三維重建，再計算兩直線間距離；攝像機(jī)坐標(biāo)系與世界坐標(biāo)系之間的轉(zhuǎn)換公式
其中（Xc，Yc，Zc)表示P點在攝像機(jī)坐標(biāo)系下的位置，（Xw，Yw，Zw)表示P點 在世界坐標(biāo)系下的位置，R為旋轉(zhuǎn)矩陣，T為平移矩陣，R和T由雙目相機(jī)標(biāo)定的內(nèi)外參數(shù)得 到;計算兩直線夾角，tan0<〇. 1;邊緣檢測提取輪廓，擬合為曲線，尋找與直線重疊度最高 的曲線，平滑曲線得到左右軌道路徑。
[0022] 本發(fā)明的有益之處在于:本發(fā)明的包絡(luò)線繪制方法能夠準(zhǔn)確繪制出列車在軌道上 運行時將要通過的空間區(qū)域，通過圖像預(yù)處理模塊和軌道檢測模塊消除了攝像頭抖動對圖 像質(zhì)量可能造成的影響，進(jìn)而明確了異物侵限出現(xiàn)的范圍，排除軌道附近設(shè)備或其它物體 對異物侵限探測的干擾，同時因探測范圍的明確而減少了計算量，提高了運算速度與探測 效率。
【附圖說明】
[0023] 圖1是本發(fā)明的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法的流程 圖。
【具體實施方式】
[0024] 以下結(jié)合附圖和具體實施例對本發(fā)明作具體的介紹。
[0025] 在本發(fā)明的描述中，需要理解的是，術(shù)語"中心"、"縱向"、"橫向"、"上"、"下"、 "前"、"后"、"左"、"右"、"豎直"、"水平"、"頂"、"底"、"內(nèi)"、"外"等指示的方位或位置關(guān)系為 基于附圖所示的方位或位置關(guān)系，僅是為了便于描述本發(fā)明和簡化描述，而不是指示或暗 示所指的裝置或元件必須具有特定的方位、以特定的方位構(gòu)造和操作，因此不能理解為對 本發(fā)明的限制。此外，術(shù)語"第一"、"第二"僅用于描述目的，而不能理解為指示或暗示相對 重要性。
[0026] 如圖1所示為本實施例的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方 法的流程圖，包括如下步驟：
[0027] (1 )、通過視頻采集模塊快速獲得視頻圖像并傳輸至圖像預(yù)處理模塊:該視頻采集 模塊包括分設(shè)于列車頭部擋風(fēng)玻璃內(nèi)左右兩側(cè)的第一攝像頭和第二攝像頭，這兩個攝像頭 通過其內(nèi)部集成的二次開發(fā)包同步、快速地采集視頻圖像。攝像機(jī)盡可能安裝在列車的高 處，既能夠看清楚遠(yuǎn)處地面的情況;又考慮到適應(yīng)軌道拐彎情況下盡可能看遠(yuǎn)。
[0028] 作為一種選擇，第一攝像頭和第二攝像頭均為高清攝像頭，這樣能夠保證采集到 的圖像的清晰度;作為另一種選擇，第一攝像頭和第二攝像頭分別為高清攝像頭和紅外攝 像頭，通過紅外攝像頭可彌補(bǔ)普通高清攝像頭在光線不足(如霧霾、隧道等)時的圖像識別 度。
[0029] (2)、通過圖像預(yù)處理模塊對采集到的視頻圖像進(jìn)行初步處理，具體的處理過程如 下：
[0030]圖像預(yù)處理模塊將接收到的RGB圖像轉(zhuǎn)換為灰度圖像；
[0031] 使用Scharr算子進(jìn)行濾波操作，濾波器系藝
一
5
[0032]圖像平滑操作，對圖像進(jìn)行高斯卷積，核大小為3*3,標(biāo)準(zhǔn)差sigma=(n/2-l)*0.3+ 0.8，其中η對應(yīng)水平核或垂直核大??；
[0033]對平滑后圖像進(jìn)行二次縮放:使用Gaussian金字塔分解對輸入圖像向下采樣，首 先對輸入圖像用高斯濾波器進(jìn)行卷積，然后通過拒絕偶數(shù)的行與列向下采樣圖像；使用 Gaussian金字塔分解對輸入圖像向上采樣，首先通過在圖像中插入0偶數(shù)行和偶數(shù)列，然后 對得到的圖像用高斯濾波器進(jìn)行高斯卷積，其中濾波器乘以4做插值，輸出圖像是輸入圖像 的4倍大小，高斯卷積核大小為5*5;
[0034]消除圖像噪聲，分割獨立的圖像元素，使用內(nèi)核形狀為矩形、大小為3*3的結(jié)構(gòu)元 素，掃描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的二值圖像做"與"運算，如果都為1，則結(jié) 構(gòu)圖像的該像素為1，否則為0,使二值圖像減小一圈，此操作重復(fù)三次;連接相鄰元素，使用 內(nèi)核形狀為矩形、大小為3*3的結(jié)構(gòu)元素，掃描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的 二值圖像做"與"運算，如果都為〇,則結(jié)構(gòu)圖像的該像素為〇,否則為1，使二值圖像擴(kuò)大一 圈，操作三次；
[0035] 對圖像進(jìn)行二值化操作
其中thresh為 100〇
[0036] (3)、軌道檢測模塊對經(jīng)過初步處理的圖像依次進(jìn)行霍夫變換、雙目匹配、兩軌間 熟路判斷、邊緣檢測、曲線擬合及平滑處理得到兩條軌道路徑，具體過程為：
[0037] 霍夫變換使用opencv的庫函數(shù)HoughLinesP，其中rho為l，theta為pi/180， threshold為80;對左右視圖采用SGBM算法計算視差進(jìn)行三維重建，再計算兩直線間距離； 攝像機(jī)坐標(biāo)系與世界坐標(biāo)系之間的轉(zhuǎn)換公另
庫中(Xc，Yc，Zc)表示P點在 攝像機(jī)坐標(biāo)系下的位置，（Xw，Yw，Zw)表示P點在世界坐標(biāo)糸下的位置，R為旋轉(zhuǎn)矩陣，T為平 移矩陣，R和T由雙目相機(jī)標(biāo)定的內(nèi)外參數(shù)得到;計算兩直線夾角，tan0<〇.l;邊緣檢測提取 輪廓，擬合為曲線，尋找與直線重疊度最高的曲線，平滑曲線得到左右軌道路徑。
[0038] (4)、動態(tài)包絡(luò)線繪制模塊根據(jù)兩軌之間的像素距離比例由近到遠(yuǎn)繪制列車的動 態(tài)包絡(luò)線。
[0039] 綜上，本發(fā)明的包絡(luò)線繪制方法能夠準(zhǔn)確繪制出列車在軌道上運行時將要通過的 空間區(qū)域，通過圖像預(yù)處理模塊和軌道檢測模塊消除了攝像頭抖動對圖像質(zhì)量可能造成的 影響，進(jìn)而明確了異物侵限出現(xiàn)的范圍，排除軌道附近設(shè)備或其它物體對異物侵限探測的 干擾，同時因探測范圍的明確而減少了計算量，提高了運算速度與探測效率。
[0040] 在本發(fā)明的描述中，需要說明的是，除非另有明確的規(guī)定和限定，術(shù)語"安裝"、"相 連"、"連接"應(yīng)做廣義理解，例如，可以是固定連接，也可以是可拆卸連接，或一體地連接;可 以是機(jī)械連接，也可以是電連接;可以是直接相連，也可以通過中間媒介間接相連，可以是 兩個元件內(nèi)部的連通。對于本領(lǐng)域的普通技術(shù)人員而言，可以具體情況理解上述術(shù)語在本 發(fā)明中的具體含義。
[0041] 在本說明書的描述中，參考術(shù)語"一個實施例"、"一些實施例"、"示例"、"具體示 例"、或"一些示例"等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特 點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不 一定指的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任何 的一個或多個實施例或示例中以合適的方式結(jié)合。
[0042]以上顯示和描述了本發(fā)明的基本原理、主要特征和優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該 了解，上述實施例不以任何形式限制本發(fā)明，凡采用等同替換或等效變換的方式所獲得的 技術(shù)方案，均落在本發(fā)明的保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法，其特征在于，包括以下 步驟： (1 )、通過視頻采集模塊快速獲得視頻圖像并傳輸至圖像預(yù)處理模塊； (2) 、通過圖像預(yù)處理模塊對采集到的視頻圖像進(jìn)行初步處理； (3) 、軌道檢測模塊對經(jīng)過初步處理的圖像依次進(jìn)行霍夫變換、雙目匹配、兩軌間熟路 判斷、邊緣檢測、曲線擬合及平滑處理得到兩條軌道路徑； (4) 、動態(tài)包絡(luò)線繪制模塊根據(jù)兩軌之間的像素距離比例由近到遠(yuǎn)繪制列車的動態(tài)包 絡(luò)線。2. 根據(jù)權(quán)利要求1所述的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法， 其特征在于，所述視頻采集模塊包括:分設(shè)于列車頭部擋風(fēng)玻璃內(nèi)左右兩側(cè)、同步采集視頻 圖像的第一攝像頭和第二攝像頭。3. 根據(jù)權(quán)利要求2所述的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法， 其特征在于，所述第一攝像頭和第二攝像頭均為高清攝像頭。4. 根據(jù)權(quán)利要求2所述的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法， 其特征在于，所述第一攝像頭和第二攝像頭分別為高清攝像頭和紅外攝像頭。5. 根據(jù)權(quán)利要求1所述的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法， 其特征在于，所述步驟(2)的初步處理過程具體如下： 圖像預(yù)處理模塊將接收到的RGB圖像轉(zhuǎn)換為灰度圖像； 使用S c h a r r算子進(jìn)行濾波操作，濾波器系數(shù)圖像平滑操作，對圖像進(jìn)行高斯卷積，核大小為3*3，標(biāo)準(zhǔn)差sigma= (n/2-l )*0.3+0.8， 其中η對應(yīng)水平核或垂直核大?。? 對平滑后圖像進(jìn)行二次縮放:使用Gaussian金字塔分解對輸入圖像向下采樣，首先對 輸入圖像用高斯濾波器進(jìn)行卷積，然后通過拒絕偶數(shù)的行與列向下采樣圖像；使用 Gaussian金字塔分解對輸入圖像向上采樣，首先通過在圖像中插入0偶數(shù)行和偶數(shù)列，然后 對得到的圖像用高斯濾波器進(jìn)行高斯卷積，其中濾波器乘以4做插值，輸出圖像是輸入圖像 的4倍大小，高斯卷積核大小為5*5; 消除圖像噪聲，分割獨立的圖像元素，使用內(nèi)核形狀為矩形、大小為3*3的結(jié)構(gòu)元素，掃 描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的二值圖像做"與"運算，如果都為1，則結(jié)構(gòu)圖 像的該像素為1，否則為〇,使二值圖像減小一圈，此操作重復(fù)三次;連接相鄰元素，使用內(nèi)核 形狀為矩形、大小為3*3的結(jié)構(gòu)元素，掃描二值圖像每一個像素，用結(jié)構(gòu)元素與覆蓋的二值 圖像做"與"運算，如果都為0,則結(jié)構(gòu)圖像的該像素為0,否則為1，使二值圖像擴(kuò)大一圈，操 作三次；6.根據(jù)權(quán)利要求1所述的軌道異物侵限識別中防攝像頭抖動的動態(tài)包絡(luò)線繪制方法， 其特征在于，所述步驟(3)的具體過程為:霍夫變換使用opencv的庫函數(shù)HoughLinesP，其中 rho為I，theta為pi/180,threshold為80;對左右視圖采用SGBM算法計算視差進(jìn)行三維重 建，再計算兩直線間距離;攝像機(jī)坐標(biāo)系與世界坐標(biāo)系之間的轉(zhuǎn)換其中（Xe，Yc，Zc)表示P點在攝像機(jī)坐標(biāo)系下的位置，（Xw，Yw，Zw)表示P點在世界坐標(biāo)系下的 位置，R為旋轉(zhuǎn)矩陣，T為平移矩陣，R和T由雙目相機(jī)標(biāo)定的內(nèi)外參數(shù)得到;計算兩直線夾角， tan0 <0.1;邊緣檢測提取輪廓，擬合為曲線，尋找與直線重疊度最高的曲線，平滑曲線得到 左右軌道路徑。
【文檔編號】B61K9/08GK105933611SQ201610497304
【公開日】2016年9月7日
【申請日】2016年6月29日
【發(fā)明人】梁汝軍, 李擁軍, 夏峰, 孫林
【申請人】南京雅信科技集團(tuán)有限公司