基于計算機視覺技術的接觸網定位器坡度動態(tài)測量算法

張桐林，郝寬勝，段汝嬌

(1.鐵道部經濟規(guī)劃研究院鐵路工程定額所，北京 100038;2.中國特種設備檢測研究院，北京 100013)

定位器是接觸網定位裝置中的關鍵功能部件，它對電力機車能否安全提速和高速運行起著至關重要的作用［1］。計算機視覺技術特有的測量結果直觀，便于存檔等優(yōu)點，有助于降低鐵路維護成本，提高鐵路服務質量和安全性［2，3］。

本文提出基于計算機視覺技術的接觸網定位器坡度動態(tài)測量算法，并對測量流程及其關鍵算法進行深入研究。首先采用中值濾波算法和維納濾波算法對拍攝到的圖像序列進行圖像預處理;然后對序列圖像中的接觸網定位器進行提取識別以及角點檢測;接著選用NCC角點匹配算法對檢測序列圖像中的檢測到的角點進行匹配;在匹配角點的基礎上，利用基于仿射不變性的直線匹配算法，對各幅圖像中的直線進行匹配以獲取圖像序列中各圖像直線的夾角，實現(xiàn)定位器坡度的自動動態(tài)測量。最后給出計算實例驗證所提出算法的有效性。

1 定位器圖像預處理

1.1 圖像濾波

圖像噪聲主要來源于圖像的獲取和傳輸過程。在圖像獲取過程中，圖像傳感器的工作情況會受到各種因素的影響，如環(huán)境條件、光源及攝像鏡頭等器件的質量、電磁干擾等，都是獲取圖像過程中產生噪聲的因素;而在圖像的傳輸過程中，主要受所用傳輸信道的干擾。為了穩(wěn)定地進行特征提取等后續(xù)處理，必須消除噪聲，校正失真，進行圖像濾波。經大量試驗研究發(fā)現(xiàn)，由攝像機拍攝得到的圖像受到椒鹽噪聲和零均值高斯噪聲的影響較嚴重。這些噪聲會使圖像變得模糊、細節(jié)喪失、改變原圖像像素值，甚至掩蓋原來的圖像信息，使得圖像發(fā)生失真及退化。針對圖像中存在的椒鹽噪聲和零均值高斯噪聲，普遍采用中值濾波算法或均值濾波算法加以消除［4］。

1.2 運動模糊復原

在對接觸網定位裝置的拍攝過程中，安裝在檢測機車車頂?shù)臄z像機相對于定位裝置，在曝光的瞬間處于相對運動狀態(tài)，被拍攝的定位裝置在圖像中可能會出現(xiàn)位移，即出現(xiàn)運動模糊現(xiàn)象。運動模糊的退化模型如圖1所示，假設物平面上的真實圖像用f(x，y)表示，通過成像系統(tǒng)H，采集到的運動模糊圖像用g(x，y)表示。運動模糊恢復過程，就是反解模糊退化模型的過程。運動模糊復原采用維納濾波算法［5］可取得較好濾波效果。

圖1 運動模糊退化模型

2 定位器圖像特征提取

2.1 直線特征提取

標準Hough變換常被用于對直線段的檢測［6］，它具有明確的幾何解析性、很強的抗干擾能力和易于實現(xiàn)并行處理等優(yōu)點。Hough變換利用圖像域與參數(shù)域的點與線之間的對偶原理，具體為直角坐標系下的任意一條直線，對應極坐標系下的一個點。直角坐標系下多條直線相交的一個點對應于極坐標系下的一條正弦曲線，而直角坐標系下的一條直線，對應于極坐標系下相交的一簇曲線，這簇曲線的交點，即為直角坐標系下原直線的極坐標參數(shù)，在求得極坐標參數(shù)的情況下，即可得到對應的直線。

2.2 角點特征提取

角點特征提取采用Harris角點檢測算法，它是一種基于圖像局部自相關函數(shù)分析的算法，由C.Harris和M.J.Stephens在1988年提出［7］。自相關函數(shù)描述了圖像局部灰度的變化程度，可表示為

在局部偏移(u，v)很小的情況下，可將I(x+u，y+v)進行關于(u，v)泰勒級數(shù)展開，去掉二階以上的高階項后，式(1)可改寫為

設λ1和λ2為自相關矩陣M的兩個特征值，如果這兩個特征值都比較大，說明在該點的圖像灰度自相關函數(shù)的兩個正交方向上的極值曲率均較大，即可以認為是角點;如果都比較小，則該點為平坦區(qū)域;如果一個特征值比較大，一個比較小，則表明該點位于邊緣區(qū)域。

3 定位器圖像特征匹配

3.1 角點匹配

特征點匹配的主要原理思想，是比較兩幅圖像的相似性。考慮圖2模擬兩幅圖像I1和I2中待匹配角點及其匹配窗口，匹配窗口的長度為2n+1，寬度為2m+1;圖2(a)為圖像 I1中點(x，y)的鄰域，圖2(b)為圖像I1中點(x，y)在圖像I2中的匹配點(x，y+d)及其鄰域，d表征兩幅圖像的視差。

圖2 匹配原理示意

根據如上原理，可得標準化互相關(NCC)算法的計算公式為

式中，

式中，v為像距，等于光心到像平面的距離;u為物距，等于光心到物平面的距離;f為焦距;ˉI1和ˉI2是窗口內亮度的均值，具體算式如下

3.2 直線匹配

采用基于仿射不變性的直線匹配算法進行定位器圖像的直線匹配［8］。假設待匹配的圖像對中，一幅圖像包含 M 條直線，L1={l11，l21，…，lM1}，另一幅圖像包含N條直線，L2={l12，l22，…，lN2}，圖像對有K個匹配特征點，C={(xi1，yi1)，(xi2，yi2)，i=1，2，…，K}。匹配特征點位于檢測到的共面直線的鄰域。令直線的梯度方向為右側，另一側為左側，則可用如下公式表示直線右側的匹配點

其中，n(l)表示直線l的鄰域;r(l)表征直線右側鄰域，P∈C表示特征點P是匹配特征點集合C中的一點。

公式(4)表征直線右側的匹配特征點應同時滿足位于直線的鄰域范圍內，是匹配特征點集合中的一點，并且在直線的右側。同理，可得直線左側匹配點的數(shù)學表示式為

分別基于直線右側和左側的特征匹配點計算直線的相似度。以直線右側為例，假設兩條待匹配的直線右側鄰域中存在Nr個匹配點，用如下公式計算相似度［9］

式中，Pji表示圖像i中的第j個匹配點;lji表示圖像i中的第j條待匹配直線。

按公式(6)進行計算，可得到以匹配點k為基準的Nr-1個相似度。對該Nr-1個相似度取均值，遍歷Nr個基準點，令相似度均值最大的值作為直線右側的相似度度量，即

同理，計算可得Simz()。比較直線左側及右側的相似度值，以最大值作為直線最終的匹配值，即有

4 定位器坡度計算

基于計算機視覺技術的接觸網定位器自動測量系統(tǒng)的圖像獲取模塊安裝于檢測機車的車頂［10］，其中的攝像機采用自標定的方式，根據實際采集需要與檢測車車頂平面成一定的仰角。攝像機安裝于檢測車車頂?shù)膸缀侮P系示意如圖3所示。在圖3中，zw表示檢測機車車頂?shù)钠矫孀鴺讼?x-y-z為攝像機的坐標系，z軸代表攝像機的主光軸，o點是投影中心，采集接觸網定位裝置圖像信息的成像平面與投影中心的距離為v。

圖4 由遠及近拍攝定位器得到的圖像序列

由于攝像機主光軸與檢測機車車頂平面不平行，位于檢測車車頂平面上方的接觸網定位裝置在攝像機像平面中所成的圖像，實際為接觸網定位裝置平面在攝像機坐標系中投影的像，其幾何關系見圖3右側的小圖。假設攝像機在檢測機車車頂平面安裝的仰角為θ，亦即接觸網定位裝置平面與其在攝像機坐標系下投影平面的角度，接觸網定位裝置平面中定位器的坡度為β，投影后的坡度為α，根據幾何變換關系可得如下方程組

綜上，可推導出接觸網定位裝置平面的坡度為

圖3 攝像機成像的幾何關系示意

根據攝像機的成像原理，接觸網定位裝置投影面及其像平面中定位裝置之間的角度關系不發(fā)生變化，可知像平面中測得的接觸網定位器坡度α'，即為接觸網定位裝置投影平面中的定位器坡度α，即

5 計算實例

安裝于檢測機車車頂?shù)臄z像機對接觸網定位器連續(xù)進行拍攝，對于同一接觸網定位器，由遠及近獲得如圖4所示的圖像序列。由于檢測機車行駛速度較快，拍攝時間較短，所以圖像以尺度為主，或發(fā)生輕微的旋轉。由于檢測機車行駛的實際路況十分復雜，攝像機在拍攝接觸網定位器的過程中，會受到光照、振動、鐵軌不平順等的影響，使得攝像機拍攝到的圖像中接觸網定位器的坡度可能會發(fā)生變化;同時，距離被拍攝的接觸定位器較遠時，拍攝到的圖像會將接觸線等接觸網的其他部件攝入圖像當中，對測量造成干擾，這就需要對定位器的坡度進行多次測量，剔除大誤差的測得值，在動態(tài)下實施對定位器的自動測量，并判斷接觸網定位器的坡度是否超限。

基于計算機視覺技術的接觸網定位器坡度測量算法的具體步驟如下:

(1)采用中值濾波算法和維納濾波算法對接觸網定位裝置圖像進行預處理;

(2)對圖像中的接觸網定位裝置的直線特征利用Hough變換進行提取;

圖5 由遠及近拍攝定位器圖像序列匹配結果

(3)對接觸網定位裝置圖像中的角點利用Harris角點檢測算法進行檢測;

(4)利用公式(3)所表征的NCC算法，對提取的特征點進行匹配;

(5)基于仿射不變性的直線匹配算法，對圖4的各子圖中的直線進行匹配;

(6)利用公式(11)，計算接觸網定位器的坡度。

通過上述過程，關于圖4中接觸網定位器的圖像，可得到如下的匹配結果，見圖5。

從圖5可以看出，本文所確立的算法檢測出了接觸網定位裝置圖像中的所有直線，具體地，算法先對圖像對中的對應點進行了匹配;然后只匹配了被匹配角點包圍的直線，使得檢測目標更加明確，由此削減了計算量;最后計算了有公共匹配角點的匹配直線的夾角。根據式(11)計算所得的定位器坡度角列于表1中。可見，該角度在一個合理的范圍內變化，如此，也就驗證了本文所提出算法的有效性。

表1 定位器坡度角

在計算機上對算法的計算時間進行測試，實驗環(huán)境為WindowsXP，PentiumDual-Core CPU 2.7 GHz處理器，算法各組成部分的計算時間列于表2。

表2 基于計算機視覺的定位器坡度測量算法處理時間

接觸網的跨距(兩支柱間的距離)一般為30～65 m，相應地，采用本文檢測和數(shù)據處理設備及算法進行定位器坡度角檢測時的檢測列車時速范圍可為85.97～186.26 km，考慮到實際工程檢測和數(shù)據處理設備的性能要遠優(yōu)于本文所涉及實驗平臺，再加之在實際應用中軟件結構優(yōu)化等因素，檢測列車時速可得到進一步提高。

6 結論

接觸網定位器的坡度在弓網接觸下會發(fā)生改變，當該改變超過工程設計標準時會給列車的安全運行造成威脅。本文提出了基于計算機視覺的接觸網定位器坡度動態(tài)測量算法，以監(jiān)測定位器坡度的變化。算法通過對圖像預處理，利用NCC角點匹配算法和基于仿射不變性的直線匹配算法對圖像序列中的接觸網定位裝置進行匹配，使圖像序列構成一個有機的整體，推導了定位器坡度測量幾何關系原理，將圖像坐標系轉化為世界坐標系，計算出定位器的坡度。實例計算結果表明了算法的有效性。

［1］于萬聚.高速電氣化鐵路接觸網［M］.成都:西南交通大學出版社，2002:318-333.

［2］黃藝丹.接觸網幾何參數(shù)的非接觸檢測系統(tǒng)研究［D］.成都:西南交通大學，2006.

［3］崔占濤.受電弓滑板外部狀態(tài)圖像檢測［D］.成都:西南交通大學，2005.

［4］段汝嬌，趙偉，黃松嶺，陳建業(yè).基于計算機視覺的接觸網定位器傾斜度自動測量算法［J］.中國鐵道科學，2011(7):82-87.

［5］Hartley R.Computer Vision［M］.Cambridge，MA，USA，1995:882-887.

［6］Duda R O，Hart P E.Use of the Hough transformation to detect lines and curves in pictures［C］.Communication of the ACM，1972，15(1):11-15.

［7］Harris C，Stephens M.A combined corner and edge detector［C］.Proceedings of the 4th Alvey Vision Conference，1988:147-151.

［8］Schmid C，Zisserman A.Automatic line matching across views［C］.IEEE Computer Society Conference on Computer Vision and Pattern Recognition.San Juan，Puerto Rico，1997:666-671.

［9］Fan Bin，Wu Fuchao，Hu Zhangyi.Robust line matching through line-point invariants［J］.Pattern Recognition，2012，45(2):794-805.

［10］范中，沈俊，袁偉，等.電氣化鐵道接觸網視覺檢測系統(tǒng)［J］.電氣化鐵道，2003(4):21-26.