接觸網(wǎng)幾何參數(shù)的提取與分析

代思洋,唐明新,趙環(huán)宇

(大連交通大學(xué) 電氣信息學(xué)院，遼寧 大連 116028)

接觸網(wǎng)幾何參數(shù)的提取與分析

代思洋,唐明新,趙環(huán)宇

(大連交通大學(xué) 電氣信息學(xué)院，遼寧 大連 116028)

針對(duì)接觸網(wǎng)幾何參數(shù)高速、動(dòng)態(tài)測(cè)量的實(shí)際需要，提出一種利用改進(jìn)的Harris角點(diǎn)檢測(cè)算法對(duì)接觸網(wǎng)的幾何參數(shù)進(jìn)行提取，并計(jì)算提取圖像中的角點(diǎn)的曲率及梯度.在分析檢測(cè)結(jié)果與接觸網(wǎng)幾何參數(shù)檢測(cè)的特殊性后，繪制出導(dǎo)高變化曲線和動(dòng)態(tài)拉出值曲線.利用導(dǎo)高的變化曲線對(duì)受流參數(shù)硬點(diǎn)進(jìn)行分析.結(jié)果表明，該方法可以成功對(duì)該段線路內(nèi)接觸網(wǎng)的受流參數(shù)硬點(diǎn)進(jìn)行判別.

接觸網(wǎng)；幾何參數(shù)；Harris角點(diǎn)檢測(cè)算法；受流參數(shù)硬點(diǎn)

0 引言

接觸網(wǎng)是電氣化鐵路中向電力機(jī)車提供動(dòng)力的關(guān)鍵設(shè)備[1]，其可靠與否直接影響著整個(gè)鐵路運(yùn)輸系統(tǒng)的安全與效率.它具有所處空間環(huán)境復(fù)雜、受氣候條件影響大、無(wú)備用、負(fù)荷不確定、龐大的機(jī)械結(jié)構(gòu)和多學(xué)科復(fù)合的六大特性[2].按照檢測(cè)技術(shù)手段的不同可分四種：人工檢測(cè)；接觸式弓網(wǎng)檢測(cè)；非接觸式激光雷達(dá)弓網(wǎng)檢測(cè)和非接觸式圖像處理技術(shù)弓網(wǎng)檢測(cè)[3].在實(shí)際檢測(cè)系統(tǒng)中，通常采用多種技術(shù)手段相結(jié)合的的檢測(cè)方法.檢測(cè)項(xiàng)目主要包括導(dǎo)高、拉出值、坡度、接觸壓力及硬點(diǎn).其中導(dǎo)高和拉出值分別指的是：接觸線與鋼軌平面垂直距離、接觸線與軌道中心水平距離.國(guó)外接觸網(wǎng)檢測(cè)各國(guó)都有不同的檢測(cè)重點(diǎn).德國(guó)重視弓網(wǎng)間的接觸壓力，其接觸網(wǎng)動(dòng)態(tài)接觸壓力檢測(cè)技術(shù)是目前國(guó)際上比較先進(jìn)的檢測(cè)技術(shù)，通過在檢測(cè)車受電弓上加裝壓力傳感器和加速度傳感器來實(shí)現(xiàn)[4].日本的滑板普遍采用冶金粉末滑板，該材質(zhì)的滑板對(duì)接觸線的磨損嚴(yán)重，所以日本側(cè)重對(duì)弓網(wǎng)離線與接觸網(wǎng)磨耗的檢測(cè)[5]；我國(guó)的接觸網(wǎng)檢測(cè)開始于上世紀(jì)60年代，隨著圖像處理技術(shù)的發(fā)展，我國(guó)的接觸網(wǎng)檢測(cè)目前是基于圖像處理的非接觸式檢測(cè)，通過在檢測(cè)車頂部安裝攝像機(jī)和補(bǔ)光光源，利用線結(jié)構(gòu)光視覺測(cè)量技術(shù)[6-8]，將采集到的圖像經(jīng)過圖像處理與模式識(shí)別，獲取接觸網(wǎng)的主要部件的相關(guān)參數(shù).

本文提出利用Harris角點(diǎn)特征檢測(cè)算法實(shí)現(xiàn)對(duì)接觸網(wǎng)幾何參數(shù)的提取，并從尺度敏感、相鄰像素取差、感興趣區(qū)域參數(shù)檢測(cè)[9]三個(gè)方面對(duì)Harris角點(diǎn)檢測(cè)進(jìn)行改進(jìn)，從而實(shí)現(xiàn)單幀圖像的幾何參數(shù)快速提取.在對(duì)幾何參數(shù)進(jìn)行分析后，對(duì)接觸網(wǎng)的受流參數(shù)硬點(diǎn)進(jìn)行判別.

1 基于Harris的角點(diǎn)特征檢測(cè)

1.1 Harris基本原理

假設(shè)在圖像的各個(gè)方向上移動(dòng)一個(gè)窗口：如果窗口區(qū)域內(nèi)在灰度的各個(gè)方向上都沒有顯著變化，如圖1(a)所示，則對(duì)應(yīng)圖像平滑區(qū)域；如果窗口區(qū)域內(nèi)在灰度的某個(gè)方向上移動(dòng)有較大變化，如果1(b)所示， 則窗口區(qū)域?qū)?yīng)圖像邊緣； 如果

圖1 移動(dòng)Harris窗口進(jìn)行角點(diǎn)檢測(cè)示意圖

窗口區(qū)域內(nèi)在灰度的多個(gè)方向上有明顯的變化，如圖1(c)所示，則認(rèn)為窗口內(nèi)包含角點(diǎn).

Harris角點(diǎn)檢測(cè)就是利用這個(gè)直觀的物理現(xiàn)象，通過窗口內(nèi)灰度在各個(gè)方向上的變化程度，確定其是否為角點(diǎn)[10].圖像I(x,y)在點(diǎn)(x,y)處平移(u,v)后產(chǎn)生的灰度變化E(x,y,u,v)如式(1)所示.

(1)

式中，S是移動(dòng)窗口的區(qū)域；w(x,y)是加權(quán)函數(shù)，可以是常數(shù)或高斯函數(shù)，高斯函數(shù)對(duì)離中心點(diǎn)越近的像素賦予越大的權(quán)重，以減小噪聲的影響.

Harris算子用Taylor展開I(x+u,y+v)去近似任意方向：

(2)

于是，灰度變化可以重寫為：

(3)

式(3)中M是2×2的矩陣，它是關(guān)于x和y的二階函數(shù)，因此E(x,y,u,v)是一個(gè)橢圓方程.橢圓的尺寸由M的特征值決定，它們表征了灰度變化最快和最慢的兩個(gè)方向；橢圓的方向由M的特征矢量決定[11]，如圖2所示.

圖2 二次特征值和橢圓的關(guān)系圖

其中,A代表(λmax)-1/2，即快速變化的方向；B代表(λmin)-1/2，即緩慢變化的方向.二次項(xiàng)函數(shù)的特征值與圖像中的角點(diǎn)、直線和平面之間的關(guān)系可以為以下三種：

(1)圖像中的邊緣；一個(gè)特征值大，一個(gè)特征值小，也就是說灰度變化在某個(gè)方向上變化大，在某個(gè)方向上變化小，對(duì)應(yīng)圖像的邊緣或者直線.

(2)圖像中的平面；兩個(gè)特征值都很小，此時(shí)灰度變化不明顯，對(duì)應(yīng)圖像的平面區(qū)域.

(3)圖像中的角點(diǎn)；兩個(gè)特征值都很大，灰度值沿多個(gè)方向都有較大的變化，因此可認(rèn)為其是角點(diǎn).由于求解矩陣M的特征值需要較大的計(jì)算量，而兩個(gè)特征值的和等于矩陣M的積，兩個(gè)特征值的積等于矩陣M的行列式，所以Harris使用一個(gè)角點(diǎn)響應(yīng)值R來判定角點(diǎn)質(zhì)量：

det(M)-k[trace(M)]=

(4)

式中，k是經(jīng)驗(yàn)常數(shù)，一般取值范圍為0.04～0.06[12].

1.2 Harris算法流程

(1)計(jì)算圖像I(x,y)在x和y兩個(gè)方向上的梯度Ix和Iy：

(5)

(2)計(jì)算每一個(gè)像素點(diǎn)上的相關(guān)矩陣M：

(6)

(3)計(jì)算每個(gè)像素點(diǎn)的Harris角點(diǎn)響應(yīng)值R：

(7)

(4)最后，在N×N范圍內(nèi)尋找極大值點(diǎn)，如果其Harris響應(yīng)大于閾值，則可將其視為角點(diǎn).

2 改進(jìn)的Harris角點(diǎn)檢測(cè)

本文中對(duì)采用Harris角點(diǎn)檢測(cè)算法的目的是實(shí)現(xiàn)對(duì)接觸網(wǎng)幾何參數(shù)的提取，針對(duì)Harris角點(diǎn)的性質(zhì)與接觸網(wǎng)幾何參數(shù)檢測(cè)的特點(diǎn)，主要通過相鄰像素取差法和感興趣區(qū)域參數(shù)檢測(cè)兩個(gè)方面對(duì)Harris算法進(jìn)行改進(jìn).

2.1 基于相鄰像素取差法的時(shí)間優(yōu)化

為了提高角點(diǎn)檢測(cè)的檢測(cè)速度，采用基于八鄰域的相鄰像素取差的方法[13]對(duì)Harris角點(diǎn)檢測(cè)進(jìn)行再改進(jìn)，八鄰域像素圖如圖3所示，P代表中心點(diǎn)(i,j)，P1～P8代表該中心點(diǎn)的八個(gè)鄰域.設(shè)置閾值參數(shù)t，t表示點(diǎn)(i,j)八鄰域的“相似度”參數(shù)，若中心點(diǎn)與鄰域其他八個(gè)點(diǎn)的像素之差在(-t,t)之間，則判定他們?yōu)橄嗨泣c(diǎn)，相似點(diǎn)不在候選角點(diǎn)之列.若點(diǎn)(i,j)周圍有0，1，7，8個(gè)相似點(diǎn)，那點(diǎn)(i,j)就不是角點(diǎn)，可以直接忽略，從而提高角點(diǎn)檢測(cè)的運(yùn)算速度.

P1P2P3P8PP4P7P6P5

圖3 八鄰域像素圖

設(shè)置閾值參數(shù)t=20，高斯窗口大小為5×5，標(biāo)準(zhǔn)偏移為2，利用相鄰像素取差法對(duì)Harris角點(diǎn)檢測(cè)算法進(jìn)行改進(jìn)，得到圖4和表1.

(a)改進(jìn)前

(b)改進(jìn)后

表1 基于相鄰像素取差法的時(shí)間優(yōu)化表

從表1中可以看出，改進(jìn)前與改進(jìn)后，檢測(cè)出的角點(diǎn)數(shù)目沒有較大的差別，但算法的運(yùn)行時(shí)間卻大大縮短，說明相鄰像素取差法對(duì)于角點(diǎn)檢測(cè)的改進(jìn)是成功且有效的.

2.2 基于感興趣區(qū)域參數(shù)檢測(cè)的時(shí)間優(yōu)化

采用相鄰像素取差法對(duì)算法的運(yùn)行速度有了一定的提高，但從圖中可以觀察到，攝像頭自動(dòng)加載的日期與時(shí)間也參與了檢測(cè)，并有許多被誤認(rèn)為是角點(diǎn)，標(biāo)記統(tǒng)計(jì)了下來，這不僅使得角點(diǎn)檢測(cè)后的圖像過于復(fù)雜，也大大浪費(fèi)了角點(diǎn)檢測(cè)算法的運(yùn)行時(shí)間.為減少算法的處理時(shí)間提高精度，提出了利用基于感興趣區(qū)域ROI(Region Of Interest)的角點(diǎn)檢測(cè)時(shí)間優(yōu)化方法[14].

通過對(duì)原始視頻圖像的觀察，發(fā)現(xiàn)弓網(wǎng)交匯的敏感區(qū)域多集中在如圖5所示的區(qū)域當(dāng)中.于是，在原Harris算法程序中加入感興趣區(qū)域選擇函數(shù)roipoly()，該函數(shù)的執(zhí)行語(yǔ)句為BW=roipoly(I,c,r)，函數(shù)根據(jù)c和r返回感興趣的區(qū)域.其中，c和r用于說明感興趣區(qū)域的多邊形每個(gè)頂點(diǎn)行列序號(hào).由圖5可知，參數(shù)c和r應(yīng)分別設(shè)置為[190 900 900 190 190]和[280 280 500 500 280]是較為合理的，使角點(diǎn)檢測(cè)區(qū)域最小化的同時(shí)，也保證了弓網(wǎng)主體結(jié)構(gòu)能夠被完整檢測(cè)，得到處理結(jié)果如圖6和表2所示.

圖5 弓網(wǎng)運(yùn)動(dòng)范圍示意圖

(b)改進(jìn)后

圖6 基于相鄰像素取差法的時(shí)間優(yōu)化對(duì)比圖

從圖6中可以看出，感興趣區(qū)域的角點(diǎn)檢測(cè)也實(shí)現(xiàn)了對(duì)弓網(wǎng)主干區(qū)域的檢測(cè).從表2中可以看出，改進(jìn)前與改進(jìn)后，檢測(cè)出的角點(diǎn)數(shù)目大量減少，算法運(yùn)行時(shí)間也隨之減少，表明基于ROI角點(diǎn)檢測(cè)的算法改進(jìn)取得了成功.

表2 基于ROI角點(diǎn)檢測(cè)的時(shí)間優(yōu)化表

2.3 目標(biāo)角點(diǎn)提取

對(duì)改進(jìn)后的角點(diǎn)檢測(cè)圖像進(jìn)行觀察，發(fā)現(xiàn)接觸線與受電弓相接觸的點(diǎn)總是位于檢測(cè)區(qū)域的最上方，故從檢測(cè)出的角點(diǎn)中提取出縱坐標(biāo)最小的點(diǎn)，標(biāo)注在圖7(a)中，并對(duì)角點(diǎn)標(biāo)注區(qū)域進(jìn)行放大，如圖7(b)所示.

(a)縱坐標(biāo)最小點(diǎn)標(biāo)識(shí)

(b)標(biāo)識(shí)點(diǎn)放大圖

圖7 疑似目標(biāo)點(diǎn)標(biāo)識(shí)圖

從圖7中可以觀察到，共有5個(gè)疑似目標(biāo)點(diǎn)，依次為2個(gè)接觸線與受電弓相接觸而形成的角點(diǎn)，1個(gè)吊弦與受電弓形成的視覺角點(diǎn)，最后2個(gè)為承力索與受電弓形成的視覺角點(diǎn).5個(gè)角點(diǎn)的坐標(biāo)分別為(495,386)，(502,386)，(514,386)，(528,386)和(534,386).因?yàn)樵诮佑|線、吊弦和承力索三者當(dāng)中，接觸線的直徑最大，且接觸線總是位于三者的最外側(cè)，故將目標(biāo)點(diǎn)確定為(495,386)和(502,386)的中間點(diǎn)，即(498,386).

3 接觸網(wǎng)幾何參數(shù)提取

在完成對(duì)第一幀圖像中接觸點(diǎn)的提取后，要想獲得接觸網(wǎng)導(dǎo)高和拉出值的動(dòng)態(tài)曲線，就必須對(duì)檢測(cè)視頻中的圖像進(jìn)行連續(xù)處理，將每一幀圖像中的接觸點(diǎn)的坐標(biāo)都提取出來.以受電弓與接觸線之間的接觸點(diǎn)作為目標(biāo)，對(duì)目標(biāo)的跟蹤是在已知上一幀圖像中接觸點(diǎn)坐標(biāo)的基礎(chǔ)上完成的.

以圖7作為初始圖像為例，取其下一幀圖像，運(yùn)用改進(jìn)后的Harris角點(diǎn)檢測(cè)算法對(duì)其進(jìn)行檢測(cè)，得到的疑似角點(diǎn)坐標(biāo)為(484,386)，(491,386)，(520,386)，(523,386)和(528,386).對(duì)疑似目標(biāo)點(diǎn)坐標(biāo)取平均值，得到(509,386)，而前一幀圖像的疑似目標(biāo)點(diǎn)坐標(biāo)平均值為(515,386)，從而可知“之”字形結(jié)構(gòu)的接觸線正在從左向右滑動(dòng)，因?yàn)榻佑|線始終處于吊弦、承力索的外側(cè)，所以此時(shí)的目標(biāo)點(diǎn)坐標(biāo)可以鎖定為(484,386)與(491,386)之間，故取該幀圖像目標(biāo)點(diǎn)坐標(biāo)為(487,386).

先對(duì)AVI格式的接觸網(wǎng)檢測(cè)視頻進(jìn)行轉(zhuǎn)化，轉(zhuǎn)化為JPG格式的圖像，對(duì)其中的200幀連續(xù)圖像進(jìn)行幾何參數(shù)的提取，按照上面的方法對(duì)目標(biāo)點(diǎn)坐標(biāo)進(jìn)行捕獲，其中，對(duì)于未能檢測(cè)到目標(biāo)點(diǎn)的圖像，導(dǎo)高統(tǒng)一設(shè)置為395，拉出值設(shè)置為540.得到導(dǎo)高變化曲線如圖8所示，拉出值動(dòng)態(tài)曲線如圖9所示，檢測(cè)失敗點(diǎn)用星號(hào)標(biāo)出.

圖8 導(dǎo)高變化曲線圖

圖9 拉出值動(dòng)態(tài)曲線圖

在進(jìn)行幾何參數(shù)提取的過程中，第173幀和第186幀圖像的目標(biāo)點(diǎn)捕獲失敗，未能提取到當(dāng)前幀接觸網(wǎng)的幾何參數(shù).為探究檢測(cè)失敗原因，對(duì)第173幀和第186幀圖像進(jìn)行提取，如圖10所示.

(a)第173幀圖像

(b)第186幀圖像

圖10 接觸點(diǎn)檢測(cè)失敗圖

從圖中可以明顯看出，這兩幀圖像檢測(cè)失敗的原因是腕臂對(duì)目標(biāo)點(diǎn)的檢測(cè)造成了干擾，接觸網(wǎng)本身并沒有異常，故對(duì)這兩幀圖像的檢測(cè)結(jié)果進(jìn)行修正.修正的方法為取其前后兩幀圖像幾何參數(shù)的平均值作為該幀圖像的幾何參數(shù)值，得到圖11和圖12所示的導(dǎo)高修正曲線圖和拉出值修正動(dòng)態(tài)曲線圖.

圖11 導(dǎo)高修正曲線圖

圖12 拉出值修正動(dòng)態(tài)曲線圖

通過受流參數(shù)的檢測(cè)原理：若接觸線高度位移大于250 mm則判定該點(diǎn)為硬點(diǎn)，由像素值與實(shí)際值的換算，可將接觸線硬點(diǎn)的判別條件轉(zhuǎn)化為像素值，即若前后兩幀圖像接觸線導(dǎo)高變化超過60像素值，則判斷該點(diǎn)為硬點(diǎn).從圖12中可以明顯看出，導(dǎo)高的變化范圍最大也沒有超過60像素值，故在這200幀圖像中，沒有檢測(cè)到硬點(diǎn)的存在.

4 結(jié)論

本文首先提出了利用Harris角點(diǎn)檢測(cè)算法對(duì)接觸網(wǎng)的幾何參數(shù)進(jìn)行提取，并依據(jù)接觸網(wǎng)幾何參數(shù)檢測(cè)的特點(diǎn)，從兩個(gè)方面對(duì)Harris角點(diǎn)檢測(cè)算法進(jìn)行了改進(jìn)，分別為：基于相鄰像素取差法的時(shí)間優(yōu)化和基于感興趣區(qū)域參數(shù)檢測(cè)的時(shí)間優(yōu)化.然后，利用改進(jìn)后的Harris角點(diǎn)檢測(cè)方法對(duì)接觸網(wǎng)檢測(cè)視頻中連續(xù)的200幀圖像進(jìn)行幾何參數(shù)檢測(cè)，繪制出導(dǎo)高變化曲線和動(dòng)態(tài)拉出值曲線.最后，利用導(dǎo)高的變化曲線對(duì)受流參數(shù)硬點(diǎn)進(jìn)行分析，判斷該段線路內(nèi)沒有硬點(diǎn)存在.

[1]交通與發(fā)展課題組．交通革命：評(píng)中國(guó)交通發(fā)展之路[R]．國(guó)情報(bào)告(第十卷),2012.

[2]于萬(wàn)聚．高速電氣化鐵路接觸網(wǎng)[M]．成都：西南交通大學(xué)出版社，2003.

[3]張遼．電氣化鐵路接觸網(wǎng)日常維修與管理[J]．現(xiàn)在工業(yè)經(jīng)濟(jì)和信息化,2014(5):63-65.

[4]韓志偉,劉志剛．非接觸式弓網(wǎng)圖像檢測(cè)技術(shù)研究綜述[J]．鐵道學(xué)報(bào),2013(6):39- 47.

[5]中華人民共和國(guó)鐵道部．高速鐵路供電安全檢測(cè)監(jiān)測(cè)系統(tǒng)(6C系統(tǒng))總體技術(shù)規(guī)范[R]．鐵道部運(yùn)輸局供電部，2012.

[6]戚廣楓．高速鐵路牽引供電安全技術(shù)發(fā)展及展望[J]．中國(guó)鐵路,2012(11):18-21.

[7]占棟，于龍，肖建,等．接觸網(wǎng)幾何參數(shù)高速動(dòng)態(tài)視覺測(cè)量方法研究[J]．儀器儀表學(xué)報(bào)．2014,35 (8):1852-1859.

[8]KIESSLING,PUSCHMANN,SCHMIEDER,et al.Contact lines for electric railways[M].Erlangen:Publicis Publishing,2009.

[9]蔡學(xué)敬.基于圖像處理技術(shù)的高速接觸網(wǎng)動(dòng)態(tài)監(jiān)測(cè)系統(tǒng)研究[D].成都:西南交通大學(xué),2008.

[10]YI Y X, YE X M, LI ZH K,et al.Non-contact measurement of contact wire[C].2008 International Conference on Optical Instrumentation and Technology:Optoelectronic Measurement Technology and Applications,2008.

[11]HUI B W, WEN G J， ZHANG P,et al.A novel line scan camera calibration technique with an auxiliary frame camera[J].IEEE Trans.on Instrumentation and Measurement,2013,62(9): 2567-2575.

[12]BOFFI P, CATTANEO G,AMORIELLO L，et al．Optical fiber sensors to measure collector performance in the pantogragh-catenary interaction[J].Sensors Journal,IEEE,2009,9(6):635-640.

[13]張韜．基于圖像處理的接觸網(wǎng)檢測(cè)系統(tǒng)研究與改進(jìn)[J]．鐵道機(jī)車車輛，2008,28(6):68-71.

[14]LUNA C A, MAZO M， LAZARO J L,et al．Method to measure the rotation angles in vibrating systems[J].IEEE Trans.on Instrumentation and Measurement,2006,55(1):232-239.

基于停車行為分析的出行路徑選擇研究

雷昆峰1，黃志鵬1,2，張衛(wèi)華1

(1.合肥工業(yè)大學(xué) 汽車與交通工程學(xué)院，安徽 合肥 230009；2.東南大學(xué) 交通學(xué)院，江蘇 南京 210009)

摘 要：城市交通系統(tǒng)中，停車需求與供給的矛盾關(guān)系引發(fā)的靜態(tài)交通問題越來越嚴(yán)重，路網(wǎng)中存在大量的巡游交通，降低了路網(wǎng)的通行效率.本文對(duì)出行者停車行為進(jìn)行分析，建立了由路網(wǎng)出行費(fèi)用、停車費(fèi)用及感知步行費(fèi)用等組成的廣義出行費(fèi)用函數(shù)，基于Kirchhoff模型與隨機(jī)用戶均衡理論構(gòu)造了考慮路段及轉(zhuǎn)向費(fèi)用的路徑選擇模型，并通過算例進(jìn)行驗(yàn)證.結(jié)果表明：隨機(jī)用戶均衡狀態(tài)下出行者步行時(shí)間感知差異及停車場(chǎng)特性會(huì)影響出行者路徑及停車場(chǎng)選擇，停車場(chǎng)分擔(dān)率與步行感知時(shí)間呈負(fù)相關(guān)，與停車場(chǎng)的特性值呈正相關(guān).

Extraction and Analysis of Catenary Geometry Parameter

DAI Siyang, TANG Mingxin, ZHAO Huanyu

(School of Electrical and Information Engineering, Dalian Jiaotong Univesity，Dalian 116028，China)

Aiming at dynamic high-speed of catenary detection, an improved Harris corner detection algorithm are used to extract the catenary geometry parameters, and the curvature and gradient of extractive picture are calculated. After analysing the detective result and the particularity of catenary geometry parameters, the curve of height of conductor and dynamic stagger value are obtained to analyze hard point of current collective parameters. The result shows that the method can successfully judge this road section hard point of current collective parameters.

catenary; geometry parameter; Harris corner detection algorithm; current collective parameter; hard point

1673- 9590(2017)04- 0181- 06

2016-08-10

代思洋(1991-)，女，碩士研究生；唐明新(1961-)，男，教授，碩士，主要從事現(xiàn)場(chǎng)總線技術(shù)應(yīng)用與網(wǎng)絡(luò)控制的研究E- mail:543586593@qq.com.

A