發(fā)布時間：2024-05-11 20:28

　　動車作為新興的交通工具,其運行安全一直備受矚目,目前主要的動車故障檢測方法是依靠人工作業(yè)和計算機輔助人工作業(yè),但由于動車底部結(jié)構(gòu)較復雜,細小零件多,傳統(tǒng)的列檢方式受操作人員的技術(shù)水平和人體疲勞程度影響,檢測過程難免出現(xiàn)紕漏,甚至影響動車安全運行。將計算機視覺技術(shù)應用在動車底部異常檢測中,可以提高檢測的效率和質(zhì)量,對動車的安全運行具有重要意義。本論文旨在對動車采集軌邊圖像,運用畸變處理、圖像配準、圖像對比等技術(shù),通過與歷史標準圖像比對實現(xiàn)動車底異常的自動檢測,提高檢測效率,確保檢測質(zhì)量。論文在目前已有的列車故障檢測系統(tǒng)的基礎(chǔ)上,提出了一種基于軌邊圖像SURF特征的動車底部部件異常檢測算法。通過分析動車軌邊圖像的特點,對采集過程造成的圖像畸變問題給出了車輪定位確定比例、分段縮放的解決方案。考慮到軌邊圖像受光照條件影響較大,采用了SURF特征進行配準,同時針對動車底中間部圖像存在的特征信息貧乏的情況,改進SURF的配準過程,在匹配過程中加入了閾值調(diào)節(jié)模塊,提高匹配精度的同時保證了匹配的成功率。通過分析故障信息和干擾信息的特性,設(shè)計了結(jié)合圖像連通域信息、邊緣信息和直方圖相似度信息的故障判定算法...

【文章頁數(shù)】：69 頁

【學位級別】：碩士

【文章目錄】：
致謝
摘要
ABSTRACT
1 緒論
    1.1 課題研究背景及意義
    1.2 列車故障診斷技術(shù)研究現(xiàn)狀
    1.3 論文組織結(jié)構(gòu)
2 故障檢測中的圖像處理技術(shù)介紹
    2.1 數(shù)字圖像獲取及表示
    2.2 待檢測圖像預處理
        2.2.1 圖像對比度處理
        2.2.2 圖像畸變處理
    2.3 待檢測圖像與標準圖像配準
        2.3.1 基于灰度信息的配準
        2.3.2 基于圖像特征的配準
        2.3.3 兩種配準方式的對比
    2.4 突出特征的圖像增強方法
        2.4.1 圖像降噪處理
        2.4.2 圖像的形態(tài)學處理
    2.5 差值圖像分析
        2.5.1 連通域分析
        2.5.2 圖像邊緣提取
    2.6 小結(jié)
3 圖像SURF特征提取
    3.1 圖像特征提取概述
    3.2 圖像SURF特征
    3.3 SURF特征提取步驟
        3.3.1 興趣點檢測及定位
        3.3.2 興趣點描述
    3.4 改進的SURF特征匹配過程
    3.5 小結(jié)
4 動車底部異常檢測算法
    4.1 圖像采集過程及畸變問題解決方案
        4.1.1 軌邊圖像采集
        4.1.2 畸變問題解決方案
    4.2 圖像錯位問題解決方案
        4.2.1 圖像錯位問題
        4.2.2 圖像配準方法
    4.3 故障判定中的干擾問題及解決方案
        4.3.1 圖像比對
        4.3.2 故障判定
    4.4 小結(jié)
5 基于SURF特征的動車底部異常檢測系統(tǒng)仿真
    5.1 畸變處理模塊
    5.2 圖像配準模塊
    5.3 比對分析模塊
    5.4 故障判定模塊
    5.5 小結(jié)
6 結(jié)論
參考文獻
作者簡歷及攻讀碩士學位期間取得的研究成果
學位論文數(shù)據(jù)集



本文編號：3970347