動(dòng)車作為新興的交通工具,其運(yùn)行安全一直備受矚目,目前主要的動(dòng)車故障檢測(cè)方法是依靠人工作業(yè)和計(jì)算機(jī)輔助人工作業(yè),但由于動(dòng)車底部結(jié)構(gòu)較復(fù)雜,細(xì)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(cè)過程難免出現(xiàn)紕漏,甚至影響動(dòng)車安全運(yùn)行。將計(jì)算機(jī)視覺技術(shù)應(yīng)用在動(dòng)車底部異常檢測(cè)中,可以提高檢測(cè)的效率和質(zhì)量,對(duì)動(dòng)車的安全運(yùn)行具有重要意義。本論文旨在對(duì)動(dòng)車采集軌邊圖像,運(yùn)用畸變處理、圖像配準(zhǔn)、圖像對(duì)比等技術(shù),通過與歷史標(biāo)準(zhǔn)圖像比對(duì)實(shí)現(xiàn)動(dòng)車底異常的自動(dòng)檢測(cè),提高檢測(cè)效率,確保檢測(cè)質(zhì)量。論文在目前已有的列車故障檢測(cè)系統(tǒng)的基礎(chǔ)上,提出了一種基于軌邊圖像SURF特征的動(dòng)車底部部件異常檢測(cè)算法。通過分析動(dòng)車軌邊圖像的特點(diǎn),對(duì)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�？紤]到軌邊圖像受光照條件影響較大,采用了SURF特征進(jìn)行配準(zhǔn),同時(shí)針對(duì)動(dòng)車底中間部圖像存在的特征信息貧乏的情況,改進(jìn)SURF的配準(zhǔn)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(shí)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(jì)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(xué)位級(jí)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(cè)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(cè)圖像預(yù)處理
        2.2.1 圖像對(duì)比度處理
        2.2.2 圖像畸變處理
    2.3 待檢測(cè)圖像與標(biāo)準(zhǔn)圖像配準(zhǔn)
        2.3.1 基于灰度信息的配準(zhǔn)
        2.3.2 基于圖像特征的配準(zhǔn)
        2.3.3 兩種配準(zhǔn)方式的對(duì)比
    2.4 突出特征的圖像增強(qiáng)方法
        2.4.1 圖像降噪處理
        2.4.2 圖像的形態(tài)學(xué)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(diǎn)檢測(cè)及定位
        3.3.2 興趣點(diǎn)描述
    3.4 改進(jìn)的SURF特征匹配過程
    3.5 小結(jié)
4 動(dòng)車底部異常檢測(cè)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(cuò)位問題解決方案
        4.2.1 圖像錯(cuò)位問題
        4.2.2 圖像配準(zhǔn)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(duì)
        4.3.2 故障判定
    4.4 小結(jié)
5 基于SURF特征的動(dòng)車底部異常檢測(cè)系統(tǒng)仿真
    5.1 畸變處理模塊
    5.2 圖像配準(zhǔn)模塊
    5.3 比對(duì)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(xiàn)
作者簡(jiǎn)歷及攻讀碩士學(xué)位期間取得的研究成果
學(xué)位論文數(shù)據(jù)集



本文編號(hào)：3970347