本發(fā)明涉及電氣化鐵路安全檢測(cè)領(lǐng)域，具體地，涉及一種定位器坡度檢測(cè)系統(tǒng)。

背景技術(shù)：

發(fā)展電氣化鐵路是鐵路現(xiàn)代化建設(shè)的必然趨勢(shì)。而電氣化鐵路均采用電力牽引，電力機(jī)車必須在高速運(yùn)行條件下可靠地從接觸網(wǎng)上取得電能，否則將影響列車運(yùn)行和電氣驅(qū)動(dòng)系統(tǒng)的性能。為了降低在接觸網(wǎng)在列車運(yùn)行過(guò)程中的磨損，接觸網(wǎng)通常沿鋼軌上空“之”字形架設(shè)的。接觸網(wǎng)架設(shè)系統(tǒng)一般由接觸懸掛、支持裝置、定位裝置、支柱與基礎(chǔ)幾部分組成。

定位裝置是固定接觸線，保證接觸線在合理范圍內(nèi)架設(shè)的重要裝置，它的安裝精度直接影響接觸線的幾何參數(shù)，關(guān)系到接觸網(wǎng)持續(xù)穩(wěn)定的向受電弓供電。定位器是定位裝置中直接與接觸線接觸的部件，定位器坡度是受電弓運(yùn)行安全密切相關(guān)的接觸網(wǎng)自身結(jié)構(gòu)參數(shù)。為了避免受電弓滑動(dòng)運(yùn)行過(guò)程中與定位器碰撞而造成的打弓事件，對(duì)定位器坡度范圍應(yīng)有一定要求。

目前鐵路行業(yè)內(nèi)較多使用的是接觸網(wǎng)靜態(tài)測(cè)量?jī)x器，一般通過(guò)手持或者車載可調(diào)制檢測(cè)距離的激光器測(cè)量定位器兩點(diǎn)垂直投影高差的方法計(jì)算定位器坡度。然而，這種測(cè)量方式需要在鐵路非運(yùn)營(yíng)時(shí)段開(kāi)展工作，且測(cè)量效率低。由于我國(guó)高速鐵路快速發(fā)展，接觸網(wǎng)安裝精度要求不斷提高，對(duì)接觸網(wǎng)日常維護(hù)工作日益增長(zhǎng)。因此，傳統(tǒng)的接觸網(wǎng)靜態(tài)檢測(cè)方法無(wú)法滿足當(dāng)前快速發(fā)展高速鐵路網(wǎng)的接觸網(wǎng)系統(tǒng)定位器檢測(cè)需求。

綜上所述，本申請(qǐng)發(fā)明人在實(shí)現(xiàn)本申請(qǐng)發(fā)明技術(shù)方案的過(guò)程中，發(fā)現(xiàn)上述技術(shù)至少存在如下技術(shù)問(wèn)題：

在現(xiàn)有技術(shù)中，現(xiàn)有的定位器坡度檢測(cè)方法存在檢測(cè)效率和準(zhǔn)確率較差的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明提供了一種接觸網(wǎng)定位器坡度檢測(cè)系統(tǒng)，解決了現(xiàn)有的定位器坡度檢測(cè)方法存在檢測(cè)效率和準(zhǔn)確率較差的技術(shù)問(wèn)題，實(shí)現(xiàn)了高效準(zhǔn)確的對(duì)定位器坡度進(jìn)行檢測(cè)的技術(shù)效果。

為解決上述技術(shù)問(wèn)題，本申請(qǐng)?zhí)峁┝艘环N接觸網(wǎng)定位器坡度檢測(cè)系統(tǒng)，所述系統(tǒng)包括視頻采集單元和主機(jī)單元，其中：

視頻采集單元安裝于列車車頂，圖像采集單元用于實(shí)時(shí)采集接觸網(wǎng)運(yùn)行狀態(tài)視頻，并將視頻圖像實(shí)時(shí)傳輸?shù)杰噧?nèi)主機(jī)單元進(jìn)行數(shù)據(jù)分析；

主機(jī)單元安裝于車廂內(nèi)部，接收視頻采集單元的視頻信號(hào)并進(jìn)行壓縮存儲(chǔ)，并根據(jù)獲得弓網(wǎng)圖像數(shù)據(jù)計(jì)算定位器坡度。

進(jìn)一步的，視頻采集單元包括：安裝底座、相機(jī)、補(bǔ)光光源；安裝底座與車頂接口固定連接；補(bǔ)光光源和相機(jī)均固定于所述安裝底座上，且相機(jī)和補(bǔ)光光源的射出光對(duì)準(zhǔn)接觸網(wǎng)系統(tǒng)支架及定位器。

進(jìn)一步的，所述系統(tǒng)還包括電源管理模塊和通訊控制模塊；所述電源管理模塊用于為視頻采集單元和主機(jī)單元供電；所述通訊控制模塊用于將視頻采集單元采集的視頻圖像傳輸?shù)街鳈C(jī)單元。

進(jìn)一步的，所述系統(tǒng)還包括數(shù)據(jù)存儲(chǔ)模塊；所述數(shù)據(jù)存儲(chǔ)模塊用于保存視頻采集單元采集的視頻圖像。

進(jìn)一步的，所述主機(jī)單元中設(shè)有第一GPU模塊；所述第一GPU模塊用于通過(guò)深度學(xué)習(xí)算法對(duì)定位器進(jìn)行粗檢測(cè)，具體包括：

步驟1：首先獲得定位器圖像信息，然后基于定位器圖像信息構(gòu)建深度學(xué)習(xí)模型；

步驟2：基于弓網(wǎng)圖像，構(gòu)建定位器訓(xùn)練樣本；

步驟3：基于步驟2中的訓(xùn)練樣本訓(xùn)練深度學(xué)習(xí)模型；

步驟4：基于訓(xùn)練后的深度學(xué)習(xí)模型，對(duì)含有待檢測(cè)定位器的圖像進(jìn)行處理，獲得待檢測(cè)定位器的位置信息；

步驟5：基于步驟4中的位置信息，對(duì)包含定位器的局部圖像區(qū)域，對(duì)圖像中的定位器進(jìn)行精確定位，擬合定位器直線；

步驟6：對(duì)定位器圖像進(jìn)行投影變換，計(jì)算定位器在世界坐標(biāo)系下的坐標(biāo)，得到世界坐標(biāo)系下定位器坡度。

進(jìn)一步的，所述步驟1具體包括：

步驟1.1：構(gòu)建包含若干個(gè)隱藏層的深度卷積網(wǎng)絡(luò)，其中：包括卷積層，降采樣層和全連接層；通過(guò)卷積計(jì)算提取圖像的局部特征；

步驟1.2：通過(guò)池化對(duì)圖像的局部特征做降采樣處理；

步驟1.3：通過(guò)全連接層做進(jìn)一步的逐層特征提取處理；

步驟1.4：通過(guò)分類器層預(yù)測(cè)定位器的類別概率和精確位置

步驟1.5：定義分類器損失函數(shù)，包括類別損失和位置損失。

進(jìn)一步的，所述步驟4具體包括：

步驟4.1：對(duì)于待檢測(cè)圖像輸入優(yōu)化參數(shù)后的深度卷積網(wǎng)絡(luò)；

步驟4.2：得到測(cè)試圖像的網(wǎng)絡(luò)輸出值

步驟4.3：依據(jù)網(wǎng)絡(luò)輸出值可得到定位器類別和位置信息；

進(jìn)一步的，所述主機(jī)單元中還設(shè)有第二CPU模塊；所述第二CPU模塊用于對(duì)定位器區(qū)域進(jìn)行細(xì)檢測(cè)，并通過(guò)單目視覺(jué)立體幾何關(guān)系計(jì)算定位器在世界坐標(biāo)系下的坡度，具體包括：

對(duì)包含定位器的局部圖像區(qū)域，利用基于hough直線檢測(cè)算法對(duì)圖像中的定位器進(jìn)行精確定位，擬合定位器直線，具體包括：

首先，Canny提取圖像邊緣：

(a)圖像使用帶有指定標(biāo)準(zhǔn)偏差的高斯濾波器來(lái)平滑；

(b)在每一點(diǎn)處計(jì)算局部梯度和邊緣方向；

(c)針對(duì)步驟(b)中出現(xiàn)的圖像脊，考慮Canny算法追蹤所有脊的頂部，并將所有不在脊的頂部的像素設(shè)為零，在輸出中給出一條線；脊像素使用兩個(gè)閾值T₁和T₂做閾值處理，其中，T₁<T₂，像素值大于T₂的脊像素成為強(qiáng)邊緣像素，T₁和T₂之間的脊像素成為弱邊緣像素；

(d)通過(guò)將8連接的弱像素集成到強(qiáng)像素，執(zhí)行邊緣鏈接；

然后，Hough擬合定位器直線：

(a1)在經(jīng)過(guò)Canny算子變換的圖像中，進(jìn)行hough直線變換，得到全部可能的直線段；

(b1)在全部直線段中選取長(zhǎng)度大于閾值，且角度符合預(yù)設(shè)條件的直線作為定位器擬合實(shí)現(xiàn)。

進(jìn)一步的，所述步驟6具體包括：

首先，對(duì)相機(jī)進(jìn)行標(biāo)定：

(a2)繪制攝像機(jī)標(biāo)定盤，按照相機(jī)在車頂?shù)奈恢霉潭ㄏ鄼C(jī)；

(b2)從不同距離和角度對(duì)標(biāo)定盤成像，且滿足標(biāo)定盤與相機(jī)平面夾角小于45°；

(c2)將獲取的圖像導(dǎo)入計(jì)算機(jī)，得到相機(jī)的內(nèi)參數(shù)(f_x,f_y,u₀,v₀)與外參數(shù)(R,t)；

然后，利用投影矩陣計(jì)算定位器坐標(biāo)：

(a3)建立圖像坐標(biāo)系與世界坐標(biāo)系的轉(zhuǎn)換關(guān)系：

(b3)將相機(jī)標(biāo)定獲得的內(nèi)參數(shù)和外參數(shù)帶入轉(zhuǎn)換矩陣中，得到定位器世界坐標(biāo)轉(zhuǎn)換關(guān)系；

(c3)對(duì)定位器進(jìn)行采樣，由圖像坐標(biāo)計(jì)算定位器在真實(shí)世界坐標(biāo)系中的坐標(biāo)，其中，定位器下端點(diǎn)坐標(biāo)為(X_w1,Y_w1)和上端點(diǎn)坐標(biāo)為(X_w2,Y_w2)；

然后，根據(jù)定位器坐標(biāo)得到坡度，計(jì)算得到定位器坡度為：

進(jìn)一步的，所述系統(tǒng)還包括異常報(bào)警模塊和控制系統(tǒng)模塊；所述異常報(bào)警模塊用于輸出定位器坡度異常信息；所述控制系統(tǒng)模塊用于對(duì)視頻采集單元和主機(jī)單元進(jìn)行綜合控制。

其中，本申請(qǐng)中的接觸網(wǎng)定位器坡度檢測(cè)方法包括：

首先，利用圖像采集裝置獲得列車接觸網(wǎng)運(yùn)行圖像信息；

然后，對(duì)列車接觸網(wǎng)運(yùn)行圖像信息進(jìn)行處理，獲得定位器圖像信息；

然后，基于定位器圖像信息，對(duì)定位器進(jìn)行分析計(jì)算，獲得世界坐標(biāo)系下定位器坡度。

其中，對(duì)定位器進(jìn)行分析計(jì)算是利用車載接觸網(wǎng)運(yùn)行檢測(cè)裝置的運(yùn)行主機(jī)，通過(guò)基于深度學(xué)習(xí)的定位器線檢測(cè)算法，對(duì)圖像中的定位器進(jìn)行檢測(cè)定位，然后利用立體單目視覺(jué)對(duì)定位器進(jìn)行坡度計(jì)算。

其中，本申請(qǐng)中的圖像采集裝置可以為相機(jī)、攝像機(jī)、攝像頭等，如：是通過(guò)安裝于車頂?shù)母叻直媛矢咚贁z像裝置采集接觸網(wǎng)運(yùn)行環(huán)境視頻(如圖3所示)。

并且，基于本申請(qǐng)中的方法對(duì)應(yīng)的提供了一種接觸網(wǎng)定位器坡度檢測(cè)系統(tǒng)，該系統(tǒng)包括：

車載接觸網(wǎng)視頻采集裝置，其包括于高速動(dòng)車車頂安裝的高分辨率高速攝像裝置，實(shí)時(shí)采集接觸網(wǎng)運(yùn)行狀態(tài)視頻，并將視頻圖像實(shí)時(shí)傳輸?shù)杰噧?nèi)主機(jī)進(jìn)行數(shù)據(jù)分析；

主機(jī)單元，包括電源管理，視頻直播，操控界面，異常報(bào)警，通訊控制，數(shù)據(jù)分析以及控制系統(tǒng)模塊。其中在數(shù)據(jù)分析模塊中，利用深度學(xué)習(xí)算法對(duì)圖像進(jìn)行分析，得到定位器的準(zhǔn)確位置并擬合定位器直線，在成功獲得定位器擬合直線后，利用立體單目視覺(jué)處理得到定位器在世界坐標(biāo)系下的坡度。異常報(bào)警模塊針對(duì)前述得到的定位器坡度進(jìn)行分析，當(dāng)定位器坡度超過(guò)規(guī)定閾值時(shí)輸出報(bào)警信息，并給出定位器坡度超標(biāo)時(shí)高速動(dòng)車的位置信息。

其中，攝像裝置的安裝位置，方向，視野大小，圖像采集頻率滿足系統(tǒng)能針對(duì)每個(gè)接觸網(wǎng)支柱采集到足夠數(shù)量，適合進(jìn)行定位器檢測(cè)的圖像，并且成像模型滿足使用立體單目視覺(jué)進(jìn)行定位器坡度計(jì)算條件。

其中，本申請(qǐng)中的方法采用相機(jī)和計(jì)算機(jī)結(jié)合，自動(dòng)對(duì)定位器坡度進(jìn)行檢測(cè)，避免了傳統(tǒng)的人工手持設(shè)備進(jìn)行檢測(cè)，檢測(cè)效率較高，且在檢測(cè)時(shí)間上沒(méi)有限制，無(wú)需在列車停運(yùn)時(shí)檢測(cè)，檢測(cè)效率較高，并且采用了深度學(xué)習(xí)模型、圖像處理結(jié)合進(jìn)行計(jì)算，能夠獲得準(zhǔn)確的檢測(cè)結(jié)果。

本申請(qǐng)?zhí)峁┑囊粋€(gè)或多個(gè)技術(shù)方案，至少具有如下技術(shù)效果或優(yōu)點(diǎn)：

本申請(qǐng)中的定位器坡度檢測(cè)系統(tǒng)，基于深度學(xué)習(xí)對(duì)復(fù)雜環(huán)境下不同定位器進(jìn)行了精確的檢測(cè)；并且基于直線擬合的思路，可以在局部區(qū)域內(nèi)精確的擬合定位器直線；進(jìn)一步的基于投影方程的解決辦法，可以給出定位器在世界坐標(biāo)系下的精確值；所以，有效解決了現(xiàn)有的定位器坡度檢測(cè)方法存在檢測(cè)效率和準(zhǔn)確率較差的技術(shù)問(wèn)題，進(jìn)而實(shí)現(xiàn)了高效準(zhǔn)確的對(duì)定位器坡度進(jìn)行檢測(cè)的技術(shù)效果。

附圖說(shuō)明

此處所說(shuō)明的附圖用來(lái)提供對(duì)本發(fā)明實(shí)施例的進(jìn)一步理解，構(gòu)成本申請(qǐng)的一部分，并不構(gòu)成對(duì)本發(fā)明實(shí)施例的限定；

圖1是本申請(qǐng)中定位器坡度檢測(cè)方法的流程示意圖；

圖2是本申請(qǐng)中定位器坡度檢測(cè)系統(tǒng)的組成示意圖；

圖3是本申請(qǐng)中定位器坡度檢測(cè)系統(tǒng)的視頻采集裝置安裝示意圖。

具體實(shí)施方式

本發(fā)明提供了一種接觸網(wǎng)定位器坡度檢測(cè)系統(tǒng)，解決了現(xiàn)有的定位器坡度檢測(cè)方法存在檢測(cè)效率和準(zhǔn)確率較差的技術(shù)問(wèn)題，實(shí)現(xiàn)了高效準(zhǔn)確的對(duì)定位器坡度進(jìn)行檢測(cè)的技術(shù)效果。

為了能夠更清楚地理解本發(fā)明的上述目的、特征和優(yōu)點(diǎn)，下面結(jié)合附圖和具體實(shí)施方式對(duì)本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)描述。需要說(shuō)明的是，在相互不沖突的情況下，本申請(qǐng)的實(shí)施例及實(shí)施例中的特征可以相互組合。

在下面的描述中闡述了很多具體細(xì)節(jié)以便于充分理解本發(fā)明，但是，本發(fā)明還可以采用其他不同于在此描述范圍內(nèi)的其他方式來(lái)實(shí)施，因此，本發(fā)明的保護(hù)范圍并不受下面公開(kāi)的具體實(shí)施例的限制。

請(qǐng)參考圖1-圖3，本申請(qǐng)?zhí)峁┝艘环N定位器坡度檢測(cè)方法，所述方法包括：

首先，利用圖像采集裝置獲得列車接觸網(wǎng)運(yùn)行圖像信息；

然后，對(duì)列車接觸網(wǎng)運(yùn)行圖像信息進(jìn)行處理，獲得定位器圖像信息；

然后，基于定位器圖像信息，對(duì)定位器進(jìn)行分析計(jì)算，獲得世界坐標(biāo)系下定位器坡度。

其中，對(duì)定位器進(jìn)行分析計(jì)算是利用車載接觸網(wǎng)運(yùn)行檢測(cè)裝置的運(yùn)行主機(jī)，通過(guò)基于深度學(xué)習(xí)的定位器線檢測(cè)算法，對(duì)圖像中的定位器進(jìn)行檢測(cè)定位，然后利用立體單目視覺(jué)對(duì)定位器進(jìn)行坡度計(jì)算。

其中，本申請(qǐng)中的圖像采集裝置可以為相機(jī)、攝像機(jī)、攝像頭等，如：是通過(guò)安裝于車頂?shù)母叻直媛矢咚贁z像裝置采集接觸網(wǎng)運(yùn)行環(huán)境視頻。

并且，基于本申請(qǐng)中的方法對(duì)應(yīng)的提供了一種定位器坡度檢測(cè)系統(tǒng)，請(qǐng)參考圖2，所述系統(tǒng)包括視頻采集單元和主機(jī)單元，其中：

視頻采集單元安裝于列車車頂，圖像采集單元用于實(shí)時(shí)采集接觸網(wǎng)運(yùn)行狀態(tài)視頻，并將視頻圖像實(shí)時(shí)傳輸?shù)杰噧?nèi)主機(jī)單元進(jìn)行數(shù)據(jù)分析；

主機(jī)單元安裝于車廂內(nèi)部，接收視頻采集單元的視頻信號(hào)并進(jìn)行壓縮存儲(chǔ)，并根據(jù)獲得弓網(wǎng)圖像數(shù)據(jù)計(jì)算定位器坡度。

進(jìn)一步的，視頻采集單元包括：安裝底座、相機(jī)、補(bǔ)光光源；安裝底座與車頂接口固定連接；補(bǔ)光光源和相機(jī)均固定于所述安裝底座上，且相機(jī)和補(bǔ)光光源的射出光對(duì)準(zhǔn)接觸網(wǎng)系統(tǒng)支架及定位器。

其中，所述系統(tǒng)還包括電源管理模塊和通訊控制模塊；所述電源管理模塊用于為視頻采集單元和主機(jī)單元供電；所述通訊控制模塊用于將視頻采集單元采集的視頻圖像傳輸?shù)街鳈C(jī)單元。

其中，所述系統(tǒng)還包括數(shù)據(jù)存儲(chǔ)模塊；所述數(shù)據(jù)存儲(chǔ)模塊用于保存視頻采集單元采集的視頻圖像。

其中，所述主機(jī)單元中設(shè)有第一GPU模塊；所述第一GPU模塊用于通過(guò)深度學(xué)習(xí)算法對(duì)定位器進(jìn)行粗檢測(cè)，具體包括：

步驟1：首先獲得定位器圖像信息，然后基于定位器圖像信息構(gòu)建深度學(xué)習(xí)模型；

步驟2：基于弓網(wǎng)圖像，構(gòu)建定位器訓(xùn)練樣本；

步驟3：基于步驟2中的訓(xùn)練樣本訓(xùn)練深度學(xué)習(xí)模型；

步驟4：基于訓(xùn)練后的深度學(xué)習(xí)模型，對(duì)含有待檢測(cè)定位器的圖像進(jìn)行處理，獲得待檢測(cè)定位器的位置信息；

步驟5：基于步驟4中的位置信息，對(duì)包含定位器的局部圖像區(qū)域，對(duì)圖像中的定位器進(jìn)行精確定位，擬合定位器直線；

步驟6：對(duì)定位器圖像進(jìn)行投影變換，計(jì)算定位器在世界坐標(biāo)系下的坐標(biāo)，得到世界坐標(biāo)系下定位器坡度。

其中，所述步驟1具體包括：

步驟1.1：構(gòu)建包含若干個(gè)隱藏層的深度卷積網(wǎng)絡(luò)，其中：包括卷積層，降采樣層和全連接層；通過(guò)卷積計(jì)算提取圖像的局部特征；

步驟1.2：通過(guò)池化對(duì)圖像的局部特征做降采樣處理；

步驟1.3：通過(guò)全連接層做進(jìn)一步的逐層特征提取處理；

步驟1.4：通過(guò)分類器層預(yù)測(cè)定位器的類別概率和精確位置

步驟1.5：定義分類器損失函數(shù)，包括類別損失和位置損失。

其中，所述步驟4具體包括：

步驟4.1：對(duì)于待檢測(cè)圖像輸入優(yōu)化參數(shù)后的深度卷積網(wǎng)絡(luò)；

步驟4.2：得到測(cè)試圖像的網(wǎng)絡(luò)輸出值

步驟4.3：依據(jù)網(wǎng)絡(luò)輸出值可得到定位器類別和位置信息；

其中，所述主機(jī)單元中還設(shè)有第二CPU模塊；所述第二CPU模塊用于對(duì)定位器區(qū)域進(jìn)行細(xì)檢測(cè)，并通過(guò)單目視覺(jué)立體幾何關(guān)系計(jì)算定位器在世界坐標(biāo)系下的坡度，具體包括：

對(duì)包含定位器的局部圖像區(qū)域，利用基于hough直線檢測(cè)算法對(duì)圖像中的定位器進(jìn)行精確定位，擬合定位器直線，具體包括：

首先，Canny提取圖像邊緣：

(a)圖像使用帶有指定標(biāo)準(zhǔn)偏差的高斯濾波器來(lái)平滑；

(b)在每一點(diǎn)處計(jì)算局部梯度和邊緣方向；

(c)針對(duì)步驟(b)中出現(xiàn)的圖像脊，考慮Canny算法追蹤所有脊的頂部，并將所有不在脊的頂部的像素設(shè)為零，在輸出中給出一條線；脊像素使用兩個(gè)閾值T₁和T₂做閾值處理，其中，T₁<T₂，像素值大于T₂的脊像素成為強(qiáng)邊緣像素，T₁和T₂之間的脊像素成為弱邊緣像素；

(d)通過(guò)將8連接的弱像素集成到強(qiáng)像素，執(zhí)行邊緣鏈接；

然后，Hough擬合定位器直線：

(a1)在經(jīng)過(guò)Canny算子變換的圖像中，進(jìn)行hough直線變換，得到全部可能的直線段；

(b1)在全部直線段中選取長(zhǎng)度大于閾值，且角度符合預(yù)設(shè)條件的直線作為定位器擬合實(shí)現(xiàn)。

其中，所述步驟6具體包括：

首先，對(duì)相機(jī)進(jìn)行標(biāo)定：

(a2)繪制攝像機(jī)標(biāo)定盤，按照相機(jī)在車頂?shù)奈恢霉潭ㄏ鄼C(jī)；

(b2)從不同距離和角度對(duì)標(biāo)定盤成像，且滿足標(biāo)定盤與相機(jī)平面夾角小于45°；

(c2)將獲取的圖像導(dǎo)入計(jì)算機(jī)，得到相機(jī)的內(nèi)參數(shù)(f_x,f_y,u₀,v₀)與外參數(shù)(R,t)；

然后，利用投影矩陣計(jì)算定位器坐標(biāo)：

(a3)建立圖像坐標(biāo)系與世界坐標(biāo)系的轉(zhuǎn)換關(guān)系：

(b3)將相機(jī)標(biāo)定獲得的內(nèi)參數(shù)和外參數(shù)帶入轉(zhuǎn)換矩陣中，得到定位器世界

坐標(biāo)轉(zhuǎn)換關(guān)系；

(c3)對(duì)定位器進(jìn)行采樣，由圖像坐標(biāo)計(jì)算定位器在真實(shí)世界坐標(biāo)系中的坐

標(biāo)，其中，定位器下端點(diǎn)坐標(biāo)為(X_w1,Y_w1)和上端點(diǎn)坐標(biāo)為(X_w2,Y_w2)；

然后，根據(jù)定位器坐標(biāo)得到坡度，計(jì)算得到定位器坡度為：

其中，所述系統(tǒng)還包括異常報(bào)警模塊和控制系統(tǒng)模塊；所述異常報(bào)警模塊用于輸出定位器坡度異常信息；所述控制系統(tǒng)模塊用于對(duì)視頻采集單元和主機(jī)單元進(jìn)行綜合控制。

其中，利用深度學(xué)習(xí)算法對(duì)圖像進(jìn)行分析，得到定位器的準(zhǔn)確位置并擬合定位器直線，在成功獲得定位器擬合直線后，利用立體單目視覺(jué)處理得到定位器在世界坐標(biāo)系下的坡度。異常報(bào)警模塊針對(duì)前述得到的定位器坡度進(jìn)行分析，當(dāng)定位器坡度超過(guò)規(guī)定閾值時(shí)輸出報(bào)警信息，并給出定位器坡度超標(biāo)時(shí)高速動(dòng)車的位置信息。圖3為定位器坡度檢測(cè)系統(tǒng)中車載接觸網(wǎng)視頻采集裝置的安裝示意圖，將采集裝置安裝在列車的頂部。

請(qǐng)參考圖1，定位器檢測(cè)步驟，利用深度學(xué)習(xí)算法，實(shí)時(shí)處理視頻圖像并檢測(cè)圖像中出現(xiàn)的定位器；

1構(gòu)建深度學(xué)習(xí)模型：

如圖1所示，構(gòu)建包含若干個(gè)隱藏層的深度卷積網(wǎng)絡(luò)，其中包括卷積層，降采樣層、全連接層和輸出層。其中卷積層、降采樣層和全連接層用于逐層提取圖像特征；輸出層包含分類器用于得到圖像定位器類別和區(qū)域。

步驟1.1：通過(guò)卷積計(jì)算提取圖像的局部特征，并對(duì)局部特征進(jìn)行非線性變換。

步驟1.2：通過(guò)池化對(duì)圖像的局部特征做降采樣。

步驟1.3：通過(guò)全連接層做進(jìn)一步的逐層特征提取。

步驟1.4：通過(guò)輸出層預(yù)測(cè)定位器的類別概率和精確位置。其中類別概率包括定位器的正定位與反定位；精確位置包括定位器區(qū)域的中心點(diǎn)坐標(biāo)與長(zhǎng)度和寬度。

步驟1.5：定義輸出層分類器損失函數(shù)，包括類別損失和位置損失。其中損失函數(shù)定位器真實(shí)類別和位置與深度卷積網(wǎng)絡(luò)輸出值的最小均方誤差。

上述卷積層，降采樣層，全連接層和分類器層的構(gòu)建方法在Lecun等人1998年發(fā)表在IEEE上的文章“Gradient-based learning applied to document recognition”有具體介紹

2選擇樣本。

通過(guò)3C采集設(shè)備獲取大量的弓網(wǎng)圖像，從圖像中扣去定位器樣本，構(gòu)建定位器訓(xùn)練樣本集。選擇圖像中包含定位器區(qū)域，選擇定位器類別：正定位和反定位。記錄定位器在圖像中的位置，包含圖像塊的中心位置在全圖的坐標(biāo)和圖像塊的長(zhǎng)和寬。

3訓(xùn)練深度學(xué)習(xí)模型；

利用梯度下降算法來(lái)最小化輸出層分類器損失函數(shù)，從而以迭代的方式對(duì)深度卷積網(wǎng)絡(luò)參數(shù)進(jìn)行調(diào)整。求解方法在Rumelhart等人1986年發(fā)表在Nature上的文章″Learning representations by back-propagating errors″中有具體介紹。

4檢測(cè)定位器。

步驟4.1：對(duì)于待檢測(cè)圖像輸入優(yōu)化參數(shù)后的深度卷積網(wǎng)絡(luò)，；

步驟4.2：得到所述測(cè)試圖像的網(wǎng)絡(luò)輸出值。

步驟4.3：對(duì)輸出層中的圖像塊目標(biāo)概率進(jìn)行排序，選擇滿足閾值要求的圖像塊作為目標(biāo)區(qū)域。

步驟4.4：依據(jù)輸出層得到目標(biāo)區(qū)域計(jì)算類別概率，判別正定位與反定位。

步驟4.5：依據(jù)輸出層得到目標(biāo)區(qū)域的中心的坐標(biāo)與區(qū)域長(zhǎng)度和寬度。

5直線擬合步驟，對(duì)包含定位器的局部圖像區(qū)域，利用基于hough直線檢測(cè)算法對(duì)圖像中的定位器進(jìn)行精確定位，擬合定位器直線；

Canny提取圖像邊緣

a圖像使用帶有指定標(biāo)準(zhǔn)偏差的高斯濾波器來(lái)平滑，從而可以減少噪聲；

b在每一點(diǎn)處計(jì)算局部梯度和邊緣方向α(x,y)＝arctan(G_y/G_x)。邊緣點(diǎn)定義為梯度方向是其強(qiáng)度為局部最大的點(diǎn)。

c針對(duì)步驟b中出現(xiàn)的圖像脊，考慮算法追蹤所有脊的頂部，并將所有不在脊的頂部的像素設(shè)為零，從而在輸出中給出一條細(xì)線。脊像素使用兩個(gè)閾值T₁和T₂做閾值處理，其中T₁<T₂。像素值大于T₂的脊像素成為強(qiáng)邊緣像素，T₁和T₂之間的脊像素成為弱邊緣像素。

d通過(guò)將8連接的弱像素集成到強(qiáng)像素，執(zhí)行邊緣鏈接。

Hough擬合定位器直線

在經(jīng)過(guò)Canny算子變換的圖像中，進(jìn)行hough直線變換[]，得到全部可能的直線段；

在全部直線段中選取長(zhǎng)度大于閾值，且角度在[0°,45°]和[135°，180°]之間的直線作為定位器擬合實(shí)現(xiàn)；(對(duì)于正定位和反定位兩種安裝模式，定位器的安裝與水平面的夾角在5°～20°之間，由于相機(jī)的安裝角度和距離定位器的遠(yuǎn)近不同，定位器在圖像中的角度通常是不同的，為了避免誤檢，要求定位器擬合直線段在圖像中的角度為[0°,45°]和[135°，180°])

坡度計(jì)算步驟，對(duì)定位器圖像進(jìn)行投影變換，計(jì)算定位器在世界坐標(biāo)系下的坐標(biāo)，得到世界坐標(biāo)系下定位器坡度。

對(duì)相機(jī)進(jìn)行標(biāo)定：

繪制攝像機(jī)標(biāo)定盤，按照相機(jī)在車頂?shù)奈恢霉潭ㄏ鄼C(jī)；

從不同距離和角度對(duì)標(biāo)定盤成像，且滿足標(biāo)定盤與相機(jī)平面夾角小于45°；

將獲取的圖像導(dǎo)入程序，利用opencv中“CalibrateCamera2”函數(shù)得到相機(jī)的內(nèi)參數(shù)與外參數(shù)。

利用投影矩陣計(jì)算定位器坐標(biāo)；

如公式所示，建立圖像坐標(biāo)系與世界坐標(biāo)系的轉(zhuǎn)換關(guān)系：

將相機(jī)標(biāo)定獲得的內(nèi)參數(shù)(f_x,f_y,u₀,v₀)和外參數(shù)(R,t)帶入轉(zhuǎn)換矩陣中，得到定位器世界坐標(biāo)轉(zhuǎn)換關(guān)系；

對(duì)定位器進(jìn)行采樣，由圖像坐標(biāo)計(jì)算定位器在真實(shí)世界坐標(biāo)系中的坐標(biāo)，其中定位器下端點(diǎn)坐標(biāo)為(X_w1,Y_w1)和上端點(diǎn)坐標(biāo)為(X_w2,Y_w2)。

根據(jù)定位器坐標(biāo)得到坡度

根據(jù)公式，計(jì)算得到定位器坡度為：

上述本申請(qǐng)實(shí)施例中的技術(shù)方案，至少具有如下的技術(shù)效果或優(yōu)點(diǎn)：

本申請(qǐng)中的定位器坡度檢測(cè)系統(tǒng)，基于深度學(xué)習(xí)對(duì)復(fù)雜環(huán)境下不同定位器進(jìn)行了精確的檢測(cè)；并且基于直線擬合的思路，可以在局部區(qū)域內(nèi)精確的擬合定位器直線；進(jìn)一步的基于投影方程的解決辦法，可以給出定位器在世界坐標(biāo)系下的精確值；所以，有效解決了現(xiàn)有的定位器坡度檢測(cè)方法存在檢測(cè)效率和準(zhǔn)確率較差的技術(shù)問(wèn)題，進(jìn)而實(shí)現(xiàn)了高效準(zhǔn)確的對(duì)定位器坡度進(jìn)行檢測(cè)的技術(shù)效果。

盡管已描述了本發(fā)明的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對(duì)這些實(shí)施例作出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明范圍的所有變更和修改。

顯然，本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改動(dòng)和變型而不脫離本發(fā)明的精神和范圍。這樣，倘若本發(fā)明的這些修改和變型屬于本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則本發(fā)明也意圖包含這些改動(dòng)和變型在內(nèi)。