伍川輝， 吳 琛， 楊 恒， 卿 云

(西南交通大學(xué)機械工程學(xué)院，四川 成都 610031)

0 引 言

電力機車上，弓網(wǎng)接觸點的位置與受電弓滑板中心之間的距離在線路曲線區(qū)段定義為拉出值，而在直線區(qū)段則定義為之字值，統(tǒng)一稱為拉出值[1]。

目前拉出值的檢測手段包含離線檢測與靜態(tài)檢測兩種方式。離線檢測是對采集到的弓網(wǎng)視頻圖像進行離線分析從而得到拉出值，此種方式不具有實時性，無法對動態(tài)拉出值進行在線監(jiān)測；而靜態(tài)檢測是在列車靜止的情況下對拉出值進行檢測，不能實現(xiàn)對鐵路沿線的全面覆蓋，無法滿足未來鐵路發(fā)展的需要[2-3]。

針對于現(xiàn)有檢測方式的不足，本文提出一種基于LabVIEW圖像處理的動態(tài)拉出值檢測方式，能夠?qū)崟r檢測并顯示列車運行過程中的動態(tài)拉出值，確保了列車的行駛安全。

由于受電弓在列車運行過程中與接觸網(wǎng)接觸，處于高壓環(huán)境中，無法通過接觸方式進行檢測。因此，利用高清工業(yè)相機實時拍攝列車運行過程中的弓網(wǎng)視頻圖像，采用基于LabVIEW的圖像處理方法，確定弓網(wǎng)接觸點在圖像平面坐標(biāo)系中的相對位置，再結(jié)合受電弓滑板中心位置的標(biāo)定結(jié)果，計算出動態(tài)拉出值。結(jié)果表明該方法能夠在列車運行過程中實時準(zhǔn)確提取弓網(wǎng)接觸點位置，計算動態(tài)拉出值，并且不會破壞弓網(wǎng)間的力學(xué)特性，具有實際意義。

1 動態(tài)拉出值檢測系統(tǒng)設(shè)計

列車在行駛過程中，在直線區(qū)段拉出值的變化范圍為±（300±30）mm，曲線區(qū)段列車車身隨線路的外軌超高向曲線內(nèi)側(cè)傾斜，因此受電弓中心與線路中心并不重合。隨著曲線段上曲線半徑的不同，拉出值一般在（150±30）～（400±30）mm 之間[4-5]，故選用高分辨率的高速工業(yè)攝像機，分辨率可達500萬像素，滿足檢測精度要求，同時幀率最高可達130 f/s，滿足列車運行速度要求。

將工業(yè)相機安裝在車廂頂部正中間位置，調(diào)整角度，使得鏡頭正對受電弓，保證拍攝范圍覆蓋列車運行過程中受電弓的運動范圍，并盡量使受電弓滑板處于整個畫面的中部偏下位置。工業(yè)相機的安裝如圖1所示。

圖1 工業(yè)相機安裝示意

在列車行駛過程中，工業(yè)相機提供受電弓和接觸網(wǎng)工作的實時圖像。視頻圖像通過Camera Link傳輸線實時傳送給插在測試工作站主板上的PCIE圖像采集卡，工作站獲取受電弓視頻后，通過基于LabVIEW的圖像處理技術(shù)對列車行駛過程中的弓網(wǎng)接觸點位置信息進行提取，結(jié)合標(biāo)定所得的受電弓滑板中心位置計算出動態(tài)拉出值，并存儲相關(guān)數(shù)據(jù)。對動態(tài)拉出值的在線計算為本系統(tǒng)的關(guān)鍵點，用LabVIEW軟件實現(xiàn)，視頻實時采集后面板程序如圖2所示。

圖2 視頻實時采集程序

動態(tài)拉出值檢測系統(tǒng)硬件設(shè)備包含一臺高分辨率高速工業(yè)相機，一張圖像采集卡和一臺工作站。系統(tǒng)硬件結(jié)構(gòu)如圖3所示。

圖3 系統(tǒng)硬件結(jié)構(gòu)

2 圖像算法

2.1 視頻圖像預(yù)處理

為了提取出弓網(wǎng)接觸點的位置信息，首先通過LabVIEW程序進行圖像預(yù)處理。在視頻圖像算法處理的對象中，關(guān)注的是接觸網(wǎng)以及受電弓與背景之間的灰度差異，以便進行直線檢測等相關(guān)運算。將RGB顏色空間轉(zhuǎn)換成YUV顏色空間（灰度化），能夠減少后續(xù)程序的運算量，提高運算速率[6-7]，如下式所示：

式中：R——紅色系數(shù)，灰度級；

G——綠色系數(shù)，灰度級；

B——藍色系數(shù)，灰度級。

在所拍攝的弓網(wǎng)圖像中不可避免地存在著外部和內(nèi)部干擾，噪聲惡化了圖像質(zhì)量，淹沒了圖像特征[8]，因此需要去除噪聲，恢復(fù)原始圖像。中值濾波用一個有奇數(shù)點的窗口在圖像上滑動，用窗口內(nèi)所有像素的中值代替窗口中心點所對應(yīng)像素的灰度值。對于受電弓滑板以及接觸導(dǎo)線這類在全圖中占有較長的輪廓線的圖像，經(jīng)常采用方形窗口；又因為接觸線以及承力索的寬度所占像素數(shù)不多，為了獲得清晰的目標(biāo)物所以窗口選擇不宜過大，選擇3×3的方形窗口進行中值濾波效果最優(yōu)，并且不會造成圖像邊緣模糊與失真。

為了便于下一步的圖像分割與接觸網(wǎng)和受電弓滑板的細節(jié)提取，需要提高圖像細節(jié)的清晰度，通過利用分段線性灰度變換方法增大對比度來實現(xiàn)。

圖4為弓網(wǎng)接觸原圖，圖5為圖像預(yù)處理圖。通過對圖5進行灰度分布分析，發(fā)現(xiàn)在圖像預(yù)處理之后，接觸線及受電弓滑板的邊緣以及尖峰依舊明顯，并且已經(jīng)濾除了脈沖干擾。

圖4 弓網(wǎng)接觸原圖

圖5 圖像預(yù)處理

2.2 弓網(wǎng)接觸點的提取

首先通過3×3窗口的Canny算子對視頻圖像進行邊緣檢測與輪廓特征的提取。Canny算子采用了非極大值抑制和滯后閾值算法檢測等方法，是一種應(yīng)用高斯導(dǎo)數(shù)逼近的最優(yōu)算子，該算法具有高定位性、低錯誤率和最小響應(yīng)的優(yōu)勢，同時噪聲無法對其進行填充[9]。

在LabVIEW軟件中，邊緣檢測與輪廓特征提取是通過函數(shù)IMAQ CannyEdgeDetection來實現(xiàn)的。之后再利用增幅過的Sobel雙方向算子對整幅圖像進行高亮邊緣檢測，使得邊緣與特征更加明顯，如圖6所示。

圖6 圖像邊緣輪廓提取

圖中雖然對弓網(wǎng)部分的輪廓有較好的體現(xiàn)，但部分細節(jié)分割太細化，接觸網(wǎng)與受電弓滑板呈現(xiàn)出不止一條的邊緣輪廓線，導(dǎo)致無法對弓網(wǎng)接觸點的位置信息進行精確提取。為了連接臨近物體、平滑邊界和填充細小空洞，利用形態(tài)學(xué)[10]進行處理。采用形態(tài)學(xué)閉運算方法，首先以膨脹運算對輪廓邊界進行合并，再以腐蝕命令對輪廓細化，最后利用骨架化命令進行輪廓整體細化[11]，如圖7所示。

圖7 圖像形態(tài)學(xué)處理

由圖可以看出，接觸網(wǎng)整體輪廓位于豎直方向，受電弓滑板整體輪廓線位于水平方向。由于輪廓線存在傾斜，因此以5為間距測量每個區(qū)間內(nèi)所有行列像素的數(shù)目點。首先進行豎直投影統(tǒng)計每一列上所有行的像素點數(shù)目，其出現(xiàn)最大峰值的位置即為接觸網(wǎng)對應(yīng)存在的位置；再利用水平投影可以得到受電弓滑板上邊緣所在行的位置參數(shù)信息。做出像素點分布圖可以得到兩者交點，即弓網(wǎng)接觸點，根據(jù)所得結(jié)果在原圖中標(biāo)記該點，如圖8所示。

圖8 弓網(wǎng)接觸點標(biāo)記

為了驗證該弓網(wǎng)接觸點位置信息提取方法的通用性，在LabVIEW中將上述方法與區(qū)域識別ROI功能相結(jié)合，對試驗現(xiàn)場的弓網(wǎng)視頻圖像進行分析。在圖像坐標(biāo)系中，每個點都對應(yīng)一個坐標(biāo)，利用最小二乘法擬合出接觸線和受電弓滑板上邊緣線，如圖9所示。

圖9 弓網(wǎng)接觸點動態(tài)跟蹤

圖中，擬合出的紅色線條為檢測出的接觸網(wǎng)邊緣輪廓線，黃色線條為受電弓滑板上邊緣輪廓線，白色圓點為弓網(wǎng)接觸點，結(jié)果表明此方法能準(zhǔn)確地提取出弓網(wǎng)接觸點的位置信息并且在視頻中有良好的跟蹤性能。

3 動態(tài)拉出值檢測

工業(yè)相機實時獲取列車運行過程中的弓網(wǎng)視頻圖像，圖像采集卡對視頻圖像進行采集，最后在LabVIEW程序中對其進行實時處理。圖10為動態(tài)拉出值檢測軟件流程圖。

圖10 動態(tài)拉出值檢測軟件流程

3.1 相機標(biāo)定

由于相機與車體位置相對固定，受電弓滑板中心線位置在圖像中為一參數(shù)不變的直線，因此計算出受電弓中心位置與弓網(wǎng)接觸點的像素間距，利用像素標(biāo)定與比例關(guān)系確定相應(yīng)的物理間距，即可獲得動態(tài)拉出值信息[11]。

在受電弓滑板的兩端豎立長尺型的標(biāo)志物，首先人工標(biāo)定受電弓滑板中心線，通過圖像處理軟件確定標(biāo)志所在位置的像素坐標(biāo)。測出兩端標(biāo)志物之間實際的長度值，以獲得像素與實際長度之間的比例關(guān)系。如圖11所示。

拉出值的轉(zhuǎn)換公式為

圖11 工業(yè)相機標(biāo)定

式中：Lm——拉出值的實際長度，mm；

Lp——拉出值的像素長度，mm；

Ldm——受電弓滑板的實際長度，mm；

Ldp——受電弓滑板的像素長度，mm。

3.2 驗證分析

為了驗證工業(yè)相機與基于LabVIEW的圖像處理技術(shù)能否實現(xiàn)動態(tài)拉出值的檢測，利用該套設(shè)備及程序?qū)α熊囘\行過程中的動態(tài)拉出值進行實時在線監(jiān)測。LabVIEW程序前面板運行過程如圖12所示。

圖12 程序運行過程

圖中左側(cè)為工業(yè)相機實時拍攝的列車運行過程中弓網(wǎng)視頻圖像；右側(cè)為動態(tài)拉出值檢測曲線，橫坐標(biāo)為當(dāng)前時刻，縱坐標(biāo)為動態(tài)拉出值大小，能夠?qū)崟r顯示動態(tài)拉出值數(shù)據(jù)與弓網(wǎng)接觸點的坐標(biāo)值，實現(xiàn)動態(tài)拉出值的檢測。動態(tài)拉出值圖像處理結(jié)果與弓網(wǎng)工作原始視頻均能實時保存到指定路徑。

選取列車運行速度為40 km/h某一段線路數(shù)據(jù)進行分析，如圖13所示。

由圖可以看出，動態(tài)拉出值的正負代表弓網(wǎng)接觸點在受電弓滑板中心線的左側(cè)或右側(cè)，其最大值為289.98 mm，滿足直線工況下動態(tài)拉出值介于-300～300 mm之間的要求。對該段線路的弓網(wǎng)工作視頻進行離線的拉出值分析，分析結(jié)果與檢測結(jié)果誤差在±1 mm內(nèi)，驗證了動態(tài)拉出值檢測的準(zhǔn)確性。

選取列車運行速度為60 km/h某一段線路數(shù)據(jù)進行分析，如圖14所示。

圖13 40 km/h工況下動態(tài)拉出值數(shù)據(jù)分析

圖14 60 km/h工況下動態(tài)拉出值數(shù)據(jù)分析

由圖可以看出，動態(tài)拉出值最大值為294.49 mm，滿足直線工況下動態(tài)拉出值介于-300～300 mm之間的要求。對該段線路的弓網(wǎng)工作視頻進行離線的拉出值分析，分析結(jié)果與檢測結(jié)果誤差在±1 mm內(nèi)，再次驗證了動態(tài)拉出值檢測的準(zhǔn)確性。

進行靜態(tài)對比試驗，用直尺測量此時弓網(wǎng)接觸點與受電弓滑板中心位置之間的距離，與系統(tǒng)檢測到的動態(tài)拉出值數(shù)據(jù)進行比較，二者的數(shù)值相差不超過±2 mm，驗證了用高分辨率工業(yè)相機結(jié)合LabVIEW圖像處理技術(shù)對動態(tài)拉出值檢測可行性。

通過以上分析可知，對于動態(tài)拉出值檢測，高分辨率高速工業(yè)相機性能優(yōu)越；利用LabVIEW圖像處理技術(shù)能夠?qū)崿F(xiàn)動態(tài)拉出值的檢測，實時顯示動態(tài)拉出值相關(guān)數(shù)據(jù)，精度與可靠性高。

4 結(jié)束語

本文介紹了基于LabVIEW圖像處理的動態(tài)拉出值檢測系統(tǒng)的設(shè)計思路，重點闡述了所采用的圖像處理算法，最后通過現(xiàn)場試驗與數(shù)據(jù)分析驗證了其可行性與可靠性。

1）采用高分辨率高速工業(yè)相機拍攝列車運行過程中的受電弓工作視頻，通過LabVIEW程序進行動態(tài)實時的視頻圖像處理，結(jié)合相機標(biāo)定，最終能夠?qū)崟r顯示存儲弓網(wǎng)接觸點的坐標(biāo)位置信息以及動態(tài)拉出值的大小。實現(xiàn)了列車運行過程中的動態(tài)拉出值檢測。

2）通過將該動態(tài)拉出值檢測結(jié)果與離線視頻拉出值分析結(jié)果進行對比，驗證了該方法的準(zhǔn)確性；通過靜態(tài)對比試驗，驗證了該方法的可行性。

[1]劉寅秋. 基于圖像處理的接觸網(wǎng)動態(tài)幾何參數(shù)測量研究[D].北京: 中國鐵道科學(xué)研究院, 2012.

[2]景曉軍. 圖像處理技術(shù)及其應(yīng)用[M]. 北京: 國防工業(yè)出版社, 2005: 71–80..

[3]范海江. 高速鐵路接觸網(wǎng)接地設(shè)計原則 [J]. 電氣化鐵道,2017(4): 11–13.

[4]戚廣楓. 高速鐵路牽引供電安全技術(shù)發(fā)展及展望[J]. 中國鐵路, 2012(11): 76–77.

[5]于萬聚. 高速接觸網(wǎng)設(shè)計及檢測原理[M]. 北京: 中國鐵道出版社, 2003: 133–135..

[6]占棟, 于龍, 肖建, 等. 接觸網(wǎng)幾何參數(shù)高速動態(tài)視覺測量方法研究[J]. 儀器儀表學(xué)報, 2014(8): 78–80.

[7]劉鐵軍, 李佳. 軌道適應(yīng)幾何參數(shù)計算方法研究[J]. 機車電傳動, 2015(1): 56–57.

[8]張東, 余朝剛. 基于激光掃描的接觸網(wǎng)幾何參數(shù)檢測方法研究[J]. 計算機測量與控制, 2016(1): 34–36.

[9]王桂軒, 高健, 周升偉, 等. 曲線區(qū)段接觸網(wǎng)拉出值的確定[J].科技視界, 2015(12): 23–25.

[10]韓志偉, 劉志剛, 張桂南. 非接觸式弓網(wǎng)圖像檢測技術(shù)研究綜述[J]. 鐵道學(xué)報, 2013(6): 40–47.

[11]孟歡, 楊雪榮, 呂文閣, 等. 一種單軌列車受電弓滑板磨耗檢測系統(tǒng)的設(shè)計[J]. 鐵道標(biāo)準(zhǔn)設(shè)計, 2017, 668(8): 151.