, , ,
(石家莊鐵道大學 電氣與電子工程學院,河北 石家莊 050043)
隨著列車運行速度的不斷提高,列車行車安全是高速鐵路首先要考慮的問題。為了滿足列車的安全運行形態(tài)和正常的運行機理安全性的要求,有必要對輪軌相對位移進行檢測。國內外學者對列車蛇形運動,列車橫向失穩(wěn),甚至脫軌等因素僅是基于傳感器的機車安全運行監(jiān)測進行了研究[1-5]。日本學者Sato Yasuhiro et al[6]設計了一種脫軌系數(shù)連續(xù)檢測裝置,該裝置通過安裝于轉向架非旋轉結構上的非接觸式位移傳感器來檢測輪軌接觸力,從而獲得脫軌系數(shù)的統(tǒng)計值。西班牙的Monje Pedro et al[7]設計了一套基于光電二極管的儀器裝置,該裝置安裝于機車轉向架上,用于在線檢測車輪在軌道上滾動和滑動的狀態(tài)。瑞士的Oldrich Polach[8]分析研究了輪軌接觸幾何狀態(tài)在列車運行中穩(wěn)定極限條件下對列車行為的影響,并取得了不錯的效果。北京航空航天大學的Zheng Gong[9]利用結構光和計算機視覺技術完成了對列車車輪直徑的動態(tài)測量。魏云鵬等[10]根據(jù)有限元理論并結合ANSYS有限元軟件分析列車在蛇形運動狀態(tài)下輪軌接觸區(qū)域的形狀“面積”輪軌接觸應力和Mises應力的特性,對列車在蛇形運動狀態(tài)下安全狀態(tài)進行了評價。
唐永康[11]基于常規(guī)的應變片、位移計、加速度傳感器搭建了一種檢測車輛脫軌傾向的脫軌預警系統(tǒng)。隨著計算機技術的發(fā)展,非接觸式測量可直接精確測量目標形態(tài)結構,可實施性強,并且可重構和準確識別目標細節(jié),由此受到眾多研究學者的追捧。在基于圖像處理的測量方法中,肖杰靈等[12]在鋼軌兩側安裝兩個攝像機,然后利用圖形拼接的方法獲得輪軌接觸曲線,但由于系統(tǒng)采用非車載方式,由此魯棒性和準確性并不高;楊淑芬[13]建立了以DSP為核心的輪軌接觸點檢測系統(tǒng),通過輪軌圖像處理技術得到輪軌邊緣的輪廓以得到接觸狀態(tài),但此方法并不能準確提取出輪軌接觸參數(shù)。
現(xiàn)利用雙相機分別拍攝車輪內外兩側,通過車輪圖片確定車輛運行中車輪中心軸線的空間位置以得出輪軌接觸參數(shù),進而得到車輪運行時的姿態(tài)變化,并通過實驗驗證了該方法的可行性和精確性。
通過圖像技術不僅可以直觀地得到輪軌接觸狀態(tài),而且具有在線測量、非接觸、精度高、成本低等優(yōu)點,但在輪軌接觸狀態(tài)以及檢測環(huán)境復雜的情況下,單一的視覺位置已經滿足不了檢測系統(tǒng)的精度和魯棒性[14],于是提出了一種基于車載式雙相機的輪軌位移檢測方法。圖1為其硬件結構的示意圖,兩個CCD攝像機安裝在轉向架支架上(圖中未畫出),每個相機的中軸線都與輪對的圓心處所在平面平行,以便于通過車輪內外輪廓檢測出軸線端點,檢測流程如圖2所示。
圖1 圖像檢測裝置
圖2 檢測流程圖
由于實驗條件有限,使用實驗室現(xiàn)有的精密轉臺、輪對模型、CCD工業(yè)相機、面陣光源、(JAI-5000C-PMCL)以及采集卡(SOL2MEVCLF)及處理軟件組成的檢測硬件系統(tǒng)對提出的方案進行實驗驗證,系統(tǒng)實景如圖3所示。事實上,列車閘瓦以及減震裝置等對車輪遮擋嚴重,由此并不能采集到完整的輪廓,但車輪邊緣橢圓擬合并不需整個輪廓,而只需1/3圓即可實現(xiàn)[15]。列車行駛中輪軌主要是橫向位移、垂相位移,搖頭角位移量相互疊加引起軸線的空間變化,只要找到軸線位置,那么輪軌位移參數(shù)的變化就可以找到。
本實驗中所用轉臺具有3個方向的自由度,通過改變轉臺各個方向的角度完全可以模擬車輪的復雜變化。該系統(tǒng)通過計算機和CCD相機對車輪圖像進行獲取,通過分析處理得到機車車輪內圓和外圓的圓心準確位置,進而確定當前機車車輪中心軸線的空間位置。將中心軸線與初始位置對比,得出輪軌參數(shù)的動態(tài)變化。
假定車輪在初始時刻不存在輪軌位移量,記其位置為AB,在運動過程中變化后的車輪軸線位置記為AC,通過對比AB,AC的位置得出車輪中心軸線的空間位移,進而確定車輪相對軌道的姿態(tài)變化。如圖4所示,在XZ平面,YZ平面投影分別為O′O″,那么與機車靜止時刻AB位置相對比,OO″為輪軌產生的橫移量,OO′為垂移量。由于機車車輪在運行過程中存在偏轉,浮起,蠕劃等動態(tài)變化,車輪位置運動復雜,機車輪軌的位移量中橫移量SX、垂移量SY和搖頭位移SZ分別如圖5(a),圖5(b)所示。
圖3 實驗場景圖
圖4 車輪軸線動態(tài)分解圖
圖5 蛇形運動各方向位移量示意圖
采集到的圖像背景復雜,受光照等外界因素影響大,在進行圖像邊緣檢測前要求除噪聲的同時又保持圖像的邊緣。使用二維Otsu算法,用2個一維Otsu算法得到的2個閾值來代替原二維Otsu算法的閾值,使該算法的去噪能力大大提升。此外車輪圖像中存在的噪聲主要為高頻分量,而圖像的邊緣信息也主要為高頻信息[16]。在將車輪圖像進行閾值分割后,對圖像進行形態(tài)學濾波。
A被B腐蝕是所有結構元素原點位置的集合,其中平移的B與A的背景并不疊加。結構元素在形態(tài)學中對濾波效果起決定性作用,其形狀和大小將直接影響形態(tài)濾波的輸出結果,選擇不同大小的方形結構元素對得到的二值圖像進行腐蝕和膨脹處理,達到形態(tài)學濾波的效果,通過采用Canny檢測算子來控制不同的閾值得到不同的檢測效果,圖6給出了不同閾值對比檢測的結果。
圖6 不同閾值效果圖
由于相機拍攝角度的變換,采集的圖像中車輪邊緣輪廓并非標準的橢圓,并且車輪圖像邊緣多處不連續(xù),這就對邊緣橢圓的提取帶來了很大的困難。Canny算法中上下閾值選取對車輪輪廓的提取以及噪聲點的影響相關,選取合適的閾值才能準確提取車輪輪廓。為了提取出車輪的輪廓,采用了Hough圓變換,該算法依據(jù)圓心一定在圓上的每個點的模向量上,且各個圓上點模向量的交點是圓心的原理,先搜尋到圓心的x和y坐標,將三維累加平面轉為二維累加平面,然后根據(jù)所有候選中心的邊緣非0像素對其支持程度來確定半徑。檢測結果如圖7所示。
圖7 橢圓Hough檢測結果
計算機視覺的研究目標是使計算機能通過二維圖像認知三維環(huán)境,并從中獲取需要的信息用于重建和識別物體。為了得到車輪中心軸線的三維坐標信息,需要對攝像機系統(tǒng)進行標定,但要指出雖是基于雙相機的檢測系統(tǒng),但它并不等同于雙目視覺,標定過程相對簡單。為了統(tǒng)一映射出車輪三維坐標位置,在標定兩個相機的過程中要采用統(tǒng)一世界坐標系。通過M實現(xiàn)對攝像機進行標定并實現(xiàn)二維圖像中特征點空間位置的求取。設矩陣M1為攝像機的內參,只與攝像機的內部參數(shù)有關,M2為攝像機的外參,只與相機對于世界坐標系的位置有關。那么由標定映射關系[17-18]如下
(1)
式中,(fu,fv,s,u0,v0)為攝像機的5個內參;(R,T)分別為得到的攝像機的外參。P(u,v)為圖像中任意一點的坐標,P′(Xw,Yw,Zw)為P點在世界坐標系中的坐標,由此完成相機的標定,圖8,圖9為部分標定過程。
圖8 標定板標定相機內參的角點提取
圖9 相機外參標定系統(tǒng)
CCD相機和軌道初始成角20°,通過轉動實驗臺改變夾角β1,β2,模擬機車運行過程中由各個方向產生的偏量Δ1,Δ2,Δ3…(垂向和橫向位移為主要因素)導致車輪軸線產生的偏移量。實驗進行對Δβ2(取值0.01° ~0.05° )進行調節(jié),經過CCD相機的圖像采集和本文的檢測算法處理,檢測出車輪邊緣信息并得出車輪的內外圓的圓心O1O2位置,通過檢測出的圖像中的坐標位置,由相機標定結果由式(1)得到車輪中心軸線位置。通過模擬實驗整理實驗的結果數(shù)據(jù)如表1所示。
表1 當Δβ2=0.02°時偏轉角和車輪的位置關系 像素
由表1中得到的車輪內外圓心A,C的空間坐標位置,圖3的車輪位移分解圖得車輪中心軸線中點O坐標,那么與車輪靜止時中心軸線中點O1比較就可得出車輪在此時刻下的位移量,其中y軸分量OO′為輪軌產生的橫移量,z軸分量OO″為垂移量。為了減少誤差,對固定姿態(tài)樣本圖片進行多次實驗,將每組實驗數(shù)據(jù)與實際實驗模型車輪位移量對比,在β=20.3°,Δβ2=0.02°情況下,檢測相關數(shù)據(jù)如表2所示,誤差計算如公式(2),其中檢測量為Δd,實際量為Δs。
(2)
圖10 Δβ2=0.02°時檢測位移和實際位移對比圖
同理,改變夾角β1,以同樣方法對橫移量、垂移量進行分析,最后選取了Δβ2=0.02時將位移量數(shù)據(jù)整理得出折線圖如圖10所示,結果表明該實驗實現(xiàn)了車輪部分動態(tài)參數(shù)的檢測,且取得了不錯的效果。
本文主要提出了一種車載式雙相機輪軌位移檢測方法,通過車載雙相機從圖像中獲取車輪內外車輪幾何特征信息,通過相機標定和特征點三位映射算法來還原車輪在運動前后車輪中心軸線所在的空間位置,通過和最初狀態(tài)作對比來得到輪軌位移量。除此之外,還通過實驗仿真來對該方法進行驗證,結果表明該方法能夠實現(xiàn)列車輪軌相對位移的非接觸檢測,證明了該方法的準確性和可行性。本方法的提出對進一步機車運行狀態(tài)監(jiān)測的開展及運行安全性機理的研究提供了重要信息。