錢榮威，馬增強,2，許丹丹，周 涵

(1. 石家莊鐵道大學電氣與電子工程學院，石家莊 050043；2. 石家莊鐵道大學省部共建交通工程結構力學行為與系統(tǒng)安全國家重點實驗室，石家莊 050043)

0 引言

鐵路車輛溜逸事故是鐵路中較為常見的一種安全事故，是鐵路運輸生產(chǎn)中暗藏的“隱形殺手”。所謂溜逸事故是指停留在線路上的機車車輛，由于沒采取止輪措施或止輪措施不當，導致車輛的自然移動。為了避免車輛產(chǎn)生溜逸，減輕人員傷亡和財產(chǎn)損失，現(xiàn)場作業(yè)人員常在防溜作業(yè)中使用防溜鐵鞋[1]。通常是將防溜鐵鞋放置于車輪底下，利用防溜鐵鞋的踏面阻力作用阻止車輛移動[2]。防溜鐵鞋通常采用鑄鋼材質(zhì)制成，具有堅固耐用、體積小、便攜等特點，目前廣泛應用于鐵路各車站和編組站[3]。停車后是否正確防溜，鐵鞋的放置位置是關鍵，而鐵鞋是否全部取出關系到列車是否可以安全發(fā)車。目前，鐵鞋的防溜作業(yè)都是人工完成的，由于現(xiàn)場工作人員緊張，沒有專職鐵路防溜作業(yè)人員，極易造成鐵鞋漏放、漏撤等安全隱患。

我國的智能鐵鞋研究從理論到實踐經(jīng)歷多年摸索。主要有3種方法：①將機械閉鎖加入到鐵鞋上[4-5]；②將遠距離通訊終端與傳感器相結合[6]；③運用無線通信技術、單片機和高科技檢測技術相結合的方法[7]。根據(jù)對已有鐵鞋的探究，最初從鐵鞋本體的機械設計問題出發(fā)，逐漸成為鐵鞋與傳感技術、無線通信等技術的結合，并且使高新技術逐漸應用到鐵路設施中，契合新時期下鐵路現(xiàn)代化發(fā)展的大方向[8]。但是現(xiàn)階段受技術的制約，這3種方法并沒有實現(xiàn)經(jīng)濟性和實用性的完美結合,因此需要進一步從技術應用、經(jīng)濟實用著手進行改進。

近年來，計算機視覺[9-10]的快速發(fā)展為鐵鞋相對位移檢測提供了新的思路。本文采用視覺傳感器與圖像處理相結合的方法來實現(xiàn)鐵鞋相對位移檢測，并針對傳統(tǒng)DOG邊緣檢測算子無法細化邊緣的缺點[11]，提出了一種改進的DOG邊緣檢測算法得到較為準確且細化的鐵鞋邊緣，從而實現(xiàn)特征點的準確提有利于鐵鞋與車輪之間相對位移的檢測。本文方法將相機安裝在車輪旁側的油箱上，首先對鐵鞋圖像進行預處理，其次采用改進的DOG邊緣檢測算子獲得鐵鞋輪廓，對鐵鞋輪廓進行特征點提取得到鐵鞋尾部特征點，最后結合相機標定得到鐵鞋與車輪的相對位移。實驗結果表明，該方法實現(xiàn)了列車鐵鞋與車輪之間相對位移的非接觸檢測，且誤差在1%以內(nèi)。

1 鐵鞋位置檢測方案原理

通過圖像處理不僅可以直觀地得到鐵鞋的放置位置，而且具有在線測量、非接觸、精度高、成本低等優(yōu)點。圖1為鐵路鐵鞋的使用示意圖，單目相機安裝在車輪旁側的油箱上，保證拍攝區(qū)域將鐵鞋納入其中并確保鞋尾與相機視野下邊緣平行，以通過定位鞋尾的位置確定其空間位置。

相機一經(jīng)標定其像素距離參數(shù)便是確定的。機車鐵鞋有其固定的規(guī)格[2]，故其長度也是確定的。首先在相機視野中標記下邊緣，得到下邊緣距車輪

(a) 軌道放置鐵鞋 (b) 鐵鞋置于鞋架上

中心的實際距離L,其次采用圖像處理算法得到鞋尾距標記點的實際距離L1，最后得到鐵鞋與車輪相對位移Lx，原理如圖2所示。

Lx=L-L1-L0

(1)

圖2 計算原理示意圖

圖3 本文算法流程圖

本文采用單目相機進行鐵鞋相對位移測量的具流程如下：首先使用單目相機對鐵鞋所在區(qū)域進行圖像采集，將采集的圖像首先進行預處理即ROI區(qū)域提取、濾波、去噪，其次對預處理后圖像進行改進DOG邊緣檢測得到鐵鞋邊緣圖，然后在邊緣的基礎上提取鐵鞋特征點。最后結合相機標定得出鐵鞋的相對位移，算法流程圖如圖3所示。

2 相機標定

圖4 鐵鞋圖像

像素距離與實際距離的轉換需要對攝像頭進行物象空間的標定。相機標定除了物象空間的標定，還應進行光學畸變標定和投影畸變標定，即因為安裝位置誤差代表的圖像畸變矯正。相機標定是非常關鍵的環(huán)節(jié)，其標定結果的精度及算法的穩(wěn)定性直接影響相機工作產(chǎn)生結果的準確性。因此，做好相機標定是做好后續(xù)工作的前提，提高標定精度是重點。

本文采用的物象空間標定方法是：固定相機采集鐵鞋圖像使其充滿整個視野，如圖4所示。已知的默認像素尺寸為v×h，以及鐵鞋的實際長度L0，即可求出像素距離參數(shù)d。

(2)

3 改進DOG算子的鐵鞋特征點提取

3.1 圖像預處理

圖像預處理是將圖像進行特征抽取、濾波和分割等處理，以消除圖像中無關的信息，恢復有用的真實信息，增強信息的可檢測性。本文的預處理過程包括提取ROI區(qū)域、濾波和增強。采集到的圖像背景復雜，感興趣的區(qū)域(ROI)只有鐵鞋一部分，因此需要提取ROI可大大較少處理像素個數(shù)達到優(yōu)化算法執(zhí)行時間的作用。ROI區(qū)域雖然減少了像素處理個數(shù)但同樣含有一定的噪聲，因此加強或抑制圖像的某些細節(jié)是不可或缺的操作，處理效果的好壞直接影響后續(xù)圖像處理和分析的可靠性。本文采用的是高斯濾波和中值濾波相結合的算法，有效去除了鐵軌噪聲的干擾和拍攝場地的其他椒鹽噪聲。盡管去除了噪聲，可能會受天氣和光照的影響，濾波后圖像需要增強處理，本文采用CLAHE(限制對比度的自適應直方圖均衡化)進行圖像增強，增強后的圖像有利于后續(xù)的邊緣檢測。圖5顯示了圖像預處理流程圖。

(a) 鐵鞋圖像 (b) ROI區(qū)域 (c) 濾波 (d) CLAHE增強

3.2 基于改進DOG算子的鐵鞋邊緣檢測

圖像的邊緣在人類視覺和計算機視覺中均起著重要的作用，神經(jīng)學和心理學的研究都表明，圖像中突變位置對圖像感知很重要，甚至有時候只考慮圖像的邊緣就可以大致理解圖像內(nèi)容，并且物體的特征點信息幾乎都體現(xiàn)在邊緣上。因此，鐵鞋邊緣的檢測對后續(xù)特征點的提取極其重要。

3.2.1 高斯差分(DOG)算子

高斯差分(DOG)算子是對高斯拉普拉斯算(LOG)算子的近似。LOG算子是一種二階微分算子邊緣響應較好，但算子構造過程中需要對二維高斯函數(shù)進行拉普拉斯變換計算量很大，而DOG算子能很好的近似LOG算子，計算量較小的同時并能夠保持較好的邊緣響應。

設二維高斯函數(shù)：

(3)

其拉普拉斯變換(LOG):

(4)

二維高斯函數(shù)對δ的一階偏導數(shù)如下：

(5)

(6)

根據(jù)一階偏導定義：

(7)

顯然得到LOG函數(shù)近似值為：

(8)

圖6 DOG算子的邊緣檢測

式中，等號右側成為高斯差分(DOG)函數(shù)，當k=0.95時，認為DOG與LOG的值近似相等。圖6顯示了對鐵鞋圖像進行DOG算子的邊緣檢測效果，從圖中看出檢測到的邊緣粗略且包含許多無效邊緣，因此還需進一步細化。

3.2.2 改進DOG算子的邊緣細化

邊緣細化是將基于DOG算子得到的邊緣強度圖進行尋找過零點操作。因為DOG算子是一種二階微分算子，所以在邊緣強度圖中的過零像素點即為原圖像的邊緣像素點。圖7顯示了過零點于邊緣檢測中的作用。

設一元函數(shù):

(9)

圖7a顯示了式(9)的曲線，圖7b顯示的是式(9)的一階導數(shù)，相當于一階微分等價于邊緣強度的概念。對于一階導數(shù)而言，|f′(x)|在x=0處是最大的，則對應到f(x)在x=0處函數(shù)值的變化率最大，即邊緣強度最大。而圖7c顯示的二階導數(shù)f″(x)在x=0處的函數(shù)值等于0，即x=0就是f″(x)的過零點，顯然二階導數(shù)的過零點即為f(x)變化率最大的點。因此在圖像邊緣檢測中邊緣強度圖的過零像素點即為原圖像的邊緣像素點。

(a) f(x) (b) f ′(x)

本文采取的過零點檢測方法如下：對邊緣強度的每一個像素點判斷以該像素的3×3領域內(nèi)的上下方向、左右方向、左上右下方向及右上左下方向的像素值是否有異號出現(xiàn)來判斷該像素點是否為過零點。原理如圖8所示。

(a) 左上右下 (b) 左右 (c) 右上左下 (d) 上下

采用本文改進DOG算法得到的鐵鞋邊緣如圖9所示。與未改進DOG算法得到的邊緣相比，邊緣細化效果十分明顯，得到的邊緣更清晰準確并且消除了大量無效邊緣有利于后續(xù)的特征點提取。

(a) DOG算法 (b) 改進DOG算法

3.3 特征點提取

L1=L1′×d

(10)

圖10 像素投影

4 實驗分析

為了測試本文算法得到鐵鞋與車輪相對位移的精確性，采用鞋底總長410 mm的鐵鞋置于鐵軌上進行了實驗。實驗環(huán)境為長30 m的60 kg/m標準雙軌，將固定有采集裝置的三腳架以垂直于鐵軌上一條線為基準位置進行鐵鞋圖像采集。鐵鞋距車輪的實際距離采用機械游標卡尺測量，其測量范圍0～350 mm，精度0.05 mm。移動鐵鞋位置采集6組實驗數(shù)據(jù)，使用公式(11)所示誤差計算方法，其中檢測距離為Δd，實際距離為Δs。實驗結果及誤差分析如表1所示。

由表1誤差結果分析看，本文算法得到的距離與實際測量間的平均誤差為0.495 mm，平均誤差百分比為0.585%。本文采用的鐵鞋相對位移檢測方法誤差保持在1%以內(nèi)，對于檢測鐵鞋位置具有較高的精度，可以實現(xiàn)對鐵鞋的準確定位。為了進一步說明本方法的精確性，通過了大量的現(xiàn)場數(shù)據(jù)，使用本文算法進行鐵鞋相對位移測量，將測量數(shù)據(jù)整理得出折線圖如圖11所示，結果表明該實驗實現(xiàn)了鐵鞋位置的動態(tài)檢測，檢測誤差較小，能精確地檢測出鐵鞋與車輪間的距離信息。

(11)

表1 鐵鞋位置數(shù)據(jù)分析

續(xù)表

圖11 鐵鞋與車輪的檢測距離與實際距離對比圖

5 結論

為了提高鐵鞋與車輪之間相對位移的檢測精度，提出了一種基于改進DOG邊緣檢測算子的鐵鞋與車輪之間相對位移的檢測方法，提取到的鐵鞋邊緣更加細化清晰有利于后續(xù)的鐵鞋特征點提取。實驗結果表明，該方法測得的鐵鞋相對位移十分精確，且誤差均在1%以內(nèi)。證明了該方法的可靠性和可行性，實現(xiàn)了鐵鞋與車輪之間相對位移的非接觸式檢測。本方法的提出避免了鐵鞋安裝不到位引發(fā)的安全問題，實現(xiàn)集防溜、撤鞋、在軌檢測于一體。為防止因車輛溜逸發(fā)生事故、確保車站行車安全提供一種技術保障。