李政鋒，林冬云，彭俠夫，鄒朝圣

(1.廈門大學(xué) 航空航天學(xué)院,福建 廈門 361102；2.廈門萬久科技股份有限公司,福建 廈門 361005)

轉(zhuǎn)轍機(jī)是轉(zhuǎn)換道岔位置，改變道岔開通方向，鎖閉道岔尖軌的重要信號設(shè)備，與高速行駛的列車安全緊密相關(guān)。軌道交通的密度日益增加對其可靠性、經(jīng)濟(jì)性和可用性提出了更高的要求[1-2]。

在實際現(xiàn)場中，轉(zhuǎn)轍機(jī)設(shè)備處于封閉環(huán)境，監(jiān)控系統(tǒng)通過控制器控制安裝在設(shè)備內(nèi)部的單目攝像機(jī)對連桿和鎖閉機(jī)構(gòu)進(jìn)行拍照，由設(shè)計的算法完成鎖閉機(jī)構(gòu)與連桿之間的缺口圖像識別并測量距離[3-4]。算法需要在嵌入式Linux操作系統(tǒng)下結(jié)合的ARM9或其他系列微處理器[4-7]上完成對轉(zhuǎn)轍機(jī)缺口圖像的快速識別和測量。

目前雖已有多種機(jī)器視覺自動檢測方法來替代傳統(tǒng)的接觸式和光電傳感器測量方式[2,4,8]，但在實際工程實現(xiàn)中都存在一些不足。文獻(xiàn)[3]先在缺口和基準(zhǔn)支架上粘貼輔助識別標(biāo)記，然后通過小波變換濾波、多尺度邊緣檢測和邊緣鏈碼特征篩選提取標(biāo)記邊緣，通過標(biāo)記的位置計算缺口當(dāng)前位置偏差。文獻(xiàn)[6]在文獻(xiàn)[3]的基礎(chǔ)上利用改進(jìn)的LSD算法提取圖像中標(biāo)記的邊緣直線段，兩種方法都需要粘貼輔助識別標(biāo)記，給實際工程中的實施帶來了巨大的工作量和不便。文獻(xiàn)[7]先利用Canny算子提取轉(zhuǎn)轍機(jī)表示桿缺口圖像的單像素邊緣獲得參考位置，再由幀間差分法提取缺口的移動部分，擬合邊界直線實時獲得缺口位置。但該方法測量的目標(biāo)移動區(qū)間通常較小，還需要設(shè)置參數(shù)裁剪圖像有效區(qū)域ROI來保證算法穩(wěn)定性，相機(jī)安裝位置的差異使得圖像裁剪參數(shù)和缺口參考位置難以通用。同時，算法對輔助光照、設(shè)備機(jī)型等要求較高，抗干擾能力較弱，存在拒識別問題，需要人工現(xiàn)場確認(rèn)。文獻(xiàn)[9]先利用Sobel算子邊緣檢測和連通域標(biāo)記對檢測缺口的邊緣進(jìn)行提取，通過直線變換和像素篩選計算出缺口像素大小，然后根據(jù)由最小二乘法擬合得到的缺口在圖像中的寬度和實際寬度的函數(shù)關(guān)系計算缺口實際大小。該方法需要多次人工測量擬合數(shù)據(jù)，由于實際的成批工業(yè)需求中每個相機(jī)的安裝距離和角度無法完全一樣，單獨擬合函數(shù)不切實際，通用的擬合函數(shù)往往以犧牲測量精度為代價。

基于模板匹配的目標(biāo)檢測方法是以圖像匹配作為核心技術(shù)的一種常用的目標(biāo)檢測手段[10]。文獻(xiàn)[11]利用軌道的螺栓幾何結(jié)構(gòu)約束，提出使用最近鄰分類器來檢測螺栓的快速模板匹配算法。文獻(xiàn)[12]通過設(shè)計掩模模板，提取扣件的HOG特征，并對扣件進(jìn)行分塊得到部件模型，結(jié)合彈簧模型度量部件相對位置關(guān)系，使用加權(quán)的HOG特征余弦相似性度量來區(qū)分正常、斷裂和丟失三種狀態(tài)的扣件。

針對目前方法的不足和實際的現(xiàn)場條件，本文提出一種基于模板匹配的轉(zhuǎn)轍機(jī)缺口檢測算法，設(shè)計一個融合缺口邊界梯度和尺寸信息的通用模板，并根據(jù)設(shè)計的模板確立相似性度量匹配準(zhǔn)則，通過對閾值分割和形態(tài)學(xué)濾波后的缺口圖像進(jìn)行匹配識別，實時獲得缺口位置。試驗表明：該算法對輔助光照變化、相機(jī)安裝距離和安裝角度具有良好的魯棒性，檢測結(jié)果滿足實際現(xiàn)場的快速和高精度要求。

1 轉(zhuǎn)轍機(jī)缺口檢測原理

轉(zhuǎn)轍機(jī)的種類眾多，以S700K轉(zhuǎn)轍機(jī)為例，S700K轉(zhuǎn)轍機(jī)又分為Ⅰ型(定位)和Ⅱ型(反位)，見圖1。在圖1中被固定的L形結(jié)構(gòu)為L標(biāo)，鐵塊壁上的凹槽即為需要識別的缺口。

圖1 S700K轉(zhuǎn)轍機(jī)

轉(zhuǎn)轍機(jī)的缺口圖像由安裝固定好的數(shù)字?jǐn)z像機(jī)拍攝，采集的Ⅰ型和Ⅱ型轉(zhuǎn)轍機(jī)缺口圖像見圖2。需要設(shè)計算法測量缺口中心線相對L標(biāo)中心線的偏移量，從而得知道岔轉(zhuǎn)換精度和行車的安全性。

圖2 S700K轉(zhuǎn)轍機(jī)缺口圖像

Ⅰ型和Ⅱ型的測量原理相同，以Ⅰ型為例說明檢測原理，見圖3。

圖3 轉(zhuǎn)轍機(jī)缺口檢測原理

由于L標(biāo)固定不動，攝像機(jī)安裝好后位置也是不變的，由此可以直接識別圖像中凹槽缺口的左右邊界，計算圖像中的缺口寬度δ和缺口中心在圖像上的移動量φ，根據(jù)已知的缺口實際寬度7.0 mm計算像素當(dāng)量，再根據(jù)人工標(biāo)定給出的缺口在基準(zhǔn)位置時其中心相對L標(biāo)中心的實際基準(zhǔn)偏移量D0，計算當(dāng)前缺口中心相對L標(biāo)中心的實際偏移量D，計算公式為

( 1 )

2 缺口檢測算法

2.1 算法總體流程和框架

轉(zhuǎn)轍機(jī)缺口檢測算法是通過對自適應(yīng)閾值分割后的缺口圖像進(jìn)行分析和建模，將建立的模板作為標(biāo)準(zhǔn)缺口二值圖像，根據(jù)相似性度量準(zhǔn)則對圖像中的缺口進(jìn)行匹配檢測。缺口檢測流程見圖4，算法首先對數(shù)字?jǐn)z像機(jī)采集的缺口圖像進(jìn)行自適應(yīng)閾值分割和形態(tài)學(xué)濾波，完成圖像預(yù)處理；然后使用設(shè)計的變尺度缺口二值圖像模板依照建立的相似性度量準(zhǔn)則對缺口圖像進(jìn)行匹配識別；最后根據(jù)存儲的缺口基準(zhǔn)圖像的匹配結(jié)果和基準(zhǔn)偏移量計算缺口當(dāng)前偏移量。

圖4 缺口檢測算法流程

對于Ⅱ型轉(zhuǎn)轍機(jī)，當(dāng)缺口邊界被L標(biāo)遮擋時，模板匹配算法根據(jù)匹配結(jié)果自動判別，將當(dāng)前圖像的預(yù)處理結(jié)果與存儲的缺口基準(zhǔn)圖像的預(yù)處理結(jié)果差分處理，通過提取的連通域判斷缺口移動方向和大小，利用基準(zhǔn)偏移量計算缺口當(dāng)前偏移量，流程見圖4。

2.2 圖像預(yù)處理

2.2.1 自適應(yīng)閾值分割

自適應(yīng)閾值分割是利用圖像局部灰度閾值替換全局閾值對圖像進(jìn)行二值化處理[10]，從而更好地保留圖像信息，分割原理為

( 2 )

式中：f(x,y)為原圖像素點(x,y)的灰度值；G(x,y)為閾值分割后像素點(x,y)的灰度值；T(x,y)為像素點(x,y)的分割閾值。

考慮到實際現(xiàn)場的設(shè)備安裝在需要輔助照明的封閉鐵盒中，自適應(yīng)閾值分割算法要求對輔助光照變化具有良好的穩(wěn)健性。經(jīng)比較和分析后采用文獻(xiàn)[13]提出的使用積分圖像的自適應(yīng)閾值分割方法，計算以每個像素點(x,y)為中心的s×s像素窗口的灰度平均值average_s(x,y)，以灰度均值作為分割閾值參考，根據(jù)設(shè)定的分割閾值權(quán)重參數(shù)t計算該像素點(x,y)的分割閾值，即

( 3 )

經(jīng)分析和試驗，將閾值分割參數(shù)s和t分別設(shè)定為H/8和0.1，其中H為圖像的像素行數(shù)。當(dāng)圖像邊界上的像素的鄰域窗口不足s×s大小時，超出圖像邊界的部分不參與s×s像素窗口灰度均值計算。

2.2.2 形態(tài)學(xué)濾波

轉(zhuǎn)轍機(jī)表面存在較明顯的紋理和非均勻發(fā)散的簡易輔助照明，使得轉(zhuǎn)轍機(jī)金屬表面容易反光，甚至在局部形成高亮的連通域斑塊給缺口圖像的識別和邊界提取增加了干擾和難度。形態(tài)學(xué)運(yùn)算[10]是分析幾何形狀和結(jié)構(gòu)的數(shù)學(xué)方法。形態(tài)學(xué)濾波[3,14]可以去除幾乎所有的高斯噪聲和干擾引起的偽邊緣，對削弱轉(zhuǎn)轍機(jī)表面的紋理和光照引起的干擾，還原缺口邊緣具有較強(qiáng)的魯棒性。

如圖5所示，形態(tài)學(xué)開運(yùn)算可以將缺口二值圖中連接的噪聲點斷開，填充運(yùn)算可以將連通域中微小的孔洞修補(bǔ)。由此，先對圖像填充去除紋理特征，避免直接開運(yùn)算引起完整連通域的分割和破壞；再對其進(jìn)行開運(yùn)算，斷開小連通域與大連通域的連接；然后對圖像腐蝕，去除小的連通域和噪聲干擾；最后將腐蝕結(jié)果對開運(yùn)算結(jié)果進(jìn)行重構(gòu)，還原缺口邊緣細(xì)節(jié)。

圖5 缺口邊緣不同形態(tài)學(xué)濾波算法效果

濾波流程見圖6。

圖6 形態(tài)學(xué)濾波流程

經(jīng)試驗和分析，填充算法采用漫水填充，開運(yùn)算和腐蝕運(yùn)算分別采用3×3和6×6的圓盤結(jié)構(gòu)元素。Ⅰ型缺口預(yù)處理過程中的結(jié)果見圖7。

圖7 I型缺口圖像預(yù)處理

2.3 變尺度模板匹配

基于模板匹配的目標(biāo)檢測方法是以事先獲取的目標(biāo)先驗?zāi)Ｐ突蛘呦闰炐畔⒆鳛槟０?，提取能夠反映目?biāo)自身與其他不同目標(biāo)之間最大化差異的特征，并根據(jù)該特征確定相似性度量和匹配準(zhǔn)則，通過搜索和匹配算法來確定模板與待檢測圖像的相似性，從而達(dá)到目標(biāo)檢測和定位的目的[10]。

2.3.1 變尺度模板設(shè)計

模板的設(shè)計結(jié)果對整個檢測系統(tǒng)起著至關(guān)重要的作用，它影響著目標(biāo)的準(zhǔn)確檢測。模板的設(shè)計主要有先驗信息獲取、最大化差異特征提取與表示兩個步驟。

(1)先驗信息獲取

如圖8所示，圖8(a)中缺口底部連通域孤立，可通過連通域特征篩選剔除，圖8(b)中轉(zhuǎn)轍機(jī)表面反光和油漬等污染使得缺口底部不可避免地與缺口邊界相連通，無法剔除。模板需要對缺口底部區(qū)域的不確定性具有很強(qiáng)的自適應(yīng)能力，能夠穩(wěn)定應(yīng)對不定的缺口底部連通域形狀。同時，由于轉(zhuǎn)轍機(jī)上的相機(jī)安裝距離和角度不盡相同，缺口在圖像中的寬度在60～130像素不等，模板應(yīng)該設(shè)計為變尺度模板，以應(yīng)對不同設(shè)備的相機(jī)安裝距離和角度引起的缺口在圖像中的寬度不等的問題。

圖8 Ⅰ型缺口二值圖像

(2)最大化差異特征提取與表示

如圖8(c)所示，缺口圖像的最大特征是其左右邊界平行且對稱，邊界的梯度方向相反且有順序關(guān)系。由此可以設(shè)定缺口模板邊界元素值為1和-1來衡量缺口左右邊界梯度，1和-1的設(shè)定順序?qū)?yīng)各自邊界的梯度方向，同時保證模板對缺口邊界存在的鋸齒和傾斜等問題的應(yīng)對能力。根據(jù)先驗信息，可以將模板中心設(shè)定為0來消除缺口底部連通域形狀不定干擾因素，并將模板的尺度d的變化區(qū)間設(shè)定為50～140像素，模板像素高度設(shè)定為40像素以增強(qiáng)模板的魯棒性。模板設(shè)計結(jié)果見圖9。

圖9 變尺度缺口二值圖像模板

2.3.2 模板匹配相似性度量準(zhǔn)則

相似性度量是影響圖像目標(biāo)檢索結(jié)果的關(guān)鍵之一，它可以很好地模擬人對圖像的理解[15]，是模板匹配的重要依據(jù)。為適應(yīng)模板的特點，同時簡化模板匹配的準(zhǔn)則，先將待匹配的缺口二值圖像進(jìn)行變形，變形方式為

( 4 )

式中：g(x,y)為預(yù)處理結(jié)果；h(x,y)為變形結(jié)果。

根據(jù)模板和圖像變形結(jié)果特點，將相似性度量準(zhǔn)則設(shè)定為

( 5 )

式中：temp(d,i,j)為尺度d的模板；F(x,y,d)為尺度d的模板與以(x,y)為起點的h(x,y)局部圖像的相似性度量。

根據(jù)相似性度量準(zhǔn)則可知，當(dāng)模板匹配到清晰的缺口左右邊界時，被匹配到的局部子圖像與等大的模板temp邊界的相似度會很高，F(xiàn)(x,y,d)的結(jié)果為大量的(-1)×(-1)+1×1+0之和，結(jié)果值較大。當(dāng)變尺度模板的左右邊界未同時匹配到缺口的左右邊界時，F(xiàn)(x,y,d)的值會顯著降低。同時，當(dāng)缺口邊緣有噪聲干擾和缺損等突變時，缺口右邊界像素值由1變成-1，導(dǎo)致F(x,y,d)的求和表達(dá)式中出現(xiàn)(-1)×1，F(xiàn)(x,y,d)微許下降，該匹配位置的F(x,y,d)始終是整個圖像的全局最大相似性度量值，對應(yīng)的匹配位置仍為缺口準(zhǔn)確位置。模板對隨機(jī)噪聲，邊界缺損、鋸齒、輕微傾斜和相機(jī)的安裝距離具有很強(qiáng)的魯棒性。

實際中，當(dāng)缺口緩慢偏移時，缺口對應(yīng)的相似性度量Fmax會因缺口偏移引起的噪聲而緩慢減小，接著,噪聲的平穩(wěn)性會使之處于小范圍內(nèi)平穩(wěn)階段。當(dāng)缺口偏移量進(jìn)一步增加時，由于缺口嚴(yán)重偏移圖像中心，圖像中的缺口邊緣產(chǎn)生較大傾斜和畸變，最大相似性度量Fmax迅速下降，最后收斂于一穩(wěn)定值，對應(yīng)的變化曲線見圖10。

圖10 最大相似性度量與缺口偏移量關(guān)系曲線

設(shè)定最大相似性度量閾值為110，當(dāng)Fmax低于110時，直接判定缺口嚴(yán)重偏移超過7.0 mm。

2.3.3 變尺度模板匹配優(yōu)化

傳統(tǒng)的模板匹配目標(biāo)搜索算法效率較低，由此對變尺度模板匹配算法進(jìn)行優(yōu)化，保證缺口識別檢測效率。

如圖11所示，將模板temp分為左子模板temp1和右子模板temp2兩部分，先利用左子模板匹配搜索缺口左邊界，相似性度量準(zhǔn)則為

圖11 缺口二值圖像左、右子模板

( 6 )

式中：temp1(i,j)為左子模板；F1(x,y)為以(x,y)為起點的h(x,y)局部圖像與缺口左子模板相似性度量值，由于圖像與模板的特殊性，其與歸一化相關(guān)結(jié)果等價。

設(shè)定F1(x,y)的閾值T1,當(dāng)F1(x,y)超過閾值T1時，利用右子模板temp2進(jìn)行匹配計算F(x,y,d)，匹配出以(x,y)為缺口左邊界起點的最佳尺度，即

F(x,y,d)=F1(x,y)+

( 7 )

式中：temp2(i,j)為右子模板。

優(yōu)化后的模板匹配流程見圖12。

圖12 優(yōu)化后的模板匹配流程

最終確定T1為40,并在后續(xù)的匹配識別中參考基準(zhǔn)缺口圖像匹配出的尺度d0，將匹配尺度d的范圍減少到d0-5至d0+5之間，去除不必要的搜索尺度。

2.3.4 偏移量計算

設(shè)匹配結(jié)果的最大相似性度量Fmax對應(yīng)于F(x,y,d)，則缺口的左邊界起始點為像素點(x,y)，缺口像素寬度為d+4，缺口中心的像素列坐標(biāo)為y+(d+4)/2，將其代入式( 1 )即有

( 8 )

式中:B0為基準(zhǔn)圖像中缺口中心的像素列坐標(biāo)，由模板匹配算法對基準(zhǔn)圖像匹配結(jié)果計算得到。

2.4 缺口遮擋補(bǔ)償方案

L標(biāo)是S700K轉(zhuǎn)轍機(jī)的固定結(jié)構(gòu)，其中S700K-Ⅱ型轉(zhuǎn)轍機(jī)的L標(biāo)在缺口正前方，當(dāng)缺口偏移超過一定量后，會出現(xiàn)被L標(biāo)遮擋邊界的情況。

如圖13所示，當(dāng)L標(biāo)遮擋缺口邊界時，模板不能匹配出正確結(jié)果。

圖13 Ⅱ型缺口模板匹配結(jié)果

分析可知，通過圖像差分提取缺口未遮擋的那個邊界的位置，對比該邊界在基準(zhǔn)處的位置也可以計算缺口偏移量。

2.4.1 圖像差分邊界提取

本文設(shè)計的圖像差分算法為

( 9 )

式中：gB(x,y)為基準(zhǔn)圖像預(yù)處理結(jié)果；g(x,y)為圖像預(yù)處理結(jié)果；d(x,y)為差分圖像。

當(dāng)轉(zhuǎn)轍機(jī)缺口右移被L標(biāo)遮擋邊界時，由圖像差分得到的結(jié)果見圖14。分析可知，不同程度的轉(zhuǎn)轍機(jī)缺口右移得到的差分圖像具有如下相同特點：

(1)連通域的右邊界始終為當(dāng)前缺口右邊界；

(2)連通域中心線(圖14中的黃線)始終在缺口基準(zhǔn)位置中心線(圖14中的綠線)的右邊，與缺口移動方向相同。

圖14 缺口右移時圖像差分算法原理

同理，當(dāng)轉(zhuǎn)轍機(jī)缺口向左移動時，圖像差分算法結(jié)果具有對稱的性質(zhì)。通過提取連通域，根據(jù)其相對位置可以判別出缺口移動方向，獲得未遮擋邊界位置。

實際的圖像差分結(jié)果見圖15，通過形態(tài)學(xué)濾波可以去除細(xì)小的連通域和缺口邊界的毛刺噪聲。

圖15 Ⅱ型缺口遮擋處理過程

根據(jù)連通域的像素面積S、外接矩形長寬比K以及面積飽和度M(S與其外接矩形面積的比值)，對缺口邊界位移差連通域進(jìn)行篩選。

經(jīng)試驗和分析，將S的閾值設(shè)為600，K的閾值設(shè)為1，M的閾值設(shè)為0.7。當(dāng)無滿足條件的連通域時，直接判別為缺口嚴(yán)重偏移超過7.0 mm；當(dāng)有多個連通域滿足篩選閾值條件時，若有M超過0.8，則將M最大的判定為篩選結(jié)果，否則將S最大的連通域判定為篩選結(jié)果。連通域篩選結(jié)果見圖15(b)(圖中已用紅框標(biāo)出)。

2.4.2 補(bǔ)償方案的偏移量計算

缺口偏移量計算變量見圖16，B0為缺口基準(zhǔn)位置圖像的中心線列坐標(biāo)，a0、b0為其左、右邊界的列坐標(biāo)，d0為基準(zhǔn)圖模板匹配的尺度結(jié)果，均為保存的參數(shù)。

圖16 圖像差分計算變量示意

缺口偏移量計算步驟如下：

Step1使用模板匹配對缺口圖像進(jìn)行匹配得到尺度d，并根據(jù)式( 8 )計算偏移量D。

Step2若尺度d與尺度d0相差不超過3且偏移量D小于2 mm則識別成功，此時偏移量小，L標(biāo)未擋住缺口邊界。

Step3不滿足Step2中的條件則識別失敗，使用差分算法計算二值圖像與基準(zhǔn)圖像預(yù)處理結(jié)果的差分圖像，并根據(jù)篩選閾值提取連通域，計算連通域外接矩形的左右邊界像素列坐標(biāo)a、b及其中心線的像素列坐標(biāo)P，見圖16。根據(jù)定義，B0和P必定存在一大一小，由B0和P大小關(guān)系判斷偏移方向，并計算偏移量D，計算式為

(10)

3 算法試驗與測試

3.1 識別性能測試試驗

選擇6臺安裝好攝像機(jī)的S700K轉(zhuǎn)轍機(jī)對算法進(jìn)行試驗，6臺設(shè)備的相機(jī)安裝角度、距離和輔助光照未經(jīng)人為統(tǒng)一，試驗結(jié)果見圖17。

圖17 6臺轉(zhuǎn)轍機(jī)缺口識別結(jié)果

為驗證算法可以應(yīng)對隨機(jī)選取的6臺轉(zhuǎn)轍機(jī)的輔助光照條件，測試算法對光照的穩(wěn)健性，多次改變同一臺轉(zhuǎn)轍機(jī)的光照進(jìn)行試驗，識別結(jié)果見圖18。測量的偏移量結(jié)果沒有差異，模板匹配結(jié)果對偏移量計算結(jié)果無影響。

圖18 光照變化測試試驗

隨機(jī)移動6臺轉(zhuǎn)轍機(jī)缺口位置，分別采集50～60張缺口不同位置的圖像進(jìn)行算法測試，統(tǒng)計6臺轉(zhuǎn)轍機(jī)的測試結(jié)果如表1所示。

表1 6臺轉(zhuǎn)轍機(jī)缺口識別測試結(jié)果

分析表1可知，算法共處理了310張不同狀態(tài)的S700K轉(zhuǎn)轍機(jī)缺口圖像，準(zhǔn)確識別了276張，準(zhǔn)確嚴(yán)重偏移報警了34張，無錯誤判斷。

試驗結(jié)果表明：模板匹配算法對輔助光照的條件具有良好的魯棒性，對設(shè)備的安裝角度和距離具有較強(qiáng)的適應(yīng)能力，可以對缺口準(zhǔn)確檢測識別和嚴(yán)重偏移報警。

3.2 測量性能驗證試驗

通過提取原始圖像中的缺口邊緣，并與算法處理結(jié)果進(jìn)行對比，驗證算法的處理精度，見圖19，圖中紅色部分為邊緣的重合部分。

經(jīng)試驗統(tǒng)計得知，因數(shù)字相機(jī)成像過程中的信號采樣和其他噪聲干擾等因素，缺口的邊緣通常不在一條直線上，邊緣主干跨越區(qū)為1～2個像素寬度，見圖19(b)。

將表1中的算法測量結(jié)果與人工校驗結(jié)果對比，統(tǒng)計不同測量區(qū)間的識別次數(shù)、最大測量偏差、缺口邊緣重合率和邊緣在跨越區(qū)比率,結(jié)果如表2所示。

表2 6臺轉(zhuǎn)轍機(jī)測量區(qū)間與精度統(tǒng)計結(jié)果

由統(tǒng)計結(jié)果表2可知，在0～5.0 mm的測量區(qū)間內(nèi)，算法處理后的缺口邊緣與原始邊緣重合率達(dá)78.9%，缺口邊緣保留在跨越區(qū)內(nèi)的比率達(dá)83.2%，算法可以在邊緣跨越區(qū)內(nèi)匹配到缺口左右邊界，左右邊界位置偏差均不大于一個像素，由此缺口中心位置的計算結(jié)果偏差不大于一個像素，分析可知，圖像中缺口的寬度為105～120像素(圖像大小為640×480)，根據(jù)實際缺口寬度7.0 mm可知像素當(dāng)量為0.058～0.067 mm，理論誤差小于0.067 mm。對比實際結(jié)果表2可知，在0～5.0 mm的測量區(qū)間精度達(dá)到0.2 mm，在0～4.0 mm的測量區(qū)間內(nèi)精度達(dá)到0.1 mm。

為驗證算法測量性能對噪聲干擾的魯棒性，在不同方差σ的零均值高斯噪聲環(huán)境下對算法進(jìn)行試驗，見圖20，統(tǒng)計結(jié)果如表3所示。

圖20 零均值高斯噪聲干擾測試試驗

表3 噪聲干擾試驗統(tǒng)計結(jié)果

由統(tǒng)計結(jié)果表3可知，在方差為0.005的較強(qiáng)噪聲干擾下，算法在0～5.0 mm的測量區(qū)間內(nèi)具有較高的識別率，缺口邊緣保留在跨越區(qū)內(nèi)的比率達(dá)到79.6%，測量精度達(dá)到0.2 mm，在0～4.0 mm的測量區(qū)間內(nèi)測量精度達(dá)到0.1 mm，同時，算法的報警性能可以滿足現(xiàn)場需求。

分析可知，當(dāng)缺口偏移量超過4.0 mm時，實物平面與相機(jī)鏡面的不完全平行引起了像素當(dāng)量變化，影響了測量精度。當(dāng)缺口偏移量超過5.0 mm時，若同時存在較大噪聲干擾，自適應(yīng)閾值化算法會將部分噪聲判為缺口邊緣，形態(tài)學(xué)濾波無法全部處理，對于I型設(shè)備而言，模板匹配算法對邊緣噪聲干擾還較強(qiáng)，可以穩(wěn)定應(yīng)對突出的毛刺，但Ⅱ型設(shè)備因遮擋而采用的連通域提取補(bǔ)償算法無法應(yīng)對較大噪聲引起的毛刺，會引起1～2像素級的處理誤差，測量精度下降。當(dāng)缺口偏移量增加到5.0～7.0 mm，缺口偏移圖像中心，邊界的變形和傾斜影響算法精度，若此時存在較強(qiáng)噪聲的干擾，缺口與模板的相似性度量會降低，報警的偏移閾值減小。

結(jié)果表明：模板匹配算法測量精度滿足要求，檢測區(qū)間廣，抗干擾魯棒性較強(qiáng)，具有嚴(yán)重偏移判斷優(yōu)勢，可以在較大范圍內(nèi)防止目標(biāo)丟失，無需人工頻繁現(xiàn)場判斷。

3.3 實際現(xiàn)場測試

最后，根據(jù)實際現(xiàn)場情況選用了57臺轉(zhuǎn)轍機(jī)設(shè)備，將算法程序在嵌入式Linux操作系統(tǒng)下結(jié)合的ARM9 300 M微處理器上完成交叉編譯，完成實際現(xiàn)場測試。其中有2臺設(shè)備過于破舊，其缺口邊界破損和殘缺過于嚴(yán)重，未參與實際測試。

測試結(jié)果表明：系統(tǒng)運(yùn)行穩(wěn)定，算法測量結(jié)果理想，可以滿足在0.5 s內(nèi)對轉(zhuǎn)轍機(jī)缺口圖像的快速識別和測量要求。

綜上所述，本文提出的算法現(xiàn)場適用率較高，除缺口缺損嚴(yán)重的轉(zhuǎn)轍機(jī)之外，對轉(zhuǎn)轍機(jī)缺口具有良好的識別和定位測量性能，能夠滿足實際現(xiàn)場需求。

4 結(jié)論

轉(zhuǎn)轍機(jī)缺口監(jiān)控與檢測一直是鐵路現(xiàn)場電務(wù)人員面對的主要難題。本文對現(xiàn)有的轉(zhuǎn)轍機(jī)缺口自動檢測識別方法和實際的現(xiàn)場需求問題進(jìn)行分析，提出了一種基于缺口圖像建模和匹配的簡易識別方法。該方法利用了匹配模板穩(wěn)定與靈活的優(yōu)勢，將缺口的尺寸和邊界梯度信息融合成變尺度的標(biāo)準(zhǔn)模板，簡化了轉(zhuǎn)轍機(jī)缺口圖像的識別定位過程，增強(qiáng)了視覺系統(tǒng)的監(jiān)控性能。與現(xiàn)有的方法相比，該測量方法簡單，且利用了缺口標(biāo)準(zhǔn)的7.0 mm寬度“天然標(biāo)簽”，無需識別標(biāo)記和人工多次測量標(biāo)定等參數(shù)設(shè)定，算法對設(shè)備的安裝距離和角度有較好的適應(yīng)能力，對輔助照明的變化和其他噪聲干擾魯棒性強(qiáng)，檢測精度高，檢測區(qū)間廣，在實際的工程應(yīng)用中可以很好地滿足成批的測量現(xiàn)場需求。算法可以為其他識別測量需求提供方案參考和思路。