针对人工判读道岔尖轨伸缩位移图像存在效率低和误差大的问题,为实现尖轨伸缩位移的实时自动监测,提出1种基于层次积分梯度的尖轨伸缩位移图像自动判读算法。采用逐层逼近目标区域的方式,克服尖轨伸缩位移图像中噪声和不相关信息的干扰,...针对人工判读道岔尖轨伸缩位移图像存在效率低和误差大的问题,为实现尖轨伸缩位移的实时自动监测,提出1种基于层次积分梯度的尖轨伸缩位移图像自动判读算法。采用逐层逼近目标区域的方式,克服尖轨伸缩位移图像中噪声和不相关信息的干扰,以SURF(Speeded Up Robust Features)算子的特征匹配结果为指导,逐步提取图像中的有效区域;利用积分梯度的抗噪特性,根据积分梯度和极值点精确定位刻度尺的特征点位置,结合可信度检验,实现尖轨伸缩位移图像的自动判读。用该算法对监测现场采集的尖轨伸缩位移图像进行判读的结果表明,可在2s内自动判读尖轨伸缩位移图像,总体偏差在0.5mm以内,能够满足目前现场对尖轨伸缩位移实时自动监测的要求。展开更多
文摘针对人工判读道岔尖轨伸缩位移图像存在效率低和误差大的问题,为实现尖轨伸缩位移的实时自动监测,提出1种基于层次积分梯度的尖轨伸缩位移图像自动判读算法。采用逐层逼近目标区域的方式,克服尖轨伸缩位移图像中噪声和不相关信息的干扰,以SURF(Speeded Up Robust Features)算子的特征匹配结果为指导,逐步提取图像中的有效区域;利用积分梯度的抗噪特性,根据积分梯度和极值点精确定位刻度尺的特征点位置,结合可信度检验,实现尖轨伸缩位移图像的自动判读。用该算法对监测现场采集的尖轨伸缩位移图像进行判读的结果表明,可在2s内自动判读尖轨伸缩位移图像,总体偏差在0.5mm以内,能够满足目前现场对尖轨伸缩位移实时自动监测的要求。
