接触网定位器自动识别算法研究

摘要

接触网检测是保证电气化铁路接触网可靠运行的一项重要工作，保证接触网工作状态的安全对铁路运输有着至关重要的意义。因此，为确保高速铁路动车组运营秩序，提高动车组的供电安全性、可靠性，提出了构建高速铁路供电安全检测监测系统的目标。其中的一项子系统“接触网悬挂状态检测监测装置”的检测目标便是对接触网的各项参数及各零部件的状态进行检测，其中定位器坡度检测便是其中的一项重要任务。因此，从图像中自动识别出定位器的位置就成为了检测工作的基础。
　　本文提出了一种基于图像处理技术的接触网定位器自动识别技术。其主要通过Hough直线检测以及AdaBoost机器学习算法来实现。AdaBoost机器学习算法主要是根据图像特征的特征值，找出一个阈值来将目标与非目标分开。接触网的各零部件（支柱、腕臂、定位器等）均具有明显的直线特征，因此，根据以上特点可以将定位器的识别过程分两步来完成:首先提取图像的直线特征，根据直线的每一个特征定义一个特征值;然后，根据提取的直线特征对AdaBoost机器算法进行训练，得出弱分类器与强分类器;最后通过得到的强分类器便可以对图像进行检测，对定位器进行识别。
　　在研究过程中发现，由于拍摄到的图像范围较大，对其进行直线特征提取时往往会检测到大量的直线，而且定位器相比起图像中的其他零部件要小得多。针对以上情况，首先对支柱进行识别，识别到支柱后根据定位装置在支柱上的安装位置，截取出只包含定位装置的图像，这样便大大缩小了定位器的检测范围。然后再对定位装置的图像进行处理，以实现对定位器的识别。
　　在完成对定位器识别的同时，算法还可以得出定位器的坡度值，但此时的值只是图像坐标中的值。通过图像坐标与世界转换关系，得出真实情况中的定位器坡度值。

目录

声明

摘要

第1章 绪论

1．1 引言

1．2 国内外研究现状

1．2．1 国外现状

1．2．2 国内现状

1．3 本文研究内容

第2章 接触网定位器与接触网检测系统

2．1 定位器及其工作状态

2．2 接触网检测系统

2．3 检测系统的功能要求

2．4 定位器检测

2．5 本章小结

第3章 定位器识别关键性技术

3．1 MATLAB图像处理

3．2 边缘检测

3．2．1 一阶梯度检测算子

3．2．2 二阶梯度检测算子

3．2．3 Canny边缘检测器

3．2．4 几种边缘检测算法的实际应用比较

3．3 Hough变换直线检测

3．4 机器学习

3．4．1 常用的机器学习算法及适用情况

3．4．2 Boosting算法

3．4．3 AdaBoost算法训练流程

3．4．4 强学习与弱学习

3．4．5 AdaBoost算法训练误差的上界

3．4．6 训练轮数T的确定

3．5 AdaBoost算法应用于定位器识别的可行性分析

3．6 本章小结

第4章 接触网定位器识别

4．1 简介

4．2 接触网图像采集

4．3 接触网定位器的粗略定位

4．3．1 直线特征提取

4．3．2 特征值

4．3．3 弱分类器与强分类器的选取

4．4 定位器精确识别

4．5 实验结果

4．6 识别功能在接触网检测中的应用

4．6．1 定位器坡度检测

4．6．2 接触网其他零部件的识别

4．6．3 接触网关键位置成像

4．7 本章小结

结论

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果