摘要

本发明公开了一种基于图像处理的列车车底螺栓丢失检测方法，步骤为：利用多个线阵相机获取列车车底原始图像，采用两组双磁钢测速方式获取车速；进行车速曲线拟合，对车底原始图像进行畸变校正；对畸变校正后的图像进行光照不均校正，得到光照不均校正后的车底图像；将FAST算法和SURF算法相结合，对光照不均校正后的车底图像进行特征点提取和描述，将改进的k-d树最近邻查找算法与双向匹配的自适应阈值方法相结合，对不同相机采集的光照不均校正后的车底图像进行图像拼接得到车底完整图像；对车底完整图像集进行数据集制作和模型训练，利用深度学习目标检测SSD算法对车底螺栓丢失进行检测。本发明实时性强、检测精度高。

权利要求

1.一种基于图像处理的列车车底螺栓丢失检测方法，其特征在于，步骤如下：/n步骤1，车底原始图像的采集：利用多个线阵相机获取列车车底原始图像，同时采用两组双磁钢测速方式获取车速；/n步骤2，车底原始图像的畸变校正：获取的车底原始图像由于车速与相机扫描速率不相适应产生压缩或者拉伸的畸变，根据获得的车速数据利用圆弧曲线拟合技术进行车速曲线拟合，根据拟合曲线对车底原始图像通过拉伸或压缩进行畸变校正；/n步骤3，光照不均校正：利用二维Gamma函数自适应校正算法对畸变校正后的图像进行光照不均校正，得到光照不均校正后的车底图像；/n步骤4，多个相机模块图像的拼接：将FAST算法和SURF算法相结合，对光照不均校正后的车底图像进行特征点提取和描述，然后将改进的k-d树最近邻查找算法即BBF算法与双向匹配的自适应阈值方法相结合，对不同相机采集的光照不均校正后的车底图像进行图像拼接得到车底完整图像；/n步骤5，螺栓丢失检测：对获取到的车底完整图像集进行数据集制作和模型训练，利用深度学习目标检测算法SSD算法对车底螺栓丢失进行检测。/n

专利图片