一種機車蛇行運動監測方法技術

本發明專利技術公開了一種機車蛇行運動監測方法，屬于機車監控與安全領域，包括以下步驟：提取給定視頻的圖像尺寸，初始化FOE坐標、攝像機的焦距f

A monitoring method of locomotive hunting

The invention discloses a locomotive hunting monitoring method, belonging to the locomotive monitoring and safety field, which comprises the following steps: extracting a given video image size, initialize the FOE coordinates, the camera's focal length f

【技術實現步驟摘要】
一種機車蛇行運動監測方法
本專利技術涉及機車監控與安全領域，特別涉及一種基于前向車載視頻監視的機車蛇行運動監測方法。
技術介紹
評價鐵路運行的最基本的標準就是列車運行的穩定性和安全性，隨著中國鐵路的幾次大提速以及現在高鐵的建設，運行的穩定性和安全性也被擺在更加突出的位置，而機車橫向振動造成的蛇行運動會影響機車運行的穩定性和安全性。傳統的蛇行運動測量方法通常涉及接觸或位移傳感器，其需要涉及經常發生外部損壞的底盤和轉向架。國內近年來對機車蛇行運動有所研究，公開號為CN103196428A的中國技術專利“用于檢測運動物體的運動狀態的監測裝置，有軌列車及有軌機車”，其包括可動部件及位移檢測裝置，當機車曲線運動時，可動部件與位移檢測裝置產生位置變化，則產生輸出信號。而在機車直線運動時，由于產生的蛇行運動微弱，可動部件與位移檢測裝置產生的位移量小，則輸出的信號比較弱。不能很好的檢測蛇行運動。公開號為CN1033712806B的中國技術專利“高速列車轉向架蛇行運動檢測，分析系統及其檢測方法”，其實現了對轉向架的橫向加速度與縱向加速度的檢測、計算和報警，并對轉向架的橫向加速度值與縱向加速度進行存儲、顯示與分析。但是此方法無法實時監測路面狀況及蛇行運動情況。
技術實現思路
本專利技術所要解決的技術問題是提供一種機車蛇行運動監測方法，解決現有機車蛇行運動監測方法存在無法快速、實時觀測路面及蛇行運動的技術問題，有效地實現蛇行運動的監測。為解決上述技術問題，本專利技術采用的技術方案是：一種機車蛇行運動監測方法，包括以下步驟：步驟1：提取給定視頻的圖像尺寸，初始化FOE(FocusofExpansion)坐標、攝像機的焦距fd；步驟2：尋找連續的兩幀圖片的Harris角點，用LK算法對兩幀圖像之間相同角點進行跟蹤匹配；步驟3：計算機車的轉速度；步驟4：用不同轉速度的數據訓練回歸模型，用回歸模型預測當前蛇行程度。進一步的，在步驟1中，圖像的FOE坐標為其中，TX，TY為機車的瞬時平移速度T的分量。進一步的，在步驟2中，確定Harris角點具體為：步驟2.1：計算圖像I(x,y)在X和Y兩個方向的梯度Ix和Iy；步驟2.2：計算圖像兩個方向梯度的乘積和Ixy；步驟2.3：使用高斯函數對和Ixy進行高斯加權，生成矩陣M的元素A、B和C；步驟2.4：計算每個像素的Harris響應值R，并對小于某一閾值t的R置為零，其中R＝{R:detM-α(traceM)2＜t}；步驟2.5：在3×3或5×5的鄰域內進行非最大值抑制，局部最大值點即為圖像中的角點，Harris角點的表達式為：令w(x,y)表示高斯窗口中的權重，(x,y)表示4個移動方向(1，0)，(1,1)，(0,1)，(-1,1)。進一步的，在步驟2中，用LK算法對兩幀圖像之間相同角點進行跟蹤匹配，具體為：設I和J為連續兩幀圖像，其(x,y)點的灰度值分別為I(x,y)、J(x,y)；設u＝[ux,uy]T是圖像I上一點，設wx和wy分別是點左右擴展的窗口范圍，定義residualfunction為：將residualfunction變為：令通過LK算法，得出第k次的位移dk＝G-1bk，進行k次迭代后的位移結果為進一步的，所述步驟3具體為：設X0＝[x0,y0]T為CCD圖像中心的偏移量，則3D點X＝(X,Y,Z)T映射到焦平面上的圖像點為：像素速度為：令其中，W為機車的轉速度；令v(x)＝vT(x)+vW(x)，其旋轉分量vW(x)與機車旋轉速度W有關；在齊次坐標中，點XFOE和的組成的三角形的面積表示為則點XFOE到由點和組成的直線的距離為：ε是無限小的正數，得到轉速度W的最大似然估計為：進一步的，所述步驟3還包括以下過程：定義A＝(A(1),…,A(N))T，b＝(b(1),…,b(N))T，其中，設機車的角速度為為已知，定義對角矩陣SW＝diag(s(1),…s(N))，其中，令P為絕對殘差的對角矩陣，則進而得到表示為：其中，表示廣義逆矩陣，Q為加權矩陣，進一步的，所述步驟4具體為：通過實驗計算得到大量的轉速度數據，一部分角速度數據通過訓練得到特征數據β＝(β1,β2,……βi)，利用最大似然估計構建邏輯回歸模型f(θ)，再用所述回歸模型預測其它機車角速度情況下的蛇行運動程度。與現有技術相比，本專利技術的有益效果是：1)有效利用現有車載視頻設備，視頻信息量更豐富，簡單方便，不受機車車型影響，各種車型都可使用。2)可以實時、快速的監測機車的蛇行運動情況，以方便來調整機車的運動。3)自動化處理水平較高，可極大地降低操作人員工作量，并提高巡檢效率，及早發現蛇行運動問題。附圖說明圖1為本專利技術一種機車蛇行運動監測方法的流程示意圖。圖2為本專利技術視頻攝像機安裝示意圖。圖中：1-工作臺；2-支架；3-攝像機；4工控計算機。具體實施方式下面結合附圖和具體實施方式對本專利技術作進一步詳細的說明。攝像機可以收集空間密集的數據，并且提供了以較低精度為代價遠程測量的機會，相對便宜并且可以快速監測。本專利技術的基本思想是利用機車安裝的攝像機作為機車振蕩的監視器，雖然環境實際上是靜止和剛性的，在相機視場內，場景的所有部分都是移動的；機車運動可以基于感知穩定性假設從稱為光流場的圖像運動中推斷，以便提供關于運動方向和場景中的相對深度的信息，通過前向車載攝像機所拍攝的視頻，來分析機車蛇行運動的狀況。詳細包括以下步驟：步驟1：對于給定的視頻，提取圖像的尺寸，對FOE坐標(XFOE)、攝像機的焦距fd進行初始化，初始化圖像的FOE坐標為步驟2：尋找連續的兩幀圖片的Harris角點，用LK算法兩幀圖像之間相同角點進行跟蹤匹配。利用Harris檢測器來尋找圖片中的角點，對每一幀圖像進行角點檢測，角點的水平和豎直方向梯度都比較大，因此主要是計算方向梯度，然后根據特定門限判斷是否是最大，確定Harris角點。Harris角點的表達式為：此時，當u和v取兩組相互垂直的值時，E(u,v)都有較大值的點。將Harris圖像角點檢測方法歸納為以下五步：Step1：計算圖像I(x,y)在X和Y兩個方向的梯度Ix和Iy。Step2：計算圖像兩個方向梯度的乘積和Ixy。Step3：使用高斯函數對和Ixy進行高斯加權(取σ＝1)，生成矩陣M的元素A、B和C。Step4：計算每個像素的Harris響應值R，并對小于某一閾值t的R置為零，其中R＝{R:detM-α(traceM)2＜t}。Step5：在3×3或5×5的鄰域內進行非最大值抑制，局部最大值點即為圖像中的角點。對于上述檢測到的Harris角點，LK(Lucas-Kanade)跟蹤算法來求解連續兩幀圖像相同角點的位移問題。LK算法是基于特征點的跟蹤，而這里的特征點就是每個點對應的一個小窗口圖像塊，LK算法所要解決的是求解連續兩幀圖像相同特征點的位移問題，具體的實現步驟為：假設I和J為連續兩幀圖像，其(x,y)點的灰度值分別對應I(x,y),J(x,y)。設u＝[ux,uy]T是圖像I上一點，LK算法的目標是在圖像J找到一點v＝u+d＝[ux+dx,uy+dy]T使得點I(u)和點J(v)是同一個位置。為了求解這樣的點，LK求解這兩個點對應的小窗口內像素的相似度。設wx和wy分別是點左右本文檔來自技高網...

【技術保護點】
一種機車蛇行運動監測方法，其特征在于，包括以下步驟：步驟1：提取給定視頻的圖像尺寸，初始化FOE坐標、攝像機的焦距f

【技術特征摘要】
1.一種機車蛇行運動監測方法，其特征在于，包括以下步驟：步驟1：提取給定視頻的圖像尺寸，初始化FOE坐標、攝像機的焦距fd；步驟2：尋找連續的兩幀圖片的Harris角點，用LK算法對兩幀圖像之間相同角點進行跟蹤匹配；步驟3：計算機車的轉速度；步驟4：用不同轉速度的數據訓練回歸模型，用回歸模型預測當前蛇行程度。2.如權利要求1所述的一種機車蛇行運動監測方法，其特征在于，在步驟1中，圖像的FOE坐標為其中，TX，TY為機車的瞬時平移速度T的分量。3.如權利要求1所述的一種機車蛇行運動監測方法，其特征在于，在步驟2中，確定Harris角點具體為：步驟2.1：計算圖像I(x,y)在X和Y兩個方向的梯度Ix和Iy；步驟2.2：計算圖像兩個方向梯度的乘積和Ixy；步驟2.3：使用高斯函數對和Ixy進行高斯加權，生成矩陣M的元素A、B和C；步驟2.4：計算每個像素的Harris響應值R，并對小于某一閾值t的R置為零，其中R＝{R:detM-α(traceM)2＜t}；步驟2.5：在3×3或5×5的鄰域內進行非最大值抑制，局部最大值點即為圖像中的角點，Harris角點的表達式為：令w(x,y)表示高斯窗口中的權重，(x,y)表示4個移動方向(1，0)，(1,1)，(0,1)，(-1,1)。4.如權利要求1所述的一種機車蛇行運動監測方法，其特征在于，在步驟2中，用LK算法對兩幀圖像之間相同角點進行跟蹤匹配，具體為：設I和J為連續兩幀圖像，其(x,y)點的灰度值分別為I(x,y)、J(x,y)；設u＝[ux,uy]T是圖像I上一點，設wx和wy分別是點左右擴展的窗口范圍，定義residualfunction為：

【專利技術屬性】
技術研發人員：唐鵬，胡燕花，金煒東，
申請(專利權)人：西南交通大學，
類型：發明
國別省市：四川,51