摘要
近年来，随着国民经济的快速稳定发展，铁路作为国民经济的大动脉，正在经历跨越式发展的历程，传统的人工检测已经不能满足列车运行的安全性要求。货车故障轨边图像检测系统（TFDS）应运而生。其主要目的在于消除由人工检测所引起的不确定因素，提高货车故障检测的准确率和可靠性，从而实现故障从人工检测向人机结合检测或机控自动检测模式的转变，最终完全实现对货车故障的自动化检测。 针对TFDS涉及车辆型号众多、零件类型复杂、故障特征各异以及识别要求严格的特点，本文重点研究基于几何模型辅助的TFDS典型故障图像自动识别方法，并结合图像的形状与灰度特征，将几何不变矩匹配算法应用到货车故障图像检测中，拟采用机器视觉代替人工检测，实现对TFDS典型故障的快速检测。 首先，在研究CAD模型中组成零件的圆、直线等基本图元的图像识别方法基础上，借助直线斜率与夹角等几何关系提出椭圆、矩形、梯形以及其它多边形等复杂组合图元辅助定位或者故障判别的方法。 其次，因光照、遮挡等干扰导致仅依靠灰度特征难以分割的零件，结合TFDS中较明显的零件几何轮廓，提出基于车辆CAD模型中零件形状特征及其相互间约束关系以辅助定位、识别TFDS图像中对应零件的方法，并运用该方法实现了对货车挡键丢失故障图像的自动化识别。 此外，为克服单纯依靠几何模型辅助的零件定位及识别方法的不足，将基于几何不变矩的图像匹配方法成功应用到货车挡键故障图像识别上，取得了良好的实验效果，并与几何模型辅助零件定位及识别方法作了对比分析。 最后，自主研发了一套TFDS故障动态图像识别系统。该系统适用于多种型号铁路列车的典型故障在线识别，实用简单，识别效率高，可靠性好，验证了所提出识别方法的有效性。 本文提出的基于几何模型辅助零件定位及识别方法为解决货车典型故障图像的自动化识别提供了一种新的解决方案，为货车故障图像识别的工程化应用奠定了基础。
NETL