No.3Mar.2021
第3期2021年3月
组合机床与自动化加工技术
Modular Machine Tool & Automatic Manufactudng Techinque
文章编号：1001 -2265（2021）03 -0094 -04
DOI # 10.13462/j. cnki. mmRmt. 2021.03.022
钱荣威S 马增强1!2，许丹丹1，周涵1
（1.石家庄铁道大学电气与电子工程学院，石家庄050043 ；2.石家庄铁道大学省部共建交通工程 结构力学行为与系统安全国家重点实验室，石家庄050043）
摘要：为提高铁鞋与车轮之间相对位移的检测精度，提出了一种基于改进DOG 边缘检讽'］算子的铁 鞋与车轮之间相对位移的检测方法。该方法将相机安装在车轮旁侧的油箱上，首先对铁鞋图像进 行预处理，
其次采用改进DOG 边缘检测算子获得铁鞋轮廓，对铁鞋轮廓进行特征点提取得到铁鞋 尾部特征点，最后结合相机标定得到铁鞋与车轮的相对位移。实验结果表明，该方法实现了列车铁 鞋与车轮之间相对位移的非接触检测，且误差在1%以内。改变了目前人工现场检查工作 状态的传统方法，减轻了人工作业强度，该方法的提出为后续进一步开展列车运行安全状态监测与 评价研究奠定了基础。 关键词：车载相机;DOG 算子；图像处理；边缘检测；相机标定中图分类号:TH162: TG506 文献标识码：A
Detection of Relative Displacemeet of Skalt Based on Improved DOG Edge Detection Operator
QIAN Rong-wL 1 , MA Peng-qiang 1,2, XU Dan-dan 1 , PHOU Han 1
(1. School of Elect+cal and Electronic Engineering , Shyiazhuang Tiedao University , Shyiazhuang 050043 , China ；2. State Key Laboratoo of Mechanical Behavios and System Safety of Traffic EngineeOng Structures , Shyiazhuang Tiedao University , Shpiazhuang 050043 , China )
双角钢
Abstrad;: To improve the detection accuracy of relative displacement between skate and wheel , a detection meiod of relative displacement between son shoe and wheel based on improved DOG edge detection oper ator is proposed. In ais meiod , tiie camera is instaHed on tiie oil tank beside tiie wheel. Fistly , tiie im age of ae son shoe is preprocessed. Secondly , tiie improved DOG edge detection operator is used to ob tain tiie outline of the iron shoe. Secondly , the feaare points of tiie taii of the son shoe are extacted from tiie outline of the son shoe. Fintly , tiie relative displacement of ae iron shoe and tiie wheel is obtained by
combining the camera calibra tion. The experimen tal re$ul t$how thatthemethod realiee$thenon-contact detection of ae relative dsplacement between tiie train shoe and wheel , and tiie error is witiiin 1 % . It has changed the taditionai method of checking tiie working condition of anti slide shoes on tiie spot and re duced the intensity of manual work. Ths meiod has laid a foundation for furtier research on monitoring and evaauation oftain ope&ation safety condition.
Key words : vehicle camera ； DOG algoritim ； image processing ； edge detection ； camera calibration
0引言
铁路车辆溜逸事故是铁路中较为常见的一种安全 事故，是铁路运输生产中暗藏的“隐形杀手”。所谓溜 逸事故是指停留在线路上的机车车辆，由于没采取止 轮措施或止轮措施不当，导致车辆的自然移动。为了 避免车辆产生溜逸，减轻人员伤亡和财产损失，现场作 业人员常在防溜作业中使用［1］o 通常是将防 溜铁鞋放置于车轮底下，利用的踏面阻力作 用阻止车辆移动［2］）通常采用铸钢材质制
成，具有坚固耐用、体积小、便携等特点，目前广泛应用 于铁路各车站和编组站［3］）停车后是否正确防溜，铁
鞋的放置位置是关键，而铁鞋是否全部取出关系到列 车是否可以安全发车。目前，铁鞋的防溜作业都是人
工完成的，由于现场工作人员紧张，没有专职铁路防溜 作业人员，极易造成铁鞋漏放、漏撤等安全隐患）
我国的智能铁鞋研究从理论到实践经历多年摸 索。主要有3种方法：①将机械闭锁加入到铁鞋 ±［4'5］；②将远距离通讯终端与传感器相结合$6% ；③运 用无线通信技术、单片机和高科技检测技术相结合的
收稿日期：2020-04-13；修回日期：2020-05 -14
*基金项目：国家自然科学基金项目（12072207）；全国大学生创新创业项目（201912668009）；广东省教育厅特创新项目（2019KTSCX240）；广东省
创新创业训练项目（S202012668014）（全国大学生创新创业项目（201910107019）
作者简介：钱荣威（1995—），男'河北邢台人'石家庄铁道大学硕士研究生'研究方向为数字图像处理、计算机视觉等，（E - mail ）540272517@ qq.
com o
2021年3月钱荣威，等：基于改进dog边缘检测算子的铁鞋相对位移检测-95-
方法［7］o对铁鞋的探究，最初从铁体的机械设计问题出发，逐为铁鞋与传感技术、无线通技术的结合，并高新技术逐到铁路设施中，契合新铁代化发展的大方向$'%。I 是现阶技术的制约，这3种方法并没
性性的结合，因此需要进从技术、着手进行改进。
多媒体音频控制器
年来，计机［9'10］的快速发展为铁鞋相对检测提供了新的思路。本文采感器与图像相结合的方法来铁鞋相对检测，并针对DOG边缘检测无法细化边缘的缺点［11］，提出了一种改进的DOG边缘检测
算法得到较为准确细化的铁缘，从而特征点的准确提于铁鞋与间相对的检测。本文方法将相机安侧的，首先对铁像进行，其次采用改进的DOG边缘检测获得铁廓，对铁廓进行特征点提取得到铁特征点，最后结合相机标定得到铁鞋与的相对。结，该方法了铁鞋与间相对的接触检测，且误差在1%以内。
1铁鞋位置检测方案原理
通像可以直观到铁鞋的放置位置，而具线测量、非接、精度高、优点。图1为的，单目相机在侧的，摄区域将铁其中并确与相机视野缘平行，以通过定的置确定其空间位置。
相机一经标定其像素距离参数便是确定的。机车铁其固定的规格［2］，故其长度也是确定的。首先相机视野记下边缘，得到缘距车轮
（a）轨道放置铁鞋（b）铁鞋置于鞋架上
图1铁鞋的使用示意图
心的距离@，其次采像法得到距标记点的距离厶，最到铁鞋与相对,2。
文采目相机进行铁相对测的具
：首先目相机对
铁区域进行图像采集，
采集的图像首先进行理
即ROI区域提取、、去，
其次对像进行改进
DOG缘检测到铁缘
，缘的提取
牌位架
铁鞋特征点。最结合相机标
定得出铁鞋的相对，算法
/|提咻01||相碉定
罷I卒
理I I图画强
I改进Do（^a缘检测|
I铁鞋赢阍
图3本文算法流程图流程图如图3所示。
2相机标定
像素距离与距离的需要对摄像头进行物空间的标定。相机标定除了空
间的标定，还应进行光学畸变标定•
影畸变标定，即因为置误差代表
的图像畸变矫正。相机标定是非常关
的环节，其定结果的精度及算法的
定性直接影响相机工作产生结果的
准确性。因此，做相机标定是做
续工作的前提，提咼标定精度是重点。
文采的空间定方法是:
定相机采集铁像使其充满整个
野，4。知的默认像
为（x J，及铁鞋的长度@0，即
可求出像素距离参数3。图4铁鞋图像
3=仏⑵
V
3改进DOG算子的铁鞋特征点提取
3.1图像预处理
像是像进行特取、分割
，消除图像中无关的信息，恢的信息，增息的可检测性。本文的包括提取ROI区域、增。采集到的图像背景复杂，感兴趣的区域（ROI）铁分，因此需要提取ROI可大大较像素个数达到优化算法执行时间的作用。ROI区域虽了像个数但同样含定的，因此或抑制图像的某些细节是不可或缺的操作，的直接影响后续图像处分析的可靠性。本文采用的是高斯值滤相结合的法，去除了铁的摄的其他）尽去除了，可能天照的影响，像需要增，本文采用CLAHE（限制对比度的自直方图均衡化）进行图像增强，增的图像续的边缘检测。图
5
-96 -组合机床与自动化加工技术
第3期
3.2基于改进DOG 算子的铁鞋边缘检测
像的边缘在人 计算机 均起着重
要的作用， 学心理学的研究 ，图像 变置对图像感知很重要， 候 虑图像的边缘就可以大 解图像 ，并 体的特征点信息
体 缘上。因此，铁 缘的检测对后续
特征点的提取极其重要。
3.2.1高斯差分（DOG "算子
高斯差分（DOG " 是对高斯拉普拉斯算（LOG " 的 ）LOG 是一种二阶微分 •缘响应较好， 构 需要对二维高斯函数进行拉普拉斯变换计 大，而DOG; 能
的 LOG ：，计 较小的同时并能够保持较好 (3)
的边缘响应。
设二维高斯函数：
g )u ss (!,o ,&) = 2!&exp (
其拉普拉斯变换(LOG ):
v 2 (g )u ss(!,o ,&) ) = 2^(! & 0 - 2) exp ( - & 2；2& )
!4)
二维高斯函数对&的一阶偏导数如下：
=亠（-2）yp （ -^^2） （5）
2!& &
2S 2
显然，dg""^!，0，"与高斯函数的拉普拉斯变
换v 2(gauss
(
"有以下关系:&32( gauss ( ",&)) 一她空S&
根据一阶偏导定义:
d gauss(!,o ,&) = tm gauss(!,y ,= * &) _gauss (!,y ,&)
gauss(!,o ,&) _gauss(!,o ,= * &)
=* & - &
显然得到LOG 函数 值为：
V 2(gau E !,o ,&))，gau E !，0，佇 &)-gau E !，0，&)
&2 ! =- 1 )
式中，等号右侧成为高斯差分（DOG ）函数, = =0.95时，认为DOG 与LOG 的值 ' 相等。图6 了对铁 像进行DOG 算 的边缘检测 ，从 出检测到的边缘粗 包含许多无 缘，因此还需进一细化。
3.2.2改进DOG 算子的边缘细化
缘细化是 DOG 到的边
缘强度图进行 点操作。因为DOG
是一种二阶微分 ， 缘度
的过零像素点即为 像的边缘像素点。图7 了过零点于边缘检测中的作!8)
图 6 DOG
算子的边缘
检测用
设一元函数:
/(!)
! 11
! , 11
7-
了式（9）的曲线，图7b 的是式（9）
的一阶导数，相 阶微分等价于边缘强度的概念。对 阶导数而言，|广（！） ！=0处是最大的，则对应到/（!）在！=0处函数值的变化率最大，即 缘 度最大。而图7C 的二阶导数/"（!）在！ = 0处的函数值 0，即！=0就是/〃（！）的 点，显然二阶导数的 点即为/（!）变化率最大的点。因此像 缘检测 缘 度 的 像 点即为 像的边缘像素点。
(a ) /(!) (b )广(！
（c ） /"（!
图7过零点
文采取的 点检测方法 ：对缘强度的
每一个像素点判 该像素的3 x 3领域 的 方向、左右方向、左右下方向及右上左下方向的像素值 是否有异号出现来判断该像素点是否为 点。原理
重型工程洗轮机8所示。
（a ）左上右下
（b ）左右
（c ）右上左下
（X ）上下
图8过零点检测方式
□
□
像素点
像素点像素点像素点
■
采 文改进DOG 算法得到的铁鞋边缘 9）与未改进DOG 算法得到的边缘相比，边缘细化 分 ，得到的边缘更清晰准确并且消除了大无 缘 续的特征点提取。
（a ） DOG 算法 （b ）改进DOG 算法
图9改进DOG 算法的铁鞋边缘
(9
)
2021年3月钱荣威，等：基于改进dog边缘检测算子的铁鞋相对位移检测-97-
3.3特征点提取
前文算法得到铁缘，此时需要提取铁鞋
鞋尾的特征点。本文特征点提取方法采用像影
法，即遍历边缘图像每行像素值到像素值与横
的二维关10。缘检测后可
，像值较小的像素点可视为非必要信息直
接忽略。提取特征点即的！从而得
到像素距离，再相机标定得到的距离参数3,
到距离@1)此10可知，当！=560即
为的，得到像素距离厶'=(-560)
4实验分析
为了测试本文算法得到铁鞋与相对的精
确性，采底总长410mm的铁鞋置于铁进行
了)境为长30m的60kgm标准双轨，将
固定有采集装置的三垂直于铁线为基
准位置进行铁像采集。铁距的实际距离采
机械游标卡尺测量，其测0~350mm，精度
0.05mm。移动铁置采集6数，公
在线测厚
式(11)误差计算方法，其检测距离为+3，实际
距离为+e。实验结果及误差分析如表1所示。
1误差结果分，本文算法得到的距离与
测量间的平均误差为0.495mm，平均误差百分比
为0.585%。本文采用的铁鞋相对检测方法误差
持在1%，对于检测铁置具有较高的精度，
可对铁鞋的准确定位。为了进说方法
的精确性，通了大量的数据，文法进行
铁鞋相对测量，将测数据整出折线，图
11，结该了铁置的动态检
测，检测误差较小，能精确地检测出铁鞋与间的距
离信息。
+1=+3-+s
表1铁鞋位置数据分析
组数特点检测距离
+3/m m
距离
+E jmm
误差量
+1/m m
误差
百分比#%
129956.37256.5000.1280.226 232576.21075.5000.7100.940
续表数
特点检测距离
+3jmm
距离
+E jmm
误差
+1/m m
误差
百分比#% 333083.02583.2500.2250.270
434292.18192.2500.0690.074
5360101.915101.0000.9150.905
633483.07784.0000.9230.098
均值0.4950.419
检测距离
实际距离
135791113151719
铁鞋与车轮的检测距离与实际距离对比图
超低温真空浓缩设备
140
120
100
80
60
40
20
图11
5结论
为了提高铁与间相对的检测精度，提出了一种改进DOG边缘检测的铁鞋与车间相对的检测方法，提取到的铁缘更加细化清续的铁鞋特征点提取。结：，该方法测的铁相对分精确，误差均1%。证明了该方法的可靠性和可行性，实现了铁鞋与间相对的非接触式检测。本方法的提出避免了铁到发的安全问题，集防溜、撤、检测体。为防止逸发生事故、确保车站行全提种技术。
[参考文献]
[1]c无线通信技术的监控系统[D].
：交通大学，2012.
[2].(止器)铁道行业标准解读[J].铁道
技术，2010,38(4)：5-6.
[3]尧.编组站调停车防溜设置与防溜效
仿真研究[D].北京：铁科学研究院,2019.
[4]马.铁的问题及改进措施[J].铁道技
术，2018,46(7):46-49.
[5]Anastasia Pinchuk,Pavel Dadoenkoe,Dmitry Halutin,et al.
Improved rolling system of railuay stock on brake shoe[J].
Procediv Computer Science,2019,149:258-263.
[6]，张丹婷，董婷，等c无线通信的智能防溜铁
设计[J].硅谷,2010(14)：74-74.
[7]肖付辉.基于智能铁鞋的专调机车随车铁鞋监控装置
[J].铁道机车与动车,2019(6)：35-36,42.
[8]锐.铁道智能防溜终端设计与研发[D].南京：东南大
学，2016.
[9]东，陈，张元良.机器视觉技术在工业中的应用
[J].科技风,2020(13)：5.
[10]付双全，彭参镇，刘.基于机器视觉的自动定位系统设
计与实现[J].电子设计工程,2020,28(7)：131-136.
(编辑李秀敏)
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议