机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算...机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算法来实现模板感兴趣区域(region of interest,ROI)与测量ROI的自动变换,一定程度上弥补了机车机器人的重复定位误差。对于反光造成的点云缺失和噪点问题,其采用RANSAC算法对基准ROI进行平面拟合以弥补由此造成的精度损失,并使用有序点云自动滤波算法高效滤除部分刹车盘与闸瓦之间的点云。对于因机车抱闸以及刹车盘表面镜面反射产生的成片虚假点云而导致的边缘区分难度大问题,文章针对性地设计了滤波算子,初步分离闸瓦边缘,提取闸瓦侧面ROI。接着,根据闸瓦的成像特征,使用基于梯度的边缘提取与跟踪算法,实现闸瓦点云边界的精确提取和松闸间隙的精确测量。最后使用排序策略的统计学方法,实现准确的尺寸测量。采用文中所提算法,可实现松闸间隙小于2 mm情况下的精确测量。采用该方法对不同形态、位置、光照复杂环境下的闸瓦进行测量,并用游标卡尺进行实际测量对比,结果显示,机车闸瓦磨耗尺寸测量精度基本控制在±1 mm范围内,具备一定的算法鲁棒性。展开更多
文摘机车车辆的运行与检修环境复杂,灰尘多、反光等因素使点云存在缺失、噪声、成片虚假点等问题,严重影响机车机器人闸瓦图像检测的准确性。为此,文章提出了一种基于3D图像的机车机器人闸瓦尺寸算法。其首先根据相机透视变换与点云配准算法来实现模板感兴趣区域(region of interest,ROI)与测量ROI的自动变换,一定程度上弥补了机车机器人的重复定位误差。对于反光造成的点云缺失和噪点问题,其采用RANSAC算法对基准ROI进行平面拟合以弥补由此造成的精度损失,并使用有序点云自动滤波算法高效滤除部分刹车盘与闸瓦之间的点云。对于因机车抱闸以及刹车盘表面镜面反射产生的成片虚假点云而导致的边缘区分难度大问题,文章针对性地设计了滤波算子,初步分离闸瓦边缘,提取闸瓦侧面ROI。接着,根据闸瓦的成像特征,使用基于梯度的边缘提取与跟踪算法,实现闸瓦点云边界的精确提取和松闸间隙的精确测量。最后使用排序策略的统计学方法,实现准确的尺寸测量。采用文中所提算法,可实现松闸间隙小于2 mm情况下的精确测量。采用该方法对不同形态、位置、光照复杂环境下的闸瓦进行测量,并用游标卡尺进行实际测量对比,结果显示,机车闸瓦磨耗尺寸测量精度基本控制在±1 mm范围内,具备一定的算法鲁棒性。
