基于计算机视觉的受电弓检测系统
发布时间：2021-04-25 01:03
受电弓是现代电气化铁路列车上重要的集电设备。受电弓与接触网之间的接触状况直接影响了电力采集的质量。真实铁路环境中可能存在多种不确定因素影响受电弓接触状况,造成弓网离线进而导致电弧放电甚至接触网损坏的情况发生。在铁路列车运行过程中,受电弓的接触盘、连接杆、上臂持续工作在高压环境中。接触式的传感器在检测受电弓部件运动时可能存在安全隐患。本文通过高速摄像机采集受电弓运动视频,设计了完整的视觉跟踪方案,并验证了此方案的准确性。最终利用此系统获得了受电弓发生弓网离线前后的运动特征。本文选择了 Median Flow和Boosting这2种视觉跟踪算法阐述其原理和具体实现。基于跟踪算法的原理深入讨论并研究了串行跟踪算法的运算速度瓶颈,针对速度瓶颈细致地设计了一种浅并行一种深并行运算结构。通过实验证实了并行结构相对于串行结构在运算速度方面的优越性。在尝试验证算法精确性时,本文指出了当前通用的跟踪算法性能指标在衡量特定跟踪任务时的局限性。针对此问题提出了一些特化的视觉跟踪算法准确性和健壮性指标,并讨论了真值轨迹的生成方法,用于验证跟踪算法是否能够用于跟踪受电弓运动部件的任务。最后,本文根据特化性能指标...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 论文研究背景及意义
1.2 国内外研究现状
1.3 本文研究方案
2 视觉跟踪算法
2.1 MEDIAN FLOW跟踪算法
2.1.1 光流的计算
2.1.2 Lucas-Kanade方法
2.1.3 正反向误差与Median Flow
2.2 在线BOOSTING跟踪算法
2.2.1 AdaBoost分类器
2.2.2 弱分类器
2.2.3 在线Boosting
2.3 本章小结
3 跟踪算法的并行实现
3.1 OPENCL并行框架
3.1.1 平台模型
3.1.2 执行模型
3.1.3 内存模型
3.2 并行LUCAS-KANADE方法
3.2.1 串行结构
3.2.2 浅并行结构
3.2.3 深并行结构
3.2.4 性能对比
3.3 本章小结
4 跟踪算法评估指标
4.1 通用评估指标
4.1.1 中心误差
4.1.2 区域重叠率
4.1.3 通用评估指标的局限性
4.2 真值轨迹
4.3 中心漂移
4.4 频率敏感度
4.5 本章小结
5 受电弓跟踪检测试验
5.1 快门时间
5.1.1 真值轨迹参数
5.1.2 中心漂移
5.1.3 频率敏感度
5.1.4 快门时间的影响
5.2 帧率与跟踪时长
5.3 实验结果分析
5.3.1 接触盘
5.3.2 连接杆及上臂
5.4 本章小结
6 结论
参考文献
图索引
表索引
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]受电弓滑板动态受流受热仿真分析[J]. 刘吉,张卫华,周宁,王江文,邹栋,黄冠华. 电气化铁道. 2018(06)
[2]基于FPGA和OpenCL硬件加速的运动物品识别系统[J]. 葛迪,邱程,侯群. 传感器世界. 2018(11)
[3]基于LBP和HOG决策融合的高速列车受电弓检测[J]. 别致,余志斌. 电气化铁道. 2018(05)
[4]基于深度特征的稀疏表示目标跟踪算法[J]. 徐龙香,李康,徐婷婷,程中建,袁晓旭. 物联网技术. 2018(09)
[5]基于局部直方图的多区域目标跟踪算法[J]. 卫保国,赵思同,文绪亮. 计算机工程与应用. 2018(14)
[6]目标跟踪器性能评估方法研究进展[J]. 王全宁,周进,雷涛,唐自力. 计算机与现代化. 2018(06)
[7]受电弓碳滑板病害边缘检测技术研究[J]. 李永光,李晨亮,李立照,吴宽,林菲,魏秀琨,李宇杰. 中国铁路. 2018(06)
[8]基于多特征级联筛查的在线boosting快速跟踪算法[J]. 胡松,孙水发,马先兵,覃音诗,雷帮军. 计算机应用与软件. 2015(02)
硕士论文
[1]受电弓典型故障图像检测算法的研究[D]. 朱晓恒.西南交通大学 2011
[2]基于超声波的受电弓滑板磨耗测量实验装置研究[D]. 唐春蓬.西南交通大学 2007
本文编号：3158402
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：92 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
ABSTRACT
1 引言
1.1 论文研究背景及意义
1.2 国内外研究现状
1.3 本文研究方案
2 视觉跟踪算法
2.1 MEDIAN FLOW跟踪算法
2.1.1 光流的计算
2.1.2 Lucas-Kanade方法
2.1.3 正反向误差与Median Flow
2.2 在线BOOSTING跟踪算法
2.2.1 AdaBoost分类器
2.2.2 弱分类器
2.2.3 在线Boosting
2.3 本章小结
3 跟踪算法的并行实现
3.1 OPENCL并行框架
3.1.1 平台模型
3.1.2 执行模型
3.1.3 内存模型
3.2 并行LUCAS-KANADE方法
3.2.1 串行结构
3.2.2 浅并行结构
3.2.3 深并行结构
3.2.4 性能对比
3.3 本章小结
4 跟踪算法评估指标
4.1 通用评估指标
4.1.1 中心误差
4.1.2 区域重叠率
4.1.3 通用评估指标的局限性
4.2 真值轨迹
4.3 中心漂移
4.4 频率敏感度
4.5 本章小结
5 受电弓跟踪检测试验
5.1 快门时间
5.1.1 真值轨迹参数
5.1.2 中心漂移
5.1.3 频率敏感度
5.1.4 快门时间的影响
5.2 帧率与跟踪时长
5.3 实验结果分析
5.3.1 接触盘
5.3.2 连接杆及上臂
5.4 本章小结
6 结论
参考文献
图索引
表索引
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]受电弓滑板动态受流受热仿真分析[J]. 刘吉,张卫华,周宁,王江文,邹栋,黄冠华. 电气化铁道. 2018(06)
[2]基于FPGA和OpenCL硬件加速的运动物品识别系统[J]. 葛迪,邱程,侯群. 传感器世界. 2018(11)
[3]基于LBP和HOG决策融合的高速列车受电弓检测[J]. 别致,余志斌. 电气化铁道. 2018(05)
[4]基于深度特征的稀疏表示目标跟踪算法[J]. 徐龙香,李康,徐婷婷,程中建,袁晓旭. 物联网技术. 2018(09)
[5]基于局部直方图的多区域目标跟踪算法[J]. 卫保国,赵思同,文绪亮. 计算机工程与应用. 2018(14)
[6]目标跟踪器性能评估方法研究进展[J]. 王全宁,周进,雷涛,唐自力. 计算机与现代化. 2018(06)
[7]受电弓碳滑板病害边缘检测技术研究[J]. 李永光,李晨亮,李立照,吴宽,林菲,魏秀琨,李宇杰. 中国铁路. 2018(06)
[8]基于多特征级联筛查的在线boosting快速跟踪算法[J]. 胡松,孙水发,马先兵,覃音诗,雷帮军. 计算机应用与软件. 2015(02)
硕士论文
[1]受电弓典型故障图像检测算法的研究[D]. 朱晓恒.西南交通大学 2011
[2]基于超声波的受电弓滑板磨耗测量实验装置研究[D]. 唐春蓬.西南交通大学 2007
本文编号：3158402
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3158402.html
