基于3d信息的故障自动识别检测系统及方法
【技术领域】
[0001]本发明涉及铁路车辆和机车故障自动识别检测领域。
【背景技术】
[0002]随着铁路客运与货运量的不断增大，铁路车辆和机车作为铁路运输的核心部分，车体零部件等出现故障或异常的将严重影响行车安全，因此铁路车辆和机车的安全检测变得更加重要。传统的人工检车存在不及时、工作量大、容易漏检、盲区多等问题，存在极大的安全隐患。
[0003]目前也存在某些故障自动识别检测的系统及方法，但多采用线阵相机和面阵相机拍摄的2D图像，容易受到光线、灰尘、雨雪天气等外界环境因素的影响而产生大量的漏报与误报，加大了人工确认的工作量与难度，影响检车效率。
[0004]公开号为:CN104200464、名称为《一种识别列车异常的检测方法及系统》公开了一种识别车辆异常的检测方法及装置，但其仅仅使用了图像深度的信息判别故障，但是对于高度或深度信息度化不明显的故障，如:漏油故障等，则难以进行准确的判别。该文件难以覆盖铁路车辆或机车的所有类型的故障的判别。
[0005]公开号为:CN103077526、名称为《具有深度检测功能的列车异常检测方法及系统》也公开了一种能够识别车辆异常的检测方法及装置，但其对于故障检测，仅仅是运用图像灰度信息检测故障，而后再利用图像深度信息对灰度信息异常的区域进行验证。也就是说该专利只定义了一种检测顺序:先灰度，再深度。这也是本领域的一种通用检测方法，但实质上是一种技术偏见。
【发明内容】
[0006]本发明是为了现有技术存在一定的局限性，系统性和全面性不足的问题，现提供基于3D信息的故障自动识别检测系统及方法。
[0007]基于3D信息的故障自动识别检测系统，它包括:3D信息获取模块、车型和车号识别模块、检索模块、信息配准模块和故障自动识别模块；
[0008]3D信息获取模块:用于获取铁路车辆或机车各角度3D图像，所述3D图像包括三维空间信息及灰度信息；
[0009]车型和车号识别模块:用于利用3D或2D图像的信息识别得出铁路车辆或机车的车型和车号；
[0010]检索模块:用于利用3D或2D图像的信息或只使用车号检索得出当前过车对应的各种模板和历史数据信息；
[0011]信息配准模块:用于利用3D或2D图像的信息配准当前过车对应的各种模板和历史数据信息；
[0012]故障自动识别模块:利用3D或2D图像的信息特征识别得出各个部件是否存在异常及异常程度；
[0013]故障自动识别模块包括降维子模块和故障自动识别子模块；
[0014]所述降维子模块:用于将3D图像转换为两类2D图像，所述两类二维图像分别是:第一类2D图像和第二类2D图像；所述第一类2D图像包含平面位置信息和高度信息；第二类2D图像包含平面位置信息和灰度信息；
[0015]故障自动识别子模块:用于按下面方式之一的方式进行故障自动识别:
[0016]1)、仅利用第一类2D图像进行故障自动识别；
[0017]2)、利用第一类2D图像进行故障自动识别，再利用第二类2D图像进行故障验证；
[0018]3)、仅利用第二类2D图像进行故障自动识别；
[0019]4)、利用第二类2D图像进行故障自动识别，再利用第一类2D图像进行故障验证；
[0020]5)、利用3D图像信息进行故障自动识别。
[0021 ] 基于3D信息的故障自动识别检测方法，它包括:
[0022]用于获取铁路车辆或机车各角度3D图像，所述3D图像包括三维空间信息及灰度?目息的3D彳目息获取步骤；
[0023]用于利用3D或2D图像的信息识别得出铁路车辆或机车的车型和车号的车型和车号识别步骤；
[0024]用于利用3D或2D图像的信息或只使用车号检索得出当前过车对应的各种模板和历史数据信息的检索步骤；
[0025]用于利用3D或2D图像的信息配准当前过车对应的各种模板和历史数据信息的信息配准步骤；
[0026]利用3D或2D图像的信息特征识别得出各个部件是否存在异常及异常程度的故障自动识别步骤；
[0027]故障自动识别步骤中还包括:
[0028]用于将3D图像转换为两类2D图像，所述两类二维图像分别是:第一类2D图像和第二类2D图像；所述第一类2D图像包含平面位置信息和高度信息；第二类2D图像包含平面位置信息和灰度信息的降维子步骤；
[0029]用于按下面方式之一的方式进行故障自动识别:
[0030]1)、仅利用第一类2D图像进行故障自动识别；
[0031]2)、利用第一类2D图像进行故障自动识别，再利用第二类2D图像进行故障验证；
[0032]3)、仅利用第二类2D图像进行故障自动识别；
[0033]4)、利用第二类2D图像进行故障自动识别，再利用第一类2D图像进行故障验证；
[0034]5)、利用3D图像信息进行故障自动识别；
[0035]的故障自动识别子步骤。
[0036]本发明基于各种铁路车辆和机车的3D信息，能够克服光线、灰尘、雨雪天气等外界环境因素对故障检测准确性的影响，在保证检测准确率的同时显著降低误报率，提高作业效率。并且，本发明能够涵盖全部铁路车辆和机车3D图像可视范围内的故障自动检测，根据不同部件出现故障后所引起的3D图相数据变化，充分利用3D图像数据中的位置信息、高度信息以及灰度信息，采取级联验证、互补、并存等方式在保证不漏报的前提下大幅降低误报警数量。此外，3D图像降维至2D图像进行数据处理，在保证同样检测精度的同时降低了图像处理运算时间以及对计算服务器硬件的要求，同时具备准确性、高效性与经济性。相对于现有技术，本发明是一种系统的、全面的铁路车辆和机车故障自动识别方法。
【附图说明】
[0037]图1为本发明所述的基于3D信息的故障自动识别检测系统的功能模块构架示意图；
[0038]图2为【具体实施方式】十所述的基于3D信息的故障自动识别检测系统的功能模块构架示意图；
[0039]图3是本发明所述的基于3D信息的故障自动识别检测方法的流程示意图。
【具体实施方式】
[0040]【具体实施方式】一:参照图1和图2说明具体说明本实施方式，基于3D信息的故障自动识别检测系统，它包括:3D信息获取模块、车型和车号识别模块、检索模块、信息配准模块和故障自动识别模块；
[0041]3D信息获取模块:用于获取铁路车辆或机车各角度3D图像，所述3D图像包括三维空间信息及灰度信息；
[0042]车型和车号识别模块:用于利用3D或2D图像的信息识别得出铁路车辆或机车的车型和车号；
[0043]检索模块:用于利用3D或2D图像的信息或只使用车号检索得出当前过车对应的各种模板和历史数据信息；
[0044]信息配准模块:用于利用3D或2D图像的信息配准当前过车对应的各种模板和历史数据信息；
[0045]故障自动识别模块:利用3D或2D图像的信息特征识别得出各个部件是否存在异常及异常程度；
[0046]故障自动识别模块包括降维子模块和故障自动