發布時間：2022-03-26所屬分類：科技論文瀏覽：1次
摘 要： 摘 要: 城市軌道交通系統主要由弓/網系統、軌道線路、車輛、車站等組成,傳統的人工巡檢等方法檢測效率低、勞動強度大、自動化和智能化程度不高,給城市軌道交通的運營保障和進一步健康發展帶來了巨大的挑戰. 機器視覺作為一種重要的檢測手段,在城市軌道交通系統狀態檢測
摘 要: 城市軌道交通系統主要由弓/網系統、軌道線路、車輛、車站等組成,傳統的人工巡檢等方法檢測效率低、勞動強度大、自動化和智能化程度不高,給城市軌道交通的運營保障和進一步健康發展帶來了巨大的挑戰. 機器視覺作為一種重要的檢測手段,在城市軌道交通系統狀態檢測領域得到了廣泛的應用. 鑒于此,針對機器視覺在城市軌道交通系統安全狀態檢測中的研究和應用進行綜述. 首先,簡要介紹城市軌道交通的基本概念和快速發展所面臨的挑戰與機遇. 然后,詳細介紹機器視覺技術在城市軌道交通各子系統安全狀態檢測中的研究與應用情況;針對弓/網系統狀態檢測問題,分別重點介紹機器視覺在受電弓磨耗檢測、受電弓包絡線等其他病害檢測、接觸網幾何參數檢測、接觸網磨耗檢測以及接觸網懸掛病害檢測中的國內外研究現狀;在軌道線路安全狀態檢測方面,分別介紹機器視覺在扣件安全狀態檢測和鋼軌表面病害檢測中的應用與研究現狀;從不同檢測項點角度詳細介紹機器視覺在車輛狀態檢測中的應用與研究進展;梳理和總結機器視覺在車站電扶梯安全監控和站臺安全監控的異常行為檢測中的具體應用和研究;并重點介紹機器視覺在軌道交通司機行為監測中的具體應用和背景技術. 最后,對機器視覺技術應用于城市軌道交通系統狀態檢測領域的未來進行展望.
關鍵詞: 城市軌道交通;安全狀態檢測;智能化;運營保障;機器視覺
0 引 言
軌道交通是集多專業、多工種于一身的復雜系統,通常由軌道線路、車站、車輛、弓/ 網系統、通信信號系統等組成,本文討論的軌道交通主要指城市軌道交通. 常見的軌道交通有傳統鐵路(包括國家鐵路、城際鐵路和市域鐵路)、地鐵、輕軌和有軌電車. 其中與其他類軌道交通不同的是,地鐵是修建在城市中的一種快速、大運量、用電力牽引的軌道交通[1] . 目前, 隨著我國城市化進程逐步加快,城市規模不斷擴張, 城市人口日益增加,大量流動人口開始涌向城市,居民出行的交通需求急劇增長,軌道交通由于其方便、快捷、環保、載客多的特點已廣泛應用于解決我國一些大城市的交通問題. 軌道交通作為改善城市交通環境的重要交通工具,其建設是衡量城市經濟發展水平的重要標識之一[2] .
近年來,得益于各大領域相關科學技術的不斷進步,城市軌道交通也得到了飛速發展,逐漸成為各大城市主要的交通運輸方式. 據統計[3] ,截至2019年底, 中國大陸地區共有40個城市開通軌道交通運營線路 208 條, 運營線路總長度 6 736.2 km. 其中, 地鐵運營線路5 180.6 km,占比76.9 %. 當年新增運營線路長度974.8 km. 此外, 2019年全年累計完成客運量237.1 億人次,同比增長12.5 %;總進站量為149.4億人次,同比增長12.2 %;總客運周轉量為2 003.1億人km,同比增長13.8 %,運營規模繼續保持高增長勢頭. 從2019 年的統計數據不難看出,軌道交通的發展非常迅猛, 且在“交通強國”“新型城鎮化”等發展戰略下,國家也將投入更多的資金,在更多的城市規劃和建設軌道交通線網.
然而,隨著軌道交通的快速發展,對于軌道交通的運輸安全和維保決策也提出了更加嚴苛的要求. 軌道交通系統由多個部分組成,每個部分的安全都將影響整個系統的運營安全. 如軌道線路,作為軌道交通整個系統的生命線,其安全狀態的好壞直接影響著運營車輛在正常行駛過程中的平穩性和安全性,同時也會影響乘客乘坐時的舒適性. 當軌道線路設備出現病害且不斷發展惡化,也將增加線路維修養護的成本和維保決策的難度[4] . 此外,如弓 / 網系統,其擔負著將牽引網電能輸送給運營中車輛使用的重要任務, 這一過程中若存在任何異常或者病害沒有及時發現并進行處理,則有可能導致嚴重的故障,嚴重影響運營車輛的安全運行,而弓 / 網故障以及進一步引起的弓 / 網相關故障已經成為軌道交通事故中最主要的事故原因之一,牽引系統故障約占總事故數的三分之一,部分嚴重的年份甚至能達到40 %以上[5] . 因此,對于軌道交通安全狀態的及時且精準檢測,優化維修策略,保障軌道交通高效率零事故的安全運營,進一步促進我國軌道交通的發展,具有相當重要的意義.
長久以來,對于軌道交通安全狀態的檢測主要以人工巡檢的方式為主,該方式雖簡單易行但勞動強度大,效率低下,對巡檢人員的專業素質要求較高,檢測結果往往受主觀的影響較大,不僅一些檢測需在運營空窗期內完成,甚至還可能危害到巡檢工人的人身安全,而且難以滿足日益增長的運營需求[6] . 針對人工檢測方式存在的諸多問題,在科學水平和自動化技術不斷發展和成熟的推動下,多種非接觸式無損檢測方法逐漸被提出并應用在軌道交通系統安全狀態檢測領域. 非接觸式無損檢測技術是一種具有較高自動化程度和檢測精度[7] ,且便于操作的現代化診斷技術,主要包括超聲波檢測、電渦流法、漏磁檢測、紅外檢測、激光全息檢測等方法. 該技術在檢測過程中沒有破壞性,效率較高,且不與待檢測目標接觸,能夠遠距離實現對待測目標的檢測. 近幾年,隨著機器視覺、機器學習、深度學習、人工智能等領域技術的迅速發展,基于機器視覺的非接觸式檢測方法逐漸發展成熟并廣泛應用在電氣、電子、機械、汽車、工業檢測等領域,是目前最為常用的一種檢測方法[8] .
機器視覺技術一般是指使用非接觸式光學設備和傳感器自動接收并處理真實場景的圖像以獲得人們所需要的信息[9] ,它可以代替人類進行尺寸測量、缺陷檢測、目標識別、機器人導航等. 工業上典型的機器視覺系統主要由光學成像模塊(包括光源、相機、鏡頭)、圖像獲取模塊(圖像采集卡)、實時處理模塊和執行模塊等組成[10] . 相較于傳統的人工檢測技術,基于機器視覺的檢測方式具有非接觸性、實時性、靈活性和精確性等特點,適用于重復性高、環境條件惡劣以及非接觸精密測量的場合[11] . 隨著機器視覺技術的逐步發展,上述機器視覺的優勢和特點可有效解決傳統檢測方式存在的諸多問題,使其在軌道交通系統狀態檢測領域得到了越來越多的關注和應用. 與此同時,如何更好地在利用機器視覺技術的基礎上,結合深度學習、人工智能等先進的技術,實現更加自動化、智能化的軌道交通系統狀態檢測,也成為近幾年研究的熱點問題,有重要的研究價值.
鑒于此,本文針對機器視覺技術在軌道交通系統狀態檢測中的研究和應用進行全面且系統的總結. 詳細介紹了機器視覺技術在軌道交通中的弓 / 網系統、軌道線路、車輛、車站等子系統的安全狀態檢測中的熱點應用,并分析總結了現有各子系統的安全狀態檢測方法. 最后總結和展望基于機器視覺的軌道交通系統狀態檢測目前存在的問題及其研究趨勢和應用前景.
1 機器視覺在弓/網系統狀態檢測中的應用
弓/ 網系統是軌道交通供電系統中的關鍵組成部分,其安全狀態的好壞直接影響著運營車輛的正常運行. 因此,在列車運行過程中需要對弓 / 網系統狀態實時進行監測,以發現可能存在的故障并及時排除隱患. 弓/ 網系統檢測目前主要采取4種技術手段,包括人工檢測、接觸式弓 / 網檢測、非接觸式測距技術弓 / 網檢測以及非接觸式圖像處理技術弓 / 網檢測[12] . 基于機器視覺的弓網檢測相比其他3種方案而言,檢測靈活性高,準確度高,設備智能程度高,并且對正常行車干擾影響小,因此得到了越來越廣泛的應用.
弓/ 網非接觸式圖像檢測實際上是利用相機設備對弓 / 網進行遠距離圖像采集,再通過計算機視覺相關技術對弓 / 網狀態進行分析,以對其狀態進行檢測,因此,弓 / 網監測系統的設計與研制便成為一個比較關鍵的問題. 弓 / 網系統是比較復雜的綜合系統, 其中受電弓與接觸網之間是相對獨立的兩個子系統, 受電弓安裝在機車車輛頂部(如圖1所示),接觸網安裝在地鐵隧道頂部或者布置在室外線路上(如圖2所示),因此受電弓和接觸網的檢測系統往往是相對獨立的,本節將從這兩個部分分別介紹機器視覺技術在弓/ 網系統狀態檢測中的應用.
1.1 受電弓狀態檢測
受電弓檢測系統往往是安裝在地面上的定點設備,當列車運行經過檢測裝置時,由高速相機等設備采集得到受電弓圖像,然后將圖像傳回后端進一步對受電弓狀態進行檢測和分析. 目前,國內外有多家公司和研究所研制了受電弓監測系統方案,如英國 Ricardo Rail公司、土耳其科學研究院(TUBITAK)及中國中車株洲電力機車有限公司等[13-18] . 以文獻[18] 為例,一個完整的受電弓監測系統往往包含若干個子系統,如觸發系統、拍攝系統、照明系統、傳輸系統、中心處理系統等. 如圖3所示,當列車通過檢測設備時, 運用電流傳感器、紫外探測器、紅外成像儀、激光發生器、高速相機監測和采集弓網主要結構參數以及弓網圖像,然后在后臺進行分析和檢測. 不同單位研制的系統在設備和布置形式上會有一些差異,但大致相同. 在獲取到受電弓圖像后,關鍵的問題就是利用計算機視覺技術對受電弓狀態進行識別和分析.
1.1.1 受電弓磨耗檢測
在國內外受電弓狀態檢測相關的研究中,針對受電弓滑板磨耗病害的檢測相對較多,根據所采用的具體算法主要分為基于傳統圖像處理的檢測方法和基于深度學習的檢測方法.
基于傳統圖像處理的檢測方法檢測步驟如下: 首先通過邊緣檢測等算法來提取受電弓滑板邊緣磨耗曲線,然后在此基礎上分析和評估受電弓磨耗的嚴重程度. 文獻[19]分析對比了不同的邊緣檢測算子, 最終得出Canny邊緣檢測算子的提取效果最好. 文獻 [20]采用了對稱近鄰均值濾波器(SNN),能一定程度上過濾噪聲并保護圖像邊緣. 文獻[21-22]首先采用模糊C 均值聚類算法(FCM)對原始圖像進行分割,提取出受電弓有效區域;然后使用邊緣提取和邊緣生長方法獲取磨耗邊緣,并利用基于數學形態學的邊緣生長法連接邊緣中斷的位置,最終得到完整的受電弓滑板邊緣. 這種方法在受電弓滑板磨耗較為嚴重,即滑板邊緣曲線梯度值較大的情況下檢測效果較為良好. 以文獻[21]結果為例,原始的受電弓滑板圖像和提取的磨耗曲線如圖4所示. 基于傳統圖像處理的檢測方法思想簡單,易于實現,但算法穩定性差,魯棒性不高,檢測步驟較繁瑣,而且最終檢測結果受制于滑板邊緣曲線的提取結果.
近年來,針對傳統基于圖像處理的檢測方法存在的不足,基于深度學習技術的受電弓滑板磨耗檢測和分析方法得到越來越多的關注,逐漸成為研究熱點. 文獻[5]基于經典卷積神經網絡,經過結構調整及參數調優提出了PDDNet,經過訓練后能夠以超過 90 %的準確度實現受電弓病害類別識別. 文獻[23] 在文獻[5]的基礎上,利用深度學習中的目標檢測技術,并使用基于Soft-NMS改進的Faster R-CNN網絡, 以更高的準確度在原始圖像中實現受電弓區域的提取以及病害識別[23] . 基于深度學習的方法相比傳統方法而言,具有更好的泛化能力和智能性,但是受限于設備計算能力以及訓練數據集的不足,在實際線路中的應用還有待進一步研究.
1.1.2 受電弓其他病害檢測
在實際車輛運營線路上, 除了滑板磨耗外, 受電弓還存在包絡線、中心線偏移和羊角缺失等病害, 這些病害的存在都會不同程度地影響車輛運營的安全[24-28] .
受電弓包絡線是指運營車輛在最高設計運行速度之下時受電弓外形輪廓在垂直方向的上下最大振動量,以及水平方向的左右最大擺動量所形成的包絡線[24] ,檢測受電弓包絡線對于弓網設備安裝、維護以及狀態檢測具有重要的意義. 文獻[24-25]設計一種受電弓包絡線檢測裝置,在高壓鈉燈照明環境下拍攝受電弓圖像,并采用了一種基于序貫相似性檢測算法的模板匹配法以獲取受電弓運行位置,進而計算出其動態包絡線結果. 實驗結果表明,該方法具有較高的精確度,可行性較強,但檢測效果依賴于對待檢測受電弓模板圖像的設計.
相關知識推薦：論文投稿前怎么查重復率
文獻[26]利用多種圖像處理算法研究了受電弓中心線偏移檢測和羊角缺失檢測方法. 針對中心線偏移檢測,首先通過Hough變換等方法檢測并計算滑板中心點,同時檢測弓網接觸點的位置,然后計算差值得到中心線偏移值. 針對受電弓羊角缺失病害的檢測,首先通過對比分析羊角圖像灰度特征與羊角狀態之間的關系,并采用HOG特征描述算子對羊角圖像進行特征提取,然后使用SVM (支持向量機)對特征向量進行二分類,從而判定圖像中羊角是否有缺失. 文中所提出的檢測算法關鍵在于受電弓中心和羊角中心的準確定位,魯棒性有待進一步提升.
此外,針對受電弓裂紋病害的檢測,文獻[27]利用曲波變換多方向性及各向異性特點,對受電弓滑板圖像點狀、線性和非線性特征進行分類. 在曲波分解方向矩陣中使用移動平行窗口并計算窗口能量值,依據能量值區分線性平行接縫與背景噪聲、螺釘和刮痕等其他非線性圖像特征,最終獲取滑板裂紋信息; 文獻[28]在基于區間二型模糊熵的邊緣檢測結果的基礎上,采用變換分析各類圖形元素在參數空間的特征分布,提出一種基于極角約束Hough變換的裂紋提取方法,通過有效地排除非裂紋圖形元素的特征點, 最終實現滑板裂紋的自動檢測. 兩者均實現了受電弓滑板裂紋的非接觸式檢測,為實際工程應用領域中解決滑板裂紋自動檢測問題提供了新的思路,但檢測精度及速度都還無法達到現場使用的要求.
1.2 接觸網狀態檢測
城市軌道交通接觸網主要沿著軌道車輛運營線路布置,根據安裝地點及方式不同可分為剛性接觸網和柔性接觸網兩類. 其中,剛性接觸網安裝在地鐵隧道頂端,柔性接觸網安裝在線路兩旁的支架上,因此對于接觸網的檢測和受電弓檢測不同,不能使用定點設備. 目前,基于機器視覺的接觸網狀態檢測方法是利用安裝在車頂的檢測設備,實現了在途檢測,也有部分通過檢測車或者手持設備進行檢測的方案,但實際應用效果相對較差[29] . 接觸網狀態檢測系統根據檢測項點的不同,其具體設計方案也會有所區別.
1.2.1 接觸網幾何參數檢測
接觸網幾何參數是接觸網系統的重要數據,主要包括導高和拉出值,分別為接觸線與鋼軌平面垂直距離,以及接觸線與軌道中心水平距離[30] . 接觸網幾何參數是衡量接觸網運行狀態的重要指標,是影響弓網匹配關系以及列車行駛安全的重要因素,也是相關部門進行維護的重要參考依據. 目前,接觸網幾何參數檢測方案主要包含單目相機方案和雙目相機方案兩種.
單目相機方案即采用一個相機檢測接觸網幾何參數[30-31] ,通過攝像機拍攝接觸網視頻,對于視頻中的每一幀圖像,通過灰度分布圖等方式獲取接觸線位置,并計算其像素坐標. 為了將像素坐標轉換成實際物理坐標需要進行標定,利用預先設置尺寸已知的標定物,通過計算轉換關系獲取接觸網實際的導高和拉出值信息. 單目相機方案圖像獲取便捷,計算相對簡單,成本低,但接觸線的水平位置經常變化會使得單相機的數據采集范圍有限,實現車載實時檢測困難.
雙目相機方案采用兩個相機,在接觸網兩側分別拍攝接觸線,如圖5所示[32] . 在設置好系統參數后分別拍攝接觸網圖像,并獲取接觸網中心點在左右圖像上的坐標,進行系統標定后即可通過三角形原理計算出接觸網在整個系統中的三維物理坐標[33-35] . 雙目方案的優點在于測量更加迅速準確,拍攝范圍更廣, 對圖像處理方面的要求更低,適用性更好. 但是,該方案需要保證相機安裝參數的精度,容易受到各種誤差的影響.
1.2.2 接觸網磨耗檢測
接觸網作為弓網系統的核心部件,在運營車輛高速運動過程中與受電弓碳滑板一直保持高速接觸摩擦狀態,經過長期運行接觸網底部即接觸線表面往往會出現磨耗,如圖6所示. 其中: r 為接觸曲線半徑, h 為接觸線殘高, θ 為磨耗點與中線的夾角. 與受電弓滑板相同,接觸網磨耗較為嚴重時會影響到軌道交通的運營,需要及時進行更換. 目前,基于機器視覺的接觸網磨耗檢測方案主要分為3種,包括單目相機方案、雙目相機方案和結構光檢測方案.通常,當接觸網存在磨耗時,其底部會存在斷面, 斷面對光的反射性比導線其余弧形部分要強,因此在采集到的圖像中,接觸線磨耗邊緣會產生明顯的梯度變化,為提取接觸線磨耗部分提供了可能. 文獻[36] 展示了一種典型單目檢測接觸網磨耗的方法,通過從車頂對接觸網圖像進行拍攝,并經過圖像增強、圖像分析、邊緣檢測以及形態學處理方法,在一張圖像中提取出磨耗部分的輪廓信息,進而分析磨耗狀況. 該檢測方法思想簡單,容易實施,但檢測結果極易受參數標定結果的影響,而且該方法對圖像處理的要求較高,魯棒性差.
雙目視覺法是在單目相機的基礎上添加一個相機,左右相機分別拍攝得到接觸線圖像. 在系統物理參數固定的情況下,根據系統坐標關系得到接觸線磨耗面上某個點在左右相機坐標系下的坐標后,利用三角成像原理即可以計算出該點在世界坐標系上的坐標. 提取出接觸線磨耗面邊緣后計算得到某一斷面上左右邊緣的坐標即可計算得到這一接觸線斷面的磨耗情況[37-39] . 雙目相機方案也是目前接觸網磨耗檢測的主要方案,相比單目相機方案檢測結果更為準確,一定程度上避免了參數較難標定的問題,但檢測結果仍然比較依賴圖像處理技術提取接觸線邊緣.
以上研究都只能得到接觸線磨耗的數值信息,無法識別出接觸線磨耗的具體形態. 文獻[40]基于雙目立體成像原理,提取出左右圖像中的SURF特征進行立體匹配,進而得到接觸線的視差圖,從而實現了接觸線表面的三維重建. 基于圖像匹配的方式依賴于圖像特征的提取,受噪聲影響較大,使用結構光則可以很好地避免這一問題. 文獻[41-42]利用單目相機和線結構光相結合的方式,依據三角成像原理,經過結構光平面參數標定以及激光光條中心線提取,獲取接觸網表面某一截面的三維坐標,通過重復計算獲取多個截面坐標,進一步實現接觸網表面的三維重建. 基于結構光的檢測方案對圖像處理的要求較低, 同時多方案融合的方式也有效提升了重建結果,實際現場應用效果有待進一步驗證,技術方面還有很大的可提升空間.
1.2.3 接觸網懸掛病害檢測
高速發展的城市軌道交通對于軌道交通運行裝置的安全檢測同樣也提出了更高的要求. 在眾多運行裝置中,接觸網懸掛裝置是向城市軌道交通運營車輛提供電力的關鍵電力設備,是軌道交通牽引供電系統的關鍵組成部分. 如上所述,接觸網主要分為柔性接觸網和剛性接觸網兩大類. 柔性接觸網一般在空間大的車場、車輛段等高架線路或地面線路使用,而剛性接觸網在城市軌道交通線路的地下區段使用,且在城市軌道交通系統中占據主要部分[43] .
剛性接觸網(如圖7所示)相對于柔性接觸網具有諸多優點,如維護檢修容易,架構比較簡單,安全方便,較難斷線等[44-45] . 但是,在惡劣且長期振動的工作環境下,容易出現剛性接觸網導流板故障、匯流排腐蝕、匯流排局部嚴重磨損等故障[46] . 接觸網懸掛裝置的故障將導致該供電分區全部失去電力,區段內所有運行中的車輛將失去動力,輕則發生車輛停運,重則造成交通事故. 因此,實時有效地檢測接觸網懸掛裝置的運行狀態是保障軌道車輛能正常運營的重要措施。——論文作者：魏秀琨† , 所 達, 魏德華, 武曉夢, 江思陽, 楊子明
SCISSCIAHCI
