融合纹理结构的潜在狄利克雷分布铁路扣件检测模型

针对潜在狄利克雷分布（LDA）模型忽略图像结构的问题,提出一种融合图像纹理结构信息的LDA扣件检测模型TS_LDA。首先,设计一种单通道局部二值模式（LBP）方法获得图像纹理结构,将单词的纹理信息作为标注,用单词和标注的联合分布反映了图像的结构特点;然后,将标注信息嵌入LDA,由单词和标注共同推导图像主题,改进之后的主题分布考虑了图像结构;最后,以该主题分布训练分类器,检测扣件状态。相比LDA方法,正常扣件与失效扣件在TS_LDA主题空间中的区分度增加了5%~35%,平均漏检率降低了1.8%~2.4%。实验结果表明,TS_LDA能够提高扣件图像建模精度,从而更加准确地检测扣件状态。

基于潜在语义主题融合的铁路扣件状态检测

针对现有单一底层特征识别扣件状态的算法存在描述能力差、特征维度过高等问题,提出一种基于两种扣件底层特征的潜在语义主题融合的扣件检测模型。通过潜在狄利克雷分布(LDA)模型分别获取扣件图像的局部二值模式(LBP)特征和方向梯度直方图(HOG)特征的扣件语义主题向量。将这两种语义主题向量进行加权融合,权值由该图像LBP特征图和其梯度图的信息熵来确定。以该向量训练分类器,判断待检扣件状态。实验表明:与目前的主流扣件检测方法相比,该方法的漏检率和误检率明显降低,检测能力显著增强。

基于信息熵加权词包模型的扣件图像检测

针对传统"视觉词包模型"在进行铁路扣件检测时忽略图像结构而导致的区分能力不强的问题,提出一种基于信息熵加权词包模型的扣件检测模型EW_BOW。在传统"视觉词包模型"的基础上,引入信息熵对扣件图像局部区域的词包模型的词频进行加权处理,加强词包模型对不同类别扣件的区分性,并利用潜在狄利克雷分布学习扣件图像的主题分布。最后,采用支持向量机对扣件进行分类识别。对四类扣件图像的分类实验证明该模型能够有效提高扣件分类精确度。

基于感兴趣区域和折线特征的铁路扣件检测算法

针对目前铁路扣件检测算法在实际应用中普适性不足的问题,提出了一种基于感兴趣区域(ROI)和折线特征的铁路扣件检测算法。根据图像背景区域中的稳定性特征,提取出扣件端部所在的ROI,以克服冗余信息对扣件检测的干扰;通过改进的八方向欧氏距离变换得到能够表征扣件端部结构信息的距离场;融合对应扣件弯曲方向的距离场得到特征矩阵,再利用该矩阵计算折线特征点,进而提取折线特征;完成缺陷检测。理论分析与实验结果表明:所提算法具有准确率高、复杂度低、鲁棒性强的优点,且漏检率和误检率分别达到了1.3%和1.7%,验证了算法的有效性。

地铁区间盾构隧道建筑限界核查新方法

目的:地铁区间盾构隧道建筑限界核查工作,存在需人工识别线路曲线类型、限界计算结果准确率低、核查效率低、工作量大等问题。为此,需研究新的地铁区间盾构隧道建筑限界核查方法。方法:在地铁区间盾构隧道断面建立基准坐标系,在隧道内壁选择测点,读取测点处测量数据信息;利用盾构圆形隧道内壁轮廓几何关系计算顶部和底部的测点处高程理论值及左右两侧测点处的横距理论值,并利用内插法计算缓和曲线段偏移量;利用高程理论值、横距理论值及偏移量来计算每个测点的建筑限界;将计算出的建筑限界和测量数据相比较,进而判断该隧道断面是否有测点侵界。介绍了基于该建筑限界核查方法开发的地铁区间盾构隧道建筑限界核查软件,并用实际工程数据进行测试。结果及结论:工程数据测试结果表明,建筑限界核查软件能快速准确地读取限界测量数据、计算缓和曲线偏移量、计算建筑限界设计值、进行限界核查、自动生成核查结果及输出核查报告等,有效地提高了限界核查的准确率及核查效率,使核查时间缩短80%以上。

《CJJ/T 96-2018》地铁限界标准浅析

为适应我国城市轨道交通地铁建设的发展需要,合理控制车辆通行的有效净空断面,保障地铁工程建设和车辆运行的安全,住建部于2018年11发布《地铁限界标准》,编号为《CJJ/T 96-2018》,并于2019年4月起实施。本文通过介绍《CJJ/T 96-2018地铁限界标准》中相对于《CJJ 96-2003地铁限界标准》的变化部分,针对两版《地铁限界标准》摘取部分不同处进行简述,为城市轨道交通限界设计提供参考和借鉴。