基于Halcon及VS的动车组制动闸片厚度自动识别模块

研究基于图像处理和模式识别的动车组闸片厚度自动识别模块,解决动车组制动时因闸片过薄而导致的车轮迅速升温,甚至引发不安全状态的问题。该模块可实现动车组通过时自动检测,即自动拼图、图像预处理、模型定位及制动闸片厚度计算,并对厚度小于一定数值的闸片进行自动报警。通过大量实验和测试表明,该模块可以有效地计算闸片的厚度,具有很好的鲁棒性。

基于Halcon深度学习和线扫相机标定的闸片剩余厚度测量

针对测量轨道车辆闸片剩余厚度的需求,本文提出了一种基于Halcon深度学习和线扫相机标定的闸片剩余厚度测量方法。首先,采用目标检测算法实现关键零部件定位,进而剪裁出闸片区域图像。在闸片区域图像进行语义分割,得到闸片的边缘,进而求得图像像素坐标系下的闸片厚度。进行线扫相机的标定,获得每个像素对应的世界坐标距离,进而求得世界坐标系下的闸片实际厚度。该方法对于不同车型和光照等环境变化具有自适应性,且取得较好的测量精度和实时性。