基于图像处理技术的地铁闸瓦厚度测量方法

周纪武,王野

摘 要：本文提出一种地铁闸瓦厚度测量方法。该算法采用yolov3目标检测算法获取闸瓦部件、磨耗线与参照部件的位置信息，融合kmeans聚类算法实现磨耗线的精细定位，再将像素厚度转化为实际物理厚度，实现闸瓦厚度的精确测量。

关键词：图像处理技术;地铁闸瓦厚度测量;地铁闸瓦图像特点

地铁刹车是通过闸瓦贴在轮对踏面上产生摩擦来实现减速停车，摩擦过程中会对闸瓦产生一定的磨耗，磨耗严重时会危及地铁运行安全。及时、准确的检测闸瓦厚度并进行异常预警，对地铁安全运行十分重要。下面根据闸瓦图像特点提出一种测量闸瓦厚度的方法。

1 原理

通过分析闸瓦图像（见图1），可以总结出闸瓦图像具有以下特点：

闸瓦侧面有一条刻度线，刻度线的长度可以代表闸瓦的厚度。

闸瓦图像与相机拍摄角度、成像畸变有关，只通过刻度线检测闸瓦厚度会与真实闸瓦厚度有一定的偏差。

根据闸瓦的以上特点，提出一种测量闸瓦厚度的方法（见图2）。

（1）测量以下数据：真实未磨损闸瓦的归一化标准厚度，记作P标准（P标准 = 真实未磨损的刻度线长度 / 真实参照物长度）。

图像中实际刻度线长度，记作L1;

图像中实际参照物长度，记作L2。

（2）归一化实际闸瓦厚度，记作P实际，P实际=L1/L2。

如果相机成像出现畸变，例如图像拉伸，那么刻度线长度L1、参照物长度L2均会被拉伸，“L1 / L2”代表当前图像中刻度线长度相对于参照物长度的比值，通过此计算可消除图像拉伸引起的误差。

（3）闸瓦剩余厚度百分比P剩余 = P实际 / P标准。

代表归一化实际闸瓦厚度与归一化标准厚度的比值，即闸瓦剩余厚度百分比，可以用该值代表闸瓦剩余厚度，P剩余的取值范围是0～1，1表示闸瓦没有磨耗。当该值到达警戒值时表示闸瓦变薄，需要及时更换新的闸瓦。

2 具体步骤

（1）确定真实未磨损闸瓦的归一化标准厚度，记作P标准（P标准 = 真实未磨损的刻度线长度 / 真实参照物长度）。

（2）准备100～150张城轨车辆图像，使用yolo_mark标注工具在图像中标注出闸瓦区域。

使用标注后的图像训练yolov3神经网络，获得网络的权重文件。

使用权重文件初始化yolov3神经网络，输入城轨车辆图像，获得闸瓦位置，从而可以提取出闸瓦图像。

（3）准备100～150张闸瓦图像，使用yolo_mark标注工具在图像中标注出以下区域：

刻度线首尾两端（见图3中框起部分）;

参照物（见图3中框起部分）。

使用标注后的图像训练yolov3神经网络，获得网络的权重文件。

使用权重文件初始化yolov3神经网络，输入闸瓦图像，获得以下位置信息：刻度线首尾两端位置Rect1（x，y，width，height）、Rect2（x，y，width，height）（见图4）。

yolov3网络有可能定位出多个方框（见图5中框起部分）。

针对这种情况，需要通过聚类算法将定位出的方框分为两类，选取类别1中得分最高的方框作为刻度线首位置Rect1，选取类别2中得分最高的方框作为刻度线尾位置Rect2;

参照物位置Rect3（x，y，width，height）（见图4）。

（4）然后进行以下计算（见图6）：

计算刻度线首端P1点的坐标P1（x，y），其中x=Rect1.x

+（Rect1.width/2），y=Rect1.y+（Rect1.height/2）;

計算刻度线尾端P2点的坐标P2（x，y），其中x=Rect2.x

+（Rect2.width/2），y=Rect2.y+（Rect2.height/2）;

计算刻度线长度L刻度线，即P1点和P2点之间的距离，L刻度线=（（P1.x-P2.x）2 + （P1.y-P2.y）2）1/2;

计算参照物宽度L参照物，L参照物=Rect3.width;

计算归一化的实际闸瓦厚度P实际=L刻度线/L参照物;

计算闸瓦剩余厚度百分比P剩余 = P实际 / P标准。

如果没有定位出刻度线的位置（即Rect1和Rect2均不存在），则认为闸瓦丢失。

3 结语

通过上述方法，可以测量城轨车辆的闸瓦厚度，减少行车安全隐患。

参考文献：

[1]周志华.机器学习[M].北京：清华大学出版社，2016：121-139.