Система технического зрения для контроля состояния Железнодорожного пути
Н.Н. Васин, Р.Р. Диязитдинов

 

Поволжский государственный университет телекоммуникаций и информатики (ПГУТИ), Самара, Россия

Аннотация:
В статье приведено описание системы технического зрения, предназначенной для мониторинга железнодорожного пути. Описаны основные элементы алгоритма обнаружения маячных меток, которые используются для контроля механических напряжений по длине рельсовой плети. В заключительном разделе статьи описаны особенности, которые встречаются в реальных условиях эксплуатации: влияние неоднородностей поверхности катания рельса на работу алгоритма и ложное обнаружение элементов инфраструктуры железнодорожного пути, похожих на маячные метки.

Ключевые слова :
техническое зрение, обработка изображений, видеокамеры, железнодорожная инфраструктура, маячные метки.

Цитирование:
Васин, Н.Н.
Система технического зрения для контроля состояния железнодорожного пути / Н.Н. Васин, Р.Р. Диязитдинов // Компьютерная оптика. – 2016. – Т. 40, № 3. – С. 410-415. – DOI: 10.18287/2412-6179-2016-40-3-410-415.

Литература:

  1. Альбрехт, В.Г. Бесстыковой путь / В.Г. Альбрехт, А.Я. Коган. – М.: Транспорт, 2000. – 285 c.
  2. Павленко, В.В. Система определения предотказного состояния бесстыкового пути для обеспечения безопасности движения поездов / В.В. Павленко // Транспорт Российской Федерации. – 2011. – № 5(36). – С. 31-33.
  3. Ерёмин, С.Н. Опыт использования технологии обработки изображений при проектировании интеллектуальных транспортных систем / С.Н. Еремин, Л.Л. Малыгин, А.Е. Михайлов, В.А. Царев. – В кн.: Искусственный интеллект в XXI веке: Труды международного конгресса (ICAI ' 2001). – М.: Физмалит, 2001. – С. 676-690.
  4. Иванов, Ю.А. Технологии компьютерного зрения для наблюдения за объектами путевой инфраструктуры / Ю.А. Иванов // Техника железных дорог. – 2011. – № 4(16). – С. 57-61.
  5. Васин, Н.Н. Алгоритмы идентификации объектов в системах видеонаблюдения с использованием статистических методов / Н.Н. Васин, Р.Р. Диязитдинов // Инфокоммуникационные технологии. – 2011. – Т. 9, № 3. – С. 23-28.
  6. Шапиро, Л. Компьютерное зрение / Л. Шапиро, Дж. Сток­ман. – М.: БИНОМ. Лаборатория знаний, 2006. – 752 с.
  7. Canny, J., A Computational Approach to Edge Detection / J. Canny // IEEE Transactions on Pattern Analysis and Machine Intelligence. – 1986. – Vol. PAMI-8, Issue 6. – P. 679-698. – DOI: 10.1109/TPAMI.1986.4767851.
  8. Fischler, M.A. Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography / M.A. Fischler, R.C. Bolles // Com­munications of the ACM. – 1981. – Vol. 24(6). – P. 381-395.
  9. Методы компьютерной обработки изображений / М.В. Гаш­ников, Н.И. Глумов, Н.Ю. Ильясова, В.В. Мяс­ни­ков, С.Б. По­пов, В.В. Сергеев, В.А. Сойфер, А.Г. Хра­мов, А.В. Чернов, В.М. Чернов, М.А. Чичёва, В.А. Фур­сов; под ред. В.А. Сойфера. – М.: Физматлит, 2004. – 784 c.
  10. Оппенгейм, А. Цифровая обработка сигналов: пер. с англ. /А. Оппенгейм, Р. Шафер; под ред. А.Б. Сергиен­ко. – 2-е изд., испр. – М.: Техносфера, 2007. – 856 с.

© 2009, IPSI RAS
Institution of Russian Academy of Sciences, Image Processing Systems Institute of RAS, Russia, 443001, Samara, Molodogvardeyskaya Street 151; E-mail: ko@smr.ru; Phones: +7 (846) 332-56-22, Fax: +7 (846) 332-56-20