基于三維模型的接觸網(wǎng)檢測技術(shù)研究.pdf

1、接觸網(wǎng)是電氣化鐵路供電系統(tǒng)的關鍵部分，其正常與否與高速電氣化鐵路的安全運營密切相關。因此，對于接觸網(wǎng)系統(tǒng)的實時檢測精度提出了較高的要求。就目前而言，應用于實際的檢測方法主要是接觸式檢測，而對于非接觸式檢測技術(shù)的研究剛開始，且主要集中于基于二維圖像處理的檢測技術(shù)研究，對于利用三維信息進行不良狀態(tài)檢測的技術(shù)研究幾乎沒有。基于二維圖像的檢測技術(shù)會由于拍照角度、曝光度等外在因素的影響出現(xiàn)檢測死角，無法較為準確的檢測出接觸網(wǎng)懸掛裝置的故障，而三維

2、模型相對于二維圖像，其所含的信息較為豐富，且對光的魯棒性較好，因此本文提出基于三維模型的檢測技術(shù)來對接觸網(wǎng)的不良狀態(tài)進行檢測。
　　對于本文所提出的檢測方法來說，待檢測部件三維模型的獲取是進一步完成檢測的基礎。本文對此給出了獲取重建所需三維點云的方法，并給出了三維重建的基本過程。
　　三維重建過程中的點云配準過程是影響整個重建過程效率及模型準確度的關鍵因素。尺度不變特征轉(zhuǎn)換(Scale Invariant Feature T

3、ransform，SIFT)算法是一種基于局部特征的匹配算法，該算法性能優(yōu)良，且應用最為廣泛，其在關鍵點特征向量構(gòu)建過程中存在計算量大、向量維數(shù)較高而影響匹配速度的缺點。為解決此問題，本文提出在使用SIFT算法提取得到SIFT關鍵點后，采用均勻模式的局部二值模式(Local Binary Patterns，LBP)特征值來對關鍵點進行特征向量的構(gòu)建，然后采用基于最近鄰距離間比值的匹配方法來確定兩片點云關鍵點集之間的對應關系，進而進行粗配

4、準、精配準及曲面重建，最終完成零部件的三維重建。實驗結(jié)果表明，文中所述算法能達到預期目的，提高匹配速度，從而加速重建過程。
　　本文提出基于獲得的待檢測零部件三維模型進行異常檢測，通過對比分割提取所獲三維模型與正常三維模型間的差異部分，并直觀顯示。首先，利用上文所述的方法進行接觸網(wǎng)零部件故障狀態(tài)下的三維重建，獲得檢測所需的三維模型;然后，通過3D形狀內(nèi)容描述子算法從已知模型庫中識別出相應正常零部件的三維模型;接著，利用基于旋轉(zhuǎn)圖像