機(jī)車車輪圖像匹配關(guān)鍵技術(shù)研究和實(shí)現(xiàn).pdf

1、走行部作為列車運(yùn)行安全的重要保障，受到了國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，并研發(fā)出搭載于列車車廂的運(yùn)行監(jiān)控系統(tǒng)。由于列車走行部零件過多，車輪表面等部件仍需要人工敲擊來檢測(cè)。針對(duì)以上方法存在的效率低和事后性問題，本文使用圖像匹配算法，對(duì)車輪圖像進(jìn)行匹配，提高列車安全維護(hù)效率，對(duì)保障行車安全具有重要參考價(jià)值。
　　本文以圖像匹配原理為基礎(chǔ)，研究了車輪圖像匹配的關(guān)鍵技術(shù)，搭建了位于軌道兩側(cè)的圖像采集系統(tǒng)。使用了恒定的補(bǔ)光光源和固定的攝像頭位置，使圖

2、像采集系統(tǒng)具有了光照不變性、尺度不變性以及旋轉(zhuǎn)不變性。以標(biāo)準(zhǔn)車輪圖像為模板，采用模板匹配方法，對(duì)拍攝到的圖像進(jìn)行匹配，實(shí)驗(yàn)結(jié)果表明匹配圖像相關(guān)度達(dá)到0.9以上，匹配精度達(dá)到像素級(jí)。
　　同時(shí)，本文研究了SIFT算法的步驟和詳細(xì)過程，建立了基于SIFT算法的車輪圖像匹配模型。通過分析車輪圖像特點(diǎn)，弱化邊緣點(diǎn)的限制參數(shù)，獲取更多的車輪圖像特征點(diǎn)信息，通過實(shí)驗(yàn)分析比較將邊緣限制參數(shù)定為10;針對(duì)SIFT算法匹配出現(xiàn)的誤匹配，引入反向匹配

3、算法改進(jìn)原SIFT匹配算法，反向匹配算法的引入對(duì)原匹配算法起到了強(qiáng)限制作用，從而去除了大量的誤匹配，提高了特征點(diǎn)匹配的查全率，改進(jìn)后最高查全率可達(dá)100％;分析了相似度評(píng)估方法，使用棋盤距離與街區(qū)距離的線性組合替代原算法中的歐氏距離，降低了計(jì)算復(fù)雜度，將原SIFT算法的運(yùn)行效率提高了40％。最終，將本文SIFT算法用于車輪圖像的匹配與定位。
　　仿真和實(shí)驗(yàn)結(jié)果表明，在保持SIFT原有算法的不變性的基礎(chǔ)上，改進(jìn)SIFT算法提高了查全