机器视觉与惯性信息融合的轨道几何参数检摘要：轨道的几何参数的检测是列车能够安全运行的基本保障。但列车在低速连续运动时进行轨道几何参数检测的过程中受到了陀螺仪和加速度计累计误差的影响，使得最终检测结果的精确度就受到明显的影响而降低。本文采用机器视觉与惯性信息融合的轨道几何参数检测方法以解决上述问题，在轨道几何参数检测的时候先将多个传感器融合在一起，然后再通过卡尔曼滤波算法对机器视觉检测和惯性信息进行融合，提高了轨道几何参数检测结果的精度，最后在通过相应的测量平台对机器视觉与惯性信息融合的轨道几何参数检测进行相应的试验验证，结果表明本检测方法的测量精度比常规的惯性测量精度高5倍左右。关键词：机器视觉、惯性测量、多传感器融合、轨道几何参数轨道线路不仅是列车高密度运行的基本保障，而且还是列车繁重运输的基础设施，列车轨道的相互耦合作用和地基的不规则沉降都会对轨道线路的平顺度产生一定的影响，而轨道线路的平顺度又是影响列车运行安全、平稳和舒适的直接因素。所以致力于提高轨道线路检测的精度对维护列车安全运行十分重要。1、检测系统结构及
工作原理
数字放映机工作原理变压器基本工作原理叉车的结构和工作原理袋收尘器工作原理主动脉球囊反搏护理
机器视觉系统、陀螺仪和惯性测量单元三者组成了机器视觉与惯性信息融合的轨道线形监测系统。轨道几何参数检测的时候采用线激光3D视觉成像与惯性测量的多传感器融合定标算法不仅可以对轨道几何参数进行长距离检测，还可以建立轨道的空间立体几何模型，而且有效的提高了检测结果的精度。线激光3D视觉成像与惯性测量的多传感器融合定标算法的工作原理是先建立动态坐标系与静态基准点两者之间相互转换的矩阵关系，并将动态测量数据转换到世界坐标系下，然后再融合机器视觉与惯性信息，便能得到空间运行曲线与轨道几何参数，最后再根据检测平台的结果测量长距离、高精度的连续运动轨道几何参数。2、机器视觉与惯性信息多传感器融合定标算法机器视觉与惯性信息融合定标的主要目的是确定惯性测量单元与视觉传感器以及倾角仪与视觉传感器之间的关系，然后再将动态测量数据转换到世界坐标中测量长距离、高精度的连续运动轨道参数。惯性测量单元与机器视觉关联坐标系转换采用手眼定标的方法分别建立惯性传感器欧拉角坐标系、惯性传感器坐标系、相机坐标系以及世界坐标系，并建立惯性传感器欧拉角坐标系到惯性传感器坐标系的旋转矩阵、惯性传感器坐标系到相机坐标系的旋转矩阵以及世界坐标系到相机坐标系的旋转矩阵，然后再根据手眼标定的方法建立与所有旋转矩阵相关的方程，计算旋转矩阵相关方程的时候需要消除由惯性传感器航向角引起的误差，计算旋转矩阵相关方程的时候同时还需要注重提高算法的精确度，所以应该将拍摄得到的所有图像进行两两组合得到一个方程组，最后根据方程组得到惯性传感器坐标系在不同时刻之间的旋转矩阵。倾角仪与惯性测量单元关联坐标系转换机器视觉与惯性信息融合的轨道线形检测过程中倾角仪、相机与惯性测量单元三者之间的位置都是处于相对固定的状态，而且惯性测量单元与相机之间的旋转矩阵也可以通过惯性测量单元与机器视觉旋转矩阵求得，所以可以通过先求取倾角仪与机器视觉旋转矩阵以简化倾角仪与惯性测量单元旋转矩阵，然后在根据倾角仪得到的角度信号建立相应的方程。求解倾角仪与惯性测量单元旋转矩阵的时候也需要注重提高算法的精确度，所以也需要将拍摄得到的所有图像进行两两组合得到一个方程组，最后再根据方程组得到倾角仪与惯性测量单元旋转矩阵。惯性测量单元与机器视觉坐标系平移关系由相机坐标系在任意两时刻之间的旋转矩阵以及这两时刻之间相机坐标系的平移向量，惯性传感器在这两个时刻之间的旋转矩阵和平移向量可以建立相应的方程，然后再根据第1次校准平台建立相应的约束方程并根据约束方程得到惯性测量单元与机器视觉旋转矩阵。3、基于扩展卡尔曼滤波几何参数融合由机器视觉与惯性信息融合的轨道几何参数检测系统结构可知：世界坐标系中的惯性测量单元的位置、线速度和倾角以及惯性测量单元的加速度偏差、角速度偏差和倾角偏差都会对轨道线的状态方程产生一定的影响，因此需要采用扩展卡尔曼滤波算法的方式先写出任意时刻的轨道线状态方程。空间任意一测量点的摄像机坐标系下的坐标以及相应的像素坐标都可以由多个特征点构成，最后再采用扩展卡尔曼滤波的核心公式并结合测量点在世界坐标系下的坐标和相机焦距就可以得到最佳的轨道几何参数。4、实验验证通常人们都会建立一个具有六个自由度几何参数检测平台验证机器视觉与惯性信息融合的轨道线形检测法的正确性。该几何参数检测平台主要由标定板、机器视觉、惯性测量单元、数据采集设备以及运动平台五个部分组成。验证的第一步是通过几何参数检测平台先记录下所有控制节点的坐标，然后利用基于惯性检测法进行检测，再利用机器视觉与惯性信息融合的检测方法进行检测，最后将两种检测的结果进行对比、验证，然后再根据采样点数、检测数据和设定值求出偏差和标准差，偏差和标准差直接反映了检测结果的精确度。大量的实验表明：运动控制平台设计的几何参数曲线与机器视觉与惯性信息融合的多传感器融合检测得到的几何参数曲线基本上相同。与常规的基于惯性检测法的检查结果相比机器视觉与惯性信息融合的检测的结果更接近设定值。止匕外、不同检测方法得到的几何参数曲线的线路偏差值在各个方向都有明显的差异，通常惯性测量检测所得到的折线的波动最明显，因此采用机器视觉与惯性信息融合的检查法得到的几何参数曲线的线路偏差值最小，而且该方法还具有重复性和较高的准确性。为了进一步证明机器视觉与惯性信息融合检测法的有效性，还可以对线路进行多种样式的轨道线路与结构实验。大量的实验表明：采用机器视觉与惯性信息融合的检测法得到的几何参数的几何状态参数与实际线路基本保持一致，而且该方法沿同一个方向的检测结果的重复性和准确性都极高，而且在同一方向的两次测量的结果在三个坐标方向上的线路偏差值的变化趋势基本一致，即相同坐标点三个坐标轴上的偏差值基本吻合。结束语：基于常规的惯性单元的轨道线形检测方法不仅会受到陀螺仪的影响，而且也会受到加速度计的累积误差的影响，如果在低速连续运动的状态下采用惯性单元的轨道线性检测方法，那么该检测方法得到的结果精度就会比较低。采用机器视觉与惯性信息多传感器融合的轨道线形检测方法可以有效的提高检测结果的精确性，该方法测得的轨道线形检测的结果精度约为惯性测量单元测量的5倍。参考文献：[1]赵才友，王平.钢轨-扣件耦联系统的动力特性试验[J],振动.测试与诊断，2014,34(04)680-687.[2]陈强，刘丽瑶，杨莹辉，等.基于双向近景摄影测量检测轨道不顺度的计算模型[J].铁道学报，2012,34(12):83-89.
浙公网安备 33021202002483