(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211087809.3 (22)申请日 2022.09.07 (71)申请人 南京康尼机电股份有限公司 地址 210013 江苏省南京市 鼓楼区模范中 路39号 (72)发明人 朱文明　缪小冬　丁瑞权　季卫东　 曹莹　谢小刚　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 柏尚春 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/44(2022.01) G06T 7/80(2017.01) G01N 21/84(2006.01) (54)发明名称 一种面向轨道车辆车门运动的视觉检测方 法 (57)摘要 本发明公开了一种面向轨道车辆车门运动 的视觉检测方法， 首先， 搭建测量环境， 安装包括 视频采集设备和数据处理设备的测量装置； 其 次， 对运动物体的运动状态进行准确拍摄， 获取 视频数据： 然后， 对获取的视频数据进行边缘检 测， 提取视频数据的关键特征； 最后， 对 车门运动 的位移、 速度、 动 能进行计算， 并显示在界面上。 本发明利用处理现场采集的视频， 采用图像处理 技术与视觉测量算法对运动车门进行测量的方 法， 解决了现有传感器测量数据单一的问题； 同 时， 本发明克服了复杂环境对视觉特征检测难、 标定难、 精度误差大的问题。 权利要求书2页 说明书5页 附图1页 CN 115393772 A 2022.11.25 CN 115393772 A 1.一种面向轨道车辆车门运动的视 觉检测方法， 其特 征在于， 包括以下步骤： (1)搭建测量环境， 安装 包括视频采集设备和数据处 理设备的测量装置； (2)对运动物体的运动状态进行准确拍摄， 获取视频 数据； (3)对获取的视频 数据进行边 缘检测， 提取视频 数据的关键特 征； (4)对车门运动的位移、 速度、 动能进行计算， 并显示在界面上。 2.根据权利要求1所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 步 骤(1)所述测量装置安装需满足以下 条件： 光照均匀无遮挡； 相机采样速度高； 被检测对象无振动； 相机安装位置正对被检测对象 中间位置； 所述相 机采样需对相机进行标定： 打印一张棋盘格， 作为标定物； 通过调整标定 物或摄像机的方向， 为标定物拍摄不同方向的照 片； 从照片中提取棋盘格角点； 通过标定标 准， 获取畸变参数， 进行 校准。 3.根据权利要求1所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 步 骤(2)所述对运动物体的运动状态进行准确拍摄的具体要求 为： 视频采集装置需稳定的安置在物体运动 区域的正中间， 视野需要覆盖整个运动 区域； 运动区域内背景尽量简单； 拍摄的过程中 需保证光线稳定， 没有干扰和振动。 4.根据权利要求1所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 所 述步骤(3)包括以下步骤： (31)基于改进的欧氏距离计算法强化图像块中心像素： 其中， dc为图像中两个像素的新的欧式距离； v[Ni]是以i为中心的环绕i的图像块； c [Ni]是以i为中心的环绕i的图像块； (32)对图像数据进行均值化处理， 然后对噪声图像进行PCA降噪： 对于噪声图像Iv的协 方差矩阵为 因为I和V是不相关的， 所以 对于无噪声I的协方差矩阵可以表示为 是特征向量， ΛI是特征值对角矩阵； 对于高斯白噪声V的协方差ΩV来说， 是一个对角线上 的值σ2， 其他值为零的对称矩阵； 则 E 是单位对角矩阵； 根据PCA原理， 令 则PCA变换域表示为 变换域中 的协方差为 在PCA域中， 数据信息集中在前面的维度中； 在变换域中第 k行数据为 其中 再通过PCA反变换得到 其中 再将原来图像的均值和 相加得到PCA降噪图像； (33)边缘提取： 使用高斯滤波正则化函数实现活动轮廓的正则化， 保持水平集函数的 光滑， 并且无 须重新初始化水平集 函数。 5.根据权利要求1所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 所 述步骤(4)包括以下步骤： (41)读取视频 数据且分解成连续图像帧列；权　利　要　求　书 1/2 页 2 CN 115393772 A 2(42)对连续图像进行 滤波去噪， 对边 缘特征点进行检测， 确定位置坐标； (43)将门运动的位置坐标通过 标定转换为 位移、 速度、 动能。 6.根据权利要求4所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 所 述步骤(31)包括以下步骤： (311)定义变量并且初始化： 输入图像I， 距离图D， 新的欧氏距离Dc； (312)读取输入图像没有处理的像素点Ic， 设置中心像素点Ic的搜索区域， 设定搜索区 域半径为t， 从而获得搜索矩形区域Rs； (313)读取Rs中的其他像 素， 分别构造中心像 素Ic和Rs中其他像 素Io的图像块， 图像块的 半径为f； 计算Rs中每一个像素点和中心像素点新的欧氏距离 dc， 并且累加Rs中的中心像素 与其他像素所有的dc， 计算Dc＝Dc+dc； (314)计算当前中心像素Ic的平均欧氏距离Dc＝Dc/Rs(num)， Rs(num)表示搜索矩形区域 Rs的像素个数； 并将Dc作为距离图D相对应位置的像素值， Dc初始化为零值； (315)输入图像I 其他没有处 理的像素点 转入步骤(312)； (316)对距离图D进行归一化 处理： D＝(D‑Vmin)/(Vmax‑Vmin)， Vmin和Vmax分别距离图D中的 最小值和最大值。 7.根据权利要求4所述的一种面向轨道车辆车门运动的视觉检测方法， 其特征在于， 所 述步骤(33)实现过程如下： 根据演化函数 结合局部信息的CV模型演化方程 更新水平集 函数 对水平集 函数进行高斯 函数平滑； 其中， 其中， f1和f2中G表示高斯核函数， f1和f2分别表示以高斯窗口为界限的水平集函数内外 均值， 是一个局部信息， 表示水平集 函数， Ω表示图像。权　利　要　求　书 2/2 页 3 CN 115393772 A 3