基于贪心选择及斜率探测扩充的轨面提取方法

摘要

传统的钢轨表面区域提取方法不同程度存在需要预先给定轨面宽度、假定轨面在轨道图像中央和手动选取边界等前提条件,且存在自适应性差,光照敏感,无法在轨头圆角处存在尘泥等噪声时将轨面完整提取等问题。针对上述问题,提出了一种基于YUV空间的贪心算法选择及斜率探测扩充的轨面区域提取方法。首先将RGB轨道图像转化到YUV空间,提取其V分量,减弱环境光照以及噪声的干扰;其次绘制V分量的灰度投影反转曲线,利用该曲线灰度均值和中值进行候选轨面区间划分;随后利用贪心算法求出划分后曲线中的最大子序和区间,进行轨面粗提取;最后利用斜率探测扩充法进行轨面精提取,在粗提取的边界两侧进行一定距离的斜率探测,用偏转角大于设定阈值的中间位置更新轨面边界。实验结果表明,该方法可以精准快速地提取轨面区域,平均精度达0.929 6,准确率达96.67%,平均时间为25.96 ms,具有一定实用价值。

关键词： 钢轨表面区域; YUV色彩空间; 灰度投影; 贪心算法; 斜率探测扩充

现代铁路行业的高速发展面临着列车不断增长行驶速度、运营里程、载重负荷的挑战,无疑增加了轨道基础设施的安全隐患[1]。钢轨是轨道基础设施的重要组成部分,受高密度的