典型文献
无砟道床板间相对位移测量中感兴趣区域自动提取方法
文献摘要：
轨道结构作为高速列车行车的基础,必须保证其良好的在役服役性能,有效地实现无砟道床板间位移测量是实现铁路无砟轨道结构服役状态保持的重要措施.针对无砟道床板非接触式位移测量中感兴趣区域(Region of interest,ROI)自动提取问题展开研究,提出一种基于Faster R-CNN(Faster Regions with CNN)的ROI区域自动提取方法,阐明无砟道床板间位移机器视觉测量原理和实现方法的计算流程.基于Keras图像数据增强模型进行无砟道床板间位移目标库的增加,建立人工标靶数据集.通过CNN中卷积层对测量数据进行特征映射图提取,计算映射图中每个特征点的标靶概率,通过分类和边框回归,精确标记图像中的人工标靶.通过安装某250 km/h的双块式无砟轨道线路的典型测点进行Faster R-CNN算法的准确性和有效性验证.研究结果表明:道床板ROI自动提取算法的召回率为99.16％,准确率为98.91％,可以有效满足无砟道床板间位移测量中精度和准确率的要求;与其他的常用YOLO v3,SSD和Fast R-CNN等ROI算法相比,Faster R-CNN方法的计算效率较好、准确率最高,虽然计算效率上略有不足,但可满足铁路轨道状态实际监测的需求.建议在无砟轨道位移非接触式测量中采用基于Faster R-CNN的ROI自动提取方法,以有效地监测铁路基础设施服役状态.
文献关键词：
无砟道床板;位移测量;图像处理;Faster R-CNN;ROI区域
中图分类号：
作者姓名：
王鲁明;李再帏;赵彦旭;路宏遥;何越磊
作者机构：
上海工程技术大学 城市轨道交通学院,上海 201620;中铁二十一局集团有限公司,甘肃 兰州 730070
文献出处：
引用格式：
[1]王鲁明;李再帏;赵彦旭;路宏遥;何越磊-.无砟道床板间相对位移测量中感兴趣区域自动提取方法)[J].铁道科学与工程学报,2022(02):310-318
A类：
无砟道床板
B类：
相对位移,位移测量,感兴趣区域,自动提取,轨道结构,高速列车,车行,在役,服役性能,服役状态,interest,ROI,Faster,Regions,机器视觉,视觉测量,测量原理,实现方法,计算流程,Keras,图像数据增强,增强模型,立人,标靶,卷积层,测量数据,特征映射,特征点,边框回归,双块式无砟轨道,有效性验证,召回率,YOLO,v3,SSD,计算效率,上略,铁路轨道,轨道状态,非接触式测量,铁路基础设施
AB值：
0.21573
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
