典型文献
基于Halcon深度学习和线扫相机标定的闸片剩余厚度测量
文献摘要：
针对测量轨道车辆闸片剩余厚度的需求,本文提出了一种基于Halcon深度学习和线扫相机标定的闸片剩余厚度测量方法.首先,采用目标检测算法实现关键零部件定位,进而剪裁出闸片区域图像.在闸片区域图像进行语义分割,得到闸片的边缘,进而求得图像像素坐标系下的闸片厚度.进行线扫相机的标定,获得每个像素对应的世界坐标距离,进而求得世界坐标系下的闸片实际厚度.该方法对于不同车型和光照等环境变化具有自适应性,且取得较好的测量精度和实时性.
文献关键词：
深度学习;目标检测;语义分割;线扫相机标定;闸片剩余厚度测量
中图分类号：
作者姓名：
袁啸阳;周丽萍;韩可均;厉承臻;付鹏飞;安顺伟
作者机构：
中国铁路济南局集团有限公司,山东 济南 250001;中车青岛四方车辆研究所有限公司,山东 青岛 266031;中国铁路武汉局集团有限公司,湖北 武汉 430071
文献出处：
引用格式：
[1]袁啸阳;周丽萍;韩可均;厉承臻;付鹏飞;安顺伟-.基于Halcon深度学习和线扫相机标定的闸片剩余厚度测量)[J].智慧轨道交通,2022(02):1-5
A类：
线扫相机标定,闸片剩余厚度测量
B类：
Halcon,轨道车辆,目标检测算法,算法实现,实现关键,关键零部件,剪裁,片区,语义分割,像素坐标,坐标系,世界坐标,标距,同车,车型,自适应性,测量精度
AB值：
0.204622
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。
