买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京理工大学申请的专利一种基于图像处理的列车车底螺栓丢失检测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114511519B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210067611.2，技术领域涉及：G06T7/00；该发明授权一种基于图像处理的列车车底螺栓丢失检测方法是由邢宗义;杜森;张皓泽;雷威设计研发完成，并于2022-01-20向国家知识产权局提交的专利申请。

本一种基于图像处理的列车车底螺栓丢失检测方法在说明书摘要公布了：本发明公开了一种基于图像处理的列车车底螺栓丢失检测方法，步骤为：利用多个线阵相机获取列车车底原始图像，采用两组双磁钢测速方式获取车速；进行车速曲线拟合，对车底原始图像进行畸变校正；对畸变校正后的图像进行光照不均校正，得到光照不均校正后的车底图像；将FAST算法和SURF算法相结合，对光照不均校正后的车底图像进行特征点提取和描述，将改进的k‑d树最近邻查找算法与双向匹配的自适应阈值方法相结合，对不同相机采集的光照不均校正后的车底图像进行图像拼接得到车底完整图像；对车底完整图像集进行数据集制作和模型训练，利用深度学习目标检测SSD算法对车底螺栓丢失进行检测。本发明实时性强、检测精度高。

本发明授权一种基于图像处理的列车车底螺栓丢失检测方法在权利要求书中公布了：1.一种基于图像处理的列车车底螺栓丢失检测方法，其特征在于，步骤如下： 步骤1，车底原始图像的采集：利用多个线阵相机获取列车车底原始图像，同时采用两组双磁钢测速方式获取车速； 步骤2，车底原始图像的畸变校正：获取的车底原始图像由于车速与相机扫描速率不相适应产生压缩或者拉伸的畸变，根据获得的车速数据利用圆弧曲线拟合技术进行车速曲线拟合，根据拟合曲线对车底原始图像通过拉伸或压缩进行畸变校正； 步骤3，光照不均校正：利用二维Gamma函数自适应校正算法对畸变校正后的图像进行光照不均校正，得到光照不均校正后的车底图像； 步骤4，多个相机模块图像的拼接：将FAST算法和SURF算法相结合，对光照不均校正后的车底图像进行特征点提取和描述，然后将改进的k-d树最近邻查找算法即BBF算法与双向匹配的自适应阈值方法相结合，对不同相机采集的光照不均校正后的车底图像进行图像拼接得到车底完整图像； 步骤5，螺栓丢失检测：对获取到的车底完整图像集进行数据集制作和模型训练，利用深度学习目标检测算法SSD算法对车底螺栓丢失进行检测； 步骤2具体包括以下步骤： 步骤21，利用两组双磁钢对列车车速进行测量，获取12组离散的车速数据； 步骤22，针对12组离散的车速数据，利用圆弧曲线拟合技术获得列车车速曲线； 步骤23，对已经拟合好的车速曲线以0.1秒为采样间隔进行采样，根据拟合曲线对车底原始图像通过拉伸或压缩进行畸变校正，具体如下： 假设线阵相机第一次检测到的速度为v0，根据此速度v0得出相适应的线阵相机拍摄频率为f0，采集的车底原始图像宽度为W、高度为H，采用的相机分辨率为4K、宽度W为4096px，高度H表达式如下： 其中，L为车底原始图像的物理长度，fy为线阵相机纵分辨率； 设Hi为线阵相机拍摄的第i幅图像的高度，其中0≤i≤N-2，HN-1为最后一幅图像的高度，并且采集时间不大于0.1秒，则得出如下式子： 经过畸变校正之后，Hj校正为Htj： 校正之后，每幅图像的高度由H校正为HT： 步骤4具体包括以下步骤： 步骤41，对对光照不均校正后的车底图像中的每一个像素点都进行扫描，然后判别每一个像素点周围的16个像素点的灰度值大小是否大于该像素点，利用FAST算法种的角点公式来进行判别： 其中，N’表示灰度值，c为圆周，Ix表示c内某点的灰度值，P为圆周中心，IP为中心点的灰度值；εd为阈值且设置为9，如果N’超过εd的话，那么该像素点就是角点； 步骤42，采用SURF算法对特征点进行描述：提取一个特征点作为圆心，半径为6σ，其中σ是所选择的特征点的尺度，然后计算出在所得圆的邻域中所有像素点的水平方向、垂直方向的Harr小波响应总和，对图像Haar小波响应的水平方向、垂直方向叠加得到矢量mw,θw： 其中，dx和dy分别为水平方向和垂直方向；mw取最大时，θw即为特征点选取的主方向； 步骤43，计算特征描述子，其中特征描述子为在以选取的特征点为中心的矩形中，矩形边长为20s，其中s为特征点的尺度值；描述特征点的向量V4如下式所示： V4＝∑dx,∑|dx|,∑dy,∑|dy| 步骤44，提取完特征点之后对特征点之间的相似度进行判别，使用BBF算法对参照图和检测图特征点之间的距离进行计算，假设T为最近的特征点和第二最近的特征点的比值的阈值，然后进行分类统计，得到两个集合X1和X2；计算出两个集合的交集，假设Y是对交集每个对应匹配点的比值，求出Y中的最小值，该值即为特征匹配的阈值； 步骤45，采用渐入渐出加权融合法对图像拼接，如下式所示： 在式中，x1和x2都为等待拼接的输入车底图像，X为输出图像，γ为加权因子，其中，γ如下式所示： 其中，ω表示待拼接的两幅输入车底图像的重叠部分的横坐标距离，ωd为待拼接的两幅输入车底图像的重叠部分的像素点距离重叠部分的横坐标距离。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。