现代化铁路和铁路智能化系统的发展,对铁路编组站在安全性、可靠性、实时性、综合性等方面提出了更高的要求。目前我国铁路编组站驼峰控制系统已经发展到了综合自动化控制模式,但作为其很重要的一环,现在普遍使用的雷达、车轮传感器甚至于轨道电路等测量方法还存在着明显的缺陷和不足,比如测量数据的零散、不连续、不完整等,而且站场显示部分发展也不理想。在许多老的驼峰场,仍要作业人员通过人工了望,极易造成误操作。本课题的研究正是针对如何采用先进的图像识别技术在编组站驼峰作业过程的应用。利用图像识别理论,针对编组站驼峰作业情况,提出一种通过图像序列快速、直观地判断溜放车组特征和走行趋势的方法,提高测量精度,改善现有测量方法的不足。对驼峰场拍摄的静态图像经图像处理和算法的实现表明,采用适当的处理方法,能得到较好的实验结果。 本文所作的主要工作有: (1)分析国内外编组站驼峰发展的现状,针对我国目前编组站货运量逐年增加,作业安全性要求不断提高的实际情况,结合先进的科技成果,提出采用图像识别技术在编组站驼峰作业过程控制中的应用的观点。 (2)对实现驼峰站场图像识别的理论基础与一些方法进行了探讨。着重运动检测、图像处理和特征提取方面的应用。通过Mat lab在图像处理中的嵌入,得到了经图像预处理的静态图像。 (3)以摄像图像为对象,从图像处理技术出发,进行了较深入的研究,针对编组场驼峰作业中被控对象的主要模式,以溜放作业的车组为对象,对各种模式车组的特征和走行情况进行判别,并建立了计算距离与实际距离的关系模型。 (4)在识别过程中,在运用传统模式识别理论的基础上,对一些新的方法,新的技术进行一些尝试,并提出了一些自己的新见解,同时还对存在的问题作了一定的分析和讨论。