钢轨轮廓检测数据的预处理方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 钢轨轮廓检测技术概述 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 钢轨轮廓检测的研究现状 | 第12-14页 |
| 1.2.2 轮廓描述方法与匹配的研究现状 | 第14-15页 |
| 1.3 课题来源和研究意义 | 第15-16页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 研究意义 | 第15-16页 |
| 1.4 主要研究内容与组织结构 | 第16-17页 |
| 第2章 钢轨轮廓预处理技术理论基础 | 第17-26页 |
| 2.1 激光位移传感器检测原理 | 第17-20页 |
| 2.1.1 激光回波分析法 | 第17页 |
| 2.1.2 激光三角法 | 第17-20页 |
| 2.2 基于轮廓曲线的描述方法 | 第20-22页 |
| 2.2.1 链码 | 第20-21页 |
| 2.2.2 多边形近似 | 第21页 |
| 2.2.3 曲率尺度空间描述符 | 第21-22页 |
| 2.3 轮廓曲线相似度评价 | 第22-24页 |
| 2.3.1 欧式距离 | 第22页 |
| 2.3.2 Hausdorff距离 | 第22-23页 |
| 2.3.3 Fréchet距离 | 第23页 |
| 2.3.4 Minkowsky距离 | 第23-24页 |
| 2.4 轮廓散乱点噪声去除方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 钢轨轮廓的有效性识别 | 第26-42页 |
| 3.1 钢轨轮廓的形态分析 | 第26-30页 |
| 3.1.1 钢轨类型及尺寸参数 | 第26-27页 |
| 3.1.2 标准钢轨测量轮廓形态 | 第27-28页 |
| 3.1.3 复杂线路下的测量轮廓形态 | 第28-30页 |
| 3.2 特征区域选取与轮廓分类 | 第30-33页 |
| 3.2.1 匹配特征区域的选取 | 第30-33页 |
| 3.2.2 测量轮廓的分类 | 第33页 |
| 3.3 测量轮廓与基准轮廓粗配准 | 第33-36页 |
| 3.3.1 提取轨颚点和轨侧直线 | 第33-35页 |
| 3.3.2 测量轮廓的旋转与平移 | 第35-36页 |
| 3.4 测量轮廓轨腰的识别 | 第36-39页 |
| 3.4.1 识别算法原理 | 第36-37页 |
| 3.4.2 算法实现步骤 | 第37-39页 |
| 3.5 算法实例 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 有效钢轨轮廓的去噪与补缺 | 第42-50页 |
| 4.1 轮廓的去噪与补缺处理流程 | 第42-43页 |
| 4.2 基于分段轮廓的去噪算法 | 第43-45页 |
| 4.2.1 噪声的分布特点 | 第43-44页 |
| 4.2.2 轮廓去噪步骤 | 第44-45页 |
| 4.3 轮廓细配准 | 第45-48页 |
| 4.3.1 拟合轨腰圆弧圆心 | 第45-46页 |
| 4.3.2 轮廓坐标调整 | 第46-48页 |
| 4.4 轮廓孔洞的修补 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 钢轨轮廓数据预处理的实验设计 | 第50-62页 |
| 5.1 系统总体架构及实验平台 | 第50-53页 |
| 5.1.1 钢轨轮廓检测系统总体架构 | 第50页 |
| 5.1.2 系统硬件设备 | 第50-52页 |
| 5.1.3 实验平台与数据采集 | 第52-53页 |
| 5.2 钢轨轮廓预处理实验方案 | 第53-61页 |
| 5.2.1 分类器阈值的选取 | 第53-55页 |
| 5.2.2 有效轮廓识别算法的性能测试 | 第55-57页 |
| 5.2.3 轮廓去噪与补缺方法的实验设计 | 第57-61页 |
| 5.3 实验结论 | 第61页 |
| 5.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 工作总结 | 第62-63页 |
| 工作展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A 攻读学位期间所发表的论文 | 第69-70页 |
| 附录B 攻读学位期间所参与的科研项目 | 第70页 |
