1、“.....如出现错漏等故障，会造成大的安全隐患。目前，轨道车辆大都在灰度图像上进行图像处理的故障检测，这种方法进行准确实时地报警，极大的减轻了人工检车的作业强度，加强故障产生初期的预警能力，从源头上杜绝有缺陷的车辆商品化，提高了轨道车辆运行的安全性。参考文献杜秋男，李瑞淳高速动车组裙板设计研究设计制造，米小珍，杨勇，王枫动车组侧墙快速设计研究开发与应用机械设计与制造，李图像自动识别技术在轨道车辆检测中的应用论文原稿差，将会很难选取合适的对比参数，且易造成故障漏报。因此，针对类似情形或者尺寸较小的部件需要单独设计自动识别算法。对于裙板锁扣丢失的识别，可以使用前节中的方法得到图像中裙板锁扣出现的较大范围......”。

2、“.....如图右图中的绿色轮廓库中存储的模板图像进行投影而后将投影得到的图像与模板图像相减，差值图像如图中右图所示。可以很清楚地看到漏装底板部分在差值图像中的亮度明显高于未发生故障的部分，故可以通过阈值分割算法较容易的将差异明显的部位根据值化联通面积等特征提取出来，并最终形成报警信息。实例裙板锁图像与模板图像比对实现轨道车辆裙底板进行自动检测。内容包含图像的采集方式，模板数据库的建立，部件定位，以及通过对异常识别实例证实图像处理算法与轨道车辆部件检测之间的联系。部件故障自动识别由于轨道车辆裙底板的大部分故障会导致图像高度信息发生变化，针对这种故障......”。

3、“.....携带图像采集传输设备图像存储与处理设备。图像采集由自行走机器人携带的相机实施，负责裙底板图像的采集，自行走机器人采用规划磁力线或者激光导航方式进行无轨行走，并可智能避障。图像存储与处理设备用来存储分析图像采集传输设备采集的裙底板件定位。将待识别轨道车辆裙底板的图像与模板数据库中图像层存储的标准图像进行配准并投影，而后根据位臵信息层中标识的部件位臵读取图像信息便可完成部件定位。以底板的高度图像为例，形象直观地介绍部件定位过程。图像自动识别技术在轨道车辆检测中的应用论文原稿。图像自动识别流等，通过当前采集的图像与模板图像比对实现轨道车辆裙底板进行自动检测。内容包含图像的采集方式，模板数据库的建立，部件定位......”。

4、“.....图像获取方式通过设计自行走机器人，携带图像采集传输设备图像存储与处理设备。图像制造，李骏动车组运行故障动态图像检测系统设计与实现北京北京邮电大学，蒋荟，马千里，曹松，王志华铁路车辆运行安全监控系统的研究与应用公路交通科技，张志建动车组车辆故障动态检测系统运用研究铁道机车车辆，武永，项志宇，沈敏，等大规模环境下基于激光雷达的机器人绿色轮廓线所示。得到裙板锁轮廓之后，通过神经网络即可区分出锁扣丢失和未丢失两种情况。结论综上所述，通过自行走机器人图像采集设备拍摄轨道车辆侧部和底部高清晰度图像......”。

5、“.....对出图像自动识别技术在轨道车辆检测中的应用论文原稿程图像自动识别流程如下首先，需要收集各种车型各部分的标准图像等信息建立模板数据库采集到待检测的轨道车辆图像后，高度图像与模板数据库中的图像进行配准，进而确定各部件的具体位臵最终针对各部件检测前后的图像特征在高度图像上进行对比识别以确定是否存在疑似故障。像等信息建立模板数据库采集到待检测的轨道车辆图像后，高度图像与模板数据库中的图像进行配准，进而确定各部件的具体位臵最终针对各部件检测前后的图像特征在高度图像上进行对比识别以确定是否存在疑似故障。部件定位故障自动识别之前，首先需要确定车辆各部件在图像中的具体位臵......”。

6、“.....尤其是当部件尺寸过小，接近甚至小于图像配准误差时。例如图中所示的裙板锁扣丢失，锁扣相对整个裙板部分的尺寸较小，如果仍然采用对比识别的方式，为了抵抗图像中偶然出现的噪声采集由自行走机器人携带的相机实施，负责裙底板图像的采集，自行走机器人采用规划磁力线或者激光导航方式进行无轨行走，并可智能避障。图像存储与处理设备用来存储分析图像采集传输设备采集的裙底板图像。图像自动识别流程图像自动识别流程如下首先，需要收集各种车型各部分的标准图算法浙江大学学报工学版，冈萨雷斯等数字图像处理北京电子工业出版社，。摘要在轨道车辆检测中应用图像处理和模式识别，可提高车辆检测效率......”。

7、“.....本文旨在对采集的轨道车辆侧底部的裙底板图像，运用图像配准，图像对比，霍夫圆检测，神经网络现的故障进行准确实时地报警，极大的减轻了人工检车的作业强度，加强故障产生初期的预警能力，从源头上杜绝有缺陷的车辆商品化，提高了轨道车辆运行的安全性。参考文献杜秋男，李瑞淳高速动车组裙板设计研究设计制造，米小珍，杨勇，王枫动车组侧墙快速设计研究开发与应用机械设计与和配准误差，将会很难选取合适的对比参数，且易造成故障漏报。因此，针对类似情形或者尺寸较小的部件需要单独设计自动识别算法。对于裙板锁扣丢失的识别，可以使用前节中的方法得到图像中裙板锁扣出现的较大范围......”。

8、“.....如图右图中的图像自动识别技术在轨道车辆检测中的应用论文原稿模板数据库中存储的模板图像进行投影而后将投影得到的图像与模板图像相减，差值图像如图中右图所示。可以很清楚地看到漏装底板部分在差值图像中的亮度明显高于未发生故障的部分，故可以通过阈值分割算法较容易的将差异明显的部位根据值化联通面积等特征提取出来，并最终形成报警信息。实有以下的问题成像效果受光线影响较大，如反光阴影等污渍水渍等对自动识别结果影响较大，极易产生误报警图像处理算法较复杂，鲁棒性差。图像自动识别技术在轨道车辆检测中的应用论文原稿。部件故障自动识别由于轨道车辆裙底板的大部分故障会导致图像高度信息发生变化，针对这种故障......”。

9、“.....蒋荟，马千里，曹松，王志华铁路车辆运行安全监控系统的研究与应用公路交通科技，张志建动车组车辆故障动态检测系统运用研究铁道机车车辆，武永，项志宇，沈敏，等大规模环境下基于激光雷达的机器人算线所示。得到裙板锁轮廓之后，通过神经网络即可区分出锁扣丢失和未丢失两种情况。结论综上所述，通过自行走机器人图像采集设备拍摄轨道车辆侧部和底部高清晰度图像，使用各种图像处理算法以及结合车辆先验信息的合理化算法流程设计可以实现轨道车辆裙底板故障的自动识别，对出现的故障扣丢失在轨道车辆裙底板故障自动识别中也存在用待检测车辆图像与模板图像对比方式较难识别的情况，尤其是当部件尺寸过小，接近甚至小于图像配准误差时......”。