基于深度学习的钢轨轮廓匹配
计算机视觉与模式识别
2022-08-01 v2
摘要
将现场测量的钢轨横截面轮廓与设计轮廓进行匹配是评估钢轨磨损的必要工作，这对轨道维护与钢轨安全非常重要。迄今为止，待匹配的实测钢轨轮廓通常具有四个特征，即数据量大、截面形状多样、硬件造成误差，以及匹配过程中需引入人工经验以解决现场复杂情况。然而，基于特征点或特征线的传统匹配方法已无法满足需求。为此，我们首先建立了由 46386 对专业人工匹配数据组成的钢轨轮廓匹配数据集，然后提出一种利用预训练卷积神经网络（CNN）的通用高精度钢轨轮廓匹配方法。这种基于深度学习的新方法有望成为该问题的主导方法。源代码见 https://github.com/Kunqi1994/Deep-learning-on-rail-profile-matching。
引用
@article{arxiv.2205.08687,
title = {Deep learning on rail profiles matching},
author = {Kunqi Wang and Daolin Si and Pu Wang and Jing Ge and Peiyuan Ni and Shuguo Wang},
journal= {arXiv preprint arXiv:2205.08687},
year = {2022}
}