Computer Vision 방식을 적용한 선로전환기 밀착검지기술에 관한 연구 :

안윤섭

추천

검색

자료유형: 학위논문

저자정보: 안윤섭 (서울과학기술대학교, 서울과학기술대학교 대학원)

지도교수: 김동호

발행연도: 2020

저작권: 서울과학기술대학교 논문은 저작권에 의해 보호받습니다.

이용수4

이 논문의 연구 히스토리 (2)

2020

NS-AM 선로전환기 이물질 검지에 관한 연구

안윤섭 , 서재희 , 김동호 한국통신학회 학술대회논문집 2020.02 학술대회자료

Computer Vision 방식을 적용한 선로전환기 밀착검지기술에 관한 연구

안윤섭 2020.01 학위논문

이 논문의 후속연구가 궁금하신가요?
연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
이 논문의 연구 히스토리 확인하기

초록· 키워드

오류제보하기

제 목 : Computer Vision 방식을 적용한 선로전환기 밀착검지기술에 관한 연구

열차는 자동차와 달리 정해진 선로를 운행하는 교통수단으로 열차의 운행방향을 결정하는 것은 선로전환기이다. 전기 선로전환기는 모터를 구동시켜 연결관을 통하여 분기기를 전환해 열차의 진로를 좌, 우측으로 결정함으로써 열차의 운행 방향을 변경시킨다. 열차가 탈선할 위험성이 가장 높은 경우는 운행 방향이 변경되는 선로전환기를 열차가 통과할 경우이다. 이러한 이유로 선로전환기는 전환이 완료되면 기계적인 방법과, 전기적인 방법으로 쇄정을 하고 추가적으로 밀착검지기를 사용하여 열차를 안전하게 통과시킨다. 밀착검지기에 장애가 발생하면 선로전환기가 고장이 발생하여 선로전환기를 수동으로 취급하거나 유지보수자가 보수하기 전까지 열차의 운행이 중단되어 열차운행에 막대한 영향을 미친다. 기존의 밀착검지기는 뽈베, 근접센서형, 이중계형으로 기본레일과 텅레일 사이의 밀착 유, 무만 판단하는 것으로 밀착이 얼마만큼 떨어졌는지에 대한 측정이 불가능 하였다. 또한 여름철 및 겨울철 기온의 변화에 따른 기본레일의 이동으로 밀착검지기의 접촉면 위치가 변경되어 밀착이 이상이 없는데도 불구하고 불량으로 판단하여 열차운행에 막대한 지장을 초래하기도 한다. 또한 밀착검지기는 현장에 설치되어 있는 것으로 원격으로 이상 유무를 확인 할 수 없어 열차가 운행하는 현장에서 유지보수 직원이 직접 점검을 하여 안전상 위험하고 유지보수 인력도 과대하게 소요된다. 실제로 한국철도공사에서는 유지보수 지침에 주2회 현장 점검을 시행하게 되어 있다. 본 논문에서는 컴퓨터 비전방식인 캐니에지 알고리즘을 새롭게 밀착검지기에 적용하여 실시간으로 밀착이 얼마만큼 떨어졌는지를 측정해 3~4mm 이상 떨어졌을 경우 주의신호를 전송하여 장치의 고장이 발생하기 전에 보수하고, 5mm이상 떨어졌을 경우에는 불일치를 표시하여 열차의 탈선을 방지한다. 또한 추가적으로 촬영된 이미지를 바탕으로 기존의 밀착검지기 기능에는 없는 이물질을 검지하기 위해 SSIM알고리즘을 적용하였다. 선로전환기의 장애 원인중 하나인 기본레일과 텅레일 사이의 이물질을 사전에 검지해 이물질이 유입되었을 경우에는 선로전환기 전환 전에 제거해 주어 장치의 고장 없이 연속적으로 사용하는 것을 목표로 한다. 또한 본 연구에서는 열차의 진동으로 인해 선로 상에 설치되는 카메라가 흔들림에 따라 선로전환기용 밀착검지 성능이 악화되는 문제를 해결하기 위해 Affine Transformation알고리즘을 적용하여 열차 흔들림에 대한 이미지 보정을 수행함으로써 성능을 향상 시켰다. 본 연구의 캐니에지를 적용한 밀착검지기의 밀착 측정 오차는 5mm를 측정 시 최대 ±0.56mm로 성능 목표인 ±0.5mm를 만족할 확률은 96.42%이상인 것으로 확인되었다. 또한, SSIM 알고리즘을 적용한 이미지 비교분석으로 분기기의 기본레일과 텅레일 사이의 이물질을 검지할 확률은 임계값을 0.92로 설정하였을 경우에는 96.51%이상이다.

Abstract

A Study on the Adherence Detection of Switch Point using Computer Vision

An, Yun Sub
(Supervisor Kim, Dong Ho)
Dept. of Information Technology & Media Engineering
The Graduate School of Nano IT Design Fusion
Seoul National University of Science and Technology

Unlike cars, it is a switch point that determines the direction of the train''s operation as a means of transportation that operates a set track. The electric switch point changes the running direction of the train by changing the turnoff period to determine the path of the train left, right. The highest risk of a train derailment is when a train passes through a switch point where the direction of operation is changed. When the switchover is completed, the mechanical and electrical methods are used to fix the track, and additionally, an adherence detector is used to safely pass the train. When a failure occurs in the adherence detector, the switch point breaks down and the train stops operating until it is manually handled or the maintenance person repairs it, which greatly affects train operation. Existing adhesion detectors are paulve, adherence detector, and tongue rail approach detector, and it is impossible to measure how much the adhesion has dropped because the adhesion between the stock rail and the tongue rail is only judged. In addition, the contact surface position of the adherence detector changes due to the movement of the stock rail in response to changes in the temperature in summer and winter, and even if there is no abnormality in contact, it is judged to be defective, and this may cause a significant obstacle to train operation. The adherence detector is installed at the site and cannot be checked remotely for abnormality. The maintenance staff conducts a direct inspection at the site where the train is running, which is dangerous for safety and requires excessive maintenance personnel. In fact, the Korea Railroad Corporation is scheduled to conduct on-site inspection twice a week in accordance with the maintenance guidelines.
In this paper, the computer vision method, the Canny Edge algorithm, is newly applied to the adherence detector to measure how close the adhesion is in real time, and if it falls more than 3 ~ 4mm, it sends a warning signal to repair it before a device failure occurs, and repairs it more than 5mm In the event of a fall, a mismatch is indicated to prevent train derailment. Also, based on the additionally taken image, when a foreign object is introduced by detecting the foreign object between the stock rail and the tongue rail, which is one of the causes of the obstacle of the switch point, by applying the SSIM algorithm to detect a foreign object that does not exist in the existing adherence detector function. The goal is to remove the switch point before switching and use it continuously without the malfunction of the device. The railway tracks are subject to severe vibration caused by trains, and countermeasures are necessary. In particular, the close contact detector for the track changer is installed on the basic rail, and the vibration is very severe. In particular, the adherence detector is installed on the stock rail, and the vibration is very severe. The image correction for train shake is improved by applying the Affine Transformation algorithm. The tightness measurement error of the adherence detector applying the canny edge was up to ±0.56mm when measuring 5mm, and it was confirmed that the probability of satisfying the performance target of 0.5mm was 96% or more. The probability of detecting foreign objects between the stock rail and the empty rail is more than 98%.

#선로전환기

목 차
요약 ⅰ
표목차 ⅳ
그림목차 ⅴ
약어 ⅵ
I. 서 론 1
II. 선로전환기 및 밀착검지기 종류 4
2.1. NS 및 NS-AM형 선로전환기 6
2.1.1. NS형 6
2.1.2. NS-AM형 7
2.1.2.1. 특징 7
2.1.2.2. 동작원리 8
2.2. MJ81 선로전환기 9
2.2.1. 기계신호부(기계연동장치) 10
2.2.2. 전기신호부 10
2.3. 하이드로스타 선로전환기(HYDROSTAR) 10
2.3.1. 특징 11
2.4. MJ81형의 뽈베(Paulve) 11
2.5. 근접센서형 밀착검지기 12
2.5.1. 밀착검지기 특징 13
2.5.2. 근접센서의 원리 13
2.6. 이중계형 밀착검지기 13
2.6.1. 근접센서의 구성 14
2.6.2. 이중계형 밀착검지기 기능 15
III. 밀착검지기에 적용 가능한 컴퓨터 비전 기술 16
3.1. 기본레일과 텅레일 검지를 위한 에지 검지알고리즘 선정 16
3.2. 해리스 코너(Harris Corner Detector) 16
3.3. 소벨 마스크(Sobel Mask) 19
3.4. 캐니에지(Canny Edge) 21
3.5. 허프변환(직선) 24
3.6. 빛의 밝기 추출 24
3.7. MSE(Mean Square Error) 26
3.8. SSIM(Structural Similarity Index) 27
3.9. Affine Transformation 30
3.10. SIFT(Scale-Invariant Feature Transform) 32
IV. 컴퓨터 비전을 적용한 밀착검지기술 37
4.1. 캐니에지 및 참조 오브젝트를 적용한 밀착거리 측정 방법 37
4.2. 2D 이미지에서 참조 오브젝트를 사용한 거리 측정 방법 37
4.3. 밀착거리 측정을 위한 데모 구현 38
4.4. 밀착거리 측정의 신뢰성을 위한 임계값 설정 40
4.5. 데모 실험 결과 46
4.6. 경의선 서빙고 25호에서의 실험 결과 47
V. 컴퓨터 비전을 적용한 이물질 검지방식 50
5.1. 이물질이 선로전환기에 미치는 영향 50
5.2. MSE 및 SSIM 이물질 검지 방법 비교 51
5.3. 이미지 획득 방법 53
5.4. 참조 이미지 설정 방법 54
5.5. Affine Transformation을 적용하여 이미지 보정 57
5.6. 구로 차량기지 선로전환기 117호에서 이물질 검지 실험 61
5.7. 이물질 검지 신뢰성 향상을 위한 임계값 설정 및 결과 68
Ⅵ. 결 론 73

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

이 논문의 연구 히스토리 (2)

초록· 키워드

목차

최근 본 자료

댓글(0)