一种基于纹理图像的道岔尖轨密贴检测方法

本申请是以下中国发明专利申请的分案申请，原申请日：2023年05月25日，申请号：CN2023105956203，发明创造名称：一种道岔尖轨密贴检测方法及系统，公开号：CN116279650A。由于原申请存在审查员指出的单一性问题，申请人提出分案申请。

技术领域

本发明涉及轨道交通病害检测技术领域，具体涉及一种基于纹理图像的道岔尖轨密贴检测方法。

背景技术

铁路是国民经济的大动脉，对铁路状态进行检修，是保证铁路安全运行的重要保障。道岔用于引导火车进行变道，是铁路的重要组成部分。道岔中存在尖轨，尖轨与钢轨在正常情况下，需要贴紧，才能确保引导火车车轮正确变道，否则会导致列车车轮出轨，酿成车祸。

目前，主要采用人工巡道方法，将不同厚度的钢尺插入钢轨与尖轨的缝隙，用于检测尖轨密贴状态，这种方式存在检测效率低的突出问题。为此，针对该问题，本发明提供一种道岔尖轨密贴自动检测系统，用于自动判定是否存在密贴不足，并对密贴的缝隙进行定量测量。

发明内容

为解决背景技术中的问题，本发明提出了一种基于纹理图像的道岔尖轨密贴检测方法，可自动实现尖轨密贴不足检测和间隙定量测量。

本发明采用的一个技术方案为：

一种道岔尖轨密贴检测系统，由成像控制模块、视觉成像模块、图像处理模块和运载平台组成，所述视觉成像模块包括分别位于两侧钢轨正上方的2台成像单元，沿运载平台运动方向对钢轨进行成像，成像区域覆盖钢轨、尖轨、道岔，获取成像区域的纹理图像和/或深度图像。

进一步的，所述成像单元由面阵相机和面光源组成，所述面阵相机和面光源同轴照明，相机光轴位于钢轨内边缘正上方，获取成像区域纹理图像。

进一步的，所述成像单元为线阵相机和线光源，所述线阵相机和线光源同轴照明，线阵相机的光心位于钢轨内边缘正上方，获取成像区域的纹理图像；

所述成像单元沿运载平台运动方向的成像分辨率不低于1mm/pixel,与运载平台运动方向垂直方向上的成像分辨率不低于0.05mm/pixel。

进一步的，所述成像单元为线结构光3D相机，3D相机位于钢轨正上方，获取钢轨及尖轨的纹理图像和深度图像。

进一步的，所述成像单元为线结构光3D相机，3D相机位于钢轨内侧斜上方，线结构光平面与钢轨延伸方向垂直，3D相机测量区域覆盖钢轨顶部及内侧面、尖轨顶部及内侧面，3D相机x、y方向的测量精度不低于0.1mm，z方向的测量精度不低于0.05mm。

本发明采用的另一个技术方案为：

一种基于纹理图像的道岔尖轨密贴检测方法，包含如下步骤：

采集成像区域图像，并从该图像中检测出第一对象；

在采集的成像区域图像中，基于第一对象，判断是否存在尖轨密贴不足；

若存在尖轨密贴不足，则计算尖轨密贴间隙；

其中，所述成像区域包含钢轨、尖轨、道岔；

所述图像包括纹理图像和/或深度图像。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集成像区域纹理图像，并从该图像中检测出钢轨和尖轨；

检测出尖轨后，在纹理图像中，以钢轨为轴、垂直于钢轨延伸方向设置m1个采样窗口，沿钢轨延伸方向对采样窗口内像素进行投影,在投影曲线上，以钢轨内侧边缘为中心，对[-u,u]范围内投影曲线进行取样，基于取样曲线，采用分类器判定是否存在尖轨密贴不足；

所述采用分类器判定尖轨密贴不足的方法是：

人工设置两个样本集：密贴、密贴不足；采用模式识别方法训练分类器；利用训练的分类器对取样曲线进行分类，根据分类结果判定是否存在尖轨密贴不足。

若存在尖轨密贴不足，测量所述取样曲线中波谷的宽度，作为尖轨密贴间隙测量值，取m1个尖轨密贴间隙测量值的均值或最大值作为最终的尖轨密贴间隙。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集成像区域纹理图像，并从该图像中检测出钢轨和尖轨；

检测出尖轨后，在纹理图像中，采用边缘提取方法检测钢轨内侧边缘、尖轨第一台阶边缘，以钢轨为轴、垂直于钢轨延伸方向设置m2个采样线，计算钢轨内侧边缘到尖轨底部边缘的宽度值wi，当wi>t时，判定尖轨存在间隙；

存在间隙时，用wi-t=wi’作为间隙宽度，t为尖轨与钢轨紧贴时的宽度，取m2个间隙宽度的均值或最大值作为尖轨密贴间隙。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集成像区域深度图像，并从该图像中检测出钢轨，根据钢轨位置找出钢轨内边缘，通过深度学习方法检测出滑床板；

在检测出的滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口，在检测窗口内，测量钢轨内边缘到尖轨第一台阶边缘的距离d1、到尖轨第二台阶边缘的距离d2，判定d1、d2是否超过了尖轨与钢轨密贴时，钢轨内边缘到尖轨第一台阶边缘的距离d10、第二台阶边缘的距离d20，若任一个超过，则存在尖轨密贴不足；

存在尖轨密贴不足时，计算di=(d1-d10+d2-d20)/2,作为尖轨密贴间隙。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

预先采集道岔深度图像，以扣件为单位进行切图，使每一幅图像中只包含一行扣件，检测尖轨靠贴处、滑床板，记录切割后的预先采集的道岔深度图像和尖轨靠贴处、滑床板标记区域,作为背景数据库；

采集当前道岔深度图像，以预先采集的道岔深度图像为基准，对当前采集图像进行切图，生成与背景数据库一一对应的前景图像；

获取对应的前景图像和预先采集的道岔深度图像，判断背景数据库是否存在尖轨靠贴处，存在则获取滑床板标记区域和尖轨靠贴处；

根据滑床板位置，设定测量区域，在预先采集的道岔深度图像和前景图像中，分别测量钢轨外边缘到尖轨底部边缘的宽度；

在前景图像中判断尖轨和钢轨之间是否存在缝隙，存在则尖轨靠贴不足，不存在则判定前景图像中钢轨外边缘到尖轨底部边缘的宽度是否增加、并超限，当存在增加和超限时，判定存在尖轨靠贴不足。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集钢轨及尖轨深度图像，从钢轨深度图像、尖轨深度图像中分别找到钢轨、尖轨，检测滑床板；

在检测出的滑床板区域垂直于钢轨延伸方向设置矩形检测窗口，在检测窗口内，垂直于钢轨延伸方向设置n个采样线，获取n条钢轨及尖轨轮廓曲线；

在n条钢轨及尖轨轮廓线中，对钢轨内边缘进行线段拟合得到L1，对尖轨第一台阶竖直边缘进行线段拟合得到L2，对尖轨第二台阶竖直边缘进行线段拟合得到L3；

计算L1到L2的距离d3、L1到L3的距离d4,判定d3、d4是否超过尖轨紧贴钢轨时L1到L2的距离d30、L1到L3的距离d40，，若任一超过则存在尖轨密贴不足；

存在尖轨密贴不足时，计算Di=(d3-d30+d4-d40)/2作为尖轨密贴间隙测量值，对n个尖轨密贴间隙测量值Di取均值或最大值作为该检测窗口内尖轨密贴间隙。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集钢轨及尖轨深度图像，从钢轨深度图像、尖轨深度图像中分别找到钢轨、尖轨，检测出滑床板；

在滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口，在检测窗口内，垂直于钢轨延伸方向设置m3个采样线，获取m3条钢轨及尖轨轮廓曲线；

根据钢轨内侧边缘位置，拟合钢轨内侧竖直边缘线段L4；根据尖轨位置，计算尖轨轨腰曲线拟合圆心O1，计算圆心O1到L4的距离f1；

对m3个轮廓曲线，得到m3个测量结果f1，判定f1是否超过了尖轨紧贴钢轨时的距离e1，若超过则存在尖轨密贴不足；

存在尖轨密贴不足时，计算hi=f1-e1作为尖轨密贴间隙测量值；对m3个尖轨密贴间隙测量值hi取均值或最大值作为该检测窗口内尖轨密贴间隙。

进一步的，一种道岔尖轨密贴检测方法，包含如下步骤：

采集钢轨及尖轨深度图像，从钢轨深度图像、尖轨深度图像中分别找到钢轨、尖轨，检测出滑床板区域；

在滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口，在检测窗口内，根据钢轨内侧边缘位置，拟合钢轨内侧竖直边缘平面P1；

在检测窗口内，垂直于钢轨延伸方向设置r条采样线，获取r条钢轨及尖轨轮廓曲线；

根据尖轨位置，计算尖轨轨腰曲线拟合圆心O2，计算圆心O2到P1的距离si；判定si是否超过了尖轨紧贴钢轨时的距离e2，若超过则判定存在尖轨密贴不足；

存在尖轨密贴不足时，计算gi=si-e2作为尖轨间隙测量值，对r个尖轨密贴间隙测量值gi取均值或最大值作为该检测窗口内尖轨密贴间隙测量结果。

本发明的有益效果是：

本发明提出了基于视觉检测方法的自动检测系统和方法，对视觉成像模块中成像单元进行了改进，可自动实现尖轨密贴不足检测和间隙定量测量。成像单元为面阵相机和面光源时，通过同轴打光，并将相机光轴设置于钢轨内边缘正上方，能够获取高质量的钢轨与尖轨靠贴缝隙的清晰图像。成像单元为线阵相机和线光源时，不仅可以降低成本，还能增大缝隙的测量分辨率，其分辨率可达到0.05mm/pixel，显著提升了缝隙的测量精度。

成像单元为线结构光3D相机，可以同时获取钢轨、尖轨的纹理图像和深度图像，基于纹理图像和深度图像，可以从多个维度实现钢轨靠贴不足的检测与测量。进一步地，成像单元为线结构光3D相机，且3D相机安装于钢轨内侧斜上方时，该检测系统倾斜成像，从内侧进行测量时，能够对钢轨内边缘清楚成像，相比垂直成像（3D相机位于钢轨正上方），获取的钢轨内边缘数据更丰富，并利用钢轨内侧边缘平面尖轨第一台阶边缘平面的距离来判定是否密贴，具有更好的鲁棒性。且这种硬件架构，还可以用于钢轨轮廓测量，具有一机多用的效果。

针对密贴缝隙测量需求，除通过纹理图像进行边缘检测、测量边缘之间的距离外，我们还通过多个采样曲线测量结果的统计情况来判定密贴情况，具有更好的鲁棒性。

更进一步，在采用倾斜安装3D相机时，利用了尖轨边缘直线/平面、尖轨圆弧等区域进行直线/平面、圆弧圆心拟合，计算圆心到直线/平面的距离，相比直接测量边缘距离具有更高测量精度。

附图说明

图1为系统组成示意图；

图2为实施例1相机安装示意图；

图3为钢轨与尖轨示意图；

图4为实施例5相机安装示意图；

图5为尖轨密贴示意图；

图6为尖轨非密贴示意图；

1-钢轨，2-视觉成像模块，3-成像控制模块，4-图像处理模块，5-运载平台，6-面阵相机，7-面光源，8-面阵相机光轴，9-钢轨顶面，10-钢轨内边缘，11-尖轨，12-采样窗口，13-钢轨内边缘，14-尖轨第一台阶边缘，15-尖轨第一台阶底部平面，16-尖轨第2台阶边缘，17-尖轨轨腰，18-尖轨第二台阶底部。

具体实施方式

以下结合附图及其实施例对本发明进行详细说明，但并不因此将本发明的保护范围限制在实施例描述的范围之中。

如图5所示，道岔中钢轨与尖轨密贴，不存在间隙；如图6所示，道岔中钢轨与尖轨存在间隙，不能密贴。

本发明中实现道岔尖轨密贴检测的系统，由成像控制模块、视觉成像模块、图像处理模块和运载平台组成；

本发明实施方式中所采用的成像控制模块、图像处理模块和运载平台为现有技术中的方案。例如，所述成像控制模块包含运载平台速度测量单元和成像控制信号发生器，速度测量单元对运载平台的速度进行精准测量；成像控制信号发生器根据运行平台运动速度和运动方向的成像分辨率需求，产生成像控制脉冲信号给视觉成像模块。所述图像处理模块与视觉成像模块连接，接受视觉成像模块采集的道岔纹理图像，并执行道岔尖轨密贴检测算法，完成道岔尖轨密贴检测。所述运载平台为列车或电客车或检测车或巡检机器人或手推小车，为检测系统提供供电和安装支撑。

本发明的改进点在于对视觉成像模块的改进，所述视觉成像模块包括分别位于两侧钢轨正上方的2台成像单元，沿运载平台运动方向对钢轨进行成像，成像区域覆盖钢轨、尖轨、道岔，获取成像区域的纹理图像和/或深度图像。

所述视觉成像模块的布局根据所采集的图像不同而有所不同，同时相应的检测方法也有所不同，具体布局和检测方法参考以下具体实施例。

实施例1

本实施例的道岔尖轨密贴检测系统，如图1所示，由成像控制模块3、视觉成像模块2、图像处理模块4和运载平台5组成；

所述成像控制模块3包含：运载平台速度测量单元和成像控制信号发生器，速度测量单元对运载平台的速度进行精准测量；所述速度测量单元为基于编码器的车轮速度测量或雷达测速或LDV测速模块；所述成像控制信号发生器根据运行平台运动速度和运动方向的成像分辨率需求，产生成像控制脉冲信号给视觉成像模块；

所述视觉成像模块2包括位于两侧钢轨正上方的2台成像单元，沿运载平台运动方向对钢轨进行成像，成像区域覆盖钢轨、尖轨、道岔，获取成像区域的纹理图像和/或深度图像。

如图2所示，所述成像单元包括1台面阵相机6和1个面光源7；所述面阵相机6和面光源7同轴照明，面阵相机6的光轴8位于钢轨9的内边缘10正上方，该成像单元的设置是为了获取高质量的钢轨与尖轨靠帖缝隙的清晰图像；

所述图像处理模块4与视觉成像模块2连接，接收视觉成像模块2采集的道岔纹理图像，并执行道岔尖轨密贴检测算法，完成道岔尖轨密贴检测；

所述运载平台5为列车或电客车或检测车或巡检机器人或手推小车，为检测系统提供供电和安装支撑。

本实施例的道岔尖轨密贴检测方法如下：

S1:采集钢轨纹理图像，采用边缘提取方法检测钢轨8；利用尖轨螺栓或滑床板信息检测尖轨11；

S2:当检出尖轨11后，以钢轨8为轴、垂直于钢轨延伸方向设置m1个采样窗口12，沿钢轨延伸方向对采样窗口内像素进行投影,在投影曲线上，以钢轨内侧边缘为中心，对[-u,u]范围内投影曲线进行取样，人为设置密贴、密贴不足两个样本集，采用模式识别方法训练分类器，通过分类器对取样曲线进行分类以判定是否存在尖轨密贴不足；

S3:当存在尖轨密贴不足时，测量取样投影曲线中波谷的宽度，作为尖轨密贴间隙测量值；取m1个尖轨密贴间隙测量值(d1,...,dm)的均值作为最终的密贴间隙；

所述成像单元经过了成像标定，可通过图像像素获取钢轨平面的物理尺寸。

需要说明的是，S2中设置采样窗口进行投影，是为了获取高质量的钢轨与尖轨靠帖缝隙的曲线数据，该曲线数据可以反映密贴程度。对于人为构建密贴、非密贴两个样本集训练分类器，通过分类方法判定是否密贴，该方法相比直接测量缝隙更容易实现。S3中利用投影曲线的波谷宽度作为密贴的缝隙的测量值是一种简单、高精度的测量方法。

实施例2

本实施例的检测系统与实施例1不同之处在于，所述成像单元2为线阵相机和线光源，所述线阵相机和线光源同轴照明，线阵相机的光心位于钢轨内边缘上方，沿运载平台运动方向的成像分辨率不低于1mm/pixel,与运载平台运动方向垂直方向上的成像分辨率不低于0.05mm/pixel。

本实施例在面阵相机和面阵光源的基础上，采用线阵相机，不仅可以降低成本，还可以增大缝隙的测量分辨率。本实施例的分辨率达到了0.05mm/pixel，显著提升了缝隙的测量精度。

本实施例的道岔尖轨密贴检测算法的处理步骤如下：

S1:采集钢轨纹理图像，采用边缘提取方法检测钢轨；利用尖轨螺栓或滑床板信息检测尖轨；

S2:当检出尖轨后，在钢轨纹理图像中，采用边缘提取方法检测钢轨内侧边缘、尖轨第一台阶边缘，以钢轨为轴、垂直于钢轨延伸方向设置m2个采样线；计算钢轨内侧边缘到尖轨底部边缘的宽度值wi，当wi>t时，判定尖轨存在间隙；当存在间隙时，用wi-t=wi’作为间隙宽度，t为尖轨与钢轨紧贴时的宽度，取m2个间隙宽度的均值或最大值作为尖轨密贴间隙测量值.

如图3所示，成像标定分别在钢轨顶面9和尖轨11的第1台阶的底部平面15进行，在计算实际物理距离时，钢轨边缘的位置取钢轨平面标定参数，尖轨第一台阶边缘位置取尖轨第1台阶底部平面标定参数。

实施例3

本实施例的检测系统实施例2的不同之处在于，成像单元为线结构光3D相机，3D相机位于钢轨正上方，对钢轨及尖轨区域进行扫描成像获取钢轨及尖轨的纹理图像；采用实施例2中的纹理图像处理方法，通过边缘检测用于尖轨密贴检测和密贴间隙测量。

实施例4

本实施例的检测系统实施例3的不同之处在于，对钢轨及尖轨区域进行扫描成像获取钢轨及尖轨的深度图像；在深度图像上，进行是否密贴检测，具体步骤如下：

S1:采集钢轨深度图像，根据钢轨高度信息，采用阈值分割方法找出钢轨，根据钢轨位置找出钢轨内边缘，通过深度学习方法找到滑床板；

S2:在检测出的滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口；

S3:在检测窗口内，通过投影及边缘提取方法，测量钢轨内边缘13到尖轨第一台阶边缘14的距离d1、到尖轨第二台阶边缘16的距离d2，判定d1、d2是否超过了尖轨与钢轨密贴时，钢轨内边缘到尖轨第一台阶边缘14的距离d10、到第二台阶边缘16的距离d20，若任一超过，则存在尖轨密贴不足；S4:当存在尖轨密贴不足时，计算di=(d1-d10+d2-d20)/2,作为尖轨密贴间隙；

S5:对多个滑床板区域进行上述处理，得到每一个滑床板处的尖轨密贴状态及密贴间隙结果。

实施例5

与实施例4的成像单元相同，不同之处在于，所述尖轨密贴检测方法是：

S1:预先采集道岔深度图像，并以扣件为单位进行切图，使每一幅图像中只包含一行扣件，采用深度学习方法检测尖轨靠贴处、滑床板，记录切割后的深度图像和尖轨靠贴处、滑床板标记区域,作为背景数据库；

S2:采集待检测深度图像，以背景数据库中保持的背景图像为基准，对当前采集图像进行切图，生成与背景数据库一一对应的前景图像；

S3:获取对应的前景和预先采集的道岔深度图像，判断背景数据库是否存在尖轨靠贴标志，存在则获取标记的尖轨处的滑床板标记区域；

S4:根据滑床板位置，设定测量区域，在预先采集的道岔深度图像和前景图像中，分别测量钢轨外边缘到尖轨底部边缘的宽度；

S5:在前景图像,通过阈值分割判断尖轨和钢轨之间是否存在缝隙，存在则尖轨靠贴不足，不存在则判定前景图像中钢轨外边缘到尖轨底部边缘的宽度是否增加、并超限，当存在增加和超限时，判定存在尖轨靠贴不足。

实施例6

本实施例的检测系统与实施例4的不同之处在于， 3D相机安装于钢轨内侧斜上方，如图4所示，线结构光平面与钢轨延伸方向垂直，3D相机测量区域覆盖钢轨顶部及内侧面、尖轨顶部及内侧面；3D相机的x、y方向的测量精度不低于0.1mm，z方向的测量精度不低于0.05mm；所述道岔尖轨密贴检测算法的处理步骤如下：

S1: 采集钢轨及尖轨深度图像，从钢轨深度图像、尖轨深度图像中分别找到钢轨、尖轨区域；通过深度学习方法找到滑床板区域；

S2:在滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口；

S3:在检测窗口内，垂直于钢轨延伸方向设置n个采样线，获取n条钢轨及尖轨轮廓曲线；在n条钢轨及尖轨轮廓曲线中，对钢轨内边缘进行线段拟合钢轨得到L1；对尖轨第一台阶竖直边缘进行线段拟合得到L2，对尖轨第二台阶竖直边缘进行线段拟合得到L3；

S4:计算L1到L2的距离d3，L1到L3的距离d4,判定d3、d4是否超过了尖轨紧贴时L1到L2的距离d30、L1到L3的距离d40，如果任一超过了就判定存在密贴不足，计算Di=(d3-d30+d4-d40)/2作为尖轨密贴间隙测量值，；对n个尖轨密贴间隙测量值Di取均值或最大值作为该检测窗口内尖轨密贴间隙测量结果。

本实施例倾斜成像，从内侧进行测量时，可以对钢轨内边缘清楚成像，相比垂直成像，获取的钢轨内边缘数据更丰富，可以拟合处钢轨内边缘的线段，再根据尖轨第一台阶曲线拟合圆心，计算该圆心到钢轨内边缘线段的距离。由于钢轨内边缘只有一个数据，很容易存在噪声干扰，本实施例倾斜拍摄时，钢轨内边缘为线段，可以进行直线拟合，直线拟合相比只有一个数据，具有更强的抗噪声干扰能力，因此，这种倾斜成像方式可以提升测量钢轨内边缘到尖轨的距离的精度。

实施例7

与实施例6的成像单元相同，不同之处在于，所述道岔尖轨密贴检测算法的处理步骤如下：

S1:采集钢轨及尖轨深度图像，在深度图像中，找出钢轨、尖轨区域，通过深度学习方法找到滑床板；

S2:在滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口；

S3:在检测窗口内，垂直于钢轨延伸方向设置m3个采样线，获取m3条钢轨及尖轨轮廓曲线；根据钢轨内侧边缘位置，拟合钢轨内侧竖直边缘线段L4；根据尖轨位置，计算尖轨轨腰曲线拟合圆心O1，计算圆心O1到L4的距离f1；

S4:对m3个轮廓曲线，得到m3个测量结果f1，判定f1是否超过了尖轨紧贴钢轨时的距离e1，如果超过了就判定存在密贴不足，计算hi=fi-e1作为尖轨密贴间隙测量值；对m3个尖轨密贴间隙测量值hi取均值或最大值作为该检测窗口内尖轨密贴间隙测量结果。

需要说明的是，S3中通过拟合圆心O1，可以得到更高的精度。

实施例8

与实施例6的成像单元相同，不同之处在于，所述道岔尖轨密贴检测算法的处理步骤如下：

S1:采集钢轨及尖轨深度图像，在深度图像中，找出钢轨、尖轨区域；通过深度学习方法找到滑床板；

S2:在滑床板区域，垂直于钢轨延伸方向，设置矩形检测窗口；

S3:在检测窗口内，根据钢轨内侧边缘位置，拟合钢轨内侧竖直边缘平面P1；

S4:在检测窗口内，垂直于钢轨延伸方向设置r个采样线，获取r条钢轨及尖轨轮廓曲线；根据尖轨位置，计算尖轨轨腰曲线拟合圆心O2，计算圆心O2到P1的距离si；判定si是否超过了尖轨紧贴钢轨时的距离e2，如果超过了就判定存在密贴不足，计算gi=si-e2作为尖轨密贴间隙测量值；

S5:对n个测量结果取均值或最大值作为该检测窗口内尖轨密贴间隙测量结果。

本实施例采用平面拟合，相比实施例3-5中直线段拟合，可进一步提升抗噪声干扰的能力。

虽然上面结合本发明的优选实施例对本发明的原理进行了详细的描述，本领域技术人员应该理解，上述实施例仅仅是对本发明的示意性实现方式的解释，并非对本发明包含范围的限定。实施例中的细节并不构成对本发明范围的限制，在不背离本发明的精神和范围的情况下，任何基于本发明技术方案的等效变换、简单替换等显而易见的改变，均落在本发明保护范围之内。