利用線陣列相機對鋼軌長波不平順檢測的工程實踐

陳國輝 上海鐵路局科研所

1 引言

高速鐵路和重載鐵路的運營對鐵路基礎設施可靠性的要求十分嚴格。軌道不平順檢測作為工務的基礎設施檢測工作的一部分，對鐵路運營安全起著重要的作用。軌道高差平順度是軌道的一個基本幾何參數，描述了鋼軌頂面的起伏變化,它直接關系到輪軌的配合以及列車的行車安全。傳統的測量方式有弦測法和慣性基準法等方法。隨著機器視覺測量技術的發展和日臻完善成熟，以非接觸、速度快、實時性強、精度高為特點的CCD 高速攝像機檢測方式越來越成為有效檢測的方法之一。它能準確檢測出軌道高低不平順，對于保障列車運行的安全具有重要意義。

2 技術現狀

目前國內外檢測軌道高低不平順的方法有弦測法和慣性法。

三點等弦的弦測法檢測，設固定的弦長,在間距定長的3個軸上分別安裝位移計,選定測量基準,測量軸頭與基準的相對位移，從而獲取軌道的高低不平順測量值。目前的檢測產品有水平尺、德國的水平測量綜合站等。

多年來,弦測法一直用作檢測、養護和維修軌道高低等工作。但是弦測法也存在問題，它不能反映軌道高低的實際情況。雖然能部分滿足乘座平穩質量要求,但從安全的需要、輪軌相互作用的研究、全面正確養護和維修軌道等方面的需要來說,仍有不足之處。

慣性基準法是1949 年Sperry 公司軌檢車采用類似地震儀的慣性位移法裝置測量軌道高低的方法。由于只能測出波長較短的部分軌道高低而未得到推廣。近年來,日、法等國用在軸箱上安裝加速度傳感器的方法,測量軸箱上、下運動的加速度A，再將A 二次積分求得軸箱上下運動的位移W(即軌道的高低)。這種慣性基準軸箱加速度直接積分法，也不能得到整個需測波長范圍的高低變化。

基于計機器視覺的測量技術是近年發展起來的新的測量手段，并已逐步應用到鐵路軌道檢測諸多領域。它集中運用了CCD 成像技術、圖像處理技術、人工智能技術和信息通訊等眾多高新技術，成為自動檢測方法和研究領域的熱點。現場自動獲取被測物體的輪廓要素的灰度信息，采用圖像處理技術進行數據處理以獲得檢測的結果，實現自動檢測。

3 檢測原理與系統構成

3.1 算法原理

圖1 算法原理

圖1 為10 m 長、平順的軌道，將光靶分別放在5 m、N m、10 m 處，其在10 m 焦距出的成像點A、B、D。

圖2 算法原理

如圖2 所示，假設在軌道N m 處有個凹不平順,那么光源的下邊沿的位置就由E 點下移到了F 點其在相機10 m 處成像的位置也有B 像素點轉移到了C 像素點。

通過在實驗室的10 m 范圍的平臺上定標，可以測出在10 m 處成像時候的光源的像素當量，這樣，N m 處成像位置BC 之間的距離就可以算出。△GEF≌△GBC 是兩個相似的三角形，EF 就是我們要計算的高差，代入公式，EF÷BC=N÷10，由此得出EF=(N×BC)÷10。由光源的移動可以連續推演出一段鋼軌的不平順高差，得到整段鋼軌高低的曲線波形。

3.2 總體設計

該檢測裝置由圖像采集模塊、信息傳輸模塊、光源模塊構成（見圖3）。CCD 相機攝像機安裝在軌道上，垂直于被測LED 方形光源。

圖3 模塊劃分圖

4 軟件實現

4.1 開發環境

開發語言：VC6.0

操作系統：Windows XP

4.2 軟件處理流程

采用基于計算機視覺技術的自動測量方法。應用圖像分割、剔除干擾、圖像細化等算法，對采集到的鋼軌圖像進行處理；然后對圖像進行檢測細化，對圖像相鄰的特征像素點進行聚類做感知編組；最后找到圖像中的邊界線，進而計算出光源的邊緣對應的高差。

4.3 圖像采集

圖像采集模塊包括光學子系統(主要有光源、濾光片和鏡頭等)和CCD 圖像采集子系統。光學子系統在將檢測的圖像成像在CCD 攝像機的光敏單元上，其核心器件是光源和成像鏡頭。CCD 圖像采集子系統將成像在光敏單元上的光學影像轉換成圖像信號。圖像采集卡對圖像信號采樣，轉化為數字信號輸入到計算機，為后續圖像處理做準備。圖像采集模塊的基本構成如圖4 所示。

圖4 采集模塊圖

4.4 圖像處理

（1）分割目標與背景

為便于對圖像進行識別和處理，利用采集到的灰度圖，將邊緣從圖像中提取出來，用于的識別和準確測量。圖像直方圖是圖像分割的基礎，它反映了圖像灰度分布的統計特性，不同灰度級像素的多少分別對應直方圖的波峰和波谷。在圖像直方圖中，通常波峰對應圖像的目標和背景，而波谷則對應邊緣。閾值法是一種簡單有效的圖像分割法，它用一個或若干個閾值將圖像按像素灰度級分為若干區域(等級)，并認為處于同一個灰度等級的圖像具有相同的性質。對圖像在邊緣處分割，即分割的閾值選在直方圖的波谷。當圖像直方圖的波谷寬闊平坦時，該閾值難以確定，為此，系統采用最大類間方差閾值法對采集的圖像進行識別，從而確定自適應閾值，實現對圖像的分割。

（2）圖像的細化

對圖像分割并剔除干擾后，圖像中只剩下光靶邊緣。由于裝置的邊緣圖像太粗，直接對它測量，可能影響檢測精確度，所以需要對光靶邊緣進行取直線處理，即將光靶邊緣細化成細直線段。圖像細化，大大壓縮了原始圖像的數據量，并保留了原始的基本拓撲結構，從而為精確測量提供了準確的依據。

4.5 圖像處理線程

工作線程進入圖像實際采集線程，找到灰度圖像的邊界（起始邊界、結束邊界、標準結束邊界），如圖5 所示。

圖5 找邊界流程圖

5 結束語

采用基于機器視覺技術的方法測量軌道高低不平順，能夠有效提高測量效率和精度，降低檢測成本，有助于軌道檢測的智能化，實現對線路高度的高精度、非接觸測量。

[1]《軌道工程》.

[2]《高速鐵路概論》.

[3]《機器視覺算法與應用》.