基于LabVIEW的機器視覺實現:軌距檢測算法

杜麗霞, 李 菲(蘭州交通大學 電子與信息工程學院， 甘肅 蘭州 730070)

?

·名人名言·

基于LabVIEW的機器視覺實現:軌距檢測算法

杜麗霞, 李 菲
(蘭州交通大學 電子與信息工程學院， 甘肅 蘭州 730070)

提出了一種基于機器視覺的軌距點定位算法能較好地適應并解決這一問題，該算法在基于機器視覺的基礎上獲得軌道斷面光帶圖像，并結合LabVIEW軟件對圖像進行處理得到軌道截面輪廓的測點數據；其次，對軌頭測點數據進行曲線擬合得到軌道頂面曲線，應用冒泡算法排序得到軌頭測點到頂面曲線切線平移值的距離，選取距離較小的值做二次曲線擬合，求取曲線與切線平移后直線的交點達到對軌距點定位；最終實現對軌距的準確檢測。試驗結果表明：該算法能夠實現軌道軌距點的快速精確定位，捕捉精度可達到1 mm，有效地對軌道軌距進行了檢測。

軌距點定位； LabVIEW; 二次曲線擬合； 軌道頂面曲線

0 引 言

軌距是分析軌道性能和列車行駛的一個重要參數，是評價線路質量和保證行車安全的一項重要指標[4]，而軌距點的定位是軌距檢測的前提，如何實現軌距點的快速精確定位是當前軌距檢測研究的重點。

傳統的定位方法主要采用人工測量或光電傳感和伺服機構進行測量，不但效率低下且由于現場震動等因素容易造成伺服機構的損壞。本文在機器視覺的基礎之上，提出了一種基于LabVIEW的軌距檢測方法，不但提高了軌距檢測的效率，且增加了其檢測精度。能夠有效地降低人為因素、環境因素等造成的檢測效率和精度低下等問題。

1 檢測系統的組成與原理

基于機器視覺[1]的軌距檢測系統主要包括兩部分:① 系統的硬件組成，主要負責完成對軌道斷面圖像的獲取；② 系統軟件的實現，主要負責完成對軌道斷面圖像的處理，包括對圖像的預處理、分割、提取中心線以及截面輪廓線的獲取等工作。

1.1 系統的硬件組成

機器視覺測量系統[5]的硬件組成結構如圖1所示，其中，CCD攝像機由光學鏡頭和圖像傳感器及相關電路組成，負責捕捉軌道斷面光帶圖像；圖像采集卡，負責完成對圖像信號的模數轉換，插在上位機的插槽上，兩者通過視頻信號線連接；上位機，將采集到的圖像顯示出來，再通過LabVIEW軟件進行處理[8]。

本系統中對左、右軌道分別采用了2臺CCD攝像機，1個紅色激光投射器進行軌距的檢測，分別獲取左、右鋼軌的內軌道，外軌道的半斷面輪廓，最后通過圖像融合技術得到整個鋼軌的斷面輪廓圖像。下面給出單個鋼軌內軌道的軌距檢測原理[9]，如圖2所示。

圖2 基于機器視覺測量的檢測原理

1.2 系統的軟件實現

本系統中采用的軟件為LabVIEW[7], 是一種高度交互式的開發環境，能夠實現快速設計原型和應用程序的漸進式開發。其中，IMAQ Vision是基于LabVIEW平臺的軟件包，主要負責圖像的處理及開發，能夠完成圖像的采集與讀取，圖像的顯示以及圖像的各種分析處理工作；同時，利用IMAQ Vision軟件強大的處理能力，能夠快捷方便地實現對機器視覺系統的標定。

(1) 對原始圖像進行采集。獲取軌道模型圖像如圖6(a)所示，從攝像機獲取圖像程序代碼如圖3所示，然后應用LabVIEW軟件對所獲取的圖像進行處理[6]，主要包括圖像預處理，圖像理解、圖像分析及檢測等部分，處理流程如圖4、5所示，最終得到校正后鋼軌的輪廓圖，如圖6(c),6(d)，用于下一步的軌距點定位研究。

圖3 攝像機獲取圖像程序代碼

圖4 圖像處理流程圖

(2) 圖像預處理。主要負責對圖像進行濾波，消除由于各種干擾因素引起的圖形畸變，旨在對原始圖像增強，提高圖像質量，常用方法為二值化處理和邊緣檢測局部增強等，本系統中采用了IMAQ Add和IMAQ Threshold子VI模塊對圖6(a)進行處理得到圖6(b)，達到預處理效果，其中圖像二值化程序代碼見圖5。

(3) 圖像理解[2]。就是對圖像特征作出解釋。包括兩方面的內容：圖像分割與圖像分類。利用閾值分割，實現從圖像中分割出各目標物體，然后提取它們的特征參數進行特征模板匹配。

(4) 圖像分析及檢測[3]。就是負責完成對圖像的配準與畸變調整。但是，利用機器視覺系統進行軌道幾何量測量時，由于獲取的圖像是以像素單位進行存儲與信息表示的，因此要得到實際的測量結果的數值，需要建立實際尺寸與數字圖像像素之間的對應關系。故測量之前，首先應該將圖像由圖像坐標系轉換到工作臺坐標系，這里需要對轉換系數進行標定，標定即確定每一個像素所表示的實際物理尺寸，標定的準確與否，將直接影響圖像測量系統的測量精度，本系統中采取以 LabVIEW為平臺的標定方法，對圖像處理后的鋼軌輪廓進行校正，如圖6(c)所示，校正后的圖像如圖6(d)所示。

圖5 圖像二值化程序代碼

圖6 圖像處理結果

2 軌距點定位

利用LabVIEW軟件對軌道模型圖像處理后，得到了校正過的鋼軌輪廓線。在此基礎之上，我們對鋼軌進行軌距點定位算法研究，具體定位過程如圖7所示，可以看出，其定位過程主要分為兩步：

(1) 求取鋼軌頂面的切線。 找尋該條切線的步驟如下:① 將鋼軌輪廓圖像反轉，提取像素為0的點，將像素為零的點繪制散點圖，找到軌頂面最高點所在的位置，依據鋼軌結構設定軌頂面提取縱坐標閾值，將軌頂面像素點進行曲線擬合；② 做該條擬合曲線的切線，該切線即為鋼軌頂面的切線。

(2) 定位軌矩點。具體步驟為:① 將軌頂面切線1向下平移16 mm，得到直線2；② 計算軌頭各個測點到直線2的距離,并采用快速排序法對其排序，并選出排列順序靠前的幾個距離值所對應的軌頭測點數據；③ 將選出的幾個測點數據做二次曲線擬合，則擬合后的曲線與直線2必有一交點,該交點即為軌距點。

圖7 軌距點定位算法實現過程

3 系統試驗仿真及分析

試驗采用高速CCD工業攝像機，通過PCI總線與上位機相連，同時采用紅色激光光源垂直照射軌道模型，構成軌距檢測系統。其中，CCD攝像機像素尺寸為5.6 μm×5.6 μm，激光輸出波長650 nm，扇形角為10°。將鋼軌置于三維坐標工作臺，4臺CCD攝像機與外部觸發信號相連，同步控制4臺攝像機采集軌道圖像，以便能夠對圖像匹配點進行準確的分析。選取三維坐標臺某個位置，作為起點，調節2根鋼軌的軌距，應用論文中的算法對軌距點定位，計算并求取軌距值,軌距變化檢測試驗結果見表1，最大誤差為1 mm以內。

4 結 語

軌距檢測系統的智能化研究，對于當前高速鐵路的發展具有重要的現實意義。不但能夠及時反映軌道狀態的良好程度，且能夠有效減少列車運行過程中存

表1 軌距變化檢測試驗結果 mm

在的安全隱患問題。基于LabVIEW的機器視覺檢測系統，能夠快速準確的實現軌距點的精確定位，且具有較強的抗干擾能力等優點。試驗表明軌距點跟蹤誤差最大僅為0.2 mm，軌距測量精度達到了1 mm以內提高了軌距的檢測速度、精度，能夠很好地滿足高精度的軌距動態檢測要求，可用于實際的工程實踐中。

[1] 鄭樹彬,柴曉冬.基于機器視覺的軌距檢測方法研究[J].城市軌道交通研究，2010(9):73-76.

[2] 田慶國,葛寶臻.邊形表示實時提取光帶中心線[J].光學精密工程,2012,20(6):1357-1363.

[3] 楊義軍,孟祥旭.復雜帶狀圖像的快速三角剖分與骨架化算法[J]計算機輔助設計與圖形學報,2003，15(10):1270-1274.

[4] 羅世輝. 軌距對機車車輛穩定性影響的研究[J].中國鐵道科學,2010,31(2):56-59.

[5] 張廣軍.視覺測量[M].北京：科學出版社,2008.

[6] Kenneth R.Castleman.數字圖像處理[M].北京:電子工業出版社，2002.

[7] 裴忠發,趙敬斌,羅志增.基于LabVIEW的機器視覺實現[J].機電工,2012,19(4):53-55.

[8] 陳利娟.非接觸軌距檢測系統設計[D].成都:西南交通大學,2011:27-33.

[9] Sonka M,Hlavac V,Boyle R. Image processing analysis and machine vision[M].Toronto:Thomson, 2008:199-200.

[10] Edwards JRiley,John MHart. Advancements in Railroad Track Inspection Using Machine-Vision Technology[D].Urbana-Champaign: University of Illinois at Urbana-Champaign,2009.

[11] Ren Shengwei,Gu Shiping. A new track inspection car based on a laser camera system[J]. Optics Letters,2011,9(3):1-4.

[12] Steger C,Ulrich M,Wiedemann C.Machine vision algorithms andapplications[M].Weinheim: Wiley VCH,2008:268-274.

[13] Zhengzhong Wei,Zhipeng Cao,Guangjun Zhang.Nonlinear optimization method in camera calibration [C]∥Electronic Measurement & Instruments.2009 the 9th IEEE International Conference. Beijing:ICEMI,2009:2459-2461.

[14] Sapiro G.Geometric partial differential equations and image analysis[M].New York:Cambridge university press,2006:333-354.

[15 ] Kim W,Kim S,Kim K. Fast algorithms for binary dilation and erosion using run-length encoding[J]. ETRI Journal,2005,27(6):814-817.

Track Gauge Point Inspection Algorithm Based on Computer Vision

DULi-xia,LIFei
(College of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China)

The gauge irregularity is the bottleneck for the security of high-speed train. The problem is resulted directly by the problem that gauge factors point can not be precise positioned. This paper presents a point-based machine vision gauge positioning algorithm. It can solve this problem effectively. The algorithm is based on machine vision. When the image is obtained by the light rail sections, LabVIEW is used to process the image and obtain the measuring point data of track sectional profile. The top surface of the track curves is obtained by fitting the curve of rail head measuring point data; The bubble sort algorithm is applied to measure tangent curve shift values of top surface of the rail head; A smaller distance value is determined to complete quadratic curve fitting, such that the tangent line can reach translational gauge point positioning; Ultimately, accurate detection of the gauge can be achieved. The test results show that: the algorithm can achieve fast and accurate positioning track gauge points, and the precision can reach 0.07mm. It effectively tracks gauge tested.

track gauge point positioning; LabVIEW; quadratic curve fitting; rail top surface curves

2014-06-23

甘肅省自然科學基金項目(121RJZA046)

杜麗霞(1968-),女，甘肅定西人，教授，研究方向電路與系統。E-mail：723936234@qq.com

TP 391.4

A

1006-7167(2015)02-0122-03