（通信与信息系统专业论文）基于计算机视觉的钢轨磨耗自动检测系统的研究.pdf

摘要 近年来随着铁路重载运输的大力发展，客货运量和行车密度大幅度增长，从 而导致钢轨磨耗日益严重，尤其是曲线钢轨的侧面磨耗急剧上升，因此铁路工务 部门十分重视对钢轨伤损情况的检测，以确保行车的平稳性和安全性。在各种决 定钢轨伤损的参数中，钢轨头部的磨耗值是最主要的参数之一。钢轨磨耗是否超 限直接决定钢轨是否被更换或打磨，因此，精确地测量出磨耗值对于钢轨的维护 及行车的安全是非常重要的。如何精确而高效地测量出钢轨磨耗一直是国内外铁 道部门的一个重要的研究课题。 本文首先介绍了钢轨磨耗自动检测系统的开发背景以及钢轨磨耗检测技术 的研究现状，指出开发磨耗自动检测系统的必要性。针对系统对检测时间和测量 精度的要求，本文提出了系统设计总体方案，在图像二值化、细化、摄像机标定、 图像校准等方面做了很多改进，以期更能适应系统的要求。本文对软件实现过程 中的主要技术环节逐一进行了说明，并对摄像机标定及其实验作了较为详细的介 绍。最后，本文通过编写软件系统实例对钢轨磨耗自动测量的执行过程进行了跟 踪，并对软件运行结果做了初步的分析，指出系统进一步改进的设想。 关键词计算机视觉；钢轨磨耗；摄像机标定；自动检测 a b s t r a c t r e c e n t i y ，w i t ht h ed e v e l o p m e n to fr a i l a g e ，p a s s e n g e rt r a n s p o r t ，f r e i g h ta n d t h ed e n s i t yo ft r a i nh a v ei n c r e a s e dm o s t l y i tr e s u l t si nr a i b w e a rd a ya f t e rd a y , e s p e c i a l l yt h es i d e r a i l - w e a r s ot h em i n i s t r yo fr a i l w a yh a sb e e nt a k i n gt h e s i t u a t i o no fr a i li n t oa c c o u n tg r e a t l yt oi n s u r et r a i na n dr a i ls a f e l y a m o n ga l lt h e p a r a m e t e r st h a td i s p l a yt h el o s so fr a i l ，h e a dw e a ro fi so n eo ft h em o s tp r i m a r y p a r a m e t e r s w h e nt h er a i l - w e a re x c e e d st h el i m i t a t i o n ，t h er a i lm u s tb er e p l a c e d o rr e p a i r e d s o ，i ti sv e r yi m p o r t a n tf o rt h em a i n t e n a n c es e c u r i t yo ft h er a i la n d r a i l w a yt om e a s u r er a i l - w e a rp r e c i s e l ya n ds p e e d i l ya n dt h i sp r o b l e mi ss t i l la n i m p o r t a n tr e s e a r c hs u b j e c to fw h i c ht h em i n i s t r yo fr a i l w a yi ne v e r yn a t i o nh a s t ob e i n f a c e t h i sp a p e rh a si n t r o d u c e dt h ed e v e l o p i n gb a c k g r o u n do ft h ea u t o m a t i c m e a s u r e m e n ts y s t e mf o rr a i l w e a ra n dt h ep r e s e n ts i t u a t i o no ft h ea u t o m a t i c m e a s u r e m e n tt e c h n o l o g yf o rr a i b w e a rf i r s t l y , p o i n to u tt h e n e c e s s i t y o f d e v e l o p i n gt h ea u t o m a t i cm e a s u r e m e n ts y s t e mf o rr a i l w e a r t oc o u n t e rt h e r e q u i r e m e n to fm e a s u r e m e n tt i m ea n dp r e c i s eo ft h es y s t e m ，t h ep a p e ra d v a n c e d t h eg e n e r a lp l a no fs y s t e md e s i g nt h a tb i n a r i z a t i o n ，t h i n n i n g ，c a l i b r a t i o no f c a m e r aa n da d j u s t m e n to fi m a g ea r ei m p r o v e dal o ts ot h a tt h e yc a nb es u i t e dt o t h es y s t e m a t i cr e q u i r e m e n t t h i sp a p e ri l l u s t r a t e dt h ek e yt e c h n i c a ll i n k so f s y s t e mm e a s u r e m e n to n eb yo n ea n dc a r e f u l l yi n t r o d u c e st h er e a l i z i n gp r o c e s so f t h ec a l i b r a t i o no fc a m e r a a tl a s tt h r o u i g ht h ea n a l y s i so ft h er e s u l t o ft h e m e a s u r e m e n tt h i sp a p e rp o i n t so u tt h ef o c a lp o i n tt h a tn e e d st ob ei m p r o v e d k e yw o r d ：c o m p u t e rv i s i o n c a m e r ac a l i b r a t i o n r a i l w e a r a u t o m a t i cm e a s u r e m e n t h 第l 章绪论 1 1 计算机视觉技术 第1 章绪论 计算机视觉是以计算机为基础的数字图像处理和分析技术的应用。它采用光 学的非接触的敏感技术，自动采集和分析实际景物的图像，以便从中获得有用信 息，控制机器运转或控制生产过程。计算机视觉是一项与敏感技术、计算机技术 有关的光机电一体化的综合性技术。 顾名思义，计算机视觉的作用是模拟人的视觉功能。其应用主要集中在下列 四个方面： 第一、产品尺寸的自动检测，判断是否满足要求。比如线材，板材几何尺寸 的测量，机器零件外形尺寸的测量等。 第二、产品质量检查。如印制电路板的检查，产品表面缺陷和完整性的检查 等。 第三、识别。根据物体特征识别物体，如字符识别、零件识别等。 第四、定位和机器人引导。定位是测量物体的位置，引导是根据位置信息控 制机器人的运动。 据估计，目前在国外应用的计算机视觉系统中，完成测量和检查任务的占 6 0 ，完成机器人引导功能的占2 5 ，其他1 5 用于物体的识别。 就总体性能而言，计算机视觉不如人工视觉，但就某一具体应用而言计算机 视觉确有明显的优越性。 第一、人工视觉是主观的，计算机视觉是客观的。同一事物，不同的人，或 者同一个人在不同时间可能得到不同的观测结果，而计算机却有很好的重复性。 第二、人会疲劳，长时间工作会精力不集中，会发生判断错误。而计算机视 觉则没有这类问题，从而大大提高了检测的可靠性。 第三、对完成某一特定任务而言计算机要比人工视觉快得多，因而可以进行 l o o 的检查，而人工视觉却只能进行抽样检查，这不但有效地保证了产品质量， 而且减低了废品率。这对降低成本，节约原材料和能耗都有重要意义。 第四、人不能进入某些危险环境( 高温，灰尘，放射性等) ，人也会对环境 造成污染( 超净厂房等) ，在这些情况下计算机视觉则大有用武之地。 计算机视觉技术不论从理论上还是从硬件设备上的发展都已达到了实用阶 段，国外起步比较早，已有不少成熟的产品问世：计算机视觉在我国的应用才起 步，更多的领域还需我们拓展。通过计算机技术向铁路自动化技术的交叉和渗透， 计算机视觉已成为钢轨状态检测领域中的一支颇具生命力的分支，并开拓出磨耗 自动检测技术崭新的应用领域。 1 2 磨耗检测技术现状 钢轨在投入使用后，承受着列车的载荷，并起着导向作用。在列车运行中钢 轨必然要发生磨耗，特别是小半径曲线外股侧磨尤为严重。钢轨磨损的程度在很 大程度上影响钢轨的使用寿命，也是制定线路及维修工作计划的基本参数。如何 掌握钢轨磨损的程度是工务部门日常养护维修工作内容之一。所以要定期对钢轨 磨损进行测量，即测量钢轨的磨耗值。 k 的点，然后再搜 索像素灰度值小于k 的点x 2 ，计算x - - x 2 x l ，如果x l e n ，则该段像素判定为噪声，并继续查找。这样一 1 8 第3 章断面图像处理 行一行地向上搜索，直到找不到光带的那一行，其纵坐标为钢轨腰部的顶点，并 在每一行搜索中记下光带起始点的最小值和终止点的最大值，作为轨腰光带的左 右范围。按上面顺序继续搜索钢轨头部的范围。在图2 1 1 中光带周围的矩形框 为找到的钢轨轨腰和轨头的位置。 图2 1 1 钢轨断面图像( 实验室环境) 3 2 图像二值化 一幅图像包括对象物、背景还有噪声，怎样从多值的数字图像中只取出对象 物，最常用的方法就是设定某一阈值日，用曰将图像的数据分成两部分：大于目的 像素群和小于目的像素群，例如输入图像为f ( x ，y ) ，输出图像为厂( x ，j ，) ，则 厂f x y ) = 1 ，、( x ，y ) 口 l o ，f ( x ，y ) 臼 ( 3 2 - 1 ) 若用灰度变换的方法来研究图像f ( x ，y ) ，其灰度变换函数如图3 2 1 所示。这 是研究灰度变换最特殊的方法，称为二值化( b i n a r i z a t i o n ) 。二值化处理就是把图 像f ( x ，y ) 分成对象物和背景两个领域，然后求其阂值曰。 也可以采用两个阈值，即日和0 ，把对象物轮廓部分特别窄的灰度范围当作 1 取出来，使对象的轮廓清楚。单脉冲灰度变换函数的输出图像，。( x ，y ) 用式3 2 2 表示 m 加髋亲翟兹训m ： 图3 2 1 二值化灰度变换函数 图像灰度 ( 3 2 2 ) 这种二值化闽值处理的方法，常用在文字和简单图像的识别上。如果不是二 值，而是多值，则灰度变换函数用阶梯波形，能够抽出各种特定的灰度部分。 若灰度变换函数在某一灰度值0 以下，强制为0 ，0 值以上的灰度保持不变， 即 八w ，= 鼢鬟卸 慨z 我们把这种二值化处理称为半阈值处理( s e m i t h r e s h o i d i n g ) 。这种处理方法， 当背景灰度和对象物比较，其灰度十分低时才有意义。若物体受遮光等影响，图 像是在不均匀照射下拍摄的，对整幅图像只用单一阈值，不能给出良好结果，则 必须用图像的不同阈值进行所谓可变阈值处理( v a r i a b l e t h r e s h o l d i n 曲。 上面介绍了阂值的各种处理方法，然而怎样进行阈值选择确是一个比较难的 问题。因为在数字化的图像数据中，目标数据和无用的背景数据常常混在一起。 除此之外，在图像中还含有各种噪声。所以必须根据图像的统计性质，即从概率 的角度来选择合适的阈值。确定阈值的方法有很多种，主要有利用最小误差闽值 决定的理论和最大方差闽值决定的理论。 ( 一) 最小误差阈值二值化方法 假如一幅图像，设对象物的灰度分布具有平均值a ，标准差为仃的正态分布 概率密度函数p ( z ) ，背景的灰度分布具有平均值为v ，标准差为f 的正态分布概率 密度函数q ( z ) 。 设对象物占整体图像的比例为f ，此时整体图像的灰度概率密度为 妒( ：) + ( 1 一，) g ( = ) 第3 章断面图像处理 现在用阈值0 分开 z 6 0 0 ( t v l ) 信噪比：大于4 8 d b 镜头焦距：i 6 m m ( 2 ) 图像采集卡 型号：o k m 2 0 h 性能： 采样主频率：4 m h z 一6 5 m h z 自动调节 图像采集分辨率：7 6 8 * 5 7 62 5 6 灰度级 高速8 b i t sa d 转换 ( 3 ) 工业计算机： 性能： c p u ：p e n t i u m i i i8 6 6 内存：6 4 m b 硬盘：2 0 6 系统软件环境为 操作系统：w i n d o w s 9 8 开发工具：v i s u a lc + + 6 0 1 1 5 2 摄像机标定实验 在每次断面测量开始之前，我们首先做的工作是对摄像机进行标定。摄像机 标定是钢轨磨耗检测过程中的重要环节，它的目的是建立三维物方空间和二维像 方空间之间的转换关系，其标定精度直接影响着磨耗测量的结果。在分析前人工 作的基础上，我们对摄像机标定系统的总体做了如下三个方面的设计：1 三维控 制点场或者称为标定模板的设计2 控制点像方坐标的精确定位3 摄像机定标精 度分析方法。 5 2 1 设计标定模板 实验中对于三维控制点场的要求有两点：一是三维控制点物空间坐标有较高 的精度。作为定标基准的三维控制点场，其控制点坐标的精度直接影响系统的定 标精度。二是控制点应设计得易于计算机精确地自动定位，使得摄像机定标算法 简单。 分析2 d 物方坐标到2 d 计算机像坐标的转换方程可知，要精确求出内外参数， 必须设定一组标定点，其物方坐标为已知，而且此标定点应处于待测物体的位置。 由于在实际系统的测量过程中，整个测量系统所在的轨检车已在钢轨上，钢轨的 存在使得这种标定设想不太现实。 综合上述对标定点的要求和标定时的实际困难，我们提出以下标定板设计， 如图5 2 - i 所示。 正视图侧视图 图5 2 - l 标定板示意图 标定板由主体方型钢板、九根标定针和固定部分组成。九根标定针按3 * 3 阵 列排列在主体钢板上，并用坐标仪测出它们的物方坐标。让激光面光源垂直投射 3 2 第5 章测量实验 在标定针上，则我们把针上留下的光点作为物方控制点。并且对轨检车底部安装 结构作如下改进，如图5 2 2 所示。 将摄像机、激光器和标定板的插槽固定在安装结构上，此结构和一圆轴连接， 使得它能绕圆轴转动。 钢轨检测时的情况如图5 2 2 左图所示。当进行摄像机标定时，将此结构逆 时针旋转9 0 度，并按如图5 2 2 右图所示将标定板插入插槽中，这样即可模拟 标定板在钢轨光断面处的标定。 标定投 ，、 三i 图5 2 - 2 在实际环境中的标定示意图 5 2 2 像中心的精确定位 观察物方坐标到计算机像坐标的变换方程可知，要求出摄像机内外参数，还 需要一组控制点在计算机帧存中的图像坐标。摄像机定标的第一步处理就是控制 点像中心的定位，而控制点像中心的定位精度也真接影响摄像机定标的精度。 控制点像中心的定位步骤： ( 1 ) 采集标定板图像 激光面光源垂直照射标定针，在标定针上留下了一个亮点，此亮点就作为摄 像机标定中的控制点。由c c d 摄像机采集到的标定板图像如图5 2 - 3 所示，图像 规格为7 6 8 * 5 7 68 b i t 。 ( 2 ) 选取标定点 在钢轨磨耗测量软件中，当采集到一帧标定板图像后，将鼠标设置成框标的 形式，欲选取某一标定点时，用框标将其框住，点鼠标左键，系统便将框标内的 图像数据读入一个缓冲区内，对缓冲区内的图像进行处理。由于本文中的坐标变 换为物方二维和计算机帧存二维图像之间的转换，所以只需选定4 个标定点即可 计算坐标变换参数。图5 2 3 中的四个小方框即为选取的标定点。 ( 3 ) 图像二值化处理 对缓冲区内的图像二值化，1 为标志点，0 为背景。二值化处理的原理，前 面已有详细介绍。 i i ( 4 ) 计算控制点像方坐标 在控制点二值化图像中，各控制点占有一定的区域，为了精确提取控制点的 像坐标，我们采用计算控制点图像中心坐标的方法。设控制点中心坐标为 ( z 。，匕) ，采用计算0 次力矩m 。和1 次力矩聊。m 叭，可按下式求得中心坐标 ( x 。，) ， x g = m l o m o 。 匕= m m 其中 0 次力矩m 。为图像区域内所有像素灰度值之和。 1 次力矩m 。为图像区域内所有像素灰度值与其x 坐标乘积之和。 1 次力矩m 。为图像区域内所有像素灰度值与其y 坐标乘积之和。 图5 2 - 3 摄像机获取的标定板图像 5 2 3 计算坐标变换参数 按图5 2 - 3 选取的控制点，它们的像方坐标和物方坐标如下 3 4 。 第5 章测量实验 像方坐标( 单位：像素) xy 7 8 5 9 1 42 6 0 1 7 4 3 0 7 9 7 11 1 5 6 8 6 3 6 1 7 7 82 7 8 2 2 2 2 3 3 8 7 94 9 4 2 7 3 则计算出的l 系数为： l ，= o 1 2 1 0 0 7l ，= 一0 1 1 5 5 3 4 l ，= 6 6 4 3 1 5l 4 = 0 0 5 5 1 2 5 厶= o 1 9 6 7 3 9l 。= 一9 6 2 6 0 0 7 l 。2 0 0 0 1 5 4 3l 82 0 0 0 0 9 4 2 物方坐标( 单位：像素) 7 5 8 3 7 9 4 5 4 8 2 2 7 4 y 7 5 8 7 5 8 3 7 9 6 0 6 4 5 2 4 精度分析 将标定板中的一些标定点的物方坐标设为真值( x ，l ，) ，构成真实平面。利 用己标定的摄像机的内外参数，通过获取的这些标定点在计算机帧存中的像方坐 标，计算它们的物方坐标( x 。y ) ，并比较真值与计算坐标， 及其误差半径，即 以 r _ ( x ，一x r ) 2 + ( e 一) 2 作为判定的标准，评价系统的标定精度。 摄像机标定内外参数产生误差的主要来源有： ( 1 ) 物方控制点并非一个圆点，而是面光源投射在钢针上的影像，所以其形 状不规则，造成读取各控制点的像方坐标时产生误差。 ( 2 ) 控制点图像坐标的提取精度，决定了标定的精度。采用计算其重心的方 法，实质上是一种加权平均，使各点误差平均，但误差依然存在。 ( 3 ) 像机输出不稳定，图像采集卡的量化误差等，都将对系统的标定精度产 生影响。 5 3 断面测量实验 经过摄像机标定即确定了物方坐标与像方坐标的关系之后，我们即可开始进 行断面测量。一幅钢轨断面图像的测量过程如前所述：获取图像一一图像二值化 一一光带细化一一图像矫正一一图像对准一一磨耗测量一一磨耗数据处理。 图像二值化的目的是把目标从背景中提取出来，我们的目标是提取出断面光 一3 5 带图像并尽量消除背景自然光的影响。我们试用了最大方差闽值方法，其二值化 结果容易将背景当作光带，使得测量根本无法进行，为便于分析，我们绘制了图 像的直方图。如图5 3 - 1 所示。 从图像直方图可知，钢轨断面光带图像中的背景部分呈现典型的双峰特征， 且光带部分在整个图像中所占比例小，光带灰度与背景部分灰度相距很远。采用 最大方差阈值方法，易将背景光的一部分判定为光带部分，也就是图像噪声产生 的来源。 基于上述分析，我们采用简单的固定阈值二值化方法，将闽值设定在光带灰 度附近，有效地消除了背景自然光的干扰。二值化后的图像如图5 3 2 所示。 图5 3 - 1 钢轨原始图像的直方图 图5 3 - 2 二值化后的钢轨轮廓图像 第5 章测量实验 细化后的钢轨轮廓线是连续的，但经图像矫正后曲线由一系列的点组成，由 于后续处理过程图像对准和磨耗测量要求实测图的轮廓曲线是连续的，所以需将 各个离散点连接起来。将曲线进行扩展后再对其细化，可有效地达到目的。如图 5 3 - 3 所示，左边图为几何矫正后的图，可看到轮廓线由离散的点组成，中间图 像为扩展后的图像，右边图像为再次细化后的图像，轮廓由连续曲线组成。 图5 3 3用扩展算法消除轮廓中的断点 检验测量系统是否达到预定的要求，可参考系统在两个方面的性能：精确性 和重复性。在钢轨磨耗测量系统的实验过程中，我们在铁道部科学研究院进行过 多次现场测量，并和手工测量进行结果比较。我们分别对每米5 0 公斤钢轨( 简 称5 0 轨) 和每米6 0 公斤钢轨( 简称6 0 轨) 进行了测量。表5 3 一l 所示为我们 在1 0 个测量点上分别用本套系统和手工测量方式测得的钢轨磨耗数据，经计算， 系统总磨耗误差小于0 5 m m ，达到系统要求。图5 3 1 为测量系统在6 0 轨同一截 面上的重复测量结果，从结果可看出本系统具有良好的重复性。 表5 3 1 自动测量数据与手工测量数据 自动测量数据手工测量数据 序 垂直磨耗侧面磨耗总磨耗垂直磨耗侧面磨耗总磨耗 号 ( r a m )( r a m )( r a m )( r a m )( r a m ) n 玎h n 11 4 13 1 12 9 71 _ 2 93 0 52 8 l 21 4 t0 5 61 6 91 6 30 4 81 8 7 31 6 90 5 61 9 81 5 0o 7 71 t 8 4o 5 6o 8 50 9 90 8 3o 8 21 2 4 52 5 4o 0 02 5 42 3 30 1 22 3 9 61 _ 1 3o 5 61 4 11 2 90 5 71 5 7 78 4 72 2 6 01 9 7 78 2 22 2 3 41 9 3 9 88 7 62 2 6 02 0 0 69 。0 52 2 7 22 0 4 1 91 0 1 72 4 2 92 2 3 21 0 3 92 4 6 0 2 2 6 9 1 01 4 6 93 3 9 0 3 1 6 41 4 5 03 3 7 73 1 3 8 0 0 0 18 5 6 0 0 0 28 5 6 0 0 0 38 5 6 0 0 d 48 5 6 0 0 0 58 5 6 0 0 0 68 5 6 0 0 0 78 ，5 6 0 0 0 80 5 6 0 0 0 98 5 6 0 0 1 08 5 6 0 0 ”8 5 6 0 0 120 5 6 0 0 138 5 6 0 0 140 5 6 0 0 158 5 6 0 0 168 5 6 0 0 178 5 6 0 0 188 5 6 0 0 198 5 6 0 0 2 0 8 5 6 0 0 2 18 5 6 0 0 2 2 8 5 6 0 0 2 38 5 6 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 10 2 2 1 d 2 2 10 2 2 10 2 2 10 2 2 3 8 2 2 10 2 2 3 8 2 2 3 8 2 2 3 8 2 2 3 8 2 2 10 2 2 3 8 z 2 3 8 19 7 5 19 7 5 19 7 5 19 7 5 19 7 5 19 7 5 19 7 5 19 7 5 19 7 5 19 6 1 19 6 1 19 6 1 19 6 1 19 6 1 19 7 5 19 6 1 19 7 5 19 7 5 19 7 5 19 7 5 1 9 6 1 19 7 5 1 9 z 5 2 0 0 2 4 2 516 ：17 ：9 2 0 0 2 4 2 516 ：17 ：9 2 0 0 2 4 2 516 ：17 ：10 2 0 0 2 d 2 516 ：17 ：11 2 0 0 2 4 2 516 ：17 ：12 2 0 0 2 4 2 516 ：17 ：13 2 0 0 2 。4 2 516 ：17 ：14 2 8 0 2 。4 2 510 ：17 ：14 2 0 0 2 4 2 516 ：17 ：15 2 0 0 2 4 2 518 ：17 ：16 2 0 0 2 4 2 516 ：17 ：17 2 0 0 2 4 2 516 ：17 ：18 2 0 0 2 4 2 516 ：17 ：19 2 0 0 2 4 2 516 ：17 ：2 0 2 0 0 2 4 2 510 ：17 ：2 0 2 0 0 2 4 2 516 ：17 ：2 1 2 0 0 2 4 2 518 ：17 ：2 2 2 0 0 2 4 2 516 ：17 ：2 3 2 0 0 2 d 2 516 ：17 ：2 4 2 0 0 2 4 2 516 ：17 ：2 5 2 9 8 2 4 2 516 ：17 ：2 5 2 0 0 2 4 2 516 ：17 ：2 6 2 0 0 2 m 2 516 ：l z ：z z 图5 ，3 - l6 0 轨同一截面磨耗测量数据 3 8 鬻鬻嚣繁戮鬻黧黧糍遴 第5 章结论与展望 第6 章结论与展望 采用计算机视觉技术对钢轨磨耗进行自动检测对钢轨的维护有重要的意义， 它比传统的测量方法有以下的优点： ( 1 ) 实现了钢轨磨耗测量的自动化，可以使养路工人从繁重的手工测量中解 脱出来，消除了人为产生的测量误差： ( 2 ) 从测量结果可以直接看出磨损钢轨的截面轮廓，为钢轨磨耗和轮轨接触 状态的研究提供了良好的条件。 ( 3 ) 测量结果直接由计算机进行处理和存档，不用人工干预； 到目前为止，本文完成钢轨磨耗自动检测系统中的如下任务： ( 1 ) 完成系统的摄像机标定部分，解决在实际环境中的标定问题。 ( 2 ) 完成钢轨磨耗测量系统中的测量部分，测量误差小于0 5 毫米，达到了 系统要求。 ( 3 ) 实现钢轨磨耗数据的自动存档、查询、显示、排序和打印。 ( 4 ) 可测量多种型号的钢轨，转换十分方便。 实验证明，将计算机视觉测量方案应用于钢轨磨耗自动测量系统中是可行 的，而且，我们也发现，计算机视觉测量方法不仅可用在测量钢轨磨耗中，还可 以将其应用于电力机车接触网的磨损测量、钢轨轨距测量等铁路测量应用中。 虽然钢轨磨耗自动检测系统的研制取得了初步成果，但我们也认识到，将其 应用到实际测量环境中，我们还需要攻克很多实际困难： 1 、背景光干扰是自动测量中的一个难题，现在采取的方法是将测量车厢的 侧面底部用一层遮蔽物将其遮蔽住，摄像机镜头加装红外滤光片，但这种方法不 能彻底解决问题，背景光干扰情况依然存在。 2 、当我们测量钢轨磨耗数据时，同时要获得磨耗超限钢轨的实际地点。一 种方法是设计一个电路，使车轮每转一圈或几圈，激光器关掉一次，这样车轮滚 动的周期就反映到摄像机中，要求激光器关闭时间大于图像采集卡采样周期，以 保证计算机能够得到激光器关闭的信息。一种方法为在钢轨底部每隔一定的长度 做一个标记，轨检车在测量钢轨磨耗的同时检测钢轨上的标记并记录，这样做到 钢轨磨耗数据和钢轨位置之间的对应。另一种更为简便的方法是检测系统运行过 程中，测得某一地点钢轨磨耗超限时，立刻在该点钢轨上喷漆，作为以后维修的 标记。以上方法还需要实践检验。 3 、测量速度是测量系统的一个重要参数，如何提高测量速度是我们需要解 决的首要问题。在我们的测量系统中，运算部分主要是微型计算机。进一步提高 系统测量速度，将图像处理和计算机视觉算法硬件化是我们改进的目标，因此还 有很多工作需要我们去做。 参考文献 1 吴立德计算机视觉复旦大学出版社，1 9 9 3 2 李介谷计算机视觉的理论和实践上海交通大学出版社，1 9 9 1 3 贾云得机器视觉科学出版社，2 0 0 0 4 王之卓摄影测量原理测绘出版社，1 9 7 9 5 王之卓摄影测量原理续编测绘出版社，1 9 8 6 6 容观澳计算机图像处理清华大学出版社，2 0 0 0 7 王积分，张新荣计算机图像识别中国铁道出版社，1 9 8 8 9 r c 冈萨雷斯，p 温茨数字图像处理科学出版社，1 9 8 l 1 0 阮秋琦数字图像处理学电子工业出版社，2 0 0 1 11 中华人民共和国铁道部铁路线路维修规则中国铁道出版社，1 9 9 0 1 2 e l e c t r o n i cr a i le y e r t & 8 ，4 8 5 0 ，s e p t e m b e r1 9 8 6 1 3 k u n i ot a k e s h i t a ，k i n a it a k a g i ，y o s h i en a r i t a m e t h o do fr a i lp r o f i l e m e a s u r e m e n tw i t hl i g h ts e c t i o nm e t h o d r t r ir e p o r t ，v 0 1 7 ，n o 1 1 ， 1 9 9 3 1 4 s s o e l e i m a n t h em e a s u r e m e n to fr a i lh e a dw e a r r a i lt r a c k 1 9 9 0 1 5 i r c o e n r a a de s v e l d ，m i n p r o f - w h e e la n dr a i lp r o f i l em e a s u r i n gs y s t e m r a i le n g i n e e r i n gi n t e r n a t i o n a le d i t i o n ，n o 4 ，1 9 9 2 1 6 g w s m a l l ，z s h e g e d u s m e a s u r e m e n to fr a i lc r o s s s e c t i o nw i t h s o l i d s t a t es e n s o ra r r a y s o p t i c sa n dl a s e rt e c h n o l o g y ，f e b r u a r y ， 1 9 8 6 ：4 3 4 7 1 7 r a cr a p i d l yr e c o r d sr a i lc o n d i t i o n r t & s ，a p r i l ，1 9 8 7 1 8 t s a i r y ，av e r s a t i l ec a m e r ac a l i b r a t i o nt e c h n i q u ef o rh i g h a c c u r a c y 3 dm a c h i n ev i s i o nm e t r o l o g yu s i n go f f t h e s h e l ft vc a m e r a sa n dl e n s e s i e e ej o u r n a lo fr o b o t i c sa n da u t o m a t i o n ，v 0 1 r a 一3 ，n o 4 ，a u g u s t 1 9 8 7 ，p p ：3 2 3 3 4 4 1 9 e g u i l l o u ，d m e n e v e a u x ，e m a i s e l ，k b o u a t o u c h u s i n gv a n i s h i n g p o i n t sf o rc a m e r ac a l i b r a t i o na n dc o a r s e3 d r e