钢轨磨耗测量系统中光带主曲线提取的研究

钢轨表面擦伤检测系统中光源反馈与控制技术的研究的开题报告一、研究背景钢轨的表面擦伤是一种常见的损坏形式，会影响列车的行驶安全，引起铁路事故。

因此，及时发现钢轨表面擦伤异常情况，对于保障列车行驶安全有着重要意义。

传统的钢轨表面损伤检测方法主要依靠人工巡视，效率低下，且存在漏检问题。

随着科技的发展，基于计算机视觉的检测技术开始应用于钢轨表面损伤检测，取得了一定的成果。

然而，现有的技术对于钢轨表面擦伤的检测仍存在着一些问题，如检测精度不高、抗干扰能力较弱等。

因此，开发一种高效准确的钢轨表面擦伤检测系统至关重要。

二、研究目的本研究旨在开发一种高效准确的钢轨表面擦伤检测系统，并重点研究光源反馈与控制技术，以提高系统的检测精度和抗干扰性能。

三、研究内容1. 钢轨表面擦伤检测系统设计。

采用计算机视觉技术，设计一种基于图像处理的钢轨表面擦伤检测系统，包括图像采集、预处理、特征提取和分类等模块。

2. 光源反馈与控制技术研究。

通过对光源发光强度、角度和位置等因素进行反馈与控制，优化光源的照明效果，提高图像质量，从而提高系统检测精度和抗干扰性能。

3. 系统性能测试。

通过实验数据分析和比对，评估研究的钢轨表面擦伤检测系统的检测精度和抗干扰性能，并与现有的同类产品进行比较，验证其优越性。

四、研究意义本研究的成果可应用于钢轨表面擦伤检测领域，提高钢轨检测的效率和准确性，保障列车行驶安全。

同时，本研究的光源反馈与控制技术也可应用于其他计算机视觉领域，具有广泛的应用前景。

五、研究方法与步骤1.文献调研：对计算机视觉和光源反馈与控制技术等领域的文献进行梳理和分析。

2.系统设计：基于计算机视觉技术，设计钢轨表面擦伤检测系统。

3.光源反馈与控制技术研究：通过实验与数据分析，研究光源反馈与控制技术，优化照明效果。

4.系统性能测试：通过实验数据对系统进行检测精度和抗干扰性能等方面的测试，并与同类产品进行对比分析。

五、拟采用的技术在本研究中，将采用图像处理、机器学习、光源控制等技术，实现钢轨表面擦伤的准确检测。

基于激光轮廓扫描仪的钢轨磨耗检测系统王德明;王桂宝;张广明;孙冬梅【摘要】当前我国钢轨检测主要采用的是人工检测方式,效率低下,精度和可靠性不高.为了解决以上问题,文中提出了一种基于二维激光轮廓扫描仪的钢轨磨耗检测系统.通过对钢轨外形的扫描,系统运用计算机图形处理技术生成钢轨轮廓,并采用最小二乘法计算出钢轨磨耗.实验证明该方法方便快捷,稳定性较好,能够满足铁路部门检测要求.【期刊名称】《仪表技术与传感器》【年(卷),期】2014(000)010【总页数】3页(P90-91,98)【关键词】激光三角测距;CCD成像;计算机图像处理【作者】王德明;王桂宝;张广明;孙冬梅【作者单位】南京工业大学自动化与电气工程学院,江苏南京211816;南京工业大学自动化与电气工程学院,江苏南京211816;南京工业大学自动化与电气工程学院,江苏南京211816;南京工业大学自动化与电气工程学院,江苏南京211816【正文语种】中文【中图分类】TH860 引言随着我国经济的快速发展，铁路作为国民经济的大动脉对我国经济发展的作用随之提高。

钢轨作为铁路运输重要的设备，它的运行优劣，直接影响着铁路运输的安全与通畅。

因此，钢轨磨耗检测成为铁路检测部门检测钢轨的重要指标[1]。

目前，我国铁路部门主要采用接触式的人工方式对钢轨磨耗量进行检测[2-3]。

检测过程完全依靠人工进行，受人员的影响较大，因此测量精度低，同时工作量大、环境恶劣、效率低下，且容易擦伤表面，而且测量结果不直观、数据处理缓慢、不便存档和进一步处理研究[4]。

因此，需要研制一种符合我国国情的钢轨磨耗自动测量系统以便动态、实时地采集信息，正确地测出钢轨轨头的磨耗值，掌握钢轨磨损状态和制定钢轨维修和换轨计划，为钢轨及时打磨提供数据参考。

文中提出一种非接触光学检测方法，运用激光二维轮廓扫描仪扫描出钢轨头部轮廓，实现钢轨磨耗的实时检测，指导钢铁维护工作，保证安全运输。

1 钢轨磨耗检测的原理钢轨头部伤损按程度可以分为轻伤、重伤两类。

基于机器视觉的钢轨磨耗检测系统的研究
李夏欢
【期刊名称】《军民两用技术与产品》
【年(卷),期】2016(000)022
【摘要】钢轨磨耗是一个评价铁道钢轨质量的重要指标.采用光切形貌法,用机器视觉检测法取代传统检测法对钢轨磨耗进行检测.首先建立世界坐标系与图像坐标系的激光相机传感器校准模型并用黑白棋盘格对激光相机传感器进行标定.然后通过棋盘格实验标定所获得的300组校准数据,代入非线性最小二乘法计算模型,得到模型校正参数.并选取国内某地铁线路的现场数据进行试验,结果表明:采用该检测系统能使钢轨磨耗测量误差控制在0.3mm以内,能够较好地应用于钢轨磨耗测量中.【总页数】4页(P191-194)
【作者】李夏欢
【作者单位】武汉地铁集团有限公司建设事业总部车辆部,武汉 430070
【正文语种】中文
【相关文献】
1.基于几何特征的钢轨磨耗检测系统的研究 [J], 鞠标;朱洪涛;徐鞠萍;王志勇
2.基于机器视觉的钢轨磨耗检测系统研究 [J], 唐晓敏;王培俊;吕东旭;李文涛
3.基于机器视觉的电梯钢丝绳缺陷检测系统研究 [J], 李文
4.基于机器视觉的轮胎表面缺陷检测系统的研究与应用 [J], 孙贺;刘胜波;冷于浩;刘默嘉;丁涵
5.基于机器视觉的烟包传送带异物检测系统研究 [J], 甘子卿;梁敬婕;王宇;曾佳;马悦;韩爽;朱皓晨
因版权原因，仅展示原文概要，查看原文内容请购买。

钢轨磨耗测量中轨腰圆弧中心点的提取吴生海;安小雪;侯义芬;何天赐;吴金兰;陈威昂【摘要】针对钢轨磨耗测量中测量轮廓与设计曲线的对齐问题,提出一种提取钢轨轨腰圆弧中心的特征点还原初始钢轨轮廓的方法.该方法利用图像处理技术,获取钢轨轮廓单像素图像,确定轨腰圆弧的大体位置,应用最小二乘法解出最优的圆心坐标(特征点).与以往特征点的提取方法相比较,该方法所运用的计算方法较为简单,思路清晰,可避免一些不确定因素,从而满足了磨耗检测的要求.【期刊名称】《上海工程技术大学学报》【年(卷),期】2015(029)003【总页数】4页(P218-221)【关键词】钢轨;磨耗测量;特征点【作者】吴生海;安小雪;侯义芬;何天赐;吴金兰;陈威昂【作者单位】上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学工程实训中心,上海201620;上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620【正文语种】中文【中图分类】TP751.1Key words: rail; wear measurement; feature point目前,我国铁路工务段现行的钢轨磨耗检测方法主要采用接触式检测,而随着机器视觉技术的快速发展,非接触式测量方面的研究也越来越多,我国的非接触式测量技术近年来也取得了较大的成功.在非接触式检测方法中,为提高钢轨轮廓匹配的效率,必须计算出更为精准的磨耗值.本文利用Matlab图像处理技术,提出一种新的钢轨磨耗检测方法,先获得钢轨轮廓图像,对图像进行R分量提取,而后对其进行灰度化、二值化,然后进行骨架化获得单像素图像,再利用单像素图像找出两个特征点具体的坐标位置,通过两个特征点与钢轨轮廓的空间几何关系,还原出初始的钢轨轮廓(即标准模板)的方法,从而较大提高钢轨磨耗检测的精度.为了精确还原出原始钢轨轮廓,需要选取最精准的特征点,即在列车运行过程中钢轨产生的磨耗不影响其具体位置,以便计算出其准确坐标.本文选取的轨头下端以及轨腰轨底部位的特征点远离钢轨磨耗部位,几乎不会发生变形,所以把它们作为特征点的选取位置.对标准钢轨[4]断面轮廓尺寸参数进行分析可知,钢轨轮廓的两侧完全一样,可任选钢轨一侧,钢轨每侧均由19段圆弧和直线构成,而轨腰处的3段圆弧的半径和圆心都是已知的;与钢轨断面同样有着这种固定关系的点还存在于轨头下端和轨底下端.本文这里选取的两个特征点分别位于轨腰圆弧中心和轨头下端,当知道了两个特征点的世界坐标以及钢轨断面轮廓的法向量、轮廓设计曲线中其他线段与二次曲线的几何关系,钢轨的标准轮廓模板就可获取.以轨腰处半径R=20 mm的圆弧进行演算.三维空间里,二次曲线C是平面π与二次曲面Q[5]的交线;A和B两点是二次曲线C1和C2 的交点,依据此原理,在三维重构后的轨腰圆弧上任意选取两个点 O1和O2,以这两点为圆心分别做半径为R1=R2=R的球体,如图1所示.记三维空间球面方程为其中X为球面上点的坐标,X=[Xw,Yw,Zw,1]T;Q为4×4的对称矩阵.要满足光平面的参数化表示需要球面与光平面相交,这样所有交线上的点都在光平面上和球面上,Xi=xt,Yi=yt.其中,.由式(1)和式(2)可得令C=MTQM,式(3)变为二次曲线方程其中,C为3×3对称矩阵.当光平面与两个球面相交时,就会有两条二次曲线,方式如下这两条二次曲线有两个交点A、B,通过式(5)即可求出A、B的坐标位置,在圆弧的内外侧各分布一个点,分析可知这段圆弧内侧A点坐标为(Xo,Yo,Zo)(特征点坐标).根据上文的理论知识,本文首先确定轨腰圆弧的大体位置;进而可用最小二乘法解出最优的圆心坐标Ot(即所求特征点).原图经图像处理技术处理后获得单像素图像,钢轨轮廓轨迹的单像素图像如图1所示.在实验基础下,得出钢轨轮廓每个像素点所对应的三维坐标,可以确定轨腰与轨底连接处的圆弧大体位置在像素点t=420至t=600之间.众所周知,在工程应用领域中,由于实际情况的复杂性,为减小误差,通常需要通过多个点来确定一段圆弧的圆心坐标.因此,本文在像素点t=420至t=600任意取两个圆心Ot ,t+k (令k=10,每个圆心相距10个像素点),作半径R=20的圆,两圆相交于A、B两点,通过式(1)分别计算出该圆弧的圆心181个圆心坐标,如图2所示.由图 2 可知,所得到的圆心坐标位置大多集中于中间部分,两侧较为分散,说明所选取圆弧的大体位置较不合理,因此需要缩小原来的范围,重新进行计算.像素点选取情况见表1.由步骤①可得图3(a),其与图2相比分散度略有降低,但还需继续缩小其范围;步骤②获取31个圆心坐标,如图3(b);步骤③所得图3(c)中21个圆心坐标更为集中;最后进行步骤④所得的11个圆心坐标集中程度最高,如图3(d)所示,可判断出部分理论轨腰圆弧存在于该段,因此该段最精确圆心坐标(特征点坐标)可定为整个R=20段圆弧的圆心.由于t在510~520段的11个圆心坐标非常集中,可以借助最小二乘法算取最优解,最优解为(-29.0756,25.9951,367.5805).由于图像经过处理后可能存在像素偏差问题,为此在提取特征时,需在轨头下端点处取3×3的邻域，如图4所示.轨头下端点及其邻域的世界坐标为{X1,Y1、X2,Y2,Z2,…,X9,Y9,Z9}.它们与轨腰圆弧中心A的距离为{D1,D2,…,D9}.在实际情况下,若点A与轨头下端点之间理论距离为 D,理论与实际误差为,i=1,2,…,9.取,则εmin所对应的坐标(Xi,Yi,Zi)就是所求的特征点.以上研究得到了轨腰圆弧中心及轨头下端点的两个特征点,在Matlab实验室里,利用提取的两个特征点与标准钢轨轮廓中线段和曲线存在的复杂几何关系,获取标准钢轨轮廓,再把测量得到的曲线与生成的标准钢轨轮廓模板相比较,可得出轨头整理磨损形状和像素点的误差,采取相对差值法计算:实际磨耗=绝对磨耗-初始磨耗,其中绝对磨耗为轨头磨损后相对标准模板的磨损量,初始磨耗为未经使用钢轨轨头相对标准模板的磨损量.计算得侧面磨耗为0.26 mm,垂直磨耗为1.21 mm,平均磨耗为1.34 mm.磨耗计算简、易、快,符合当前钢轨检测的要求.拍摄标准60 kg/m钢轨,将其图像进行处理,获得特征点并生成标准钢轨轮廓模板.实验发现被检测的钢轨轮廓与标准钢轨轮廓模板的相似度极高,而轨腰圆弧中心与轨头处产生的误差是难以避免的,获取数据进行拟合,拟合结果为:平均误差为钢轨磨耗是影响高速铁路安全运行的重要因素之一,因此钢轨轮廓信息的采集极为重要.本文针对钢轨磨耗测量中测量轮廓与设计曲线匹配的精度较低的问题,提出一种通过提取钢轨轨腰圆弧中心的特征点来还原初始钢轨轮廓的方法.经试验证明:采用该方法得到的测量轮廓与设计曲线匹配的精度较高,并且利用该方法在提取特征点上的方法相对便捷,算法通俗易懂,避免很多不确定因素;所还原的钢轨原始轮廓较为精确,误差较小,具有良好的稳定性,为后续测量的精度提供了保障.[1] 中华人民共和国铁道部.铁路线路修理规则铁运〔2006〕146号[S].北京:中国铁道出版社,2006.[2] 陈东生,田新宇.中国高速铁路轨道检测技术发展[J].铁道建筑,2008(12):82-86.[3] 孟佳,高晓蓉.钢轨磨耗检测技术的现状与发展[J].铁道技术监督,2005(l):34-36.[4] 王代文.负偏差生产60kg/m 钢轨的实践[J].轧钢,2010,27(4):68-71.[5] 胡茂林.空间和变换[M].北京:科学出版社,2007.49-60.[6] 陈玮,薛琴,魏胜利.差影算法在轮对踏面磨耗检测中的应用[J].自动化技术与应用,2007,26(6):74-76,48.[7] 李立明,柴晓冬,郑树彬.基于RGB 颜色模型的轨道轮廓识别算法[J].传感器与微系统,2012,31(5):142-144.[8] 郑树彬,柴晓冬,安小雪,等.基于动态模板的钢轨磨耗测量方法研究[J].中国铁道科学.2013，34(2):7-12.通信作者: 童东兵(1979-)，男，讲师，博士，研究方向为复杂网络.E-************************。

有轨电车轨道磨耗检测方法研究张俊;陈建政【摘要】文章设计了一套有轨电车轨道磨耗检测系统,该系统在总体上采用光断面技术和图像处理技术.系统利用轮廓扫描装置对实际轨形进行提取,而后进行数据处理和轨形匹配,最终进行磨耗值的计算.根据计算出的磨耗值来判断轨道使用寿命和有轨电车运行安全.【期刊名称】《无线互联科技》【年(卷),期】2016(000)002【总页数】3页(P118-120)【关键词】有轨电车;槽型轨;磨耗;卡尔曼滤波;轨形匹配【作者】张俊;陈建政【作者单位】西南交通大学牵引动力国家重点实验室,四川成都610031;西南交通大学牵引动力国家重点实验室,四川成都610031【正文语种】中文由于现代有轨电车的轨道是地面敷设，与汽车实行共享路面，且需满足道路交通行驶规则和景观的设计要求，所以有轨电车采用的是槽型轨（如图1所示）。

因槽型轨设置的轮缘槽可确保与道路地面平顺衔接，槽型轨还能保护运行轮轨，可防止车辆运行过程中脱轨等问题的出现[1]。

现代有轨电车线路曲线半径小、坡度大，车辆启制动频繁，也就增加了槽型轨磨耗程度，而磨耗的程度直接影响槽型轨的使用寿命和有轨电车的运行安全。

在国家钢轨损伤标准中，对钢轨头部的磨耗量进行了严格的规定。

相关轨道公司的工务部门务必定期的对钢轨头部的磨耗量进行测量，掌握钢轨的磨耗状态，进而预测钢轨的磨耗趋势，以便针对相应的磨耗标准进行相应的维护[2]。

基于槽型轨的外形条件更复杂，轮缘槽可能有积水，灰土等堆积，而普通“工字”型钢轨的磨耗检测方法很难满足这样的条件。

所以，需要研究出一种能排除掉外界环境对钢轨测量值的干扰从而准确测出磨耗值的方法。

文章利用“光断面”测量技术提取槽型轨轮廓和图像处理技术将其与标准轨进行匹配以进行槽型轨磨耗系统的研究。

检测系统由轮廓扫描、数据处理和轨形匹配三部分组成原理如图1所示。

轮廓扫描装置发出的光断面经槽型轨返回轮廓扫描仪的接收系统后，对数据处理部分进行处理后，反射光转换成电信号后再转换成数字信号，将数字信号处理成槽型轨的轨形，再将处理后的数据传输到轨形匹配部分进行轨形匹配，最后再利用匹配后的轨形对槽型轨的磨耗值进行计算。

便携式钢轨波磨自动化检测系统研究作者：董庆仑周宏祥翟字波赵永兴马安奇来源：《物流科技》2021年第03期摘要：针对钢轨存在的波浪形磨耗问题，基于弦测法开发一种自动化检测系统，系统采用激光位移传感器，以STM32嵌入式系统芯片为核心控制器，通过图形用户接口STemWin、文件系统FATfs等嵌入式软件资源，可以实现数据实时采集、显示、保存和传输。

经试验验证检测系统结果具有良好的重复性和稳定性，精度达到0.01mm。

关键词：波浪形磨耗;激光位移传感器;STM32;STemWin中图分类号：U270.7 文献标识码：AAbstract： Aiming at the wavy wear problem of steel rails， an automated detection system is developed based on the string measurement method. The system uses a laser displacement sensor，with STM32 embedded system chip as the core controller， through the graphical user interface STemWin， file system FATfs and other embedded software resources can realize real-time data collection， display， storage and transmission. Tests have verified that the results of the detection system have good repeatability and stability， with an accuracy of 0.01mm.Key words： wavy abrasion; laser displacement sensor; STM32; STemWin0 引言钢轨波磨的状态直接影响轨道车辆的安全性、平稳性和舒适性。

近红外钢轨磨耗检测中的图像处理
靳文瑞;蒋本和;纪淑波
【期刊名称】《应用光学》
【年(卷),期】2004(25)3
【摘要】对近红外钢轨磨耗检测中实时图像处理方法进行了研究.在断面磨耗检测中,要获取较高精度的磨耗数值,起始点(或称坐标基准)的定位必须准确且误差小.考虑到标准钢轨轨形和实际钢轨磨耗情况,得出了起始点两种可行的定位方式,并就其中的一种用编程实现,仿真处理效果良好,所获取的两关键点的磨耗数值与实测值吻合较好.为了进行实采钢轨轨形与标准轨形的模板比较,讨论了钢轨断面图像的细化问题.这里并没有采用通常的细化算法,而是先利用Roberts算子进行图像的边缘检测,再抽取出光带中心线,大大减少了运算量,提高了运算速度,同时也满足了对轨形细化的要求.断面图像的起始点定位与轨形细化兼顾了处理精度和速度的要求,满足了本系统实时检测的要求.
【总页数】4页(P41-44)
【作者】靳文瑞;蒋本和;纪淑波
【作者单位】烟台大学,光电工程研究所,山东,烟台,264005;烟台大学,光电工程研究所,山东,烟台,264005;烟台大学,光电工程研究所,山东,烟台,264005
【正文语种】中文
【中图分类】TN21
【相关文献】
1.基于近红外及中红外光谱融合技术快速检测黄酒中的总酚含量及其抗氧化能力[J], 焦爱权;徐学明;金征宇
2.近红外、中红外光谱技术在无机元素分析检测中的应用 [J], 朱向荣;李高阳;单杨
3.红外图像处理技术在苹果早期淤伤检测中的应用 [J], 杨万利;沈明霞;严君
4.农产品分光反射特性及近红外图像处理在农业中的应用 [J], 何东健
5.近红外检测技术在兽药原辅料检测中的应用 [J], 李静; 陆建中; 童玉凤; 芦归娟因版权原因，仅展示原文概要，查看原文内容请购买。

一种钢轨磨耗测量的新方法徐清霞;柴晓冬;郑树彬;刘新厂【摘要】提出一种钢轨磨耗值计算的新方法,将经过图像处理的钢轨轮廓信息转换到三维空间中,以一定的编码规则,对标准钢轨轮廓与测量钢轨轮廓的极半径之差进行分块编码,形成一串二进制码,实现对钢轨垂直磨耗和侧面磨耗简单精确的计算.【期刊名称】《上海工程技术大学学报》【年(卷),期】2013(027)003【总页数】5页(P278-282)【关键词】钢轨磨耗;图像处理;分块【作者】徐清霞;柴晓冬;郑树彬;刘新厂【作者单位】上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620;上海工程技术大学城市轨道交通学院,上海201620【正文语种】中文【中图分类】TP391在列车运行中钢轨必然要发生磨损，当磨损超过一定限度，一方面将增加与列车车轮踏面的接触面积，使得运行阻力增大，对行车安全造成极大的影响；另一方面，车辆将发生剧烈摇摆，严重影响乘客乘车的舒适度［1］.所以，及时准确地测量钢轨磨耗量，是列车稳定安全运行的保障之一.目前国外非接触式钢轨磨耗测量技术得到了很好的发展，而国内现阶段对钢轨磨耗的测量仍采用手工卡尺测量，这种方法虽然能保证一定的测量精度，但受实际测量环境和测量条件的影响，其测量效率很低［2］.近年来，随着机器视觉的发展与应用，我国广大科研人员在基于机器视觉的非接触式测量方面进行了深入的研究.目前运用最广泛的方法是将图像坐标映射到物方坐标以校正图像，然后再与标准模板进行匹配，例如采用迭代最近点（ICP）匹配算法，获得轨头的磨耗值，这类方法存在计算量大、匹配困难、误差大等缺点［3］.标准钢轨与测量钢轨在特定的角度上存在极半径之差，对此极半径编一串二进制码，可以简单直观地反映出钢轨各处的磨耗情况，以便及时采取措施，避免由钢轨磨耗引起的安全事故的发生.1 测量原理1.1 测量系统由于钢轨对称分布，且列车只与钢轨内侧的轨头部分接触，所以只需采集钢轨内侧的轮廓信息.测量系统包括左右两侧单目测量子系统，每个子系统由一个电荷耦合器件（CCD）相机和一个扇形激光光源组成.左侧测量子系统的示意图如图1所示.要求光源发出的光平面尽量垂直于钢轨纵轴方向，且相机的安装位置尽量完全捕获轨面光带.在满足以上两个条件的情况下，轮廓信息才能尽可能全面、准确地获得，减小测量误差.图1 磨耗测量系统左侧部分示意图Fig.1 Schematic diagram of left part of wear measurement system1.2 三维重构将反映钢轨轮廓信息的图像坐标转换为空间三维坐标，如图2所示.其中：Ow－XwYwZw为世界坐标系；Oc－XcYcZc为摄像机坐标系；Ou－XuYu为图像坐标系.图2 二维坐标转三维模型图Fig.2 Model diagram of coordinates from2D to3D假设激光照在钢轨上任意一点p，其世界坐标为（xw，yw，zw），摄像机坐标为（xc，yc，zc），图像上的投影坐标为（u，v）.文献［4－5］指出：钢轨轮廓光带上任意一点的世界坐标计算关系为式中：∂x、∂y、u0 和v0 为摄像机的内部参数，通过摄像机定标可以求得；a、b、c为光平面系数，通过光平面标定求得.1.3 二进制编码根据《铁道线路维修规则》的规定，钢轨的垂直磨耗在钢轨顶面宽1／3处（距标准作用边）测量，侧面磨耗在距轨顶下方16mm处测量.所以，只分析轨头轮廓的1／2（内侧）并不影响垂直磨耗和侧面磨耗的测量，相反可以简化计算量.钢轨轮廓经三维重构仍在光平面上.首先，找到三维轮廓图的两个特征点：轨头的中心点O1和断点O2，然后在光平面上重新绘制坐标系O1－xy，如图3所示.以中心点O1为起点，终点选在轮廓线上，作两者的连线.此连线与直线O1y形成一定的角度，起点与终点间的距离称为该角度的极半径ri.将标准钢轨的轮廓线与被磨损的钢轨轮廓线进行对比，作同一角度的极半径，找到极半径之差Δri，对极半径差编码.当θ旋转满90°时，形成一串编码，使得磨耗量的计算简单、易行且准确.图3 基于二进制编码的钢轨磨耗测量示意图Fig.3 Schematic diagram of rail wear measurement based on binary encoding2 图像处理2.1 轮廓图像的基本处理测量系统使用的光源为红色扇形光源，因此，所拍摄的钢轨轮廓图中红色分量较大，采用颜色分量的分割算法提取出R分量.对原始图像灰度化处理后与只含R分量的轮廓图像进行差影运算，去除图像中的干扰信息.再通过二值化和细化两步处理得到单像素的钢轨轮廓信息，具体流程如图4所示.图5为所拍摄的三原色光（RGB）图像和经过一系列图像处理后的细化图.2.2 编码规则极半径之差Δri的大小决定了编码长度.最新《铁路线路修理规则》（铁运［2001］23号）中指出钢轨头部磨耗有轻伤和重伤之分.不同速度下不同型号钢轨的不同程度损伤的判断标准也不同.这里只列举当速度低于120km／h，钢轨质量为60kg／m时轻度损伤的各项标准，见表1.表1 钢轨轻度损伤的判断标准Table 1 Criteria of mild rail damage磨耗类别标准值／mm总磨耗14垂直磨耗 14侧面磨耗9为了方便编码且确保一定的精度，同时又不增加计算量，设gi为100×Δri的整数，可通过式（2）获得.依据表1中钢轨轻度损伤的判断标准，以及式（3）和式（4），可求得钢轨受轻度损伤、角度为19°和61°时的极半径Δrl19和Δrl61.此时g19＝1 481，g61＝1 029，用二进制表示这两个数值，需至少用11位（210＜1 489＜211），故此时编码长度为n＝11.极半径之差Δri（i＝0，1，…，88，89）中，i为角度，共90个值，编码的最终长度为90×n.编码顺序从左往右、自上而下，如图6所示（设编码长度为n＝9）.设G＝101010101…010101010，则有g89＝28＋26＋24＋22＋20＝340，同理 g0＝170，此时Δr89＝3.41，Δr0＝1.70.由图6可知，当编码G已知，若要求得垂直磨耗和侧面磨耗，需要先找到对应的9位码，化为十进制，再由式（2）、式（3）和式（4）计算所得.垂直磨耗对应的9位码：（90－18）×9＝648，即第649至657位.可求出Δr19及垂直磨耗h1.同理，侧面磨耗对应的9位码：（90－60）×9＝270，即第271至279位.求出Δr61及垂直磨耗h2.采用编码G不仅简化垂直磨耗和侧面磨耗的计算，也可以求得各角度下的磨耗值.2.3 磨耗计算根据《铁道线路维修规则》的规定，钢轨的Wv在钢轨顶面宽1／3处（距标准作用边）测量，侧面磨耗Wh在距轨顶下方16mm处测量.由标准钢轨的数据可计算得，垂直磨耗Wv对应需要旋转的角度为θ1＝18.53°（约为19°），记该处极坐标之差的垂直距离为h1；同理，侧面磨耗Wh对应的角度θ2＝60.92°（约为61°），记此时极坐标之差的水平距离为，总磨耗值W＝垂直磨耗＋侧面磨耗，即如图7所示.3 试验结果分析Matlab编码的试验框图如图8所示.二进制码是将极半径之差扩大100倍后，四舍五入取整后所得数值的二进制数.通过Matlab软件仿真，可求得垂直磨耗为2.882 9mm，侧面磨耗为3.184 1mm.为了减小误差，去除0°和89°两个数据，故θ为1°～88°时，极半径之差对应的二进制码见表2.将所得到的编码化为十进制数，再缩小100倍，求其水平分量和垂直分量，即为该角度下的垂直磨耗或水平磨耗，不需要再转化到二维坐标中计算，简化了计算，减小了误差.表2 旋转角度为1°～88°极半径之差的编码Table 2 Coding of difference polar of radius under rotation angle from1°to 88°序号编码序号编码序号编码序号编码1′100000101′ 23 ′101010010′ 45 ′101101101′67 ′101010100′2′100001001′ 24 ′101000001′ 46 ′101100001′68 ′101001111′3′011010111′ 25 ′101011110′ 47 ′101100110′69 ′100111001′4′010111011′ 26 ′101011101′ 48 ′101110111′70 ′100100111′5′011000000′ 27 ′101001100′ 49 ′101100111′71 ′100110010′6′011110110′ 28 ′101001010′ 50 ′101111000′72 ′100101001′7′011111110′ 29 ′101001000′ 51 ′101100100′73 ′100100111′8′100000101′ 30 ′100111001′52 ′101110111′ 75 ′100011010′10 ′011110100′ 32 ′101001101′54 ′101111010′4 ′100001010′9′011101101′ 31 ′100110111′ 53 ′110000001′ 7 76 ′100010001′11 ′011111010′ 33 ′101010101′55 ′101101111′77 ′100001110′12 ′100011010′ 34 ′101010010′56 ′101110000′78 ′100000101′13 ′100100001′ 35 ′101000101′57 ′101111011′79 ′011100010′14 ′100000101′ 36 ′101010101′58 ′110000011′80 ′011000110′15 ′100011000′ 37 ′101010100′59 ′110000011′81 ′011010111′16 ′100011011′ 38 ′101011011′60 ′110000100′ 82 ′011001110′17 ′100011110′ 39 ′101101010′61 ′101101100′ 83 ′010100101′18 ′100101101′ 40 ′101011100′62 ′101010101′ 84 ′010011101′19 ′100110001′ 41 ′101100001′63 ′110001010′ 85 ′010000011′20 ′100110010′ 42 ′101100100′64 ′101110011′ 86 ′001101000′21 ′101000000′ 43 ′101100110′65 ′101101110′ 87 ′001100001′22 ′101000001′ 44 ′101101101′66 ′101011111′ 88 ′001010000′4 结语本文提出一种钢轨磨耗计算的新方法，通过定标将钢轨轮廓图像信息进行三维重构求得空间坐标.在三维坐标系下，对满足光平面的钢轨轮廓进行角度旋转，求取测量磨耗与标准磨耗间的极半径之差，并将此数据编成88×9位码，这种离线测量方法，简化了求取磨耗的计算过程.参考文献：［1］傅勤毅，楚建军，李海浪.轨头断面测量仪的研制［J］.铁路计算机应用，2007，16（8）：5－7.［2］吴柯庆，余学才，吴福华，等.钢轨磨耗测量系统中光带主曲线提取的研究［J］.计算机工程与设计，2012，33（6）：2461－2465.［3］王玉柱.基于双目视觉的钢轨磨耗测量系统关键技术的研究与实现［D］.北京：北京交通大学，2009.［4］郑树彬，柴晓冬，安小雪，等.基于动态模板的钢轨磨耗测量方法研究［J］.中国铁道科学，2013，34（2）：7－12.［5］马颂德，张正友.计算机视觉：计算理论与算法基础［M］.北京，科学出版社，1998.［6］范玮琦，徐露，林忠华.一种基于局部信息统计的虹膜分块编码方法［J］.光学学报，2007，27（11）：2047－2053.。

钢轨磨耗动态测量中激光光条中心的快速提取孙军华;王恒;刘震;张广军【摘要】A center-extracted algorithm by combining the Kalman filter with the Hessian matrix was proposed for the implementation of real-time stripe processing in rail wear dynamic measurement.Firstly, the image region of a laser stripe in rail wear dynamic measurement was predicted with the Kalman filter method. Then, the points with max gray were searched in the predicted region of laser stripe line by line, and they were considered as the initial positions of laser stripe image center. Subpixel positions of laser stripe image center were then extracted through the calculation of Hessian matrix in the initial positions of laser stripe image center. Finally, the sub-pixel image center of laser stripe was obtained in the region of stripe. The proposed algorithm reduces the searching area and the number of Gaussian convolutions greatly, and improves the robustness and speed in the extraction of laser stripe centre in the rail wear dynamic measurement. Experimental results show that it takes 1.6 ms to process every frame, and the extraction accuracy of laser stripe is also guaranteed.%针对钢轨磨耗动态测量中激光光条中心快速精确提取的问题,提出一种卡尔曼滤波和Hessian矩阵相结合的激光光条中心快速提取方法.首先,利用卡尔曼滤波实时预测钢轨磨耗动态测量中激光光条在图像中所在区域;然后,在预测的激光光条区域内,逐行搜索图像灰度最大点,将该灰度最大点作为激光光条图像中心的初始位置,在激光光条图像中心初始位置处利用Hessian矩阵计算得到光条中心的亚像素图像坐标;最终实现在激光光条区域内光条亚像素图像中心的快速提取.该方法显著减少了搜索区域及高斯卷积的数目,提高了激光光条中心提取的鲁棒性及速度.实验结果表明,在保证激光光条提取精度的前提下,每帧提取时间可达到1.6 ms.【期刊名称】《光学精密工程》【年(卷),期】2011(019)003【总页数】7页(P690-696)【关键词】钢轨磨耗;动态测量;光条提取;区域预测;卡尔曼滤波【作者】孙军华;王恒;刘震;张广军【作者单位】北京航空航天大学,精密光机电一体化技术教育部重点实验室,北京100191;北京航空航天大学,精密光机电一体化技术教育部重点实验室,北京100191;北京航空航天大学,精密光机电一体化技术教育部重点实验室,北京100191;北京航空航天大学,精密光机电一体化技术教育部重点实验室,北京100191【正文语种】中文【中图分类】TP391;TN2471 引言随着高速铁路的快速发展,轨道检测技术成为实现高速铁路运输安全的重要保障[1]。

基于ＴＬＳ的高速铁路轨道检测曲线主点提取算法研究唐㊀涛(四川省建筑科学研究院ꎬ四川㊀成都㊀６１００８１)收稿日期:２０１８－１１－０５作者简介:唐涛(１９８９－)ꎬ男ꎬ四川广安人ꎬ硕士研究生ꎬ助理工程师ꎬ主要研究方向:高速铁路轨道测量数据处理ꎮ摘㊀要:准确获取线路曲线分段点是高速铁路轨道静态几何状态评价和维护的前提ꎮ高速铁路轨道曲线检测数据由于数量大和点密集的新特点ꎬ导致现有的既有线分段点提取算法精度与效率低下ꎮ针对高速铁路轨道检测数据量大点密的新特点ꎬ本文利用左右轨超高数据ꎬ将复杂的线路直线㊁缓和曲线和圆曲线转换成简单的数字折线ꎬ并提出基于ＴＬＳ的数字折线转折点提取新算法ꎬ从而快速准确获取高速铁路曲线主点ꎮ实验结果表明ꎬ新算法较现有的既有线分段点算法提取的曲线主点精度和效率更高ꎮ关键词:轨道检测ꎻ曲线主点ꎻ数字折线ꎻ转折点中图分类号:Ｕ２１６.３文献标识码:Ａ文章编号:１６７２－４０１１(２０１９)０１－０１７４－０２ＤＯＩ:１０ ３９６９/ｊ ｉｓｓｎ １６７２－４０１１ ２０１９ ０１ ０９１０㊀前㊀言为保证行车的安全性及平稳性ꎬ需要通过轨道静态检测方法检测轨道几何线形ꎬ验收㊁评价高速铁路的建设质量ꎬ为后期轨道的运营维护奠定基础ꎮ评价轨道线路的首要任务是对已检测的轨道数据准确地分段ꎬ提取直线与缓和曲线以及缓和曲线与圆曲线的分段点ꎬ而分段点的提取精度将对轨道静态几何状态评价的准确性产生直接且不容忽视的影响ꎮ因此ꎬ获取高精度的直缓点(ＺＨＤ)㊁缓圆点(ＨＹＤ)㊁圆缓点(ＹＨＤ)和缓直点(ＨＺＤ)ꎬ是本文的研究重点ꎮ中南大学李红艳根据正矢计算二阶差分判断分段点的位置[１]ꎻ中铁四院彭先宝根据轨道平面曲线的曲率特性采用回归直线移动定理实现分段点的识别[２]ꎻ西南交通大学陈海军根据斜率变化特点ꎬ通过对直线与圆曲线分别拟合获取分段点[３]等ꎮ但这些研究都仅局限于测点数量不多ꎬ且点密度不大的情况ꎮ但随着我国高速铁路的快速发展ꎬ目前轨道静态检测中常采用轨道几何状态测量仪对轨道的几何参数进行检测ꎬ检测间距一般为相邻两轨枕的距离(０.６２５ｍ)甚至更小[４]ꎮ高密度采集轨道几何参数有利于充分体现线路线形特征ꎬ使提取的分段点与真实情况更加吻合ꎬ而采集到的数据密度是传统既有线测量的数十倍ꎮ轨道检测中测点量大密集的新特点ꎬ使得现有的既有线分段点提取算法已不再适用于高速铁路轨道检测数据的处理ꎬ其分段点提取精度和效率也再难以保证ꎮ因此ꎬ探索适用于高速铁路大数据量和高密度轨道检测数据的快速精确分段点提取算法具有重要而现实的意义ꎮ铁路线路平面线形包含直线㊁缓和曲线和圆曲线ꎬ其正矢图㊁曲率图㊁斜率变化图以及超高图均为正梯形ꎮ图１为一段连续的数字折线ꎬ梯形的两腰为缓和曲线ꎬ上底为圆曲线ꎬ图中梯形各角点即为线路分段点ꎮ若能准确找到梯形各角点位置ꎬ则能准确找到线路各分段点ꎮ图１㊀线路里程与超高由于轨道检测数据量大㊁间隔密ꎬ采用正矢㊁曲率或斜率变化的相关算法需要通过转化方能寻找各角点ꎬ而超高数据可由轨道几何状态测量仪直接获得ꎬ使用上更为方便快捷ꎮ因此ꎬ本文侧重于超高数据的研究ꎬ并采用将分段点提取转换为数字折线的转折点方法来最终确定线路的各分段点ꎮ数字折线的转折点提取普遍采用计算机视觉与模式识别领域中的矢量曲线特征点提取方法ꎬ如道格拉斯－普克算法(Ｄｏｕｇｌａｓ－Ｐｅｕｃｋｅｒꎬ简称ＤＰ算法)㊁垂距限制法㊁角度限制法以及黄培之１９９５年提出的具有预测功能的矢量数据特征点提取算法[５]ꎮ这些算法按约束条件总体上可分为距离控制和角度控制两类ꎬ其中ＤＰ算法应用最为广泛[６]ꎮＤＰ算法的基本思想是基于最大垂距ꎬ找出与折线两端点连线垂距最大的顶点ꎬ判断其是否符合给定限差要求ꎮ其优点在于易于编程实现ꎬ特别是对于弯曲起伏较小的矢量ꎬ提取速度较快ꎮ如直线段提取ꎬ只需要寻找一次最大距离点就可获得转折点ꎻ缺点在于ＤＰ算法只能粗略判断折线转折点的位置ꎬ提取精度难以满足高铁线路特征点提取精度的要求ꎮ鉴于此ꎬ本文提出一种基于整体最小二乘(ＴｏｔａｌＬｅａｓｔＳｑｕａｒｅｓꎬＴＬＳ)直线拟合的ꎬ且具有重复判断功能的高精度数字折线转折点提取算法ꎮ该算法把转折点的提取分为粗判和精判两个阶段ꎬ采用迭代方式最终提取特征点数据ꎮ１㊀整体最小二乘拟合应用整体最小二乘法进行直线拟合的几何特性可用正交距离回归来解释ꎬ其实质是测点到拟合直线的正交距离的平方和最小ꎮ直线方程的数学模型可表示为:ｙｉ＝ｋｘｉ＋ｂ(ｉ＝１ꎬ２ ｎ)(１)式中ꎬ(ｘｉꎬｙｉ)为折线点坐标ꎻｋ㊁ｂ为待求参数ꎬ分别表示待拟合直线的斜率和截距ꎮ设ｋ０㊁ｂ０分别为其近似值ꎬ有:ｋ＝ｋ０＋δｋｂ＝ｂ０＋δｂ{(２)以ｙ作为因变量ꎬｘ为自变量ꎬ考虑到直线方程(１)的自变量误差ꎬ直线的条件方程可表示为:ｙｉ＋ｖｙｉ＝ｋ＾(ｘｉ＋ｖｘｉ)＋ｂ＾(ｉ＝１ꎬ２ ｎ)(３)误差方程按ＥＩＶ模型描述为:(Ｂ＋ＥＢ)δＸ＝ｌ＋Ｅｌ(４)式中ꎬＥＢ㊁Ｅｌ分别表示设计矩阵Ｂ和观测向量ｌ的误差ꎮ考虑到设计矩阵Ｂ中ꎬ一列元素为固定值１ꎬ这是一个混合最小二乘问题ꎬ因此ꎬ应按混合最小二乘法求解ꎮ４７１令Ｂ＝[Ｂ１㊀Ｂ２]式中ꎬＢ１＝[１㊀１ １]ＴꎬＢ２＝[ｘ１㊀ｘ２ ｘｎ]Ｔ构造增广矩阵Ｃ＝[Ｂ㊀ｌ]ꎬ对其做ＱＲ三角分解:Ｃ＝ＱＲ(５)式中ꎬＱ为正交矩阵ꎬＲ为上三角矩阵ꎮ则有:Ｒ＝ＱＴＣ＝ＱＴ[Ｂ１Ｂ２ｌ]＝Ｒ１１Ｒ１２Ｒ１ｌ０Ｒ２２Ｒ２ｌ㊀[](６)可求得参数δｋ＾整体最小二乘解为:δｋ＾＝(ＲＴ２２Ｒ２２－σ２２)－１ＲＴ２２Ｒ２ｌ(７)δｂ＾＝Ｒ－１１１(Ｒ１ｌ－Ｒ１２δｋ＾)(８)最后求得待估参数为:Ｘ＾＝ｋ＾ｂ＾[]＝ｋ０＋δｋ＾ｂ０＋δｂ＾[](９)２㊀转折点提取１)粗判ꎮ利用整体最小二乘直线拟合对测点偏距进行逐点判断ꎬ具体步骤如下ꎮ(１)从数字折线一端开始ꎬ选取ｉ个点的坐标(ｘ１ꎬｙ１)ꎬ(ｘ２ꎬｙ２) (ｘｉꎬｙｉ)(ｉ＝３)(命名为拟合数组)作为起算数据ꎬ对拟合数组进行直线拟合ꎮ(２)计算第ｉ＋１点(ｘｉ＋１ꎬｙｉ＋１)到前ｉ个点所拟合的直线的垂距ｄｉ＋１:ｄｉ＋１＝｜ｋｉｘｉ＋１－ｙｉ＋１＋ｂｉ｜１＋ｋ２ｉ(１０)式中ꎬｋｉ㊁ｂｉ分别表示前ｉ个点所拟合直线的斜率和截距ꎮ(３)若ｄｉ＋１<ｍꎬ则将第ｉ＋１点(ｘｉ＋１ꎬｙｉ＋１)纳入拟合数组ꎬ此时拟合数组更新为[(ｘ１ꎬｙ１)ꎬ(ｘ２ꎬｙ２) (ｘｉꎬｙｉ)ꎬ(ｘｉ＋１ꎬｙｉ＋１)]ꎬ返回步骤(１)ꎬ继续判断下一点ꎻ若ｄｉ＋１ȡｍꎬ则将该点判定为转折点ꎬ并以该点作为起点ꎬ选取后续的ｉ－１个点重新定义新的拟合数组ꎬ重复步骤(１)~(３)ꎬ判断下一个转折点的位置ꎮ(４)当拟合到终点时ꎬ粗判结束ꎮ２)精判ꎮ在粗判的基础上ꎬ采用拟合和整体迭代的方法进一步细化特征点位置ꎮ具体步骤如下ꎮ(１)根据粗判结果对数据分段ꎬ利用整体最小二乘法对各段数据进行直线拟合ꎬ求出相邻两直线的交点ꎮ(２)根据求取的交点对数据重新分段并分别拟合ꎬ由新的分段直线方程求取新的交点坐标ꎮ(３)计算同一转折点处前后两次所得交点的距离差值ΔＤｊ(ｊ＝１ ｎꎬｎ为转折点个数)ꎮ若ΔＤｊ>ε(ε为给定阈值ꎬ可根据相邻两离散点的距离确定)ꎬ返回步骤(２)ꎬ重新计算新的交点坐标ꎻ若ΔＤｊ<εꎬ表明所有交点均趋于稳定状态ꎬ得到的交点作为最终分段结果ꎮ新算法的耗时主要集中在粗判阶段:在粗判时ꎬ每判断一个点就需要进行一次直线拟合ꎬ为此ꎬ将粗判的逐点判断改为隔若干点判断ꎬ这样算法效率可以成倍提高ꎮ３㊀实验分析为验证新算法的可行性ꎬ根据某段２.５ｋｍ高速铁路的实测超高数据ꎬ其相邻测点间距为０.２５ｍꎬ共计１０００７个点ꎮ使用新算法和ＤＰ算法计算的里程分别与设计院给出的设计里程做比较ꎬ计算结果见表１ꎮ表１新算法与ＤＰ算法分段点里程提取结果ｍ主点设计值新算法ＤＰ算法计算值差值计算值差值ＺＨＤ１０９２.２５１０９２.１６－０.０９１０９０.７５０.５０ＨＹＤ１４８１.７５１４８１.３２－０.４３１４８７.２５５.５０ＹＨＤ１９９３.２５１９９３.７３０.４８１９９４.５０１.２５ＨＺＤ２３８２.７５２３８３.０１０.２６１３８３.５００.７５㊀㊀由表１数据可知ꎬ新算法提取各主点的位置结果比ＤＰ算法提取的结果更接近设计院给出的里程设计值ꎬ且新算法计算的里程与设计里程的差值均不超过轨道相邻扣件０.６２５ｍ的距离ꎮ结果表明ꎬ新算法完全能够满足高铁轨道平面线形评价和后期平顺性维护的需要ꎮ为了更加详细地对新算法与ＤＰ算法的精度与效率做比较ꎬ分别从距离偏移误差㊁面积偏移误差以及程序运行时间三个方面进行了统计分析ꎬ具体结果见表２所示ꎮ表２中ꎬ距离偏移误差为各转折点到前后相邻两拟合直线的距离均值之和ꎻ折线整体面积偏移误差为折线与坐标轴所围面积差值ꎬ二者值越小ꎬ说明转折点提取精度越高[７]ꎮ表２新算法与ＤＰ算法提取精度和效率比较项目新算法ＤＰ算法距离偏移误差/ｍｍ３.１７７.０２面积偏移误差/ｍ２０.３９１.５７程序运行时间/ｓ０.２２０.３８㊀㊀由表２可以看出ꎬ新算法在转折点提取精度和提取效率两方面都优于ＤＰ法ꎮ４㊀结束语本文提出了基于整体最小二乘直线拟合的数字折线转折点提取算法相对与现有方法而言ꎬ具有更高的提取精度和效率ꎬ实用性更强ꎬ能够快速㊁准确判断高速铁路轨道曲线的主点ꎬ解决了现有铁路线路分段点提取算法在大数据量㊁高密度的轨道检测数据情况下精度低㊁效率低的不足ꎮ同时ꎬ传统算法在提取曲线主点时需先对测点进行人工分段ꎬ每次计算通常仅能提取一组曲线主点ꎬ而新算法利用线路超高数据即可实现连续线路多组曲线主点的同时提取ꎬ减少了人工干预ꎬ自动化程度更高ꎮ[ＩＤ:００７２１５]参考文献:[１]㊀李红艳ꎬ陈治亚ꎬ邢诚ꎬ等.铁路既有线曲线复测计算方法[Ｊ].中国铁道科学ꎬ２００９ꎬ３０(２):１８－２２.[２]㊀彭先宝.既有铁路曲线线性的自动识别方法研究[Ｊ].交通与计算机ꎬ２００８ꎬ２６(２):９８－１０１.[３]㊀陈海军.既有线有砟轨道优化线形算法研究及其软件研制[Ｄ].成都:西南交通大学ꎬ２０１３.[４]㊀曾群峰.提速线路精密测量系统有关技术的研究[Ｄ].长沙:中南大学ꎬ２００９.[５]㊀单玉香.矢量数据压缩模型与算法的研究[Ｄ].太原:太原理工大学ꎬ２００４.[６]㊀谢亦才ꎬ李岩.Ｄｏｕｇｌａｓ－Ｐｅｕｃｋｅｒ算法在无拓扑矢量数据压缩中的改进[Ｊ].计算机工程与应用ꎬ２００９ꎬ４６(３):１８９－１９２.[７]㊀龙胜春ꎬ项鹏远ꎬ秦贞华ꎬ等.基于面积阈值的矢量数据压缩方法[Ｊ].计算机应用与软件ꎬ２０１２ꎬ２９(１２):１１３－１１５.５７１。

钢轨磨耗测量中的光平面标定
安小雪;柴晓冬;郑树彬
【期刊名称】《城市轨道交通研究》
【年(卷),期】2013(016)007
【摘要】针对高速铁路钢轨磨耗测量中如何得到光平面和摄像机之间的映射关系问题,提出一种基于标定板的光平面参数标定法.该方法采用2个CCD摄像机和2个扇形激光光源构成钢轨轮廓获取系统,分别布置在左右钢轨内侧.与以往的磨耗测量系统比较,该方法使用的设备较少,降低了检测成本,也减少了图像处理、分析等工作.通过定标,可直接得到光平面系数,进而推导出与摄像机的几何关系.试验结果表明,该方法获得的光平面精度较高,从而保证了光平面与摄像机之间映射关系的精度,满足磨耗测量的要求.
【总页数】4页(P47-50)
【作者】安小雪;柴晓冬;郑树彬
【作者单位】上海工程技术大学城市轨道交通学院,201620,上海;上海工程技术大学城市轨道交通学院,201620,上海;上海工程技术大学城市轨道交通学院,201620,上海
【正文语种】中文
【中图分类】U213.4+2
【相关文献】
1.光栅型结构光测量系统中CCD摄像机的标定 [J], 魏波;李仕学;赵继广
2.基于主动视觉标定线结构光传感器中的光平面 [J], 陈天飞;马孜;吴翔
3.钢轨匹配中的线结构光平面标定方法研究 [J], 鞠标;朱洪涛
4.视觉测量中光平面的标定方法研究 [J], 霍龙;刘伟军;张爱军
5.基于视觉测量的多光平面的再标定 [J], 张勇斌;卢荣胜;金施群;廖素引
因版权原因，仅展示原文概要，查看原文内容请购买。