CN104296682A - 一种基于机器视觉火车导轨轮廓测量中轮廓配准方法 - Google Patents

Abstract

本发明公开了一种基于机器视觉火车导轨轮廓测量中轮廓配准方法，轮廓测量包括以下步骤：S1，采集钢轨图像；S2，计算机处理得到钢轨断面的单像素曲线；S3，标定还原；S4，进行轮廓配准，包括以下子步骤：S41：将实际轮廓线和标准轮廓线统一到坐标系中，利用两轮廓线的渐近线取得两者之间的夹角；S42：对实际轮廓线进行旋转，使两条轮廓线的渐近线相互平行；S53：平移实际轮廓线，使实际轮廓线端点与标准轮廓线的端点重合。本发明的配准方法将实际轮廓线和标准轮廓线统一到坐标系中，并对实际轮廓线进行处理，使实际轮廓线和标准轮廓线的渐近线平行且端点重合，配准结果准确、观察和计算方便，能够得到可靠的磨耗数据。

Description

一种基于机器视觉火车导轨轮廓测量中轮廓配准方法

技术领域

本发明属于基于图像的非接触式自动测量领域，涉及图像处理、激光与光学、计算机、自动控制领域，具体是指一种基于机器视觉火车导轨轮廓测量中轮廓配准方法。

背景技术

钢轨作为铁路运输中的重要载体，是铁路运输中最基础单元之一，它的状态好坏直接影响着列车的运行安全。尤其是当列车在高速、重载、高密度下运行时，钢轨磨耗加大，寿命缩短，对列车安全造成极大危害。铁道部在铁路线路“维规”中，针对钢轨轻、重伤规定了轨头磨耗的限定值，并要求当检测出钢轨轨头磨耗超出限定值后就要及时进行处理或更换，以保证列车的运行安全。

随着铁路运输行车密度的提升、运行速度的急剧提高，钢轨的磨耗越来越严重，尤其是轨头处的小半径曲线内侧磨损尤为严重，影响了列车的平稳运行，微小轨道的几何偏差都有可能对列车(尤其是高铁)造成摇晃和各种振动，对列车行驶和旅客乘车的舒适度都有影响，甚至由于轨道磨损加重造成横向运行的偏移。当轮横向力增大时，就有可能会发生列车脱轨等情况，给旅客和行车安全带来极大的危害。钢轨的磨损程度决定钢轨的使用寿命，磨损值到达一定限度时，需要及时地更换。钢轨磨耗的测量数据是工务***决定钢轨是否需要更换的重要依据，因此，准确地检测轨道的磨耗量大小，并分析各个路段磨耗情况是一项非常重要的工作。

机械接触测量法是我国目前使用得最多的一种方法，主要是采用卡尺进行手工测量，这种方法完全是依靠人工，接触式测量的缺点是速度太慢，误差大，人为因素影响大、效率低，而且不便于事后分析统计和存档。接触式测量另一个分支就是机械和电子、可编程等技术综合应用开发的钢轨磨耗检查器。另外还有光电编码法、位移传感法和基于图像处理的非接触式测量法，这种方法通过传感器间接获取钢轨断面的轮廓曲线，将绘制的曲线与标准的曲线对比得到磨耗值。按照传感器的不同又可分为光电编码器和位移传感器。丹麦绿林公司研制的MINIPROF***，它由一台笔记本、专用伸缩箱和轮轨测量装置组成。通过测量装置上的小磁轮接触被测钢轨表面，人工控制小磁轮，通过计算机得到传感器的极坐标数据，转换为笛卡尔坐标后计算出轮廓。磁轮芯的轨迹会被记录下来，计算机就可以算出断面的真实轮廓。国内的光电编码检测设备有由同济大学铁道学院和靖江华星公司合作研制的WRS2000型钢轨轨头外形测录仪，它是通过高精度的光电编码器来实现的。另外同济大学还研制了一种下置滑动式铁路钢轨波浪形磨耗测量装置，该装置采用简单的机械构件形成纵向测量基准和导轨，并采用USB接口和控制技术与计算机无线传输测量结果，能即时将结果显示在屏幕上。

基于机器视觉轮廓测量技术是一种非接触测量技术，具有速度快、能获取轮廓全貌、数据管理方便等优点。近年来由于数字图像技术、激光技术和计算机技术的高速发展，基于机器视觉的火车导轨轮廓测量技术得到很大发展。基于机器视觉轮廓测量技术是一种非接触测量技术，具有速度快、能获取轮廓全貌、数据管理方便等优点。

基于机器视觉火车导轨轮廓测量，其中最关键的环节是将所获取的导轨轮廓和实际轮廓比对，才能计算进行磨耗计算，这个比对的过程称为轮廓配准。轮廓配准不对时，计算出的磨耗尺寸有非常大的、完全错误的偏差，只有轮廓配准正确，所计算的磨耗尺寸才是在一定误差范围内可信数据。

发明内容

本发明的目的在于克服现有技术的不足，提供一种非接触式火车导轨轮廓测量中的轮廓配准方法，将经过处理的导轨实际轮廓线和标准轮廓线统一到同一个坐标系中，并对实际轮廓线进行旋转、平移等处理，使得实际轮廓线和标准轮廓线的渐近线平行且端点重合，以此确定两条轮廓线的相对位置，配准结果准确、浅显易懂、观察和计算方便，能够得到可靠的磨耗数据。

本发明的目的是通过以下技术方案来实现的：一种基于机器视觉火车导轨轮廓测量中轮廓配准方法，其中，轮廓测量采用的是非接触式测量，它能够大大提高现场铁路检测部门的工作效率。测量的主要原理是通过激光光切法获取钢轨断面轮廓曲线，同时，CCD相机采集激光图像，并将图像信息传输到装载在小车上的计算机的处理芯片上，经过钢轨磨耗测量程序对采集到的图像进行一系列的处理，得到钢轨断面的单像素曲线。通过对曲线图像的匹配校正，与铁路检测部门定义的钢轨磨耗点进行比对，得出相应的侧面磨耗和垂直磨耗的值。

轮廓测量具体包括以下步骤：S1，采集钢轨图像；S2，将采集到的钢轨图像传输至计算机进行处理，得到钢轨断面的单像素曲线；S3，对单像素曲线进行标定还原，得到实际轮廓线；S4，进行轮廓配准；

所述的步骤S4中的轮廓配准包括以下子步骤：

S41：以导轨非工作边的最末端点作为轮廓线的定标点，即原点，建立笛卡尔坐标系，将导轨的实际轮廓线和标准轮廓线统一到笛卡尔坐标系中，分别取两条轮廓线的渐近线，并利用两轮廓线的渐近线取得两者之间的夹角θ；

S42：用旋转因子R(θ)对实际轮廓线进行旋转，使得两条轮廓线的渐近线相互平行，得到旋转后的实际轮廓线；

S43：将旋转后的实际轮廓线进行平移，使该实际轮廓线端点与标准轮廓线的端点重合，完成轮廓线的配准，此时，标准轮廓线和配准后的实际轮廓线相对位置已经确定。

进一步地，所述的步骤S1中采集钢轨图像的方法为：通过激光光切法获取钢轨断面轮廓曲线，并采用CCD相机采集激光图像，CCD相机采集的是断面轮廓的散射光，该轮廓的散射光是二维图像模型。

进一步地，步骤S3中的标定还原是指对于采集到的二维图像模型，通过计算来还原实际的三维空间上图像的信息，通过几何模型来重构二维图像和三维实物之间的对应关系的过程。所述的步骤S3具体包括以下子步骤：

S31：通过相机成像和图像畸变的变化，设其隐参数关系式为：

$\left\{\begin{array}{c}x={\mathrm{au}}^2+\mathrm{buv}+{\mathrm{cv}}^2+\mathrm{du}+\mathrm{ev}+f\\ y={\mathrm{gu}}^2+\mathrm{huv}+{\mathrm{iv}}^2+\mathrm{ju}+\mathrm{kv}+l\end{array}\right.---\left(1\right)$

其中，设P(x,y)表示的是世界坐标系，P(u,v)表示的是像方空间坐标系，参数a,b,c,d,e,f,g,h,i,j,k,l是待定系数，标定的目的就是要通过固定的世界坐标系和像方空间坐标的关系来求出隐形的待定参数，然后在实际应用中通过隐形的参数和像方坐标点来得到对应的世界坐标系上物方坐标点；

S32：为了消除个别点对结果的影响，采用最小二乘法来求取待定参数：通过求取最小误差的平方和来求取函数参数的最佳匹配，采用20组对应的坐标来求取隐形参数；

S33：采用半自动化定标的方法，通过预先设定定标板上的点的坐标点，即物方坐标，通过图像处理的方法来采集像方平面上对应的像方坐标值，将式(1)分离成矩阵的形式：

C＝[a b c d e f g h i j k l]^T  (4)

C＝A^-1B  (5)

其中，式(2)为物方坐标系矩阵，式(3)为对应的像方坐标点矩阵，式(4)为系数矩阵，通过式(5)求解出系数矩阵共12个参数；

S34：在测量***中，将式(5)进行变换成：

A＝BC^-1  (6)

测试系数矩阵C为已知，再通过图像中点的坐标B矩阵来反求出对应的物方坐标，也就是钢轨轮廓断面的实际轮廓线；

S35：在图像标定还原的过程中，由于采集的图像会出现几何变形，所以需要对得到的图像进行几何变换，几何变换是将图像中的像素映射到另一个图像中，包括水平方向的映射和垂直方向的映射，几何变换包括两个方面的内容：像素坐标变换和亮度插值：

S351：像素坐标变换是输出图像和输入图像之间的映射，图像平面(x,y)经过几何变换到图像平面(X,Y)是向所变换的关系式为：

$\left\{\begin{array}{c}X=\underset{r=0}{\overset{m}{\mathrm{\Σ}}}\underset{k=0}{\overset{m-r}{\mathrm{\Σ}}}{a}_{\mathrm{rk}}{x}^r{y}^k\\ Y=\underset{r=0}{\overset{m}{\mathrm{\Σ}}}\underset{k=0}{\overset{m-r}{\mathrm{\Σ}}}{b}_{\mathrm{rk}}{x}^r{y}^k\end{array}\right.---\left(7\right)$

这样，通过变换的系数a_rk和b_rk就可以确定几何变换的关系，几何变换进行图像处理时可能会改变整个坐标系，通过雅克比系数来确定坐标系变换的信息：

$J=\left|\frac{\∂(X,Y)}{\∂(x,y)}\right|=|\begin{array}{cc}\frac{\∂X}{\∂x}& \frac{\∂X}{\∂y}\\ \frac{\∂Y}{\∂x}& \frac{\∂Y}{\∂y}\end{array}|---\left(8\right)$

当J＝0时，变换是不可逆的，当J＝1，表示在进行变换时图像面积具有不变性，在测量***采集图像时，最易发生的图像几何变形就是图像的旋转，在图像的几何变换中，旋转R是最常用的一种变换，变换关系如式(9)：

所以，只要得到旋转的角度θ，就能通过式(9)将图像进行旋转变换；

S352：亮度插值的目的是确定经过变换后的像素点的灰度值，变换后得到的新的图像点可能是一个非整数的坐标，需要对图像的像素值进行处理得到这一点的灰度，它对几何变换后图像的质量有直接的影响，插值的方法包括最近邻、线性、双三次三种。

具体地，所述的最近邻插座方法具体操作为：设灰度插值的结果表示为卷积公式：

$f_n(X,Y)=\underset{l=-\∞}{\overset{\∞}{\mathrm{\Σ}}}\underset{k=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{g}_s(\mathrm{l\ΔX},\mathrm{k\ΔY})h_n(X-\mathrm{l\ΔX},Y-\mathrm{k\ΔY})---\left(10\right)$

其中，h_n表示的是插值核，表示很小的领域；

最近邻插值是将点(X,Y)以离它最近的点的灰度值来代替这个点的灰度值，其插值公式表示为：

f₁(X,Y)＝g_s[round(x),round(y)]   (11)。

所述的线性插值考虑点(X,Y)的四个相邻点，将这四个点的灰度值来表示该点的灰度值，插值公式为：

f₂(X,Y)＝(1-a)(1-b)g_s(l,k)+a(1-b)g_s(l+1,k)

+b(1-a)g_s(l,k+1)+abg_s(l+1,k+1)   (12)。

本发明的有益效果是：

1、提供一种非接触式火车导轨轮廓测量中的轮廓配准方法，将经过处理的导轨实际轮廓线和标准轮廓线统一到同一个坐标系中，并对实际轮廓线进行旋转、平移等处理，使得实际轮廓线和标准轮廓线的渐近线平行且端点重合，以此确定两条轮廓线的相对位置，配准结果准确、浅显易懂、观察和计算方便，然后按照铁道部规定的磨耗定义进行相关磨耗的计算，能够得到可靠的磨耗数据；

2、采用非接触式测量方法，采用激光光切法获取钢轨断面轮廓曲线，并采用CCD相机采集激光图像，并将采集到的图像传输至计算机进行处理；具有图像采集速度快，能获取轮廓全貌和数据管理方便等优点；

3、通过线激光器和CCD相机采集到的钢轨轮廓线，经过噪声处理、断线连接等图像处理手段得到相对可靠的轮廓线，然后再对轮廓线进行适当的标定还原处理，将CCD相机采集到的二维图像模型通过计算来还原实际的三维空间上图像的信息，能够将畸变消除，还原真实轮廓线，使计算结果更加准确可靠。

附图说明

图1为本发明的轮廓测量原理图；

图2为本发明的钢轨断面轮廓模型图；

图3为本发明的轮廓线配准过程示意图；

图4为标准的正方格图；

图5为经过两种典型的畸变后形成的图像；

图6为本发明的由于导轨、CCD姿态变化产生的图像旋转示意图；

图7为线性灰度插值示意图。

具体实施方式

下面结合附图进一步说明本发明的技术方案，但本发明所保护的内容不局限于以下所述。

轮廓测量原理如图1所示，采用的是非接触式测量，它能够大大提高现场铁路检测部门的工作效率。测量的主要原理是通过激光光切法获取钢轨断面轮廓曲线，采用半导体县激光器发射激光，同时，CCD相机采集激光图像，并将图像信息传输到装载在小车上的计算机的处理芯片上，经过钢轨磨耗测量程序对采集到的图像进行一系列的处理，得到钢轨断面的单像素曲线。通过对曲线图像的匹配校正，与铁路检测部门定义的钢轨磨耗点进行比对，得出相应的侧面磨耗和垂直磨耗的值。

钢轨磨耗测量过程中，根据钢轨检测部门固定，对钢轨轨头检测内容有相应的定义，主要测量内容包括侧面磨耗、垂直磨耗和总磨耗，图2所示为钢轨磨耗断面和定标示意图。图中，W1表示的是垂直磨耗，它的定义是距离钢轨非工作边的轨头宽度的2/3点处垂直方向磨耗的厚度；W2表示的是侧面磨耗，它的定义是从钢轨轨头顶部往下16mm处在水平方向上磨耗的宽度，总磨耗的定义是垂直磨耗值加上1/2倍水平磨耗值。

通过线激光器和CCD阵列采集到的钢轨轮廓线，经过噪声处理(滤波等)、断线连接等图像处理手段得到相对可靠的轮廓线，然后再对轮廓线进行适当的定标处理。但是由于线激光器所构成的平面并不是与轮廓面正交，故所获得的轮廓线并不是真实的轮廓线，也就是说存在畸变，于是需要将畸变消除，以还原真实轮廓线。

一种基于机器视觉火车导轨轮廓测量中轮廓配准方法，其中，轮廓测量具体包括以下步骤：S1，采集钢轨图像；S2，将采集到的钢轨图像传输至计算机进行处理，得到钢轨断面的单像素曲线；S3，对单像素曲线进行标定还原，得到实际轮廓线；S4，进行轮廓配准；

所述的步骤S4中的轮廓配准包括以下子步骤：

S41：如图3(a)所示，以导轨非工作边的最末端点P作为轮廓线的定标点，即原点，建立笛卡尔坐标系，将导轨的实际轮廓线和标准轮廓线统一到笛卡尔坐标系中，分别取两条轮廓线的渐近线，并利用两轮廓线的渐近线取得两者之间的夹角θ；

S42：用旋转因子R(θ)对图3(a)中的实际轮廓线进行旋转，使得两条轮廓线的渐近线相互平行，得到旋转后的实际轮廓线；

S43：将图3(b)中的旋转后的实际轮廓线进行平移，使该实际轮廓线端点与标准轮廓线的端点重合，如图3(c)所示，完成轮廓线的配准，此时，标准轮廓线和配准后的实际轮廓线相对位置已经确定。

进一步地，所述的步骤S1中采集钢轨图像的方法为：通过激光光切法获取钢轨断面轮廓曲线，并采用CCD相机采集激光图像，CCD相机采集的是断面轮廓的散射光，该轮廓的散射光是二维图像模型。

在基于光切法获取钢轨断面图像时，由于CCD相机采集的是断面轮廓的散射光，CCD相机成像平面、激光平面呈一定的角度，在基于机器视觉的非接触测量***中，都会设计到图像的标定还原。这是因为，对于CCD相机采集到的二维图像模型，需要通过计算来还原实际的三维空间上图像的信息，通过CCD成像的几何模型来重构二维图像和三维实物之间的对应关系。获得这个几何模型的参数的过程就是CCD相机标定的过程。

理想情况下，摄像机成像是一种线性的针孔成像模型。但在实际中，摄像机上安装的镜头或者镜头组由于加工的原因或者其它的一些原因，成像时在远离光轴中心的地方会出现畸变的现象。如图4所示为标准的正方格图，图5(a)和图5(b)所示的为图4经过两种典型的畸变后形成的图像。经过CCD成像后，出现的畸变类型主要由两类：图5(a)所示的枕型失真和图5(b)所示的桶形失真。此时，摄像机成像模型是一种非线性的，所以，图像校正的过程还应包括畸变校正对图像的影响。

相机平面和激光器平面的位置相对是固定的，所以，对于固定好的机械装置只需定表一次。但在实际测量时，由于小车抖动以及其他未知原因对机械的影响，为了保证测量的准确性，仍需定期对相机进行标定。所述步骤S3中的标定还原具体包括以下子步骤：

S31：采用隐参数定标的模型来反应二维图像坐标和三维实物之间的对应关系，这些计算的参数没有具体的物理意义，只是表征对应的变化关系；通过相机成像和图像畸变的变化，设其隐参数关系式为：

$\left\{\begin{array}{c}x={\mathrm{au}}^2+\mathrm{buv}+{\mathrm{cv}}^2+\mathrm{du}+\mathrm{ev}+f\\ y={\mathrm{gu}}^2+\mathrm{huv}+{\mathrm{iv}}^2+\mathrm{ju}+\mathrm{kv}+l\end{array}\right.---\left(1\right)$

其中，设P(x,y)表示的是世界坐标系，P(u,v)表示的是像方空间坐标系，参数a,b,c,d,e,f,g,h,i,j,k,l是待定系数，标定的目的就是要通过固定的世界坐标系和像方空间坐标的关系来求出隐形的待定参数，然后在实际应用中通过隐形的参数和像方坐标点来得到对应的世界坐标系上物方坐标点；

S32：理论上求取式(1)中的隐形参数需要6组对应的像方空间点和物方空间点即可，但为了消除个别点对结果的影响，采用最小二乘法来求取待定参数：通过求取最小误差的平方和来求取函数参数的最佳匹配，采用20组对应的坐标来求取隐形参数；

S33：采用半自动化定标的方法，通过预先设定定标板上的点的坐标点，即物方坐标，通过图像处理的方法来采集像方平面上对应的像方坐标值，将式(1)分离成矩阵的形式：

C＝[a b c d e f g h i j k l]^T  (4)

C＝A^-1B  (5)

其中，式(2)为物方坐标系矩阵，式(3)为对应的像方坐标点矩阵，式(4)为系数矩阵，通过式(5)求解出系数矩阵共12个参数；

S34：在测量***中，将式(5)进行变换成：

A＝BC^-1  (6)

测试系数矩阵C为已知，再通过图像中点的坐标B矩阵来反求出对应的物方坐标，也就是钢轨轮廓断面的实际轮廓线；

S35：在图像标定还原的过程中，激光平面和相机的视觉位置是固定的，由式(5)得到的定标参数是在实验室中测得的，定标时，小车平放在钢轨轨头的轨面上。实际测量中，小车的位置不可能完全的平放在轨面上，推动的过程中不可避免的会有倾斜、抖动。以钢轨上的某一个断面为例说明，小车倾斜时，只是在垂直于钢轨表面的断面上倾斜，此时激光平面的位置仍然和这一点的断面相吻合，没有发生变化，但由于相机的位置是固定在小车的底部，小车的旋转就带动了相机位置的转动，相当于像平面和物平面的位置发生了微小的变化。此时，通过式(1)得到的隐形参数对有一定倾斜的钢轨断面曲线进行定标时，得到的图像就会有一定的倾斜。在图像分析时，由于采集的图像会出现几何变形，所以需要对得到的图像进行几何变换，这样才能消除图像变形给图像分析带来的影响。几何变换是将图像中的像素映射到另一个图像中，包括水平方向的映射和垂直方向的映射。在进行几何变换时，主要包括两个方面内容，即像素坐标变换和亮度插值：

S351：像素坐标变换是输出图像和输入图像之间的映射，图像平面(x,y)经过几何变换到图像平面(X,Y)是向所变换的关系式为：

$\left\{\begin{array}{c}X=\underset{r=0}{\overset{m}{\mathrm{\Σ}}}\underset{k=0}{\overset{m-r}{\mathrm{\Σ}}}{a}_{\mathrm{rk}}{x}^r{y}^k\\ Y=\underset{r=0}{\overset{m}{\mathrm{\Σ}}}\underset{k=0}{\overset{m-r}{\mathrm{\Σ}}}{b}_{\mathrm{rk}}{x}^r{y}^k\end{array}\right.---\left(7\right)$

这样，通过变换的系数a_rk和b_rk就可以确定几何变换的关系，几何变换进行图像处理时可能会改变整个坐标系，通过雅克比系数来确定坐标系变换的信息：

$J=\left|\frac{\∂(X,Y)}{\∂(x,y)}\right|=|\begin{array}{cc}\frac{\∂X}{\∂x}& \frac{\∂X}{\∂y}\\ \frac{\∂Y}{\∂x}& \frac{\∂Y}{\∂y}\end{array}|---\left(8\right)$

当J＝0时，变换是不可逆的，当J＝1，表示在进行变换时图像面积具有不变性，在测量***采集图像时，最易发生的图像几何变形就是图像的旋转，图6为为由于导轨、CCD姿态变化产生的图像旋转示意图；图中所示实线为实际得到的曲线，虚线为平放的情况下采集到的钢轨图像，两条曲线的倾斜度为θ。在图像的几何变换中，旋转R是最常用的一种变换，变换关系如式为：

所以，只要得到旋转的角度θ，就能通过式(9)将图像进行旋转变换；

S352：亮度插值的目的是确定经过变换后的像素点的灰度值，变换后得到的新的图像点可能是一个非整数的坐标，需要对图像的像素值进行处理得到这一点的灰度，它对几何变换后图像的质量有直接的影响，插值的方法包括最近邻、线性、双三次三种。

具体地，所述的最近邻插座方法具体操作为：设灰度插值的结果表示为卷积公式：

$f_n(X,Y)=\underset{l=-\∞}{\overset{\∞}{\mathrm{\Σ}}}\underset{k=-\∞}{\overset{\∞}{\mathrm{\Σ}}}{g}_s(\mathrm{l\ΔX},\mathrm{k\ΔY})h_n(X-\mathrm{l\ΔX},Y-\mathrm{k\ΔY})---\left(10\right)$

其中，h_n表示的是插值核，表示很小的领域；

最近邻插值是将点(X,Y)以离它最近的点的灰度值来代替这个点的灰度值，其插值公式表示为：

f₁(X,Y)＝g_s[round(x),round(y)]   (11)。

具体地，所述的线性插值考虑点(X,Y)的四个相邻点，将这四个点的灰度值来表示该点的灰度值，插值公式为：

f₂(X,Y)＝(1-a)(1-b)g_s(l,k)+a(1-b)g_s(l+1,k)

+b(1-a)g_s(l,k+1)+abg_s(l+1,k+1)   (12)。

图7为线性插值示意图，其中实线表示输入图像，虚线表示输出图像经过逆变换得到的图像栅格。

通过像素变换和亮度插值来解决测量时的图像的几何变换问题。但是，以上的旋转只适用于小车转动的小角度变动，我们这里通过实验设定最大的旋转角度为5°，当旋转的角度过大时，由于图像还原时还需考虑的一个因素是图像的畸变问题，三维实物图像到二维像平面之间的变换为非线性的关系。这时，通过像平面的变化来反应小车旋转造成的姿态变化就会出现较大的误差。所以在设计小车时，对小车在钢轨上面的位置有一个固定压紧的滚动轮，让小车位置尽量平放在钢轨轨面。推动的过程中，我们也要让小车保持平衡位置。这样，能减少非线性变换对结果的影响。

下面结合实验进一步说明本发明的技术效果。

在某焊轨厂做实验时，实验的轨型是60轨。将整个测量***按照设定的流程来采集钢轨轮廓曲线并保存数据。通过自动和手动的方式分别采集数据，***都能得到正常运行。下表1所示为***现场测量数据和卡尺测量数据的对比,通过实验数据来评估***野外测量时的可靠性和稳定性。

表1野外测量验证数据的可靠性和稳定性

表1(a)野外测量不同测量点实验数据

表1(b)野外测量同一测量点实验数据

表中的标准差是数据偏离平均值的离散程度，以上两个表格数据可以看出，***对于现场测量依然具有很好的准确性和稳定性。

在老成渝线做实验时，导轨都已经磨耗的很厉害了，钢轨的轨头都有回边现象，待测的钢轨边都磨耗的很严重。下表2所示为其中测试的一段数据，通过数据分析软件处理后得到钢轨磨耗的信息，并通过打印报表打印出来。

表2野外测量磨耗较重钢轨实验数据

在报表中，先打印的是测量的基本信息。第一个表格是超标的磨耗统计，表2表示的是某一段的测量数据。其中，对于超出了轻伤或者重伤标准的点通过了不同颜色的字体进行标注。现场测量中，设定的采样间距为3m，小车走过的间距为250m。***对于手动和自动采样都能正常工作。对于采集到的数据通过和卡尺测量的进行了一个大致的对比(在现场测量中，卡尺测量也会有一些随机因素出现)，其中垂直磨耗误差大致在±0.5mm，水平磨耗误差为±1.0mm。

实验确定了本发明的匹配方法的合理性与正确性，该测量方法能够稳定运行并取得很好的测量效果，满足铁道部规定的测量要求。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (6)

1.一种基于机器视觉火车导轨轮廓测量中轮廓配准方法，其特征在于，轮廓测量包括以下步骤：S1，采集钢轨图像；S2，将采集到的钢轨图像传输至计算机进行处理，得到钢轨断面的单像素曲线；S3，对单像素曲线进行标定还原，得到实际轮廓线；S4，进行轮廓配准； 

所述的步骤S4中的轮廓配准包括以下子步骤： 

S41：以导轨非工作边的最末端点作为轮廓线的定标点，即原点，建立笛卡尔坐标系，将导轨的实际轮廓线和标准轮廓线统一到笛卡尔坐标系中，分别取两条轮廓线的渐近线，并利用两轮廓线的渐近线取得两者之间的夹角θ； 

S42：用旋转因子R(θ)对实际轮廓线进行旋转，使得两条轮廓线的渐近线相互平行，得到旋转后的实际轮廓线； 

S43：将旋转后的实际轮廓线进行平移，使该实际轮廓线端点与标准轮廓线的端点重合，完成轮廓线的配准，此时，标准轮廓线和配准后的实际轮廓线相对位置已经确定。 

2.根据权利要求1所述的轮廓配准方法，其特征在于，所述的步骤S1中采集钢轨图像的方法为：通过激光光切法获取钢轨断面轮廓曲线，并采用CCD相机采集激光图像，CCD相机采集的是断面轮廓的散射光，该轮廓的散射光是二维图像模型。 

3.根据权利要求1所述的轮廓配准方法，其特征在于，所述步骤S3中的标定还原是指对于采集到的二维图像模型，通过计算来还原实际的三维空间上图像的信息，通过几何模型来重构二维图像和三维实物之间的对应关系的过程。 

4.根据权利要求3所述的轮廓配准方法，其特征在于，所述的步骤S3具体包括以下子步骤： 

S31：通过相机成像和图像畸变的变化，设其隐参数关系式为： 

其中，设P(x,y)表示的是世界坐标系，P(u,v)表示的是像方空间坐标系，参数a,b,c,d,e,f,g,h,i,j,k,l是待定系数，标定的目的就是要通过固定的世界坐标系和像方空间坐标的关系来求出隐形的待定参数，然后在实际应用中通过隐形的参数和像方坐标点来得到对应的世界坐标系上物方坐标点； 

S32：为了消除个别点对结果的影响，采用最小二乘法来求取待定参数：通过求取最小误差的平方和来求取函数参数的最佳匹配，采用20组对应的坐标来求取隐形参数； 

S33：采用半自动化定标的方法，通过预先设定定标板上的点的坐标点，即物方坐标， 通过图像处理的方法来采集像方平面上对应的像方坐标值，将式(1)分离成矩阵的形式： 

B＝[x₁ x₂....x₂₀ y₁ y₂.....y₂₀]^T                  (3) 

C＝[a b c d e f g h i j k l]^T                  (4) 

C＝A^-1B                          (5) 

其中，式(2)为物方坐标系矩阵，式(3)为对应的像方坐标点矩阵，式(4)为系数矩阵，通过式(5)求解出系数矩阵共12个参数； 

S34：在测量***中，将式(5)进行变换成： 

A＝BC^-1                           (6) 

测试系数矩阵C为已知，再通过图像中点的坐标B矩阵来反求出对应的物方坐标，也就是钢轨轮廓断面的实际轮廓线； 

S35：在图像标定还原的过程中，由于采集的图像会出现几何变形，所以需要对得到的图像进行几何变换，几何变换是将图像中的像素映射到另一个图像中，包括水平方向的映射和垂直方向的映射，几何变换包括两个方面的内容：像素坐标变换和亮度插值： 

S351：像素坐标变换是输出图像和输入图像之间的映射，图像平面(x,y)经过几何变换到图像平面(X,Y)是向所变换的关系式为： 

这样，通过变换的系数a_rk和b_rk就可以确定几何变换的关系，几何变换进行图像处理时可能会改变整个坐标系，通过雅克比系数来确定坐标系变换的信息： 

当J＝0时，变换是不可逆的，当J＝1，表示在进行变换时图像面积具有不变性，在测量***采集图像时，最易发生的图像几何变形就是图像的旋转，在图像的几何变换中，旋转R是最常用的一种变换，变换关系如式(9)： 

所以，只要得到旋转的角度θ，就能通过式(9)将图像进行旋转变换； 

S352：亮度插值的目的是确定经过变换后的像素点的灰度值，变换后得到的新的图像点可能是一个非整数的坐标，需要对图像的像素值进行处理得到这一点的灰度，它对几何变换后图像的质量有直接的影响，插值的方法包括最近邻、线性、双三次三种。 

5.根据权利要求4所述的轮廓配准方法，其特征在于，所述的最近邻插座方法具体操作为：设灰度插值的结果表示为卷积公式： 

其中，h_n表示的是插值核，表示很小的领域； 

最近邻插值是将点(X,Y)以离它最近的点的灰度值来代替这个点的灰度值，其插值公式表示为： 

f₁(X,Y)＝g_s[round(x),round(y)]                  (11)。 

6.根据权利要求4所述的轮廓配准方法，其特征在于，所述的线性插值考虑点(X,Y)的四个相邻点，将这四个点的灰度值来表示该点的灰度值，插值公式为： 

f₂(X,Y)＝(1-a)(1-b)g_s(l,k)+a(1-b)g_s(l+1,k) 

+b(1-a)g_s(l,k+1)+abg_s(l+1,k+1)  (12)。