CN111397528B

CN111397528B - 一种便携式列车车轮正截面轮廓结构光视觉测量***及方法

Info

Publication number: CN111397528B
Application number: CN202010222623.9A
Authority: CN
Inventors: 孙军华; 张洲
Original assignee: Beihang University
Current assignee: Beihang University
Priority date: 2020-03-26
Filing date: 2020-03-26
Publication date: 2021-03-09
Anticipated expiration: 2040-03-26
Also published as: CN111397528A

Abstract

本发明公开了一种便携式列车车轮正截面轮廓结构光视觉测量***及方法，该方法由多线结构光视觉传感器重建不同视角下列车车轮的一般轮廓，将一般轮廓绕轴旋转投影到过轴平面从而得到正截面轮廓，通过拼接多视角下的测量结果，可得到列车车轮完整的正截面轮廓。本发明提供一种不受传感器位置和姿态约束的列车车轮正截面轮廓测量方法，具有测量精度高、操作灵活性高、自动化程度高、鲁棒性强等特点。

Description

一种便携式列车车轮正截面轮廓结构光视觉测量***及方法

技术领域

本发明涉铁路检测与测量领域，特别涉及列车车轮正截面轮廓线测量方法。

背景技术

列车车轮是铁路运输***中重要的组成部分，测量列车车轮正截面轮廓线可确定车轮磨损状况以及车轮关键的几何参数，以便及时更换和检修达到磨损极限的车轮，从而为铁路交通安全提供重要保障。

目前，针对列车车轮正截面轮廓线的测量方法主要分为接触式和非接触式。接触式的测量方法采用传感器敏感元件与车轮表面直接接触以获取车轮正截面轮廓的三维信息。LIJ-4D和MiniProf是典型的接触式测量设备。前者通过特定设计的游标卡尺测量轮参数，后者使用带磁性的小轮沿轮廓滚动完成测量。接触式测量设备需要由专业的人员操作，测量精度受表面接触状况的影响较大，并且测量费时、效率低，MiniProf完成一次完整轮廓测量需要耗时5min。相比较而言，非接触式的测量方法自动化程度高，测量效率高，目前成为主流的方法。其中，线结构光传感器因点云获取速度快、精度高的特点，而被广泛应用于非接触式的测量***中。利用结构光传感器测量列车车轮正截面轮廓所面临的问题为：结构光传感器只能获取光平面与车轮表面相交处的点云，当激光平面未与车轮轴线对齐时，结构光传感器获取的轮廓为一般轮廓而非正截面轮面。目前采用结构光传感器测量列车车轮正截面轮廓的方法根据应用场景可分为在线测量和线下测量。在线测量***中，结构光视觉传感器通常安装于铁轨两侧，当列车行驶经过时，根据安装的触发控制装置结构光传感器可对车轮表面进行连续扫描，从而完成车轮轮廓及其几何参数的自动测量。线下测量则通常应用于列车停车检修或者车间中的车轮旋修，此时，车轮处于静止状态，为了在这种情况下测量车轮正截面轮廓线，常采用为车轮添加约束或为传感器添加约束两种方案。落轮式激光轮对检测***将车轮拆卸以后以特定的位姿推送进测量***中，从而完成轮对尺寸的精确测量，采用的是典型的为车轮添加约束的测量方法，这种测量***具有设备昂贵、测量费时费力、测量效率低下的缺点。便携式的轮廓测量仪多采用为传感器添加约束的测量方法，例如借助辅助对齐转置保证激光平面与车轮轴线对齐，从而完成正截面轮廓的测量。相比较而言，这种方法具有成本低、操作简便等优点，然而受辅助对齐装置的影响，这些方法测量视角单一，无法保证测量得到完整的车轮轮廓。一种测量完整车轮正截面轮廓的方法为：在车轮表面粘贴标志点，利用激光扫描车轮四周，并借助标志点拼接点云得到完整的车轮表面后计算出正截面轮廓。然而这种借助标志点辅助定位传感器位姿的方法受标志点粘贴局限性的影响，操作复杂、效率低，不适合大规模应用场景。

综上所述，现阶段基于结构光测量列车车轮正截面轮廓的方法均需要约束车轮或者传感器的位姿以达到测量正截面轮廓线的目的，其主要缺点在于测量精度受传感器安装精度影响、测量视角受限、所测轮廓不完整、操作灵活性差等。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种便携式的列车车轮正截面轮廓结构光视觉测量***及方法，不需要约束传感器及车轮的位置，即可实现对列车车轮进行多视角正截面轮廓的测量，并通过轮廓拼接的方法得到完整正截面轮廓，该方法具有使用灵活高、鲁棒性强、测量精度高的特点。

为达到上述目的，本发明的技术方案是这样实现的：

本发明的一种便携式列车车轮正截面轮廓结构光视觉测量***，包括：多线结构光视觉传感器、便携式计算机和测量控制装置；

多线结构光视觉传感器，由多个线激光器和工业相机固定安装组成，用于重建列车车轮表面多条一般轮廓线；测量时，多线结构光视觉传感器的激光平面与列车车轮表交线形成光条，工业相机拍摄光条得到光条图片，根据工业相机的小孔成像模型和激光平面的约束，重建光条处点的三维坐标，即列车表面的一般轮廓；所述一般轮廓线为一般位置下激光平面与列车车轮表面的交线，区别于列车车轮的正截面轮廓，正截面轮廓是激光平面经过列车车轮轴线时与列车车轮表面的交线；

便携式计算机，与多线结构光视觉传感器相连接，负责对工业相机拍摄得到的光条图像进行处理，以及为由一般轮廓恢复正截面轮廓提供计算平台，具体为：1)负责光条图片的处理任务，包括图像中光条识别、光条中心提取、车轮表面一般轮廓重建；2)为由一般轮廓恢复正截面轮廓提供计算平台，具体计算过程包括车轮轴线估计、一般轮廓旋转投影到过轴平面、多视角下正截面轮廓拼接任务；

测量控制装置，与多线结构光视觉传感器一同集成安装于可移动载体上，连接多线结构光视觉传感器，控制工业相机和多个线激光器的触发，连接便携式计算机，控制光条图像的采集和存储；

在测量控制装置的控制下，多线结构光视觉传感器拍摄得到不同视角下列车车轮表面的光条图像；然后将光条图像输入便携式计算机，通过结构光视觉模型可重建不同视角下列车车轮的一般轮廓，并将一般轮廓绕车轮轴线旋转投影到过轴平面从而得到正截面轮廓；最后，拼接多视角下的测量结果，得到列车车轮完整的正截面轮廓。

所述由多线结构光视觉传感器重建列车车轮表面多条一般轮廓线包括如下过程：

(1)利用靶标对多线结构光视觉传感器进行标定，获得工业相机内部参数、畸变系数和激光平面在工业相机坐标系下的平面方程；

(2)测量时将多线结构光传感器移动至某一位置，使得激光平面打在列车车轮表面形成光条，工业相机拍摄得到光条图像，利用基于Hessian矩阵的方法提取光条图像中亚像素的光条中心，利用步骤(1)中标定得到的工业相机畸变系数矫正光条中心坐标，得到矫正后的光条亚像素中心坐标；

(3)根据结构光视觉模型原理：利用根据步骤(1)中标定得到的工业相机的内参，由步骤(2)中得到的矫正后的光条亚像素中心点确定一条经过光心的射线，所述射线与步骤(1)中标定得到的激光平面的交点即为光条中心对应的三维坐标，即恢复图像中多条激光光条处的三维坐标，重建列车车轮表面上的多条一般轮廓。

本发明的一种便携式列车车轮正截面轮廓结构光视觉测量方法，包括以下步骤：

(1)由多线结构光视觉传感器重建列车车轮表面的多条一般轮廓；

(2)匹配多条一般轮廓间的对应点并估计列车车轮轴线位置，将一般轮廓绕的列车车轮轴线旋转投影到过轴平面，从而由一般轮廓恢复正截面轮廓；所述对应点即匹配对是指一般轮廓上的任意一点，绕车轮轴线旋转得到列车车轮表面上的一个旋转圆，该旋转圆与其他一般轮廓的交点与该点形成一对对应点，即匹配对；

(3)移动结构光视觉传感器至列车车轮内、外端面和车轮踏面的不同视角，重复步骤(1)和步骤(2)，测量得到不同视角下的正截面轮廓，并拼接不同视角下的正截面轮廓，得到完整的列车车轮正截面轮廓。

所述步骤(2)中，匹配多条一般轮廓间的对应点并估计列车车轮轴线位置的方法为：

a、建立轮廓转换模型，在给定车轮轴线位置的情况下，将一般轮廓绕轴旋转转换到过轴平面上得到正截面轮廓；

b、建立轴线估计模型估计步骤a所需的车轮轴线位置，该轴线估计模型以一般轮廓间的匹配对作为输入，估计车轮轴线位置，若轴线估计准确，则一般轮廓上的匹配对经过步骤a中的轮廓转换模型以后，在过轴平面上应该重合成正截面轮廓；

c、建立迭代的轮廓优化算法框架，该框架包含如下的两个子步骤：1)首先提取和匹配一般轮廓上的特征点得到匹配对的初始值；2)然后该框架迭代的利用b中的轴线估计模型，将匹配对代入轴线估计模型以更新列车车轮轴线位置，然后利用a中的轮廓转换模型，根据更新后的车轮轴线位置，将一般轮廓转换到过轴平面，并搜索最近点对以更新匹配对；

d、重复执行步骤c中的子步骤2)，直到算法收敛，即：估计得到的轴线位置不再改变，或者某次迭代后对应点误差小于给定阈值，所述对应点误差是指对应点旋转到过轴平面上后，点对之间的距离；迭代收敛以后得到的一般轮廓间的匹配对即为最终的匹配对，得到的轴线位置即为最终估计得到的列车车轮轴线位置。

所述步骤(2)中，由列车车轮表面一般轮廓恢复正截面轮廓的方法为：匹配多条一般轮廓间的对应点对并估计车轮轴线位置，然后将对应点旋转投影至过轴平面得到投影点对，并将投影点对的均值作为最终的正截面轮廓上的点，如此便可由一般轮廓恢复列车车轮正截面轮廓。

所述步骤(3)中，拼接不同视角下的正截面轮廓，得到完整的列车车轮正截面轮廓的方法具体为：对于相邻位置测得的两帧正截面轮廓，提取曲率极值点为特征点，计算特征点切向和法向，建立特征点局部坐标系，以特征点为圆心截取轮廓上位于等距同心圆上的点，并将获得的交点转换到特征点局部坐标系，得到特征描述点列，根据特征描述点列匹配不同正截面轮廓上的特征点，估计初始的欧式变换，然后采用ICP算法进行最近点迭代，得到相邻两帧所测正截面轮廓的精确欧式变换，最后以第一条轮廓所在的坐标系为全局坐标系，根据相邻位置间欧式变换，将所有的轮廓变换到全局坐标系完成多视角轮廓拼接，得到完整正截面轮廓。

所述步骤a中的轮廓转换模型为：给定列车车轮轴线的位置，以轴线上的一点M为原点O，以沿轴线的方向为Y轴，以垂直于轴线的方向为X轴，建立轴平面坐标系O-XY，对于一般轮廓上的一点s，该点对应的正截面轮廓上的点p，将s绕轴旋转到过轴平面得到p点在轴平面坐标系下的坐标：

其中(P,M)表示描述车轮轴线位置的参数，P为单位向量，表示列车车轮轴线的方向，M为轴上一点，T(|P,M)即为轮廓转换模型，描述一般轮廓到正截面轮廓的转换，即一般轮廓上的点绕车轮旋转到过轴平面上得到的交点即为正截面轮廓上的点。

所述步骤b中的轴线估计模型为：输入一般轮廓上的匹配对集合S，根据最小二乘原理估计轴线的位置，轴线(P，M)由以下数学模型进行估计：

其中(P,M)为列车车轮轴线的位置参数，P为单位向量，表示车轮轴线的方向，M为轴上一点，(P*,M*)为目标函数最小的情况下列车车轮轴线位置参数的估计值，S为匹配对集合，(s,d)为其中的一对匹配对。

所述步骤c的轮廓优化算法框架中：所述的提取和匹配一般轮廓上的特征点得到匹配对的初始值的具体步骤为：

(1)逐点计算一般轮廓上各点的曲率值得到曲率序列，为了利于后续的匹配，将曲率值根据弯曲的方向定义符号，规定顺时针弯曲为正值，逆时针弯曲为负值；

(2)提取曲率序列的极值点，为克服噪声的影响，提高特征提取的稳定性，先对曲率序列做高斯平滑，计算导数，对序列中曲率大于设定阈值的点做泰勒展开，导数为零的点即为局部极值点；为了避免在相近的位置提取过多的局部机制点，采用极大值抑制的措施，保证在一定范围内只保留曲率最大的极值点作为最终的特征点；

(3)特征点匹配，对一般轮廓之间的特征点分别计算曲率差的相对大小，曲率差小于阈值的点作为候选匹配对，然后根据正确的匹配对连线具有相似的空间取向这一特点，利用移动均值聚类算法对候选匹配对进行聚类以剔除错误的匹配对，如此得到一般轮廓间匹配对的初始值。

所述步骤c的轮廓优化算法框架中：所述的搜索最近点对以更新匹配对的具体步骤为：在转换后的轮廓上搜索最近点得到最邻近点对，根据最邻近点对对应的一般轮廓上的点更新现有匹配对；为了提高匹配精度，采用在最近点附近做线性插值的方法，即以匹配对一点的法向方向与匹配对另一点的切向方向相交的点作为最终的最近点。

本发明与现有技术相比的优点在于：

(1)本发明采用多线结构光传感器同时获取列车车轮表面的多条一般轮廓，并通过匹配一般轮廓上的对应点估计车轮轴线位置，从而将一般轮廓转化为正截面轮廓，与传统的正截面轮廓测量方法相比，该方法对结构光传感器的姿态无限制，因此无需将结构光传感器的光平面对齐通过列车车轮轴线，极大的提高了测量的便利性；

(2)从原理上分析，只要能提取轮廓曲率极值点均可采用本发明测量正截面轮廓，因此本发明对所测量轮廓形状具有鲁棒性；

(3)本发明能测量高精度的完整正截面轮廓，在多视角测量正截面轮廓后，采用ICP算法拼接不同视角下的正截面轮廓以得到完整正截面轮廓，其本质是一个二维曲线的拼接问题，无需在被测件周围粘贴标志点，并且能达到高精度测量要求，经实验表明，本发明测量列车车轮正截面轮廓的精度可到0.068mm。

附图说明

图1为本发明一种便携式的列车车轮正截面轮廓结构光视觉测量***的示意图；

图2为本发明一种便携式的列车车轮正截面轮廓结构光视觉测量方法的总体实现流程图；

图3为待测列车车轮和多线结构光视觉传感器；

图4为多线结构光传感器获取车轮表面一般轮廓的过程；

图5为一般轮廓上的特征提取与匹配；

图6为经过迭代优化以后一般轮廓上点的精确匹配结果；

图7为多视角下测量得到的正截面轮廓及其拼接得到的完整正截面轮廓。

具体实施方式

以下结合附图及具体实施例对本发明再作进一步详细的说明。

图1和图2分别为本发明一种便携式列车车轮正截面轮廓结构光视觉测量***及方法的总体实现流程图。该列车车轮正截面轮廓结构光视觉测量***由多线结构光视觉传感器、便携式计算机、测量控制软件组成，可自由移动至不同视角，重建多视角下列车车轮的一般轮廓。该车轮正截面轮廓结构光视觉测量方法由列车车轮表面的一般轮廓恢复列车车轮的正截面轮廓，并通过拼接不同视角下的正截面轮廓得到完整的正截面轮廓。

一般轮廓重建的步骤为：(1)标定工业相机的内参、畸变系数以及多线结构光光平面在工业相机下的方程；(2)手持多线结构光传感器，围绕列车车轮踏面，多角度采集激光平面打在车轮表面的光条图像；(3)提取步骤(2)获得的图像中光条的亚像素中心并利用步骤(1)中标定的去畸变系数去除工业相机的镜头畸变，得到去畸变以后的光条中心的图像坐标；(4)根据结构光视觉测量模型，利用步骤(1)中标定得到的工业相机的内参，由步骤(3)中获得的去畸变后的光条亚像素中心点可确定一条经过光心的射线，该射线与步骤(1)中标定得到的激光平面的交点即为光条中心对应的三维坐标，如此可重建图像中所有光条中点的三维坐标，重建列车车轮表面多条一般轮廓。

一种便携式列车车轮正截面轮廓结构光视觉测量方法。该方法以列车车轮表面上的多条一般轮廓作为数据输入，通过一般轮廓估计车轮轴线的位置，并根据轴线位置将一般轮廓旋转投影到过轴平面上以恢复正截面轮廓。移动传感器，分别测量不同的视角下的正截面轮廓，最后拼接多视角下的正截面轮廓以恢复完整的列车车轮正截面轮廓。

为了从一般轮廓恢复正截面轮廓，本发明内容的方法主要包括两个模型——轮廓转换模型和轴线估计模型，以及一个轮廓优化框架，以下内容对模型和算法做详细叙述。

轮廓转换模型的作用是将一般旋转投影至过轴平面。给定车轮轴线的位置，以轴上的一点M为原点O，以沿轴线的方向为Y轴，以垂直于轴线的方向为X轴，建立轴平面坐标系O-XY，对于一般轮廓上的一点s，其对应的正截面轮廓上的点p，将s绕轴旋转到过轴平面得到p点在轴平面坐标系下的坐标：

其中(P,M)表示描述车轮轴线位置的参数，P为单位向量，表示车轮轴线的方向，M为轴上一点。轮廓转换模型T(|P,M)描述一般轮廓到正截面轮廓的转换，即一般轮廓上的点绕车轮旋转，与过轴平面相交得到的交点即为正截面轮廓上的点。

为了介绍轴线估计模型，先给出对应点(匹配对)的定义。列车车轮踏面为旋转曲面，其上一点绕轴旋转形成一个旋转圆，不同一般轮廓上，位于同一旋转圆上的点称为对应点(匹配对)。假设(s,d)为一对匹配对，则应该满足下列的等式：

T(s|P,M)＝T(d|P,M)

其中T(|P,M)为轮廓转换模型，P、M为列车车轮轴线参数，P为轴线方向，M为轴上一点。

轴线估计模型的作用是估计轮廓转换模型所需要的列车车轮轴线位置参数(P,M)。轴线估计模型的建立基于以下的事实：一般轮廓上的对应点绕轴旋转到过轴平面，两点的投影重合于正截面轮廓上。因此根据最小二乘原理估计轴线的位置，轴线(P，M)由以下数学模型进行估计：

其中S为一般轮廓上对应点集合，(s,d)为其中的一对匹配对，(P*,M*)为目标函数最小的情况下列车车轮轴线位置参数的估计值。为了快速求解轴线估计模型中的非线性最小二乘问题，将目标函数用两个线性最小二乘问题近似，分别求解P和M，具体为：

P用以下的线性最小二乘问题求解：

st.||P||＝1

其中N为匹配对的数量，(s_i,d_i)(i＝1,2…N)为其中的一对匹配对。

M用以下的最小二乘问题求解：

其中

为轴线方向P的反对称矩阵，N为匹配对的数量，(s_i,d_i)为其中的一对匹配对。

轴线估计模型需要已知一般轮廓间的匹配对，然而匹配对并不已知，因此本发明利用采用迭代的优化策略构建了如下的轮廓优化算法框架，由一般轮廓恢复正截面轮廓包含以下步骤：

a、提取一般轮廓上的曲率极值点作为特征点，并匹配特征点得到匹配对的初始值。首先，逐点计算一般轮廓上各点的曲率值得到曲率序列，为了利于后续的匹配，将曲率值根据弯曲的方向定义符号，规定顺时针弯曲为正值，逆时针弯曲为负值。然后，提取曲率序列的极值点，为克服噪声的影响，提高特征提取的稳定性，先对曲率序列做高斯平滑，计算导数，对序列中曲率大于设定阈值的点做泰勒展开，导数为零的点即为局部极值点；为了避免在相近的位置提取过多的局部机制点，采用极大值抑制的措施，保证在一定范围内只保留曲率最大的极值点作为最终的特征点。最后，匹配特征点得到匹配对的初始值，对一般轮廓之间的特征点分别计算曲率差的相对大小，曲率差小于阈值的点作为候选匹配对，然后根据正确的匹配对连线具有相似的空间取向这一特点，利用移动均值聚类算法对候选匹配对进行聚类以剔除错误的匹配对，如此得到一般轮廓间匹配对的初始值。

b、按照以下步骤，将步骤a得到的匹配对的初始值作为输入，迭代的优化匹配对，并最终得到正截面轮廓：1)将匹配对代入轴线估计模型中估计轴线位置；2)将所估计得到的轴线位置带入轮廓转换模型，便可将一般轮廓旋转投影到过轴平面得到转换后的轮廓，计算转换后的轮廓上匹配对之间的距离作为对应误差；3)在转换后的轮廓上搜索最近点对并更新现有的匹配对，为了提高最近点对的搜索精度，以最近点对中一点法线与另一点的切线的交点作为插值以后的最近点，用每组最近点对应的一般轮廓上的点对来更新现有的匹配对；4)重复执行步骤1)、2)、3)直到估计得到的车轮轴线位置不再发生改变或者对应点误差小于给定阈值；根据最后一次迭代得到的列车车轮轴线位置，将一般轮廓旋转至过轴平面上，即为列车车轮正截面轮廓。

c、多视角正截面轮廓测量和拼接。将传感器移动到其他视角和位置，重复步骤a、b，完成其他视角下一般轮廓上特征点的提取匹配以及正截面轮廓恢复等步骤，得到多视角下的正截面轮廓，并按照以下步骤拼接得到完整正截面轮廓：首先计算相邻两视角下所测正截面轮廓之间的变换矩阵，提取轮廓上的曲率极值点作为特征点，计算特征点等距同心圆上的描述点列，匹配不同轮廓上的特征点计算两轮廓之间的初始欧式变换，采用最近点迭代算法(ICP)计算两轮廓之间的精确的欧式变换；然后以第一帧的测量结果为参考坐标系，根据相邻两帧之间的欧式变换将所有的正截面轮廓都变换到参考坐标系，对于轮廓的重叠部分，采用最近点对均值融合的方向得到完整的正截面轮廓。

下面再结合具体的例子进行说明。

具体包括以下步骤：

步骤11：如图3，将工业相机和多个线激光器安装在可自由移动的载体上形成多线结构光视觉传感器并对传感器参数进行标定。激光器的安装间距大概为20mm，光平面与工业相机主轴的夹角大概为60°，工业相机的分辨率为2448*2048像素，激光器的功率为30mW，待测车轮的直径为1040mm，多线结构光传感器的工作距离为400mm。

采用张正友的相机标定方法标定工业相机的内参和畸变系数，标定结果为：

可以采用孙军华等人提出的结构光光平面标定技术[J.Sun,G.Zhang,Q.Liu,andZ.Yang,“Universal method for calibrating structured-light vision sensor onthe spot,”J.Mech.Eng.,vol.45,no.03,pp.174–177,2009]标定光平面在工业相机坐标系下的方程，标定结果为：

步骤12：如图4，将传感器移动到某一视角下，拍摄光平面打在车轮表面的光条得到光条图像，提取光条中心，然后根据结构光视觉模型恢复光条处的三维坐标，重建车轮表面的一般轮廓。

用基于Hessian的方法提取光条中心亚像素坐标并进行畸变矫正。由于相机镜头一般都存在不同程度的畸变(主要为径向畸变和切向畸变)，而非理想小孔成像模型。因此，将提取的光条中心亚像素图像坐标带入Brown畸变模型，得到更为精确的光条中心图像坐标。Brown畸变模型如下所示：

其中：

为提取畸变特征点归一化图像坐标；(x,y)为无畸变的归一化图像坐标；(k₁,k₂,p₁,p₂)为畸变参数。

将矫正后的光条亚像素坐标代入结构光视觉模型，重构车轮表面的一般轮廓。利用步骤11中标定的工业相机的内参K和激光器光平面方程{W₁,W₂,W₃}，可通过以下模型重构一般轮廓上的三维点：

其中X为一般轮廓上的三维点坐标，x为光条中心的图像坐标，s为工业相机成像模型的尺度因子。对每个光平面利用以上模型，可重建多条一般轮廓{l₁,l₂,l₃}。

步骤13：如图5，提取和匹配一般轮廓上的特征点得到匹配对的初始值S⁰。逐点计算一般轮廓上各点的曲率，得到曲率序列，根据曲线的弯曲方向，顺时间弯曲的点取正曲率，逆时针弯曲的点取负曲率。然后用高斯核对曲率序列进行平滑，取曲率大于阈值且曲率梯度为零的点作为特征点。计算不同轮廓上各特征点间的曲率差异，曲率差异小于阈值的点作为候选匹配对。正确匹配对之间的连线在空间上应该具有相似的空间方向，因此最后根据移动均值聚类，剔除错误的匹配对，得到初始的匹配对S⁰。

步骤14：将初始的匹配对S⁰代入轮廓优化算法框架，按照以下步骤迭代的优化匹配对和车轮轴线位置，并最终得到正截面轮廓：

Step1输入初始的匹配对S⁰，令迭代计t＝0并将对应点误差阈值设置为ε_max；

Step2带入当前的匹配对S^t，根据轴线估计模型估计轴线位置(P，M)^t；

Step3根据当前轴线位置(P，M)^t,将一般轮廓{l₁,l₂,l₃}利用轮廓转换模型旋转到过轴平面得到转换后的轮廓

并计算转换后的轮廓上对应点之间的距离，即对应点误差。判断迭代是否达到终止条件，即步骤Step2中估计得到的轴线位置不再改变或者对应点误差小于给定阈值ε_max，如果达到,转到step5，否则进入step4；

Step4在转换后的轮廓上两两搜索最近点，得到最近点集合

根据最近点集合C^t，选取一般轮廓上相应的对应点更新对应点集合

令迭代计数t＝t+1，转到Step2；

Step5迭代过程结束,将最后一次迭代得到的转换后的轮廓{L₁,L₂,L₃}融合得到最后的正截面轮廓L。

图6为最终得到的一般轮廓上的匹配对，并由此可得到该视角下的正截面轮廓。

步骤15：如图7所示，将传感器移动到其他视角和位置，重复步骤12、13和14，完成其他视角下一般轮廓的获取、初始特征点匹配和正截面轮廓恢复等步骤，得到多个不同视角下的正截面轮廓，并按照以下步骤拼接多视角下的正截面轮廓得到完整正截面轮廓：

a、对每条正截面轮廓，逐点计算每个点的曲率得到曲率序列，提取曲率序列的极值点作为特征点p₀，以特征点p₀的位置坐标为原点o，以法向和切向为x轴和y轴建立特征点局部坐标系o-xy，以o为圆心，作k个等间距同心圆，与正截面轮廓相交分别得到同心圆点列，并将交点的坐标转换到特征点局部坐标系o-xy下，沿x轴方向依次排列为

此点列即为该特征点的描述符点列。

b、根据描述符点列匹配相邻两帧正截面轮廓上的特征点，计算初始的欧式变换矩阵，完成轮廓的粗拼接，然后采用ICP算法迭代最近点，计算相邻帧间精确的欧式变换。然后以第一帧的测量结果为参考坐标系，根据相邻两帧之间的欧式变换将所有的正截面轮廓都变换到参考坐标系，对于轮廓的重叠部分，采用最近点对均值融合的方向得到完整的正截面轮廓。

综上所述，本发明提供了一种便携式的列车车轮正截面轮廓测量***及方法，包括：一般轮廓的获取、轮廓转换模型、轴线估计模型以及迭代的轮廓优化算法、拼接多视角下正截面轮廓等内容。实验结果表明，该方法测量列车车轮正截面轮廓的精度为0.068mm，本发明具有灵活性强、精度高、鲁棒性强等优点。与MiniProf测量列车车轮正截面轮廓的方法相比，本发明能极大的缩减测量时间，前者单次测量时间为5min，而本发明可在1min内完成测量。与传统的卡尺式LIJ-4D(精度为0.1mm)相比，本发明无须人为对齐，并且具有更高精度。

以上所述，仅为本发明的较佳实施例而已，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明的保护范围。

Claims

1.一种便携式列车车轮正截面轮廓结构光视觉测量***，其特征在于，包括：多线结构光视觉传感器、便携式计算机和测量控制装置；

便携式计算机，与多线结构光视觉传感器相连接，负责对工业相机拍摄得到的光条图像进行处理，以及为由一般轮廓恢复正截面轮廓提供计算平台，具体为：1)负责光条图片的处理任务，包括图像中光条识别、光条中心提取、车轮表面一般轮廓重建；2)为由一般轮廓恢复正截面轮廓提供计算平台，计算过程包括车轮轴线估计、一般轮廓旋转投影到过轴平面、多视角下正截面轮廓拼接任务；

在测量控制装置的控制下，多线结构光视觉传感器拍摄得到不同视角下列车车轮表面的光条图像；然后将光条图像输入便携式计算机，通过结构光视觉模型可重建不同视角下列车车轮的一般轮廓，并将一般轮廓绕车轮轴线旋转投影到过轴平面从而得到正截面轮廓；最后，拼接多视角下的测量结果，得到列车车轮完整的正截面轮廓；

所述由多线结构光视觉传感器中，重建光条处点的三维坐标，即列车表面的一般轮廓包括如下过程：

(3)根据结构光视觉模型原理：利用根据步骤(1)中标定得到的工业相机的内参，由步骤(2)中得到的矫正后的光条亚像素中心点确定一条经过光心的射线，所述射线与步骤(1)中标定得到的激光平面的交点即为光条中心对应的三维坐标，即恢复图像中多条激光的光条处的三维坐标，重建列车车轮表面上的多条一般轮廓。

2.一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于，包括以下步骤：

(3)移动结构光视觉传感器至列车车轮内、外端面和车轮踏面的不同视角，重复步骤(1)和步骤(2)，测量得到不同视角下的正截面轮廓，并拼接不同视角下的正截面轮廓，得到完整的列车车轮正截面轮廓；

d、重复执行步骤c中子步骤2)，直到算法收敛，即：估计得到的轴线位置不再改变，或者某次迭代后对应点误差小于给定阈值，所述对应点误差是指对应点旋转到过轴平面上后，点对之间的距离；迭代收敛以后得到的一般轮廓间的匹配对即为最终的匹配对，得到的轴线位置即为最终估计得到的列车车轮轴线位置。

3.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤(2)中，由列车车轮表面一般轮廓恢复正截面轮廓的方法为：匹配多条一般轮廓间的对应点对并估计车轮轴线位置，然后将对应点旋转投影至过轴平面得到投影点对，并将投影点对的均值作为最终的正截面轮廓上的点，如此便可由一般轮廓恢复列车车轮正截面轮廓。

4.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤(3)中，拼接不同视角下的正截面轮廓，得到完整的列车车轮正截面轮廓的方法具体为：对于相邻位置测得的两帧正截面轮廓，提取曲率极值点为特征点，计算特征点切向和法向，建立特征点局部坐标系，以特征点为圆心截取轮廓上位于等距同心圆上的点，并将获得的交点转换到特征点局部坐标系，得到特征描述点列，根据特征描述点列匹配不同正截面轮廓上的特征点，估计初始的欧式变换，然后采用ICP算法进行最近点迭代，得到相邻两帧所测正截面轮廓的精确欧式变换，最后以第一条轮廓所在的坐标系为全局坐标系，根据相邻位置间欧式变换，将所有的轮廓变换到全局坐标系完成多视角轮廓拼接，得到完整正截面轮廓。

5.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤a中的轮廓转换模型为：给定列车车轮轴线的位置，以轴线上的一点M为原点O，以沿轴线的方向为Y轴，以垂直于轴线的方向为X轴，建立轴平面坐标系O-XY，对于一般轮廓上的一点s，该点对应的正截面轮廓上的点p，将s绕轴旋转到过轴平面得到p点在轴平面坐标系下的坐标：

6.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤b中的轴线估计模型为：输入一般轮廓上的匹配对集合S，根据最小二乘原理估计轴线的位置，轴线(P，M)由以下数学模型进行估计：

7.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤c的轮廓优化算法框架中：所述的提取和匹配一般轮廓上的特征点得到匹配对的初始值的具体步骤为：

8.根据权利要求2所述的一种便携式列车车轮正截面轮廓结构光视觉测量方法，其特征在于：所述步骤c的轮廓优化算法框架中：所述的搜索最近点对以更新匹配对的具体步骤为：在转换后的轮廓上搜索最近点得到最邻近点对，根据最邻近点对对应的一般轮廓上的点更新现有匹配对；为了提高匹配精度，采用在最近点附近做线性插值的方法，即以最近点对中一点的法向方向与最近点对中另一点的切向方向相交的点作为最终的最近点。