基于机器视觉的高速道岔尖轨检测系统设计

摘要

近年来，我国高速铁路事业迅猛发展，铁路各检测项目逐渐精细化，检测要求也不断提高，以往针对铁路钢轨检测研究较多，现在高速道岔检测也逐渐被重视。随着检测要求越来越高，检测手段也趋于多元化，检测设备紧跟技术发展，趋于智能化，信息化，越来越多先进的检测技术被应用于铁路检测项目，其中，机器视觉技术已经成为高速道岔检测方面的热门之一。尖轨是高速道岔的重要组成部分，其表面结构复杂并且检测精度要求更高。现阶段国内针对道岔组成部分的各项检测任务仍由人工完成，其工作效率低，误检率高，国外研究起步早，已有专门的检测小车承担检测任务，但是由于价格昂贵，知识产权等方面原因，难以在国内各个铁路部门普及，所以，国内发展高速道岔检测势在必行。本文针对这一情况，借鉴各位学者和机构的应用经验及机器视觉方面知识，对高速道岔尖轨轮廓检测进行了研究。　　本文首先对高速道岔尖轨检测系统总体方案进行了设计布局，对系统用到的传感器进行了分析比较，确定三大核心传感器型号，确定图像采集模块核心硬件相机和激光器型号。对系统标定进行了研究，详细介绍了标定过程中四大坐标系之间的转换关系，对比主流相机标定方法的优缺点，最终确定采用张正友标定法，求解系统中相机内外参数及畸变参数。然后以OpenCV软件为平台，进行一系列的图像处理，针对机器视觉中核心的图像处理算法，通过对算法原理、图像处理结果和对比分析三方面进行了研究，最终确定了适合本课题需求的图像滤波去噪、图像阈值分割、图像边缘检测方法。为了获取高质量的光条纹中心线，选择了亚像素激光条纹中心点提取的自适应优化方法，然后在获得激光条纹的二次加权重心的基础上，采用了自适应优化方法，提取高精度尖轨轮廓条纹中心线。　　使用Solidworks软件对高速道岔尖轨检测小车实体建模，对整体结构进行了布置设计，以VS2017，OpenCV3.4.2，C++为软件开发平台，基于MFC操作平台设计了检测系统软件部分，软件部分采用模块化设计，具有系统标定、图像采集、图像处理、结果显示等功能。最后，求得相机内外参数和畸变系数，采用基于SURF的图像拼接技术将采集到的内外侧图像拼接成完整的尖轨轮廓。

目录