基于機器視覺的鐵路道岔檢測研究.pdf

1、隨著全國鐵路的提速和高速鐵路的建設(shè)，我國鐵路交通發(fā)展進入一個新階段，也預(yù)示著我國交通事業(yè)的規(guī)劃向著更高效的方向發(fā)展，這使得人們對于鐵路建設(shè)的安全性提出了更高的要求。智能交通作為當(dāng)今科技發(fā)展的成果將在鐵路的安全性建設(shè)方面發(fā)揮重要作用。我國智能交通系統(tǒng)的研究開始于上世紀(jì)八十年代后期，近年來，取得了顯著的成果，為交通事業(yè)的建設(shè)帶來了巨大的經(jīng)濟效益和社會效益。鐵路道岔檢測作為智能交通的重要組成部分，實現(xiàn)對換軌時道岔間距進行高速、實時、精確的測量

2、，保證行車更加安全平穩(wěn)，對鐵路建設(shè)的智能化具有深遠的意義。
　　鐵路運營過程中，道岔是其重要的一環(huán)，是使列車由一組軌道轉(zhuǎn)移到另一組軌道上去的裝置。道岔轉(zhuǎn)換是否達標(biāo)將直接影響鐵路運營的安全，因此對道岔轉(zhuǎn)換過程的監(jiān)控和檢測被提到一個新高度。我國智能交通尚處于起步階段，鐵路道岔檢測大多由人工完成，相關(guān)技術(shù)的研究和發(fā)展顯得更為迫切。本文的研究對象為道岔轉(zhuǎn)換過程中的密貼度測量，提出一種基于機器視覺的檢測方法，將圖像采集系統(tǒng)與圖像處理系統(tǒng)結(jié)合

3、起來對道岔圖像進行處理分析。通過實驗實現(xiàn)了道岔檢測技術(shù)，并對道岔特征提取方法做出創(chuàng)新。
　　道岔特征提取過程分為圖像預(yù)處理，圖像邊緣檢測，道岔邊緣提取，邊緣直線擬合四個部分。預(yù)處理部分，采用灰度變換和灰度增強技術(shù)對攝像機采集到的圖像進行簡單處理，使圖像邊緣特征更加突出。邊緣提取過程，采用基于Canny邊緣檢測算子的方法，在Canny邊緣檢測的基礎(chǔ)上采用程序自動計算閾值的方法，高低閾值由程序自動計算獲得，減少了人為設(shè)定閾值的單一化，

4、增強了邊緣檢測的適應(yīng)性。由邊緣檢測結(jié)果可以看出要計算的道岔間距為兩條直線狀邊緣之間的距離，接下來采用Hough變換的思想，在傳統(tǒng)Hough變換的基礎(chǔ)上進行改進。首先對圖片進行前期處理以改善像素分布，借助區(qū)域匹配的思想對像素點進行篩選，減少參加Hough變換的像素點數(shù);然后采用峰值逆向清零的方法保證提取對象的唯一性，有效降低了偽邊緣像素點的干擾，取得了很好的效果。由于對道岔測量的精確性要求，Hough變換擬合的直線精度不高，區(qū)域不易控制，

5、最后還需要結(jié)合最小二乘法對邊緣進行直線擬合。將Hough變換檢測到的兩條邊緣直線分別與Canny邊緣檢測的邊緣圖像相與，得到的點集作為擬合直線，運用最小二乘法。通過實驗沿擬合方向畫出直線與道岔邊緣基本重合而且數(shù)值相對擬合之前更加精確。
　　道岔信息的準(zhǔn)確提取為接下來的測量工作打下了良好的基礎(chǔ)。測量過程中選取一段道岔未閉合時的基本軌，基本軌的寬度是一個確定值，對其用同樣的檢測方法處理后，便可得到像素寬度與現(xiàn)實寬度之間的測量比，由此便