一种基于高精度3D相机的焊缝平直度检测方法与流程

本发明涉及轨道检测，尤其涉及一种基于高精度3d相机的焊缝平直度检测方法。

背景技术：

1、钢轨焊接接头是轨道线路的薄弱环节，焊缝平直度是衡量焊缝纵向平顺性的核心指标，直接影响行车平稳性与安全性。焊缝平直度定义是以焊缝中心线为中点、1m为测量跨度，基准直尺与钢轨实测母线之间的最大垂直矢距。

2、现有检测方案主要分为人工直尺塞尺法、接触式位移传感法、二维纹理视觉法与三维廓形测量法四类，普遍存在以下缺陷：

3、1.脏污抗干扰能力弱：基于rgb纹理的视觉检测方案依赖表面颜色与纹理特征，钢轨表面油污、铁锈、灰尘、水渍会大幅提升焊缝漏识别率，工况适应性差；

4、2.测量基准不统一，泛化性差：现有三维廓形方案虽能获取几何信息，但多依赖人工标定起始点或模板匹配，无法自动定位焊缝；且廓形配准仅用于提升单次测量精度，未与目标检测技术形成协同链路，不同相机安装姿态、不同线路条件下检测模型需重复适配，无法跨工况泛化；

5、3.定位可靠性不足：焊缝定位过度依赖深度学习黑盒模型，缺少可量化的几何特征作为校验依据，低置信度场景与模态冲突场景下误检率高，结果缺乏兜底保障；

6、4.合规性与实时性不足：多数方案的平直度量化未与国铁维修规程限值对应，且处理速度无法满足轨检车160km/h高速动态检测的实时性要求，需占用线路天窗作业。

7、因此，亟需一种焊缝平直度检测方法来解决现有方案存在的问题。

技术实现思路

1、有鉴于此，本技术提供一种基于高精度3d相机的焊缝平直度检测方法，以解决现有技术存在的不足。

2、本技术第一方面提供一种基于高精度3d相机的焊缝平直度检测方法，包括以下步骤：

3、s1.采用线结构光3d相机沿钢轨长度方向连续扫描，采集钢轨断面三维廓形数据；

4、s2.对每个断面的三维廓形数据依次执行去噪处理与平滑处理，得到平滑后的断面三维廓形数据；

5、s3.基于预置的标准钢轨廓形模板，对平滑处理后的实测断面三维廓形数据执行刚性配准，消除相机安装角度偏差与钢轨位置偏差，将所有实测断面三维廓形数据统一至标准廓形坐标系下；

6、s4.提取配准后各断面三维廓形数据中的轨顶面区域高度数据，沿钢轨长度方向按采集顺序排列形成高度数据矩阵，并对高度值进行线性归一化映射，生成统一坐标系下的归一化深度图像；

7、s5.将所述归一化深度图像输入预训练的目标检测模型，输出候选检测结果，所述候选检测结果包含候选焊缝区域边界框及对应置信度；以所述候选焊缝区域边界框对应的深度图像区域为计算范围，计算焊缝几何签名；通过所述焊缝几何签名对所述候选检测结果进行有效性校验，校验通过后，以候选焊缝区域边界框的中心位置确定焊缝中心；

8、s6.以确定的焊缝中心为基准，在钢轨纵向选取设定长度的测量区间，拟合得到参考基准线，计算测量区间内轨顶面高度相对于参考基准线的最大绝对偏差，得到焊缝平直度数值。

9、在第一方面一种可能的实现方式中，步骤s1中，所述线结构光3d相机的断面采集频率不低于1000hz，相邻采集断面沿钢轨长度方向的空间间距不大于1mm，高度方向测量精度优于0.05mm，单次断面扫描的横向范围覆盖钢轨轨顶面完整宽度。

10、在第一方面一种可能的实现方式中，步骤s2中，所述去噪处理采用k近邻统计滤波，k的取值范围为8~12，离群采样点的判定依据为：采样点的k近邻平均距离大于全体采样点平均距离与2倍标准差之和；所述平滑处理采用滑动平均滤波，滤波窗口包含5~10个采样点，窗口沿轨顶面廓形的延伸方向滑动。

11、在第一方面一种可能的实现方式中，步骤s3具体包括以下子步骤：

12、s31.根据目标钢轨型号预置对应规格的标准钢轨廓形模板，所述标准钢轨廓形模板包含轨头顶面、轨头侧面、轨腰与轨底的完整轮廓数据；

13、s32.从平滑处理后的实测断面三维廓形数据中提取关键特征点，所述关键特征点包括轨头顶面中心点、轨头两侧圆弧起点与轨腰中心点；将实测关键特征点与标准钢轨廓形模板的对应特征点匹配，计算初始刚性变换矩阵，完成粗配准；

14、s33.以粗配准结果为初值，采用迭代最近点算法执行精配准，迭代求解使实测采样点与模板对应点之间的距离之和最小的最优刚性变换矩阵，直至变换矩阵变化量小于设定收敛阈值或达到最大迭代次数；

15、s34.将最终得到的最优刚性变换矩阵应用于实测断面三维廓形数据，完成实测断面三维廓形数据向标准廓形坐标系的对齐。

16、在第一方面一种可能的实现方式中，步骤s4中，所述高度数据矩阵的行对应断面在钢轨长度方向的位置，列对应轨顶面横向采样点，矩阵元素为对应位置的高度偏差值；所述线性归一化映射为将高度偏差值映射至0~255的灰度数值区间，生成单通道灰度形式的归一化深度图像。

17、在第一方面一种可能的实现方式中，所述目标检测模型为yolov8目标检测模型，所述yolov8目标检测模型通过以下步骤训练得到：

18、s51.采集不同工况下的钢轨断面三维廓形数据，经配准重构得到对应归一化深度图像以构建训练样本集；所述工况涵盖不同钢轨型号、焊缝类型、线路条件及表面脏污程度；对各归一化深度图像中的焊缝区域进行人工标注，生成标注边界框；

19、s52.以单通道归一化深度图像为输入样本，以对应的标注边界框为标签，训练获得yolov8目标检测模型；所述yolov8目标检测模型的输出内容包括焊缝区域边界框坐标及对应置信度；

20、步骤s5具体还包括以下子步骤：

21、s53.将所述归一化深度图像输入训练完成的yolov8目标检测模型，设置初筛置信度阈值，剔除置信度低于初筛置信度阈值的候选边界框，得到有效候选边界框集合；选取置信度最高的有效候选边界框作为候选焊缝区域边界框，输出包含候选焊缝区域边界框及对应置信度的候选检测结果；

22、s54.设置校验置信度阈值，所述校验置信度阈值高于初筛置信度阈值；在所述归一化深度图像中，以候选焊缝区域边界框对应的区域为基准，分别划定焊缝窗口、焊缝两侧的母材邻域窗口以及粗糙度评估窗口，计算得到包含局部高度台阶、局部粗糙度的焊缝几何签名；当候选检测结果的置信度低于校验置信度阈值时，触发有效性校验；当≥预设高度阈值且≥预设粗糙度阈值时，判定候选检测结果有效，确认对应位置为真实焊缝；否则判定候选检测结果对应区域为伪焊缝，并生成人工复核标记；校验通过后，以候选焊缝区域边界框的中心位置确定焊缝中心。

23、在第一方面一种可能的实现方式中，所述焊缝几何签名还包括轨顶面高度梯度特征，与局部高度台阶、局部粗糙度共同构成签名特征向量；所述焊缝几何签名在标准廓形坐标系下计算，不受相机安装角度偏差与钢轨位置偏差的影响；构建训练样本集时，以所述焊缝几何签名作为标注边界框的几何一致性校验依据。

24、在第一方面一种可能的实现方式中，所述方法还包括双模态置信融合步骤：

25、同步采集钢轨表面纹理图像，将纹理图像输入预训练的第二目标检测模型（纹理侧），得到纹理模态下的候选检测结果，所述纹理模态下的候选检测结果包含纹理侧候选焊缝区域边界框及对应置信度；

26、计算深度模态下候选焊缝区域边界框与纹理侧候选焊缝区域边界框的交并比；当交并比大于设定重合阈值时，判定焊缝位置检测结果可信；当交并比小于等于设定重合阈值时，以深度模态的候选检测结果作为基准识别结果，并生成人工复核标记。

27、在第一方面一种可能的实现方式中，步骤s6具体包括以下子步骤：

28、s61.以焊缝中心为基准，在钢轨长度方向前后各取1m作为测量区间；

29、s62.采用最小二乘法对测量区间内的轨顶面中心高度数据进行拟合，得到参考基准线；

30、s63.计算测量区间内每个采样点高度与参考基准线对应位置高度的绝对偏差，取所有绝对偏差的最大值作为对应焊缝的平直度数值；

31、s64.将平直度数值与对应线路等级的规定限值进行比对，输出焊缝平直度合格或不合格的判定结论。

32、在第一方面一种可能的实现方式中，所述方法还包括异常处理步骤：

33、若步骤s3的位置配准过程中出现无对应匹配点或迭代不收敛的情况，生成配准失败告警信息，对当前断面执行局部重配准或跳过对应断面并生成数据异常标记；

34、若采集过程中出现断面三维廓形数据缺失，采用线性插值方式补齐缺失断面的高度数据，或标记对应区间数据不完整；

35、若经有效性校验后仍无法对焊缝真伪作出有效判定，则标记相应位置为待人工复核区域，不自动输出平直度判定结论。

36、核心工作原理：

37、现有技术存在两条独立的技术路线，各自存在无法突破的瓶颈：

38、路线一：纯三维廓形配准方案，仅用于提升廓形测量精度，无法自动识别焊缝位置，必须人工指定测量起点，无法实现全自动化检测；

39、路线二：纯视觉/深度目标检测方案，仅用于识别焊缝位置，但受相机安装姿态、钢轨位置偏移影响，同一焊缝在不同工况下的深度图特征差异极大，模型必须逐安装、逐线路重新训练适配，泛化性极差。

40、本发明的核心突破在于将两条路线有机融合，构建“配准为检测前置、检测依托统一基准”的协同架构，从根源上同时解决两类问题：

41、在轨检车或便携式设备运行过程中，车辆振动、轨道曲线、线路不平顺等因素会导致线结构光3d相机相对钢轨的空间姿态持续变化，使各断面廓形存在平移与旋转偏差；直接基于原始数据检测会出现基准不统一、模型泛化性差的问题。

42、本发明引入标准钢轨廓形作为先验基准，通过“特征点粗配准+icp精配准”的两级架构，将所有实测断面统一至标准坐标系，从根源上消除安装姿态与钢轨位置带来的基准差异；再将配准后的轨顶面高度数据重构为归一化深度图像，把三维几何信息无损编码为适配深度学习框架的二维图像，此时所有工况下的深度图都处于同一几何基准，焊缝的高度台阶、粗糙度等特征完全一致，因此单一检测模型即可跨安装、跨线路、跨工况直接使用，无需重复适配。

43、同时，本发明定义基于物理属性的焊缝几何签名，构建“深度学习快速初筛+几何规则兜底校验”的两级定位机制：通过低阈值初筛快速过滤绝大多数无效干扰，保证检测效率；对中置信度的候选结果通过焊缝几何签名做物理规则校验，兼顾检测速度与定位可靠性，适配车载实时检测的算力与精度双重要求。最终严格遵循国铁修规的测量定义，通过最小二乘拟合基准线完成平直度量化，测量结果直接对标行业标准。

44、其有益效果在于：

45、1.通过标准廓形配准消除安装与位置偏差（第一类干扰），通过深度几何特征检测消除表面脏污干扰（第二类干扰）；且配准并非仅服务于单次测量精度，更作为深度图归一化的前置环节实现检测基准统一，使单一yolo模型可跨相机安装、跨线路、跨工况直接泛化，区别于现有技术中配准与检测相互独立的方案。

46、2.定义局部高度台阶与局部粗糙度构成的焊缝几何签名，既作为模型训练标签的几何一致性校验依据，也在检测置信度不足、模态冲突时作为兜底判定规则，有效降低黑盒模型的误检率，提升极端工况下的定位鲁棒性。

47、3.无需人工操作与现场标定，检测效率较人工直尺塞尺法提升数十倍，且不受人为操作差异影响；可选双模态融合方案进一步提升复杂场景下的检测可靠性，结果可追溯。

48、4.基于gpu并行加速架构，单米钢轨全流程处理时间不超过200ms，可支持轨检车160km/h行驶速度下的在线检测，无需占用线路天窗时间。

49、5.严格依据国铁修规在焊缝前后±1m范围内量化平直度，测量结果可与标准限值直接比对；全流程每一步中间数据均可验证追溯，测量精度优于0.05mm，满足行业检定要求。