一种基于结构光的轨道轮廓测量装置的制作方法

1.本发明涉及轨道交通技术领域，具体地说，涉及一种基于结构光的轨道轮廓测量装置。


背景技术：

2.随着中国城镇化率不断提高，人口向城市流动造成城市人口骤增，城市内部交通出行压力持续增加，与其他出行方式相比，地铁逐渐成为人们首选的出行方式，从而促使地铁线路和建设里程的快速增长，同时为了缓解上下班的交通压力，运营提速成为必然。然而地铁线路的日驱繁忙，加快了线路老化程度，使得轨道病害日益增多。
3.轨道在动力作用下将产生各种轨道不平顺和表面磨耗及缺陷。轨道不平顺向上会引起车辆运行的平稳性和舒适度变化，甚至造成脱轨、倾覆等恶性事件；向下则引发轨道扣件松动、轨下基础设施破坏等结果；对轨道本身而言，可能产生轨道裂纹，最终导致轨道断裂，严重缩短钢轨的使用寿命。因此，轨道检测装置是各种轨道交通系统所需要的。
4.传统的轨道检测主要针对轨道几何参数，检测方式有两种：静态检测和动态检测。静态检测主要设备为轨检小推车，正常工作时，需要人工推行，检测速度和检测效率较低，由于在检测过程中钢轨基本不受外力作用，不能反应线路在实际运行过程中轨道几何参数的变化情况，通常用轨检小推车来校核和精调新线路。目前当下主流的检测方式还是通过动态检测来实时对轨道钢轨的轮廓及几何参数进行检测。
5.综上所述，传统的静态轨道检测其检测参数具有局限性，作业方式繁琐，检测速度受限，检测效率较低，即无法真实反应线路实际运营过程中的轨道几何形态参数变化情况，为轨道结构设计、病害原因分析及维护标准制定等提供科学依据。而动态检测则需要一套可以实时、精准地识别轨道轮廓的测量装置才能够进行。故而一种新型的、更方便的、能够实时并且有着高检测精度的轨道轮廓测量装置是迫切需要的。


技术实现要素：

6.为了解决上述的技术问题，本发明提供一种基于结构光的轨道轮廓测量装置，其具有更方便、实时性、精准测量的特点。
7.本发明采用了以下的技术方案：
8.该轨道轮廓测量装置主要包含了两大部分，一部分是机械结构部分，一部分是装置算法部分。机械结构部分是使用了基于结构光的三角测量法的装置结构；算法部分主要在对数据进行处理的时候使用了改进型的海森矩阵结构光中心像素坐标提取算法。
9.机械结构部分是基于结构光的三角测量法的装置结构，其特征在于测量装置的传感器是由一个线性激光光源和一台高速摄像机所组成的。三角测量法确定了线性激光光源和高速摄像机的位置与结构之后，通过标定得到的像素平面坐标和激光平面坐标之间的关系，这样就能实现系统装置的测量功能。
10.装置算法部分采用的是改进型的海森矩阵结构光中心像素坐标提取算法，该算法
是基于传统的海森矩阵结构光中心提取算法再结合实际的工作环境所优化改进的一种新算法。传统的海森矩阵结构光中心像素提取算法是对曲线拟合思想的改进，通过计算图像的二阶偏导数矩阵以此来寻找光条的法线方向，处理时把图像按二维函数进行处理，寻找二维函数极值点，把像素点用二次泰勒公式展开，通过计算该多项式的极值的方法来寻求光带的中央位置。但是，传统的海森矩阵结构光中心像素提取算法具有一些缺点。由于个别实际环境成像光带的不均匀情况，或者是由于反光导致的局部像素饱和、散射的情况，传统的海森矩阵结构光中心像素提取算法就无法满足这些情况。本发明装置对其做出了一定的改进与优化。分别从光带图像采集及roi提取、粗略光带的提取、光带中心亚像素提取的三个方面对原有的算法进行改进优化。最终克服了原有算法在个别环境下成像光带的不均匀、反光导致的局部像素饱和、散射所引起的不能正确快速提取结构光中心像素的问题。
11.有益效果：本发明具有实时性、方便易操作、精准识别轨道钢轨轮廓的功能。机械结构科学合理，算法高速有效，并且克服了现实现场情况下一些难以克服的问题。
附图说明
12.为了更好的说清楚本发明实施例的装置和方法，下面对本发明实施例中描述需要使用的的附图进行简要介绍，显而易见的，下面描述中的附图仅仅是本发明的一个实施例，对于本领域普通技术员来讲，在不付出创造性劳动的前提下，还可以根据这些附图的原理获得其他的设计方案。
13.图1所示为本发明实施例轨道轮廓测量装置整体示意图；
14.图2所示为本发明实施例结构光测量传感器示意图；
15.图3所示为本发明实施例三角测量法原理示意图；
16.图4所示为本发明实施例三角测量模型原理示意图。
17.图例说明
18.1、结构光测量传感器 2、钢轨 3、高速摄像机 4、线性激光光源
具体实施方式
19.下面，将结合本发明附图，对本发明实施例中的技术方案，进行描述，显然，所描述的实施例仅仅是本发明的一部分具体实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.参见图1，图1为本发明实施例轨道轮廓测量装置整体示意图。其中整个测量装置总共包含四个结构光测量传感器(1)。因为四个结构光测量传感器(1)才能分别将左右轨道钢轨(2)轮廓廓形的全断面的数据采集下来。该装置主要用于动态轨道检测上，可以装载至轨检梁上或者相应其它合适的地方。可以辅助动态测量轨道轮廓及其几何形态。
21.参见图2，图2描述了本发明实施例结构光测量传感器(1)。该传感器(1)主要由一组线性激光光源(4)和一台高速摄像机(3)所组成。其机械结构是基于结构光的三角测量法的结构。通过改变高速摄像机(3)的焦距、调整高速摄像机(3)和线性激光光源(4)的基线距离、高速摄像机(3)和线性激光光源(4)的照射角度可以影响该结构光测量传感器(1)的测量量程。在对于轨道动态检测时，该传感器(1)可以根据现场环境的情况在设计传感器(1)
时对上述因素进行相应的调整，来满足对现场测量距离及精度范围。
22.参见图3，图3描述了本发明实施例三角测量法原理示意图。结构光三角测量模型的几何结构关系就如图3所示，通过寻找结构光的光平面和摄像机成像平面之间的转换关系来搭建的检测系统。图3中，o
c
x
c
y
c
z
c
坐标系为摄像机坐标系，ouv坐标系为图像像素坐标系，o
m
x
m
y
m
坐标系为光平面坐标系，o
m
x
m
y
m
z
m
坐标系是与世界坐标重合的光平面坐标系。则在o
m
x
m
y
m
z
m
坐标系下的光平面方程为：
23.z
m
＝0
24.对于光平面中一点p，在o
m
x
m
y
m
z
m
坐标系中的坐标为(x
m
，y
m
，0)，p点在图像中的投影像素点为p，p点像素坐标为(u，v)。其中的摄像机(3)成像模型，可以推出光平面p点与图像投影p点的关系，如下：
[0025][0026]
将上式进一步进行推理简化可以得到下式：
[0027][0028]
式中a是一个3
×
3的矩阵，包含9个参数，其中一个为比例因子设为1。该结构光测量模型描述了光平面上点p与图像平面上的对应像点p之间存在的一一映射关系，如果已知矩阵a和图像平面中任意一点p，就可以计算出其在光平面中的对应点p的坐标。若考虑镜头畸变带来的影响，则可用如下式表示：
[0029][0030]
该式描述了激光平面与图像坐标之间的转换关系，得到相关参数后就能通过图像的像素坐标求解对应的激光平面内的世界坐标。
[0031]
三角测量模型的搭建需要一台摄像机(3)和一个激光器(4)，确定了激光器(4)与摄像机(3)的位置和结构后，通过标定得到激光平面与像素平面坐标之间的关系，然后就能实现系统测量功能。
[0032]
参见图4，图4描述了本发明实施例三角测量模型原理示意图。说明了相机(3)和激光器(4)之间的位置关系。图中的几个坐标系均为右手坐标系。a点是结构光的射出点，且在x
c
o
c
z
c
坐标平面上，结构光平面与摄像机坐标系的x
c
o
c
z
c
坐标平面正交，交线为ab，b为o
c
z
c
轴即摄像机光轴与结构光光平面的交点。为a点和o
c
点之间的距离|ao
c
|＝l，为传感器(1)的基线距离，图中的三角形的夹角∠bao
c
＝α，∠bo
c
a＝β。
[0033]
根据模型位置关系，可以得到在系统坐标系o
l-x
l
y
l
z
l
下，由l，α，β等相关参数来描述结构光平面方程，方程如下式所示：
[0034]
cot(α β)
·
x
l
z
l-(sinα/sin(α β))l＝0
[0035]
根据测量系统的三角测量关系以及光平面方程进行参数求解，可以得到下面的关系描述：
[0036][0037]
根据上式对系统精度进行分析，分析结构参数对系统精度的影响。
[0038]
用ε
x
，ε
y
分别来表示像点(x，y)的误差，对于下式，设z
l
/f＝m，称为放大倍率。通过微分运算，可以得到像点(x，y)误差描述形式：
[0039][0040]
由上式可以得到如下结论：
[0041]
(1)当α β＝90
°
时，ε
zl
＝0，zl方向的误差最小，且不受其他结构参数的影响，但是要根据现场环境的实际情况来调整角度。
[0042]
(2)基线距离l与测量误差成反比关系。
[0043]
(3)放大倍率m越大，测量系统的误差也越大，放大倍率和测量物体距离和焦距相关。
[0044]
通过上面的分析可以指导选择合适的高速摄像机(3)焦距，对结构光测量传感器(1)机械结构设计的安装角度和距离有重要的理论依据和指导意义；也可以通过其改变相应的要素来满足现场测量环境的测量要求。
[0045]
本发明算法分别从光带图像采集及roi提取、粗略光带的提取、光带中心亚像素提取的三个方面对原有的算法进行改进优化。
[0046]
光带图像的采集及roi的提取，采集到光带图像后，对图像处理的第一步是进行图像定位，为了减少计算量，需要对图像进行初步定位。首先通过大津阈值法求解光带和背景阈值。大津法是通过计算灰度值的类间方差，得到分离前景和背景的阈值。获取到阈值后进行二值化。对图像区域进行相关处理，得到需要处理图像的rio区域。相当于给图像处理过程加上掩码，后续操作时仅对掩码区域进行操作。
[0047]
粗略光带的提取首先通过形态学方法得到边缘轮廓坐标后，通过边缘轮廓坐标计算激光条的初始中心坐标。同时通过边缘轮廓线计算每个位置光带的线宽，用于海森矩阵算法高斯核的确定。通过线宽的取值，可以分等级计算多种线宽下的高斯卷积模板。接着对获得的光带中心线和边缘轮廓线进行中值滤波，进一步减轻图像中光带宽度差异过大的问
题。对光带区域进行高斯滤波，去除光带中的杂点和高频噪声的影响。经过上述一系列的处理得到了粗略光带中心位置、均匀光带区域以及光带的线宽参数。
[0048]
光带中心亚像素的提取是得到了初步的像素坐标后，通过形态学方法提取的精度是在像素级别的，假设该方法提取精度在
±
n个像素以内。海森矩阵方法需要判断每个点是否满足要求，为了加快算法的判断速度，本发明算法仅仅对初始中心坐标前后n个像素进行高斯卷积计算。高斯核的设定值决定本发明的算法精度，海森矩阵算法的高斯卷积模板需要根据线宽来设置，如果采用实时计算高斯核，会使得计算量庞大，使得系统效率更低，一般都是采用固定的高斯核参数进行计算。本发明采用自适应高斯卷积模板的方法来实现变线宽光带处理。在图像分析阶段，通过分析光带条纹的线宽变化规律，可以初步判断得到光带宽度区间，通过对光带宽度区间进行等级划分，设分段间隔阈值为th
mn
，每个宽度等级计算一个卷积模板，这样就可以在处理过程中根据不同的光带线宽选取模板。一般情况下的光带宽度在五至二十五个像素范围内变化，可以根据实际情况设置合适的分段阈值。光带宽度变化一般都是渐变的，所以在模板选择过程中可以进行优化。具体处理过程如下，设经过图像形态学算法得到的线宽数组为s，对数组s进行分段处理。通过计算梯度值得方法进行分段，计算s相邻元素之间梯度累加和s
mn
，根据设置得卷积模板的分段间隔th
mn
，设为为梯度阈值，若s
mn
≤th
mn
，则继续当前的过程，否则重新计算光带宽度s。m，n分别为该段光带的起始和结束位置。根据计算得到的线宽选择合适的卷积模板。根据线宽的实时变化，实现自适应选择高斯卷积模板。改进的海森矩阵算法不仅能够提高计算效率，通过选择合适的高斯核，还能够提高提取精度。
[0049]
本发明基于结构光的轨道轮廓测量装置的效果在于规避了传统的静态轨道钢轨(2)测量。机械结构上采用了三角测量法的模型结构。在算法上对海森矩阵算法进行了改进计算，算法效率明显得到了提升。在光带不均匀、成像质量低、光条宽度变化等环境恶劣的情况下，本发明依然能够高效、快速、准确、无误地实现光带的精确提取，能够正确无误地反应出轨道轮廓的几何形态，为整个测量装置的精度与实时性提供了保证。
[0050]
以上所述的具体实施方式，对于本发明的技术路线，基于结构光的轨道轮廓测量装置原理及有益效果进行了详细的说明，应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡是在本发明的精神和原则之内，所做的任何修改，等同替换，改进等，均应包含在本发明的保护范围之内。