本發(fā)明屬于檢測領(lǐng)域，涉及一種鋼軌磨耗自動檢測方法，特別涉及基于一字線激光圖像處理和微處理器的能夠有效檢測鋼軌軌頭表面磨耗深度和寬度一種鋼軌磨耗自動檢測方法。

背景技術(shù)：

鐵路是交通運輸?shù)拇髣用}，相比其他運輸方式，重載鐵路運輸以運量大、成本低的特點在世界各地迅速發(fā)展起來。在軌道設(shè)備中,鋼軌是最重要的組成部件,直接承受列車載荷并引導車輪運行。鋼軌的技術(shù)狀態(tài)是否完好,直接影響著列車能否按規(guī)定的速度安全、平穩(wěn)和不間斷的運行。鐵路機車是通過輪軌間的摩擦力來傳遞驅(qū)動力和制動力,而輪軌間的摩擦則會導致鋼軌磨耗的產(chǎn)生。隨著機車的高速、重載、高密度運行,鋼軌的磨耗就會快速度的增加,特別是小半徑曲線外軌內(nèi)側(cè)面磨耗尤為嚴重。

鋼軌磨耗的檢測技術(shù)經(jīng)過了從簡單目測到尺規(guī)類工具檢測、數(shù)字化儀器檢測等過程。目前，我國在鋼軌磨耗檢測方面有接觸卡具測量、渦流檢測、光學三角測量等主要方法，檢測結(jié)果往往取決于檢測工人的態(tài)度和儀器使用的經(jīng)驗，這些方法存在著檢測效率低、檢測精度不高等諸多問題，已不能滿足目前高速化的發(fā)展需要。雖然現(xiàn)在出現(xiàn)了一種利用激光檢測鐵軌表面磨耗的檢測設(shè)備，但不能實現(xiàn)精準的步進式檢測，其他檢測方法也只是停留在理論研究層面。

技術(shù)實現(xiàn)要素：

為了優(yōu)化鋼軌磨耗的檢測及計算過程，本發(fā)明提出了一種鋼軌磨耗自動檢測方法，其技術(shù)要點是：采集鋼軌的激光圖像，并與完整鋼軌激光光帶圖像進行圖像比對，以判斷檢測鋼軌是否有磨耗，判斷鋼軌有磨耗的，選擇并提取與鋼軌磨耗量相關(guān)的激光圖像特征量，以計算得到鋼軌磨耗深度和/或?qū)挾取?/p>

有益效果：本發(fā)明才采集的鋼軌激光圖像與完整圖像進行比對，以判斷是否采集圖像中的鋼軌存在磨損，并在判斷為磨損時，進一步選擇特征量以計算得到磨損，先定性判斷磨耗，再定量計算磨耗深度和寬度的思路，以及在計算過程中，對特征量進行選擇，以優(yōu)化磨耗深度和寬度的計算過程。

附圖說明

圖1為實施例2中所述鋼軌磨耗自動檢測裝置的結(jié)構(gòu)框圖；

圖2為無磨耗激光圖像示意圖；

圖3為有磨耗激光圖像示意圖；

圖4為亮度曲線及圓盤直徑示意圖；

圖5為數(shù)據(jù)點及特征量的標記示意圖。

具體實施方式

實施例1：一種鋼軌磨耗自動檢測方法，采集鋼軌的激光圖像，并與完整鋼軌激光光帶圖像進行圖像比對，以判斷檢測鋼軌是否有磨耗，判斷鋼軌有磨耗的，對采集的激光圖像進行激光圖像處理，所述激光圖像處理包括圖像預處理和圖像邊緣提取，激光圖像處理后，選擇并提取與鋼軌磨耗量相關(guān)的激光圖像特征量，以計算得到鋼軌磨耗深度和寬度。其中：所述提取與鋼軌磨耗量相關(guān)的激光圖像特征量為以下特征量中的一種以上：

1)激光圖像的兩段直線部分的長度l_A和l_B；

2)兩段直線激光圖像的寬度差e；

3)兩段直線激光圖像的縱向位置差z；

4)兩段直線激光圖像間過渡段的長度l_C；

5)兩段直線激光圖像間過渡段的傾角θ；

磨耗寬度和磨耗深度統(tǒng)稱為鋼軌磨耗的特征量，選擇上述中一個或多個激光圖像特征量，用于計算鋼軌磨耗的深度和寬度；

而在計算鋼軌磨耗的深度和寬度時，并非選擇全部的上述激光圖像特征量進行計算，為了優(yōu)化計算過程，選擇激光圖像特征量的組合作為計算鋼軌磨耗的深度和寬度的基礎(chǔ)計算數(shù)據(jù)，選擇該組合時的方法是：首先確定與該磨耗特征相關(guān)的激光圖像特征量，并從激光圖像特征量中選擇首選特征量，計算其余各激光圖像特征量與首選特征量的相關(guān)度系數(shù)，并求其平均值，該平均值即為特征量選擇的閾值β，若其中某兩個激光圖像特征之間的相關(guān)系數(shù)的絕對值|rTij|≥β，該兩個激光圖像特征是相關(guān)冗余特征，只選擇其中一個作為鋼軌磨耗判斷的激光圖像特征量。即在選擇用于判斷的激光圖像特征量的組合時，假設(shè)M是在具有磨耗的鋼軌上定點采集到的特征樣本集合，該集合包含N個固定點的反應磨耗的激光圖像特征量，選擇相關(guān)度系數(shù)作為度量參數(shù)，該參數(shù)體現(xiàn)特征之間的相似性，兩個激光圖像特征是相關(guān)冗余特征，只選擇其中一個作為鋼軌磨耗判斷的激光圖像特征量，用于尋找可以有效判斷鋼軌磨耗寬度和深度的最少激光圖像特征量的組合。

作為一種實施例，上述中相關(guān)度系數(shù)作為度量參數(shù)，以體現(xiàn)特征間相關(guān)性的具體方法是：使用設(shè)兩組不同的激光圖像特征分別為：T_i＝{t_ik,k＝1,2,…,n}和T_j＝{t_jk,k＝1,2,…,n}，其中k表示第k個測試點，共有n個測試點，則兩組激光圖像特征的相關(guān)系數(shù)定義如下：

式中，和分別為兩組特征T_i和T_j的平均值：和

相關(guān)系數(shù)rT_ij反映了兩組特征T_i和T_j的相關(guān)程度，rT_ij的取值為負時，表示兩特征負相關(guān)；rT_ij的取值為正時，表示兩特征正相關(guān)；當rT_ij＝0時，兩磨耗特征之間是不相關(guān)的，當rT_ij的絕對值越接近于1時，兩激光圖像特征的相關(guān)程度越高，產(chǎn)生的冗余性越大，在反應鋼軌磨耗的激光圖像特征集合中，利用各激光圖像特征量之間的相關(guān)系數(shù)，設(shè)置閾值β，若其中某兩個激光圖像特征之間的相關(guān)系數(shù)的絕對值|rT_ij|≥β，該兩個激光圖像特征是相關(guān)冗余特征，只選擇其中一個作為鋼軌磨耗判斷的激光圖像特征量。

在另一實施例中，對于上述所述的閾值β的確定方法是：對于某單一的激光圖像特征量，選中其作為首選特征，判斷其余激光圖像特征量為冗余特征的可能性的方法是：確定首選特征后，通過計算獲得鋼軌磨耗寬度和深度相關(guān)激光圖像特征集合中與首選特征量之間的相關(guān)度系數(shù)，將該組相關(guān)度系數(shù)數(shù)據(jù)的均值設(shè)置為閾值β，閾值β的確定方法是：

其中：式中c為特征量的數(shù)量，l為首選特征量的序號，j為備選特征量的序號。

由此，上述實施例，求得特征間的相關(guān)系數(shù)以得到特征間冗余的可能性大小，將該組相關(guān)度系數(shù)數(shù)據(jù)的均值設(shè)置為閾值β，以此閾值作為判斷特征是否冗余的依據(jù)，從而在判斷兩特征冗余時，只選擇冗余特征間的一個作為計算磨耗的深度和寬度的激光圖像特征，以優(yōu)化計算過程，以此得到最少特征組合。

作為一種實施例，具體公開磨耗深度和寬度的計算方法：激光圖像的兩段直線部分的長度l_A作為磨耗寬度檢測的首選特征，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測的首選特征；由兩組激光圖像特征的相關(guān)系數(shù)計算得到激光圖像的兩個直線部分的長度l_A和l_B作為磨耗寬度檢測的特征量，兩段直線激光圖像的縱向位置差z作為磨耗深度檢測的特征量，磨耗寬度計算公式為：

其中，l為沒有磨耗鋼軌的寬度；

磨耗深度計算公式為：

V＝z·tan60°

作為一種實施例，所述圖像預處理包括如下步驟：

首先將圖像灰度化，繪制灰度圖像的直方圖，找出灰度集中范圍；

然后使用下述公式，對灰度圖像進行灰度增強，使圖像更加清晰；

其中：a、b分別為灰度圖像直方圖中灰度值集中分布的左右邊界點，x、y分別代表灰度增強前后的灰度值。

作為一種實施例，所述圖像邊緣提取的方法，包括如下步驟：

任取一條沿水平方向分布像素點的中值濾波亮度曲線，在該曲線最大峰值兩側(cè)分別取出亮度梯度變化最大的連續(xù)點，取該兩組連續(xù)點的中點p和q，p和q之間距離作為檢測模板直徑；

設(shè)圖像的亮度為f(i,j)，在圖像場內(nèi)取一個圓s(c,r)作為檢測模板，其中c為圓心，其坐標為(i_c,j_c)，r為半徑；

定義s(c,r)內(nèi)像素點的集合，并記圓s內(nèi)像素點的亮度和為：

使檢測模板圓心在水平方向的小范圍內(nèi)移動，計算每一位置檢測模板內(nèi)各像素亮度和，該范圍內(nèi)亮度和最大的模板圓心位置，即為該亮條的一個像素級屋脊邊緣點，利用最小二乘法擬合直線，該直線即為一字線激光圖像中心線，所述小范圍是以圓心為中心點左右各2倍半徑的圖像區(qū)間，以得到激光圖像的兩段直線部分的長度l_A和l_B，兩段直線激光圖像間過渡段的長度l_C。

實施例2：作為實施例1技術(shù)方案的補充，或者作為一種單獨的實施例：磨耗主要出現(xiàn)在鋼軌的頭部，磨耗的包括頂面磨耗和側(cè)面磨耗，檢測時必須同時檢測這兩個數(shù)值，來綜合判斷鋼軌的磨耗程度。本實施例利用高強度窄束一字激光光束，激光器與一字線光束所在平面和被測鋼軌表面呈60°角，高分辨率面陣CCD圖像傳感器位于激光圖像的正上方拍攝激光圖像。在有磨耗的鋼軌表面光束圖像出現(xiàn)了彎曲，通過彎曲點出現(xiàn)的位置及彎曲程度確定鋼軌磨耗的寬度及深度。

鋼軌磨耗自動檢測裝置包括：一字線激光器、CCD圖像傳感器、微處理器、執(zhí)行單元、顯示和聲光報警單元以及接口單元。CCD圖像傳感器采集激光圖像，所獲得的圖像信息傳輸給微處理器進行分析處理，提取圖像邊緣和中心位置并擬合直線，形成完整鋼軌激光光帶圖像輪廓，將圖像信息轉(zhuǎn)換成鋼軌輪廓參數(shù)，存儲鋼軌輪廓的特征量，并與完整鋼軌參數(shù)進行比對，判斷鋼軌是否存在磨耗。沒有磨耗繼續(xù)進行下一點檢測；有磨耗，進一步確定磨耗量，包括磨耗的深度和寬度。執(zhí)行單元接受微處理器的控制信號，控制檢測裝置的行進方向和速度，調(diào)節(jié)CCD圖像傳感器的方位，微處理器的輸出端分別與LCD顯示器和聲光報警系統(tǒng)連接，LCD顯示器用于顯示鋼軌的當前位置和磨耗程度，聲光報警系統(tǒng)用于提示鋼軌當前位置存在磨耗，需要修復。接口單元用于與上位機交換信息，上位機可以進一步對磨耗位置的圖像進一步精細處理，確定精確地磨耗量。

圖像預處理是激光圖像邊緣提取的前期處理階段，首先將圖像灰度化，繪制灰度圖像的直方圖，找出灰度集中范圍，利用公式(1)(其中a、b分別為灰度圖像直方圖中灰度值集中分布的左右邊界點，x、y分別代表灰度增強前后的灰度值)對灰度圖像進行灰度增強，使圖像更加清晰。

一字線激光圖像的邊緣檢測采用“屋脊形”邊緣檢測方法?；趩我幌袼攸c亮度的邊緣檢測方法抗噪聲能力較差，為了降低圖像噪聲的干擾，把某一區(qū)域內(nèi)各像素點亮度和作為“屋脊形”邊緣判別依據(jù)。由于圓具有各向同向性，不受屋脊形邊緣方向的影響，因此，本發(fā)明采用圓盤法“屋脊形”邊緣檢測方法。將大小適當?shù)膱A盤檢測模板在一字線激光圖像兩側(cè)的一定范圍內(nèi)移動，當模板內(nèi)各像素點的亮度和的梯度變化滿足一定要求時，模板的中心點為屋脊形邊緣點。

任取一條沿水平方向分布像素點的中值濾波亮度曲線，在該曲線最大峰值兩側(cè)分別取出亮度梯度變化最大的連續(xù)點，取該兩組連續(xù)點的中點p和q，p和q之間距離作為檢測模板直徑，如圖3所示。

設(shè)圖像的亮度為f(i,j)，在圖像場內(nèi)取一個圓s(c,r)作為檢測模板，其中c為圓心，其坐標為(i_c,j_c)，r為半徑。定義s(c,r)內(nèi)像素點的集合：

并記圓s內(nèi)像素點的亮度和為：

使檢測模板圓心在水平方向的小范圍內(nèi)移動，計算每一位置檢測模板內(nèi)各像素亮度和，該范圍內(nèi)亮度和最大的模板圓心位置，即為該亮條的一個像素級屋脊邊緣點。利用最小二乘法擬合直線，該直線即為一字線激光圖像中心線。檢測出的邊緣點及擬合的直線如圖4所示。

進一步提取和鋼軌磨耗量相關(guān)激光圖像特征量，包括特征量的選擇方法和閾值的確定。

本發(fā)明主要涉及的鋼軌磨耗的寬度和深度，通過激光圖像的彎曲程度可以確定鋼軌磨耗的寬度和深度，有以下幾個特征量可用于選擇：

1)激光圖像的兩段直線部分的長度l_A和l_B；

2)兩段直線激光圖像的寬度差e；

3)兩段直線激光圖像的縱向位置差z；

4)兩段直線激光圖像間過渡段的長度l_C；

5)兩段直線激光圖像間過渡段的傾角θ。

可以選擇一個或多個特征量用于判斷鋼軌磨耗的深度和寬度，在選擇用于判斷的特征量的組合時，要求不同類特征具有顯著差別，避免冗余特征干擾判斷。假設(shè)M是在具有磨耗的鋼軌上定點采集到的特征樣本集合，該集合包含n個固定點的磨耗特征。選擇相關(guān)度系數(shù)作為度量參數(shù)，該參數(shù)可體現(xiàn)特征之間的相似性，用于尋找可以有效判斷鋼軌磨耗寬度和深度的最少特征量的組合。設(shè)兩組不同的磨耗特征分別為：T_i＝{t_ik,k＝1,2,…,n}和T_j＝{t_jk,k＝1,2,…,n}，其中k表示第k個測試點，共有n個測試點，則兩組特征的相關(guān)系數(shù)定義如下：

式中，和分別為兩組特征T_i和T_j的平均值：和

相關(guān)系數(shù)rT_ij反映了兩組特征T_i和T_j的相關(guān)程度，rT_ij的取值為負時，表示兩特征負相關(guān)；取值為正時，表示兩特征正相關(guān)。當rT_ij＝0時，兩特征之間是不相關(guān)的。于是當rT_ij的絕對值越接近于1時，表示兩特征的相關(guān)程度越高，此時可能產(chǎn)生的冗余性越大。

在鋼軌磨耗的特征集合中，利用各特征量之間的相關(guān)系數(shù)，設(shè)置閾值β，若其中某兩個特征之間的相關(guān)系數(shù)的絕對值|rT_ij|≥β，說明這兩個特征是相關(guān)冗余特征，只能選擇其中一個作為鋼軌磨耗判斷的特征量。

對于某單一特征，其與鋼軌磨耗深度和寬度的直接關(guān)系越大、判斷方法越簡單，用于判斷磨耗量的可行性越高，被選中的可能性越大，被選中的特征作為首選特征。判斷某一特征為冗余特征的可能性，依據(jù)其與首選特征的相關(guān)性，相關(guān)性越高，則成為相關(guān)冗余特征的可能性越大。在確定首選特征后，通過計算獲得鋼軌磨耗寬度和深度相關(guān)特征集合中與首選特征量之間的相關(guān)度系數(shù)，將該組數(shù)據(jù)的均值設(shè)置為閾值β，如式(4)所示:

確定特征量后，計算檢測位置的鋼軌磨耗量，進行存儲和顯示，有超限磨耗時啟動聲光報警裝置。

在離線情況下接口單元用于與上位機交換信息，上位機可以進一步對磨耗位置的圖像進一步精細處理，確定精確地磨耗量。由于采用上述技術(shù)方案，本實施例提供的一種鋼軌磨耗自動檢測裝置具有這樣的有益效果，由于采用圖像處理的方法，在微處理器的控制下，脫離PC機的控制，裝置可以在操作人員的設(shè)定下自動運行。設(shè)備有一定的完善性和實效性，便于檢測人員的使用，不僅操作簡單、檢測結(jié)果準確，而且生產(chǎn)制造成本低。

以上所述，僅為本發(fā)明創(chuàng)造較佳的具體實施方式，但本發(fā)明創(chuàng)造的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明創(chuàng)造披露的技術(shù)范圍內(nèi)，根據(jù)本發(fā)明創(chuàng)造的技術(shù)方案及其發(fā)明構(gòu)思加以等同替換或改變，都應涵蓋在本發(fā)明創(chuàng)造的保護范圍之內(nèi)。