《某gj3和gj4型轨检车轨距轨向检测装置项目可行性研究报告.doc》由会员分享，可在线阅读，更多相关《某gj3和gj4型轨检车轨距轨向检测装置项目可行性研究报告.doc（59页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、XX铁道科学研究院研究报告GJ-3型和GJ-4型轨距轨向检测装置的研制XX基础设施检测中心1院总编号： 2中心编号： 3参加单位目录号：4报告题目： GJ-3和GJ-4型轨检车轨距轨向检测装置的研究5报告日期： 05年3月6项目编号：7项目组长或作者：作者：8合同编号：9项目组成员：10报告类型： 研究报告11密级：非密12关键词：轨检车、轨距、轨向、检测模型、图像处理13主编：14内容摘要：GJ-3和GJ-4型轨道检查车是为检查轨道病害、指导线路维修、保障行车安全而研制的大型动态检测设备。该设备的轨距轨向测量装置采用安装于轴箱上的轨距吊梁方式，其安全性及可靠性方面不能满足铁路大提速的要求，为
2、此XX科技司设立了该装置的研究项目。项目组在大量调研的基础上，采用了当今国际在该领域内的先进技术，以钢轨断面图像检测方式，实现轨距轨向的实时测量。本文系统地论述了该装置的检测模型、基本原理、图像处理的基本方法及采用FPGA数据处理芯片实现系统集成，并以郑州局DJ998416轨检车为试点进行的改造工作。在对轨距-轨向检测系统进行改造的同时，检测中心同时对此车的波形显示、编辑与打印报表等数据处理系统进行了全面升级，经系统调试、验收，轨检车于2003年12月底交付郑州局使用。15项目完成单位：XX基础设施检测中心 地 址： 邮 编：16项目组长(签字)17中心学委会主任(签字)18主管主任(签字)
3、技术报告文件专页GJ-4型轨检车轨距-轨向系统改造目 录1. 国内外轨检车现状11.1 国内轨检车概况11.2 国外轨检车轨距轨向检测系统22. 轨距轨向检测装置研制的必要性与实现目标33基本原理43.1 轨距检测系统基本原理43.1.1 坐标变换63.1.2亮带细化103.1.3图像处理103.1.4 系统标定173.1.5 系统构成183.2 轨向合成原理233.2.1 利用GJ-4型车原有惯性系统合成轨向243.3 数据采集和处理系统333.3.1 数据采集和处理系统总体结构333.5.2 数据处理系统344. 转向架部分改造方案394.1 适应新轨距-轨向检测系统的改造394.2 建议
4、对转向架的进一步改造435. 系统测试与性能检验475.1 系统精度检验475.2 系统重复性检验485.3 系统长途稳定性检验516. 结束语52附件1 GJ-4型轨检车轨距轨向改造内容5355中国铁道科学研究院GJ-3型和GJ-4型轨距轨向检测装置的研制GJ-3型和GJ-4型轨距轨向检测装置的研制近年来GJ-3型和GJ-4型轨道检查车被广泛应用于线路检查工作，对保证铁路运输安全和提高旅客列车的平稳舒适性均发挥了重要作用。但GJ-3和GJ-4型轨检车的轨距-轨向测量装置采用安装于轴箱上的轨距吊梁检测方式在安全性及可靠性方面不能满足铁路大提速的要求，为此XX运输局下发运基设备2000312号文
5、要求对GJ-4型轨检车的轨距-轨向系统进行改造。检测中心开始对“新型轨距、轨向检测系统”的技术展开研究，并在高速图像处理的关键技术方面形成突破，实现了采用摄像技术实时检测轨距、轨向的功能。同时对GJ-4车的波形显示、编辑与打印报表等数据处理系统进行了全面升级，经系统调试、验收，于2003年12月底交付郑州局使用。1. 国内外轨检车现状1.1 国内轨检车概况目前国内轨检车轨距、轨向测量装置大量采用安装于轴箱的轨距吊梁式检测系统。随着我国铁路运行速度不断提高，一方面轨检车的检查密度增加，运营更加频繁；另一方面轨距吊梁工作环境恶化，承受的振动和冲击加大；使轨距吊梁运用中存在安全隐患，一旦发生断梁事故
6、，不仅中断检测工作，而且严重影响行车安全。同时检测速度提高后，轨距吊梁相对于安装基准的振动位移加大，造成轨距、轨向测量准确性显著下降，甚至有时无法检测，严重影响了线路检查工作。据不完全统计，目前，大部分GJ-4型轨检车检测速度达到120公里/小时后，由于轨距吊梁的振荡，轨距轨向无法正常检测。少数轨检车，如998386和998387轨检车，在速度达到105公里/小时后，轨距吊梁就开始振荡，导致轨距轨向无法检测。实际上，从1997年开始，随着检测速度的提高，陆续发生了北京局97990、部97623、成都局97738、乌鲁木齐局97742轨检车断梁事故，采用该种检测方式的GJ-4型和GJ-3型轨检车
7、存在的安全隐患不能小视。而且，为防止断梁事故，一般列车运行10万公里要更换检测梁，但这只是解决安全隐患的补救措施，不能从根本上解决问题。同时随着列车运行速度的提高，维护检测精度的难度增加，维修工作量大大增加，在快速线路检查中，经常出现因来不及维修而出现漏检现象。因此，有必要采用新技术对原有装备进行改造，以提高轨道检测系统的可靠性，满足铁路提速后对线路质量状况监测的要求。1.2 国外轨检车轨距轨向检测系统上世纪80年代以来，通常采用一维光电位移传感器，为满足测量系统的定位要求，安装基准一般选择在以轮对为刚体的结构上。如美国ENSCO公司T10系列轨检车、德国轨检车等，从测量原理角度来看，测量链的
8、简捷有助于提高测量系统的精度。但是，随着检测速度的提高，轮轨作用力的增大，轴箱的振动随之增大，工作环境的恶劣束缚了检测系统的性能。随着传感器技术及计算机技术的发展，开始采用二维光电位移传感器，如面阵CCD、PSD、CMOS芯片等。较为典型的系统如美国Imagemap公司的Laserall系统及日本“黄色医生”轨检车。前者采用线型激光光源、摄像机、图像处理系统，通过对钢轨断面轮廓图像的测量获得轨距、轨向测量值。后者采用线型激光光源、二维PSD敏感器件、信号处理系统，通过系统结构确定的几何关系获得到被测点的测量值。因此，上世纪90年代末期，满足于更高精度和检测速度的激光和摄像技术获得应用并逐步取代
9、了原有的其他检测系统。目前，当今世界高速铁路发达的国家，激光和摄像检测技术获得了广泛的应用，而且，已成为目前世界上轨道检测系统的主流。如日本、美国、法国、德国、意大利等 ，均不同程度采用了该检测技术，从而提高了系统检测速度、精度和可靠性。2. 轨距轨向检测装置研制的必要性与实现目标鉴于GJ-3型和GJ-4型轨检车轨距轨向系统安全性的缺陷和其较高的故障率，该检测子系统的更新换代成为当务之急。本项目的主要研究目标采用国产的轨距轨向子系统集成到现有国内大量使用的GJ-3型和GJ-4型轨检车的检测系统中。借鉴国外的先进经验，研制出摄像方式的轨距、轨向测量系统。同时，随着现代社会数据处理手段和信息化程度
10、的不断提高，原有GJ-3型和GJ-4型轨检车的数据处理系统已无法适应当前铁路“提速、高速、重载和信息化”的要求。具体表现如下：（1）由于GJ-4型轨检车检测系统采用热敏绘图仪输出检测波形，热敏绘图仪属进口产品，维修成本很高，很难提供及时的零配件供应；热敏绘图纸的成本远远高于普通的复印纸，而且用绘图纸记录检测波形，工作人员在查找线路病害、进行两次数据对比，以及对检测波形图进行保存等方面很不方便。（2）由于现有的GJ-4型轨检车数据处理系统采用的操作系统为QNX，采用命令行进行超限编辑，用数据文件对检测数据进行存储。用户在操作和维护等方面存在很多不便，同时也很难对其数据进行查询、分析和再利用。大大
11、束缚了利用轨检车数据进行综合分析，从而科学、有效指导养护维修线路的能力。因此，为提高轨检车的数据处理水平，提高轨检行业的信息化程度，拟对轨检车系统进行如下改进工作：在windows2000系统下编写波形图显示打印软件，实现功能包括：用计算机实时存储、显示、打印波形图，可进行波形图准确测量，实现当前检测数据与历史数据进行波形对比，综合比较分析轨道变化原因等功能，取代原有的热敏波形绘图仪。在windows2000系统下编写超限编辑软件，实现原有GJ-4型轨检车的所有功能，如超限编辑和报表输出。同时将轨道检测相关数据存储在轨道管理数据库中进行管理和利用，并保证各种型号轨检车数据库格式的统一。改造后的
12、轨检车超限数据库采用通用数据库方式，便于检测数据的再利用并与新型轨检车一致，可下载到检测中心正在建设的检测数据中心数据库，打印表格规范统一。3基本原理3.1 轨距检测系统基本原理该装置采用图像测量技术，由摄像传感器获取钢轨断面轮廓图像，对该图像进行实时处理，从而得到钢轨上被测点的空间位置信号。该方案又分为机器视觉方案和激光测距方案两种。激光测距方案成本高，技术难度大。我们采用机器视觉方案并配备一套带状结构光源照明系统，所以又称为光取断面法。其结构原理如图1所示：激光光源摄像头轨向加速度计 图1 在理想情况下，用光源照亮被测物体的断面轮廓线，用摄像机采集断面垂直方向的图像，即可提取断面轮廓图像。
13、但这种理想情况是无法实现的：首先，被测物体表面被照亮的部分不是厚度为零的亮线，而是有一定厚度的亮带。其次，由于现场安装条件所限，不可能在断面垂直方向安装摄像机，只能从斜侧方向采集图像。因而我们必须解决两大问题：一是必须找到亮带的中心线，二是对图像进行几何矫正。钢轨断面检测系统的光机配置如图2所示，系统工作原理框图如图3所示。各方框的功能介绍如下：图像采集：调用图像卡库函数，将视频图像采集到计算机内存。图 2 图3亮带搜索：亮带图像只占视频图像的一部分。为提高处理速度，应根据亮带的某些特征，提取出亮带图像的上下左右边界，用窗口套住亮带图像，只处理窗口内的图像，不处理窗口外的图像。图像处理：包括低
14、通滤波，中值滤波，灰度校正，直方图均衡，二值化，分区标号等。亮带细化：目的是找出亮带的中心线。有两种方法：一是二值图像的细线化算法，包括细线化，消除短枝和间隙等。二是灰度图像的细化算法。坐标变换：目的是对图像进行几何校正。数据处理和数据库：将实测轮廓线与标准轮廓线进行比较，并测量其左、右轨距的偏差值。图像库：压缩存储视频图像。系统标定：在亮带细化和坐标变换中，通常有八个参数需要确定，系统标定就是要得到这些参数。为了在工作中参数保持不变，光源与摄像机应安装在一个坚固构件上，使其相对几何位置保持不变。光源照射平面应与钢轨纵轴保持垂直。作到上述两点，既能保证标定参数不变。3.1.1 坐标变换摄像传感
15、器的物像共轭关系如图 4所示，E为物平面（地平面），P为像平面（CCD光敏面），S为投影中心（物镜的物方节点和像方节点合二而一）。P平面与E平面相交于迹线TT (又称为透视轴)。过S点作P平面的垂线，与P平面相交于像主点o,与E平面相交于o的相应点O,即为物镜的主光轴,So即为物镜的主焦距f。过S点作E平面的垂线，与 P平面的交点为像底点n，与E平面相交于N，SN为物镜的物距H。包含主光轴SO和铅垂线SN的平面W为主纵面（又称为主垂面）。W与E平面的交线VV为摄影方向线。主光轴SO和铅垂线SN的夹角为相片倾角。W与P平面的交线vv与相片坐标系y轴的夹角k为相片旋转角。在主纵面内过S点作倾角的平
16、分线，与像平面P的交点为等角点c，在E平面上的相应点为C。过S作直线平行于VV，与P平面相交于主合点i. 过S作直线SI平行于vv，与E平面交点为I，称为遁点。在像平面P上以等角点c为原点取直角坐标系cxcyc,cxc垂直于主纵面W，cyc在W中与vv重合。 图 4在物平面E上，以等角点c的对应点C为原点，取直角坐标系CXcYc，CXc垂直于W，Cyc在W中，并与摄影方向线VV重合。 物平面上一点A在像平面上的像为a，A在CxcYc坐标系中的坐标为（Xc,Yc），a在cxcyc坐标系中的坐标为（xc,yc）。根据几何关系有 XC/xc=SA1/Sa1=H/Sd因为Sia1=,所以Sd=a1i*
17、sin=(ci-ca1)sin在直角三角形Soi中，因为Soi=90度，Sia1=，所以iSo=90-，iSc=iSo+/2=90-/2。在直角三角形Soc中，因为Soc=90度，oSc/2，所以 icS=90-/2iSc因而Sic是等腰三角形，所以Sd=(Si-yc)sin=(f/sin-yc)sin=f-ycsin得XC=xc (1)同样在W平面内，因为SCA1Sea1得YC/ea1=SA1/Sa1=SN/Sd=H/Sd因为ea1cSic, Sic是等腰三角形，所以ea1c也是等腰三角形，则a1e=a1c=yc,所以YC=yc (2)可进一步化简为XC=xc (3)YC=yc (4)式中H
18、=H/sin=SI (5)F=f/ sin=Si (6)对一张图片而言是定值，SI和Si是极平行四边形的两个边。 上面得出了一种像点与对应物点在以等角点C为原点的坐标系中的关系式。根据需要还可以得出其他形式的坐标关系式，如：1） 以像主点o和对应点O为原点的坐标关系式： XO=xo (7) YO=yo (8)2) 以像主点o和底点N为原点的坐标关系式： XN=xo (9) YN=H (10)3) 以主合点i和遁点I为原点的坐标关系式： XI=- (11) YI=- (12) 在一般情况下，取像片平面直角坐标系oxy，取物方平面直角坐标系OoXY。像片平面直角坐标系oxy与以等角点为原点底坐标系
19、cxcyc之间的关系如图5所示。(xc,yc)与（x,y）之间的关系如下： xc=xcosk-ysink+dx (13) yc=xsink+ycosk+dy (14) 物方平面直角坐标系OoXY与物方坐标系CxcYc之间的关系如图6所示。（X,Y）与(XC,YC)之间的关系下：X=XccosA-YcsinA+X (15) Y=XcsinA+YccosA+Y (16) 图5 图6由式（3），（4）和式（13），（14）得Xc=xc = Yc=yc = 代入式（15），（16）得 X=cosA-sinA+dX (17) Y=sinA+cosA+dY (18)在式（17），（18）中（x,y）是像点
20、a在像平面坐标系中的坐标，可从图像中提取。（X,Y）是对应的物点在物方坐标系（轨道坐标系）中的坐标，是我们要求的参数。包含八个参数：f, H,k，A，x，y，X，Y，这些参数决定于近景摄影的内方位元素和外方位元素。如果这些方位元素已知，要确定这八个参数必须列出八个方程，也就是说必须利用四对控制点的已知坐标。当控制点数大于4时，采用最小二乘法，选择最佳控制点。3.1.2亮带细化亮带细化的目的是找出亮带的中心线。有两种方法：一是二值图像的细线化算法，包括细线化、消除短枝和间隙等。二是灰度图像的细化算法。1）灰度图像的细化：沿亮带垂直方向（钢轨纵轴方向）作切面，在切面上亮带光能量的分布应如图 7所示
21、。取最亮点的连线作为亮带的中心线。这要求在钢轨表面沿光带垂直方向作一系列平行直线，提取这些平行直线与亮带交线上的最亮点。应当特别指出，我们不可能在钢轨上完成这一工作，只能在摄像机图像上完成此项工作。由于图像的几何畸变，这些平行直线的像并不是平行直线，而是相交于一点的直线，该点是这组直线的灭点的合点，在图2中，像平面上的像底点n就是合点。过合点和亮带上的任意点作直线，找出直线上的最亮点，将这些点相连就是钢轨轮廓线的像，经坐标变换即可得到钢轨轮廓线。2）二值图像的细化：图像细化的目的是把具有一定宽度的线条状区域削减（细化）到一个像素点的宽度，也就是要找到图像的骨架。我们找光带的中心线实质上就是找光
22、带的骨架。最著名的算法是HILDITCH算法，可参阅文献C语言图像处理程序设计。该文献中还介绍了几种相关的祘法如间隙消除算法：消除HILDITCH算法所得到的细线图形的间隙和缺口。 短枝削去算法：HILDITCH算法所得到的细线图形的毛刺和短叉。 图7 细线平滑算法：使细线图形连续平滑。 3.1.3图像处理 图像处理的目的是消除干扰噪音，改善图像质量。比如低通滤波，中值滤波，灰度校正，直方图均衡，二值化，分区标号等等。简要介绍如下。 1） 直方图与灰度修正： 最常见的图像缺陷是全幅图像偏暗或偏亮，亮度范围不足或非线性等因素造成的对比度不足，严重影响图像的视觉效果。如果图像的灰度量化为0至255
23、级，若两物体的灰度差小于10级，人眼就分辨不清两个物体。为了定量地分析这一问题我们对像素的灰度进行统计分析，以灰度值为横坐标，以具有这一灰度的像素数为纵坐标做出统计图，如图8所示，这就是所谓的直方图。图中（a）的直方图表明像素灰度仅分部在很小范围内，这种图像一般视觉效果差，感觉十分模糊。图中（b）的直方图表明像素灰度动态范围很大，图像很清晰。为了提高图像质量通常要对图像的直方图进行修正，直方图拉伸和直方图均衡等都是常用的方法。 图8 2） 卷积运算与空域滤波： 卷积可以简单地看成是加权求和的过程，卷积时使用的权用一个很小的矩阵表示。这种权矩阵称为卷积核。卷积核所覆盖的图像小区域中的每个像素与对
24、应的卷积核像素相乘，所有乘积之和即为区域中心像素的新值。比如对于一个3*3区域P与卷积核卷积后，区域P的中心像素p5为 p5=其中 P= K=卷积核中各元素叫做卷积系数。卷积核中卷积系数的大小，方向及排列次序决定了卷积的图像处理效果。大多数常用的卷积核都是3*3的。 可用下列卷积核实现图像的低通滤波， 1/9 1/9 1/9 1/10 1/10 1/10 1/16 1/8 1/16 1/9 1/9 1/9 1/10 1/5 1/10 1/8 1/4 1/81/9 1/9 1/9 1/10 1/10 1/10 1/16 1/8 1/16 可用下列卷积核实现图像的高通滤波，边缘增强也可用卷积实现。
25、-1 -1 -1 0 -1 0 1 -2 1-1 9 -1 -1 5 -1 -2 5 -2-1 -1 -1 0 -1 0 1 -2 1 3）图像分割：所谓图像分割就是把图像分成一个个区域，使得每个区域内部是简单的，不存在许多小孔，相邻区域之间具有明显不同的特征值(例如:灰度、纹理、形状)，区域的边界不粗糙，在空间位置上也是精确的。图像分割方法种类繁多，基本的方法有基于度量空间的空间域聚类方法、基于边缘检测的方法、区域增长法等。此外，图像处理学专家将模糊技术、遗传算法、神经网络、分形、小波技术等数学方法应用于灰度图像分割及纹理图像分割中，研究出很多新方法，但是这些新方法除了在一些特殊的应用领域之
26、外，还没有达到实用化要求。基于度量空间的空间域聚类是一种古老的、经典的、而且应用广泛的图像分割方法。它首先根据图像灰度信息、局部特性等选取合适阈值；然后进行聚类分割，同一类的连通区域构成一个分割区域。这种方法的关键在于阈值的选取，所以许多人都称之为阈值化分割技术。阈值可以定义为包含以下形式的函数T的一个算子T(x,y,N(x,y),g(x,y)其中g(x,y)是点（x,y）处的灰度值，N(x,y)表示局部特征。如果T仅取决于g(x,y)，则称之为全局阈值；如果T取决于g(x,y)、N(x,y)二者，则称之为局部阈值；如果T取决于x，y，g(x,y)，N(x,y)四者，则称之为自适应阈值26。当
27、图像中存在清晰的前景与背景关系时，采用全局阈值化技术即使用全局阈值对图像进行二值化，就可以将目标区域与背景区域分割。确定全局阈值的一般方法是基于对灰度直方图的统计分析，具体实现的方法很多，例如双峰法、p-tile方法、大津展之方法、最小误差法、熵法等。下面我们介绍大津展之方法。大津展之方法先假定某一灰度值为所求阈值，该值将图像直方图分成两组，求出两组之间的方差。在灰度取值范围内改变这一假定值，使分成的两组直方图方差最大的就是所求阈值。假设一幅图像的灰度值为0m-1级，灰度值为i的象素数目为，于是有：图象的总象素数： 各灰度值的概率（直方图归一化）： （ ）然后，先假定阈值为,于是将象素分成两组
28、： 和和两组的出现概率如下： 的出现概率 的出现概率 组的均值 组的均值 其中 是整体图象的均值， 于是，对任何k都能使下式成立： (2.21)两组间的方差由下式给出： (2.22) 从1m之间改变k,求使(2.22)式取最大值的k就是所求阈值，(2.22)式为阈值选择函数。全局阈值化方法实现简单，但是鲁棒性较差，当图像内容比较复杂、图像中存在背景不均匀现象时选取的阈值常常发生错误，这时采用局部阈值化技术可以提高图像分割的质量。在采用局部阈值化技术分割图像的过程中，首先要将图像划分为一个个子块，然后在每个子块中独立地确定局部阈值并对子块进行二值化。 在选取局部阈值时许多分析灰度直方图的方法已不
29、再适用，因为小样本的统计波动很大，由此要得到一系列能够很好分离不同类的、相互又比较一致的直方图是很困难的。一些图像处理学专家采用综合利用边缘信息与灰度信息的方法获取局部阈值，并且在某些应用领域中获得了成功。基于边缘检测的图像分割方法一般是首先进行边缘检测，然后进行边缘连接形成封闭的目标轮廓，最后在目标轮廓内进行区域填充得到目标区域。图像灰度的突变点或不连续点是图像最基本的特征之一，它可以指示出图像内各种物体的实际含量，也恰是图像分析的信息所在。通常图像信息的不连续性称为“边缘”，边缘检测就是对图像不同区域之间出现的不连续性进行检测并将其识别的技术。图像的边缘一般分为两大类，一类是阶跃状边缘，其
30、特点是边缘两边象素的灰度值有显著的不同；另一类为屋脊状边缘，其特点是它位于灰度值从增加到减小的变化转折点。 （a）阶跃状边缘 （b）屋脊状边缘 图9 两种边缘截面图阶跃状边缘是图像处理中应用最多的一类边缘。对于阶跃状边缘,其截面图为阶跃函数，在边缘点p附近灰度变化曲线的一阶导数达到最大值，二阶导数在p点近旁呈零交叉，即其左右分别为一正一负两个峰。最早的边缘检测方法就是基于这一规律，采用局部算子近似计算图像空间域的一阶或二阶导数，进而判别象素点是否边缘。这些算子通常称为微分型边缘检测算子，常用的有Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplacian算子等。
31、微分型边缘检测算子的主要缺点是对噪声敏感，但由于它们实现简单，执行时间短，在实际中至今仍被广泛应用。为了减少噪声对边缘检测的影响，Marr提出了Gaussian-Laplacian算子方法，其效果相当于首先对图像进行平滑，再用Laplacian算子求边缘。Gaussian-Laplacian算子在一定程度上抑制了噪声，但是在同时也削弱了边缘。另一类具有抑制噪声作用的边缘检测方法是曲面拟合。曲面拟合的边缘检测方法是在小区域内用最佳拟合的方法把原始图像用拟合曲面来代替， 在拟合曲面上做边缘检测。在曲面拟合方法中邻域的选取是一个新问题，邻域太大则使边缘检测不准，邻域太小则对噪声抑制作用不明显，抗噪声
32、与检测准确度的矛盾仍然一直没有解决。小波变换用于边缘检测的多分辨率分析法是一种边缘检测的新技术。利用小波变换的时频域特性可以将空域的边缘检测方法与频域的滤波处理结合起来。小波函数具有差分性质，这与边缘检测算子方法的原理相类似，而小波变换的多分辨率特性避免了边缘检测中邻域选择问题；而在减少噪声方面，小波技术通过分解图像，把噪声的影响分散到不同的频带，在每个频带或在频带之间采用某些处理技术可使总的噪声影响相对减小。从理论上看应用小波变换的边缘检测技术具有很高的研究价值，是边缘检测理论的一个重要研究方向，但这一技术目前尚不成熟，没有形成效果好的实用算法。4）边缘连接：如果噪声很低、检测到的边缘信息足
33、够理想，可以将边缘图像阈值化并且将边缘细化成宽度为一个象素的、封闭的边界。但是在实际中这种理想情况很少发生，最终得到的二值边缘图像中存在许多间断的地方，必须执行边缘连接过程来修补这些间断处。一种简单的边缘连接方法是在边界断点的或稍大的邻域内搜索另外的断点，然后将两个断点连接起来。在噪声和图像纹理的干扰下，断点之间的距离可能很长，也可能多个断点之间距离都很近，完成边缘连接过程非常困难。为了解决这一困难，人们提出了许多方法，这些方法中比较典型的是启发式搜索、曲线拟合和Hough变换。假设边界上存在两个距离很远的断点A与B，为了将它们连接起来，我们可以构造一个边缘特性评价函数对连接A、B的每一种可能
34、的路径进行分析。首先以断点A为起始点检测它的邻接点中在点B方向上的三个点，选择使得边缘特性评价函数取值最大的点作为下一个边界点，然后以新找到的边界点为起始点开始新的搜索，如此循环直到找到点B，最后用边缘特性评价函数对搜索到的边界进行评价，如结果低于某一设定阈值则将其消除。这种边缘连接方法称为启发式搜索25。曲线拟合方法适用于边缘点分布比较稀疏的情况，这时可以根据这些边缘点确定一组线段或曲线作为目标轮廓。曲线拟合的实现方法有多种，这里仅介绍一种简单方法。假设在边界上两个断点A、B之间存在一组稀疏分布的边缘点，我们首先用直线连接A、B，然后计算分布在A、B之间的边缘点到直线AB的垂直距离，选择距离
35、最大的点C并且用线段AC、CB代替AB作为连接路径，如此不断循环直到剩余的不在边界上的边缘点距离最近的线段的距离小于某个设定值为止。Hough变换的目标是寻找一种从区域边界到参数空间的变化，用大多数边界点满足的对应的参数来描述这个区域的边界。对于区域边界中少量的间断情形，寻找到了一种描述它们的有效方法。5）区域增长法区域增长法是一类直接在图像的空间域中进行分割的方法。基于度量空间的空间域聚类法和基于边缘的分割方法由于只利用了灰度信息与边缘信息二者之一，致使在空间域的分割中出现了一系列问题。在图像空间域，对每一象素或它的某邻域，根据灰度、边缘、纹理等特征定义它们的性质向量，用图论工具比较相连接象
36、素的性质向量。在预先定义的相似性准则下，若它们足够相似则作为同一分割而归并。此方式使具有相似性质向量的区域不断增长，最后形成分割图像诸区域。这种图像分割方法称为区域增长。最简单的区域增长技术在定义性质向量时基于单个象素，这种方法不能充分发挥区域增长技术的优势。区域增长技术中最重要、最有效的方法是基于象素的某邻域定义性质向量，这种方法成为混合型链结的区域增长。区域增长的归并过程的实现算法是递归的，以混合型链结的区域增长为例，归并过程的梗概为：对初始分割的诸区域用它们相应的性质向量对它们做描述，在迭代的每一步，性质向量用借以构成它的最佳拟合邻域的性质向量的某种函数来代替。在迭代收敛以后，具有相似性
37、质向量的区域连通集合合并成新的区域2。虽然理论上区域增长技术能够综合应用边缘信息与区域信息，应具有较好的分割效果，但是实际上区域增长方法复杂、计算量大，在工程课题中一般不采用；另外区域增长法还有一个很大的缺点是在定义性质向量与相似性准则时依赖于难以确定的参数，对于同一幅图像，这些参数稍有不同就会导致分割结果很大差异。综上所述，基于边缘检测的图像分割方法难以生成闭和的区域边界，基于反复迭代的区域增长法计算量较大，在一般情况下，实用性较强的图像分割方法仍然是基于度量空间的空间域聚类；而传统的基于度量空间的空间域聚类法大都是基于对灰度直方图的分析，这类方法的缺点是在背景亮度不均匀条件下难以确定合适的
38、阈值。综合利用灰度信息和边缘信息、分别在灰度图像和边缘图像中寻找分割目标物和背景的特点并且在分割算法中应用是一种提高图像分割质量的重要途径。6）中值滤波中值滤波是一种非线性信号处理技术，是一种比较有效的抑制噪声方法。在一维形式下，中值滤波器是一个包含奇数个象素的滑动窗口，窗口正中的那个象素的灰度值用窗口内各象素灰度值的中值代替。在二维形式下，中值滤波器可以用某种形式的窗口，如方窗或十字型窗等，一个象素的灰度值被包围它的窗口内的所有象素值的中值取代。采用中值滤波是对均值滤波的一种改进，它的优势在于：（1）在滤波过程中不会产生新象素值。（2）对于脉冲式的灰度跳跃平滑效果较好。在设计中值滤波算法时，
39、如果在每个方窗内都独立地用排序的方法计算中值，程序的复杂性很高。为了提高程序的执行速度，我们设计了以下的快速算法，在每一行只对最左侧窗口内的象素独立地进行排序，对于其它窗口利用其中属于左侧已排序窗口的象素的有序性减少计算量。 3.1.4 系统标定在亮带细化和坐标变换中，有八个参数需要确定，系统标定的首要任务就是要得到这些参数。为此必须列出八个方程式，也就是说必须利用四对相应控制点的已知坐标。当控制点数大于四时，采用最小二乘法，选择最佳控制点。为了在工作中参数保持不变光源与摄像机应安装在一个坚固构件上，使其相对几何位置保持不变。光源照射平面应与钢轨纵轴保持垂直。作到上述两点，就能保证标定参数不变
40、。在标定中应采用图 10所示网格状标定图。标定图应满足下列条件：第一，标定图各网格交叉点相对于物方直角坐标系的坐标应是精确已知的，设为(Xb,Yb)。 第二，标定图应安装在亮带中心线平面中，并与光源，摄像机钢性连接在一起。标定时采集标定图的图像，用鼠标点击各交叉点（最少4点），得到点击点在像平面直角坐标系中的坐标，设为（xb,yb）。将对应点坐标（Xb，Yb），（xb,yb）代入式（17）（18）中得 Xb=cosA-sinA+dX Yb=sinA+cosA+dY 用四对点即可得到八个这样的方程，就可以解出八个参数：f, H,k，A，x(dx)，y(dy)，X(dX)，Y(dY)。 图103.
41、1.5 系统构成 在上述方案论证、模型研究的基础上及按实现该检测模型基本配置要求得到系统的结构如图11所示：检测梁 19英寸机柜 图11该系统的结构为左、右轨对称方式。线型激光器、摄像头被安装在系统的检测梁中，该梁悬挂在车体下部,图像采集卡及FPGA图像处理卡、计算机被安装在19英寸机柜中。软件系统包括一套图像实时采集及处理的操作系统和检测结果处理软件，图像实时采集及处理的操作系统与图像采集卡及FPGA卡配合使用，从而构成一套图像信息的高速处理系统。该系统共有8个视频处理通道，每个通道图像数据处理速度为60场/秒。因此，系统必须采用高速测量卡（下称测量卡）的结构方式，以满足实时地采集钢轨图像，
42、并从数字化的图像中分析、测量出轨距值。为了适应在高速运行状态下进行测量，要求使用多块测量卡并行处理。测量卡的视频制式兼容PAL和NTSC两种制式，分辨率为576*768，可以单场或单帧处理图像；测量卡通过PCI总线与PC连接，与PC及工业PC系统兼容；测量卡的测量精度为： 1.5像素 （CCD器件的失真和损失不计）。测量卡提供二值化的图像数据。测量卡的结构示意图12所示:存储控制视频输入图像缓存1图像缓存2图像细化坐标变换模数转换工作缓存1工作缓存2ISA通讯（FPGA）10K100ARC2SAA7111AT89C51I2C初始化模拟视频信号图12 目前，视频图像实时处理技术方案分为两类，一是以软件为基础的方案，二是以硬件为基础的方案。在软件方案中，图像处理运算在通用的CPU上用软件实现。该方案很灵活且成本低，但是速度慢不支持并行运算，不宜用于视频图像实时处理。在硬件方案中，图像处理运算用专用的LSI器件（ASIC）实现，速度快，支持并行处理，并且已开发出许多实现图像处理运算的ASIC器件可供选用，