熊仕勇,陳春俊,王　鋒

(1.西南交通大學機械工程學院,成都　610031； 2.西南交通大學牽引動力國家重點實驗室,成都　610031)

隨著我國城市軌道交通的迅速發(fā)展，軌道基礎設施的狀態(tài)檢測是保證列車運營安全的前提，軌道檢測車(簡稱軌檢車)能對軌道的幾何參數進行實時檢測。早期的軌道檢測是采用光電傳感器和伺服機構進行檢測，這種檢測方法極易受振動、天氣等環(huán)境因素的影響[1]。國外鐵路發(fā)達國家對軌道的檢測采用了計算機網絡、激光攝像等技術。采用鋼軌輪廓檢測數據與標準鋼軌輪廓數據比對，借助數值計算方法，精確掌握軌道狀態(tài)，而對鋼軌輪廓數據特征點快速、準確提取是保證鋼軌輪廓精確匹配[2]、軌道幾何不平順精確檢測的前提。

目前，隨著傳感器技術的發(fā)展，激光攝像傳感器得到了廣泛應用，我國軌檢車引進了基于激光和攝像技術的檢測方法。文獻[3]提出一種基于二維激光位移傳感器的軌距檢測方法，采用2D實現鋼軌輪廓數據檢測。文獻[1]提出基于激光三角測量原理的軌距檢測系統(tǒng)，該方法對軌形輪廓數據進行曲率角計算、平滑，通過曲率角尋找輪廓特征點后進行圖像匹配，該方法對輪廓可選特征點較少。文獻[2]根據以空間圓弧上所有點為圓心做與圓弧等半徑的圓時它們相交于同一點的理論，獲取測量鋼軌軌腰圓弧中心特征點的世界坐標。這種提取方法計算復雜，噪聲影響大且特征點單一。同樣，文獻[6]提出一種基于曲率角計算提取輪廓特征點的方法。而實際軌形輪廓數據用基于曲率提取特征點，導致可選特征點單一化，對實測輪廓進行曲率角計算會帶來很大的誤差，定位能力不強。

針對目前鋼軌輪廓特征點提取方法現狀，本文提出一種基于鋼軌輪廓特征曲線的特征點提取方法，對采集的鋼軌輪廓數據采用基于中值誤差與連續(xù)度自適應調整權值的平滑濾波方法對實測輪廓數據進行平滑處理，解決存在分段的二維輪廓數據的平滑問題。定義了輪廓特征曲線應滿足的兩個基本屬性，給出了特征曲線的一種定義方式，利用特征曲線上的特征點能快速定位實測輪廓特征點，由于特征曲線實現方式的多樣性，使得實測輪廓數據特征點的選取不再單一。最后，采用GJ-2型軌道檢測車進行試驗，通過對實際軌道進行輪廓測量，采用本文所提出的特征點提取方法對實測輪廓數據進行特征點提取，試驗證明，該方法能快速、準確地定位輪廓特征點。

1　基于2D鋼軌輪廓測量原理

激光攝像及圖像處理技術在軌道不平順檢測中的應用，使得我國軌道檢測技術實現了質的飛越。激光攝像式傳感器的應用實現了鋼軌輪廓的連續(xù)動態(tài)測量[5]，二維激光位移傳感器用于在線檢測鋼軌輪廓，其原理如圖1所示。1號、2號二維激光位移傳感器安裝在專用檢測梁上，檢測梁與檢測車轉向架焊接連接，二維激光位移傳感器的安裝需滿足能同時對鋼軌頂面、側面及軌腰進行檢測。

圖1　二維激光位移傳感器鋼軌輪廓測量

二維激光位移傳感技術基于三角測距原理，內部由線型激光源模塊、光學濾鏡及透鏡、DSP模塊、CCD和CAN總線數據傳輸模塊組成。如圖2(a)所示，線型激光源發(fā)射線型激光切面，在激光切面內形成一個梯形可測范圍平面，在切面激光的梯形可測范圍內的激光投射在鋼軌表面形成鋼軌輪廓線，2D內部的光學器件感知反射光線并將其投射到高性能CCD可得到上千個輪廓測點數據。在2D傳感器內部進行圖像處理、鋼軌輪廓提取及數字化后以數據流的形式將輪廓測點數據發(fā)送到CAN總線上，上位機在CAN總線接口卡中可提取輪廓測點數據。該測點數據的物理意義是實際鋼軌輪廓測點在2D傳感器坐標系中的空間坐標。如圖2(b)所示，實測鋼軌輪廓測點數據在2D傳感器坐標系中的輪廓數據。

圖2　鋼軌激光輪廓

2　鋼軌輪廓特征曲線及特征點提取

2.1　輪廓特征曲線定義

如圖2(b)所示，鋼軌輪廓數據可由1條二維離散曲線P=[p(j)=(x(j),y(j)),(j=1～n)]來表示，其中n為輪廓數據點總數。由于檢測車振動影響，實測鋼軌輪廓數據在其傳感器坐標系中的位置坐標具有隨機性，考慮到鋼軌輪廓數據上任意一點相對其他點之間的位置關系具有不變特性，為了表征鋼軌輪廓數據各坐標點之間的這種不變特性，提出了鋼軌輪廓特征曲線的概念。能作為鋼軌輪廓特征曲線需具備以下兩個屬性。

(1)特征曲線上任一點與鋼軌輪廓數據物理位置上一點具有一一對應關系。

(2)特征曲線能表征鋼軌輪廓點內部之間不變的物理位置關系，與測量坐標系無關。

利用鋼軌輪廓特征曲線可把實測二維輪廓數據用一維曲線去表征，對一維曲線數據的處理更易于對鋼軌輪廓特征點的提取。為滿足特征曲線兩個基本屬性，本文給出了一種實現特征曲線的方法，以鋼軌輪廓數據上任一點(p(i)=(x(i),y(i)),i∈[1+R,n-R])的前后第R個點p(i-R)=(x(i-R),y(i-R))、p(i+R)=(x(i+R),y(i+R))之間的距離值s(i)作為點p(i)的特征距離。

(1)

鋼軌輪廓上所有點的特征距離便可構成特征曲線。定義鋼軌輪廓數據特征曲線f(i)為

f(i)=(i,s(i)),i∈[1+R,n-R]

(2)

利用式(2)求解標準輪廓特征曲線如圖3所示，圖3(a)是對標準鋼軌輪廓曲線解析式離散化后模擬激光投射圖像，圖3(b)是標準輪廓數據按式(2)計算所對應的特征曲線。

圖3　標準輪廓及其特征曲線

分析標準輪廓特征曲線可知，曲線上任一點的縱坐標數值大小，表征了實測輪廓數據上該點前后第R個點p(i-R)與p(i+R)之間的距離大小，該數值越小，表明這3個點p(i)、p(i-R)、p(i+R)所處位置越緊密。由于激光投射存在盲區(qū)導致軌形數據分段，特征曲線包含明顯凸起部分。

2.2　輪廓曲線平滑

特征曲線不受檢測車運行振動的影響，但陽光干擾會使得投射圖像產生噪點，噪點的存在會使得特征曲線形成凸起“毛刺”。另外，由于2D傳感器內部對輪廓數據數字化轉化過程存在數字化誤差。噪點和數字化誤差的存在都會降低特征曲線平滑度，影響特征點的準確提取。因此，在對實測輪廓數據計算其特征曲線之前，必須對鋼軌輪廓數據進行平滑處理。本文采用基于中值誤差與連續(xù)度自適應調整權值的平滑濾波方法，通過引入權值因子，有效解決存在分段的輪廓數據達到分段平滑的效果。同時，該方法還能有效去除噪點，消除噪點對特征曲線的影響。

(3)

式中，ω(k+i)≥0,(-N≤i≤N)稱為權值因子，其大小取決于：

中值誤差項

空間連續(xù)度

(5)

則權值因子

ω(k+i)=ω1(k+i)×ω2(k+i)=

(6)

權值因子ω(k+i)中的系數σ1、σ2表示鈍化程度，其值越大，鈍化作用越強，輪廓數據中的不平滑點將消失；反之，鈍化作用越弱。σ1、σ2的選取根據輪廓數據的復雜程度和噪聲干擾而不同，可通過多次試驗選取合適的值，有效選擇σ1可達到不同的平滑效果，合理選擇σ2可有效去除輪廓數據中噪點。

2.3　特征點提取

本文根據特征曲線上的特征點來尋找實測激光輪廓數據特征點。因此，能快速、有效去定位一維特征曲線上的特征點是關鍵所在。如圖3(b)所示，觀察特征曲線，具有明顯的突起，某點處的特征距離與下一點的特征距離從40 mm突變?yōu)?00 mm，同樣存在從90 mm突變到26 mm的點，這種具有較大距離突變的點即可作為特征曲線的特征點。此外，特征曲線上總存在特征距離值最小的一點，該點亦可作為實測輪廓特征點的定位點。根據特征曲線上的特征點，便可得到對應實測輪廓數據的特征點。

綜上分析，特征曲線上的特征點可選擇定義為

fi=(f-1(min[f(i)]),min[f(i)])

(7)

(8)

式中，常數m的大小要能確保找到特征曲線突變點。根據式(7)、式(8)可得實測輪廓數據特征點

pi=(x((f-1(min[f(i)])),y((f-1(min[f(i)])))

(9)

pk=(x(k),y(k))

(10)

式中k值由式(8)決定。

輪廓特征點提取流程如下：一幀完整輪廓數據→對輪廓數據進行平滑處理→根據輪廓數據計算其特征曲線→根據定義尋找特征曲線上特征點→根據特征曲線上特征點尋找輪廓特征點。

根據特征曲線及特征點的定義，對實測輪廓尋找特征點，如圖4所示。

圖4　實測輪廓特征點

3　試驗驗證

為驗證本文所提出的鋼軌輪廓數據特征點提取方法，采用GJ-2型軌道檢測車在實際地鐵線路上進行試驗。檢測梁安裝如圖5(a)所示，2D激光位移傳感器安裝如圖5(b)所示。

圖5　檢測梁及2D激光位移傳感器安裝

檢測車在運行過程中，由定位裝置檢測車輛每走過一定距離(250 mm)后實時發(fā)送觸發(fā)信號到2只2D激光位移傳感器中，2D接收觸發(fā)信號，收集一幀2D輪廓數據，完成一次鋼軌輪廓數據的測量。圖6分別是一幀實測左軌、右軌內側輪廓在其自身傳感器測量坐標系中的(x，y)坐標值的平滑前后對比圖。

圖6　一幀實測輪廓數據平滑效果

利用本文所介紹的輪廓數據特征曲線的概念，對圖6中軌形數據計算其特征曲線的平滑前后對比，如圖7所示。

圖7　實測輪廓特征曲線平滑前后對比

圖8為一系列實測輪廓特征點提取后輪廓數據在2D測量坐標系下的三維圖，其中紅色圈出為所提取特征點。

圖8　實測輪廓特征點提取

圖6(b)中，原始輪廓數據存在干擾噪點，采用本文平滑方法能有效去除噪點對特征曲線的影響，保證了特征曲線上的特征點的準確提取。如圖8所示，通過連續(xù)采集鋼軌輪廓數據進行特征點提取，可以看到紅色圈出的一系列特征點并不在一條直線上，這是由于車體振動所帶來的影響，但可以發(fā)現，使用本文方法能定位每幀軌形數據的特征位置，完全消除車體振動對輪廓數據的影響，能準確提取鋼軌輪廓特征點。

利用該方法提取鋼軌輪廓特征點，影響其提取精度主要是2D傳感器自身的分辨率及數字化誤差，使用本文的平滑方法可在一定程度上減少數字化誤差的影響。在實際應用中選用高精度的二維激光位移傳感器可提供檢測精度。

4　結語

鋼軌輪廓特征點的快速、準確提取是解決目前基于激光攝像的軌道幾何不平順高速檢測的難點之一。本文利用鋼軌輪廓特征曲線不僅能快速定位特征點，而且可以通過調整定義特征曲線的尺度R來定義實測輪廓不同位置的特征點，該方法不受車體振動影響，適合工程應用。

(1)本文所提出的基于2D的鋼軌輪廓特征點提取方法，能對鋼軌輪廓特征點進行動態(tài)快速檢測。

(2)通過引入權值因子，利用基于中值誤差與連續(xù)度的自適應調整權值的平滑濾波方法對實測輪廓數據進行平滑處理，有效解決存在分段的輪廓數據達到分段平滑的效果。同時，該方法還能有效去除噪點，消除噪點對特征曲線的影響。

(3)利用鋼軌激光輪廓特征曲線的概念，從輪廓特征曲線的特征點去尋找實測激光輪廓特征點，通過試驗計算過程得知該方法提取特征點的在線計算實時性強。

文中給出了一種定義輪廓特征曲線的方式，不同的特征曲線定義會尋找到更多的特征點，后續(xù)還會對特征曲線的實現方式做進一步研究。

參考文獻：

[1]史紅梅，張繼科.基于激光三角測量原理的軌距檢測系統(tǒng)研究[J].儀器儀表學報，2013，34(9):1934-1940.

[2]鞠標，朱洪濤，徐鞠萍，等.基于軌檢車振動問題的鋼軌輪廓匹配方法研究[J].振動與沖擊，2017，36(3):65-69.

[3]Yang Q， Lin J. Track gauge dynamic measurement based on 2D laser displacement sensor[C]∥Mech-anic Automation and Control Engineering (MACE)， 2011 Second International Conference on. IEEE， 2011:5473-5476.

[4]安小雪.基于動態(tài)模板的鋼軌磨耗測量方法研究[D].上海：上海工程技術大學，2013.

[5]Alippi C， Casagrande E， Scotti F， et al. Composite real-time image processing for railways track profile measurement[J]. IEEE Transactions on instrumentation and measurement， 2000，49(3):559-564.

[6]張文景，許曉鳴.一種基于曲率提取輪廓特征點的方法[J].上海交通大學學報，1999，33(5):592-595.

[7]Menaka R， Chellamuthu C， Karthik R. Efficient feature point detection in CT images using Discrete Curvelet Transform[J]. Journal of Scientific & Industrial Research， 2013，72(5):312-315 .

[8]陳燕新，戚飛虎.一種新的提取輪廓特征點的方法[J].紅外與毫米波學報，1998，17(3):171-176.

[9]陳東生，田新宇.中國高速鐵路軌道檢測技術發(fā)展[J].鐵道建筑，2008(12):82-86.

[10] Ren S， Gu S， Xu G， et al. A new track inspection car based on a laser camera system[J]. Chinese Optics Letters， 2011，9(3):44-47.

[11] 謝勤嵐.圖像降噪的自適應高斯平滑濾波器[J].計算機工程與應用，2009，45(16):182-184.

[12] 江亮亮，楊付正，任光亮.用于網格去噪的自適應雙邊濾波器[J].華南理工大學學報(自然科學版)，2015(11):54-60.

[13] Shen Y， Barner K E. Fuzzy vector median-based surface smoothing[J]. IEEE Transactions on Visualization and Computer Graphics， 2004，10(3):252-265.

[14] 占棟，于龍，肖建，等.鋼軌輪廓全斷面檢測中軌廓動態(tài)匹配方法研究[J].鐵道學報，2015，37(5):71-77.