劉建龍

（中國鐵路北京局集團有限公司 地下直徑線工程項目管理部，北京 100045）

0 引言

隨著高速鐵路快速發(fā)展，當前動車組運營數(shù)量保持高位的同時還在持續(xù)增多，這對每個動車所的檢修能力提出新挑戰(zhàn)。傳統(tǒng)單純依靠人工的檢測方式已經(jīng)被人工、設備相互合作的方式代替，而基于圖像檢測的智能裝備［1］更是廣泛應用于日常列車檢測［2］。但傳統(tǒng)的二維圖像檢測在面對列車轉向架部件種類繁多、缺陷類型多、拍攝環(huán)境復雜時，暴露出其誤報多、報警準確率低的缺點。由于二維圖像僅能記錄物體表面由于反射光線形成的灰度信息［3］，其檢測重心在于通過物體表面紋理的變化識別出缺陷，必然會大幅受限于物體表面狀態(tài)以及周圍環(huán)境的影響［4］。雖然基于深度學習的二維圖像檢測能極大改善部件丟失、破損等缺陷的檢出效果，但對于變形（微小）、松動、位移的檢測，二維圖像仍然缺乏有效方法。三維數(shù)據(jù)包含物體的幾何尺寸信息，能更加直接、具體地表述出物體空間幾何狀態(tài)。而對于物體空間幾何變化的檢測，例如部件變形、螺栓松動、撒砂管高度變化等，三維數(shù)據(jù)檢測則更有優(yōu)勢。

當前三維成像方法多種多樣?；诟窭状a的相位測量輪廓術三維成像技術，有成像速度快、成像面積大、數(shù)據(jù)精度高的優(yōu)點，通過該技術可以快速獲取轉向架部件三維數(shù)據(jù)用以部件檢測。研究三維成像技術獲取轉向架部件高精度三維數(shù)據(jù)，并通過三維數(shù)據(jù)完成部件在變形、螺栓松動、尺寸測量上的檢測運用。

1 格雷碼三維成像技術原理

格雷碼三維成像是基于相位測量輪廓術的一種結構光三維成像方法。通過多幅格雷碼圖像實現(xiàn)對相移光柵圖像中每一個周期條紋的編碼，進而完成相位解包，達到三維測量的目的。

通過向待測物體投射一系列光柵圖像，物體表面的高低變化會對光柵圖像進行調(diào)制。根據(jù)光柵圖像計算出物體表面對應點的相位分布情況，解包裹、得到連續(xù)相位分布后即可聯(lián)系標定結果，實現(xiàn)三維測量。相位測量輪廓術光路見圖1。

最常見的4步相移法，假設物體表面光強分布為：

式中：I'為背景光強分布；I''為物體表面反射率分布；φ(x，y)為相位分布；δi為初始相位值。

圖1 相位測量輪廓術光路

通過以上4幀圖像，即可計算相位［5］：

采用反三角函數(shù)計算相位值，由于反三角函數(shù)的值域限制，導致相位會被截斷。相位包裹過程見圖2。

圖2 相位包裹過程

為了得到連續(xù)的相位分布需要進行相位解包，其過程實際就是依次給各相位值加2nπ。而格雷編碼目的就是通過多幅格雷碼圖像確定n 值［6］。格雷碼編碼方式見表1，0為暗條紋、1為亮條紋。

在6張格雷編碼圖像（二值化后）上，每個像素點的像素值按次序列（第一張圖為第一位，第二張圖為第二位，依次類推）確定該像素點的格雷碼值。將格雷碼的第一位保持不變，之后的每一位取其與之前一位的異或值作為該位的值［7］。

通過連續(xù)采集一系列的光柵圖像，依照以上方法進行計算，即可獲取圖像可視范圍內(nèi)所有點的三維數(shù)據(jù)。在實際應用過程中，將相機與投影儀共同構成的采集盒固定在機械臂等自動化部件上，由設備進行自動采集，采集圖像見圖3、圖4；再通過上述處理方法，可以快速獲取所采集轉向架部件的三維數(shù)據(jù)（見圖5）。

表1 格雷碼編碼

圖3 格雷碼圖像

圖4 光柵圖像

2 部件檢測

轉向架區(qū)域部件類型多、缺陷種類多、環(huán)境復雜，基于二維的圖像檢測面臨部件適應性、污漬、光照等環(huán)境因子干擾問題。當獲取到部件的高精度三維數(shù)據(jù)，可以直接根據(jù)部件的實際尺寸、空間關系、幾何形態(tài)等三維特征信息進行檢測，有效提高報警準確率，同時更利于轉向架部件的檢測。

2.1 形變檢測

高斯曲率是指曲面上某一點曲率最大值與最小值的乘積。

圖5 轉向架部件三維成像結果示例

高斯曲率反映曲面的彎曲程度，因此把高斯曲率作為分析曲面質(zhì)量和連接情況的主要依據(jù)。當曲面的高斯曲率變化較大、較快時表明曲面內(nèi)部變化較大，即曲面的光滑程度較低；而2個連接曲面如果在公共邊界上的高斯曲率發(fā)生突變表示2個曲面的高斯曲率并不連續(xù)，通常也叫曲率不連續(xù)［8］。

軸身、掃石器、擋板等大面積平面（曲面）部件在運行過程中會由于飛石等因素造成掉塊、變形等缺陷。變形檢測流程見圖6。當物體表面出現(xiàn)掉塊、變形時，該缺陷區(qū)域的“彎曲程度”較正常情況會發(fā)生明顯變化，也與其周圍正常區(qū)域的“彎曲程度”不同。計算全區(qū)域所有點的高斯曲率，通過連續(xù)性判斷提取出異常的高斯曲率區(qū)域，該區(qū)域即為發(fā)生掉塊或變形的區(qū)域。

圖6 變形檢測流程

2.2 螺栓松動檢測

螺栓松動是螺栓丟失的前兆，檢測出螺栓松動對于列車轉向架檢修具有重大意義。傳統(tǒng)的圖像方法通過識別防松標記線，檢測其相較于歷史或模板圖像中對應線的偏轉角度，來實現(xiàn)松動檢測。但對于沒有防松標記線的螺栓或者由于下雨、列車缺乏清洗等難以獲得清晰的防松標記線圖像，該方法則無法檢出，所以有較大的局限性。

螺栓尺寸是固定的，所以對于某一顆具體的螺栓，可以通過計算螺栓表面相較于其安裝基座的高度并與其設定的固定高度相比較進行判斷，可以計算出該螺栓的當前松動情況。具體檢測流程見圖7。

圖7 螺栓松動檢測流程

（1）通過深度學習，利用卷積神經(jīng)網(wǎng)絡，對每張圖像上的螺栓進行識別定位［9］。在獲取到該圖像中的螺栓位置信息后，與預先設定的模板相匹配，給出每顆螺栓對應的設定高度值。

（2）通過二維圖像到三維數(shù)據(jù)的映射關系，從該三維數(shù)據(jù)中獲取螺栓三維數(shù)據(jù)。采用區(qū)域生長算法，以圖像中心和其他隨機種子點進行生長計算，完成三維數(shù)據(jù)分割［10］，確定出螺栓表面和螺栓基座。螺栓部件圖像及其分割效果見圖8。其中（a）（c）為二維灰度圖像，（b）（d）為對應的三維數(shù)據(jù)，在三維數(shù)據(jù)中綠色區(qū)域為螺栓表面，紅色區(qū)域為該螺栓的安裝基座。

（3）基于2個面的三維數(shù)據(jù)，完成高度計算并與設定高度值比較完成松動檢測。

圖8 螺栓部件圖像及其分割效果

2.3 尺寸檢測

部件尺寸檢測是轉向架檢測中非常關鍵的一環(huán)，其包括撒砂管、掃石器高度，閘片厚度等關鍵部件的超限檢測。傳統(tǒng)二維圖像檢測中，只有當目標物體的測量長度方向完全垂直于拍攝方向時，才能保證從圖像像素轉化成實際長度的測量準確性。加大了測量操作難度，同時也限制了測量精度。

基于高精度三維數(shù)據(jù)，在保障測量目標拍攝完全的情況下，可以較大程度地放寬拍攝角度，最大程度地降低測量操作難度，并且可保證精度。

（1）部件高度測量。在二維圖像中，結合撒砂管、掃石器拍攝圖像特征，通過連接域?qū)D像分為2 個區(qū)域，分別為測量目標和鋼軌，并獲取其各自的三維數(shù)據(jù)。在測量目標區(qū)域三維數(shù)據(jù)中，從最下方提取出撒砂管的最低點或掃石器的下表面點。在鋼軌區(qū)域三維數(shù)據(jù)中，以位置在區(qū)域上方和垂直于軌側面為約束條件完成軌上表面擬合。最后根據(jù)軌面擬合平面，計算出目標高度。

（2）閘片厚度測量。在二維圖像中，通過提取閘片邊界來計算2條邊界的距離完成閘片厚度測量。這種方法無法規(guī)避由于拍攝角度偏差而引起的二維圖像標定誤差，同時基于二維圖像的邊緣提取算法也存在一定的限制與誤差，最終導致測量結果不準確。閘片厚度計算流程見圖9。

首先通過YOLOv3目標識別網(wǎng)絡完成閘片區(qū)域的定位。獲取到閘片三維數(shù)據(jù)后，根據(jù)幾何關系和連續(xù)性判定，提取出閘片的2條邊界。這種基于三維數(shù)據(jù)的邊界提取方法，最大程度避免了由于光照、污漬等引起的傳統(tǒng)邊緣檢測誤差。閘片邊界提取效果見圖10。

圖10 閘片邊界提取效果

3 結束語

格雷碼三維成像技術可以快速獲取高精度三維數(shù)據(jù)。應用于圖像檢測設備中，可以保證高效、快速獲取部件三維數(shù)據(jù)?；谌S數(shù)據(jù)，對部件變形、螺栓松動、尺寸測量的檢測方法進行研究。相較于二維圖像，通過三維數(shù)據(jù)在這些檢測項中有更好的檢測效果，可以突破二維圖像限制，有效提升圖像類檢測設備的檢測效果。