摘" 要：該文針對(duì)檢修車間內(nèi)測(cè)量輪對(duì)全廓形的需求，綜合環(huán)境、工況、成本和需求等因素，在現(xiàn)有鏇前輪對(duì)測(cè)量設(shè)備的基礎(chǔ)上，增加補(bǔ)充激光傳感法測(cè)量的輪對(duì)廓形采集裝置。考慮輪對(duì)測(cè)量機(jī)測(cè)量時(shí)會(huì)由于輪對(duì)車軸抬升高度的不同，導(dǎo)致廓形采集位置不過(guò)軸心會(huì)對(duì)廓形測(cè)量數(shù)據(jù)造成誤差的這一問(wèn)題，該文提出一種基于圖像的輪對(duì)廓采集裝置的自適應(yīng)對(duì)中方法，算法體現(xiàn)對(duì)物體表面紋理變化的魯棒性，大大增加激光這種小目標(biāo)檢測(cè)的準(zhǔn)確性，檢測(cè)時(shí)間平均每張1.01 s，滿足對(duì)實(shí)時(shí)性的要求。實(shí)現(xiàn)在不同光照條件影響下，廓形采集裝置的快速、精確的自適應(yīng)調(diào)節(jié)，提升廓形檢測(cè)精度的同時(shí)為輪對(duì)鏇修計(jì)劃編排提供基礎(chǔ)。

關(guān)鍵詞：車輪廓形；廓形采集裝置；光照條件；自適應(yīng)；位移調(diào)整；激光點(diǎn)定位

中圖分類號(hào)：U279.3" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號(hào)：2095-2945（2025）01-0146-07

Abstract： Aiming at the need to measure the full profile of wheelsets in the maintenance workshop， this paper integrates factors such as environment， working conditions， cost， and demand， and adds a wheelset profile acquisition device for laser sensing method to the existing wheel lathe measurement equipment. Considering the problem that the profile collection position does not exceed the axis during measurement by the wheelset measuring machine due to the different lifting heights of the wheelset axle， which will cause errors to the profile measurement data， this paper proposes an image-based wheelset profile acquisition device. Adaptive centering method for the algorithm reflects the robustness to changes in the surface texture of the object and greatly increases the accuracy of the detection of small targets such as lasers. The average detection time for each piece is 1.01 s， meeting the real-time requirements， which realizes fast and accurate adaptive adjustment of the profile collection device under the influence of different lighting conditions， improves the accuracy of profile detection and provides a foundation for the layout of wheelset turning plans.

Keywords： car contour; contour collection device; lighting conditions; adaptation; displacement adjustment; laser point positioning

列車在軌道上高速行駛時(shí)，輪對(duì)在列車運(yùn)行過(guò)程中受到來(lái)自各方面的力，產(chǎn)生了磨耗，這使得車輪發(fā)生輪對(duì)尺寸變化。輪對(duì)尺寸檢測(cè)即通過(guò)各種設(shè)備對(duì)輪對(duì)踏面外形數(shù)據(jù)進(jìn)行測(cè)量。現(xiàn)有的輪對(duì)踏面尺寸測(cè)量方法可分為靜態(tài)檢測(cè)法和動(dòng)態(tài)檢測(cè)法。靜態(tài)檢測(cè)是指在輪對(duì)保持靜止?fàn)顟B(tài)時(shí)進(jìn)行的測(cè)量，測(cè)量精度較高但測(cè)量效率低；動(dòng)態(tài)檢測(cè)是指輪對(duì)在軌道上處于運(yùn)動(dòng)狀態(tài)時(shí)進(jìn)行的檢測(cè)，測(cè)量效率高、自動(dòng)化程度高，已逐漸成為主要的發(fā)展方向。目前主要的動(dòng)態(tài)檢測(cè)方法有超聲檢測(cè)法[1]、激光傳感法[2-11]、機(jī)器視覺法[12-14]等方法。

馮其波等[3-5]研制出一種基于激光傳感動(dòng)態(tài)測(cè)量車輪直徑的方法，克服了車輪運(yùn)動(dòng)過(guò)程中定位誤差。李兆新等[6-7]設(shè)計(jì)了基于2D激光位移傳感器的輪對(duì)尺寸在線檢測(cè)系統(tǒng)。馮其波等[8]設(shè)計(jì)了一套基于多線結(jié)構(gòu)光的輪對(duì)關(guān)鍵尺寸動(dòng)態(tài)測(cè)量系統(tǒng)，在列車運(yùn)行過(guò)程中，多個(gè)多線結(jié)構(gòu)光傳感器記錄下不同表面、不同角度、不同區(qū)域的圖像。伍川輝等[9]設(shè)計(jì)了基于二維激光位移傳感器的通過(guò)式輪對(duì)測(cè)量系統(tǒng)，對(duì)點(diǎn)云采取去噪處理，具有較好的魯棒性和精確度，適用于入庫(kù)測(cè)量等低速場(chǎng)景。杜闖[10]設(shè)計(jì)了一套雙線結(jié)構(gòu)光輪對(duì)測(cè)量系統(tǒng)，對(duì)輪對(duì)踏面廓形的曲面重構(gòu)技術(shù)做了重點(diǎn)研究，但對(duì)設(shè)備安裝精度要求很高。余斌等[11]設(shè)計(jì)了一種線結(jié)構(gòu)光非接觸式測(cè)量系統(tǒng)，針對(duì)激光條紋中心提取中出現(xiàn)的光順性欠缺的問(wèn)題，提出了自動(dòng)分段的多項(xiàng)式曲線擬合技術(shù)，但是系統(tǒng)實(shí)驗(yàn)平臺(tái)簡(jiǎn)易、測(cè)量物非真實(shí)輪對(duì)。張廣軍等[15]提出用光截圖像法檢測(cè)車輪幾何參數(shù)，動(dòng)態(tài)測(cè)量精度可達(dá)0.18 mm。Mousavi等[16]提出了一種新的基于圖像處理的直徑測(cè)量系統(tǒng)，改進(jìn)了三點(diǎn)半徑測(cè)量技術(shù)，節(jié)省了計(jì)算時(shí)間，提高了運(yùn)算速度。涂裔盟[12]基于雙目視覺原理建立了一套通過(guò)式輪對(duì)尺寸測(cè)量系統(tǒng)，對(duì)特征匹配算法進(jìn)行了一定改進(jìn)，但是輪輞款識(shí)別誤差較大。

本文針對(duì)檢修車間內(nèi)測(cè)量，綜合環(huán)境、工況、成本和需求等因素選用激光傳感法測(cè)量，在現(xiàn)有鏇前輪對(duì)測(cè)量設(shè)備的基礎(chǔ)上，增加補(bǔ)充激光傳感法測(cè)量，結(jié)構(gòu)簡(jiǎn)便且大大降低了成本?？紤]輪對(duì)在測(cè)量機(jī)測(cè)量時(shí)會(huì)由于輪對(duì)車軸抬升高度的不同，導(dǎo)致廓形采集位置不過(guò)軸心，這會(huì)對(duì)廓形測(cè)量數(shù)據(jù)造成誤差，故需要在紅外激光位移傳感器掃描廓形前，保證紅外激光位移傳感器是過(guò)軸心的。針對(duì)此問(wèn)題，本文提出了一種基于圖像的輪對(duì)廓采集裝置的自適應(yīng)對(duì)中研究，實(shí)現(xiàn)在不同光照條件影響下，廓形采集裝置快速、精確的自適應(yīng)調(diào)節(jié)，提升廓形檢測(cè)精度的同時(shí)為輪對(duì)鏇修計(jì)劃編排提供了基礎(chǔ)。

1" 輪對(duì)廓形采集裝置

車輪鏇修的外形輪廓與輪對(duì)使用的安全性、經(jīng)濟(jì)性密切相關(guān)，而目前入庫(kù)測(cè)量設(shè)備（圖1）無(wú)法測(cè)量踏面整體廓形數(shù)據(jù)。為了實(shí)現(xiàn)在不干擾輪對(duì)正常檢測(cè)與現(xiàn)場(chǎng)工人操作的前提下，采集輪對(duì)踏面廓形、輪緣厚度、輪緣高度等信息。在現(xiàn)有鏇前輪對(duì)測(cè)量設(shè)備的基礎(chǔ)上，增加補(bǔ)充廓形采集裝置，如圖2所示。

新增輪對(duì)廓形采集裝置采用紅外激光位移傳感器對(duì)輪對(duì)踏面廓形（磨耗區(qū)域）進(jìn)行掃描采集數(shù)據(jù)。裝置分布圖如圖3所示，主要設(shè)備為紅外激光位移傳感器、工業(yè)相機(jī)、滑臺(tái)等。每個(gè)紅外激光位移傳感器與水平滑臺(tái)構(gòu)成一個(gè)廓形測(cè)量模塊，每個(gè)測(cè)量模塊與工業(yè)相機(jī)固定到一個(gè)安裝支架上，2個(gè)安裝支架分別測(cè)量輪對(duì)左右輪。

輪對(duì)廓形采集裝置整個(gè)工作流程：當(dāng)測(cè)量系統(tǒng)收到測(cè)量信號(hào)時(shí)，系統(tǒng)開啟測(cè)量，從控制電腦上讀取輪對(duì)信息，打開紅外激光位移傳感器，相機(jī)開啟拍照并將圖像傳回系統(tǒng)，判斷紅外激光位移傳感器此時(shí)是否過(guò)軸心并通過(guò)豎直滑臺(tái)進(jìn)行位置調(diào)節(jié)，調(diào)整到位后利用水平滑臺(tái)帶著紅外激光位移傳感器進(jìn)行廓形的掃描，實(shí)現(xiàn)車輪廓形數(shù)據(jù)的采集。

2" 不同光照條件下輪對(duì)廓采集裝置自適應(yīng)對(duì)中方法

輪對(duì)測(cè)量機(jī)測(cè)量時(shí)會(huì)由于輪對(duì)車軸抬升高度的不同，導(dǎo)致廓形采集位置不過(guò)軸心，這會(huì)對(duì)廓形測(cè)量數(shù)據(jù)造成誤差，故需要在紅外激光位移傳感器掃描廓形前，保證紅外激光位移傳感器是過(guò)軸心的，針對(duì)現(xiàn)場(chǎng)的復(fù)雜的光照條件，本文提出了一種基于圖像的輪對(duì)廓采集裝置的自適應(yīng)對(duì)中研究，流程如圖4所示。

2.1" 車軸的定位

由于裝置在車間內(nèi)，光照是一個(gè)不可控的條件，包括車間內(nèi)的照明裝置、不同時(shí)間段的環(huán)境光照情況等，導(dǎo)致裝置采集到的圖像中車軸邊緣線無(wú)法檢測(cè)的情況。為了實(shí)現(xiàn)車軸線的邊緣檢測(cè)，需要先對(duì)采集到的圖像進(jìn)行增強(qiáng)。本文選擇了直方圖均衡化[13]的方法，對(duì)圖像進(jìn)行增強(qiáng)。之后再對(duì)車軸進(jìn)行定位，整個(gè)定位流程如圖5所示。

一般來(lái)說(shuō)，若一副圖像的像素傾向于占據(jù)整個(gè)可能的灰度級(jí)并且分布均勻，則圖像會(huì)有高對(duì)比度的外觀，細(xì)節(jié)豐富且動(dòng)態(tài)范圍較大[14]，直方圖的均衡直接利用輸入圖像直方圖的可用信息生成一個(gè)變換函數(shù)來(lái)自動(dòng)實(shí)現(xiàn)這種效果，也是針對(duì)光照不均勻圖像的常用增強(qiáng)手段[17]。

圖像的灰度直方圖是離散函數(shù)[14]

h（rk）=nk， （1）

式中：rk為第k級(jí)灰度值；nk是灰度為rk的像素個(gè)數(shù)。

歸一化后的直方圖為

pr（rk）=，k=0，1，2，...L-1， （2）

式中：MN是圖像中像素的總數(shù)；L是圖像中可能的灰度級(jí)的數(shù)量，本文L=256。

一幅圖像的灰度級(jí)可以視為區(qū)間[0，L-1]內(nèi)的隨機(jī)變量。設(shè)pr（r）為圖像灰度級(jí)的概率密度函數(shù)，對(duì)輸入灰度級(jí)進(jìn)行變換，得到輸出灰度級(jí)s為

式中：w為積分假變量。實(shí)際中像素點(diǎn)是離散的，故結(jié)合式（2）和（3），變換（映射）為

這樣，輸出圖像通過(guò)式（4）將輸出圖像中灰度級(jí)為rk的各像素映射到輸出圖像中灰度級(jí)為sk的對(duì)應(yīng)像素得到，T（rk）稱為直方圖均衡。直方圖均衡前后的圖像如圖6（a）、（b）所示?？梢钥吹骄夂蟮膱D像能看到更對(duì)的細(xì)節(jié)，邊緣也更加突出。對(duì)均衡后的圖像進(jìn)行Canny邊緣檢測(cè)，結(jié)果如圖7（a）、（b）所示，可以看出直方圖均衡后的邊緣檢測(cè)結(jié)果與原圖相比，能夠較完整地提取出車軸的邊緣線。

邊緣檢測(cè)后，利用車軸2條豎直邊緣線的形狀特點(diǎn)，沿每列統(tǒng)計(jì)邊緣線像素個(gè)數(shù)的統(tǒng)計(jì)，車軸邊緣線所在的列的邊緣線像素總個(gè)數(shù)相對(duì)于其他列的個(gè)數(shù)一定是較大的，故本文將邊緣線的定位問(wèn)題轉(zhuǎn)變?yōu)榻y(tǒng)計(jì)量中尋找最值的問(wèn)題。由于邊緣線有左右2條，故尋找統(tǒng)計(jì)圖中的最大值與第二大值，并將對(duì)應(yīng)的列數(shù)標(biāo)記為X1、X2，如圖8所示。

觀察圖8（a）、（b），可以看出，直方圖均衡后的邊緣檢測(cè)圖中抑制了可能存在對(duì)定位造成干擾的部分，相比原圖的統(tǒng)計(jì)圖，車軸所在的列的特征是比較明顯的，這導(dǎo)致原圖定位出的車軸邊緣線與真實(shí)的存在誤差。

2.2" 激光點(diǎn)的定位

實(shí)現(xiàn)車軸的定位后，可以進(jìn)一步確定激光所在的區(qū)域，大大增加了激光這種小目標(biāo)檢測(cè)的準(zhǔn)確性與實(shí)時(shí)性。激光點(diǎn)的定位流程如圖9所示。

車軸的中心線所在的列為

XC=。 （5）

激光存在的區(qū)域表示

A=（X，Y，w，h）， （6）

X=XC-

Y=α-

，（7）

w=β

h=δ， （8）

式中：α、β、δ為經(jīng)驗(yàn)參數(shù)。X、Y為激光區(qū)域起始點(diǎn)，w、h為激光區(qū)域的寬和高，如圖10所示。

確定激光區(qū)域后，原圖中截取區(qū)域A為感興趣區(qū)域（ROI）。另觀察到，激光點(diǎn)附近會(huì)存在因?yàn)檐囕S材料導(dǎo)致的部分反光區(qū)域，如圖11（a）標(biāo)注所示。對(duì)激光的定位造成影響。故本文利用伽馬變換來(lái)對(duì)ROI的灰度值進(jìn)行改變，在不影響激光點(diǎn)灰度值的情況下來(lái)抑制反光部分。

經(jīng)過(guò)伽馬變換的圖像輸出像素灰度值為

s=crγ， （9）

式中：c和r是正常數(shù)，r為輸入灰度級(jí)。當(dāng)γ為大于1的值時(shí)，伽馬變換的作用是將較寬范圍的高灰度級(jí)輸入值映射為較窄范圍的輸出值，當(dāng)γ為小于1的值時(shí)，伽馬變換的作用是將較窄范圍的暗色輸入值映射為較寬范圍的輸出值，本文為了突出激光點(diǎn)，壓縮其他灰度值。選取γ為大于1的值，對(duì)比結(jié)果如圖11所示。處理后，本文采用灰度重心法，進(jìn)一步定位區(qū)域A中激光的位置坐標(biāo)。

灰度重心法是針對(duì)提取激光光條紋中心提出的，根據(jù)每行光條紋橫截面內(nèi)的灰度分布特征逐行進(jìn)行處理，通過(guò)在行坐標(biāo)的方向上，通過(guò)式（10）逐行計(jì)算提取光條紋區(qū)域的灰度重心點(diǎn)

式中：I（u，v）為光條在（u，v）位置處的像素值，L表示光條區(qū)域的行數(shù)。本文擴(kuò)展成區(qū)域的灰度重心提取。區(qū)域A的灰度重心坐標(biāo)為

式中：l為灰度重心橫坐標(biāo)，h為溫度重心縱坐標(biāo)。f（x，y）為（x，y）處灰度值。定位結(jié)果如圖12所示，可以看出如果直接用原圖，反光區(qū)域會(huì)對(duì)激光點(diǎn)的定位造成影響，而經(jīng)過(guò)伽馬變換后，圖像灰度值得到了壓縮，此時(shí)的定位結(jié)果與激光點(diǎn)完全重合。

則需要調(diào)整的位移

式中：XC-l的符號(hào)指明需要調(diào)整的方向。

3" 實(shí)驗(yàn)與分析

對(duì)算法進(jìn)行實(shí)驗(yàn)驗(yàn)證，采用OSG130-210UC130萬(wàn)像素工業(yè)相機(jī)采集激光圖像，圖像尺寸為640pixel×512pixel。本文實(shí)驗(yàn)采用Python3.7編程實(shí)現(xiàn)，計(jì)算機(jī)處理器為Core（TM）i5。采集裝置如第2節(jié)所示。實(shí)驗(yàn)采集了不同光照條件下輪對(duì)激光圖像共2組。同時(shí)為了模擬激光或因車軸抬升高度的不同造成的影響，圖像中激光存在小范圍偏差，其中有部分圖像是在紅外位移傳感器存在位移的情況下采集的圖像。本文所提的自適應(yīng)對(duì)中算法的車軸及激光定位檢測(cè)結(jié)果見表1，部分定位情況如圖13所示。

通過(guò)表1可以看出，所有的圖像正確定位出車軸與激光的位置，正確率為100%。在圖13中，線段為定位出的車軸的中線位置，矩形框?yàn)槎ㄎ怀龅募す獯嬖趨^(qū)域，矩形框內(nèi)圓圈為定位出的激光的位置，由此可見，以這種通過(guò)定位給車軸的位置進(jìn)一步定位激光可能存在區(qū)域的方法效果較好，具有穩(wěn)定性的同時(shí)，也大大提高了計(jì)算效率。且即使對(duì)激光存在偏移、不同的光照條件下，也能準(zhǔn)確定位出來(lái)，反映出算法對(duì)物體表面紋理變化的魯棒性。

由于本文應(yīng)用為檢修車間的輪對(duì)的鏇修前測(cè)量，需要實(shí)時(shí)在線檢測(cè)，所以對(duì)識(shí)別的速度也有一定的要求，本文提出的不同光照條件下輪對(duì)廓形采集裝置的自適應(yīng)對(duì)中方法從圖像采集到輸出調(diào)整位移的時(shí)間為1.01 s，可滿足在線檢測(cè)的要求。

4" 結(jié)論

針對(duì)車軸定位，利用直方圖均衡，可以提高圖像的細(xì)節(jié)和對(duì)比度，實(shí)現(xiàn)車軸在不同光照條件下的邊緣線的較完整提取，并且利用車軸的形狀特征，將邊緣線的定位問(wèn)題轉(zhuǎn)變?yōu)榻y(tǒng)計(jì)量中尋找最值的問(wèn)題，算法無(wú)需輸入過(guò)多閾值參數(shù)，自適應(yīng)強(qiáng)，具有較高的可靠性。

針對(duì)激光的定位，提出基于伽馬變換的灰度重心法激光定位方法，利用伽馬變換壓縮提取的ROI的灰度級(jí)，有效抑制激光點(diǎn)附近的反光區(qū)域的同時(shí)，實(shí)現(xiàn)激光的精準(zhǔn)定位。

本文針對(duì)輪對(duì)車軸抬升高度的不同，導(dǎo)致廓形采集位置不過(guò)軸心的問(wèn)題，考慮了不同的光照條件，提出輪對(duì)廓形采集裝置的自適應(yīng)對(duì)中方法，算法體現(xiàn)了對(duì)物體表面紋理變化的魯棒性，大大增加了激光這種小目標(biāo)檢測(cè)的準(zhǔn)確性，達(dá)到1.01 s的平均時(shí)間，滿足對(duì)實(shí)時(shí)性的要求。

參考文獻(xiàn)：

[1] 高邁.輪箍和輪輞的自動(dòng)化超聲波試驗(yàn)[J].國(guó)外鐵道車輛，1995（5）：49-53.

[2] NAUMANN H. Wheelset sensing system： US5767973[P]. 1998-06-16.

[3] 馮其波，陳士謙，崔建英，等.輪對(duì)幾何參數(shù)動(dòng)態(tài)測(cè)量系統(tǒng)[J].中國(guó)鐵道科學(xué)，2008（5）：138-144.

[4] 馮其波，張志峰，陳士謙，等.一種激光位移傳感器動(dòng)態(tài)測(cè)量列車車輪直徑的新方法[J].中國(guó)激光，2008（7）：1059-1062.

[5] YAN G， FENG Q， CUI J. A simple method for dynamically measuring the diameters of train wheels using a one-dimen-sional laser displacement transducer[J]. Optics and Lasers in Engineering， 2014，53（7）：158-163.

[6] 李兆新，陳希雋，邢宗義，等.城軌車輛輪對(duì)尺寸在線動(dòng)態(tài)檢測(cè)系統(tǒng)[J].現(xiàn)代城市軌道交通，2015（3）：5-8.

[7] XING Z， CHEN Y， WANG X， et al. Online detection system for wheel-set size of rail vehicle based on 2D laser displacement sensors[J]. Optik-International Journal for Light and Electron Optics， 2016，127（4）：1695-1702.

[8] 馮其波，楊婧，鄭發(fā)家，等.列車輪對(duì)幾何參數(shù)與缺陷動(dòng)態(tài)測(cè)量[J].計(jì)測(cè)技術(shù)，2018，38（3）：120-129.

[9] 伍川輝，尹紀(jì)磊，郭輝，等.基于二維激光位移傳感器的通過(guò)式輪對(duì)測(cè)量系統(tǒng)設(shè)計(jì)[J].儀表技術(shù)與傳感器，2020（11）：50-53.

[10] 杜闖.基于雙線結(jié)構(gòu)光的軌道車輛輪對(duì)檢測(cè)技術(shù)研究[D].長(zhǎng)春：吉林大學(xué)，2022.

[11] 余斌，吳文海.線結(jié)構(gòu)光輪對(duì)踏面幾何參數(shù)測(cè)量系統(tǒng)設(shè)計(jì)[J].機(jī)械設(shè)計(jì)與制造，2021（3）：1-5.

[12] 涂裔盟.基于機(jī)器視覺的輪對(duì)踏面輪廓檢測(cè)研究[D].北京：北京交通大學(xué)，2020.

[13] 汪昌晨，劉虹.暗通道先驗(yàn)結(jié)合直方圖均衡的陰?kù)F圖像處理方法[J].廈門理工學(xué)院學(xué)報(bào)，2023，31（3）：50-57.

[14] 岡薩雷斯，伍茲.數(shù)字圖像處理[M].阮秋琦，阮宇智，譯.北京：電子工業(yè)出版社，2017.

[15] 張廣軍，孫軍華，劉沖，等.一種列車車輪直徑動(dòng)態(tài)測(cè)量方法及系統(tǒng)：CN102901457B[P].2015-04-15.

[16] MOUSAVI G， YOUNESIAN D， TORABI M. A high accuracy imaging and measurement system for wheel diameter inspection of railroad vehicles[J]. IEEE Transactions on Industrial Electronics， 2018（10）：8239-8249.

[17] 洪炎，龐榮，魏青，等.光照不均圖像的非線性自適應(yīng)增強(qiáng)算法[J].激光與光電子學(xué)進(jìn)展，2023，60（16）：88-97.