高速鐵路軌道表面缺陷機(jī)器視覺背景差分檢測技術(shù)研究.pdf

1、高速鐵路具有運行速度快、運輸能力大、占用土地少、能源消耗低、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)、社會效益好等優(yōu)勢。建設(shè)高速鐵路客運專線，實現(xiàn)客貨分運，是提高運輸能力和質(zhì)量，滿足客運快速、準(zhǔn)時、舒適等方面需求的根本途徑。然而，隨著鐵路行車速度、密度和載重量的不斷提高，由鋼軌表面缺陷引起的斷軌事故也在逐年增加。因此，如何實時檢測鋼軌表面缺陷是鐵路安全、舒適、高速運營必須解決的一個關(guān)鍵問題。在當(dāng)前鐵路客運專線建設(shè)的大背景下，研究鋼軌表面缺陷的自動檢測技術(shù)更加具有現(xiàn)實

2、意義。鑒于此，本論文對高速鐵路軌道表面缺陷機(jī)器視覺檢測背景差分檢測技術(shù)進(jìn)行了深入、系統(tǒng)的研究。
　　首先闡述了軌道缺陷的檢測現(xiàn)狀;介紹了軌道缺陷的分類、危害及其檢測方法，指出研究高速鐵路軌道表面缺陷檢測的重要意義;概述了國內(nèi)外開發(fā)類似檢測技術(shù)與設(shè)備的相關(guān)成果，分析并總結(jié)了高速鐵路軌道表面缺陷檢測所面臨的挑戰(zhàn)。本論文圍繞該所面臨的挑戰(zhàn)開展了深入的研究，主要研究工作如下:
　　(1)分析了鋼軌成像的特點，并考慮到多種因素對成像的

3、影響，設(shè)計了專用的軌道表面缺陷檢測機(jī)械結(jié)構(gòu)，可對光源入射角度、安裝方式、光源強(qiáng)度等進(jìn)行調(diào)節(jié)，便于得到最佳的鋼軌圖像。對成像系統(tǒng)硬件進(jìn)行了詳細(xì)分析、選型，并分析了缺陷視覺檢測軟件架構(gòu)。最后設(shè)計了低速平動平臺、高速轉(zhuǎn)動平臺和手推車平臺三種軌道表面缺陷檢測平臺。
　　(2)提出一種基于背景差分的軌道表面缺陷圖像檢測方法。根據(jù)鋼軌表面圖像具有沿鋼軌方向像素值基本不變的特征，建立鋼軌表面圖像背景模型，然后將實際采集的圖像與背景圖像進(jìn)行差分操

4、作，得到與光照強(qiáng)度呈正比、背景均勻的差分圖像，減小了反射不均對圖像處理的影響?；谇斜妊┓虿坏仁降淖赃m應(yīng)閾值選取與光照強(qiáng)度呈線性關(guān)系，因此，在對差分圖像進(jìn)行二值化時，約去了光強(qiáng)項，消除了光照變化的影響。算法參數(shù)少，只有閾值控制因子一個參數(shù)，易于調(diào)節(jié)，可控性強(qiáng)，計算量少，實時性高，耗時僅為24.2ms，但是對陰影、污漬和鐵銹比較敏感。
　　(3)提出一種基于反向擴(kuò)散差分的軌道表面缺陷檢測方法。首先，根據(jù)缺陷同時具有低灰度值和高梯度值

5、的特征，設(shè)計了反向PM(Perona Malik)擴(kuò)散因子。該因子對具有低灰度值和高梯度值特征的像素區(qū)進(jìn)行平滑;而具有高灰度值和（或）低梯度值的像素區(qū)則被保留。然后，對原圖像進(jìn)行反向PM擴(kuò)散后，與原圖像進(jìn)行差分操作，使得缺陷邊緣部分被保留。利用自適應(yīng)閾值將鋼軌缺陷分割出來。該方法減小了光照變化、反射不均、陰影和污漬等環(huán)境因素對圖像處理的影響。但是由于鐵銹也具有高梯度值，對算法有很大的影響，同時，通過觀察檢測到的缺陷邊緣發(fā)現(xiàn)，缺陷邊緣存在

6、空洞和斷裂，為此，在分析各影響因素的特征的基礎(chǔ)上，提出了改進(jìn)的反向PM擴(kuò)散的鋼軌表面缺陷檢測算法。針對引起邊緣空洞斷裂的本質(zhì)原因和擴(kuò)散模型離散機(jī)制，提出了最近鄰中心差分機(jī)制。與反向PM擴(kuò)散算法所采用的傳統(tǒng)離散機(jī)制相反，該機(jī)制增強(qiáng)邊緣中心的同時，抑制噪聲點的增強(qiáng)。因此，差分圖像消除由鐵銹產(chǎn)生的噪聲的同時，增強(qiáng)了邊緣的完整性。
　　(4)先前提出的缺陷檢測算法是經(jīng)過背景建?；驁D像擴(kuò)散平滑，然后與原圖像進(jìn)行差分，再對差分圖像二值化、去噪

7、、濾波與填充，最后得到缺陷圖像，過程復(fù)雜，干擾因素多，因此缺陷檢測結(jié)果難以達(dá)到最優(yōu)。為此，提出了基于低秩與稀疏表示的鋼軌表面缺陷視覺檢測算法。低秩與稀疏表示算法主要用于視頻流中運動物體的識別，而對于靜態(tài)物體則無法識別，為此，在分析了缺陷具有不規(guī)則邊緣特性之后，將缺陷的不規(guī)則邊緣看作運動物體，從而實現(xiàn)了基于低秩與稀疏表示的鋼軌表面缺陷的識別檢測。該算法首先建立了背景模型和缺陷模型，進(jìn)而建立了鋼軌圖像模型，為了保證缺陷的完整性，引入了圖割法