鋼軌磨耗測量系統(tǒng)中光帶主曲線提取的研究

吳柯慶，余學才，吳福華，張 蕾

（電子科技大學 光電信息學院，四川 成都610054）

0 引 言

鐵路提速和重載運輸?shù)目焖侔l(fā)展、客貨運量和行車密度大幅度增長，鐵路運輸?shù)陌踩絹碓绞艿酱蠹业闹匾暎壍赖陌踩珯z測成為了鐵路相關(guān)部門的重要工作之一。在各種決定鋼軌損傷的參數(shù)中，鋼軌頭部的磨耗值是主要參考標準之一。鋼軌直接承載了列車的壓力并通過與列車之間的摩擦來引導列車的運動，所以鋼軌的磨耗主要在軌頭部分，鋼軌磨耗是否超限，直接決定鋼軌是否需要更換或打磨。因此，精確地測量出鋼軌軌頭的磨耗值對于鋼軌的維護及火車的運行安全非常重要。如何精確且高效的測量出鋼軌軌頭磨耗一直是國內(nèi)外鐵道部門一個重要的研究課題［1－3］。

目前國外非接觸式鋼軌磨耗測量技術(shù)得到了很好的發(fā)展，而且能測量如軌距，軌頭磨耗，三角坑等項目。而國內(nèi)對鋼軌磨耗的測量現(xiàn)階段都是采用手工卡尺測量，這種方法的精確度雖較高，但受實際測量條件和測量環(huán)境的影響，其測量效率低下。隨著技術(shù)的發(fā)展，現(xiàn)在國內(nèi)也在研究一種基于計算機視覺的非接觸式激光光切法測量鋼軌磨耗的方法［4－5］，其主要原理是通過激光垂直照射到鋼軌表面，電荷耦合器件（charge－coupled device，CCD）以一定角度實時采集鋼軌切面的激光散射圖像。提取光帶圖像中心骨架后，通過和理論圖像進行對比，就能計算就出鋼軌的磨耗值。所以鋼軌光帶中心曲線的提取對系統(tǒng)的測量的準確度有很大的影響。通過激光照射導軌表面實現(xiàn)非接觸式測量，能夠減輕工地檢測人員的工作復雜度，實用性很強，而且能大大提高檢測效率，通過大量測量數(shù)據(jù)對鋼軌磨耗程度進行實時監(jiān)視，進而保證鐵路運輸?shù)陌踩浴?/p>

在非接觸式鋼軌磨耗測量的過程中，主要是通過CCD來接收激光圖像信息，CCD采集到的圖像中目標圖像的清晰度直接決定測量結(jié)果誤差。CCD采集到的圖像非常容易受到外界光的干擾，而且外界環(huán)境光的干擾是未知的。在提取光帶中心的實驗過程中，如果直接對光帶進行細化，處理后經(jīng)常會遇到兩種情況，曲線出現(xiàn)大量的毛刺或者大面積的缺失。這主要是由于背景光的干預造成的，而且和CCD曝光時間有關(guān)。由于激光器照射區(qū)域需覆蓋鋼軌軌頭的整個側(cè)面區(qū)域和鋼軌的頂部區(qū)域，再加上野外測量時強太陽光曲線易出現(xiàn)毛刺或斷裂，直接通過細化［6－7］和去噪的過程很難得到理想的曲線圖像，都不能很好的解決這個問題。為此，我們根據(jù)光帶特有的曲線特性，提出了斜率驅(qū)動主曲線的方法，通過預測曲線走向，從而保證在背景光光強變化范圍較大情況下，避免產(chǎn)生曲線缺失和毛刺的現(xiàn)象。

1 鋼軌軌頭磨耗測量系統(tǒng)的工作原理及流程

整個鋼軌磨耗測量系統(tǒng)的設計主要分為3個部分：圖像的標定還原系統(tǒng)、現(xiàn)場鋼軌磨耗數(shù)據(jù)的采集系統(tǒng)、后臺實驗數(shù)據(jù)的分析。標定還原主要是解決在CCD成像的過程中由于成像的角度、CCD位置的偏移、CCD鏡頭成像的畸變等原因造成的圖像的變形，通過定標處理后，能計算出校正的參數(shù)，用于現(xiàn)場測試系統(tǒng)中的還原部分?，F(xiàn)場測量系統(tǒng)主要是現(xiàn)場對鋼軌圖像進行的采集和處理，并能夠?qū)崟r的輸出鋼軌的磨耗值。后臺實驗數(shù)據(jù)的處理是對現(xiàn)場采集到的數(shù)據(jù)進行統(tǒng)計和分析，通過圖像界面的設計形式來查找需要關(guān)注的鋼軌段磨耗情況，并能以報表的形式對測試結(jié)果進行打印。

鋼軌斷面磨耗一般定義為：由于機械作用而造成的物體表面材料的逐漸損耗。鋼軌磨耗指標主要有垂直磨耗和水平磨耗。垂直磨耗：以鋼軌非工作邊軌鄂部分為測量基準，在距工作邊1/3軌頭寬處垂直方向的磨耗；水平磨耗：以鋼軌非工作邊軌鄂部分為測量基準，在距鋼軌頂面下16mm處水平方向的磨耗。圖1為鋼軌磨耗測量現(xiàn)場數(shù)據(jù)采集系統(tǒng)的原理圖。

光切法鋼軌磨耗測量系統(tǒng)主要由線性激光器，采集圖像部分CCD以及進行圖像處理的計算機組成。鋼軌磨耗測量模型的主要原理［8－10］是：線激光器垂直照射在鋼軌表面上，激光就會在鋼軌表面形成散射，再通過與鋼軌斷面成一定角度放置的CCD采集到鋼軌斷面輪廓圖像，圖像中明亮的光帶就是鋼軌的輪廓信息圖。經(jīng)過一系列圖像處理后得到光帶的單像素輪廓圖，再經(jīng)過CCD針孔成像原理進行空間上的圖像校正，轉(zhuǎn)換到計算機坐標系下通過和理論曲線的對比得到鋼軌斷面的真實輪廓曲線，經(jīng)過圖像匹配后，根據(jù)磨耗的定義輸出激光切面處鋼軌的磨耗值。

通過測量原理可以得知，后續(xù)圖像處理過程都是在CCD采集到的圖像的基礎上進行處理的，所以，能否得到穩(wěn)定的鋼軌真實曲線圖像對系統(tǒng)的穩(wěn)定性和準確性將產(chǎn)生很大的影響。在實驗的過程中，由于實驗的環(huán)境不同，背景光對CCD采集到圖像的影響也不同。當外部光很強時，如野外測量的過程中，由于強背景光的干擾，就會擾亂目標區(qū)域圖像，進行二值化后就會出現(xiàn)雜亂的曲線；當調(diào)節(jié)CCD曝光時間以減少外部光的干擾時，在暗背景下采集到的CCD圖像就會出現(xiàn)斷裂的情況。所以，要解決系統(tǒng)的穩(wěn)定性問題，就必須在各種不同的背景下提取到穩(wěn)定的目標鋼軌曲線的圖像。這樣，在通過細化等圖像處理算法才能得到更準確的磨耗值。

2 斜率驅(qū)動主曲線

由于CCD采集到的目標圖像質(zhì)量直接影響測量結(jié)果的準確度，能否提取出清晰的目標鋼軌曲線決定著系統(tǒng)的可靠性。CCD采集的鋼軌光帶圖像質(zhì)量會受環(huán)境光光強的影響，如圖2所示，（a）、（b）和（c）分別為適中背景、強光背景和暗背景3種典型背景光下所采集到的圖像。（a）中，背景光完全被濾波片濾除，所得的鋼軌曲線圖像很理想。（b）中，由于背景光較強，提取光帶主曲線［9］后會出現(xiàn)大量的毛刺；而對于（c），細化處理后所獲得的曲線骨架就會出現(xiàn)大面積的斷裂。雖然鋼軌磨耗點對整個鋼軌來說是兩個固定的點，但在計算機處理的過程中我們需要通過整個剛過輪廓的曲線形狀來和理論曲線進行匹配，所以，鋼軌的輪廓圖像是否清晰完整對測量的準確率有很大的影響。針對以上出現(xiàn)的情況，提出了斜率驅(qū)動主曲線算法，從而達到抑制亮帶毛刺和連通暗區(qū)域光帶的作用。

2.1 光帶主曲線提取

（1）斜率驅(qū)動跟蹤主曲線：根據(jù)鋼軌曲線光帶自身平滑的特點，曲線斜率在很小的一段區(qū)域內(nèi)也是一個漸變的過程。根據(jù)各區(qū)域的二值化閾值提取這一小段區(qū)域的實際曲線，再通過計算這一段曲線的斜率來預測下一段曲線的出現(xiàn)的區(qū)域，并在此區(qū)域內(nèi)確定這段曲線的具體位置，從而達到抑制亮帶毛刺和連通暗區(qū)域光帶的作用。其實現(xiàn)步驟如下：

步驟1：創(chuàng)建原始圖像的副本，并進行動態(tài)二值化，二值化的閾值和圖像的背景圖像信息有關(guān)。由此二值化后圖像的斜率信息來跟蹤原始圖像的真實目標曲線。查找此新建圖像的最下面的亮點并記為（x0，y0）。如圖3所示。

步驟2：由鋼軌輪廓外形可知，鋼軌軌頭下方是鋼軌側(cè)面直線和軌頭下顎直線的交點，但有一個小弧度的倒角。所以，在新建的圖像中，采集到的光帶下方也會有一小段圓弧，因此需要把從搜索到的圖像副本的最下端點再往上15個像素的點作為第一段斜率曲線的起點。由縱坐標的值可以搜索到對應的曲線左右兩點（x1，y1），（x1＋D1，y1），其中D1為縱坐標為y1時曲線對應的線寬?，F(xiàn)以step＝10為步長來計算這段曲線的斜率，由于線寬的不均勻性，需要計算該曲線段的平均斜率，以平均斜率來近似整段曲線的斜率。這里將step＝10的曲線段分為5段來進行計算，每段高度為step/2（步長和分段段數(shù)可以根據(jù)具體需要進行選擇）。往上再搜索縱坐標增加步長一半的兩個端點（x6，y1＋5），（x6＋D6，y1＋5），其中D5為縱坐標為y1時曲線對應的線寬。計算這一段光帶曲線的斜率K1為

同理可得到第n段曲線的斜率Kn，n＝0，1，2，3，4

式中：X1＋n——步長內(nèi)第n段曲線下端點的橫坐標，X6＋n——步長內(nèi)第n段曲線上斷點的橫坐標，D1＋n——步長內(nèi)第n段曲線下端光帶的線寬，D6＋n——步長內(nèi)第n段曲線上端光帶的線寬。

因此第一段直線的平均斜率Kaver1為

然后在原圖像上（未進行二值化的圖像）對第一段曲線進行區(qū)域動態(tài)二值化，從而提取出第一段曲線的真實光帶。

步驟3：由前一段曲線斜率來判斷下一段曲線出現(xiàn)的區(qū)域。由Kaver1和前一段曲線的最上面兩個端點（x10，y1＋step），（x10＋D10，y1＋step）來估算縱坐標為y2（y2＝y(tǒng)1＋step）到y(tǒng)2＋step這段區(qū)域內(nèi)曲線的出現(xiàn)的區(qū)域，并在該區(qū)域內(nèi)搜索到鋼軌光帶的真實曲線，再對這段步長內(nèi)光帶曲線進行區(qū)域動態(tài)二值化。并按步驟2流程計算出這一段真實曲線的平均斜率Kaver2。

步驟4：重復步驟2，步驟3，對每一段步長內(nèi)的光帶曲線進行二值化，并計算出這段曲線的斜率Kaver（n）。

步驟5：當Kavern＜－1時，說明此時曲線的走勢為水平方向，所以需要調(diào)整跟蹤的曲線為水平方向。此時若繼續(xù)按上面的步驟進行跟蹤，計算出的曲線的斜率就會脫離實際的曲線。所以需要對跟蹤的方向進行調(diào)整。具體步驟是將上面步驟2，步驟3，步驟4中的x、y進行對調(diào)，并且step更改為在水平方向上進行的變化。調(diào)整跟蹤方向后，再按照步驟2，3，4繼續(xù)進行光帶曲線跟蹤。

步驟6：由于鋼軌曲線跟蹤是從圖像的右下角開始，當跟蹤到鋼軌輪廓水平方向時，如果在進行步驟2垂直方向上搜索左端點時為能找到滿足要求的端點，說明此時鋼軌輪廓跟蹤完畢。跳出跟蹤循環(huán)，進入步驟7。

步驟7：跟蹤完曲線后，對原圖像進行整體二值化，閾值為255，這樣就能把目標鋼軌輪廓去想從復雜的背景光中分離處理，從而提取到光滑連續(xù)的目標光帶曲線圖像。

2.2 光帶主曲線的提取

經(jīng)過斜率驅(qū)動跟蹤后得到的鋼軌曲線為一條連續(xù)光滑的曲線，但仍然有一定的線寬。所以仍需要進過光帶的細化［11－12］處理，提取到的光帶中心骨架即為鋼軌切面的輪廓。

細化是指在不影響圖像的連通性的基礎上，去除圖像的邊緣部分，直到只剩下單像素的骨架。理想狀態(tài)下圖像細化處理后的單像素骨架為原光帶曲線的中心，但細化的過程中要保持原圖像不變形，在刪除邊緣點時要對稱，處理的速度要快。處理后的光帶曲線即為鋼軌光帶主曲線。

2.3 圖像處理流程

整個現(xiàn)場圖像采集處理系統(tǒng)都是基于Visual C＋＋6.0平臺開發(fā)的，圖像處理流程如圖4所示。

CCD進行初始化后，準備采集圖像，等待圖像采集命令。當獲得圖像采集命令后開始采集圖像，把圖像的灰度信息直接讀入到計算機內(nèi)存內(nèi)中進行圖像處理。先通過斜率驅(qū)動主曲線算法處理獲得光滑連續(xù)的光帶主曲線。再讀入通過標定后得到的標定參數(shù)，經(jīng)還原處理來矯正CCD成像過程中圖像的變形和畸變。經(jīng)還原處理后的鋼軌輪廓圖像就是鋼軌斷面輪廓曲線。還需要通過匹配點與理論鋼軌曲線進行配準，通過與理論曲線預先定義的鋼軌磨耗點的坐標值進行比較，就能得到鋼軌軌頭的水平方向和垂直方向上的磨耗值。

圖4 圖像處理流程

3 實驗結(jié)果對比和討論

圖5中3組圖像分別為圖2中（a），（b），（c）這3種不同背景下（適中、暗、亮）直接動態(tài)二值化提取鋼軌輪廓曲線和按圖4的圖像處理流程對采集到的圖像處理后的得到的對比圖像，其中左側(cè)圖為未進行斜率驅(qū)動處理后的圖像，右側(cè)圖為進行了斜率驅(qū)動處理后的得到的鋼軌軌頭輪廓曲線。由左右兩側(cè)圖像的對比，可以明顯看到圖像主曲線的提取得到了很大改進，其中第二組圖像中的斷裂情況經(jīng)處理后實現(xiàn)了光滑連通，第三組圖像中出現(xiàn)的毛刺和亮點都得到了很好的濾除，目標圖像的處理都得到了很大的改善。

圖5 改進前、后提取出的光帶主曲線圖像對比

表1中，50kg和60kg表示實驗中用到的鋼軌軌頭的鋼軌型號，標準塊和磨耗塊是按圖紙定做的鋼軌軌頭塊，理論值是鐵路測量部門通過專業(yè)測量工具得到的鋼軌磨耗數(shù)據(jù)，實測值為按文中的提出的光帶處理方法處理后計算機輸出的數(shù)據(jù)。從表中數(shù)據(jù)可以看出，系統(tǒng)測量最大誤差為0.3mm，滿足測量要求。

獲得光帶主曲線后，通過圖4的處理流程對圖像進行處理。表1為圖4處理流程處理后，測試結(jié)果與理論磨耗值的對比。

表1 測量結(jié)果

4 結(jié)束語

本文通過基于斜率驅(qū)動提取光帶中心主曲線的方法，有效解決了鋼軌輪廓細化過程中遇到的毛刺或者斷裂問題，對圖像背景的抑制起到了很好的作用，能夠適應較大范圍的背景光光強變化，從而提高了系統(tǒng)的穩(wěn)定性，減小測量誤差。但在對曲線圖像進行斜率驅(qū)動計算時，考慮的是整幅圖像的處理，這樣，圖像處理的的區(qū)域變大就會給圖像處理速度帶來不好的影響。所以，進一步應該從實際出發(fā)，固定好CCD，激光器，以及鋼軌的相對位置后，鋼軌圖像中目標曲線受影響較大的區(qū)域就處在一個相對穩(wěn)定的區(qū)域內(nèi)，通過對算法區(qū)域的改進，從而提高圖像的處理速度。

［1］DING Dawei，JI Shubo，WANG Lizhi.Photoelectric real－time detection system for rail abrasion ［J］.China railway science，2006，27（1）：64－67（in Chinese）.［丁大尉，紀淑波，王立志.光電式鋼軌磨耗實時檢測系統(tǒng) ［J］.中國鐵道科學，2006，27（1）：64－67.］

［2］ZHAO Junming.Rail profile（wear）measurement’s development path and future ［J］.Zheng Railway Science and Technology，2010，2（1）：9－10（in Chinese）.［趙俊明.鋼軌輪廓（磨耗）測量的發(fā)展軌跡與未來 ［J］.鄭鐵科技通訊，2010，2（1）：9－10.］

［3］MENG Jia.The current situation and development of the rail wear detection technology［J］.Railway Technical Supervision，2005，1（1）：34－36（in Chinese）.［孟佳.鋼軌磨耗檢測技術(shù)的現(xiàn)狀與發(fā)展 ［J］.鐵道技術(shù)監(jiān)督，2005，1（1）：34－36.］

［4］LI Zhenhua.The design of rail wear cross section high precision measurement［D］.Beijing：Beijing Jiaotong University，2008（in Chinese）.［李真華.鋼軌斷面高精度動態(tài)檢測系統(tǒng)設計［D］.北京：北京交通大學，2008.］

［5］YANG Liujun.Research and implement of steel rail abrasion measurement system based on computer vision ［D］.Beijing：Beijing JiaotongUniversity，2008（in Chinese）.［楊留君.基于計算機視覺的鋼軌磨耗測量系統(tǒng)的研究與實現(xiàn) ［D］.北京：北京交通大學，2008.］

［6］WANG Weihua，SUN Junhua，LIU Zhen.Stripe center extraction algorithm for structured－light in rail wear dynamic measure－ment［J］.Laser ＆Infrared，2010，1（40）：87－90（in Chinese）.［王偉華，孫軍華，劉震.鋼軌磨耗動態(tài)測量結(jié)構(gòu)光條紋中心提取算法 ［J］.激光與紅外，2010，1（40）：87－90.］

［7］JIA Qianqian，WANG Boxiong，LUO Xiuzhi.Extraction of central positions of light stripe in sub－pixel in 3Dsurface measurement based on light sectioning method ［J］.Optics and Precision Engineering，2010，2（18）：390－395（in Chinese）.［賈倩倩，王伯雄，羅秀芝.光切法形貌測量中光條中心的亞像素提取 ［J］.光學精密工程，2010，2（18）：390－395.］

［8］JIN Wenrui，ZHAN Xingqun，JIANG Benhe.An automatic scheme for rail wear detection based on infrared image analysis［C］.8th International Conference on Signal Processing，2006.

［9］LI Guoxin，WANG Chonglin，LIU Jianhua，et al.Dynamic railwear inspecting system based on machine vision ［C］.2nd IEEE Conferences on Industrial Electronics and Applications，2007.

［10］FENG Xiaoqin，SONG Wenai，MA Jinjiang.Test system of the rail abrasion ［J］.Foreign Electronic Measurement Technology，2008，10（27）：32－34（in Chinese）.［馮小琴，宋文愛，馬錦江.鋼軌磨耗測量系統(tǒng) ［J］.國外電子測量技術(shù)，2008，10（27）：32－34.］

［11］WANG Peng，ZHANG Youguang，ZHANG Shuo.A synthetically thinning algorithm for fingerprint image ［J］.Journal of Computer－Aided Design ＆ Computer Graphic，2009，21（2）：179－182（in Chinese）.［王朋，張有光，張爍.指紋圖像細化的綜合化算法 ［J］.計算機輔助設計與圖形學報，2009，21（2）：179－182.］

［12］LIANG Guangmin，CAI Xuejun.Improvement of OPTA algorithm and its application in fingerprint images thinning ［J］.Computer Engineering and Design.2006，27（23）：4607－4608（in Chinese）.［梁廣明，蔡學軍.OPTA算法的改進及其在指紋圖像細化中的應用 ［J］.計算機工程與設計，2006，27（23）：4607－4608.］