基于激光攝像技術(shù)的鋼軌波磨檢測(cè)方法研究*

康高強(qiáng) 李春茂 秦莉娟

基于激光攝像技術(shù)的鋼軌波磨檢測(cè)方法研究*

康高強(qiáng) 李春茂 秦莉娟

（華東交通大學(xué)電氣與自動(dòng)化工程學(xué)院，330013，南昌//第一作者，助教）

目前常用的鋼軌波磨檢測(cè)方法有弦測(cè)法和慣性基準(zhǔn)法，弦測(cè)法傳遞函數(shù)不恒定，慣性基準(zhǔn)法受車速影響大。針對(duì)鋼軌波磨檢測(cè)方法的缺點(diǎn)，提出了一種基于激光攝像技術(shù)的波磨檢測(cè)方法，通過(guò)多傳感器并行工作對(duì)鋼軌輪廓進(jìn)行高頻率采樣，通過(guò)FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）對(duì)傳感器獲得的光條圖像進(jìn)行ROI（Region Of Interest）提取，將圖像的ROI傳送至上位機(jī)提取輪廓數(shù)據(jù)，進(jìn)而完成鋼軌的波磨信息提取。論證了通過(guò)多傳感器并行工作提高鋼軌輪廓的采樣頻率的可行性，在Xilinx SP605開(kāi)發(fā)板上實(shí)現(xiàn)了光條圖像ROI的實(shí)時(shí)提取。試驗(yàn)表明，ROI提取能夠有效減小通信的數(shù)據(jù)量。

軌道交通；鋼軌波磨；檢測(cè)方法；并行采樣；圖像ROI提取

列車運(yùn)行過(guò)程中，由于輪軌相互作用及鋼軌加工工藝等原因，鋼軌頂面沿縱向會(huì)出現(xiàn)規(guī)律性的類似波浪形狀的不平順現(xiàn)象,簡(jiǎn)稱鋼軌的波磨。它是造成列車振動(dòng)以及車內(nèi)異常噪聲的主要原因之一［1-2］。因此，需要對(duì)鋼軌波磨進(jìn)行定期檢測(cè)，為線路養(yǎng)護(hù)維修提供科學(xué)依據(jù)。

目前，鋼軌波磨檢測(cè)方法主要有慣性基準(zhǔn)法和弦測(cè)法。這兩種方法都有明顯的缺點(diǎn)，慣性基準(zhǔn)法以物體運(yùn)動(dòng)加速度的測(cè)量為基礎(chǔ)，對(duì)檢測(cè)車的速度敏感，在低速時(shí)測(cè)量誤差較大；弦測(cè)法的傳遞函數(shù)幅值不恒定，會(huì)造成檢測(cè)數(shù)據(jù)的失真，甚至?xí)霈F(xiàn)虛假波形［3-4］。鋼軌輪廓數(shù)據(jù)中包含著豐富的鋼軌幾何信息，文獻(xiàn)［5-6］采用激光攝像機(jī)技術(shù)，以0.3 m左右的間隔對(duì)鋼軌輪廓進(jìn)行采樣，通過(guò)計(jì)算測(cè)量輪廓與標(biāo)準(zhǔn)輪廓之間的差值實(shí)現(xiàn)了鋼軌磨耗的動(dòng)態(tài)測(cè)量。對(duì)鋼軌輪廓進(jìn)行高密度、小間距采樣，從輪廓數(shù)據(jù)中提取出鋼軌的高度，則從鋼軌高度值序列中即可獲得鋼軌波磨信息。要減小采樣間隔，就需要提高系統(tǒng)采樣頻率。隨著采樣頻率的提高，采集系統(tǒng)產(chǎn)生的數(shù)據(jù)量勢(shì)必增加，進(jìn)而需要實(shí)時(shí)處理大量的圖像數(shù)據(jù)。FPGA（現(xiàn)場(chǎng)可編程門(mén)陣列）在實(shí)現(xiàn)應(yīng)用程序的功能時(shí)為每個(gè)功能都建立單獨(dú)的硬件，因此它具有并行處理的內(nèi)在特點(diǎn)，這使得FPGA特別適合于高速圖像處理［7］。

本文根據(jù)鋼軌輪廓圖像的特點(diǎn)，提出了一種基于并行采樣技術(shù)的鋼軌輪廓圖像高速采集方法。該方法通過(guò)多傳感器并行采樣提高采樣頻率［8］。針對(duì)提高采樣頻率后采集系統(tǒng)產(chǎn)生的大數(shù)據(jù)量，本文利用FPGA實(shí)現(xiàn)鋼軌輪廓圖像亮帶部分（region of interest，簡(jiǎn)為 ROI）的實(shí)時(shí)提?。?］，只將圖像的 ROI傳輸給上位機(jī)，從而大大減少采集系統(tǒng)向上位機(jī)傳輸?shù)臄?shù)據(jù)量。

1 系統(tǒng)測(cè)量原理

測(cè)量系統(tǒng)主要由線激光器、高速面陣式CCD（電荷耦合元件）攝像機(jī)、FPGA、上位機(jī)以及機(jī)械安裝裝置組成，輪廓測(cè)量原理如圖1所示。由線激光器和攝像機(jī)構(gòu)成的激光攝像組件安裝在列車底部的檢測(cè)梁上，線激光器投射出的光平面與鋼軌縱向垂直，在鋼軌表面形成高亮的測(cè)量光條；攝像機(jī)與線激光器安裝在鋼軌的同一側(cè)且與光平面成一定夾角，攝像機(jī)實(shí)時(shí)拍攝光條圖像；FPGA實(shí)時(shí)提取光條圖像的ROI，并將圖像的ROI傳輸給上位機(jī)；基于圖像處理技術(shù)和視覺(jué)測(cè)量原理，上位機(jī)計(jì)算出鋼軌輪廓數(shù)據(jù)，從輪廓數(shù)據(jù)中提取出鋼軌的高度，從鋼軌高度值序列中可獲取鋼軌波磨信息。

圖1 系統(tǒng)測(cè)量原理示意圖

2 多傳感器并行采樣提高采樣頻率

鋼軌短波磨波長(zhǎng)最小約為25 mm，為了實(shí)現(xiàn)波磨的有效檢測(cè)，采樣間隔就要足夠小。設(shè)以采樣間隔d≤5 mm對(duì)鋼軌進(jìn)行采樣，檢測(cè)車的運(yùn)行速度為v（單位為km/h），則采樣頻率為：

當(dāng)檢測(cè)車速度較高時(shí)，單臺(tái)攝像機(jī)無(wú)法滿足采樣頻率的要求。例如，當(dāng)v=180 km/h、d=5mm時(shí)，f=10 000Hz，攝像機(jī)無(wú)法達(dá)到如此高的拍攝頻率。采用多傳感器并行采樣能夠提高系統(tǒng)的采樣頻率，使采樣速率滿足應(yīng)用要求。多傳感器并行采樣原理如圖2所示，多個(gè)由攝像機(jī)和線激光器組成的激光攝像組件安裝在同一檢測(cè)梁上，通過(guò)快門(mén)同步對(duì)鋼軌輪廓進(jìn)行同步拍攝。

設(shè)攝像機(jī)的最大拍攝頻率為fmax，則滿足采樣頻率要求所需的攝像機(jī)個(gè)數(shù)為：

圖2 多傳感器并行采樣原理示意圖

在d確定時(shí)，實(shí)時(shí)測(cè)量車速 v，由式（1）和式（2）即可得到同步拍攝頻率fc：

建立如圖2所示的坐標(biāo)系，坐標(biāo)軸x與鋼軌平行，xi為第i個(gè)激光攝像組件的安裝坐標(biāo)，x1=0，則不同坐標(biāo)之間滿足：

式中：

ki=1，2，…，i≤ n，ki＞ ki-1，ki可以根據(jù)實(shí)際的傳感器安裝情況進(jìn)行調(diào)整。

根據(jù)式（3）實(shí)時(shí)計(jì)算fc。對(duì)鋼軌進(jìn)行第k次同步拍攝時(shí)，第i個(gè)激光攝像組件的采樣位置為：

將式（4）代入式（5）得：

設(shè)第i個(gè)傳感器的全體采樣位置的集合為si，由式（6）可知，si可由 s1平移（i-1） d 得到，這樣所有n個(gè)傳感器全體采樣位置的集合s=s1∪s2∪…∪sn實(shí)現(xiàn)了以d對(duì)鋼軌采樣。

3 光條圖像的ROI提取算法及其FPGA實(shí)現(xiàn)

利用并行采樣技術(shù)提高采樣頻率后，攝像機(jī)將會(huì)產(chǎn)生巨大的數(shù)據(jù)量。當(dāng)v=180 km/h、d=5 mm時(shí)，f=10 000 Hz，設(shè)圖像分辨率為1 280×1 024像素，則檢測(cè)系統(tǒng)每秒產(chǎn)生的數(shù)據(jù)量為1.28×104MB，通信接口和上位機(jī)無(wú)法處理如此大的數(shù)據(jù)流量。

攝像機(jī)拍攝的鋼軌輪廓光條圖像如圖3所示。圖像的關(guān)鍵信息主要包含在ROI中，它只占整幅圖像的很小一部分。

圖3 鋼軌輪廓光條圖像

首先對(duì)圖像進(jìn)行預(yù)處理，實(shí)時(shí)提取ROI；然后將ROI傳送至上位機(jī)用于輪廓測(cè)量，這樣能極大地減少系統(tǒng)所要傳輸和處理的數(shù)據(jù)量。根據(jù)經(jīng)驗(yàn)，圖像中的亮帶寬度不超過(guò)40個(gè)像素，當(dāng)預(yù)處理前數(shù)據(jù)量為1.28×104MB時(shí)，提取ROI后數(shù)據(jù)量減少為500 MB，這就將數(shù)據(jù)量降低到了通信接口和上位機(jī)能夠承受的范圍內(nèi)。

3.1 光條圖像的ROI提取算法

光條圖像的ROI的灰度值遠(yuǎn)遠(yuǎn)大于其他部分，本文所采用的ROI提取算法軟件流程如圖4所示。其中r、c分別為行、列坐標(biāo)值，每行像素總列數(shù)為clenth。該算法對(duì)圖像進(jìn)行逐行處理，首先根據(jù)一行中每個(gè)像素的灰度值I（r，c）是否大于閾值threshold來(lái)判斷該像素是否屬于光條的ROI，并計(jì)算每行中屬于ROI的數(shù)目n以及他們的列坐標(biāo)之和S，然后計(jì)算該行中所有灰度值大于threshold的像素的列坐標(biāo)的中心M，中心左右兩側(cè)共40個(gè)像素即為圖像的ROI。該算法在求取列坐標(biāo)的中心M時(shí)，計(jì)算的是所有灰度值大于threshold的像素的列坐標(biāo)的平均值，對(duì)圖像中的亮斑噪聲具有魯棒性。

3.2 光條圖像的ROI提取算法的FPGA實(shí)現(xiàn)

在ROI提取過(guò)程中，每行圖像的ROI只與該行的像素值有關(guān)，因此可采取空間并行操作，首先將圖像按行分割，然后利用單獨(dú)的處理器對(duì)分割后的部分獨(dú)立地進(jìn)行ROI的提取，這樣可提高圖像的處理速度。FPGA在實(shí)現(xiàn)應(yīng)用程序的功能時(shí)為每個(gè)功能都建立單獨(dú)的硬件，因此它具有并行處理的內(nèi)在特點(diǎn)，本文設(shè)計(jì)的基于FPGA的光條圖像ROI提取算法的整體邏輯結(jié)構(gòu)關(guān)系如圖5所示。將圖像按行分為m個(gè)區(qū)域，在FPGA中建立m個(gè)具有相同結(jié)構(gòu)的處理器對(duì)m個(gè)區(qū)域進(jìn)行并行處理，分別提取每個(gè)區(qū)域的ROI，進(jìn)而完成整幅圖像的ROI提取。通過(guò)改變m的值可滿足實(shí)際應(yīng)用對(duì)處理速度的要求。

圖4 ROI提取算法軟件流程

圖5 ROI提取算法的整體邏輯結(jié)構(gòu)圖

如同產(chǎn)品經(jīng)過(guò)生產(chǎn)線一樣，輸入數(shù)據(jù)在通過(guò)一系列處理器時(shí)，在每個(gè)處理器上得到相應(yīng)的處理，各處理器將處理過(guò)的數(shù)據(jù)傳遞給下一個(gè)處理器，直到最終完成數(shù)據(jù)的處理。在流處理過(guò)程中，輸入數(shù)據(jù)一旦從存儲(chǔ)器中流入處理器，就依次傳送到下一個(gè)操作。在完成最終處理前無(wú)需對(duì)存儲(chǔ)器進(jìn)行再次訪問(wèn)操作。采用這種方式能夠增加數(shù)據(jù)的吞吐量，提高數(shù)據(jù)處理的速度。本文設(shè)計(jì)的四級(jí)流水線ROI提取處理器結(jié)構(gòu)如圖6所示，流水線的四個(gè)階段同步執(zhí)行。

流水線每個(gè)階段的功能如下：

階段P1：對(duì)輸入數(shù)據(jù)進(jìn)行計(jì)數(shù)，生成像素的列坐標(biāo)x，在一行數(shù)據(jù)輸入完成時(shí)輸出dready信號(hào)，使后續(xù)的三個(gè)階段開(kāi)始處理下一行數(shù)據(jù)；

階段P2：根據(jù)像素的灰度值是否大于threshold判斷該像素是否屬于ROI，并計(jì)算一行數(shù)據(jù)中屬于ROI的像素的個(gè)數(shù)n以及他們的列坐標(biāo)之和S，計(jì)算的同時(shí)通過(guò)緩存器FIFO1完成圖像的行緩存；

圖6 ROI提取處理器結(jié)構(gòu)圖

階段P3：計(jì)算圖像ROI的中心的坐標(biāo)值M=［S/n］，計(jì)算的同時(shí)通過(guò)緩存器FIFO2完成圖像的行緩存；

階段P4：根據(jù)圖像ROI的中心坐標(biāo)M，計(jì)算出該行圖像ROI中所有像素的灰度值及列坐標(biāo)。

圖像經(jīng)過(guò)流水線的四個(gè)階段，即可提取出它的ROI。在流處理過(guò)程中，處理器每個(gè)時(shí)鐘周期讀取一個(gè)像素，時(shí)鐘受輸入和輸出的限制。增加處理器的個(gè)數(shù)，直到處理速度能夠達(dá)到數(shù)據(jù)的最大輸入和輸出速度，即可實(shí)現(xiàn)對(duì)圖像ROI的實(shí)時(shí)提取。

4 試驗(yàn)

算法使用verilog HDL語(yǔ)言編程實(shí)現(xiàn)。以Xilinx公司的SP 605開(kāi)發(fā)板為硬件平臺(tái)，F(xiàn)PGA的工作時(shí)鐘頻率為153.6 kHz，系統(tǒng)的整體結(jié)構(gòu)如圖7所示。

圖7 系統(tǒng)的整體結(jié)構(gòu)圖

上位機(jī)將現(xiàn)場(chǎng)采集的鋼軌輪廓光條圖像通過(guò)USB-UART接口芯片傳送給FPGA，ROI提取處理器對(duì)圖像進(jìn)行流水處理，圖像的ROI經(jīng)由USBUART傳回上位機(jī)。其中，UART接口控制器負(fù)責(zé)管理FPGA與上位機(jī)之間的數(shù)據(jù)通信。鋼軌輪廓光條圖像的處理結(jié)果如圖8所示。其中x、y分別為圖像的行、列坐標(biāo)，z為灰度值。

圖8 鋼軌輪廓光條圖像處理結(jié)果

一幅1.28 MB的圖像經(jīng)ROI提取后，數(shù)據(jù)量減小為50 KB，提取獲得的ROI與原圖像中的亮帶一致。ROI提取處理器對(duì)圖像進(jìn)行處理時(shí)，處理一個(gè)像素只需一個(gè)時(shí)鐘周期，從而可以流水線的方式實(shí)現(xiàn)鋼軌輪廓光條圖像ROI的實(shí)時(shí)提取，減少通信的數(shù)據(jù)量。另外，筆者對(duì)基于激光攝像的鋼軌輪廓測(cè)量方法進(jìn)行了試驗(yàn)研究，動(dòng)態(tài)測(cè)量精度達(dá)到了±0.21 mm。

5 結(jié)語(yǔ)

針對(duì)目前鋼軌波磨檢測(cè)方法的缺點(diǎn)，提出了一種基于激光攝像技術(shù)的波磨檢測(cè)方法。設(shè)計(jì)了采用多傳感器并行采樣技術(shù)提高采樣頻率的實(shí)施方案，給出了根據(jù)車速來(lái)控制攝像機(jī)同步快門(mén)頻率從而使間隔采樣滿足應(yīng)用要求的方法。針對(duì)采集系統(tǒng)產(chǎn)生的海量數(shù)據(jù)，設(shè)計(jì)了基于FPGA的鋼軌輪廓光條圖像的ROI提取算法。試驗(yàn)表明，該算法能夠?qū)崿F(xiàn)圖像ROI的實(shí)時(shí)提取，有效減少通信的數(shù)據(jù)量。該方法能夠在一定程度上克服傳統(tǒng)方法的缺點(diǎn)，為波磨檢測(cè)提供新的思路和技術(shù)參考。

［1 ］ YOSHIHIKOSato，AKIRA Matsumoto，KLAUSKnothe.Review onrail corrugationstudie s［J］.Wear，2002，253（1-2）∶130.

［2］ 張立民，張衛(wèi)華.輪軌波磨形成機(jī)理與再現(xiàn)試驗(yàn)［J］.西南交通大學(xué)學(xué)報(bào)，2005，40（4）：435.

［3］ GRASSIE S L.Measurement of railhead longitudinal profiles：a comparison of different techniques Review on rail corrugation studies［J］.Wear，1996，191（1-2）∶245.

［4］ 王少鋒，許玉德，周宇，等.城市軌道交通曲線鋼軌波磨檢測(cè)與評(píng)價(jià)方法研究［J］.城市軌道交通研究，2011，40（4）：435.

［5］ 孫軍華，王偉華，劉震，等.基于結(jié)構(gòu)光視覺(jué)的鋼軌磨耗測(cè)量方法［J］.北京航空航天大學(xué)學(xué)報(bào)，2010，36（9）：1026.

［6］ 鄭樹(shù)彬，柴曉冬，安小雪，等.基于動(dòng)態(tài)模板的鋼軌磨耗測(cè)量方法研究［J］.中國(guó)鐵道科學(xué)，2013，34（2）：7.

［7］ BAILEY，D G.Design for embedded image processing on FPGAs［M］.Singapore:John Wiley&Sons（Asia），2011.

［8］ 湯曉君，劉君華.多傳感器技術(shù)的現(xiàn)狀與展望［J］.儀器儀表學(xué)報(bào)，2005，26（12）：1309.

［9］ 陳再良.圖像感興趣區(qū)域提取方法研究［D］.長(zhǎng)沙：中南大學(xué)信息科學(xué)與工程學(xué)院，2012.

Rail Corrugation Detection Method Based on Laser Imaging Technology

KANG Gaoqiang，LI Chunmao，QIN Lijuan

The present，chord-based method and inertial reference method are two common rail corrugation detection methods，but the transfer function of the chord-based method is not constant and the inertial reference method is often affected by vehicle speed.In this paper，a corrugation detection method based on laser imaging technology is proposed in line with the above-mentioned defects.Rail profile is sampled at high frequency by parallel sensors，the ROI（region of interest）of light strip image is extracted by FPGA（field programmable gate array），then the ROI is transferred to host PC for rail profile data extraction，the rail corrugation detection is finally completed.The feasibility of increasing rail profile sampling frequency by parallel sensors is proved，the real time extraction of light strip image ROI has been achieved in theXilinxSP605 evaluation kit.Experimental results show that ROI extraction can reduce the data amount of communication effectively.

rail transit； rail corrugation； testing method；parallel sampling；ROI（region of interest）extraction

U216.65

10.16037/j.1007-869x.2017.10.018

Author′s address School of Electric and Automation Engineering of East China Jiaotong University，330013，Nanchang，China

*華東交通大學(xué)校立課題（15DQ02）

2015-10-20）