在线结构光钢轨轮廓全断面测量系统中，钢轨两侧激光不共面引起轮廓测量误差。针对该问题，提出了基于投影变换的激光不共面误差修正模型。沿钢轨纵向建立参考坐标系，并将两侧半断面轮廓测量数据投影到与钢轨纵向垂直的辅助平面上，以投影轮廓作为轮廓测量结果，从而修正由激光不共面安装导致的钢轨轮廓测量误差。对比实验表明，该方法可将激光不共面误差修正到0.1 mm以下。所提方法不需要钢轨两侧激光精确共面，只需大致对齐即可，既保证了轮廓测量精度，又显著降低了现场安装要求。

近年来,线结构光轮廓测量技术已成为钢轨廓形检测的重要手段。为了满足钢轨轮廓高精度的测量要求,提出了基于Zemax软件的线结构光钢轨轮廓测量系统仿真模型。将线结构光钢轨轮廓测量系统分解为图像采集模块、系统标定模块和轮廓测量模块,在Zemax非序列模式下依次对三个模块进行建模,得到钢轨轮廓测量系统仿真模型。对比实验表明,系统仿真模型与实际系统的测量结果较为接近,模拟测量结果符合实际情况,仿真模型能够实现对钢轨轮廓测量过程的准确模拟。该仿真模型为线结构光钢轨轮廓测量相关问题研究提供了一种新的分析方法,对光学系统设计、光学元件选型和测量精度提升具有指导意义。

铁路钢轨扣件系统易发生扣件缺失、弹条断裂、弹条歪斜和螺栓松动或过紧等现象,传统基于二维强度图像的检测方法可以较好地识别出前三种缺陷,却很难检测出螺栓松动或过紧缺陷。针对该问题,提出了基于线结构光的扣件螺栓紧固状态检测方法。利用3D相机获取轨道结构的三维点云数据,通过构建累积高度函数和先验知识,分割钢轨区域和扣件区域,并计算待测螺栓与钢轨轨头外侧非磨耗区域的高度差。在此基础上,提出了一种基于在线更新阈值库确定螺栓紧固状态阈值的方法,将该高度差与阈值库进行比较,实现螺栓的紧固状态检测。实验结果表明,在检测速度为20 km·h ^-1的情况下,扣件松动和过紧的检出率均在80%以上。该方法弥补了传统扣件检测方法的不足,实现了扣件紧固状态的自动化检测。

为了获取钢轨轮廓测量系统中钢轨纵向的方向参数,提出了一种基于平面靶标的钢轨纵向标定方法。利用平面靶标与钢轨表面紧贴时靶标坐标系的Z轴始终与钢轨纵向垂直的特点,将平面靶标在钢轨表面平移或者旋转,并使平面靶标与钢轨表面保持贴紧状态;通过相机采集一组不同姿态下的平面靶标图像,将这组靶标坐标系Z轴单位向量变换到世界坐标系下,利用变换后单位向量的坐标进行平面拟合,通过计算拟合平面的法线得到钢轨纵向的方向向量,从而完成钢轨纵向参数的标定。在实验室环境下验证了所提方法的有效性,钢轨纵向标定误差在0.1°以下。当靶标图像数量在10张以上时,所提方法能达到最优的标定效果。所提方法为钢轨轮廓测量系统的精度提升和可靠性评估提供了理论依据。

在传统线结构光测量技术的基础上,提出了一种基于偏振融合的钢轨廓形线结构光成像方法。利用偏振相机获取钢轨激光断面多个角度的偏振分量图像和总量强度图像,结合偏振分量图像和总量强度图像中光条信息的相关性和互补性,构建了基于光条信度评价的图像融合算法,基于融合图像提高了钢轨激光断面的成像质量。使用打磨后的钢轨进行实验论证,结果表明:由偏振分量图像和总强度图像得到的融合图像中,光条不再出现局部过曝现象,光条质量得到有效改善。与传统方法相比,过曝区域的钢轨廓形的最大测量误差由0.31 mm下降到0.10 mm,有效提高了钢轨廓形检测的准确度。

研究了行车环境下激光条纹图像中心线快速、准确且可靠的提取方法。基于ENet深度学习模型实现了激光条纹的多区段快速分割;通过统计各区段内光条梯度方向的直方图来确定各分段光条的法线主方向,并构造了相应的方向模板;利用分区域多模板匹配的灰度重心法实现了光条中心的亚像素坐标提取。研究结果表明,该方法可以有效克服室外行车环境中各类干扰信息对光条中心提取的影响,单幅钢轨轮廓图像的光条提取时间仅为2.1 ms,误差均值约为0.082 pixel,标准差为0.047 pixel,兼顾了光条中心提取的时效性和准确率。

传统的视频拼接模型和图像对齐方法中, 耗时的图像匹配和复杂的光流计算一直是实时拼接的性能瓶颈。提出了一种车载前向运动视频的实时全景成像方法, 该方法充分利用物理场景的几何结构和列车的运动信息来构造视频的拼接区域, 并建立几何模型实现了拼接区域的对齐。整个拼接避免了复杂的图像处理过程, 实现了铁路全景图的实时获取, 同时也提供了一种轻量级的视频全景索引方式, 降低了视频数据的存储和访问开销。

基于对铁路运行环境中所拍摄的图像特征的分析, 提出了一种修正的线段检测子(MLSD), 并利用该线段检测子结合最小二乘拟合及交叉迭代优化方法对消失点进行快速检测, 进而利用消失点坐标实现了相机姿态的估计, 为后续调整机器视觉算法进行铁路运行环境的场景重建提供重要依据。运用该方法, 基于车载相机所拍摄的图像对车载相机姿态进行估计, 实验所得的估计值满足了车载检测系统的精度要求, 表明了此方法对于估计相机姿态有效的。

装载有视频采集设备的巡检列车已被应用于铁路环境监测中。提出了一种从前向运动的列车车载视频中生成铁路环境立体全景图的方法，该方法仅使用一个摄像设备即可获取整个场景的立体全景信息。基于场景的几何先验和标定的相机参数从视频序列中连续地抽取一组梯形窄带作为完全采样拼接区域，窄带的宽度根据车速自动调节，将所有窄带经单应性变换修正后拼接得到全景图像，并据此构建准确的几何模型来生成全景立体像对。实验结果表明，该方法能够快速有效地生成具有立体感的全景图。与原始的视频格式相比，生成的全景图所需存储空间小，具有更广阔的视野和更强的真实感，可实现铁路场景的快速访问和沉浸式浏览。

针对现有的提高线阵电荷耦合器件(CCD)成像系统的图像空间分辨率的方法存在的不足，提出了一种新的采样模式，并设计了一种高分辨率成像系统。该系统利用两个相同的线阵CCD相机进行特定的空间排列，即使得相机1和相机2的CCD阵列都倾斜θ来进行扫描取像，并利用图像校正和像素插值等图像重建方法，得到高分辨率的图像。实验结果表明，倾斜角取60°的情况下，相对于单个线阵相机在θ=0°的正常采样模式下得到的采样图像，图像的空间分辨率提高了1倍，且保持了成像的视野不变。本系统工程上实现简单，十分经济且便于维护，仅利用现有的成像装置即可获取更高分辨率的图像。