铁路运营速度的提高,客货运量的不断增加,安全性和可靠性的需求,都对铁路养护维修工作提出了更高的要求。传统的靠人工视觉和常规检测方法难以对铁路路轨进行有效检测和维护。铁路路轨自动检测系统是铁道部在全国列车提速的大环境下迫切需求的一套自动安检系统。该系统的应用可以克服传统的停车静态人工检测中作业点多、保证区段短的局限性,并实现了列车安全保障模式从人工模式向人机结合模式的转变并最终实现完全机器检测。本课题主要设计工作可以概括为:基于机器视觉这个热点研究方向实现用计算机代替人眼对可能引起火车轮轨或路轨损毁的障碍物进行自动识别检测,以便做出排除障碍物、检修轨道或列车的决定,同时也为进一步分析路轨及列车异常情况提供必要的线索。本文围绕这个主题,根据铁路路轨的特点,设计了一套以图像特征提取和特征分析等数字图像处理方法为理论支撑的路轨障碍物自动检测系统。这对完成整个检测系统的自动检测功能和最终实现完全机检,有着解决实际难题和探索全自动检测设计方法的双重意义。系统整体设计采用了服务器/客户端分布式模型,终端与服务器利用TCP/IP协议进行通讯。机器视觉功能被应用于识别铁路路轨上有危害的障碍物。在视觉算法的设计上,分析比较并改进了图像滤波算法、图像增强、Canny算子边缘检测、图像二值化算法,利用本文提出的几个改进算法对路轨图像进行有效的预处理;提出了铁路框架提取算法,并以此为基础建立检测窗,缩小搜索范围;设计了直方图特征分析方法进行障碍物辅助识别;设计了铁轨和枕木线条完整性识别算法,利用线条的完整性和纹理破坏阈值进行障碍物准确判断;最后对提出的算法在仿真环境下的视频和图片样本库上进行了测试和分析,实验表明,本文提出的路轨障碍物识别算法具有较好的实用价值,为路轨自动检测提供了一种初步的有效手段。