钢轨是轨道交通运输基本要素,支撑和引导列车的运行。近年来,为了适应社会发展的需求,铁路向着高速、重载、高密度运行的方向发展,使得钢轨磨耗及表面缺陷加剧。车辆在带有表面缺陷的轨道上运行时,不仅乘客舒适度受到影响,更带来了极大的安全隐患。在钢轨磨耗及表面缺陷的测量方法上,尚未见对钢轨形貌及缺陷进行三维重现的报道,并且各传统方法的测量精度普遍偏低。本文将相位测量轮廓术(Phase Measurement Profilometry,PMP)应用于钢轨检测中,研究其各项关键技术,使得测量精度大为提高,并能重建钢轨外形及表面缺陷的三维形貌。本文主要工作如下:1、在役钢轨因轮轨作用而轨头表面光滑,呈现强反射金属表面,致使变形条纹的部分区域高亮而使CCD出现过饱和状态,无法识别完整的变形条纹。针对这种情况,本文从强反射金属表面的光学反射特性与相变特性出发,分析金属表面漫射程度对相位恢复的影响机理,并对波长、入射角、材质、反射面粗糙程度等参数对反射光及相位变化的影响进行仿真分析,为本文的开展提供理论指导。2、对发散照明斜投影下光栅条纹的畸变机理进行推导和分析,给出改进方法,并对校正方法予以模拟与误差分析。同时,在单应矩阵法的基础上,提出一种既能进行条纹非周期性校正,又能进行光强不均匀校正的条纹质量改善方法。该方法在数学模型上引入光程因子,在条纹生成上采用反向投影法,使得投影后的条纹周期性和光强都均匀一致,改善了条纹质量,保证了 PMP测量的精度。3、传统Stoilov算法中存在的四类奇异点,会使得相位求解和展开时出现无意义的点或者超大误差的点,继而造成三维重构的失真甚至出现无法重构的现象。针对这种问题,本文基于真实相移值出现概率最高的实际情况,对相移的余弦值平方矩阵进行处理,逐个排除奇异点,利用概率统计,得到与实际相移值最接近的数值。实验结果表明,该方法能够有效的去除传统Stoilov算法中的奇异点现象,提高PMP三维重构的准确度。4、针对在线PMP中的另一关键技术——像素匹配,结合钢轨的在线PMP测量实际,将条纹外的钢轨部分分割出来用于像素匹配,在基于SIFT的像素匹配算法基础上,在该部分钢轨表面进行特征点搜寻和匹配,再结合图像灰度的方法,进一步去除剩余的错误匹配点,实现精细匹配,将匹配精度达到亚像素级。5、对车载式在线PMP测量中的几个关键技术展开研究。首先,由于实际参考平面不可操作,本文从采集到的变形条纹图像中分割出未变形的正弦条纹区域,并以此区域为基础,采用插值算法将该区域展成虚拟的平面作为参考平面,实现在线PMP测量。其次,对于车载式检测平台由于随车运行抖动、车辆运行速度与拍摄帧率不匹配等原因,使得采集到的变形光栅条纹模糊,对比采用多种算法对模糊条纹图像进行处理,提高变形条纹图像清晰度。再次,由于轨道为长距离检测对象,而PMP检测范围有限,本文对钢轨三维数据的拼接及融合方法进行研究,以期达到全线钢轨的测量结果呈现。6、在实验室搭建在线PMP测量平台,对系统进行了三维标定,在对标准钢轨仿真实验的基础上,对钢轨表面实际缺陷进行了测量,给出误差分析,结果表明在线PMP是进行钢轨磨耗和表面缺陷测量的优良方法,具有广阔的应用前景。