我国铁路高速发展,成为货物运输和旅客出行的首要选择,然而列车长期运行对钢轨磨损较为严重,钢轨质量直接影响列车的运行安全,所以定期对钢轨检查可以及时发现问题,降低风险。我国目前多采用人工检测等简单方法,其易受外界因素影响导致检测误差较大,所以对高效精准的钢轨表面缺陷检测技术的需求较为迫切。本文提出了基于立体视觉与结构光扫描相结合的方法对钢轨磨损较严重的表面进行缺陷特征参数测量,综合评价缺陷状态。主要研究内容如下:首先,通过对国内外机器视觉检测相关的学习,总结多种关于钢轨表面缺陷特征参数测量的方法,依据被测钢轨的外形特点设计了一种双激光器与双相机结合的缺陷特征参数测量方案。对测量需求进行分析,完成了实验硬件平台的选型和搭建,还根据测量方案进行软件部分的流程设计。其次,对轨面图像上的缺陷提取二维特征。先对图像进行预处理,通过主观观测与数据评价选择双边滤波算法对钢轨表面进行去噪。再对比几种分割算法结果,选择基于背景差分的自适应阈值分割进行缺陷提取,接着对获取的缺陷计算其六种二维缺陷特征参数。然后,对标定后的光条曲线进行提取,考虑各种光照因素影响,所以将采集到的光条RGB图像转换到HSV色彩空间,再提取其中S通道图像进行分割、滤波去噪,使用改进的Hessian矩阵光条中心提取算法提取单像素中心线。依据免坐标匹配的钢轨截面轮廓曲线获取方法,将两个采集系统输出的轮廓曲线拟合,并与无缺陷的轮廓曲线偏差对比,得到缺陷部位高度差值Δh。将各视角的点云进行重建,根据截面轮廓曲线的拼接方法对钢轨点云拼接,重建后的钢轨点云模型与无缺陷区域的钢轨点云进行ICP快速配准,即可得到目标缺陷部分。最后,根据测量系统方案进行软件设计,显示可人机交互的处理界面。将该测量系统得到的缺陷特征参数与手持三维扫描仪得到的结果进行对比分析,证明了本测量系统的稳定性和精确度,可以满足非接触式钢轨表面缺陷几何参数测量的应用要求,然后对本测量系统进行精度验证,分析实验误差。