轨道交通线路净空安全是确保列车平稳、不间断运行的基础。本文主要研究基于机器视觉的轨道交通线路异物检测技术,重点解决轨间异物和接触网异物的在线识别,能够对列车的安全运行提供技术支持。本文首先介绍了基于机器视觉的轨道交通线路异物检测技术的总体设计,包括系统总体方案、系统组成、各部分功能、采用的关键技术等。在对已有的护栏检测技术进行了简单的介绍后,论文就轨间异物检测和接触网异物检测进行了深入的分析与研究。在轨间异物检测方面,根据检测对象特点的不同,本文提出了大尺寸异物检测和小尺寸异物检测两种检测方法。针对大尺寸异物,开发了基于Kalman滤波的轨道位置检测算法,通过辨识轨道图像的完整性,判断前方是否有大异物；针对小尺寸异物,开发了异物特征提取算法,并运用支持向量机(Support Vector Machine,SVM)分类算法辨识线路正常设备与典型异物,大大提高了异物检测可靠性。在接触网异物检测方面,本文首先通过图像处理的方法检测出异物的候选区域,之后采用脉冲耦合神经网络(Pulse Coupled Neural Network, PCNN)的方法对异物候选区域进行处理,得出异物候选区域的特征序列,并将此特征序列与数据库中的正常物体的特征序列进行对比,根据相关性分析进行异物辨识。本文最后还对提出的算法进行了实验室环境和铁路现场环境的实测。测试结果表明,本文提出的算法具有较高的正确性,可以在一定程度上保证列车的安全运行。