轮轨间紧密接触使轨头轮廓产生不规则变化,威胁列车的安全。定期对钢轨进行廓形检测,根据检测结果对钢轨进行针对性维护是非常重要的。目前,已有很多种方法对钢轨廓形进行检测,国内主要是采用接触式卡尺测量,这种方法效率低、受检测人员的主观影响并且无法反映钢轨廓形的全貌。本文基于Gocator视觉传感器高效、精准、智能的获取钢轨廓形,提出一种针对检测廓形中关键参数的计算方法。旨在全面及时了解钢轨健康状态,为钢轨打磨维护提供数据性指导依据。本文首先通过对激光传感器的测量原理以及传感器的标定的理论的研究,选择工业传感器Gocator2340型号,并设计测量系统的稳压电源。建立基于Gocator视觉传感器的钢轨轮廓测量系统。该系统采用两个均匀分布的视觉传感器,通过标定块将视觉传感器采集的钢轨轮廓数据进行旋转拼接,最终得到完整的钢轨轮廓。进而对钢轨廓形数据进行拟合并利用特征点与标准钢轨廓形进行匹配,在廓形精确匹配的基础上提出钢轨廓形关键参数的计算方法。分析标准钢轨轨头轮廓曲线解析式,建立轨头剩余面积、轨头45°角磨耗和轨头角度参数的计算解析式。通过轨头45°角所在直线与测量轮廓的交点计算其磨耗;通过计算轨头圆弧相交点处切线斜率得到轨头角度。最后设计了人机交互软件。软件部分主要负责控制传感器采集信息、实时描绘钢轨廓形、呈现和保存测量结果以及人机交互等工作,方便工作人员实时掌握钢轨廓形的曲线信息、损伤程度。在实验室搭建钢轨廓形检测平台对系统进行了测试验证,实验结果表明检测结果的误差均在±0.15mm以内,验证了系统稳定性和重复性。检测精度满足铁路部门规定的检测要求,对钢轨维护具有重要的实际意义。