钢轨的轮廓是钢轨的重要特征，它直接承受了列车的压力，引导列车安全行驶在轨道上。因为受到列车压力的压迫、自然环境的复杂多变和钢轨的长期使用的原因，钢轨的轮廓会产生不同程度的磨损、形变、薄膜等损坏，致使钢轨高度逐渐减小、肥边逐渐增大、顶面凹凸不平，影响了列车的安全快速行驶。所以，铁路的打磨等维护作业是保障钢轨状况的关键工作。近年来，随着铁路基础建设的不断完善，钢轨打磨越来越重要。然而，如今的钢轨打磨工序仍旧比较复杂，钢轨轮廓检测设备大多是接触式的，作业效率低下。论文以改善钢轨打磨效率和精度为目的，运用机器视觉的检测方式，开发了一种非接触式钢轨轮廓打磨诊断系统。在论文系统测量中，首先需要提取条纹图像中的条纹中心线，它直接影响了测量的精度，因此论文研究实现了稳定准确的中心线提取算法，它主要包括：背景差分、平滑处理、阈值分割、中心线提取、中心线去毛刺空洞处理。然后，论文运用了直接线性转换（DLT）模型的摄像机标定方法得到图像坐标系与物体坐标系的转换关系，从而可以由图像中的条纹中心线得到实际的钢轨轮廓曲线。紧接着论文研究实现了钢轨轮廓数据的圆滑处理算法，用于消除图像像素点栅格化以及轮廓曲线的断续对测量精度的影响。论文还研究实现了对齐到基准轮廓的算法，这种自动化对齐的方法保证了钢轨打磨指导系统生成打磨模式表的稳定性，而且结果比人工对齐准确。最后，论文研究设计了系统测量的检验方案，通过大量试验数据验证了系统测量的准确性和重复性，通过在铁路现场试用验证了系统指导打磨作业的可行性和准确性。论文系统测量精度达到了0.1mm。并且与同类系统相比较，本系统具有自动分析的功能，能够完全做到测量分析全自动化。同时，论文开发的系统加入了钢轨打磨指导系统，系统能根据实测的钢轨轮廓生成适用于打磨列车使用的打磨模式表，不仅替代了人工遍模式的工作，而且模式更加精确，从而提高了打磨效率，改善了打磨的精度。