论文部分内容阅读
对钢轨状态进行定期检测,是科学地进行线路养护和保证铁路行车安全的必要手段。传统的机械接触式测量方式测量速度慢、工作强度大、危险性高、可靠性差,已不能满足高速度、高密度行车的需要。激光无接触检测技术具有测量范围大、精度高、速度快、柔性好等优点,已成为轨检技术发展的主流,但国内现有的此类轨检设备存在的速度和精度不够高的问题。本文设计了一种钢轨轮廓高速检测系统,进行了相关的理论和实验研究。实现对钢轨轮廓的高速度、高密度采样,是高速、可靠获取钢轨状态信息的前提。本文设计了一种基于多传感器并行采样的钢轨轮廓图像高速采集系统,对该系统的可行性进行了论证,给出了根据检测速度、采样间隔以及摄像机本身性能确定所需传感器个数的方法。针对高速检测时所产生巨大数据量所带来的数据传输问题,设计了一种基于现场可编程门阵列(FPGA)的钢轨轮廓图像感兴趣区域(ROI)提取算法,并进行了相关实验。结果表明：该算法能够实现图像ROI的实时提取,有效减小通信的数据量。在理论分析的基础上,建立了测量系统的数学模型。采用二维平面靶标对测量系统进行了标定,确定了系统模型中的未知参数。基于钢轨轮廓图像自身特点,设计了一种亚像素光条中心提取算法。为减轻轨检车振动对测量系统的不利影响,建立了振动对测量影响的数学模型,提出了一种基于轮廓曲线特征点和最近点迭代算法(ICP)的数据校准方法。该方法通过识别动态轮廓曲线的特征点,完成数据初步校准,然后利用ICP算法确定初步校准数据与标准数据之间的变换矩阵,实现动态数据最终校准。最后通过实验模拟振动对测量的影响,以验证校准方法的有效性。实验结果表明：在垂磨和侧磨测量点处,校准后数据与标准数据偏差值的标准差分别为0.088mm、0.085mm,取置信水平为0.99时,校正精度分别为±0.227mm、±0.219mm,该方法有较好的重复精度,可应用于工程测量。