研究高速条件下轮轨瞬时接触姿态关系,揭示异常接触姿态与病害的关联,提出轮轨病害的养护维修建议,可以为我国轨道交通安全运营提供重要支撑。异常接触姿态测量的关键技术是基于结构光的三维重建,其中结构光条纹中心点的精度直接影响三维重建的精度,而条纹中心点的精度则受外界复杂环境的影响。因此,本文的主要研究内容如下:(1)研究了基于Retinex理论的编码结构光条纹图像增强算法。针对复杂环境下图像存在噪声、高曝光和低曝光的问题,提出了一种基于自适应伽马函数的多尺度Retinex算法进行图像增强。首先使用中值滤波和HDRCNN网络对原始的编码结构光条纹图像进行预处理,去除椒盐噪声和加强高曝光区域信息;然后基于多尺度Retinex理论获取图像的照明分量以定义自适应伽马函数;最后使用伽马函数对图像的亮度进行校正,得到增强后的图像。实验证明,本文算法能够获取更好质量的图像,具有较强的实时性。(2)研究了彩色条纹中心点亚像素提取算法。针对条纹边缘检测不完整、精度低以及条纹中心提取算法没有综合考虑中心点位置和条纹方向间的关系等问题,提出了一种基于法向量的彩色条纹中心点亚像素提取算法。该算法首先通过计算二阶导数零点确定条纹亚像素边缘点,然后基于几何中心法定位彩色条纹粗中心点,最后基于Hessian矩阵和二阶泰勒展开式自适应提取彩色条纹亚像素中心点。实验证明,本文算法的精度比效果最好的几何中心法提高了24%;而本文算法的特征点匹配率比几何中心法平均提高了0.2%,比灰度重力法平均提高了0.5%;固定?与本文算法对比,本文算法的精度与达到了固定?值时最好的精度,验证了本文算法的高精度、高准确度和强鲁棒性。(3)开发了条纹中心高精度提取演示系统。一方面针对本文条纹中心提取算法速度较慢的问题,使用多进程并行进行加速处理,实验结果证明,条纹中心提取速度提高了1.2倍。另一方面基于本文的研究内容,以Py Charm和QT为实验平台,实现了图像增强、边缘检测和条纹中心提取等结果可视化显示。