随着中国铁路系统的高速发展,人们也面临着越来越严重的铁路事故。与此同时,智能交通已成为交通科技领域的研究热点,然而,大部分的学者研究领域主要几种在公路交通,对铁路交通的关注较少。本文针对铁路线路的实际图像特点,研究了铁轨及路障的检测技术。虽然大部分比较成熟的智能公路交通技术可以直接用于铁路交通领域,但铁路线路还是有它自己的特点,最为突出的就是铁轨轨道部分并不像公路路面那么干净,背景也复杂多变。因此我们需要面向铁路线路的检测技术。目前对公路线的检测主要分为两个方面,基于模型的,存在的主要问题在于模型的选取及样本点的确定;基于图像特征的,其优点是不受所选模型的限制,缺点在于容易受到噪声、入侵路障的影响,影响最终线路的提取。考虑到后期路障检测的需要,可以利用入侵路障对已确定的铁轨线的影响来检测路障,最后将方案缩小到基于边缘特征的铁轨检测和基于区域特征的铁轨检测。至于这两种基于图像特征的铁轨检测算法,基于区域特征的铁轨检测抗噪声性较好,但检测出来的铁轨线不够准确,相比于基于区域特征的铁轨检测,基于边缘特征的铁轨检测算法检测到的铁轨线较为准确,在引入迭代阈值与帧间滤波算法后,在抗噪声性能上有了较大的提高,在考虑到实时性与准确性上,与另外两个方案的优缺点进行了综合对比,最终选择了基于边缘特征的铁轨检测。由于本系统最终要移植到DSP上,计算量的降低是一个必须要考虑的问题。根据铁轨线路的连续性,通过在边缘连接阶段引入低分辨率的算法,可以取得一举两得的效果:一来在低分辨率下可以将短的铁轨连接起来;二来在低分辨率下进行铁轨的搜索将较大幅度地降低计算量。至于路障检测,为快速地判断路障的有无,以及降低虚警率,本文根据铁轨区域左右灰度上的对称性来检测路障区域,这个算法的优点在于判断快,抗噪声性能好,缺点是获得的路障区域只是几个子块区域,即检测到的路障不够精确。故本文最终结合减背景、时空联合滤波等算法,以获得较为精确的路障轮廓,为下一步的目标识别打下基础。