本發(fā)明涉及軌道磨耗檢測(cè)，特別是一種鋼軌磨耗測(cè)量方法及裝置。

背景技術(shù)：

1、現(xiàn)有的鋼軌磨耗檢測(cè)方法主要依賴于人工檢測(cè)和傳統(tǒng)測(cè)量設(shè)備，存在效率低、精度不高、操作復(fù)雜等問題。但激光掃描技術(shù)能夠快速獲取鋼軌表面的三維數(shù)據(jù)，理論上可以大幅提高檢測(cè)的效率和精度。然而，現(xiàn)有系統(tǒng)中的圖像處理和數(shù)據(jù)分析仍存在一些技術(shù)難點(diǎn)。首先，激光掃描得到的圖像往往包含噪聲和畸變，需要復(fù)雜的圖像預(yù)處理步驟來提高數(shù)據(jù)質(zhì)量。其次，點(diǎn)云數(shù)據(jù)的配準(zhǔn)是一個(gè)技術(shù)挑戰(zhàn)，尤其是在動(dòng)態(tài)環(huán)境下或在長距離掃描時(shí)，點(diǎn)云數(shù)據(jù)的對(duì)齊和融合需要精確的算法和計(jì)算資源。而且，現(xiàn)有系統(tǒng)中大多使用單視角拍攝記錄，存在圖像處理復(fù)雜、點(diǎn)云數(shù)據(jù)不易配準(zhǔn)等技術(shù)難點(diǎn)。除此之外，傳統(tǒng)測(cè)量設(shè)備雖然在一定程度上提供了自動(dòng)化，但它們的精度通常受到設(shè)備性能和環(huán)境條件的限制，且操作過程復(fù)雜，需要專業(yè)人員進(jìn)行操作和數(shù)據(jù)分析。點(diǎn)云數(shù)據(jù)量龐大，需要高效的數(shù)據(jù)壓縮和索引技術(shù)來優(yōu)化存儲(chǔ)和檢索過程。

技術(shù)實(shí)現(xiàn)思路

1、鑒于上述或現(xiàn)有技術(shù)中存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明的目的是提供一種鋼軌磨耗測(cè)量方法，其能夠簡(jiǎn)化點(diǎn)云輪廓，提高匹配精度，減少對(duì)齊誤差。

3、為解決上述技術(shù)問題，本發(fā)明提供如下技術(shù)方案：一種鋼軌磨耗測(cè)量方法，其包括通過棋盤格方法進(jìn)行雙目標(biāo)定，獲取左右相機(jī)的內(nèi)外參數(shù)；

4、通過光平面標(biāo)定獲取光平面在左右相機(jī)坐標(biāo)系下的光平面方程；

5、圖像處理，通過計(jì)算機(jī)控制左右相機(jī)采集包括含鋼軌信息的激光線輪廓的多組圖片，并對(duì)獲取的原始圖片進(jìn)行畸變矯正處理；

6、獲取點(diǎn)云數(shù)據(jù)并對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行配準(zhǔn)；

7、計(jì)算鋼軌磨耗值。

8、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：棋盤格方法為黑白方格組成的棋盤格圖案，通常為9x6或12x9；

9、左右相機(jī)的內(nèi)外參數(shù)包括兩側(cè)相機(jī)的內(nèi)參矩陣和外參矩陣，內(nèi)參矩陣和外參矩陣表達(dá)式分別采用calibratecamera函數(shù)和stereocalibrate函數(shù)，表達(dá)式如下如下：

10、

11、其中，fx、fy為焦距，cx、cy為主點(diǎn)坐標(biāo)，r為相機(jī)之間的旋轉(zhuǎn)矩陣，t為平移向量，r為畸變系數(shù)。

12、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：光平面標(biāo)定方法包括光平面方程計(jì)算光平面，以及通過點(diǎn)云擬合計(jì)算光平面方程；

13、光平面方程如下：

14、ax+by+cz+d＝0

15、其中，(a，b，c)為法向量，d為平面到原點(diǎn)的距離；

16、點(diǎn)云擬合包括通過最小二乘法擬合光平面上的點(diǎn)，計(jì)算光平面方程，其公式如下：

17、ax+by+cz+d＝0

18、其中，(a，b，c)為法向量，d為常數(shù)項(xiàng)。

19、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：圖像處理包括圖像預(yù)處理，以及通過steger算法提取激光線中心線；

20、圖像預(yù)處理方法包括迭代閾值法和二值化，以及roi模板匹配法；

21、代閾值法和二值化包括初步選擇閾值迭代調(diào)整閾值，直到圖像的分割效果滿意；應(yīng)用最終閾值對(duì)圖像進(jìn)行二值化處理，代閾值法和二值化的計(jì)算公式為：

22、

23、其中，t為閾值，ifiltered(x，y)為經(jīng)過高斯濾波處理之后的圖像，ibinary(x，y)為二值圖像；

24、roi模板匹配法包括通過模板匹配，進(jìn)一步提取激光線區(qū)域，去除多余干擾信息，通過滑動(dòng)窗口和相關(guān)性計(jì)算進(jìn)行模板匹配：

25、

26、其中，t為模板圖像，ω和h分別為模板的寬和高；

27、steger算法通過計(jì)算每個(gè)輪廓點(diǎn)的中心線強(qiáng)度，并選擇強(qiáng)度最高的位置作為中心線的對(duì)應(yīng)點(diǎn)，從而形成激光線的中心線，計(jì)算公式如下：

28、

29、其中，c(x，y)為點(diǎn)(x，y)處的中心線強(qiáng)度，i(x+u，y+v)為圖像像素值，g(u，v)為用于加權(quán)周圍像素的高斯函數(shù)，w為歸一化因子，k決定了窗口的大小。

30、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：點(diǎn)云數(shù)據(jù)獲取包括根據(jù)相機(jī)圖像坐標(biāo)系的像素點(diǎn)(u，v)以及深度信息z，并通過如下公式得出點(diǎn)云數(shù)據(jù)的三維坐標(biāo)(x，y，z)，計(jì)算公式如下：

31、

32、其中，(cx，cy)為光心坐標(biāo)，fx，fy為焦距；

33、點(diǎn)云數(shù)據(jù)配準(zhǔn)包括通過icp算法，將左右相機(jī)的點(diǎn)云輪廓進(jìn)行配準(zhǔn)并融合在一起，計(jì)算步驟包括，求解使源點(diǎn)云與目標(biāo)點(diǎn)云之間均方誤差最小的剛體變換r和t，公式為：

34、

35、通過對(duì)上述公式求導(dǎo)并設(shè)為零，可以得到如下方程組：

36、

37、其中，r為旋轉(zhuǎn)矩陣，t為平移向量，和分別是p和q的質(zhì)心，u和v來自于對(duì)協(xié)方差矩陣的奇異值分解h＝u∑vt，取r＝i(單位矩陣)，t＝0(零向量)；

38、計(jì)算步驟還包括，對(duì)融合之后的點(diǎn)云，采用局部平均方法對(duì)點(diǎn)云輪廓進(jìn)行降噪和平滑處理，包括計(jì)算所選領(lǐng)域點(diǎn)內(nèi)所有噪聲點(diǎn)平均值，即對(duì)于點(diǎn)云中的每一個(gè)點(diǎn)pi(xi，yi，zi)，找到其鄰域半徑內(nèi)的所有鄰域點(diǎn)pj(xj，yj，zj)即滿足以下條件的點(diǎn)：

39、

40、平均值計(jì)算公式如下：

41、

42、其中，n為鄰域點(diǎn)的數(shù)量，為平滑后的坐標(biāo)值。

43、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：鋼軌磨耗計(jì)算方法包括，根據(jù)點(diǎn)云數(shù)據(jù)，進(jìn)行多段線擬合，生成軌頭的多段線函數(shù)f(x1)和f(x2)，并通過計(jì)算兩個(gè)函數(shù)在垂直磨耗位置和側(cè)面磨耗位置的差值，得到鋼軌的磨耗值，其中，多段線擬合的函數(shù)形式為：

44、

45、其中，ai和bi是擬合得到的線段的斜率和截距，是每個(gè)線段的區(qū)間范圍。

46、為解決上述技術(shù)問題，本發(fā)明還提供如下技術(shù)方案：一種鋼軌磨耗測(cè)量裝置，包括承載單元，包括載物組件、設(shè)置于載物組件下側(cè)的支撐組件；

47、測(cè)量單元，包括設(shè)置于載物組件上側(cè)的測(cè)量組件。

48、作為本發(fā)明鋼軌磨耗測(cè)量方法的一種優(yōu)選方案，其中：載物組件包括載物平臺(tái)，載物平臺(tái)內(nèi)側(cè)設(shè)有安裝槽。

49、作為本發(fā)明鋼軌磨耗測(cè)量裝置的一種優(yōu)選方案，其中：支撐組件包括設(shè)置于載物平臺(tái)下側(cè)的固定支架，以及設(shè)置于固定支架外側(cè)的固定腳。

50、作為本發(fā)明鋼軌磨耗測(cè)量裝置的一種優(yōu)選方案，其中：測(cè)量組件包括設(shè)置于載物平臺(tái)上側(cè)的線激光器、設(shè)置于線激光器兩側(cè)的兩臺(tái)工業(yè)相機(jī)，以及與工業(yè)相機(jī)連接的計(jì)算機(jī)。

51、本發(fā)明的有益效果：本發(fā)明通過icp算法對(duì)左右相機(jī)的點(diǎn)云進(jìn)行配準(zhǔn)，可以得到一個(gè)統(tǒng)一的點(diǎn)云數(shù)據(jù)集，反映了從不同視角觀察到的同一對(duì)象的三維形態(tài)。融合后的點(diǎn)使左右相機(jī)捕捉到的點(diǎn)云被精確對(duì)齊，消除了由于相機(jī)位置和角度不同導(dǎo)致的錯(cuò)位，且融合后的點(diǎn)云包含更多的細(xì)節(jié)信息，因?yàn)樗C合了來自多個(gè)視角的數(shù)據(jù)，配準(zhǔn)后的點(diǎn)云能夠覆蓋對(duì)象的更多部分，提高三維模型的完整性和準(zhǔn)確性，icp還通過粗配準(zhǔn)的初始對(duì)齊減少誤差，再經(jīng)過精配準(zhǔn)的優(yōu)化步驟，確保簡(jiǎn)化點(diǎn)云輪廓與標(biāo)準(zhǔn)輪廓之間的高精度匹配。這種精確對(duì)齊對(duì)后續(xù)的分析和應(yīng)用具有重要意義。