一種鋼軌動(dòng)態(tài)輪廓數(shù)據(jù)校準(zhǔn)方法研究*

康高強(qiáng),李春茂,秦莉娟,馬 俊

(西南交通大學(xué)電氣工程學(xué)院,四川 成都 610031)

?

一種鋼軌動(dòng)態(tài)輪廓數(shù)據(jù)校準(zhǔn)方法研究*

康高強(qiáng),李春茂*,秦莉娟,馬 俊

(西南交通大學(xué)電氣工程學(xué)院,四川 成都 610031)

為減輕軌檢車振動(dòng)對(duì)車載視覺(jué)測(cè)量系統(tǒng)動(dòng)態(tài)測(cè)量鋼軌輪廓的不利影響,提出一種基于輪廓曲線特征點(diǎn)和最近點(diǎn)迭代算法ICP(Iterative Closest Point)的數(shù)據(jù)校準(zhǔn)方法。通過(guò)識(shí)別動(dòng)態(tài)輪廓曲線的特征點(diǎn),完成數(shù)據(jù)初步校準(zhǔn),然后利用ICP算法確定初步校準(zhǔn)數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)之間的變換矩陣,實(shí)現(xiàn)動(dòng)態(tài)數(shù)據(jù)最終校準(zhǔn)。最后通過(guò)實(shí)驗(yàn)?zāi)M了振動(dòng)對(duì)測(cè)量的影響。實(shí)驗(yàn)結(jié)果表明:在垂磨和側(cè)磨測(cè)量點(diǎn)處,校準(zhǔn)后數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)偏差值的標(biāo)準(zhǔn)差分別為0.088 mm、0.085 mm,取置信水平為0.99時(shí),校正精度分別為±0.227 mm、±0.219 mm,該方法有較好的精度,可應(yīng)用于工程測(cè)量。

視覺(jué)測(cè)量;數(shù)據(jù)校準(zhǔn);車輛振動(dòng);鋼軌輪廓;曲線特征點(diǎn);迭代最近點(diǎn)匹配

在鐵道車輛運(yùn)行過(guò)程中,由于車輪壓力、輪軌接觸摩擦、導(dǎo)向以及沖擊等作用,鋼軌將會(huì)出現(xiàn)磨耗、擦傷、波磨、剝離等缺陷。這些缺陷的形成和發(fā)展導(dǎo)致鐵道車輛運(yùn)行品質(zhì)下降,縮短車輛和軌道的使用壽命,嚴(yán)重的會(huì)直接導(dǎo)致列車脫軌。因此,需要定期對(duì)鋼軌的輪廓進(jìn)行檢測(cè),獲取鋼軌的缺陷信息,為線路養(yǎng)護(hù)維修提供科學(xué)依據(jù)。

目前國(guó)內(nèi)外高速軌檢車中,激光無(wú)接觸檢測(cè)技術(shù)得到廣泛應(yīng)用,已成為軌檢技術(shù)發(fā)展的主流[1-2]。在軌檢車行進(jìn)過(guò)程中,軌道不平順、車輛結(jié)構(gòu)等方面的原因,會(huì)引起車輛在空間內(nèi)的六自由度隨機(jī)振動(dòng)[3]。激光攝像組件通過(guò)檢測(cè)梁與列車底部相連,隨車輛一起振動(dòng),因此輪廓檢測(cè)數(shù)據(jù)也會(huì)受到影響。文獻(xiàn)[4]通過(guò)實(shí)驗(yàn)?zāi)M激光攝像組件相對(duì)于鋼軌的位置變化,證實(shí)了振動(dòng)對(duì)輪廓檢測(cè)有明顯的影響,并未提出解決振動(dòng)影響問(wèn)題的方法;文獻(xiàn)[5]使用角點(diǎn)檢測(cè)算法提取鋼軌輪廓曲線的特征點(diǎn),通過(guò)特征點(diǎn)來(lái)校準(zhǔn)輪廓數(shù)據(jù),但角點(diǎn)檢測(cè)易受圖像噪聲的影響;文獻(xiàn)[6]使用最近點(diǎn)迭代算法ICP(Iterative Closest Point),將實(shí)測(cè)輪廓的軌腰部分與標(biāo)準(zhǔn)輪廓的相應(yīng)部分對(duì)準(zhǔn),僅實(shí)現(xiàn)了對(duì)實(shí)測(cè)數(shù)據(jù)的平移和旋轉(zhuǎn)校準(zhǔn);文獻(xiàn)[7]依據(jù)左右兩股軌道的軌距點(diǎn)的坐標(biāo)變化,只對(duì)垂直于鋼軌的平面內(nèi)的振動(dòng)進(jìn)行了補(bǔ)償。上述文獻(xiàn)對(duì)鋼軌輪廓曲線進(jìn)行了動(dòng)態(tài)檢測(cè),均未完全解決振動(dòng)對(duì)檢測(cè)數(shù)據(jù)的影響問(wèn)題。

本文在分析視覺(jué)測(cè)量原理的基礎(chǔ)上,根據(jù)鋼軌在一定長(zhǎng)度范圍內(nèi)可以認(rèn)為是柱體的特點(diǎn),證明了在振動(dòng)影響下的實(shí)測(cè)輪廓曲線與標(biāo)準(zhǔn)輪廓曲線之間存在仿射變換。在此基礎(chǔ)上,針對(duì)我國(guó)應(yīng)用最為廣泛的60 kg/m鋼軌,提出了基于輪廓曲線特征點(diǎn)和ICP配準(zhǔn)算法的輪廓曲線校準(zhǔn)方法,該方法不僅實(shí)現(xiàn)了對(duì)數(shù)據(jù)的平移和旋轉(zhuǎn)校準(zhǔn),還實(shí)現(xiàn)了對(duì)數(shù)據(jù)的仿射形變校準(zhǔn)。最后,完成了該方法的實(shí)驗(yàn)驗(yàn)證,在多種振動(dòng)情況下均取得了良好的測(cè)量效果。對(duì)校準(zhǔn)方法的特征點(diǎn)識(shí)別部分做相應(yīng)修改,該方法也可應(yīng)用于其他型號(hào)的鋼軌。

1 測(cè)量系統(tǒng)簡(jiǎn)介

激光攝像組件主要由線激光器、高速面陣式CCD攝像機(jī)以及機(jī)械安裝裝置組成,輪廓測(cè)量原理如圖1所示。激光攝像組件安裝在列車底部的檢測(cè)梁上,線激光器投射出的光平面與鋼軌縱向垂直,在鋼軌表面形成高亮的測(cè)量光條。攝像機(jī)與線激光器安裝在鋼軌的同一側(cè)且與光平面成一定夾角,攝像機(jī)實(shí)時(shí)拍攝光條圖像,基于圖像處理技術(shù)和視覺(jué)測(cè)量原理,計(jì)算出鋼軌輪廓數(shù)據(jù)。

圖1 系統(tǒng)測(cè)量原理示意圖

在動(dòng)態(tài)測(cè)量過(guò)程中,激光攝像組件隨檢測(cè)車一起沿鋼軌運(yùn)動(dòng),實(shí)現(xiàn)對(duì)鋼軌輪廓的實(shí)時(shí)動(dòng)態(tài)測(cè)量。由于車輛在行進(jìn)過(guò)程中的隨機(jī)振動(dòng),激光攝像組件相對(duì)于鋼軌的位置將會(huì)變化,這將對(duì)測(cè)量數(shù)據(jù)造成不可忽略的影響。如何消除振動(dòng)對(duì)測(cè)量數(shù)據(jù)的影響,是鋼軌輪廓?jiǎng)討B(tài)測(cè)量過(guò)程中所要解決的關(guān)鍵問(wèn)題。

2 視覺(jué)測(cè)量模型

為建立由攝像機(jī)和線激光器組成的視覺(jué)測(cè)量系統(tǒng)的數(shù)學(xué)模型,建立如圖2所示的坐標(biāo)系,Ocxcyczc為攝像機(jī)坐標(biāo)系,Ouxuyu為圖像坐標(biāo)系,建立世界坐標(biāo)系Owxwywzw使平面Owxwyw與光平面重合,Owxwyw即為二維測(cè)量坐標(biāo)系,則光平面在世界坐標(biāo)系Owxwywzw下的方程為zw=0。

圖2 視覺(jué)測(cè)量系統(tǒng)標(biāo)定示意圖

由攝像機(jī)成像模型有

(1)

式中,ρ1≠0,(α,β,γ,u0,v0)為攝像機(jī)的內(nèi)部參數(shù)。

ρ=ρ1ρ2,由式(1)得

(2)

由式(2)即可確定光平面(測(cè)量平面)中任一點(diǎn)的像點(diǎn)在圖像平面內(nèi)坐標(biāo)。

在使用該測(cè)量模型進(jìn)行實(shí)際測(cè)量時(shí),要先對(duì)視覺(jué)測(cè)量系統(tǒng)的參數(shù)進(jìn)行標(biāo)定。具體的標(biāo)定方法,參閱文獻(xiàn)[8-11]。

3 鋼軌輪廓數(shù)據(jù)的校準(zhǔn)原理及方法

3.1 鋼軌輪廓數(shù)據(jù)的校準(zhǔn)原理

在動(dòng)態(tài)測(cè)量過(guò)程中,由于軌道不平順、車輛結(jié)構(gòu)等方面的原因,車輛將會(huì)發(fā)生隨機(jī)振動(dòng),激光攝像組件相對(duì)于鋼軌的姿態(tài)將會(huì)變化,因此輪廓測(cè)量數(shù)據(jù)也會(huì)受到影響。當(dāng)光平面保持與鋼軌縱向垂直時(shí),動(dòng)態(tài)輪廓曲線與標(biāo)準(zhǔn)輪廓曲線形狀相同,只是同一平面內(nèi)平移和旋轉(zhuǎn);當(dāng)兩者不再垂直時(shí),因?yàn)楣馄矫妗扒懈睢变撥壍慕嵌劝l(fā)生了變化,動(dòng)態(tài)輪廓曲線會(huì)發(fā)生變形。鋼軌輪廓數(shù)據(jù)校準(zhǔn),即通過(guò)鋼軌未磨損部分的動(dòng)態(tài)測(cè)量數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)對(duì)比,計(jì)算出兩者之間的變換關(guān)系,對(duì)動(dòng)態(tài)測(cè)量數(shù)據(jù)進(jìn)行校準(zhǔn),消除振動(dòng)對(duì)測(cè)量數(shù)據(jù)的影響。

在動(dòng)態(tài)測(cè)量過(guò)程中,線激光器與攝像機(jī)的相對(duì)位置不變,式(2)依然成立,但由于激光攝像組件相對(duì)于鋼軌的姿態(tài)變化,動(dòng)態(tài)測(cè)量坐標(biāo)系相對(duì)于標(biāo)準(zhǔn)測(cè)量坐標(biāo)系將會(huì)發(fā)生如圖3所示的旋轉(zhuǎn)和平移。

(3)

假設(shè)鋼軌沒(méi)有磨損,在一定長(zhǎng)度范圍內(nèi)是一理想柱體,則動(dòng)態(tài)輪廓與標(biāo)準(zhǔn)輪廓之間存在仿射變換的關(guān)系。設(shè)仿射變換為[A1T1],則有

(4)

將式(3)代入式(4),可得動(dòng)態(tài)輪廓的坐標(biāo)(xwd,ywd)與標(biāo)準(zhǔn)輪廓的坐標(biāo)(xws,yws)之間滿足

(5)

化簡(jiǎn)得

(6)

由式(6)知,動(dòng)態(tài)輪廓與標(biāo)準(zhǔn)輪廓之間存在仿射變換。在以上分析中,以鋼軌沒(méi)有磨損為前提,實(shí)際應(yīng)用中鋼軌是有磨損的,但軌頭以下部分不與車輪接觸沒(méi)有磨損,因此這部分輪廓與標(biāo)準(zhǔn)輪廓的相應(yīng)部分之間仍滿足式(6)。通過(guò)鋼軌未磨損部分的動(dòng)態(tài)輪廓數(shù)據(jù)求出仿射變換[A T],即可完成對(duì)測(cè)量數(shù)據(jù)的校準(zhǔn)。

3.2 鋼軌輪廓數(shù)據(jù)校準(zhǔn)方法

設(shè)標(biāo)準(zhǔn)數(shù)據(jù)為S={si,i=1,2,…,m},測(cè)量數(shù)據(jù)為D={di,i=1,2,…,n},對(duì)點(diǎn)集中D一點(diǎn)di,點(diǎn)集中S與di歐氏距離最小的點(diǎn)稱為它的最近點(diǎn)。標(biāo)準(zhǔn)ICP算法[12],通過(guò)搜索數(shù)據(jù)點(diǎn)集中每點(diǎn)di在標(biāo)準(zhǔn)數(shù)據(jù)點(diǎn)集S中的最近點(diǎn),然后通過(guò)迭代優(yōu)化使最近點(diǎn)對(duì)之間距離平方和最小,從而確定兩點(diǎn)集之間的旋轉(zhuǎn)矩陣Rb和平移向量Tb,即以

(7)

為目標(biāo)函數(shù)尋求最優(yōu)的Rb和Tb。

鋼軌未磨損部分的動(dòng)態(tài)輪廓數(shù)據(jù)與標(biāo)準(zhǔn)輪廓的相應(yīng)部分之間存在仿射變換[A T],將標(biāo)準(zhǔn)ICP算法中的目標(biāo)函數(shù)替換為

(8)

然后進(jìn)行迭代,即可求出[A T]。但如果直接進(jìn)行迭代優(yōu)化,由于A不是對(duì)稱陣,要優(yōu)化的參數(shù)較多(6個(gè)),迭代過(guò)程收斂較慢且求解的精度有待進(jìn)一步提高。

針對(duì)以上問(wèn)題,本文首先對(duì)參數(shù)進(jìn)行解耦,然后再求取最優(yōu)解。60kg/m標(biāo)準(zhǔn)鋼軌截面如圖4所示,輪廓曲線由圓和直線連接構(gòu)成,其中點(diǎn)Ps是兩直線的交點(diǎn),以點(diǎn)Ps為原點(diǎn)建立標(biāo)準(zhǔn)測(cè)量坐標(biāo)系Owsxwsyws。

圖4 60 kg/m標(biāo)準(zhǔn)鋼軌截面圖

仿射變換保持?jǐn)?shù)據(jù)點(diǎn)的共線性,直線變換后仍是直線,在仿射變換下輪廓測(cè)量數(shù)據(jù)中兩直線的交點(diǎn)Pd映射為標(biāo)準(zhǔn)輪廓數(shù)據(jù)中的Ps。因此可以從測(cè)量輪廓中識(shí)別出特征點(diǎn)Pd,對(duì)測(cè)量數(shù)據(jù)進(jìn)行整體平移,使點(diǎn)Pd與點(diǎn)Ps重合,完成數(shù)據(jù)的初步校準(zhǔn)。然后以

(9)

為目標(biāo)函數(shù),對(duì)A進(jìn)行優(yōu)化,完成數(shù)據(jù)的最終校準(zhǔn)。校準(zhǔn)算法的流程見(jiàn)圖5。

圖5 校準(zhǔn)算法的流程圖

為了使參數(shù)達(dá)到最優(yōu),需要解決的關(guān)鍵問(wèn)題有兩個(gè):特征點(diǎn)的精確提取和最近點(diǎn)的快速搜索。

3.2.1 特征點(diǎn)提取

為了求取特征點(diǎn)Pd的坐標(biāo),首先要將測(cè)量輪廓中的兩條線段分離出來(lái),然后擬合直線到這兩條線段上,他們的交點(diǎn)即為所求。

將輪廓曲線分割成直線,可以通過(guò)輪廓曲線的多邊形逼近實(shí)現(xiàn)。對(duì)于測(cè)量輪廓D={di,i=1,2,…,n},用一多邊形對(duì)其進(jìn)行逼近,就是尋找D的一個(gè)子集,此子集保留了原輪廓的重要幾何信息。輪廓曲線與多邊形每條邊對(duì)應(yīng)的部分,均可用直線很好地近似。Ramer逼近算法是一種遞歸算法[13],首先用線段連接輪廓曲線的兩端點(diǎn),然后計(jì)算所有的輪廓點(diǎn)到線段的距離并找到與線段距離最大的輪廓點(diǎn),如果此距離比預(yù)設(shè)的閾值要大,那么在具有最大距離的輪廓點(diǎn)處再將當(dāng)前的輪廓分為兩段,然后重復(fù)以上過(guò)程,直到所有的線段都滿足最大距離約束。通過(guò)設(shè)置合適的閾值,將軌腰輪廓曲線進(jìn)行適度分割,其中最長(zhǎng)的兩段即為鋼軌輪廓曲線中的直線部分。

攝像機(jī)拍攝光條圖像的過(guò)程中,由于鋼軌表面的氧化、污染等因素的影響,光條圖像將會(huì)發(fā)生不同程度的畸變,另外Ramer算法產(chǎn)生的多邊形頂點(diǎn)與真實(shí)的曲線拐角處也會(huì)有稍許偏差,因此必須用魯棒性好的算法對(duì)直線進(jìn)行擬合才能獲取高精度的特征點(diǎn)。本文采用帶權(quán)重系數(shù)的直線擬合方法,該方法以

(10)

為目標(biāo)函數(shù),對(duì)直線參數(shù)α,β,γ進(jìn)行優(yōu)化,式中ωi為Tukey權(quán)重系數(shù)、λ為拉格朗日乘數(shù)。

3.2.2 最近點(diǎn)搜索

在ICP算法執(zhí)行過(guò)程中,尋找最近點(diǎn)需要進(jìn)行大量的搜索,這是ICP算法的速度瓶頸。Kd樹作為一種空間索引方法,它將二分查找樹的思想推廣到多維數(shù)據(jù)的情況,利用點(diǎn)集中元素之間的空間位置關(guān)系將點(diǎn)集有效地組織起來(lái),提高了搜索效率[14]。二維數(shù)據(jù)點(diǎn)擁有x和y兩個(gè)坐標(biāo)值,首先將數(shù)據(jù)點(diǎn)集沿x坐標(biāo)方向做一次劃分,然后沿y坐標(biāo)方向做一次,接著x坐標(biāo)方向再次劃分,如此下去即可生成一個(gè)Kd樹。

列車行進(jìn)過(guò)程中激光攝像組件相對(duì)于鋼軌的姿態(tài)變化有一定限度,光條在圖像中的位置變化有限,因此最近點(diǎn)搜索不需要對(duì)全體數(shù)據(jù)進(jìn)行搜索,在一定坐標(biāo)范圍內(nèi)搜索即可。將標(biāo)準(zhǔn)輪廓數(shù)據(jù)S={si,i=1,2,…,m}為3個(gè)子集S1∪S2∪S3=S,然后建立3個(gè)分別與S1、S2、S3對(duì)應(yīng)的Kd樹。在最近點(diǎn)搜索過(guò)程中,首先根據(jù)數(shù)據(jù)點(diǎn)的坐標(biāo)確定它的最近點(diǎn)應(yīng)在的子集,然后在相應(yīng)的Kd樹中完成搜索,這樣可以提高搜索速度。其中S1與S2、S2與S3分別有20個(gè)數(shù)據(jù)點(diǎn)的交集,這樣可以避免分割點(diǎn)附近出現(xiàn)最近點(diǎn)的錯(cuò)誤匹配。

4 實(shí)驗(yàn)

在實(shí)驗(yàn)中,首先在光平面與被測(cè)鋼軌縱向垂直時(shí)對(duì)鋼軌輪廓進(jìn)行測(cè)量,并以測(cè)得的數(shù)據(jù)作為標(biāo)準(zhǔn)數(shù)據(jù),然后通過(guò)移動(dòng)和旋轉(zhuǎn)鋼軌來(lái)模擬振動(dòng)對(duì)檢測(cè)的影響,同時(shí)完成動(dòng)態(tài)輪廓數(shù)據(jù)的測(cè)量,最后通過(guò)比較校準(zhǔn)后的動(dòng)態(tài)輪廓與標(biāo)準(zhǔn)輪廓在軌頭部分的偏差,驗(yàn)證校準(zhǔn)原理的正確性以及校準(zhǔn)方法的有效性。

采用MicroviewCCD攝像機(jī),分辨率為1 280×1 024像素,德國(guó)Z_Laser線激光器,線寬小于0.2mm,軟件平臺(tái)為MATLAB,測(cè)量對(duì)象為一段長(zhǎng)0.5m表面有銹蝕與現(xiàn)場(chǎng)鋼軌反光特性相似的60型鋼軌。

當(dāng)光平面與被測(cè)鋼軌縱向垂直時(shí),相機(jī)拍攝的光條圖像如圖6(a)所示,提取光條的亞像素中心,利用已標(biāo)定的視覺(jué)測(cè)量模型參數(shù),得到鋼軌的標(biāo)準(zhǔn)輪廓數(shù)據(jù)如圖6(b)所示。

圖6 鋼軌輪廓數(shù)據(jù)采集

通過(guò)改變鋼軌的姿態(tài)來(lái)模擬振動(dòng)對(duì)測(cè)量的影響,在±50 mm范圍內(nèi)平移鋼軌模擬車輛的浮沉和橫擺運(yùn)動(dòng),在±5°范圍內(nèi)旋轉(zhuǎn)鋼軌模擬車輛的側(cè)滾、搖頭和點(diǎn)頭運(yùn)動(dòng),對(duì)鋼軌輪廓數(shù)據(jù)進(jìn)行動(dòng)態(tài)測(cè)量的數(shù)據(jù)如圖7(a)所示,通過(guò)識(shí)別出輪廓的特征點(diǎn)對(duì)輪廓數(shù)據(jù)進(jìn)行初步校準(zhǔn)的結(jié)果如圖7(b)所示,利用ICP算法對(duì)初步校準(zhǔn)后的數(shù)據(jù)進(jìn)行再次校準(zhǔn)的結(jié)果如圖7(c)所示,局部放大后如圖7(d)所示。校準(zhǔn)后的動(dòng)態(tài)輪廓與標(biāo)準(zhǔn)輪廓基本重合,基本消除了振動(dòng)對(duì)測(cè)量數(shù)據(jù)的影響,提高了測(cè)量精度。

在鋼軌姿態(tài)不同的情況下,對(duì)鋼軌輪廓進(jìn)行20次測(cè)量,表1給出了數(shù)據(jù)校準(zhǔn)后與標(biāo)準(zhǔn)數(shù)據(jù)在垂磨測(cè)量點(diǎn)處的偏差值dv和側(cè)磨測(cè)量點(diǎn)處偏差值dh的計(jì)算結(jié)果[15]。

圖7 輪廓數(shù)據(jù)校準(zhǔn)過(guò)程

表1 校準(zhǔn)后數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)的差值 單位:mm

在測(cè)量過(guò)程中鋼軌的姿態(tài)在一定范圍內(nèi)進(jìn)行了隨機(jī)變化,模擬了各種振動(dòng)情況,表1中所測(cè)得20組數(shù)據(jù)能夠有效評(píng)價(jià)校準(zhǔn)方法的有效性。測(cè)量過(guò)程受很多相互獨(dú)立因素的影響,測(cè)量誤差理應(yīng)服從正態(tài)分布,經(jīng)檢驗(yàn)確實(shí)如此。由表1可見(jiàn),校正后的輪廓數(shù)據(jù)與標(biāo)準(zhǔn)數(shù)據(jù)的偏差dv、dh的標(biāo)準(zhǔn)差分別為0.088mm、0.085mm,取置信水平為0.99,校正精度分別為±0.227mm、±0.219mm。綜上可知,校準(zhǔn)算法具有較高的精度,可應(yīng)用于工程測(cè)量。

5 結(jié)論

證明了在振動(dòng)影響下的實(shí)測(cè)輪廓曲線與標(biāo)準(zhǔn)輪廓曲線之間存在仿射變換關(guān)系,針對(duì)我國(guó)應(yīng)用最為廣泛的60kg/m鋼軌,提出了一種基于輪廓曲線特征點(diǎn)和最近點(diǎn)迭代算法確定仿射變換參數(shù)、校準(zhǔn)實(shí)測(cè)數(shù)據(jù)的方法。該方法能夠基本消除車輛在空間中的六自由度振動(dòng)對(duì)測(cè)量數(shù)據(jù)的影響,提高了測(cè)量精度。隨著我國(guó)高速鐵路事業(yè)的發(fā)展,對(duì)鋼軌輪廓檢測(cè)的速度、精度要求越來(lái)越高,本文為提高檢測(cè)精度和速度提供新的思路和技術(shù)參考

[1] 陳東生,徐其瑞.GJ-5型軌道檢查車[M].北京:中國(guó)鐵道出版社,2013.

[2]魏世斌,李穎,趙延峰,等.GJ-6型軌道檢測(cè)系統(tǒng)的設(shè)計(jì)與研制[J].鐵道建筑,2012,2:97-100.

[3]嚴(yán)雋耄,傅茂海.車輛工程[M].北京:中國(guó)鐵道出版社,2008.

[4]何紅濤,何長(zhǎng)江,李華文,等.應(yīng)用微機(jī)圖像處理技術(shù)實(shí)現(xiàn)鋼軌磨耗自動(dòng)測(cè)量的研究[J].鐵道學(xué)報(bào),1994,16(4):43-49.

[5]Jin Wenrui,Zhan Xingqun,Jiang Benhe.Non-Contact Rail-Wear InSpecting System Based on Image Understanding[C]//Proceedings of the 2007 IEEE,International Conference on Mechatronics and Automation.Harbin,China,2007:3854-3858.

[6]孫軍華,王偉華,劉震,等.基于結(jié)構(gòu)光視覺(jué)的鋼軌磨耗測(cè)量方法[J].北京航空航天大學(xué)學(xué)報(bào),2010,36(9):1026-1029.

[7]占棟,于龍,邱存勇,等.鋼軌輪廓測(cè)量中的車體振動(dòng)補(bǔ)償問(wèn)題研究[J].儀器儀表學(xué)報(bào),2013,34(7):1625-1633.

[8]劉濤,賈剛,王宗義.一種基于運(yùn)動(dòng)的線結(jié)構(gòu)光視覺(jué)測(cè)量系統(tǒng)標(biāo)定方法[J].傳感技術(shù)學(xué)報(bào),2011,24(4):624-628.

[9]Zhang Zhengyou.A Flexible New Technique for Camera Calibra-tion[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[10]周富強(qiáng),張廣軍,江潔.線結(jié)構(gòu)光視覺(jué)傳感器的現(xiàn)場(chǎng)標(biāo)定方法[J].機(jī)械工程學(xué)報(bào),2004,40(6):169-173.

[11]馬玉坤,王中亞,楊國(guó)威,等.基于線結(jié)構(gòu)光傳感器的公路平整度測(cè)量系統(tǒng)[J].傳感技術(shù)學(xué)報(bào),2013,26(11):1599-1603.

[12]Paul J Besl,Neil D Mekay.A Method of Registration of 3-D Shapes[J].IEEE Transactions on Patten Analysis and Machine Intelligence,1992,14(2):239-256.

[13]Ramer U.An Iterative Procedure for the Polygonal Approximation of Plane Curves[J].Computer Graphics and Image Processing,1972,1:244-256.

[14]Zhang Zhengyou.Iterative Point Matching for Registration of Freeform Curves and Surfaces[J].International Journal of Computer Vision,1994,13(2):119-152.

[15]中華人民共和國(guó)鐵道部.鐵路線路修理規(guī)則(鐵運(yùn)[2006]146號(hào))[S].北京:中國(guó)鐵道出版社,2012.

Research on A Method of Calibrating Dynamic Rail Profile Data*

KANGGaoqiang,LIChunmao*,QINLijuan,MAJun

(School of Electric Engineering,Southwest Jiaotong University,Chengdu 610031,China)

To alleviate adverse effects of track inspection car vibration on car-mounted vision measurement system while measuring rail profile dynamically,a data calibration method based on profile curve feature point and iterative closest point(ICP)algorithm is proposed.Dynamic data is calibrated preliminarily by identifying the profile curve feature point,and then the transformation matrix between the preliminarily calibrated data and the standard data is determined by ICP algorithm,finally the data calibration is completed.The impact of vibration on measurement is simulated in the experiment,and then the deviation value between the calibrated data and the standard data is measured at both vertical and horizontal wear measuring points,standard deviation respectively 0.088 mm,0.085 mm,take 0.99 confidence level,precision respectively±0.227 mm,±0.219 mm.Experimental results show that the method has good repeatability precision,can be applied to engineering measurements.

vision measurement;data calibration;vehicle vibration;rail profile;curve feature points;iterative closest point

康高強(qiáng)(1986-),男,河南周口人,碩士研究生,主要從事視覺(jué)測(cè)量、圖像處理方面的研究,kanggqyyy@163.com;

李春茂(1963-),男,重慶人,工學(xué)博士,教授,主要研究方向?yàn)榭刂评碚撆c控制工程、電工理論與新技術(shù),chunmaoli@126.com。

項(xiàng)目來(lái)源:國(guó)家“863”計(jì)劃項(xiàng)目(2011AA11A102)

2014-09-09 修改日期:2014-11-25

C:7130;7210

10.3969/j.issn.1004-1699.2015.02.013

TP391

A

1004-1699(2015)02-0221-06