鐵路鋼軌外觀與幾何狀態(tài)智能檢測關(guān)鍵技術(shù)研究

毛慶洲，寇東華，代永波，胡 偉，鄭繼忠

(1.武漢大學(xué) 宇航科學(xué)與技術(shù)研究院，湖北 武漢 430072；2.中國鐵路武漢局集團(tuán)有限公司 武漢高鐵工務(wù)段，湖北 武漢 430080；3.武漢漢寧軌道交通技術(shù)有限公司，湖北 武漢 430074)

隨著我國鐵路運營里程、行車速度和密度的逐年增長，鐵路基礎(chǔ)設(shè)施的檢測與養(yǎng)護(hù)能力也需要隨之提升。鋼軌表面狀態(tài)與軌道幾何狀態(tài)是影響列車運行平穩(wěn)性、舒適性和安全性的2個重要因素，對鋼軌的表面狀態(tài)檢測包括對鋼軌橫斷面的波磨、掉塊等異常狀態(tài)檢測和對鋼軌縱斷面的廓形磨耗檢測，對軌道幾何狀態(tài)檢測包括對軌距、超高、軌向和曲率等幾何參數(shù)進(jìn)行檢測[1-3]。目前，采用慣性單元和激光相機(jī)等多傳感器對軌道綜合狀態(tài)進(jìn)行檢查成為一種趨勢[4-6]。國內(nèi)外對此已有大量的理論研究和實踐，其中日本的East-i綜合軌道檢測列車由6組檢測車構(gòu)成，第三號檢測車為軌道檢測車，其余的為通信信號和電力檢測車，檢測項目包括軌道幾何參數(shù)、接觸網(wǎng)、通信信號、環(huán)境噪聲和輪軌作用力等，對軌道參數(shù)進(jìn)行檢測的方法是弦測法；意大利的阿基米德號綜合檢測列車通過集成多個激光器、光學(xué)相機(jī)、加速度計、陀螺儀以及高精度慣性平臺等多種傳感器實現(xiàn)了軌道幾何參數(shù)、鋼軌斷面、鋼軌波浪磨耗、接觸網(wǎng)狀態(tài)、通信信號、車體和軸箱加速度、輪軌作用力等項目的檢測，其軌道檢測速度較低時采用弦測法，檢測速度高時采用慣性基準(zhǔn)法；美國的TGMS檢測系統(tǒng)同樣集成多種傳感器對軌道幾何參數(shù)、鋼軌斷面、鋼軌波浪磨耗等參數(shù)進(jìn)行檢測，采用非接觸式和慣性基準(zhǔn)法對軌道參數(shù)進(jìn)行檢測；我國自主開發(fā)的GJ-6型軌道檢測系統(tǒng)主要由激光攝像組件、慣性測量組件、信號處理組件、數(shù)據(jù)處理組件、里程定位組件和機(jī)械懸掛裝置等六部分組成，其在GJ-4型和GJ-5型軌道檢測系統(tǒng)的基礎(chǔ)上提高了檢測精度和抗干擾能力，并采用實時控制技術(shù);實現(xiàn)里程精確定位，具有高速、精確、可靠的特點[7]。上述檢測系統(tǒng)或檢測列車雖然檢測技術(shù)和檢測結(jié)果均達(dá)到了很好的效果，但是基于大型檢測車的檢測系統(tǒng)存在先天的不足：首先是造價昂貴，由于其集成多個檢測模塊，造成系統(tǒng)復(fù)雜龐大，不適合在鐵路日常巡檢中使用；其次，上述綜合檢測系統(tǒng)在滿足高速檢測的狀態(tài)下會降低空間上的檢測頻率，不適合如鋼軌斷面檢測等某些日常巡檢項目需要的精細(xì)化檢測。

目前在日常巡檢中對鋼軌的表面狀態(tài)檢測和軌道幾何狀態(tài)檢測也有例如丹麥miniprof鋼軌輪廓檢測儀[8]和我國日月明GJY型軌道幾何狀態(tài)檢查儀[9]等檢測設(shè)備。前者采用由一個直徑為12 mm的小磁性輪連在兩鉸接點的延伸桿端部的傳感器作為測量單元，人工在鋼軌表面轉(zhuǎn)動磁性輪完成測量過程，系統(tǒng)通過光譯編碼器對兩自由度的極坐標(biāo)系統(tǒng)的角度進(jìn)行高精度測量，保證其在笛卡爾坐標(biāo)系下精度為0.001 mm左右；后者利用輪軌接觸式測量方式測量軌距，基于數(shù)字陀螺測角測量原理測量高低和軌向等幾何參數(shù)，并實現(xiàn)在線數(shù)據(jù)及波形顯示與報警功能。二者均為我國鐵路日常巡檢中使用的成熟產(chǎn)品，但仍有其各自缺點：miniprof鋼軌輪廓檢測儀測量效率低，單個天窗所采集的鋼軌廓形數(shù)量有限，無法準(zhǔn)確連續(xù)還原整個測量區(qū)間的廓形；GJY型軌道幾何狀態(tài)檢查儀雖然能對軌道幾何狀態(tài)進(jìn)行有效測量，但其無法實現(xiàn)鋼軌斷面測量和軌面狀態(tài)的檢查，缺少對鋼軌自身的服役狀態(tài)進(jìn)行檢測的手段。

1 系統(tǒng)組成與工作原理

1.1 系統(tǒng)組成

為滿足上述需求，基于多傳感器集成技術(shù)研發(fā)了一種鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)(圖1)。該系統(tǒng)以小車載體為基礎(chǔ)，集成GNSS/慣性測量單元(IMU)/DMI組合定位定姿系統(tǒng)、線結(jié)構(gòu)光傳感器、多傳感器同步控制電路以及存儲單元、車輪編碼器及安裝組件、嵌入式計算機(jī)以及電源供電系統(tǒng)等設(shè)備，組建鐵路檢測與測量平臺，在同步控制單元的協(xié)調(diào)下各個傳感器之間實現(xiàn)時空同步，快速采集鐵路軌道的全斷面時空數(shù)據(jù)。其中線結(jié)構(gòu)光傳感器作為感知傳感器，GNSS、IMU與里程計作為定位定姿傳感器，可在連續(xù)運動狀態(tài)下進(jìn)行軌道結(jié)構(gòu)形面的同步檢測。

圖1 鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)總體組成

1.2 工作原理

如圖2所示，系統(tǒng)中的傳感器包括光電編碼器、GNSS系統(tǒng)、慣性測量單元(IMU)和線結(jié)構(gòu)光掃描儀。其中光電編碼器通過車輪轉(zhuǎn)動單位周長的脈沖數(shù)推算出系統(tǒng)的瞬時速度和行駛里程；GNSS系統(tǒng)通過載波相位差分定位法測量系統(tǒng)位置信息，實現(xiàn)移動載體的精確定位，建立高精度的空間基準(zhǔn)，GNSS系統(tǒng)同時也提供高精度時間信息和PPS脈沖，對移動載體的測量傳感器及設(shè)備進(jìn)行高精度授時，為系統(tǒng)建立統(tǒng)一的時間基準(zhǔn)；IMU由三軸加速度計和陀螺儀輸出系統(tǒng)每個時刻的姿態(tài)；線結(jié)構(gòu)光掃描儀通過三角測量法測量每個鋼軌斷面的點云和灰度圖。

圖2 鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)工作原理

人工推行小車在軌道上運行，車輪帶動光電編碼器轉(zhuǎn)動，編碼器向同步板發(fā)送脈沖信號，同步板接收到脈沖信號后按照預(yù)定的規(guī)則控制線結(jié)構(gòu)光掃描儀和同步觸發(fā)，同步板通過無線網(wǎng)絡(luò)向上位機(jī)發(fā)送解析指令，通知上位機(jī)接收來自線結(jié)構(gòu)光掃描儀的輪廓數(shù)據(jù)、GNSS數(shù)據(jù)、IMU數(shù)據(jù)以及光電編碼器的脈沖數(shù)據(jù)，上位機(jī)對數(shù)據(jù)進(jìn)行融合、解算，最終得到每個時刻鋼軌的軌面異常狀態(tài)、廓形磨耗值和軌道幾何參數(shù)。

2 關(guān)鍵技術(shù)

2.1 多源異構(gòu)傳感器數(shù)據(jù)同步與融合技術(shù)

上述多種傳感器的工作原理不同，采集的物理量各異，數(shù)據(jù)采集的頻率不同，數(shù)據(jù)輸出方式和接口也不一樣，屬于典型的多源異構(gòu)數(shù)據(jù)，在不同數(shù)據(jù)之間建立統(tǒng)一的基準(zhǔn)是同步控制的核心，而多源數(shù)據(jù)融合則可充分發(fā)揮多傳感器系統(tǒng)優(yōu)勢，對多個傳感器數(shù)據(jù)進(jìn)行融合解算。

2.1.1 時空同步控制技術(shù)

多傳感器的同步控制是指為完成指定的檢測和測量任務(wù)，通過特定的方法和手段使得參與任務(wù)的多個傳感器按照預(yù)定的節(jié)奏、頻率和邏輯順序協(xié)同工作。時間同步控制器就是通過一系列的電路系統(tǒng)，保證各個傳感器之間以及傳感器和定位系統(tǒng)之間的時間同步。對于三維移動測量系統(tǒng)的任意一種傳感器而言，其數(shù)據(jù)采樣無非采用了2種方式：時間間隔采樣和空間間隔采樣。

圖3 GNSS/IMU松組合導(dǎo)航工作原理

采用時間間隔采樣的傳感器一般要求其輸出的數(shù)據(jù)帶有采樣的時刻信息，或者輸出采樣時刻的脈沖信號。如本系統(tǒng)中GPS接收機(jī)和IMU的每幀數(shù)據(jù)都有UTC時間等。

采用空間間隔采樣的傳感器可以從外部控制其數(shù)據(jù)采樣和輸出的時刻，所以需要一套用來精準(zhǔn)記錄外部控制信號的電路來實現(xiàn)。為完成該類傳感器與GPS等時間間隔的傳感器的數(shù)據(jù)融合，本系統(tǒng)采用GPS作為時間基準(zhǔn)。

對于采用空間間隔采樣工作方式的鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)，首先在控制器在外部編碼器產(chǎn)生的距離脈沖的驅(qū)動下，按照預(yù)先設(shè)置好的脈沖寬度對距離脈沖進(jìn)行調(diào)制放大，并實時轉(zhuǎn)發(fā)給數(shù)據(jù)采集傳感器系統(tǒng)，作為觸發(fā)信號控制線結(jié)構(gòu)光掃描儀進(jìn)行同步采集。并且同步控制器會把脈沖發(fā)生時間、序列號等有用信息，通過RS232串口實時傳送到采集系統(tǒng)的計算機(jī)系統(tǒng)內(nèi)存儲起來。在數(shù)據(jù)采集的同時，距離脈沖傳輸給POS(Position and Orientation System)系統(tǒng)，并實時記錄下該時刻的車輛平臺在大地坐標(biāo)系中的位置和姿態(tài)信息，然后通過時間同步控制系統(tǒng)，實現(xiàn)POS系統(tǒng)的數(shù)據(jù)和測量傳感器系統(tǒng)采集到的數(shù)據(jù)之間的統(tǒng)一。為了獲取準(zhǔn)確的時間，在同步控制系統(tǒng)中也安裝了GPS系統(tǒng)(主要是用來接收和校正時間)和高精度的晶振，用來提供同步信號中的時間，并且需要達(dá)到毫秒級的精度。

2.1.2 多源數(shù)據(jù)融合技術(shù)

系統(tǒng)中多種傳感器之間的數(shù)據(jù)需要進(jìn)行相互融合，其中主要包括GNSS和IMU之間的組合導(dǎo)航解算以及解算出的位姿數(shù)據(jù)和激光數(shù)據(jù)融合得到絕對位置的軌道點云數(shù)據(jù)。

本系統(tǒng)中GNSS與IMU的組合方式為松組合，其導(dǎo)航工作原理如圖3所示。GNSS接收機(jī)使用導(dǎo)航濾波器把偽距和載波相位觀測量處理成獨立的位置、速度導(dǎo)航解，把位置、速度數(shù)據(jù)作為觀測量直接輸入到卡爾曼濾波器中，執(zhí)行遞歸最小二乘估計，并對慣性導(dǎo)航儀(INS)進(jìn)行導(dǎo)航改正；GNSS和INS作為2套獨立的位置和姿態(tài)參數(shù)值輸入到組合處理器中，組合處理器與GNSS和INS之間存在反饋回路，最終產(chǎn)生單一的組合導(dǎo)航解。其特點是：(1)將系統(tǒng)導(dǎo)航解反饋到GNSS接收機(jī)內(nèi)的濾波器中，用GNSS測量值修正系統(tǒng)的導(dǎo)航解；(2)輔助GNSS跟蹤環(huán)路的速率；(3)使用INS誤差狀態(tài)反饋來改正下一歷元的INS導(dǎo)航解。

松組合導(dǎo)航系統(tǒng)的狀態(tài)參數(shù)向量至少是載體的速度誤差、位置誤差、姿態(tài)誤差、加速度計誤差和陀螺儀誤差分別在三軸上的誤差分量，共15維向量，而在加入尺度因子誤差、重力誤差等參數(shù)后，可以進(jìn)一步增加狀態(tài)參數(shù)向量的維數(shù)形成18維甚至27維向量。

松組合導(dǎo)航系統(tǒng)狀態(tài)方程為：

Xk+1= ?k+1|kXk+Gk+1

(1)

?k+1|k=I15×15+Fk+1δt

(2)

式中：?k+1|k——狀態(tài)轉(zhuǎn)移矩陣；

Gk+1——狀態(tài)轉(zhuǎn)移噪聲；

δt——濾波更新周期。

利用卡爾曼濾波建立時間更新方程和狀態(tài)更新方程(推導(dǎo)過程略)為：

Xk+1|k=?kXk

(3)

(4)

Xk+1=Xk+1|k+Kk+1(Lk-HXk+1|k)

(5)

(6)

Dk+1= (I-Kk+1H)Pk+1|k

(7)

式中：H——觀測矩陣；

Lk——GNSS模塊與INS模塊二者殘差觀測向量。

系統(tǒng)更新狀態(tài)值后，INS模塊的位置、速度和姿態(tài)通過位置誤差、速度誤差以及姿態(tài)誤差改正量估計值改正，最后將加速度計零偏估計量和陀螺漂移估計量反饋至觀測方程中，完成一輪GNSS/INS松組合定位定姿。

經(jīng)過迭代多次后，得到高精度POS數(shù)據(jù)，再利用系統(tǒng)慣導(dǎo)中心和線結(jié)構(gòu)光掃描儀中心之間的桿臂值關(guān)系，通過桿臂姿態(tài)模型計算出每個線結(jié)構(gòu)光傳感器中心的位置和姿態(tài)，最后與原始激光數(shù)據(jù)融合生成高密度、高精度鐵路軌道三維點云。

2.2 基于改進(jìn)U-Net卷積神經(jīng)網(wǎng)絡(luò)的鋼軌表面病害檢測方法

近年來，針對表面缺陷的自動檢測提出了很多方法，其中基于數(shù)據(jù)驅(qū)動的深度學(xué)習(xí)方法得到了廣泛的關(guān)注。盡管經(jīng)典的目標(biāo)檢測方法已經(jīng)獲得了相對不錯的效果，但目前仍然存在檢測圖像背景復(fù)雜、圖像噪聲干擾以及檢測方法的泛化性和準(zhǔn)確率較低等問題。

U-Net模型是以FCN模型為基礎(chǔ)進(jìn)行優(yōu)化的網(wǎng)絡(luò)模型，模型結(jié)構(gòu)是“U“字形，沿著中心對稱軸把整個網(wǎng)絡(luò)模型分為兩部分，分別為收集特征的編碼器部分和還原細(xì)節(jié)的解碼器部分。編碼器是由3×3的卷積層、激活層和2×2最大池化層組合而成，其主要是通過卷積神經(jīng)網(wǎng)絡(luò)獲取目標(biāo)圖像的數(shù)據(jù)特征信息。在編碼器部分每采用一次下采樣操作，模型的通道數(shù)都是上個通道數(shù)的一倍。解碼器部分是由2×2的反卷積、3×3的卷積以及激活層組合而成。解碼器進(jìn)行的操作與編碼器相反，使用上采樣操作，使用反卷積的方法結(jié)合編碼器下采樣獲取的信息對圖像細(xì)節(jié)進(jìn)行復(fù)原操作，每進(jìn)行一次上采樣操作，通道數(shù)會變成上個通道數(shù)的一半并且特征圖被擴(kuò)大，逐步恢復(fù)圖片精度，最終輸出只包含背景和目標(biāo)圖像信息的圖像。總的來說，U-Net模型特殊的“U”字形狀讓模型結(jié)構(gòu)更加的整齊和清晰，圖像之間的裁剪拼接和反復(fù)卷積以及一系列相關(guān)算法的計算讓U-Net網(wǎng)絡(luò)模型獲取更加詳細(xì)的上下文信息，同時可以獲得豐富的細(xì)節(jié)信息，輸出更加清晰的圖像。

本文采用改進(jìn)的U-net模型(圖4(a))，Non-local網(wǎng)絡(luò)模型的特點在于其所包含的上下文信息十分相似，因此，建立一個共享的全局上下文模塊代替其他的上下文模塊，以達(dá)到降低網(wǎng)絡(luò)運算量的目的。并引入了輕量化的全局模塊(GC模塊)(圖4(b))，構(gòu)建一個全局的上下文網(wǎng)絡(luò)。同時，為了提高通道之間的關(guān)聯(lián)性，在Non-local網(wǎng)絡(luò)模型中插入SENet模塊便可以達(dá)到此目的。在模型中加入GC模塊后，既具備簡化后Non-local模塊的優(yōu)點，同時為了降低參數(shù)量，在模塊中用1×1卷積替換瓶頸轉(zhuǎn)換模塊，參數(shù)量從原先的C×C優(yōu)化到了2×C×C/r。也就是說，如果原先設(shè)定的參數(shù)量是32，那么現(xiàn)在的參數(shù)量就是原先的1/16。因此，該模塊優(yōu)化后是一個輕量級模塊，而且可以靈活地穿插到網(wǎng)絡(luò)的不同位置。全局模塊的優(yōu)化過程分為3個步驟：首先，通過將1×1卷積與softmax函數(shù)疊加在一起使用得到注意力權(quán)重；其次，將采用注意力池化的方法獲取全局模塊的上下文信息；最后，利用1×1的卷積Wv對其進(jìn)行特征變化，將獲取的信息再次聚合到每個查詢位置上。

圖4 改進(jìn)U-net模型

2.3 基于鋼軌曲率特征改進(jìn)ICP的鋼軌磨耗值檢測方法

一般來說，小車在鋼軌上運動是一種蛇行運動，這會造成線結(jié)構(gòu)光傳感器掃描角度非垂直鋼軌，另外，車體在運動時會因為某些外界因素造成車體抖動。所以要實現(xiàn)鋼軌輪廓高精度動態(tài)測量，必須進(jìn)行車輛運動補償。本文利用多級低通FIR數(shù)字濾波器將高頻的擾動加速度信息濾除，只保留低頻重力加速度矢量，最終得到陀螺3個方向的角度補償。數(shù)字濾波器的具體設(shè)計方案見文獻(xiàn)[10]，限于篇幅這里不再贅述。橫滾角補償LR、偏航角補償LH和俯仰角補償LP引起的誤差關(guān)系如公式(8)所示，圖5為系統(tǒng)振動補償關(guān)系圖。

(8)

式中：xm、ym——激光器原始測量得到的點坐標(biāo)；

xs、ys——經(jīng)過運動補償之后的點坐標(biāo)。

圖5 系統(tǒng)振動補償

為了提高左右2個激光器的點云配準(zhǔn)精度，本文還設(shè)計了一種基于鋼軌曲線法向量改進(jìn)的迭代最近點(ICP)算法：

第一步,通過對左右2個激光器數(shù)據(jù)進(jìn)行配準(zhǔn)快速還原鋼軌真實的廓形；

第二步,通過與標(biāo)準(zhǔn)軌廓進(jìn)行匹配計算出磨耗數(shù)據(jù)。

ICP算法是通過求取源點云和目標(biāo)點云之間的對應(yīng)點對，基于對應(yīng)點對構(gòu)造旋轉(zhuǎn)平移矩陣，并利用所求矩陣將源點云變換到目標(biāo)點云的坐標(biāo)系下，然后估計誤差函數(shù)并設(shè)定閾值，最后迭代進(jìn)行上述運算直到滿足給定的誤差要求。ICP算法采用最小二乘估計計算變換矩陣，原理簡單且具有較好的精度，但是由于采用了迭代計算，導(dǎo)致算法計算速度較慢，而且ICP算法容易陷入局部最優(yōu)解。因此，本文對線結(jié)構(gòu)單幀二維點云提出一種根據(jù)曲率變化提取出特征度較大的軌腰點作為關(guān)鍵點，通過計算關(guān)鍵點的曲率查找初始匹配點對來提高ICP算法效率的方法。其具體步驟如下：

第一步，利用標(biāo)定的偏轉(zhuǎn)角將鋼軌左右兩側(cè)激光器的原始點云拼接在一起進(jìn)行粗匹配，然后利用鋼軌軌頭曲率變化大的末端，分別在兩側(cè)激光器原始數(shù)據(jù)中取出，最后利用ICP算法精匹配將二者合并成一個包含完整鋼軌點云的數(shù)據(jù)(圖6(a)至圖6(b)的過程)。

第二步，選擇合適范圍的直通濾波，過濾除鋼軌之外的離群點，得到鋼軌范圍內(nèi)的點云，然后設(shè)計2個具有對應(yīng)關(guān)系的目標(biāo)點集和參考點集，計算二者最優(yōu)的剛性變換，重復(fù)這個過程直到滿足設(shè)定收斂準(zhǔn)則，從而解算得到起始點集A到終止點集B的旋轉(zhuǎn)變換量R和平移變換量T。本方案中，目標(biāo)點集即為濾波后的軌頭點云數(shù)據(jù)，而參考點集即為標(biāo)準(zhǔn)的軌頭模型點集(限于篇幅，過程的數(shù)學(xué)描述略)。

最后根據(jù)計算得到平移矩陣和旋轉(zhuǎn)矩陣，對軌頭部分點云施加相同的旋轉(zhuǎn)平移變換，將變換之后的點云與標(biāo)準(zhǔn)輪廓的軌頭點云做對比，依據(jù)定義，垂直磨耗在鋼軌頂面1/3寬處(距標(biāo)準(zhǔn)工作邊)測量，側(cè)面磨耗在鋼軌踏面(按標(biāo)準(zhǔn)斷面)下16 mm處測量?？偰ズ臑榇怪蹦ズ呐c側(cè)面磨耗的一半之和，從而計算出該鋼軌斷面廓形的側(cè)面磨耗、垂直磨耗以及總磨耗。經(jīng)過點云配準(zhǔn)后的數(shù)據(jù)如圖6(c)所示。

圖6 鋼軌斷面匹配過程

2.4 軌道幾何狀態(tài)檢測技術(shù)

軌道幾何狀態(tài)主要指幾何形狀、尺寸和空間位置等幾何參數(shù)，主要通過軌道特征點的坐標(biāo)位置來描述，具體包括軌距、高低、軌向、超高、水平和三角坑等。軌道幾何狀態(tài)檢測采用精密測量技術(shù)，精確測量軌道幾何形變量及確定變形發(fā)生位置；計算出鋼軌的調(diào)整量，評估不平順狀態(tài)；并根據(jù)精密測量的軌道形變量，將軌道調(diào)整至設(shè)計的平順度，保證行車安全和乘客舒適度。目前軌道幾何狀態(tài)檢測主要采用弦測法和慣性基準(zhǔn)法[11]，檢測設(shè)備測量形式包括直接與鋼軌觸碰的接觸式測量和采用光電設(shè)備掃描或拍攝鋼軌的非接觸測量2種，檢測技術(shù)的核心是采用慣性組合導(dǎo)航技術(shù)精確獲取檢測設(shè)備的位姿信息，進(jìn)而高精度地重建鋼軌的空間位置，并在此基礎(chǔ)上進(jìn)行不平順分析。本系統(tǒng)采用非接觸測量慣性基準(zhǔn)法，最終生成的軌道結(jié)構(gòu)三維點云如圖7所示。

圖7 軌道結(jié)構(gòu)三維點云

由于該點云是包含絕對位置的高精度點云，它可以真實地反映現(xiàn)場的情況?；诖它c云和軌道幾何參數(shù)的定義，提取或擬合出關(guān)鍵點，即可計算出軌道幾何參數(shù)。圖8為軌道幾何參數(shù)計算示意圖。

圖8 軌道幾何參數(shù)

軌距是指鋼軌內(nèi)側(cè)距離鋼軌頂面向下16 mm處2根鋼軌之間的最短距離。我國鐵路在直線段的標(biāo)準(zhǔn)軌距是1 435 mm，實際的軌距值與標(biāo)準(zhǔn)值的偏差為軌距偏差(G)，其計算公式為：

G=D-Db

(9)

式中：D——實際測量的軌距值；

Db——標(biāo)準(zhǔn)軌距值，一般為1 435 mm。

軌向是指鋼軌內(nèi)側(cè)沿著長度方向的橫向的凹凸不平順。橫向不平順有左軌、右軌之分，并且通常不一致，左右軌方向不平順的平均值作為軌道中心線的方向偏差值，方向不平順的存在會導(dǎo)致車輪受到的橫向力增大，產(chǎn)生橫向振動和左右搖擺，加速部件損壞。直接提取軌距點處的水平坐標(biāo)，可直接計算軌向不平順。圖8(a)中B1處的軌向不平順L計算公式為：

(10)

其中：M=(TA1B1+TB1C1+TA1C1)/2

式中：SA1B1C1——△A1B1C1的面積；

TA1B1、TB1C1、TA1C1——分別為A1B1、B1C1和A1C1的距離。

高低是指鋼軌頂面沿著鋼軌中心線在垂直方向上的凹凸不平順，分左右軌高低不平順，可以分別按不同弦長的正矢和不同波長范圍的空間曲線表示。高低不平順(H)會導(dǎo)致輪軌間過大的垂向作用力，引起列車劇烈的浮沉和點頭,其計算公式為：

(11)

式中:hA2、hB2、hC2——分別指A2、B2、C2點的高程。

軌道水平是指軌道同一橫截面上左右2根鋼軌的軌頂處相對于水平面的高程差，不含圓曲線上設(shè)置的超高和緩和曲線上超高順坡量。超高(S)是指曲線地段外軌頂面與內(nèi)軌頂面設(shè)計水平高度之差，其計算公式為：

S=So-Si

(12)

式中：So、Si——分別指外側(cè)和內(nèi)側(cè)軌頂面的水平高度。

對于上述軌道幾何參數(shù)的定義中的各個關(guān)鍵部位，如何在軌道三維點云中準(zhǔn)確找到其對應(yīng)位置是保證結(jié)果精度的關(guān)鍵。對于鐵路特定里程處的軌道幾何參數(shù)，本文首先利用組合導(dǎo)航系統(tǒng)找出該位置，再根據(jù)結(jié)構(gòu)光點云前后幀插值擬合出該點處的斷面廓形點云，然后利用2.3節(jié)提出的基于曲率改進(jìn)的ICP匹配方法，快速將該點處的斷面點云和標(biāo)準(zhǔn)廓形作匹配，最后根據(jù)標(biāo)準(zhǔn)鋼軌廓形中的軌道幾何參數(shù)關(guān)鍵點提取其在斷面點云中的對應(yīng)點，通過上述公式計算每種軌道幾何參數(shù)。

3 試驗驗證

3.1 數(shù)據(jù)采集

為了驗證系統(tǒng)及其關(guān)鍵技術(shù)的有效性，選取某實際運行線路作為試驗地點，現(xiàn)場作業(yè)情況如圖9所示。系統(tǒng)檢測速度為5 km/h左右，單人推行小車在軌道上行駛，共計行駛里程約6 km?，F(xiàn)場利用道尺采集30組軌距和超高數(shù)據(jù)，用于和系統(tǒng)輸出的軌距和超高值進(jìn)行精度對比；同時利用miniprof廓形儀采集鋼軌斷面，人工現(xiàn)場調(diào)查軌面異常情況，用于廓形分析和軌面異常狀態(tài)的對比。

3.2 結(jié)果驗證

3.2.1 軌面狀態(tài)結(jié)果驗證

本系統(tǒng)利用改進(jìn)U-Net卷積神經(jīng)網(wǎng)絡(luò)對采集的軌面圖像進(jìn)行異常狀態(tài)檢測，檢測的軌面異常狀態(tài)包括焊縫、波浪磨耗和擦傷等病害(圖10)。通過與現(xiàn)場復(fù)核結(jié)果比較，該方法可以快速準(zhǔn)確識別鋼軌表面各種異常狀態(tài)，并輸出具體里程和病害種類。

鋼軌踏面掉塊是軌面病害較嚴(yán)重的一種，本系統(tǒng)也可以對掉塊情況進(jìn)行檢測。由圖11可知，經(jīng)過本系統(tǒng)分析處理后，較大面積的掉塊位置可以被找出，并輸出具體里程信息，這對后續(xù)軌面病害的治理工作可起到有效的指導(dǎo)作用。

圖11 鋼軌踏面掉塊

如表1所示，本文采用的改進(jìn)U-Net模型以99.19%的全局識別正確率(Accuracy)比傳統(tǒng)U-Net模型的98.43%更佳；在準(zhǔn)確率(Precision)上，改進(jìn)的U-Net以83.53%相較于傳統(tǒng)U-Net模型的80.43%有了較大提升；在召回率(Recall)上，改進(jìn)的U-Net以80.72%高出傳統(tǒng)U-Net模型近10%，證明改進(jìn)的U-Net模型在對多種病害識別的全面性上更好；對于mIoU數(shù)據(jù)，改進(jìn)的U-Net模型的圖像分割精度指標(biāo)為84.68%，對比傳統(tǒng)U-Net模型的81.87%，證明其在病害分割提取的精度上也有所提高。

表1 試驗結(jié)果指標(biāo)對比 %

3.2.2 鋼軌廓形結(jié)果驗證

本系統(tǒng)通過線結(jié)構(gòu)激光器采集的數(shù)據(jù)利用基于曲率改進(jìn)的ICP算法輸出鋼軌軌頭廓形，左右原始廓形如圖12(a)、圖13(a)所示，將廓形與實際線路設(shè)計廓形對比得到廓形法向偏差如圖12(b)、圖13(b)所示，在X=20 mm處總體偏差處于-0.6～+0.6 mm之間。

圖12 左股鋼軌廓形及偏差

圖13 右股鋼軌廓形及偏差

通過擬合連續(xù)輪軌主要接觸區(qū)域的鋼軌廓形軌面狀態(tài)，可對軌面整體平順性進(jìn)行檢測。如圖14所示，當(dāng)有左右股鋼軌工作邊持續(xù)性的高低交替變化現(xiàn)象，廓形交替變化長度在40～80 m范圍，并且在運行速度300 km/h時，會誘發(fā)車體蛇行失穩(wěn)，造成動車組晃車，可以根據(jù)廓形檢測情況進(jìn)行廓形整體修復(fù)。

圖14 鋼軌連續(xù)廓形變化圖

3.2.3 軌道幾何參數(shù)結(jié)果驗證

本系統(tǒng)利用真實軌道三維點云處理得到的軌距和超高與現(xiàn)場利用道尺測量的軌距和超高結(jié)果對比如表2所示。可以看出，30組數(shù)據(jù)軌距偏差的均值為0.13 mm，中誤差為0.15 mm；超高偏差均值為0.09 mm，中誤差為0.12 mm。由此可知，鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)輸出的軌距和超高與道尺測量出的結(jié)果基本一致，證明本系統(tǒng)與檢測方法可以較準(zhǔn)確測量軌道幾何參數(shù)。

表2 軌距和超高精度對比

4 總結(jié)

本文針對鋼軌表面狀態(tài)、鋼軌連續(xù)廓形以及軌道幾何狀態(tài)檢測無法準(zhǔn)確、高速和自動化同步檢測的問題，研制了一種鐵路鋼軌外觀與幾何狀態(tài)智能檢測系統(tǒng)，分別提出基于改進(jìn)U-Net卷積神經(jīng)網(wǎng)絡(luò)的鋼軌表面異常狀態(tài)檢測方法、基于鋼軌曲率特征改進(jìn)ICP的鋼軌磨耗值檢測方法以及一種融合線結(jié)構(gòu)激光與慣性數(shù)據(jù)的非接觸式軌道幾何參數(shù)測量方法，通過在實際線路上的驗證，證明該系統(tǒng)可以有效檢測出焊縫、波浪磨耗、擦傷和掉塊等軌面異常狀態(tài)，輸出高密度、高精度鋼軌斷面輪廓數(shù)據(jù)，同步解算出高精度軌道幾何參數(shù)，對三者進(jìn)行綜合檢測。

雖然本研究取得了上述成果，但是仍存在以下幾個方面需要深入研究：(1)進(jìn)一步完善軌道幾何參數(shù)中的軌向、高低和扭曲等參數(shù)的效果；(2)優(yōu)化廓形檢測精度和可靠性，力爭與接觸式測量方法達(dá)到相同的效果；(3)深度整合多源數(shù)據(jù)，充分挖掘數(shù)據(jù)價值，對鋼軌整體服役狀態(tài)進(jìn)行綜合分析。