基于机器视觉的钢轨轮廓测量方法研究*

徐晋卿， 陈唐龙， 占 栋， 于 龙， 冯 超

(西南交通大学,四川 成都 610031)

基于机器视觉的钢轨轮廓测量方法研究*

徐晋卿， 陈唐龙， 占 栋， 于 龙， 冯 超

(西南交通大学,四川 成都 610031)

钢轨轮廓检测是轨道几何参数检测的重点和难点。采用二维平面靶标对激光摄像传感器进行标定，建立世界坐标系和图像坐标系的标定模型。通过棋盘格进行实验标定，获取300组数据，采用非线性最小二乘法来标定模型参数。结果表明:采用非线性最小二乘法能够将棋盘格水平和垂直的测量误差控制在0.3 mm左右，该方法能够很好地运用到钢轨轮廓测量中。

机器视觉； 钢轨； 轮廓； 标定

0 引 言

铁路钢轨是支撑列车运行的重要基础设施[1～3]，高速铁路轨道在投入运营前，都需对钢轨进行高精度检测。同时铁路运行的速度高、载重量大、运行环境复杂，对钢轨质量提出更加严格的要求。钢轨良好的状态对确保列车安全行驶、改善钢轨及机车车辆相互作用和影响以及延长钢轨部件和机车车辆使用寿命等都有重要的作用。因此, 采用合理的检测方式，确保钢轨状态良好，有重要的意义[4]。

钢轨轮廓测量是轨道检测的重要内容,目前非接触式测量在国内得到广泛的应用。本文运用基于计算机视觉的钢轨轮廓测量方法，开发了非接触式钢轨轮廓检测系统。采用面阵相机、激光器等模块化硬件设计和图像处理软件将轮廓从图像坐标转换到世界坐标，满足实时检测的要求。该系统具有较强的容错性、适应性及可移植性[5],目前已在杭州地铁二号线进行前期调试, 获得良好的评价。

1 测量原理

1.1 摄像机传感器测量模型

摄像机传感器测量模型如图1所示。

摄像机的图像坐标系为OEXEYE，XE和YE分别为图像坐标系的水平和垂直方向，o为摄像机光心，过点o作直线oz垂直于图像坐标系平面，o1o为摄像机焦距，oz为摄像机光轴，建立摄像机坐标系oxyz；同理,建立世界坐标系owxwywzw。

1.2 建立图像坐标系和世界坐标系的关系

本文钢轨轮廓测量是采用光切面法，需要首先建立图像坐标系和摄像机坐标系的关系[6]，如式(1)所示

(1)

其中,α,β分别为摄像机像元在XE轴、YE轴的比例因子，(u0,v0)为摄像机主点，(α,β,u0,v0)为摄像机内部参数[7]。

图1 摄像机传感器测量模型Fig 1 Measurement model of camera sensor

其次，摄像机坐标系和世界坐标系的关系为

(2)

式中R,t分别为摄像机坐标系到世界坐标系的旋转矩阵和平移向量，即为摄像机外部参数,于是有

(3)

由于测量的方法是光切面法，世界坐标系只有2个自由度，即参数zw=0，于是式(3)就转换为式(4)

(4)

在实际的应用中，相机镜头存在不同程度的畸变，设畸变后的像素坐标为(XB,YB)，如式(5)所示。图像中心像素坐标为(X,Y)，X,Y,Z定义如式(6)所示。摄像机主点坐标(u0,v0)一般作为已知参数给出，畸变偏移量δX(X,T),δY(X,Y)如式中(7)所示

(5)

(6)

(7)

式中k1,k2为径向畸变系数，p1,p2为薄棱畸变系数，s1,s2为偏心畸变系数。

1.3 参数求解方法

若要建立图像坐标系和世界坐标系之间的关系，就需要求取参数(a1,a2,…,a8,k1,…,s2)，则本文采用非线性最小二乘法求解，于是建立式(8)、式(9)

(8)

(9)

即要求解参数(a1,a2,…,a8,k1,…,s2)，就需使I的值为最小。首先令(k1，…，s2)=0，求出此时(a1,a2,…,a8)的值，然后将(a1,a2,…,a8)作为已知条件，求解(k1，…，s2)的值。同理,依次迭代300次，能够得到300组(a1,a2,…,a8,k1，…，s2)，最后通过曲线拟合，得到精确的结果。

2 系统设计

2.1 系统硬件

系统硬件主要包括:面阵相机、激光器、工业控制计算机、轨检梁。

1)面阵相机

面阵相机是一种集光电转换、电荷储存、电荷转移为一体的传感器件[8]，能够实时地拍摄图像。基于系统测量精度要求，本文采用北京微视公司MVC1400摄像机，其图像分辨率为1280×1024；同时采用Kowa公司的LM12NCL镜头，焦距为12 mm。

2)激光器

由于轨道检测系统工作在室外，既有在隧道内进行检测，也有在露天条件检测，且在时间上也有白天和晚上的区别，所以工作环境极其复杂。因此，选择合适激光光源，在钢轨轮廓检测系统具有重要的意义。本文采用德国Z—Laser激光器，激光线宽小于0.2 mm。

3)工业控制计算机

工业控制计算机是专门用于工业生产中进行监测与控制的计算机,其经常在环境比较恶劣的环境下运行，所以,工控机通常会进行加固、防尘、防潮、防腐蚀、防辐射等特殊设计。本文采用华南工控机。

4)轨道检测梁

轨道检测梁是用于安装激光摄像机传感器的大型的支架，它安装于轨道检测车的转向架上，

2.2 系统软件

软件系统主要包括钢轨轮廓视频采集、图像处理和人机交互三部分。轮廓视频采集部分主要负责获取视频图像;图像处理部分主要是对获取的图像进行处理，得到钢轨轮廓曲线和轮廓中心线;人机交互部分主要负责将测量的结果显示和保存，为工作人员科学决策提供直观的依据。

软件部分工作流程如图2所示，摄像机采集的图像传输给计算机的图像处理系统，经系统处理后，将处理的结果显示在人机交互界面。

图2 软件工作流程Fig 2 Software working process

3 验 证

3.1 标 定

3.1.1 棋盘格标定

采用黑白棋盘格作为实验标定板，通过不过方位的棋盘格对激光传感器进行标定[9]，得到图3。

图3 棋盘格Fig 3 Checkerboard

对图3进行人工像素提取，取出300组标定数据，如图4所示，(XE,YE)是对应棋盘格像素坐标，(xw,yw)是其世界坐标系坐标。

图4 (XE,YE),(xw,yw)坐标Fig 4 (XE,YE),(xw,yw)coordination

图5 (a1,a2,…，a8)收敛曲线Fig 5 (a1,a2,…，a8)convergence curve

图6 (k1，…，s2)收敛曲线Fig 6 (k1，…，s2)convergence curve

采用上述非线性最小二乘法迭代300 次[10,11]， 发现随着迭代次数的增加，(a1,a2,…，a8)和(k1，…，s2)分别趋于一值，将此值作为非线性最小二乘法的解，求解结果如图5、图6所示。

3.1.2 误差分析

为验证非线性最小二乘法的标定精度，采用逆向方法，将所得的300组像素坐标(XE,YE)代入该算法的标定模型，求得其世界坐标系的坐标值(xw1,yw1)，令(Δx1,Δy1)=(xw-xw1,yw-yw1),(Δx1,Δy1)为水平和垂直方向标定误差。具体结果如图7所示。

图7 (Δx1,Δy1)的误差曲线Fig 7 (Δx1,Δy1)error curve

3.2 实 验

采用激光摄像式传感器对钢轨进行轮廓测量。图8为钢轨轮廓图像。借助上述标定的测量模型，将提取的任意点钢轨轮廓中的像素坐标(XE1，YE1),即可得到相应点的钢轨轮廓数据(xw1，yw1)。

图8 钢轨轮廓图像Fig 8 Rail profile image

4 结 论

本文建立了摄像机传感器的测量模型，提出一种基于共面标定参照物的线结构光传感器的棋盘格标定方法，其标定的精度能够很好地控制在0.3 mm内，因此，可以将该标定方法应用到钢轨轮廓检测中，这样能够直观地反映出整个钢轨的信息，为轨道几何参数的测量做下良好的铺垫作用。

[1] 赵国堂.高速铁路无碴轨道结构[M].北京：中国铁道出版社,2006.

[2] 罗 林，张格明，吴旺青，等.轮轨系统轨道平顺状态的控制[M].北京：中国铁道出版社,2006.

[3] 练松良,黄俊飞.客货共运线路轨道不平顺不利波长的分析研究[J].铁道学报,2004,26(2):111-115.

[4] 高伟杰.基于机器视觉的钢轨轮廓检测系统的研究[D].北京：北京交通大学,2012.

[5] 张广军.机器视觉[M].北京：科学出版社,2005.

[6] Zhang Z.A flexible new technique for camera calibration[J].IEEE Transactions on Pattern Analysis and Machine Intelligence,2000,22(11):1330-1334.

[7] 周富强,张广军,江 洁.线结构光视觉传感器的现场标定方法[J].机械工程学报,2004,40(6):169-173.

[8] 姜 平,周根荣.基于计算机视觉的织物疵点自动检测[J].传感器与微系统,2006,25(1):73-75.

[9] 周富强,张广军.表面视觉传感器模型参数的简易标定方法[J].机械工程学报,2005,41(3):175-179.

[10] 王惠文,吴载斌,孟 洁.偏最小二乘回归的线性与非线性方法[M].北京：国防工业出版社,2006.

[11] Matlab 7.0从入门到精通[M].北京：人民邮电出版社,2010.

Study of measurement method for rail profile based on machine vision*

XU Jin-qing， CHEN Tang-long， ZHAN Dong， YU Long， FENG Chao

(Southwest Jiao Tong University,Chengdu 610031,China)

Rail profile detection is a key and difficult issue for rail geometry parameters detection.Laser camera sensor is calibrated by 2D planar drone to build calibration model of world coordinate system and image coordinate system.Experimental calibration is carried out by checkerboard,300 groups of datas are obtained,and non-linear least square method is used to calibrate model parameters.The results show that the measurement error of the horizontal and vertical of checkerboard can be controlled around 0.3 mm by non-linear least-square method,it can be well applied for rail profile measurement.

machine vision; rail; profile; calibration

2013—09—15

国家“863”计划资助项目(2011AA11A1102)

TP 391.4

A

1000—9787(2014)04—0027—04

徐晋卿(1986-),男，江西抚州人，硕士研究生，主要研究方向为视觉测量、图像处理。