高铁钢轨轨面异物检测装置研究

倪逸文 中国铁路上海局集团有限公司科研所

1 引言

动车组车轮踏面硌伤使得车辆异常振动，走行部零部件损伤加剧、缩短其使用寿命，同时也影响旅客的舒适性。动车组车轮踏面硌伤时常发生，究其原因，是由于钢轨轨面存在异物造成的，钢轨异物主要依靠人工上线排查，排查时间长、难度大，严重影响正常的行车秩序。亟需研究制定一套有效、智能和可靠的钢轨异物检测装置，为确保高速铁路动车组在发现车轮踏面硌伤后快速的判定钢轨异物位置，消除行车安全隐患。

2 研究目标与方案

高铁钢轨轨面异物检测装置采用机器视觉技术，利用线结构光结合线阵列相机完成钢轨硌伤的间隔线阵图像采集，在时速不大于350 km/h（97.2 m/s）条件下，为保证图像分辨率不大于0.5 mm/pixel，理论曝光时间应不大于6 us，考虑运动模糊及拖影，工业应用环境下曝光时间应不大于5 us(对应相机采集频率166 kHz)。

在本装置中，为了使图像不变形，需要根据动车组实际车速来触发线阵列相机，车速越快，触发越快。因动车组车下无法安装编码器，最终是要靠模拟触发，使用GPS获得实时速度值，通过模拟触发硬件发送触发信号给相机进行触发。

3 硬件设计

高铁钢轨轨面异物检测装置以CRH380BL设备仓作为安装平台，快速安装，主要由高速成像装置、钢轨光带图像采集分析机箱、电源分配模块、锂电池、GPS时空定位装置、WIFI增强路由器等模块组成。如图1所示：

图1 高铁钢轨轨面异物检测装置结构原理图

该设备安装在动车组底部，视野为两块底板之间抽去橡胶条后的空隙，针对周围环境较暗纵向视野范围较小的情况，采用了激光光源和线阵列相机以一定的角度拍摄的硬件设计。根据现场测试效果，激光中心与钢轨轨面的设计角度定为60°。装置硬件结构如图2所示：

图2 高铁钢轨轨面异物检测装置硬件结构图

高速铁路动车组上运行时速到达350 km/h的情况下，线扫描的频率在166 kHz。这就对存储速度提出了较高的要求。为了控制相机采集图像数据量较大的特征，在内存的堆里分配空间来生成Buffer对象。为了兼容存储速度和设备的体积，采用FPGA硬件对图像进行快速压缩以及高速固态硬盘存储图像。图像采集存储原理如图3所示：

图3 图像采集存储原理图

4 软件设计

高铁钢轨轨面异物检测装置软件由图像采集和图像处理两部分组成。

（1）图像采集是由GPS采集设备采集速度信息，经由信号触发产生模拟编码器触发信号，触发2台相机同时采集图像（即左右轨），相机接收触发信号，逐行拍摄，并将拍摄的图像传递给压缩模块，通过压缩模块的整合发送给采集应用程序。应用程序做相应处理后将图像保存下来。本研究方法采用Visual C++作为应用程序的开发工具，对压缩模块的厂家提供的sdk进行二次编程。软件界面如图4所示：

图4 图像采集软件运行界面

针对高速铁路上限速度高，加减时速度夸度大的特征，应用程序接收GPS的速度信号换算为相机触发频率，并根据一定阈值控制触发。图像采集触发条件为：速度变化超过阈值。阈值太小会影响数据的压缩比，阈值太大会影响数据精度。需根据实际数据系统的运行情况进行大量的实验得出经验阈值。考虑到进站以及过隧道等可能对GPS信号产生干扰的特殊情况，应用程序添加了手动调整触发的模式。图像采集触发算法流程如5图所示：

图5 图像采集触发算法流程

（2）图像处理通过循环输入图像，对每幅图像进行处理。根据预处理后的图像的灰度变化，利用水平投影和垂直投影的平滑性改变来检测缺陷，正常情况下的投影曲线应是平滑的，如出现波动，则说明光带具有缺陷。

水平/垂直积分投影是将同一列/行所有或部分区间的像素灰度值进行累加，从而得到图像灰度在水平/垂直方向上的分布变化情况。假设I(x,y)表示点阵图像(x,y)处的像素灰度值，则区间[y1,y2]和[x1,x2]内的垂直积分投影函数Sv(x)和水平积分投影函数Sh(y)分别为：

垂直/水平积分投影将图像灰度的二维信息投影为一维曲线，简化相关计算的复杂度。在背景灰度较均匀的情况下，可根据垂直/水平积分投影曲线的变化准确获取目标在图像中的水平/垂直位置。

对输入图像进行纵向投影，剪切出光带及其周边部分区域。因为光带的灰度值最大，纵向投影后值最大，对索引矩阵排序后会找出其中最大值，这样可找出光带具体位置，从而外扩若干像素剪切出光带子图。再对剪切图像进行横向投影，进而找出存在光带缺陷的图像（如图6、图7所示）。

图6 纵向投影光带子图剪切

图7 光带图及其横向投影曲线图

5 现场试验

检测高铁动车组车轮踏面硌伤的试验于2020年12月18日在设备装车（CRH380BL-3540），于2020年12月21日至24日进行了夜间天窗调试采集，于2020年12月25日结束线上试验拆除设备并复原。现场设备安装如图8所示：

图8 现场测试设备图

测试数据为沪宁城际上海虹桥站至南京站区间上下行，全段数据清晰完整。测试数据在经过图像识别软件处理后，再将识别出来的图片进行人工筛选。最终分析出了十六张疑似缺陷的图片（如图9所示）。

图9 钢轨光带识别图

6 研究结论

通过对钢轨轨面异物图像高速采集和智能处理，形成一套高效、智能和方便的高铁钢轨轨面异物快速检测装置，极大提高了轨面异物查找效率，为保障高铁安全运行提供技术支撑。