高铁轨道CPⅢ基准点自动检测方法研究

2022-09-22王建锋吴学勤

中国铁路 2022年8期

王建锋, 吴学勤

（1.长安大学道路交通智能检测实验室, 陕西西安 710064；2.陕西省道路交通智能检测与装备工程技术研究中心, 陕西西安 710064）

0 引言

随着高铁网运营里程的快速增长, 高铁运输行车密度的不断增大和运行速度的不断提高对高铁轨道网的稳定性和可靠性提出了更高要求, 必须保证基础设施处于健康服役状态[1］。CPⅢ轨道控制网主要为轨道铺设和运营维护提供测量基准, 按照高铁精测网相关管理办法, 需定期进行复测与维护。CPⅢ控制网测量主要包括平面测量和高程测量, 工程应用中要求其测量的相对误差小于1 mm。平面测量主要采用全站仪, 高程测量主要采用水准仪[2］。这些方法具有可靠性好、精度高、测量简单的优点, 但其测量过程耗时耗力, 工程成本高、测量效率低[3］。

目前CPⅢ轨道控制网复测方法成本高、效率低, 需要研发快速复测技术。CPⅢ的高效自动化非接触检测已经成为CPⅢ控制网检测的发展方向。由于CPⅢ基准点为定点, 当已知检测点与CPⅢ基准点的相对位置和检测点在轨道里程中的精确位置时, 就可以得到轨道面相对于CPⅢ基准点的位置, 以此评估轨道的运行状态, 提高轨道运行状态检测的效率。

1 检测原理及检测系统

开展高铁轨道CPⅢ基准点非接触自动化检测研究, 其检测原理见图1。建立测量坐标系o-xy, 以2台相机在垂直方式上投影的中点为坐标原点o, 以检测平台垂直向上为y轴正方向, 以垂直y轴并指向CPⅢ桩方向为x轴正方向。x和y值由上下2台相机精确测量；检测车在轨道上的定位即坐标原点在轨道中的定位由安装在轨道检测车车轮上的编码器精确检测。检测过程中电动检测车在轨道上自动运行, 检测车每行驶一定距离, 即由编码器触发双相机同时拍摄1帧图像, 利用CPⅢ标识物识别方法判定图像中是否有标识物, 即判定是否检测到CPⅢ桩, 如果检测到CPⅢ桩, 提取标识物的中心像素坐标, 通过双目立体测量系统计算得到x和y值, 即得到检测平台与CPⅢ基准点之间的水平距离和垂直距离。通过编码器得到此刻检测平台在轨道中的精确位置。

图1 检测原理

根据检测原理, 开发的检测系统由轨道检测车、上相机、下相机、辅助照明系统、电源模块、编码器和计算机组成（见图2）。

图2 检测系统组成

按照检测要求, 选用的相机为BEA4000-62KM, 水平/垂直分辨率4 096×3 072 px, 帧速率为62 f/s, 接口为CameraLink。镜头选择POMEAS的4/3"机器视觉FA工业镜头, 焦距35 mm。辅助光源采用自主开发的LED阵列频闪照明系统。旋转编码器采用ECT58轴套型编码器, 分辨率为5 000脉冲/转。采集卡采用DALSA公司的X64-CliPro图像采集卡。里程计数采用PCI2394板卡。

铁路网建设中规定CPⅢ桩点成对布设, 距离布置一般约60 m, 且不应大于80 m, CPⅢ桩应布设在设计轨道高程面0.3 m以上。因此上下2台相机安装时使2台相机光轴沿水平方向分别向下和向上倾斜8°；上下2台相机之间的垂直距离为0.5 m, 下相机与轨道面之间的距离为0.2 m。在相机安装过程中要求检测平台的重心尽量与检测车的重心重合, 从而保证坐标原点o与轨道面之间的相对距离为定值。

检测过程中, 轨道检测车沿轨道行驶, 编码器随着车轮转动输出3.3 V的脉冲信号, 该脉冲信号分为2路, 一路发送到计算机内的PCI2394板卡计算检测车的里程值, 实现检测车的里程定位；另一路脉冲信号经过放大滤波后输入安装在计算机中的图像采集卡, 通过CameraLink接口将调理后的脉冲信号传输到2台相机中, 触发2台相机实现同步拍摄, 拍摄的图像通过CameraLink接口传回计算机, 利用图像处理方法识别CPⅢ标识物并计算基准点坐标。计算机负责图像的采集、处理和存储。根据检测的误差要求以及实时处理的要求, 检测车每行驶0.2 m触发相机拍摄1帧图像, 相机的最大处理帧率为30 f/s。

2 CPⅢ标识物中心自动提取算法

传统CPⅢ测量时将棱镜安装在CPⅢ固定桩上, 利用全站仪对棱镜进行对中, 测量轨道基准点到棱镜中心的距离。为实现自动检测, 通过1个正方形标识板, 其左上角为1个黑色三角, 内部有4个中心呈正方形排列的黑色圆点（见图3）。通过测试证明该标识板在图像自动识别中具有较高的准确率和识别效率。将该标识板安装在CPⅢ桩上, 很容易实现标识板中心与CPⅢ安装中心重合。CPⅢ自动检测就是自动检测标识物中心在检测平台坐标系中的坐标。

图3 开发的标识物

2.1 自适应图像分割

为提高图像处理速度采用黑白相机。灰度阈值分割就是确定合适的阈值, 使目标特征与背景特征能够有效分离。实际检测中该阈值是动态变化的, 因此采用自适应动态阈值图像分割算法进行图像分割。该方法能够根据图像中噪点的密度自动调整滤波窗口的大小, 能够保证信号边缘不丢失, 并且有较好的分割效率[4-7］, 其算法如下：

（1）判定图像噪声像素点：设[xij]为待处理的图像,xij为图像在(i,j)位置像素的灰度值, 图像大小为M×N。采用3×3的窗口对图像[xij]进行噪声检测, 设在以(i,j)为中心的窗口中, 所有像素点灰度值的集合为W3[xij], 集合中灰度的最大值记为HH, 最小值记为HL。当窗口中像素点xij的灰度值等于HH或HL时, 则认为该像素点为噪声, 记为zij=1；当窗口中像素点xij的灰度值不等于HH且不等于HL时, 则认为该像素点为非噪声, 记为zij=0。集合W3[xij]中与HH和HL都不相等的像素点集合记为V3[xij]。设置检测阈值T, 将W3[xij]中zij=1的像素点与集合V3[xij]中像素点灰度的平均值进行比较, 如果二者差的绝对值＞T, 则确定该像素点为噪声, 否则为非噪声。

（2）确定自适应窗口大小：根据第2.1中（1）得到的窗口中的噪声点数量计算噪声密度ρ, 其值为W3[xij]中判定为噪声的个数除以W3[xij]的总个数。为了得到好的滤波效果, 窗口大小设置见式（1）：

通过试验, 取d1=0.35,d2=0.75。

（3）滤波去噪：按照第2.1中（2）计算的窗口大小n进行中值滤波。先将滤波窗口内的噪点去除, 再将去除噪点后的像素点灰度进行排序, 将其中值作为滤波窗口中心点的灰度值。

（4）阈值分割：采用最大类间方差自适应分割算法进行图像分割。将滤波后的图像记为[yij], 大小为M×N, 分割阈值为T, 图中灰度值＜T的像素个数, 记为N0, 灰度值＞T的个数记为N1, 则有N0+N1=M×N；目标占整幅图像的比例为ω0=N0/(M×N), 其平均灰度为μ0, 背景占整幅图像的比例为ω1=N1/(M×N), 其平均灰度为μ1, 则有ω0+ω1=1。

图像的总平均灰度为μ=ω0μ0+ω1μ1, 类间方差为g=ω0(μ0-μ)2+ω1(μ1-μ)2。遍历T, 得到最大的g值对应的T值即为最佳阈值, 按照该阈值进行图像分割。

2.2 标识物自动检测

利用模板匹配方法进行标识物提取, 模板匹配是利用模板图遍历大图的每个位置, 比较每个位置与模板图的相似程度, 当相似度达到设计值时, 则认为与模板匹配, 从而定位出模板在图中的位置[8-10］。大图与模板图的相似度用相关系数表示, 相关系数见式（2）：

式中：f(x,y)为大小是M×N的图像；t(i,j)为大小是J×K(J≤M,K≤N)的模板图像。

为了提高模板匹配的效率, 采用如下模板匹配优化算法[11-13］。

（1）粗精匹配相互结合方法：由于模板匹配时, 在匹配点附近R(x,y)达到最大值, 离开匹配点时R(x,y)会发生较大变化, 因此采用粗精匹配相结合的方法来实现模板的快速匹配。具体流程为：先在整幅图像中进行一次跳跃粗匹配, 大致确定匹配点的位置, 然后再在该位置附近进行逐点精确匹配。该方法既提高了匹配效率又提升了匹配效果。

（2）乱序匹配方法：在进行模板匹配时, 由于目标位置不能事先确定, 因此采用乱序匹配方法可以更容易地找到匹配区域, 提高匹配效率。

2.3 标识物中心坐标提取

通过目标匹配计算得到标识物的位置, 对目标图像进行自适应阈值分割提取边缘轮廓。由于图像拍摄角度不同等问题, 模板中的圆形不是正圆, 因此对目标中4个圆形的边缘轮廓进行椭圆拟合, 求解出4个椭圆的中心坐标, 并用“+”标示, 分别用A、B、C、D表示, 设4个椭圆的中心坐标分别为(xa,ya)(xb,yb)(xc,yc)和(xd,yd)。这4个点的几何中心M(xo,yo)就是标识物的中心坐标, 见式（3）：

通过以上方法可以精确得到标识物中心点的像素坐标, 通过相机标定就可以得到距离坐标, 即实现标识物的精确定位。CPⅢ标识物中心自动提取算法的处理结果见图4。

图4 标识物中心自动提取算法处理结果

3 标识物基准点计算

3.1 基准点计算方法

通过CPⅢ标识物识别方法获得了基准点在2台相机中的图像坐标, 为了获得基准点与电动检测车坐标原点之间的相对距离, 需要进行双相机系统的标定, 从而获得相机图像空间与距离空间之间的映射关系。由于检测过程中相机的视场和检测范围变化较大, 所拍摄的图像必然有畸变, 为了实现在大视场、大动态范围内双相机标定的精度, 根据检测要求和所开发检测系统的特点, 采用双相机标定方法（见图5）。

图5 双相机标定原理

标定中以测量坐标系o-xy为物理坐标系。由于双相机系统固定安装在检测车上, 检测车在轨道上运行, 因此可以得到轨道中心相对于CPⅢ固定桩标识物基准点的水平和垂直距离。检测车的定位即系统坐标系在轨道网中的定位由安装在检测车上的编码器精确检测。因此, 双相机定位的作用就是获得CPⅢ标识物基准点在测量坐标系中的x值和y值。

由图5可知, 上下2台相机的图像中心可表示为：

式中：OU(xUo,yUo)和OD(xDo,yDo)分别为2台相机的光心坐标；QU(xoU,yoU)和QD(xoD,yoD)分别为2台相机成像中心的坐标；fU、fD分别为上下相机的焦距；αU和αD分别为光轴与2台相机安基线之间的夹角。

CPⅢ标识物Q(x,y)在上下2台相机上的理想成像坐标分别为QU(xqu,yqu)和QD(xqd,yqd), 由于相机畸变导致成像偏移, 实际成像坐标分别为Q′U(x′qu,y′qu)和Q′D(x′qd,y′qd)。物点Q(x,y)与上下2台相机光心的连线lU和lD在上下2个成像面上的交点QU、QD即为物点Q在上下成像面上的理想成像位置, 方法见式（5）：

式中：ΔU、ΔD分别为上下2台相机的理想成像中心与实际成像中心的差。

联立式（4）与式（5）, 得到直线lU与直线lD的斜率：

式中：kU和kD分别为直线lU和直线lD的斜率。

已知直线lU与直线lD的斜率和2条直线经过的点, 2条直线的方程见式（7）：

在2条直线方程已知的条件下,Q(x,y)点的坐标为：

存在畸变时, 图像实际像素坐标(u′,v′)与图像理想位置像素坐标(u,v)之间的关系可以表示为：

式中：δu、δv为径向畸变引起的畸变量；ξu、ξv为切向畸变引起的畸变量。

将上下2台相机的成像偏差用像素坐标表示, 可得：

式中：δuu和δvu分别为上相机径向畸变引起的畸变量；δud和δvd分别为下相机径向畸变引起的畸变量；ξuu和ξvu分别为上相机切向畸变引起的畸变量；ξud和ξvd分别为下相机切向畸变引起的畸变量。

通过式（10）进行实际图像坐标校准后得到理想图像坐标。当检测系统安装后, 上下2台相机的焦距、相机光轴与相机安装基线之间的夹角、相机的图像中心位置在测量坐标系中的坐标、相机畸变参数等都是常数。整个系统中的变量只有理想图像中心与实际图像中心之间的差ΔU、ΔD, 即物点Q(x,y)的坐标可以表示为：

式中：fx和fy分别为ΔU、ΔD与物点Q(x,y)之间的映射关系。

对式（6）—式（10）进行简化, 得到物点Q(x,y)与ΔU、ΔD之间的映射关系为：

式中：ti为标定参数。

只要通过标定试验得到标定系数ti, 就能够按照CPⅢ标识物中心的图像坐标计算得到CPⅢ基准点在测量坐标系中的坐标值。

3.2 标定试验

标定平台对检测系统的标定见图6。

图6 双相机标定平台

具体方法为在标定台的导轨上安装标定板, 该标定台能够在2个方向上移动, 分别对应检测平台的x方向和y方向。按照检测要求, 标定中x范围为2.9～4.0 m,y范围为-0.3～0.3 m。导轨带动标定板在相机视场范围内从最近端到最远端移动, 每移动一个位置, 采集一次图像, 利用图像处理方法提取标定板中心坐标, 此时的x距离和y距离由精密滑轨精确给出。利用图像像素坐标和真实距离按照双相机标定方法实现检测系统参数的标定。

为验证标定精度, 在标定出映射关系后, 不采用原来的标定数据, 重新进行10次试验得到10组新数据, 将10组数据的图像坐标带入标定得到的映射关系计算出物理值并与真值进行对比, 其测量值与真实值的标定精度对比可见图7。

从图7可以看出, 标定系统在比较大的范围内, 在x方向和y方向上精度都较高, 在x方向的最大绝对误差为0.57 mm, 平均绝对误差为0.42 mm, 在y方向的最大绝对误差为0.23 mm, 平均绝对误差为0.19 mm。

图7 标定精度对比

4 CPⅢ基准点检测试验及分析

为了验证所开发的CPⅢ基准点检测系统的可行性与稳定性, 在高铁线路上进行测试, 安装检测平台的电动检测车在轨道上以22 km/h的速度行驶, 利用双相机拍摄CPⅢ桩, 并按照上述方法进行CPⅢ基准点计算。电动检测车采用自动巡航控制, 检测过程中匀速行驶。

在检测路段上选取12个连续的CPⅢ桩进行对比测试, 共测量5次。通过人工采用全站仪测量12个CPⅢ桩基准点, 将检测系统5次的结果与人工测量结果进行对比, 验证系统的检测精度和重复性。

具体方法为：在与CPⅢ桩正对的轨道上安装全站仪, 将轨道面上方0.5 m作为测量原点, 测量原点到CPⅢ基准点的水平距离和垂直距离, 该值作为真值, 并记录检测点在轨道中的里程位置。将5次电动检测车在相应轨道里程处测量的结果与真值进行对比。12个桩号, 5次测量值与全站仪测量值检测结果见表1。

从表1可知, 系统的CPⅢ基准点检测数据与人工检测数据具有良好的相关性, 水平方向上的最大绝对误差为0.95 mm；垂直方向上的最大绝对误差为0.25 mm。

表1 测量值与全站仪检测结果 mm

为了评价检测结果的重复性, 用变异系数评价12个CPⅢ桩检测结果的重复性。变异系数定义为数据的标准差除以数据的均值, 工程应用中通常认为变异系数小于5%即认为数据重复性满足工程应用要求。而5次重复试验中12个CPⅢ桩x方向和y方向的最大变异系数分别为0.013%和0.211%, 可见该检测系统具有很好的重复性。