寇東華

（中國鐵路武漢局集團有限公司武漢高鐵工務(wù)段，湖北武漢 430071）

1 研究背景

無砟軌道主要是由混凝土支承層、CA 砂漿層、軌道板、扣件和鋼軌等部件組成的一種多層復(fù)合結(jié)構(gòu)，具有平順性好、穩(wěn)定性高、使用壽命長、耐久性強及維修工作少等特點，已被廣泛應(yīng)用于高鐵建設(shè)［1-4］。然而，在列車動載荷、溫度熱力膨脹以及地質(zhì)沉降等因素的作用下，無砟軌道病害多發(fā)。尤其在南方地區(qū)高溫環(huán)境下的CRTS Ⅱ型軌道線路，在夏季連續(xù)發(fā)生大面積軌道板脫空離縫等病害（見圖1）。軌道板裂縫與離縫會顯著降低軌道平順性、剛性和舒適性，嚴重情況下甚至?xí)斐绍壍腊迳瞎捌屏?，危害高鐵列車運行安全。

國內(nèi)外專家和學(xué)者為掌握多層混凝土結(jié)構(gòu)裂縫和離縫原因，針對產(chǎn)生機理和檢測方法展開研究。文獻［5-7］從軌道結(jié)構(gòu)受力和動力響應(yīng)角度對無砟軌道裂縫產(chǎn)生機理進行研究，認為熱脹冷縮、生產(chǎn)養(yǎng)護不當(dāng)以及儲運安裝過程中局部受力不均是導(dǎo)致裂縫的主要原因。文獻［8-10］利用紅外成像技術(shù)獲取結(jié)構(gòu)表面的溫度圖像，通過溫度變化不均分析結(jié)構(gòu)材料導(dǎo)熱性能的不連續(xù)性，以推斷結(jié)構(gòu)層間離縫的狀態(tài)，該技術(shù)可檢測的離縫深度一般在10 cm 之內(nèi)。電磁波技術(shù)［11-13］利用發(fā)射的電磁波在不同介質(zhì)面上的反射來推斷離縫的存在，但該方法對于細微的接觸面離縫檢測分辨力很低。超聲波技術(shù)［14-18］利用發(fā)射的超聲波在不同介質(zhì)面上的反射來推斷離縫是否存在，但其檢測深度較淺，一般不超過10 cm。總體上，國內(nèi)外針對高鐵無砟軌道軌道板裂縫和離縫的檢測技術(shù)研究尚處于起步階段，相關(guān)成熟的研究成果較少。

圖1 軌道板表面裂縫和離縫病害

目前，我國高鐵工務(wù)部門對無砟軌道軌道板裂縫與離縫等病害的日常檢測主要依靠現(xiàn)場人工巡道和目視觀察，缺乏行之有效的自動檢測技術(shù)與裝備?；诙嘞鄼C拼接技術(shù)和線結(jié)構(gòu)激光掃描技術(shù)，提出一種無砟軌道軌道板裂縫與離縫自動檢測裝置（簡稱本裝置），試用結(jié)果表明：本裝置可大幅提高軌道板裂縫和離縫的檢測效率，并能提高裂縫識別的準確度和離縫檢測精度。

2 檢測原理與方案

2.1 檢測裝置組成

本裝置利用車載工業(yè)相機和線結(jié)構(gòu)激光傳感器，采集軌道板表面圖像以及軌道板邊沿與支承層表面的點云數(shù)據(jù)。檢測裝置組成架構(gòu)見圖2。裝置主要由軌道小車車體、離縫檢測模塊、裂縫影像采集模塊、同步控制模塊、LED 輔助照明模塊、供電模塊、數(shù)據(jù)傳輸模塊和數(shù)據(jù)處理模塊組成，其外觀見圖3。

圖2 檢測裝置組成架構(gòu)

圖3 檢測裝置外觀

其中，離縫檢測模塊由2 個線結(jié)構(gòu)激光傳感器和2 個工業(yè)相機組成；裂縫影像采集模塊由5 個工業(yè)相機組成；同步控制模塊由嵌入式計算機、激光測距傳感器、同步控制電路板及編碼器等組成；LED 輔助照明模塊由若干LED 光源和驅(qū)動板組成；數(shù)據(jù)傳送模塊包括交換機和無線Wi-Fi 模塊等；供電模塊由2 組鋰電池及電源轉(zhuǎn)換器組成；數(shù)據(jù)處理模塊由平板電腦、控制軟件、后臺服務(wù)器和后臺處理分析軟件等組成。檢測裝置傳感器布置見圖4。

圖4 檢測裝置傳感器布置

2.2 檢測原理

2.2.1 裂縫檢測

裂縫檢測利用5個高分辨率工業(yè)相機采集軌道板表面圖像，通過圖像配準融合算法將其拼接為單個軌道板完整圖像，利用圖像深度學(xué)習(xí)方法進行裂縫的自動識別檢測。裂縫檢測流程見圖5。

圖5 裂縫檢測流程

（1）軌道板圖像拼接。圖像校正是軌道板表面圖像拼接的前提，相機參數(shù)標定是圖像校正的關(guān)鍵。相機參數(shù)包括內(nèi)參數(shù)和外參數(shù)，內(nèi)參數(shù)包括焦距、主點、像元尺寸以及畸變等；外參數(shù)包括相機的空間位置和姿態(tài)等。本裝置相機參數(shù)采用平面標定模板進行標定，該模板設(shè)置了等間隔、相同尺寸及獨立編號的標志點。5 臺相機同步采集5 幅不同位置和方向的模板5圖像（見圖6）。提取各圖像中的標志點中心坐標，通過標定軟件計算各相機的內(nèi)參數(shù)和外參數(shù)。

圖6 相機標定模板圖像

基于每臺相機的內(nèi)參數(shù)，將獲取的圖像進行畸變校正和灰度校正，獲得分辨率相同、灰度一致的軌道板正射圖像；利用相機外參數(shù)將5張圖像重新投影到虛擬的軌道板平面，獲得一幅橫向完整的軌道板圖像；根據(jù)檢測小車縱向行駛方向上拍攝的距離，對單次獲取的橫向軌道板圖像進行裁剪和縱向拼接，得到1幅單個軌道板完整圖像（見圖7）。

圖7 軌道板圖像拼接示例

（2）裂縫自動識別。裂縫自動識別采用深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型來實現(xiàn)。通過人工篩選有裂縫目標的圖像，以建立裂縫圖像樣本數(shù)據(jù)庫；將樣本數(shù)據(jù)庫加入到深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)模型中，采用高性能GPU 對該神經(jīng)網(wǎng)絡(luò)模型的參數(shù)進行訓(xùn)練，以獲得最佳的網(wǎng)絡(luò)模型；利用該神經(jīng)網(wǎng)絡(luò)模型對軌道板圖像自動分析與識別，得到軌道板的裂縫數(shù)據(jù)。

2.2.2 離縫檢測

離縫檢測模塊利用裝置兩側(cè)的線結(jié)構(gòu)激光傳感器對軌道板表面及支承層表面的三維幾何數(shù)據(jù)進行采集，計算軌道板與支承層間的高度值，通過多個檢測周期的結(jié)果對比得到軌道板離縫值。軌道板離縫檢測流程見圖8。

圖8 軌道板離縫檢測流程

（1）軌道板高度測量原理。裝置以一定距離間隔采集軌道兩側(cè)的斷面數(shù)據(jù)，并對連續(xù)斷面數(shù)據(jù)進行融合，得到軌道板與支承層兩側(cè)面局部的三維點云，然后進行軌枕自動識別，并解算該軌枕區(qū)域軌道板表面相對于支撐層的高度。由于線結(jié)構(gòu)激光傳感器采集的軌道斷面數(shù)據(jù)存在測量噪聲，本裝置采用隨機抽樣一致算法（RANSAC）去除測量噪聲，并對斷面數(shù)據(jù)進行分段擬合，形成軌道板表面段（CA）、軌道板側(cè)面段（AB）和底座板表面段（BD）3條直線（見圖9）。

圖9 軌道板斷面數(shù)據(jù)采集和去噪原理

裝置根據(jù)斷面數(shù)據(jù)采集間隔，將多個斷面數(shù)據(jù)融合成完整的軌道板側(cè)面三維點云模型，并以軌道板上的軌枕作為特征，自動識別軌枕位置和編號，并對軌枕附近區(qū)域數(shù)據(jù)進行平面擬合，提取軌道板上表面及支承層表面，解算得到準確的軌道板高度（見圖10）。

圖10 軌道板高度計算流程

（2）離縫計算。為實現(xiàn)軌道板離縫值的自動檢測，首先需要前期對線路進行基礎(chǔ)數(shù)據(jù)采集，得到以軌枕編號為單位記錄的軌道板高度基礎(chǔ)數(shù)據(jù)庫。再次對線路進行軌道板離縫檢測時，測量得到軌道板高度值后，將其同一軌枕編號的基10礎(chǔ)測量值進行對比，得到軌道板離縫值。當(dāng)該離縫值大于設(shè)置值時，自動進行聲光報警并完成記錄，從而實現(xiàn)軌道板離縫病害的快速自動檢測。

3 試驗驗證與分析

3.1 試驗現(xiàn)場應(yīng)用

本裝置在5 km/h 速度條件下，分多次對某高鐵路段的軌道板進行圖像和點云數(shù)據(jù)采集工作（見圖11）。利用裂縫識別軟件對所采集的軌道板表面圖像進行拼接，通過基于深度學(xué)習(xí)的人工智能軟件對軌道板裂縫自動識別，輸出軌道板的裂縫病害檢測報表；利用離縫分析軟件對軌道板與支承層的三維點云融合建模，計算得到以軌枕編號為記錄單位的軌道板離縫值，并輸出離縫病害檢測報告。圖像和點云數(shù)據(jù)可人工回放，輔助對裂縫與離縫病害確認，指導(dǎo)軌道板維修保養(yǎng)，還可對歷史數(shù)據(jù)按照里程、軌枕或軌道板編號進行檢索、查詢和輸出病害報告。

3.2 結(jié)果輸出

試驗數(shù)據(jù)經(jīng)過裂縫識別和離縫分析軟件處理后，分別輸出軌道板裂縫與離縫病害檢測報告。典型軌道板表面裂縫病害及板間裂縫病害見圖12，該線路軌道板裂縫病害輸出報表見表1，多次軌道板離縫檢查記錄表見表2。

圖11 高鐵線路現(xiàn)場檢測

圖12 典型軌道板表面裂縫病害及板間裂縫病害

本裝置可準確識別軌道板表面裂縫，且軌道板表面裂縫多出現(xiàn)在軌枕與軌道板過渡處，少部分出現(xiàn)在板間接縫位置，裂縫傷損等級一般為Ⅱ級和Ⅲ級；本裝置可快速獲得軌道板離縫值及其隨時間變化情況；原始的圖像和點云數(shù)據(jù)有利于裂縫和離縫病害的人工確認，不需要人工再次到現(xiàn)場復(fù)查。

表1 CRTS II型板式無砟道床表面裂縫病害報表

4 結(jié)束語

針對高速鐵路無砟軌道軌道板病害人工檢查所面臨的效率低、勞動強度大等困難，研發(fā)一種基于圖像識別和線結(jié)構(gòu)激光測量技術(shù)的無砟軌道軌道板裂縫與離縫自動檢測裝置。該裝置采用5臺高分辨率工業(yè)相機獲取軌道板表面高清圖像，經(jīng)過圖像校正和拼接后，利用深度學(xué)習(xí)方法實現(xiàn)裂縫的智能識別；采用2臺線結(jié)構(gòu)光掃描測量傳感器獲取軌道板三維點云，利用三維建模和特征識別技術(shù)測量分析軌道板高度及離縫大小。通過某高鐵路段現(xiàn)場試驗，結(jié)果表明：該裝置能夠快速檢測無砟軌道軌道板表面裂縫，并可準確獲得軌道板離縫值及其隨時間變化規(guī)律，滿足我國高鐵無砟軌道軌道板病害巡查、巡檢的技術(shù)要求，顯著提升作業(yè)效率，為高速鐵路的安全運營提供可行的技術(shù)裝備。