鞏一帆 董志學 蔣力順 劉志強

摘 要：鋼軌受行車載荷及自然因素的作用發(fā)生膨脹從而產生縱向位移，影響機車行車安全，因此研發(fā)高性能鋼軌縱向位移檢測裝置意義重大。針對鋼軌位移檢測裝置因人工檢測方法導致耗時、耗力的問題，在MATLAB仿真研究基礎上，設計了基于圖像處理的鋼軌縱向位移檢測系統(tǒng)的實現算法，論述了對樣本采集圖像進行預處理、二值化、Canny邊緣檢測、Hough變換以及縱向位移計算等算法的實現過程。實驗結果表明，所設計的系統(tǒng)具有較高精確性和可靠性，能夠滿足工程實際需要。

關鍵詞：鋼軌縱向位移;圖像處理;邊緣檢測;Hough變換

Abstract：The rail expends under the action of running load and natural factors and thus produces longitudinal displacement， which affects the locomotive running safety. Therefore， it is of great significance to develop high-performance rail longitudinal displacement detection device. For rail displacement detection device time-consuming， caused by artificial detection method of problem， based on the MATLAB simulation， design a rail longitudinal displacement detection system based on image processing algorithm， this paper discusses the sampling image preprocessing， binarization， Canny edge detection， Hough transform and the longitudinal displacement calculation algorithm implementation process. The experimental results show that the designed system has high accuracy and can meet the practical needs of engineering.

Key words：rail longitudinal displacement;image processing;edge detection;Hough transformation

鋼軌受行車載荷及自然因素的作用發(fā)生膨脹從而產生縱向位移，影響機車行車安全，縱向位移一旦超過20 mm，就要及時整正。在目前的縱向位移檢測方法中，手工拉線測量法的測量精度一般只能達到±5 mm范圍內，需要兩人以上進行測量，測量精度低且工作量大;光學經緯儀操作復雜，激光測量法和光電技術測量法測量所需設備昂貴，使用成本較高[1]。呼和浩特鐵路局科研所研發(fā)的鋼軌縱向位移檢測裝置[2]具有操作簡單方便，檢測精確，安全可靠等，已經在呼和浩特鐵路局推廣應用。但是，人工觀測讀取激光束位置的測量方式存在一些局限性，觀測不方便、工作量大，且目測往往會帶有一定主觀性，且事后很難留存當時記錄來進行查驗校對，導致檢測精度下降等問題。

目前將圖像處理技術應用于水尺、電表、溫度計等刻度標尺的自動檢定上，受到了眾多研究者的廣泛重視，文獻[3]采用Canny算法檢測并計算刻度邊緣距離，利用BP神經網絡對水尺上的字符識別計算出尺度值，可快速獲得水位且提高了航道測量效率，減小了人工誤差。文獻[4]運用圖像檢測算法，根據玻璃管溫度計的結構，介紹了玻璃管溫度計系統(tǒng)檢測過程的算法，搭建了一個玻璃管溫度計的示值視覺檢測系統(tǒng)。文獻[5]介紹了一種水尺測量算法，將采集到的水尺圖像使用形態(tài)學處理定位并分割水尺，通過最小外接矩形矯正水尺圖像，采用連通性分析得到了水尺的刻度。

文獻[6]提出了在Hough空間值離散化的基礎上，通過Hough空間中基于局部極大值的峰值投票點提取來確定檢測到的直線，實現公路車道檢測硬件體系結構。提出了采用數字圖像處理技術進行鋼軌縱向位移量檢測的方法，運用圖像處理技術，將激光束直接打射到標尺上的圖像作為研究對象，研究基于圖像處理的鋼軌縱向位移檢測系統(tǒng)的設計和實現。

1 鋼軌縱向位移檢測系統(tǒng)的組成和算法

鋼軌縱向位移檢測系統(tǒng)包括系統(tǒng)裝置部分、圖像獲取部分和圖像處理部分。系統(tǒng)裝置部分包括鋼軌縱向位移檢測裝置及標尺標簽，控制鋼軌縱向位移檢測裝置，使其激光光束直接照射在標尺標簽上;圖像獲取部分：通過移動終端手機的攝像頭進行圖像的直接獲取，成功獲取位移樣本圖像，并將記錄保存，方便進行后續(xù)圖像算法處理;圖像處理部分：使用MATLAB軟件對獲取位移樣本圖像進行處理，包括標尺區(qū)域的分割、標尺和激光束的邊緣檢測、Hough檢測傾斜矯正以及激光束位移數值的計算。系統(tǒng)組成如圖1所示。

2 鋼軌縱向位移檢測系統(tǒng)的圖像處理算法實現

2.1 圖像采集

采集裝置選擇華為HUAWEIRIO-AL00移動終端進行圖像采集，處理器為高通驍龍615（MSM8939），分辨率為1080×1920，后置攝像頭是1600萬像素。以圖2作為標準樣本，采取樣本時盡量選擇刻度區(qū)域傾斜角度小、刻度線明顯的位移圖像作為樣本進行算法的研究，刪除掉激光束模糊、或刻度線不明顯的圖片，保留300張位移圖像作為樣本用于實驗。

2.2 圖像處理

整個鋼軌縱向位移檢測系統(tǒng)的圖像處理算法共分四個部分，主要包括圖像的采集部分、預處理以及標尺刻度區(qū)域分割的處理、實現激光束標尺的檢測和計算激光位移刻度值。

2.2.1 樣本圖像預處理

樣本進行圖像預處理主要通過灰度化和二值化。選擇常用的加權平均法進行灰度化，將R、G、B這3個分量以0.299、0.587和0.114的加權值進行加權平均運算。二值化通過OTSU算法[9]實現。在激光標尺樣本圖像灰度圖的基礎上用OTSU算法選取合適的閾值，把圖像分成大于閾值和小于閾值的兩個部分。

2.2.2 標尺區(qū)域提取

在對鋼軌位移圖像灰度化處理之后，利用圖像形態(tài)學開運算處理，去除面積較小的連通區(qū)域，腐蝕掉圖像中的小數點和毫米單位，避免對卡尺識別造成影響，得到更好的區(qū)域結果。對于去除面積較小的連通區(qū)域用形態(tài)學操作腐蝕掉背景區(qū)的干擾連通區(qū)域。

越亮的圖像對應均值越大，兩個標尺區(qū)域的大小、面積、角度等均沒有區(qū)別，唯一不同在于亮度，即均值不同，含有激光束的標尺區(qū)域均值比不含激光束的區(qū)域要大，分別計算兩個區(qū)域的均值進行判斷，均值大的區(qū)域即為所求的目標區(qū)域，通過得到比較明顯的標尺區(qū)域，如果其中一個的矩陣均值大于另外一個，則確定均值大的值為含有激光束的標尺區(qū)域。

2.2.3 邊緣檢測

將灰度化后的讀數區(qū)域分別使用Canny算子、Sobel算子、Roberts算子、LOG算子、Prewitt算子進行邊緣檢測。

2.2.4 縱向位移值的計算

鋼軌縱向位移量的實質是激光束在標尺上的坐標，實質是激光束到標尺中線的距離，通過Canny邊緣檢測算法得到了刻度線的邊緣，Hough變換可以實現直線檢測，通過調節(jié)Hough算法的參數值得到了效果較好的直線段，識別出標尺的最長線段，得到最左端的像素值與最右端的像素值，通過取中線的像素值即是零刻度線所在位置的橫坐標像素值，經過計算得到標尺零刻度線的坐標，也就得到了激光束的坐標。計算流程如圖3所示。

在Hough變換的過程中，進行量化參數空間，對邊緣檢測的圖像邊緣點進行Hough變換和遍歷，通過公式ρ=xcosθ+ysinθ得到直線;在這些直線中尋找最長的線進行傾斜角度的計算，根據對應的傾斜角度，對標尺圖像進行傾斜校正，通過旋轉角度得到矯正后的標尺圖像[10];如圖4所示。傾斜矯正后，通過Hough變換后還存在邊框的直線干擾到實驗結果，試驗Hough算法的參數值識別出標尺的最長線段，通過取中線的像素值即是零刻度線所在位置的橫坐標像素值，經過計算得到標尺零刻度線的坐標，即可得激光束的坐標。如圖5所示。

3 實驗測試結果及分析

3.1 實驗結果分析

通過MATLAB軟件對各種邊緣檢測算法進行仿真，檢測到的激光束和標尺的結果。幾種算子實驗結果的優(yōu)缺點如表1所示。

結論如下：Roberts、Sobel、Prewitt三種算子的計算速度快，但是檢測的標尺圖像輪廓邊緣連續(xù)性較差，缺少大部分邊緣信息;LOG算子比Roberts算子、Sobel算子和Prewitt算子的檢測標尺的效果結果好，邊緣較為連續(xù)，但邊緣信息有一定程度的流失;Canny算子是五個算子中效果最好的，能夠檢測到完整的標尺邊緣，而且最左端和最右端的刻度線比較清晰，不會影響后續(xù)的識別計算。

3.2 實驗數據分析

采用實驗人員直接目測結果作為標準，與圖像識別計算的結果進行對比，對該系統(tǒng)的性能進行測試，檢測該系統(tǒng)是否具有可行性和實用性。從三百張樣本庫中隨機挑選10張樣本，對某一個樣本的測試，經過系統(tǒng)的運算，可以測得激光束的位移為-1.709 mm，檢測結果圖為6所示。

從三百張樣本庫中隨機挑選10張樣本，對于同一張樣本進行人工判讀和系統(tǒng)識別，對比人工判讀的讀數和系統(tǒng)測得其位移值的結果，計算兩者的識別誤差，得出結果如表2所示。

拒識率是指系統(tǒng)拒絕識別樣本占總樣本的比例，即因為角度過偏、激光斑點模糊等問題系統(tǒng)拒絕識別的樣本;誤識率是指系統(tǒng)識別讀數誤差范圍≥2 mm的樣本數占正常檢測樣本的比例。

經過測試得到實驗結論：位移檢測系統(tǒng)正常檢測283張，檢測成功率94.3%，拒識率為5.7%，如表3所示。將283張正常識別出的樣本篩選出來，由實驗人員讀出并記錄出人眼識別的結果，計算系統(tǒng)與人眼讀數之間的誤差，將誤差范圍在2 mm之內的系統(tǒng)識別結果即為測試成功，通過實驗得出結論：準確率95.1%，誤識率為4.9%。系統(tǒng)的誤識率如表4所示。

4 結 論

在研究已有圖像識別算法基礎上，設計實現了基于圖像處理的鋼軌縱向位移檢測系統(tǒng)。通過使用移動終端攝像頭采集獲取帶有激光束的樣本圖像，進行圖像灰度化和二值化、標尺區(qū)域分割、標尺和激光束的邊緣提取，再利用Hough變換進行直線檢測，檢測到標尺長度，識別出激光束所在刻度值，然后使用像素標定法求出實際位移量。通過系統(tǒng)性能測試表明，能夠滿足預期的檢測要求，在后續(xù)的研究中可以通過神經網絡技術進行網絡訓練，或通過字符識別技術對分割出的標尺圖像刻度數字進行識別和模板匹配，改進算法提升識別效率。

參考文獻

[1] 王超.基于ZigBee技術的無縫鋼軌爬行監(jiān)測系統(tǒng)研究與設計[D].長沙：中南大學，2014.

[2] 樊曉麗.基于高速鐵路無縫鋼軌縱向位移檢測技術的研究[J].鐵路采購與物流，2018，13（3）：60-62.

[3] 徐為，萬辰煒，萬一峰，等.基于機器視覺的水位快速測量方法的設計[J].中國水運（下半月），2013，13（12）：172-174.

[4] 鄧陽.玻璃管溫度計示值視覺檢測系統(tǒng)研制[D].沈陽：沈陽工業(yè)大學，2016.

[5] 黃林，陶青川，沈建軍.基于機器視覺的快速水尺刻度提取技術[J].現代計算機（專業(yè)版）， 2018（6）：15-19.

[6] GUAN Jun-gang，AN Feng-wei，ZHANG Xiang-yu，et al.Energy-efficient hardware implementation of road-lane detection based on Hough transform with parallelized voting procedure and local maximum algorithm[J]. The Institute of Electronics， Information and Communication Engineers，2019，E102.D（6）：1171-1182.

[7] 李寶蕓，范玉剛，高陽.基于OTSU和Canny算子的紅外圖像特征提取[J].陜西理工大學學報（自然科學版），2019，35（6）：33-40.

[8] 吳桐.基于改進霍夫變換線段檢測算法的實現和應用[D].濟南：山東大學，2018.

[9] 曹爽.基于OTSU算法的圖像閾值分割技術[D].太原：太原理工大學，2018.

[10]郭亮.車道線識別及車輛偏移距離計算新方法[D].北京：北京交通大學，2018.