轨道平顺度检测仪光斑定位的研究.docx

轨道平顺度检测仪光斑定位的研究.docx

《轨道平顺度检测仪光斑定位的研究.docx》由会员分享，可在线阅读，更多相关《轨道平顺度检测仪光斑定位的研究.docx（16页珍藏版）》请在冰豆网上搜索。

轨道平顺度检测仪光斑定位的研究

轨道平顺度检测仪光斑定位的研究

一研究背景

近年来，随着科技的发展，许多测量技术都已经自动化。

铁路运输是当今经济发展的大动脉，铁路轨道的平顺度直接影响列车的安全运行。

最初，铁路轨道平顺度是纯人工来进行操作，即，绳正法[1]。

两人将一根棉线拉直放到轨道上进行观测找出轨道的偏移量及位置。

但当弦绳长度超过20米时，弦绳因风力、自重和自身张力的影响，难以拉直或无法稳定，导致检测结果误差较大或无法测量。

由于激光具有良好的方向性，发散角小，所以，目前很多的直线测量问题都采用了激光技术作为辅助的测量手段，至今为止，激光准直技术仍然是最有效的直线测量手段之一，而且被广泛应用于电梯安装、大坝检测、铁路施工以及大型几何形位误差测量等领域。

目前我局的轨道平顺度检测仪是将激光发射仪和目标靶固定在被测量轨道的两端，在激光发射后，激光光斑投射到目标靶的某一位置。

待激光光斑相对稳定后来进行人工读取数据。

虽然激光准直技术解决了绳正法的某些问题，并在一定程度上提高了效率，但是在数据的读取上仍然存在很多的问题和误差。

比如，由于作业时间基本在晚上或者夜里，光斑位置的光强于周围形成了鲜明的对比，所以对人眼的伤害很大；由于激光本身存在着漂移，空气气流的随机扰动、大气折射率的不均匀性、引力场的影响及准直系统机械结构的不稳定性等，都会影响人工读取数据的精度；光斑是一个区域，并非一个点，在人工估算光斑中心点的坐标的时候难免会有一定的误差。

所以，如何能最大限度的减少这些误差，能精确的定位光斑中心的位置将是整个轨道平顺度检测的关键部分之一。

二现有的技术

目前，国内外针对轨道的检测技术已经有了比较成熟的技术。

在国外，主要采用的是大型轨道检测列车对铁路轨道进行检测。

日本，在2000年研制出第一代新干线多功能检测车[3]。

德国，研制了GeoRail-Xpress综合检测车[3]。

法国于2003年下半年开始改装TGV路网型列车[3]，改造为高速检测列车（定名为MGV）[3]。

我国，在1998年完成了GJ-4型轨检车的研发[3]。

像这些大型的轨道检测车虽然运行的速度高，但是在其制造成本上也是非常昂贵的。

在某些施工作业及日常的轨道线路维护上极为不便。

到目前为止，国内已经有多个公司在小型以及便携式的轨道平顺度检测设备上有了很多的研究与突破。

如，江西日月明公司的GJY-H-5轨道检查仪[3]（如图1所示），山东省激光科学院激光研究所研制的JGJJ-3轨道检测仪[3]（如图2所示）等。

图1日月明公司的GJY-H-5轨道检查仪

图2JGJJ-3轨道检测仪

国外，比较著名的有瑞士安伯格公司生产的GRP1000轨道检测仪[3]（如图3所示），和德国GEDO轨道测量系统[3]（如图4所示）。

图3安伯格公司的GRP1000轨道检测仪

图4GEDO轨道测量系统

这些轨道检测仪都在一定程度上解决了轨道平顺度测量人工读数的问题，并且有的已经具备了其他的测量功能。

三本文提出的问题及设想

为了填补我局在轨道平顺度检测光斑定位无自动化处理的这项空白，本文提出了以下解决方案。

目前，我局所使用的轨道平顺度检测仪的基本结构为（图5）：

图5我局所使用的轨道平顺度检测仪的基本结构框图

其基本工作原理是：

在某一段被检测轨道两边将激光发射仪和目标靶水平固定，使用激光发射仪上的望远镜对准目标靶的中心位置，对准后开启激光发射仪，当目标靶在轨道上移动的时候，若在某一点激光光斑在目标靶靶面上的位移超过规定误差范围，说明此段轨道的平顺度出现问题，并立即采取相应的措施。

这种方法虽然在一定程度解决了绳正法的工作效率及误差较大的问题，但是由于光斑中心在目标靶面上的坐标仍然要靠人工来读取，这样也会造成人为的一些误差。

再者，由于作业时间基本是在晚上或者夜里，激光光斑与周围的光线亮度形成了鲜明的对比，长时间作业会对人眼造成一定的伤害。

由此，如何解决自动化确定光斑中心位置来代替人眼的问题已经迫在眉睫。

为此，本文提出，利用图像处理技术解决光斑中心位置坐标确定的问题（图6）。

具体如下：

首先，将目标靶的靶面换成白色的薄布来代替现有的目标靶；然后，在目标靶后面加装一个摄像头，使摄像头的整体中心水平线与靶面的中心对齐，并将摄像头与个人手提电脑或者某一便携式手持仪进行连接；最后，编写软件，当激光打开时，光线投射到目标靶形成光斑。

由于目标靶是由白色薄布或其它材质制作，所以在摄像头一面也可以清晰的看到光斑的投影，这样再利用编写的软件就可以对光斑位置进行实时的判定及读取。

图6本文设计思路框图

在目标靶、摄像头及个人手提电脑（便携式手持仪）的固定方面，本文认为可以设计一个轨道小车，这样在轨道小车上面可以将目标靶、摄像头及数据处理部分一并固定（目标靶固和摄像头定在与轨道垂直方向，数据处理部分固定在轨道小车上安装的工作平台上）。

当轨道小车在轨道上移动到某一被测点时，激光光斑投射在目标靶上，摄像头对目标靶上的光斑进行实时处理，这样，不但解决了人工读数的问题，也在一定程度上增加了工作的效率。

四实现方案

从一开始的接触到现在，已经查阅的些光斑定位方面的资料，对光斑处理方面需要面对的问题已经有了初步的了解，在方案的软件实施上已经有了初步的认识。

4.1现有算法简介

由于本文将采用摄像头对激光投射到目标靶上的光斑进行图像采集，之后对采集到的数据进行图像处理以实现光斑中心的坐标数据的读取，所以，将采用光斑定位的相关算法来对光斑在目标靶上的具体位置进行计算。

目前常用的光斑定位算法有：

重心法、Hough变换法、圆拟合法和空间矩法。

1.重心法[4]

重心法，图像中的各个像素的灰度值与其所在的位置的乘积和总面积的值作比，进而求得图像的重心。

如，先将所得到的激光光斑处理为具有256级灰度图像，然后求出激光光斑重心。

假设采集到的光斑图像的大小为X×Y像素，设

代表i行第j列的像素灰度值，则重心计算公式为：

（1）

（2）

若是以时间复杂度来考虑算法的速度，假设光斑直径为n，由于公式

（1）和公式

（2）是在光斑区域内进行求和计算，那么可以计算出该算法的时间复杂度为

。

可以看出，重心法简单明了，计算的速度较快。

但是重心法要求光斑的形状比较规则，即，光斑图像要有良好的对称性，且分布要比较均匀。

在有光线干扰，尤其是强光线的干扰下定位精度将大大降低，此时的测量结果经常不可用。

2.Hough变换法：

Hough变换是利用图像空间和Hough参数空间的点—对偶性，把图像空间中的检测问题转换到参数空间。

通过在参数空间里进行累加统计，然后再Hough参数空间寻找累加器峰值的方法检测曲线。

采用Hough变换检测任意曲线的原理如下[4]：

被检测的曲线方程为：

（3）

式中a1，a2，Λ，an—方程参数；x，y空间图像点坐标。

对于图像中任一空间点（x0，y0），可由公式（3）变换为参数空间（a1，a2，Λ，an）中的一条曲线。

对图像曲线上n个点进行上述变换，在参数空间得到n条曲线，由公式（3）可知该曲线必定经过同一点（a10，a20，Λ，an0），根据参数空间的此点坐标便可确定图像空间域中得分曲线l。

直线、圆的参数方程分别为：

（4）

（5）

Hough变换是将空间域内每个轮廓点带入参数方程（3），根据计算结果对参数空间（a1，a2，Λ，an）中的量化点就近原则进行投票，得票最多的点即为所求图像空间域中曲线对应的参数空间点。

由公式（5），圆的参数空间为（a，b，r），其中（a，b）表示圆心，r表示半径，因此采用Hough变换可以检测出激光光斑的中心及半径。

Hough变换需要对参数空间离散化，限制了检测精度。

另外参数空间得票最多的点未必唯一，选择不同的点得到的图像空间曲线差异比较大。

圆的Hough变换由于对每一个边界点都需要在三维空间参数内逐点投票、记录，时间复杂度为

，计算时间比较长，而且占用计算机内存比较大，因此在实用中受到了限制。

3.圆拟合法

圆拟合方法是从椭圆拟合方法发展而来的，由于圆是椭圆的特殊形态，所以它们的原理基本相同。

对于给定平面上的一组样本点，寻找一个椭圆，使其尽可能靠近这些样本点。

也就是说，将图像中的一组数据以椭圆方程为模拟进行拟合，使某一椭圆方程尽量满足这些数据，并求出椭圆的各个参数。

最后通过确定的参数来确定椭圆的最终方程，以此来确定椭圆的中心，即为所求图像的中心。

基于圆拟合的激光光斑中心检测算法[4]，根据最小二乘原理（残差平方和最小）用圆来逼近激光光斑轮廓。

圆的方程为：

（6）

在此，取残差为：

（7）

式中

，E表示所有边界的集合；

—图像边界点坐标。

残差平方和函数为：

（8）

根据最小二乘原理，应有：

（9）

即：

（10）

将公式（10）简化整理得：

（11）

对公式（11）消掉二次项后整理为：

（13）

由上式便可推出参数a，b的表达式，结合公式（11）得圆参数为：

（14）

由公式（14）可以看出，根据最小二乘原理的圆拟合推到出的光斑中心（及半径）检测算法虽然形式复杂，但仅对边界点循环一次就可计算出各参数，时间复杂度为

，较为复杂的根方运算只是在计算出中心参数a、b后求半径时计算一次，因此整个算法的计算速度将会很快。

4.空间矩定位法

空间矩方法是用边缘检测模型和边缘公式计算中心，该方法不受加性和乘性噪声的影响。

基于空间矩的激光光斑中心定位法[5]先使用LOG算子把光斑边缘定位到单像素精度，使用二阶空间矩算子进一步细分，使边缘定位达到亚像素精度，通过拟合计算得到光斑中心坐标。

该算法运算精度高，但要求在使用空间矩算法时光斑边缘为理想二级边缘，即背景和边缘只用两个灰度值来表示。

而实际上从背景到边缘存在过度阶段，不可能是两个简单的二级边缘，要想飞到更高的定位精度，需要通过建立误差查找表进行校正，或者使用三级模型来描述边缘等，在实际光线复杂变化的情况下这难以实现。

4.2算法选取及实现过程

由于在检测过程中，激光的投射距离较远，光斑可能受到散射、衍射、随机噪声和光线的干扰，最终在目标靶面上所形成的光斑不是很规则。

所以，在整个的检测过程中，需要对激光光斑中心进行实时的精确定位，且具备一些抗噪声干扰的功能。

重心法虽然简单，计算量小，但是由于在远距离投射后，在许多噪声的干扰下激光光斑很难达到对称性好，光斑分布均匀，很难对光斑的中心进行准确的定位。

Hough变换法需要对参数空间离散化，就在这一点就已经限制了检测的精度。

另外，该算法要求每一个边界点在三维参数空间进行逐点投票，时间的复杂度远高于其他算法，且投票结果点极有可能不唯一，因此在实时性及精确性受到了限制。

空间矩定位法运算精度高，但是，在激光在经过圆距离的投射后，要找到理想的二级边缘也非常困难。

圆拟合算法在时间复杂度上要远小于其他算法，所以满足实时性的要求，所要做的就是如何尽量减少其他噪声的干扰。

所以本文将采用圆拟合算法来作为整个检测过程的基本算法来对光斑中心坐标进行计算。

整个检测流程如图7所示。

图7检测过程基本流程

预调整用于提高光斑图像质量，并在一定程度上改变某些光线的色调（如自然光），颜色识别用于将出除红黑色光斑以外的其它颜色排除，阈值判定用来设定某一阈值，排除干扰光线，最终得到光斑处为白色其它为黑色的二值化图像，滤波用来滤除除光斑以外的噪声，最终利用圆拟合算法进行坐标计算。

（1）图像预调整。

对采集到的图像信号进行亮度、对比度、白平衡和饱和度的调整。

通过白平衡的调整，使图像本身色彩偏冷，自然光呈现轻微的蓝绿色；通过亮度和对比度的调整，使光斑图像清晰、色差明显；通过饱和度的调整，使图像颜色饱和。

经处理后，图像效果更有利于后期的识别和处理。

（2）颜色识别。

系统激光器发出的激光为纯净红色激光，在其RGB值当中，R值很高，而G、B较低，R与G、B的差异很大，RGB值的方差大。

而干扰光线来自于自然光，正常情况下比较接近于白光，色彩与纯净的红色激光颜色差异很大，不管其光线强弱，其RGB值都比较接近，RGB值的方差小，同时由于对图像信号进行预调整时，已经使图像偏冷，自然光已呈现蓝绿色，因此R不可能大于G、B。

为此，在采集时，首先设定合适的RGB差值，然后对采集到的图像信号逐点进行RGB识别，其中R与G、B差值差值大于设定值的点，可确定为是红点，确认其为激光发射器产生的激光，而其他点不符合红色激光点的特征，可认为是干扰光线，予以滤除。

（3）阈值判定。

在光斑图像中，衍射条纹、散射的弱光和自然光线总体亮度都低于光斑中心规则部分的亮度，要求除衍射条纹、散射弱光和干扰光线，需滤除亮度较弱的部分。

在采集光斑信号时，预先设定合适的采集亮度阈值，然后只取用亮度值大于设定阈值的光电，而对亮度值小于设定值的点可认为是衍射、散射弱光或干扰光线，予以滤除。

颜色识别和阈值判定可同时进行，即在预处理时只对亮度值大于设定阈值的红色点进行标记，而对颜色或亮度值不符合设定特征的点不予以采用。

（4）滤波。

激光经过一段距离的传输后所形成的激光光斑由于受空气中的尘埃、所起等影响和激光本身的因素，可能在光斑中随机形成耀点（斑）和暗点（斑）。

这些将导致运算结果不稳定，因此，也应该消除这些点（斑）的影响。

采用Opening算法消除外部噪声点（包括1次Erosion操作和1次Dilation操作），再进行1次Closing才做去除光斑中的暗点（包括1次Dilation操作和1次Erosion操作）。

在具体的操作中，选用3×3的白色方块结构元S（StructuringelementS）作为遮罩（Mask），而图像本身作为1个二值图像B（BinaryimageB）进行1次Opening运算和一次Closing运算。

（15）

（5）圆心拟合。

在经过图像预处理、颜色识别、阈值判定和滤波后，采集时的抗干扰能力明显增强，信号光斑形状比较规则，对称性较好，光斑边缘比较光滑而清晰，有利于图像中心的准确运算和稳定，光斑边缘比较光滑而清晰，有利于图像中心的准确运算和稳定。

对于形状对称性较好的光斑，从理论上分析可知，拟合圆心第1次就能较好地找准圆心位置。

（6）光斑漂移处理。

由于是在室外作业，所以在整个测量过程中激光光束会受到环境振动、空气扰动等使之产生漂移的现象，即在目标靶上的光斑位置不稳定。

这样使得经图像处理后得到的光斑中心坐标值也不稳定。

由于测量过程是实时的，即，用摄像头对目标靶上的光斑图像进行实时的读取，所以为了解决这一问题，本文设想出以下方案：

在激光发射器与目标靶对准后开启激光和摄像头，这时我们会发现目标板上的光斑会在噪声的干扰下产生随机漂移现象。

在显示终端上也可以看到光斑位置的不稳定。

在采集图像过程中，本文认为可以设定一时间阈值，在这段时间内让数据处理部分计算出所有光斑位置的中心坐标值。

待超出时间阈值后自动停止采集图像并计算采集到的坐标值的平均坐标值。

最后以这个最终的坐标值来作为最终的光斑中心的坐标。

现有常用的求平均值的方法有算术平均值、几何平均值、加权平均值等。

在视频采集的过程中，所得到被采集点的坐标分别为：

，那么，用算术平均值进行计算最终的光斑中心坐标

方法如下：

，

用几何平均值计算最终的光斑中心坐标

方法如下：

假设所得到被采集点的坐标分别为：

，那么

，

用加权平均值计算最终的光斑中心坐标

方法如下：

假设被采集点的坐标分别为：

，那么在某一段区域内出现的横坐标总数占所有点的总数的百分数作为这段横坐标的权数

，那么我们要求得的光斑中心的横坐标即为：

式中，

为权数

下的所有横坐标点的和，其中，

。

同理可得纵坐标为：

式中

为权数

下的所有纵坐标点的和，其中，

。

值得注意的是，横坐标的m与纵坐标的m并不一定相等。

经过以上处理，得到最终的中心坐标值为

。

文中提到的方法只是预期设想，在以后的实验中可能还发现问题和不足，在以后的工作当中将对发现的问题和不足可能会涉及到某些地方的修改。

在所测中心位置的平均值的选取，本文认为，在整个算法最终成型之前应对平均值的选取进行大量的实验，以确保所选取的平均值算法部分能够最大限度的接近理论上的真值，即，所要得到的中心坐标

。

但是在光斑中心定位的基本算法—圆拟合法，基本不变。

图8是本文设想的整个过程的流程图。

图8整个过程流程图

五主要参考文献

[1]闫国珍．线路激光测量仪的设计思路[J]．郑州科技通讯，2008，2

[2]陈东生，田新宇，刘维帧等．铁路轨道检测的现状及发展[J].2008轨道交通建设与运营安全研讨会

[3]高春雷，王发灯．利用激光准直技术检测线路的长波不平顺[J]．铁道建筑，2009，1

[4]孔　兵,王　昭,谭玉山．基于圆拟合的激光光斑中心检测算法[J]．红外与激光工程，2002，6

[5]蓝章礼，杨小帆.激光光斑中心定位算法的实用性改进[J]．计算机工程，2008，6（3）

[6]陈青山，吕乃光，燕必希等．激光准直高斯光斑中心位置计算方法分析[J]．计算机测量与控制，2004，12

[7]高春雷，王发灯．利用激光准直技术检测线路的长波不平顺[J]．铁道建筑,2009,1

[8]王志乾，刘兆荣，赵雁等．变形测量系统中激光光斑中心精确定位算法[J]．电子测量与仪器学报，2011，6

[9]刘兆荣，王志乾，刘绍锦等．激光光斑中心精确定位算法研究[J]．计算机仿真，20115，5

[10]樊志华，王春鸿．一种无需乘法器的光斑质心定位方法．光电工程，2011,12

[11]唐冠群．几种激光光斑中心定位算法的比较[J]．北京机械工业学院学报，2009，3

[12]韩亚荣，黄朝兵，钟继卫等．一种光斑图像的阈值分割和光斑中坐标的计算方法[J]．现代计算机，2011,9

[13]徐亚明，那诚，刘冠兰等．几种激光光斑中心检测方法的比较[J]．海洋测绘，2007，2（3）

[14]黄浩，詹玲．一种光斑中心定位算法的研究与实现[J]．小型微型计算机系统，2005，7

[15]OtsuN.AThresholdSelectionMethodfromGray-LevelHistogram[J].IEEETransactionsSystemManandCybernetics,1979,9

（1）:

62~66

[16]KapurJN,SahooPK,WongAKC.ANewMethodforGrey-LevelPictureThresholdingUsingtheEntropyoftheHistogram[J].ComputerVisionGraphicsandImageProcessing,1985,291273~285

[17]ThomasSM.ASimpleApproachfortheEstimationofCircularARCCentreandItsRadius[J].ComputerVision,Graphics,andImageProcessing,1989,45（3）:

362-370.