论文部分内容阅读
铁路运输是现代综合交通运输体系的主要方式之一,在国民经济中发挥着举足轻重的作用。钢轨作为铁路轨道的重要组成部件,在列车高速运行过程中,其表面缺陷部位容易产生应力集中,甚至导致断轨,直接危害到人民的生命财产安全。因此,如何在生产过程中实时、准确、高效且无损地检出钢轨表面缺陷,一直是相关学者及企业关注的重要研究课题。现有的表面缺陷检测技术存在精度差、效率低、可靠性不强、检测缺陷种类有限、漏检、过检和对缺陷的描述不全面等不足,难以应用在立体、复杂、多曲面的钢轨表面缺陷检测领域。本文针对以上科学问题,提出了基于2D/3D复合机器视觉的三维钢轨表面缺陷检测技术,通过深入研究钢轨表面缺陷特征、光学成像、图像处理、特征提取、模式识别的规律和相关理论,解决了多曲面形廓钢轨表面缺陷检测实验平台的开发、高质量钢轨表面图像的采集、强噪声影响下的图像处理、2D/3D综合缺陷特征的提取以及高识别率的三维缺陷检出等关键技术难点,实现了钢轨表面缺陷非接触、快速、高精度、特征描述全面的自动化检测。本文主要研究内容与成果如下:(1)基于钢轨表面特性和光学成像模型的多曲面钢轨表面图像采集系统的开发及评价体系的建立。在研究钢轨形廓特点、表面特性、表面缺陷特点和光学成像模型的基础上,开发了针对三维、复杂、多曲面钢轨表面的图像采集系统,通过设计六组双目视觉相机组和异型截面LED组合光源,实现了钢轨表面图像的同步采集和均匀照明,并从采集图像的完整性、精度和单幅图像质量等方面,建立了图像采集系统的综合评价体系,保证了钢轨表面完整、高质量缺陷图像的采集;(2)基于改进Sobel算法的钢轨表面强噪声图像的高效二维特征提取。通过对钢轨表面缺陷的特征分析,制定了缺陷二维特征提取方案。采用基于小波变换的图像降噪处理,有效降低了图像采集和信号传输过程中由于曝光不均、光学系统聚焦模糊及机械抖动等因素产生的噪声影响。进一步基于局部阈值变化的图像初检处理,判断了图像的可疑缺陷区域,并提出一种基于多方向算子模板的改进Sobel算法,对缺陷区域进行精确分割,保证了钢轨表面缺陷图像准确、快速的二维特征提取;(3)基于SGA-FI-TM的动态特征点云三维缺陷特征的提取。缺陷二维特征缺乏对其区域深度信息的综合描述,在研究双目相机成像及线扫描相机标定原理的基础上,通过三维空间坐标变换及视差原理对图像缺陷区域进行匹配,获得了缺陷区域的特征点云。进一步提出一种基于SGA-FI-TM的动态特征点云三维特征提取方案,重构出高精度的三维缺陷模型,提取了可反映缺陷深度信息的6维特征值,实现了钢轨表面缺陷信息的高效获取及综合表征;(4)基于2D/3D特征信息的自适应融合及SVM算法的高效缺陷分类系统设计。采用多特征自适应权值融合技术,将提取的钢轨表面缺陷2D/3D特征信息有效融合,融合后得到的特征信息作为缺陷分类系统的输入参量,并在对比不同模式识别方法分类效率和正确率的基础上,采用SVM算法实现了复杂、高度非线性钢轨表面缺陷的快速、准确分类;(5)建立了钢轨表面缺陷检测实验平台,验证了本文研究方法及理论的合理性。通过模拟工业现场环境,设计了钢轨表面缺陷检测实验平台,根据检测过程的综合评价及结果分析,验证了基于2D/3D复合机器视觉的钢轨表面缺陷检测技术的合理性与优越性。