基于垂向定位與灰度投影的地鐵扣件定位方法

王宇桐，許貴陽,周素霞

(1.北京建筑大學 機電與車輛工程學院，北京 100044；2.北京建筑大學 城市軌道交通車輛服役性能保障北京市重點實驗室，北京 100044)

鋼軌扣件是聯結鋼軌與軌枕的重要零件[1]。一旦出現扣件缺失、斷裂、不完整等扣件異常狀態，會給軌道行車安全帶來重大隱患，甚至出現重大安全事故。近年來，大部分地鐵線路仍然采用人工巡檢方式進行日常軌道扣件檢查，但是人工巡檢具有效率低、易疲勞等缺點，隨著計算機與人工智能技術發展，采用技術裝備檢測代替人工檢測作業已成為必然趨勢[2-3]。

自21世紀初期以來，我國在軌道檢測中引入計算機視覺和圖像處理技術和設備，使用軌檢車對軌道進行周期性檢測，拍攝軌道扣件圖像，再采用圖像處理技術自動判斷扣件狀態，逐漸替代人工巡檢，成為一種新的主流扣件檢測方法[4-5]。

在扣件定位方法中占據主流地位、應用最為廣泛的是十字交叉定位法[6-7]。扣件在有砟軌道上具有顯著的位置特征，即扣件都安裝在軌枕上，處于軌枕與鋼軌的交叉位置，這兩部分在道床上天然構成了一個十字結構，可以作為確定扣件相對位置的基準。圖1為有砟軌道扣件。但由于拍攝時車輛與軌道的平順性較差，鋼軌與軌枕無法與圖像邊界保持垂直，因此扣件與圖像邊界的相對位置時刻都在變化。

圖1 有砟軌道扣件

一些學者在十字交叉定位法的基礎上進行了發展。萬超[8]提出了一種改進的十字交叉定位法，即根據先驗信息初步確定扣件位置，再先后分別對扣件水平及垂直位置進行定位，可以有效提升定位效率；劉甲甲[9]提出了一種對稱定位方法，由于扣件安裝時兩兩關于鋼軌左右對稱，所以先用十字及枕肩對單側扣件進行定位，再根據對稱性定位另一側扣件，定位準確率較高。

在地鐵線路上，近幾年大量使用整體道床替代了傳統的有砟軌道，結構上產生了巨大變化。鑒于城際鐵路與地鐵在線路情況、運行速度、運營特點等諸多方面都有較大差別，為了使新型軌道巡檢儀適用于地鐵整體道床，提出了一種基于垂向定位與灰度投影的地鐵扣件定位方法。

1 軌道檢測設備

1.1 傳統軌檢車

傳統軌檢車是由車體及車載軌道狀態檢測設備組成，車體結構一般分為司機室、觀察室、檢測室3部分[10]。車載檢測設備由于近幾年中國鐵道科學研究院集團有限公司的大力研發，皆為自動化檢測設備，檢測范圍涵蓋了道床區域內可見的多種成分的外觀狀態。在運行速度方面，城際鐵路檢測線路長度較大，現役軌檢車的車輛速度下限為120 km/h，上限為400 km/h，涵蓋了從低速貨運到高速客運的不同檢測速度要求。圖2為城軌綜合檢測車。

圖2 城軌綜合檢測車

1.2 新型軌道巡檢儀

跟城際鐵路相比，地鐵線路普遍運行距離較短、速度較慢，對軌檢車的運行及檢測速度沒有非常高的要求，這使得軌檢車無需裝載體積龐大、沉重的內燃機組或變壓器等一系列動力裝置，而是可以選擇輕便環保的動力電池組作為動力來源。在結構方面，地鐵線路多在城市地下，為封閉式環境，線路情況與城際軌道相比較為簡單，外物侵占軌道限界的情況非常少見，這使得地鐵軌道巡檢儀可以省略許多在傳統綜合檢測車上存在的結構，使用開放式車體、模塊化構架，可以根據地鐵實際線路情況選用合適的組件進行檢測，見圖3。

圖3 新型軌道巡檢儀

本文使用的地鐵軌道檢測設備為北京某公司設計制造的新型軌道巡檢儀，該檢測儀由電動巡檢小車和軌道狀態巡檢系統兩部分組成。

電動巡檢小車由4個小型軌道輪、車體和2個座椅組成；巡檢系統由1臺主機和2臺高清線陣圖像掃描模塊組成。

巡檢儀工作時需要有1～2名操作人員搭乘、操作巡檢車前進至被檢區間開始檢查。本文使用的智能巡檢系統采集速度可達20 km/h，總重量約為 3 000 kN。

該巡檢系統有如下特點：

1)動態采集軌道表面數據;

2)海量圖像數據實時壓縮存儲及顯示加速技術;

3)搭載精確定位技術，里程定位精度0.3 m;

4)高清圖像采集，像素分辨率最高可達0.3 mm;

5)系統檢測功能齊全，可覆蓋整個軌道結構表面;

6)采用輕量化、結構化設計，操作簡單方便，可快速拆裝。

在國內,新型軌道巡檢儀目前還處于初步普及階段，近兩年在國家環行鐵道試驗基地、寧波地鐵、天津地鐵等多個線路進行實際檢測應用，取得了良好的檢測效果。檢測結果表明，新型軌道軌檢儀可在動態條件下對軌道及周邊表面狀態進行連續圖像采集，采集速度極快，定位精準，操作簡便，可靠性高，可為地鐵安全運營提供一種高效、自動、智能的檢測手段。

2 整體道床扣件定位特點

整體道床是指鋼軌下鋪設軌道板作為基礎的軌道結構，用一體化的軌道板替代有砟軌道上的軌枕、防爬器、防爬撐和碎石道床等，具有良好的平順性、穩定性及使用壽命，近幾年在地鐵線路上被大量使用，見圖4。可見，整體道床在進行扣件定位時，只有鋼軌這一個固定的豎直方向上的相對坐標，無法構成十字交叉定位體系，無法使用傳統扣件定位方法進行定位。

圖4 整體道床結構

整體道床同時具有有砟軌道不具備的特點：一體化軌道板灰度值高度一致，與表面光滑的鋼軌形成高度反差，并且變化非常明顯，定位鋼軌邊緣效率和準確率較高。由于軌道平順性良好，輕便的新型軌道巡檢儀在合適的巡檢速度下具有極高的穩定性，拍攝時不出現振動，使得圖像成像時不出現偏移，鋼軌與圖像左右邊界時刻保持平行且距離固定，使用單個垂直坐標結合扣件先驗信息就能定位扣件位置。

3 新型扣件定位辦法

基于新型巡檢儀與地鐵整體道床的結構特點，在此提出一種結合灰度投影和垂直定位的扣件定位方法。本文所用圖片皆由新型軌道巡檢儀拍攝于北京地鐵某線，具體步驟詳述如下。

3.1 確認扣件先驗信息

根據大量軌道圖片信息，確定扣件在當前拍攝距離下的大小、大致出現區域及缺陷類型等先驗信息。

3.2 對圖像進行壓縮處理

新型軌道巡檢儀搭載的高清線陣圖像掃描模塊拍攝的圖片每張分辨率為 4 096×4 096 像素，大小約為1.4 MB/張，對于扣件定位以后的定位區域提取等工作過于清晰，極大地增加了運算量和運算時間，大大降低了扣件定位的效率。本文在不影響定位準確性的前提下將原始圖像的大小降到約為520 kB/張。

3.3 對處理后的圖像進行預處理

高斯模糊在圖像處理中是一個低通濾波器，可以減少圖像噪聲以及降低細節層次，增強圖像效果，便于后續處理。

邊緣檢測作為圖像分割的主要算法，是圖像處理的重要步驟之一[11-12]。邊緣作為圖像的基本特征之一，指圖像中像素灰度發生跳躍式變化的那些像素點。對圖片進行邊緣檢測能夠大幅減少除所需信息外的圖片數據，準確保留圖像中需要的重要信息。

本文對原始圖像及壓縮后圖像在高斯模糊后用Sobel算子和Canny算子進行了邊緣檢測，對圖像中扣件部分局部放大后效果見圖5。

圖5 原始圖像與壓縮后圖像的邊緣檢測

從原始圖像與壓縮后圖像各步對比中可以看出，原始圖像與壓縮后圖像在邊緣檢測并未出現圖片質量上的顯著差別，由此可知在定位環節通過合理壓縮大小來降低圖像運算量，可提高圖片處理效率。

由圖5(a)、圖5(b)可見，一階Sobel算子得到的邊緣信息較多，對鋼軌的邊緣信息非常敏感，能夠準確檢測出鋼軌軌頂亮面邊緣以及實際邊緣，同時也能較為準確地顯示出扣件的邊緣線段，且在二者邊緣部分均未出現明顯的虛假邊緣；由圖5(c)、圖5(d)可見，二階Canny算子沒有將邊緣信息連接成線，鋼軌的邊緣線出現多處間斷，扣件邊緣線極不清晰，只是一堆零散的信息點，效果非常不理想。

結合整體道床結構特點可以得出，一體化的軌道板由于材料的高度一致，導致在圖像中呈現出的灰度具有連續性，變化極不明顯，扣件雖然是金屬材料制成，但在工作中不產生摩擦，無法形成類似于鋼軌頂端通過與車輪相互滾動及滑動共同作用下產生的一條連續的光帶。由于工作環境下灰塵等污染，扣件與軌道板之間的過渡邊緣色差較小，未出現灰度階躍性變化。

對于扣件定位，在平衡運算量、運算速度和保證后續工作如扣件狀態識別時的準確率等方面后，需求的邊緣精度并不高，不必嚴格按照扣件外輪廓精準確定扣件位置，能夠大致確定扣件位置，定位至距離扣件輪廓3～5 cm甚至更遠距離都可接受。

綜上所述，Sobel算子在對精度要求不非常高時，能夠提供較為精確的邊緣方向信息，在此選擇Sobel算子進行邊緣檢測較為合適。

3.4 對預處理后的圖像進行投影

投影分為垂直投影及水平投影。對灰度圖像進行投影，可以通過觀察灰度極值確定被檢測出的明顯邊緣在圖像中對應的像素位置，投影結果見圖6。

圖6 灰度投影結果

結合Sobel邊緣檢測后圖像可以看出，垂直投影圖中位于 1 000 像素位置的極點對應的是邊緣圖中鋼軌的亮面位置，左右兩極點分別對應邊緣圖中軌道板反光明顯、灰度值發生階躍性變化的左、右邊緣；水平投影圖中灰度沒有出現明顯的極值點，變化沒有規律性，與邊緣圖中扣件與軌道板間灰度變化并不明顯的信息相符合。

由此可得，在整體道床上進行扣件定位時可以舍棄水平投影這一步，直接通過將圖片灰度投影至y軸確定鋼軌位置。

3.5 確定扣件位置

通過灰度圖像投影后可以確定鋼軌的像素位置，為確定扣件位置找到了一條垂直坐標軸，但是水平方向上的扣件位置無法通過投影確定。但隨著科技的進步，新型軌道巡檢儀搭載的高清線陣圖像掃描模塊具備了動態采集功能，可在動態條件下對軌道及周邊表面狀態進行連續圖像采集，即拍攝的前后圖像可以無縫拼接。

圖7 圖像拼接前后

在北京地鐵某線現場拍攝的圖像組中相鄰的2幅圖像見圖7(a)，將2幅圖片連接后見圖7(b)，2幅圖在連接處被拼接完整，在拼接處沒有出現位置偏差。

利用新型巡檢儀此特點，結合鋼軌這一垂直坐標軸，基于扣件安裝間隔距離相同這一背景，在利用扣件先驗信息確定首對扣件位置之后，就可以將定位區域往后依次移動，從而確定所有扣件位置，見圖8。

圖8 扣件定位

通過測量、計算，可得本組圖片中扣件安裝位置間隔為 2 160 像素，按照此間隔定位并提取的扣件見圖9。

圖9 扣件定位試驗結果

提取的圖像可以明顯反映出扣件區域已被準確定位，未出現扣件被截斷、遺漏等現象。

4 結論

扣件定位是利用圖像自動識別技術檢測鐵路扣件完好性的重要步驟，可以有效去除圖像中的無效信息，有效提高后續工作例如扣件提取、扣件分類等的成功率及效率。主要結論如下：

1)在定位環節可以通過合理壓縮圖片大小來降低圖片運算量，提高圖片處理效率。

2)扣件定位所要求的邊緣精度并不高，不必嚴格按照扣件外輪廓精準確定扣件位置，可以定位至距離扣件輪廓3～5 cm，Sobel算子在對精度要求不非常高時，能夠提供較為精確的邊緣方向信息。

3)在整體道床上進行扣件定位時可以直接通過將圖片灰度投影至y軸確定鋼軌位置。

4)利用新型巡檢儀的動態采集功能，結合鋼軌這一垂直坐標軸，可以準確定位所有扣件位置。

試驗結果表明，該方法能夠較好地過濾圖像中的噪聲，有效提取地鐵整體道床上的扣件，具有較高的效率及準確率。