基于線掃激光傳感器的軌面巡檢方案設計

摘" 要：該文針對軌道交通領域軌面巡檢的需要，設計一種改造方案，實現在自動化移動平臺上加載線掃激光傳感器，實現對于軌道道面的自動化巡檢，減少人員投入，提高巡檢效率。

關鍵詞：軌面巡檢；改造方案；線掃激光傳感器；巡檢效率；掃描數據

中圖分類號：TP23" " " "文獻標識碼：A" " " "文章編號：2095-2945（2023）16-0039-04

Abstract： In order to meet the needs of rail surface inspection in the field of rail transit， a transformation scheme is designed， in order to load the line scanning laser sensor on the automatic mobile platform， realize the automatic inspection of the track surface， reduce the personnel investment and improve the inspection efficiency.

Keywords： rail surface inspection; reconstruction scheme; line scanning laser sensor; inspection efficiency; data processing

修建軌道交通設施的城市大多人口眾多，對軌道交通依賴度較高，數分鐘的故障延誤都將給人們的日常出行帶來極大的不便；同時軌道是關乎城市軌道交通運行安全的重要設備之一，一旦發生軌道故障，將會引發較為嚴重的行車事故，造成無可挽回的經濟損失和社會影響。因此，為保證運營安全，提高城市軌道交通的可用性與安全性，必須加強對軌道狀態的及時檢查[1]。

目前軌道交通領域運用自動化技術實現自動巡檢的方案較多。陳飛[2]介紹了成都地鐵巡檢機器人的使用情況；田俊[3]介紹了上海地鐵自動巡檢的情況；傅兵等[4]介紹了北京地鐵自動巡檢技術的使用狀況。可見各地地鐵公司都在自動巡檢這件事情上做了很多創新和研究。本文著眼于地鐵軌面巡檢的實際需求，提出了一種基于線掃激光傳感器的設計方案，能夠實現軌面自動化的巡檢，提高巡檢的效率。

線掃激光傳感器主要是沿Y軸方向掃描平面，并形成X軸方向的數據集，通過組合多行X軸的數據，獲得掃描平面Z軸方向的高度集，進而方便后面的數據分析和處理。

1 整體設計方案

1.1" 結構設計

軌面巡檢首先是針對軌道運輸面做巡檢，從代替人工巡檢的角度就是代替人工掃面軌面視覺狀態，因此固定線掃傳感器，設計符合巡檢要求的結構件是實現軌面巡檢的前置條件。

本文涉及方案應改造自動化平臺的需要，激光線掃傳感器選擇的掃描X軸面寬640 mm，掃面Z軸深度500 mm，考慮到地鐵軌道1 435 mm的標準內徑，因此本方案結構選擇4個線掃激光傳感器，X軸方向平鋪，設計方案如圖1所示。

其中兩側線掃激光傳感器為基準傳感器，幾乎至于鐵軌中心上方，主要考慮鐵軌表面檢測的同時不妨礙兩側地腳螺栓的檢測。考慮到固定結構是后固定到自動化巡檢平臺上，因此4個傳感器選擇平均固定，配重和中心相對穩定。

1.2" 硬件驅動設計

線掃激光傳感器的數據采集觸發模式可分為定周期觸發模式、外部硬件觸發模式。但由于結構設計的原因，如果4個線掃激光傳感器同時觸發曝光成像，會引起傳感器線掃重疊部分測量偏差。因此針對此種情況，設計了新的觸發方案，通過開發一種觸發控制裝置實現對于4個線掃激光傳感器的觸發控制。

如圖2所示，如果沒有統一的外部驅動觸發，僅定周期觸發，相鄰線掃激光傳感器掃描面重疊導致掃描數據不準確。因此觸發控制裝置可以輸出2組觸發信號，分別是觸發信號A＼B，2組信號占空比完全相同，極性相反。再將4個線掃激光傳感器分為2組，2組觸發信號分別接入。此種情況下，通過外置觸發裝置統一控制線掃激光傳感器，同時保證觸發寬度t大于激光傳感器曝光所需時間，能夠保證4個激光傳感器工作時不會相互干擾。

2 軟件系統設計

2.1" 軟件框架設計

考慮到數據采集要求4個相機的同步性，同時數據處理也有一定的時間開銷，因此在軟件框架設計上，軟件分別做了2個部分的部署。其一為數據采集模塊，主要負責4個線掃激光傳感器的實時數據采集及存儲。其二為數據分析模塊，主要在事后負責數據導入拼圖及數據分析。

2.2" 實時數據采集模塊設計

數據實時采集主要為實時在線采集，通過控制激光探頭按照設定的采樣頻率采集，目前擬定的采樣頻率為2 500 Hz，同時因為采集面寬度的需要，布置的4個激光探頭，需要將4個探頭采集的數據同步整合在一起，并保存下來方便后續的數據分析。實時采集流程圖如圖3所示。

2.3" 數據分析模塊設計

數據分析是將實時采集到的數據進行事后的分析，通過整合保存數據到一張深度表和灰度圖，對得到的深度數據和探頭拍攝的灰度圖進行分析和處理，主要分為4個部分。數據分析模塊流程如圖4所示。

1）一定片段內通過深度數據獲取一定截面的輪廓數據，通過輪廓數據區分鐵軌、道面具體的X軸范圍。

2）對鐵軌區域計算獲取鐵軌輪廓中心線，進而計算軌距、軌面平整度、錯牙牙口、道岔內軌尖、頂鐵和限位器等信息。

3）對道面部分，因激光成像原理，照射區域內一定高度物體呈現陰影，同時水漬相較于道面成像像素較深的原理，通過探頭灰度圖捕獲陰影及道面像素較深區域，收斂捕獲區域，比較道面內異物及水漬，同時通過深度數據比較，比較異物區域高度判斷異物高度是否構成危險。

4）通過探頭灰度圖捕獲鐵軌緊固六角螺栓區域，通過深度數據測量六角螺栓區域平均高度，通過緊固螺栓高度判斷彈條、地腳螺栓緊固性。

3 軟件數據處理

3.1" 數據拼圖處理

本文中4個線掃激光傳感器主要是沿Y軸方向掃描，獲取軌面的掃描高度數據集，但分立的激光傳感器數據需要拼成一張較大的高度圖，才能方便后續的數據處理。后臺數據處理方面，每一個傳感器將數據按照時間一行一行保存下來，按照同步標識計算傳感器間隔，將所有數據拼接成一張完整的高度圖數據。利用拼接算法如圖5所示。

其中每一行高度數據都是以左邊傳感器為起始，Space是2個傳感器間隔，每個傳感器每一行掃描點數為Batchwidth，每一個點的間隔X軸長度為XPitch。Over是傳感器之間的交叉部分，以傳感器B數據代替傳感器A數據，over=Batchwidth-Space/XPitch。如果傳感器更多，如此反復。

3.2" 特定物體識別

數據拼圖后得到一個二維高度數組，1維是Y軸的長度Length，2維是X軸的點數Width，數據為Z軸的高度HeightData。根據特定物體高度范圍在一張Length*Width的畫布上作畫，在以i為Width的單元，j為Length的單元，HeightData[j][i]點高度達到特定高度范圍的該畫布像素（i，j）上標記某個特定顏色。以下以鐵軌軌面巡檢為例。

6（a）是平面成像的鐵軌圖像，可以看到鐵軌和地腳螺栓，6（b）圖是根據特定高度形成的高度圖，可以很清晰地看到鐵軌和地腳螺栓的位置。利用特定顏色的顏色過濾再加上形狀分析可以很容易實現特定物體的識別以及位置標定，如圖6所示。

圖7示例了物體識別的過程，通過對高度圖特定顏色二值法過濾，將疑似物輪廓獲取出來，再通過物體輪廓形狀的分別將物體最終區別出來，此外對于有規律的物體分布還可以通過具體尺寸分布進一步提高識別率。識別結果所圖8所示。

4 實驗效果

2022年10月19日和2022年11月4日，按本文所提改造方案改造后的小車，在合肥地鐵2、3號線分別進行了實驗，共獲得實驗實時數據695 G，實驗運行時長11 344 s，形成運行圖片1.85 G。實驗基本實現了軌距實時測量、軌面平整度測量、地腳螺栓標定檢測、軌道錯牙標定檢測和道面過高異物檢測等功能。

5 結束語

本文設計了一種基于線掃激光傳感器的軌面巡檢改造方案，通過在原有巡檢小車上加載多個激光傳感器探頭掃描軌道道面，通過設計硬件驅動實現多個傳感器的同步掃描，再由軟件將數據獲取并存儲下來。事后通過軟件拼圖功能，將掃描數據還原，再通過特殊的高度物體標定方法實現特定物體的標定，實現對與掃描面物體的測量，完成軌道道面的巡檢工作。本文所述方案可方便實現在各種自動移動平臺上的改造，部署方便，軟件簡易可大規模推廣，在鐵路道面巡檢領域有著極大的推廣價值。

參考文獻：

[1] 廖進，吳松榮，劉東，等.車載式地鐵軌道缺陷巡檢系統設計[J].現代城市軌道交通，2022（4）：11-16．

[2] 陳飛.地鐵市域快線工務智能巡檢設備運用與探索[J].智能城市，2022，8（6）：16-18．

[3] 田俊.申城地鐵線路全自動巡檢探索[J].都市快軌交通，2019，32（5）：19-24，32.

[4] 傅兵，袁若芩，張宇，等.智能巡檢技術在地鐵隧道中的應用[J].交通建設與管理，2022（4）：74-76.