基于多传感器集成的无砟轨道轨道板裂缝与离缝自动检测装置

基于多传感器集成的无砟轨道轨道板裂缝与离缝自动检测装置

寇东华

（中国铁路武汉局集团有限公司武汉高铁工务段，湖北武汉430071）

摘要：无砟轨道具有平顺性好、稳定性高等优点，已经被广泛应用于我国高铁建设。然而，在列车动载荷、温度热力膨胀以及地质沉降等因素作用下，无砟轨道轨道板裂缝与离缝等病害多发，危害高铁的行车安全。基于图像识别和线结构激光测量技术，研制一种无砟轨道轨道板裂缝与离缝自动检测装置。该装置通过图像智能处理技术自动识别轨道板裂缝，通过线结构光测量和点云建模技术分析轨道板离缝。经某高铁路段现场试用表明：该装置可大幅提高轨道板裂缝和离缝的检测效率，提高裂缝识别准确度和离缝检测精度。

关键词：无砟轨道；轨道板裂缝；轨道板离缝；图像识别；线结构光测量

中图分类号：U216.3文献标识码：A文章编号：1001-683X（2020）04-0093-07 DOI：10.19549/j.issn.1001-683x.2020.04.093

1研究背景

无砟轨道主要是由混凝土支承层、CA砂浆层、轨道板、扣件和钢轨等部件组成的一种多层复合结构，具有平顺性好、稳定性高、使用寿命长、耐久性强及维修工作少等特点，已被广泛应用于高铁建设［1-4］。然而，在列车动载荷、温度热力膨胀以及地质沉降等因素的作用下，无砟轨道病害多发。尤其在南方地区高温环境下的CRTSⅡ型轨道线路，在夏季连续发生大面积轨道板脱空离缝等病害（见图1）。轨道板裂缝与离缝会显著降低轨道平顺性、刚性和舒适性，严重情况下甚至会造成轨道板上拱破裂，危害高铁列车运行安全。

国内外专家和学者为掌握多层混凝土结构裂缝和离缝原因，针对产生机理和检测方法展开研究。文献［5-7］从轨道结构受力和动力响应角度对无砟轨道裂缝产生机理进行研究，认为热胀冷缩、生产养护不当以及储运安装过程中局部受力不均是导致裂缝的主要原因。文献［8-10］利用红外成像技术获取结构表面的温度图像，通过温度变化不均分析结构材料导热性能的不连续性，以推断结构层间离缝的状态，该

作者简介：寇东华（1981—），男，高级工程师。

E-mail：

基于多传感器集成的无砟轨道轨道板裂缝与离缝自动检测装置寇东华

技术可检测的离缝深度一般在10cm 之内。电磁波技术［11-13］利用发射的电磁波在不同介质面上的反射来推断离缝的存在，但该方法对于细微的接触面离缝检测分辨力很低。超声波技术［14-18］利用发射的超声波在不同介质面上的反射来推断离缝是否存在，但其检测深度较浅，一般不超过10cm 。总体上，国内外针对高铁无砟轨道轨道板裂缝和离缝的检测技术研究尚处于起步阶段，相关成熟的研究成果较少。

目前，我国高铁工务部门对无砟轨道轨道板裂缝与离缝等病害的日常检测主要依靠现场人工巡道和目视观察，缺乏行之有效的自动检测技术与装备。基于多相机拼接技术和线结构激光扫描技术，提出一种无砟轨道轨道板裂缝与离缝自动检测装置（简称本装置），试用结果表明：本装置可大幅提高轨道板裂缝和离缝的检测效率，并能提高裂缝识别的准确度和离缝检测精度。

2

检测原理与方案

2.1

检测装置组成

本装置利用车载工业相机和线结构激光传感器，

采集轨道板表面图像以及轨道板边沿与支承层表面的点云数据。检测装置组成架构见图2。装置主要由轨道小车车体、离缝检测模块、裂缝影像采集模块、同步控制模块、LED 辅助照明模块、供电模块、数据传输

模块和数据处理模块组成，其外观见图3。

其中，离缝检测模块由2个线结构激光传感器和2个工业相机组成；裂缝影像采集模块由5个工业相机组成；同步控制模块由嵌入式计算机、激光测距传感器、同步控制电路板及编码器等组成；LED 辅助照明

模块由若干LED 光源和驱动板组成；数据传送模块包括交换机和无线Wi-Fi 模块等；供电模块由2组锂电池及电源转换器组成；数据处理模块由平板电脑、控制

软件、后台服务器和后台处理分析软件等组成。检测装置传感器布置见图4

。

图2

检测装置组成架构

图3

检测装置外观

（a ）裂缝

（b ）离缝

图1

轨道板表面裂缝和离缝病害

2.2

检测原理

2.2.1

裂缝检测

裂缝检测利用5识别检测。裂缝检测流程见图5。

（1）5台相机同步采集5图6）件计算各相机的内参数和外参数。

图5

裂缝检测流程

轨道板离缝检测布局

轨道板裂缝检测布局

（a ）裂缝检测

（b ）离缝检测

图4检测装置传感器布置

图6

相机标定模板图像

基于多传感器集成的无砟轨道轨道板裂缝与离缝自动检测装置寇东华

基于每台相机的内参数，将获取的图像进行畸变校正和灰度校正，获得分辨率相同、灰度一致的轨道板正射图像；利用相机外参数将5张图像重新投影到虚

（2）裂缝自动识别。裂缝自动识别采用深度学习卷积神经网络模型来实现。通过人工筛选有裂缝目标的图像，以建立裂缝图像样本数据库；将样本数据库加入到深度学习卷积神经网络模型中，采用高性能GPU 对该神经网络模型的参数进行训练，以获得最佳的网络模型；利用该神经网络模型对轨道板图像自动分析与识别，得到轨道板的裂缝数据。

2.2.2离缝检测

离缝检测模块利用装置两侧的线结构激光传感器对

轨道板表面及支承层表面的三维几何数据进行采集，计算轨道板与支承层间的高度值，通过多个检测周期的结果对比得到轨道板离缝值。轨道板离缝检测流程见图8。

（1）轨道板高度测量原理。装置以一定距离间隔采集轨道两侧的断面数据，并对连续断面数据进行融合，得到轨道板与支承层两侧面局部的三维点云，然后进行轨枕自动识别，并解算该轨枕区域轨道板表面相对于支撑层的高度。由于线结构激光传感器采集的轨道断面数据存在测量噪声，本装置采用随机抽样一致算法（RANSAC ）去除测量噪声，并对断面数据进行分段拟合，形成轨道板表面段（CA ）、轨道板侧面段（AB ）和底座板表面段（BD ）3条直线（见图9）。

相机1

相机2

相机3

相机4

相机5

横向拼接，形成轨枕图像

纵向拼接，形成轨道板图像

图7轨道板图像拼接示例图8轨道板离缝检测流程

图9轨道板断面数据采集和去噪原理