基于结构光视觉的钢轨磨耗测量方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Sun Junhua W ang W e ihua L iu Zhen Zhang Guang jun
( School of Instrum en t Science and O p to electron ics Engineering, B eijing U n ivers ity of A eronau tics and A stronaut ics, Beij ing 100191, Ch in a)
( 北京航空航天大学 仪器科学与光电工程学院, 北京 100191 )
摘
要: 分析了基于结构光视觉的钢轨磨耗测量原理, 提出一种钢轨磨耗车载动态
测量方法. 结构光视觉传感器安装在列车底部, 测量钢轨内侧横断面轮廓. 以钢轨轨腰轮廓作
为测量基准, 利用最近点迭代 ( ICP, Iterat ive C losest Po int) 算法确定光平面测量坐标系到设计
这种测量基准的选取只需一套视觉传感器即可实
现钢轨磨耗值的测量.
1 系统测量原理
钢轨磨耗结构光视觉测量系统主要包括线激 光器、高 速相机、高速视觉图像 专用硬件处理系 统、软件及机械结构等.
测量模型如图 1 所示. 结构光视觉传感器安 装于列车底部, 激光器投射垂直于钢轨纵轴方向 的光平面, 在钢轨表面形成测量光条, 由位于同一 侧的摄像机拍摄光条图像, 经图像处理和视觉测 量模型的计算得到钢轨轮廓的三维数据点, 选取 轨腰数据作为基准, 利用 ICP 配准算法确定测量 坐标系到设计坐标系的转换关系, 实现钢轨头部 测量轮廓与标准设计轮廓的对齐, 求得磨耗值.
目前, 随着机器视觉测量技术的发展与日臻
成熟, 基于结构光视觉的钢轨磨耗测量已受到广 泛的重视. 磨耗的测量均需选取有效的测量基准, 将视觉传感器测量得到的钢轨轮廓与标准设计轮 廓对齐, 然后根据磨耗定义计算磨耗值. 文献 [ 3] 选取钢轨头部未被磨损的一侧作基准, 采用一种 基于近景摄影测量中的二维直接线性解析纠正方 法, 通过坐标变换实现左右轮廓图像的对准. 该方 法光条不易受遮挡, 便于在线处理. 但需要两个视
使目标函数取得最优, 需解决的关键问题有
两个: 迭代初值的选取和最近点搜索方式.
列车运行中视觉传感器和钢轨的相对位置较
稳定, 光条在图像中的位置变化不大, 根据此先验
知识, 以第 i次测试为例, 设重构出的光条数据为
N ir, ICP 的迭代初值为 N0i, 经过 n 次迭代后的源
点集数据为 Nni, 则有
N i+ 1 0
转换的旋转平移矩阵.
这样在第
i+ 1次测试中, ICP 的迭代初值已经与目标集很
靠近, 确保了迭代的收敛性.
最近点的搜索不需要整个数据的全局搜索,
只需在测量点邻域的钢轨设计尺寸点的一个小窗
口内搜索最近点即可, 这样就有效减少了基准对
齐时间, 如图 4所示.
提取钢轨头部的光条轮廓, 转到设计坐标系 下, 求出钢轨的垂直磨耗、水平磨耗.
N
i 0
=
R* 0T
T*
N
i r
1
N
i 1
=
R1 0T
T1
N
i 0
1
( 4)
∀
Nni =
Rn 0T
Tn
Ni n- 1
1
其中, 第 1次测试时的 R* , T* 在预检测中完
成. 在第
i次测试过程中, 将
Nni
和
N
i r
的
这
种对
应
关系保存下来, 作为在第 i + 1次测试的第 1 步,
即
N
i+ r
1
向
根据 ∃ 铁道线路修理规则 %[ 9] 的规定, 钢轨的 垂直磨耗 W v 在钢轨顶面宽 1 / 3处 (距标准作用 边 )测量, 侧面磨耗 Wh 在距轨顶下方 16mm 处测 量, 如图 5所示.
图 5 磨耗计算模型
4 实验结果
采用 M ikr itron CMOS 相机, 2W 红 外线激光 器组成结构 光视觉传 感器. 计算 机配置 为: Inte l 2. 2 GH z 双 核 CPU, 2 G 内 存, 图 像 分 辨 率 为 1 280像素 & 1 024像素. 相机采用低曝光时间 ( 小 于 20#s), 成像质量稳定.
视觉传感器参数进行标定. 其中摄像机内部参数
的标定采用文献 [ 5] 提出的方法进行标定. 结构
光的标定采用文献 [ 6- 7] 提出的基于平面自由
移动靶标的结构光视觉传感器的标定方法.
图 1 系统测量原理示意图
2 结构光视觉模型及系统标定
由激光器和摄像机组成的结构光视觉测量系
统的数学模型 的建模 过程如 图 2 所示, O cxcy czc 为摄像机三维坐标 系, O u xu yu 为图像 坐标系, 将
关 键 词: 钢轨磨耗; 结构光; 基准对齐; 最近点迭代匹配
中图分类号: TN 247
文献标识码: A
文 章 编 号: 1001 5965( 2010) 09 1026 04
Rail wear measurement method based on structured light v ision
2010年 9月 第 36卷 第 9期
北京航空航天大学学报 Journa l o f Be ijing U nivers ity of A eronautics and A stronautics
September 2010 V o.l 36 N o 9
基于结构光视觉的钢轨磨耗测量方法
孙军华 王伟华 刘 震 张广军
Abstract: T he princ iple of ra ilw earm easurem ent based on structured light v ision w as ana lyzed. A m eth od for dynam ica lly m easuring rail w ears in veh icle mounted w as proposed. T he structured ligh t v ision sensor w as insta lled at the bottom of the train, and the section profile o f the ra il w as m easured. T ak ing rail w a ist as m easurem ent benchm ark, the rotat ion m atr ix and translation vector betw een light plane coo rd inate fram e and designed coo rd inate fram e w ere est im ated by iterative closest po in t ( ICP) algorithm, then, the ra il w a ist pro file w as reg istered to designed profile, based on w h ich the rail w ears w ere ca lculated. Com pared w ith previous m ethods, the proposed m ethod does not need a specially v ision sensor to m easure the benchm ark. Benchm ark m easurem ent and w ear m easurem ent are ach ieved w ith one sam e vision sensor. System cost is e ffect ively re duced, and it is operab le. M easurem ent accuracy is also guaranteed due to no need of global ca libration o f m ulti sensor. The exper im enta l results show that the repeatability prec ision o f the m ethod is high.
坐标系的旋转矩阵和平移向量, 将测量轮廓与设计轮廓对齐, 在此基础上计算磨耗值. 与已有
的方法相比, 该方法无需单独设置用于基准测量的视觉传感器, 采用同一传感器实现了基准测
量和磨耗测量, 有效降低了系统成本, 操作性强, 且无需进行多传感器的全局校准, 保证了测量
精度. 实验结果表明: 该钢轨磨耗测量方法具有较好的重复性精度.
光平面与 zc 轴的交点作为光平 面测量坐标系的
原点 O m, 建立二维测量坐标系. 设光平面上任意
一点 P 在 O cx cyc zc 下坐标为 Pc = [ x y z ] T, 其
在图像平面 上投影 点为
p, 坐 标为
~
p=
[u
v
1] T.
由摄像机成像模型, 有
3 钢轨磨耗测量基准对齐与计算
设计坐标系 O n xn yn 建 立如 图 3 所 示. 其 中 AB 为轨腰轮廓段, DE 为轨头轮廓段, 点 G 为侧 面磨耗测量点, 点 H 为垂直磨耗测量点.
图 3 标准钢轨横截面图
采用文献 [ 8] 提出的 ICP 算法实现轨腰轮廓
1 02 8
北京航空航天大学学报
2 010 年
点从测量坐标系到设计坐标系的配准. 对同一钢
ຫໍສະໝຸດ Baidu
轨轮廓, 提取轨腰光条中心, 利用视觉数学模型计
算得到测量坐标系中的一组 点集 U = { ui, i = 0, 1, 2, , n }, 设计坐标系中的一组点集为 X = { xi, i= 0, 1, 2, , k }, 对集合 U 中的一个点 ui, 集合 X 中与 ui 距离最短的点称为最近点. 通过最近点迭 代配准, 确定测量坐标系和设计坐标系的旋转矩
图 2 结构光视觉测量数学模型
设光平面在摄像机坐标系下的方程为
ax c + by c + czc + d = 0
( 2)
式中, a, b, c, d 为光平面方程系数.
由式 ( 1)可以确定直线 O cP 的方程, 联立式 ( 2)可得到光平面上一点在摄像机坐标系的
坐标.
在利用该模型进行测量时, 须首先对结构光
Key wo rds: rail w ear; structured ligh;t benchm ark a lignm en;t iterative closest point
钢轨磨耗检测是铁路安全运营的重要保证, 对于制定合理的铁路运输计划和降低维护成本非 常重要 [ 1- 2] . 长期以来, 对钢轨磨耗的检测都是由 人工采用专用卡尺抽样检测, 这种方式效率低下, 无法实现动态测量, 且耗费大量人力物力, 在测量 中不可避免地引入了测量者的人为因素, 影响了 测量的精度和可靠性.
阵 R 和平移向量 T, 使轨腰上的同源点间的距离 最小.
对其中的每对点 ui = ( ui1, ui2, , uim )和 x i = (x i1, x i2, , xim ), 寻找最优的 R 和 T, 满足目标表 达式:
! m in R, T
∀ xi - ( R # ui + T ) ∀2
( 3)
本文提出的钢轨磨耗测量方法, 以钢轨内侧 轨腰作为磨耗测量基准, 使用最近点迭代匹配
u0 A = 0 ! v0
00 1 式中, , !为摄像机的有效焦距; u0, v0 为摄像机 的主点坐标.
( ICP, Iterat ive C losest P oint) 实现测量轮廓与设计
轮廓的对准. 由于在列车运行中钢轨磨耗发生在 钢轨头部内侧, 轨腰并不与车轮直接作用, 因此,
第 9期
孙军 华等: 基于结构光视觉的钢轨磨耗测量方法
102 7
觉传感器, 增 加了 成本, 算 法执 行较 复杂. 文 献
p~ = A Pc
0
( 1)
[ 4] 使用一种角点检测算法提取钢轨光条轮廓上 式中, A 为摄像机内参矩阵:
的几个关键特征点, 通过与标准设计轮廓中的相 关特征点相比较获得磨耗值, 图像处理数据量小, 便于实时处理, 但特征点检测易受图像质量影响, 测量精度有限.
收稿日期: 2009 07 16 基金项目: 国家自然科学基金资助项目 ( 50727502, 60804060 ); 铁道部科技研究开发计划资助项目 ( 2008G 020 C ) 作者简介: 孙军华 ( 1975 - ) , 男, 湖北荆门人, 副教授, s jh@ buaa. edu. cn.
( School of Instrum en t Science and O p to electron ics Engineering, B eijing U n ivers ity of A eronau tics and A stronaut ics, Beij ing 100191, Ch in a)
( 北京航空航天大学 仪器科学与光电工程学院, 北京 100191 )
摘
要: 分析了基于结构光视觉的钢轨磨耗测量原理, 提出一种钢轨磨耗车载动态
测量方法. 结构光视觉传感器安装在列车底部, 测量钢轨内侧横断面轮廓. 以钢轨轨腰轮廓作
为测量基准, 利用最近点迭代 ( ICP, Iterat ive C losest Po int) 算法确定光平面测量坐标系到设计
这种测量基准的选取只需一套视觉传感器即可实
现钢轨磨耗值的测量.
1 系统测量原理
钢轨磨耗结构光视觉测量系统主要包括线激 光器、高 速相机、高速视觉图像 专用硬件处理系 统、软件及机械结构等.
测量模型如图 1 所示. 结构光视觉传感器安 装于列车底部, 激光器投射垂直于钢轨纵轴方向 的光平面, 在钢轨表面形成测量光条, 由位于同一 侧的摄像机拍摄光条图像, 经图像处理和视觉测 量模型的计算得到钢轨轮廓的三维数据点, 选取 轨腰数据作为基准, 利用 ICP 配准算法确定测量 坐标系到设计坐标系的转换关系, 实现钢轨头部 测量轮廓与标准设计轮廓的对齐, 求得磨耗值.
目前, 随着机器视觉测量技术的发展与日臻
成熟, 基于结构光视觉的钢轨磨耗测量已受到广 泛的重视. 磨耗的测量均需选取有效的测量基准, 将视觉传感器测量得到的钢轨轮廓与标准设计轮 廓对齐, 然后根据磨耗定义计算磨耗值. 文献 [ 3] 选取钢轨头部未被磨损的一侧作基准, 采用一种 基于近景摄影测量中的二维直接线性解析纠正方 法, 通过坐标变换实现左右轮廓图像的对准. 该方 法光条不易受遮挡, 便于在线处理. 但需要两个视
使目标函数取得最优, 需解决的关键问题有
两个: 迭代初值的选取和最近点搜索方式.
列车运行中视觉传感器和钢轨的相对位置较
稳定, 光条在图像中的位置变化不大, 根据此先验
知识, 以第 i次测试为例, 设重构出的光条数据为
N ir, ICP 的迭代初值为 N0i, 经过 n 次迭代后的源
点集数据为 Nni, 则有
N i+ 1 0
转换的旋转平移矩阵.
这样在第
i+ 1次测试中, ICP 的迭代初值已经与目标集很
靠近, 确保了迭代的收敛性.
最近点的搜索不需要整个数据的全局搜索,
只需在测量点邻域的钢轨设计尺寸点的一个小窗
口内搜索最近点即可, 这样就有效减少了基准对
齐时间, 如图 4所示.
提取钢轨头部的光条轮廓, 转到设计坐标系 下, 求出钢轨的垂直磨耗、水平磨耗.
N
i 0
=
R* 0T
T*
N
i r
1
N
i 1
=
R1 0T
T1
N
i 0
1
( 4)
∀
Nni =
Rn 0T
Tn
Ni n- 1
1
其中, 第 1次测试时的 R* , T* 在预检测中完
成. 在第
i次测试过程中, 将
Nni
和
N
i r
的
这
种对
应
关系保存下来, 作为在第 i + 1次测试的第 1 步,
即
N
i+ r
1
向
根据 ∃ 铁道线路修理规则 %[ 9] 的规定, 钢轨的 垂直磨耗 W v 在钢轨顶面宽 1 / 3处 (距标准作用 边 )测量, 侧面磨耗 Wh 在距轨顶下方 16mm 处测 量, 如图 5所示.
图 5 磨耗计算模型
4 实验结果
采用 M ikr itron CMOS 相机, 2W 红 外线激光 器组成结构 光视觉传 感器. 计算 机配置 为: Inte l 2. 2 GH z 双 核 CPU, 2 G 内 存, 图 像 分 辨 率 为 1 280像素 & 1 024像素. 相机采用低曝光时间 ( 小 于 20#s), 成像质量稳定.
视觉传感器参数进行标定. 其中摄像机内部参数
的标定采用文献 [ 5] 提出的方法进行标定. 结构
光的标定采用文献 [ 6- 7] 提出的基于平面自由
移动靶标的结构光视觉传感器的标定方法.
图 1 系统测量原理示意图
2 结构光视觉模型及系统标定
由激光器和摄像机组成的结构光视觉测量系
统的数学模型 的建模 过程如 图 2 所示, O cxcy czc 为摄像机三维坐标 系, O u xu yu 为图像 坐标系, 将
关 键 词: 钢轨磨耗; 结构光; 基准对齐; 最近点迭代匹配
中图分类号: TN 247
文献标识码: A
文 章 编 号: 1001 5965( 2010) 09 1026 04
Rail wear measurement method based on structured light v ision
2010年 9月 第 36卷 第 9期
北京航空航天大学学报 Journa l o f Be ijing U nivers ity of A eronautics and A stronautics
September 2010 V o.l 36 N o 9
基于结构光视觉的钢轨磨耗测量方法
孙军华 王伟华 刘 震 张广军
Abstract: T he princ iple of ra ilw earm easurem ent based on structured light v ision w as ana lyzed. A m eth od for dynam ica lly m easuring rail w ears in veh icle mounted w as proposed. T he structured ligh t v ision sensor w as insta lled at the bottom of the train, and the section profile o f the ra il w as m easured. T ak ing rail w a ist as m easurem ent benchm ark, the rotat ion m atr ix and translation vector betw een light plane coo rd inate fram e and designed coo rd inate fram e w ere est im ated by iterative closest po in t ( ICP) algorithm, then, the ra il w a ist pro file w as reg istered to designed profile, based on w h ich the rail w ears w ere ca lculated. Com pared w ith previous m ethods, the proposed m ethod does not need a specially v ision sensor to m easure the benchm ark. Benchm ark m easurem ent and w ear m easurem ent are ach ieved w ith one sam e vision sensor. System cost is e ffect ively re duced, and it is operab le. M easurem ent accuracy is also guaranteed due to no need of global ca libration o f m ulti sensor. The exper im enta l results show that the repeatability prec ision o f the m ethod is high.
坐标系的旋转矩阵和平移向量, 将测量轮廓与设计轮廓对齐, 在此基础上计算磨耗值. 与已有
的方法相比, 该方法无需单独设置用于基准测量的视觉传感器, 采用同一传感器实现了基准测
量和磨耗测量, 有效降低了系统成本, 操作性强, 且无需进行多传感器的全局校准, 保证了测量
精度. 实验结果表明: 该钢轨磨耗测量方法具有较好的重复性精度.
光平面与 zc 轴的交点作为光平 面测量坐标系的
原点 O m, 建立二维测量坐标系. 设光平面上任意
一点 P 在 O cx cyc zc 下坐标为 Pc = [ x y z ] T, 其
在图像平面 上投影 点为
p, 坐 标为
~
p=
[u
v
1] T.
由摄像机成像模型, 有
3 钢轨磨耗测量基准对齐与计算
设计坐标系 O n xn yn 建 立如 图 3 所 示. 其 中 AB 为轨腰轮廓段, DE 为轨头轮廓段, 点 G 为侧 面磨耗测量点, 点 H 为垂直磨耗测量点.
图 3 标准钢轨横截面图
采用文献 [ 8] 提出的 ICP 算法实现轨腰轮廓
1 02 8
北京航空航天大学学报
2 010 年
点从测量坐标系到设计坐标系的配准. 对同一钢
ຫໍສະໝຸດ Baidu
轨轮廓, 提取轨腰光条中心, 利用视觉数学模型计
算得到测量坐标系中的一组 点集 U = { ui, i = 0, 1, 2, , n }, 设计坐标系中的一组点集为 X = { xi, i= 0, 1, 2, , k }, 对集合 U 中的一个点 ui, 集合 X 中与 ui 距离最短的点称为最近点. 通过最近点迭 代配准, 确定测量坐标系和设计坐标系的旋转矩
图 2 结构光视觉测量数学模型
设光平面在摄像机坐标系下的方程为
ax c + by c + czc + d = 0
( 2)
式中, a, b, c, d 为光平面方程系数.
由式 ( 1)可以确定直线 O cP 的方程, 联立式 ( 2)可得到光平面上一点在摄像机坐标系的
坐标.
在利用该模型进行测量时, 须首先对结构光
Key wo rds: rail w ear; structured ligh;t benchm ark a lignm en;t iterative closest point
钢轨磨耗检测是铁路安全运营的重要保证, 对于制定合理的铁路运输计划和降低维护成本非 常重要 [ 1- 2] . 长期以来, 对钢轨磨耗的检测都是由 人工采用专用卡尺抽样检测, 这种方式效率低下, 无法实现动态测量, 且耗费大量人力物力, 在测量 中不可避免地引入了测量者的人为因素, 影响了 测量的精度和可靠性.
阵 R 和平移向量 T, 使轨腰上的同源点间的距离 最小.
对其中的每对点 ui = ( ui1, ui2, , uim )和 x i = (x i1, x i2, , xim ), 寻找最优的 R 和 T, 满足目标表 达式:
! m in R, T
∀ xi - ( R # ui + T ) ∀2
( 3)
本文提出的钢轨磨耗测量方法, 以钢轨内侧 轨腰作为磨耗测量基准, 使用最近点迭代匹配
u0 A = 0 ! v0
00 1 式中, , !为摄像机的有效焦距; u0, v0 为摄像机 的主点坐标.
( ICP, Iterat ive C losest P oint) 实现测量轮廓与设计
轮廓的对准. 由于在列车运行中钢轨磨耗发生在 钢轨头部内侧, 轨腰并不与车轮直接作用, 因此,
第 9期
孙军 华等: 基于结构光视觉的钢轨磨耗测量方法
102 7
觉传感器, 增 加了 成本, 算 法执 行较 复杂. 文 献
p~ = A Pc
0
( 1)
[ 4] 使用一种角点检测算法提取钢轨光条轮廓上 式中, A 为摄像机内参矩阵:
的几个关键特征点, 通过与标准设计轮廓中的相 关特征点相比较获得磨耗值, 图像处理数据量小, 便于实时处理, 但特征点检测易受图像质量影响, 测量精度有限.
收稿日期: 2009 07 16 基金项目: 国家自然科学基金资助项目 ( 50727502, 60804060 ); 铁道部科技研究开发计划资助项目 ( 2008G 020 C ) 作者简介: 孙军华 ( 1975 - ) , 男, 湖北荆门人, 副教授, s jh@ buaa. edu. cn.