一种基于车载相机的车轮位移检测新方法

， ， ，

(石家庄铁道大学 电气与电子工程学院，河北 石家庄 050043)

0 引言

随着列车运行速度的不断提高，列车行车安全是高速铁路首先要考虑的问题。为了满足列车的安全运行形态和正常的运行机理安全性的要求，有必要对轮轨相对位移进行检测。国内外学者对列车蛇形运动，列车横向失稳，甚至脱轨等因素仅是基于传感器的机车安全运行监测进行了研究[1-5]。日本学者Sato Yasuhiro et al[6]设计了一种脱轨系数连续检测装置，该装置通过安装于转向架非旋转结构上的非接触式位移传感器来检测轮轨接触力，从而获得脱轨系数的统计值。西班牙的Monje Pedro et al[7]设计了一套基于光电二极管的仪器装置，该装置安装于机车转向架上，用于在线检测车轮在轨道上滚动和滑动的状态。瑞士的Oldrich Polach[8]分析研究了轮轨接触几何状态在列车运行中稳定极限条件下对列车行为的影响，并取得了不错的效果。北京航空航天大学的Zheng Gong[9]利用结构光和计算机视觉技术完成了对列车车轮直径的动态测量。魏云鹏等[10]根据有限元理论并结合ANSYS有限元软件分析列车在蛇形运动状态下轮轨接触区域的形状“面积”轮轨接触应力和Mises应力的特性,对列车在蛇形运动状态下安全状态进行了评价。

唐永康[11]基于常规的应变片、位移计、加速度传感器搭建了一种检测车辆脱轨倾向的脱轨预警系统。随着计算机技术的发展，非接触式测量可直接精确测量目标形态结构，可实施性强，并且可重构和准确识别目标细节，由此受到众多研究学者的追捧。在基于图像处理的测量方法中，肖杰灵等[12]在钢轨两侧安装两个摄像机，然后利用图形拼接的方法获得轮轨接触曲线，但由于系统采用非车载方式，由此鲁棒性和准确性并不高；杨淑芬[13]建立了以DSP为核心的轮轨接触点检测系统，通过轮轨图像处理技术得到轮轨边缘的轮廓以得到接触状态，但此方法并不能准确提取出轮轨接触参数。

现利用双相机分别拍摄车轮内外两侧，通过车轮图片确定车辆运行中车轮中心轴线的空间位置以得出轮轨接触参数，进而得到车轮运行时的姿态变化，并通过实验验证了该方法的可行性和精确性。

1 车轮检测模型方案原理

通过图像技术不仅可以直观地得到轮轨接触状态，而且具有在线测量、非接触、精度高、成本低等优点，但在轮轨接触状态以及检测环境复杂的情况下，单一的视觉位置已经满足不了检测系统的精度和鲁棒性[14]，于是提出了一种基于车载式双相机的轮轨位移检测方法。图1为其硬件结构的示意图，两个CCD摄像机安装在转向架支架上(图中未画出)，每个相机的中轴线都与轮对的圆心处所在平面平行，以便于通过车轮内外轮廓检测出轴线端点，检测流程如图2所示。

图1 图像检测装置

图2 检测流程图

由于实验条件有限，使用实验室现有的精密转台、轮对模型、CCD工业相机、面阵光源、(JAI-5000C-PMCL)以及采集卡(SOL2MEVCLF)及处理软件组成的检测硬件系统对提出的方案进行实验验证，系统实景如图3所示。事实上，列车闸瓦以及减震装置等对车轮遮挡严重，由此并不能采集到完整的轮廓，但车轮边缘椭圆拟合并不需整个轮廓，而只需1/3圆即可实现[15]。列车行驶中轮轨主要是横向位移、垂相位移，摇头角位移量相互叠加引起轴线的空间变化，只要找到轴线位置，那么轮轨位移参数的变化就可以找到。

本实验中所用转台具有3个方向的自由度，通过改变转台各个方向的角度完全可以模拟车轮的复杂变化。该系统通过计算机和CCD相机对车轮图像进行获取，通过分析处理得到机车车轮内圆和外圆的圆心准确位置，进而确定当前机车车轮中心轴线的空间位置。将中心轴线与初始位置对比，得出轮轨参数的动态变化。

假定车轮在初始时刻不存在轮轨位移量，记其位置为AB，在运动过程中变化后的车轮轴线位置记为AC，通过对比AB，AC的位置得出车轮中心轴线的空间位移，进而确定车轮相对轨道的姿态变化。如图4所示，在XZ平面，YZ平面投影分别为O′O″，那么与机车静止时刻AB位置相对比，OO″为轮轨产生的横移量，OO′为垂移量。由于机车车轮在运行过程中存在偏转，浮起，蠕划等动态变化，车轮位置运动复杂，机车轮轨的位移量中横移量SX、垂移量SY和摇头位移SZ分别如图5(a)，图5(b)所示。

图3 实验场景图

图4 车轮轴线动态分解图

图5 蛇形运动各方向位移量示意图

2 车轮图像的边缘检测

2.1 车轮的内外边缘检测

采集到的图像背景复杂，受光照等外界因素影响大，在进行图像边缘检测前要求除噪声的同时又保持图像的边缘。使用二维Otsu算法，用2个一维Otsu算法得到的2个阈值来代替原二维Otsu算法的阈值，使该算法的去噪能力大大提升。此外车轮图像中存在的噪声主要为高频分量，而图像的边缘信息也主要为高频信息[16]。在将车轮图像进行阈值分割后，对图像进行形态学滤波。

A被B腐蚀是所有结构元素原点位置的集合，其中平移的B与A的背景并不叠加。结构元素在形态学中对滤波效果起决定性作用，其形状和大小将直接影响形态滤波的输出结果，选择不同大小的方形结构元素对得到的二值图像进行腐蚀和膨胀处理，达到形态学滤波的效果，通过采用Canny检测算子来控制不同的阈值得到不同的检测效果，图6给出了不同阈值对比检测的结果。

图6 不同阈值效果图

2.2 车轮的椭圆检测

由于相机拍摄角度的变换，采集的图像中车轮边缘轮廓并非标准的椭圆，并且车轮图像边缘多处不连续，这就对边缘椭圆的提取带来了很大的困难。Canny算法中上下阈值选取对车轮轮廓的提取以及噪声点的影响相关，选取合适的阈值才能准确提取车轮轮廓。为了提取出车轮的轮廓，采用了Hough圆变换，该算法依据圆心一定在圆上的每个点的模向量上,且各个圆上点模向量的交点是圆心的原理，先搜寻到圆心的x和y坐标，将三维累加平面转为二维累加平面，然后根据所有候选中心的边缘非0像素对其支持程度来确定半径。检测结果如图7所示。

图7 椭圆Hough检测结果

3 基于Opencv的特征点三维映射

计算机视觉的研究目标是使计算机能通过二维图像认知三维环境,并从中获取需要的信息用于重建和识别物体。为了得到车轮中心轴线的三维坐标信息，需要对摄像机系统进行标定，但要指出虽是基于双相机的检测系统，但它并不等同于双目视觉，标定过程相对简单。为了统一映射出车轮三维坐标位置，在标定两个相机的过程中要采用统一世界坐标系。通过M实现对摄像机进行标定并实现二维图像中特征点空间位置的求取。设矩阵M1为摄像机的内参，只与摄像机的内部参数有关，M2为摄像机的外参，只与相机对于世界坐标系的位置有关。那么由标定映射关系[17-18]如下

(1)

式中，(fu，fv，s，u0，v0)为摄像机的5个内参；(R，T)分别为得到的摄像机的外参。P(u，v)为图像中任意一点的坐标，P′(Xw，Yw，Zw)为P点在世界坐标系中的坐标，由此完成相机的标定，图8，图9为部分标定过程。

图8 标定板标定相机内参的角点提取

图9 相机外参标定系统

4 实验数据处理及误差分析

CCD相机和轨道初始成角20°，通过转动实验台改变夹角β1，β2，模拟机车运行过程中由各个方向产生的偏量Δ1，Δ2，Δ3…(垂向和横向位移为主要因素)导致车轮轴线产生的偏移量。实验进行对Δβ2(取值0.01° ～0.05° )进行调节，经过CCD相机的图像采集和本文的检测算法处理，检测出车轮边缘信息并得出车轮的内外圆的圆心O1O2位置,通过检测出的图像中的坐标位置，由相机标定结果由式(1)得到车轮中心轴线位置。通过模拟实验整理实验的结果数据如表1所示。

表1 当Δβ2=0.02°时偏转角和车轮的位置关系 像素

由表1中得到的车轮内外圆心A,C的空间坐标位置，图3的车轮位移分解图得车轮中心轴线中点O坐标，那么与车轮静止时中心轴线中点O1比较就可得出车轮在此时刻下的位移量，其中y轴分量OO′为轮轨产生的横移量，z轴分量OO″为垂移量。为了减少误差，对固定姿态样本图片进行多次实验，将每组实验数据与实际实验模型车轮位移量对比，在β=20.3°,Δβ2=0.02°情况下，检测相关数据如表2所示，误差计算如公式(2)，其中检测量为Δd，实际量为Δs。

(2)

图10 Δβ2=0.02°时检测位移和实际位移对比图

同理，改变夹角β1，以同样方法对横移量、垂移量进行分析，最后选取了Δβ2=0.02时将位移量数据整理得出折线图如图10所示，结果表明该实验实现了车轮部分动态参数的检测，且取得了不错的效果。

5 结论

本文主要提出了一种车载式双相机轮轨位移检测方法，通过车载双相机从图像中获取车轮内外车轮几何特征信息，通过相机标定和特征点三位映射算法来还原车轮在运动前后车轮中心轴线所在的空间位置，通过和最初状态作对比来得到轮轨位移量。除此之外，还通过实验仿真来对该方法进行验证，结果表明该方法能够实现列车轮轨相对位移的非接触检测，证明了该方法的准确性和可行性。本方法的提出对进一步机车运行状态监测的开展及运行安全性机理的研究提供了重要信息。