[发明专利]一种车轮踏面缺陷三维检测方法及其系统

说明书

本发明公开了一种车轮踏面缺陷三维检测方法及其系统，包括：S1：采集列车车轮的车轮光栅图像数据；S2：提取车轮光栅图像数据对应的车轮真实形变量数据；S3：基于车轮真实形变量数据和摄像单元参数生成车轮三维点云图像；S4：基于车轮三维点云图像生成车轮尺寸和缺陷区域。本发明通过预训练的网络模型提取光栅形变区域并基于形变光栅与真实形变量的直接映射关系生成车轮真实形变量数据，进而完成车轮三维点云图像的重构，避免了车轮踏面表面存在污渍影响条纹效果时对重构车轮三维点云图像的精确度的影响。并基于所述车轮三维点云图像准确提取车轮尺寸和缺陷区域，解决了现有的车轮踏面缺陷三维检测方法存在的检测结果可靠性低的问题。

技术领域

本发明涉及轨道车辆检测技术领域，具体涉及一种车轮踏面缺陷三维检测方法及其系统。

背景技术

列车车轮是关系到列车运行安全的关键部分，它把车辆的载荷传给钢轨，并在钢轨上转动来完成列车的运行，是列车运行的最终受力部件。轮对踏面是列车车轮与钢轨顶面接触的部分，轮对踏面的完好性是行车安全性的重要因素，在运行过程中，车轮踏面会出现磨耗超限、踏面擦伤、剥离、磕伤等轮辋表面缺陷等质量问题，这些问题可能会直接导致脱轨事故的发生，影响动车组运行安全。鉴于此，需要对列车车轮踏面进行日常动态检测，保障列车运行安全。

传统的国内外针对车轮踏面缺陷检测方法，仍主要基于2D图像，结合传统模式识别或深度学习技术实现检测。而普通的二维图像踏面缺陷无法避免污渍、雨水所带来的干扰，当缺陷与异物的特征相同时，容易导致误报；依赖缺陷造成的图像光暗变化进行检测，当出现微小缺陷时检出率较低。因此，传统的缺陷检测算法无法解决车轮踏面附着的异物造成系统误报的问题且无法检测微小缺陷。

综上所述，现有的车轮踏面缺陷检测方法存在检测结果可靠性低的问题。

发明内容

有鉴于此，本发明提供一种车轮踏面缺陷三维检测方法及其系统，通过改进图像的采集及处理方法，解决了现有的车轮踏面缺陷三维检测方法存在的检测结果可靠性低的问题。

为解决以上问题，本发明的技术方案为采用一种车轮踏面缺陷三维检测方法，包括：S1：采集列车车轮的车轮光栅图像数据；S2：提取所述车轮光栅图像数据对应的车轮真实形变量数据；S3：基于所述车轮真实形变量数据和摄像单元参数生成车轮三维点云图像；S4：基于所述车轮三维点云图像生成车轮尺寸和缺陷区域。

可选地，所述S2包括：获取由多张列车车轮的光栅照片构成的数据集，采集每张所述光栅照片对应的列车车轮的真实形变量，并对每张所述光栅照片的光栅形变区域进行标注，构建每张所述光栅照片的所述光栅形变区域与列车车轮的所述真实形变量的映射关系，生成由多张包含光栅形变区域标记的光栅照片构成的训练样本集和测试集；基于所述训练样本集和第一测试集，对网络模型进行训练并验证，生成用于分割所述光栅形变区域的语义分割模型；将所述车轮光栅图像数据输入神经网络单元，基于所述语义分割模型获取所述光栅形变区域；基于所述光栅形变区域与列车车轮的所述真实形变量的映射关系，通过获取的所述光栅形变区域生成所述车轮真实形变量数据。

可选地，所述S3包括：对多个所述摄像单元进行内参标定获取内参和畸变参数；选取主摄像头，并对所述主摄像头外的其余多个所述摄像单元进行外参标定获取外参、平移向量，并计算所述投影矩阵；基于所述投影矩阵和所述车轮真实形变量数据生成所述车轮三维点云图像。

可选地，生成车轮尺寸包括：生成所述车轮三维点云图像后，基于车轮轮径方向，提取多条车轮外形轮廓曲线并计算出所述车轮尺寸。

可选地，生成缺陷区域包括：生成所述车轮三维点云图像后，通过调用预存储的标准车轮踏面三维图像数据，基于所述车轮三维点云图像和所述标准车轮踏面三维图像数据进行粗配准和精配准后，通过差异检测提取差异区域；计算所述差异区域的高斯曲率，遍历所述差异区域中全部属于曲率不连续点的像素点构建用于表征所述缺陷区域的像素点集合。