[发明专利]钢轨外观状态的多偏振光点云数据融合方法及装置

说明书

本发明公开了一种钢轨外观状态的多偏振光点云数据融合方法及装置，其中该方法包括：将读取的偏振相机数据合并为钢轨廓形数据；根据轨顶点坐标和轨距点坐标将钢轨廓形数据分为多个区域；对多个区域的钢轨廓形数据利用随机采样一致性RANSAC算法进行拟合，获得多个区域的拟合曲线；将多个区域的拟合曲线进行曲线融合，获得最佳钢轨廓形拟合曲线；利用最佳钢轨廓形拟合曲线进行钢轨轮廓测量。本发明有效解决了钢轨激光断面局部欠曝的问题。

技术领域

本发明涉及结构光成像技术领域，尤其涉及钢轨外观状态的多偏振光点云数据融合方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

对钢轨外观状态进行在线测量，及时了解钢轨的健康状态、分析钢轨轮廓和磨耗变化趋势，检测钢轨顶面擦伤缺陷，是铁路运营维护的重要手段。钢轨轮廓测量是指将实测的钢轨轮廓数据与钢轨标准轮廓数据对比，得到钢轨的侧磨、垂磨、角磨和总磨耗等指标，并为钢轨表面损伤的检测提供数据基础。基于三角测量的线结构光视觉测量可以高速、实时获取钢轨轮廓的三维断面数据，是一种典型的非接触式光学测量方法，成为钢轨轮廓和顶面擦伤主流的动态测量方式，在铁路检测行业广泛使用。但在应用于铁路现场时，钢轨表面不平顺、表面脏污、锈蚀、轮轨接触面光带等因素都会影响钢轨表面光线散射方向以及能量强度，造成异常的能量分布，严重影响成像质量。例如，由于长期和车轮接触摩擦，钢轨表面十分平滑，光线的镜面反射效应显著，具体表现为入射光大部分能量分布在镜面反射方向附近，只有少量漫反射光被相机采集，造成相机得到的图像信息很弱，出现欠曝(即曝光不足)现象，造成图像对比度和光条中心的置信度均比较低，影响钢轨轮廓数据的准确获取，进而造成三维重建后的钢轨出现部分区域空洞(数据丢失)的现象。这种情况导致钢轨轮廓测量的准确度和稳定性难以保证，以及影响后续的廓形分析和钢轨顶面缺陷检测结果。通过调节曝光时间是一种常用的解决方案，虽然解决了光带区域的欠曝问题，但又会造成其它区域过曝而导致光条过粗，引发新问题。

基于偏振图像之间的信息相关性和互补性，某些学者提出了多种偏振图像融合方法，主要包括：频率域融合和空间域融合等。在频率域，某些学者利用离散小波变换把图像分解成不同尺度的低频和高频部分，以低频和高频图像中的小波系数为特征量，确定融合图像的小波系数。某些学者提出了基于二维离散小波变换的偏振图像融合算法，用于增强图像细节，提高图像的视觉效果；在空间域，某些学者提出了一种基于特征分析的偏振图像融合方法，该方法由图像的灰度特征、纹理特征和形状特征确定融合权值，对图像进行融合，用于解决计算偏振参量图像时丢失细节信息的问题。最近基于深度学习的图像融合方法称为研究热点，如DeepFuse，FusionGan等，但这些网络大多针对具有丰富颜色和纹理特征的自然场景，而激光光条数据量较少且缺乏丰富的纹理和颜色特征，因此这些方法并不适用于激光偏振光条图像融合。

如何确定融合权重是提高多偏振光图像融合质量的关键。某些学者引入光条信度评价机制，并以此确定源图像的融合权重，光条信度评价以光条宽度、灰度和光条平均残差平方和等特征量作为评价指标。对于每幅源图像，计算每列的光条信度。单独选择光条的像素总强度或光条宽度作为评价指标来光计算条偏振成像的信度，通过不断调整各分量图像的权重获得最佳融合效果；也可综合使用这两个评价指标来计算光条信度，得到图像融合权重。该方法有效克服了钢轨表面反光问题，但应用于廓形系统动态测量过程中，仍然存在某些待解决的问题：

(1)融合策略和权值计算缺乏系统化的定量分析，过度依赖定性分析结果和人工经验阈值；

(2)光条随着列车运行发生变化，由于钢轨磨耗、阳光和异物干扰等都会引发光条发生不可预料的变化，因此选择光条宽度和亮度作为融合权值的判定标准，难以适应铁路全线复杂多变的线路状态；

(3)多个偏振图像融合计算时间开销较大，影响测量系统的实时性。

发明内容