CN101206140A - 自动测量跨座式单轨交通轨道梁晃动幅度的方法 - Google Patents

Abstract

一种自动测量跨座式单轨交通轨道梁晃动幅度的方法涉及单轨交通轨道梁晃动幅度测量方法，尤其涉及跨座式单轨交通轨道梁晃动幅度自动测量方法。该方法包括测量前的准备工作，程序初始化，激励车和图像数据采集车开到测量位置后停车，摄像机镜头正对测量目标，输入被测量轨道梁的梁号，采集和存储各幅图像，停车且停止采集序列图像，图像处理，计算被测量轨道梁晃动幅度，保存处理结果，打印报表，等待人工指令。该方法自动、快速、准确、高效、安全地测量出该轨道梁的晃动幅度。

Description

自动测量跨座式单轨交通轨道梁晃动幅度的方法

技术领域：

本发明涉及测量单轨交通轨道梁晃动幅度测量方法，尤其涉及自动测量跨座式单轨交通轨道梁晃动幅度的方法。

背景技术：

跨座式单轨交通轨道梁及支座在制造和安装时，不可避免地会存在误差，当车辆通过跨座式单轨交通轨道梁时，梁体会发生轻微晃动。实际检测中表明，沿跨座式单轨交通车辆的行驶同方向轨道梁的晃动幅度通常在1mm以内，在垂直于跨座式单轨交通车辆的行驶方向上轨道梁的晃动幅度通常在3mm以内。在车辆长期行驶的作用下，其晃动幅度会逐渐增大，这不仅影响到列车的平稳运行，还会严重影响到车辆及轨道部件的使用寿命和运营安全。经检索，到目前为止，测量跨座式单轨交通轨道梁的晃动幅度只能由人工撬动跨座式单轨交通轨道梁，通过位移传感器或其他位移计量仪器，如百分表、千分尺等来测量其位移的尺寸来实现，由于是人工户外高空作业，劳动强度大，工作效率低，安全性差，且缺乏准确性和规范化，可靠性差，无法保证测量精度。

以下是本发明中用到的现有技术：

制作特征模板技术：

利用微分法进行图像边缘提取：在夏良正等的著作“数字图像处理”(1999年9月，东南大学出版社，160～164页)中描述了利用微分法提取图像边缘的方法，图像灰度的梯度值可用下式近似表示：G[f(x，y)]＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，直接用梯度值G[f(x，y)]来表示图像，即令g(x，y)＝G[f(x，y)]。其中，f(x，y)表示运算之前的图像上坐标为x、y处的像素值，g(x，y)表示卷积运算后得到的目标图像上坐标为x、y处的像素值，x、y分别为图像上某点的坐标。

利用边缘检测算子进行图像边缘提取：在夏良正等的著作“数字图像处理”(1999年9月，东南大学出版社，194～198页)中描述了利用边缘检测算子提取图像边缘的方法，其表达式可用数字图像f(x，y)与边缘检测算子的卷积来表示： $g(x,y)=\underset{\mathrm{\α}}{\mathrm{\Σ}}\underset{\mathrm{\β}}{\mathrm{\Σ}}f(x+\mathrm{\α},y+\mathrm{\β})h(\mathrm{\α},\mathrm{\β}),$

其中，f(x，y)表示运算之前的图像上坐标为x、y处的像素值，h(α，β)表示边缘检测算子，g(x，y)表示卷积运算后得到的目标图像上坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，x、y分别为图像上某点的坐标。

利用相关函数方法进行模板匹配：在杨枝灵、王开等的著作“Visual C++数字图像获取、处理及实践应用”(2003年1月，人民邮电出版社，574～582页)中描述了利用相关函数进行模板匹配的方法，将特征模板T叠放在搜索图S上平移，特征模板覆盖下的那块待搜索图叫做子图S^i，j，i、j为这块子图的左上角象点在S图中的坐标，相关函数的表达为： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}[S^{i,j}(m,n)\×T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}},$ S^i，j(m，n)为子图，T(m，n)为特征模板，M、N为模板T的行、列的像素个数，计算出的相关度值R(i，j)的范围为0～1。

本发明所用的设备包括两辆跨座式单轨交通车辆，其中一辆跨座式单轨交通车辆为激励车；另一辆跨座式单轨交通车辆内装有计算机，并由交流电源向计算机供电，在该车辆的车头上装有摄像机，使该摄像机镜头垂直向下且正对跨座式单轨交通轨道梁，通过数据线将摄像机的输出端和计算机的输入端连接，作为图像数据采集车。是否采用图像采集卡由摄像机的类型确定，当摄像机直接连接计算机并向计算机传输图像则不需要图像采集卡，当摄像机需要经过图像采集卡连接计算机则采用图像采集卡。标定模板采用市售机器视觉标定模板，精度要求为±0.01mm或以上，标定所用的软件采用能显示位图图像像素点坐标值的图像处理软件。

为了叙述简便，将“跨座式单轨交通轨道梁”简称“轨道梁”。

发明内容：

本发明的目的在于提供一种自动测量轨道梁晃动幅度的方法，该方法能自动、快速、安全和准确地测量轨道梁晃动幅度。

本发明的原理为：激励车在一轨道梁上行驶时，会使该轨道梁端头发生晃动，而没有激励车行驶的相邻轨道梁不发生晃动，利用摄像机——计算机系统采集并存储这两相邻轨道梁端头固定的两指形板的指所在区域的序列图像，通过计算机对所获得的该区域序列图像处理以及位置计算，得到由激励车行驶而引起的轨道梁端头指形板的指的晃动幅度，指形板的指的晃动幅度即为激励车行驶而引起的被测量轨道梁的晃动幅度。

为了实现上述发明目的，本发明的技术方案是按以下顺序步骤进行：

(1)、测量前的准备工作：

(1-1)、在轨道梁上各置一辆激励车和图像数据采集车，使图像数据采集车位于激励车之后；

(1-2)、标定摄像机并调整摄像机镜头距离轨道梁上表面的垂直距离：已知测量精度A为0.1mm～0.2mm，启动计算机，打开摄像机，将标定模板平放在该轨道梁上表面上，使摄像机镜头正对标定模板，调整摄像机焦距，使标定模板上的网格清晰显示在计算机屏幕上，在标定模板上任意取两点，人工读取该两点间的距离，并利用标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，用像素点坐标差值除以上述人工读取的距离，得到标定模板上实际单位长度对应计算机中位图图像上的像素个数，反复调整摄像机镜头与该轨道梁上表面的垂直距离和摄像机焦距并计算，使标定模板上每1mm的长度对应计算机中位图图像上1/A个像素，固定摄像机镜头与该轨道梁上表面的垂直距离和镜头焦距，摄像机镜头与该轨道梁上表面的垂直距离为100～400mm；

(2)、程序初始化；

(3)、将激励车与图像数据采集车开到测量位置并停车，激励车停在被测量轨道梁上，图像数据采集车停在与被测量轨道梁相邻的轨道梁上，使图像数据采集车上的摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两个指形板，且两指形板各有1至2个指处于摄像机镜头的视场内；激励车与摄像机镜头之间的水平间距应为0.5～1m；

(4)、输入被测量轨道梁的梁号；

(5)、启动激励车并驶过被测量轨道梁，同步采集和存储各幅图像：摄像机在激励车启动同时开始以20～100帧/秒的帧率逐帧采集序列图像，并输入计算机，由计算机对该序列图像中的每一幅图像按采集图像的时间先后顺序编序列号并存储；

(6)、激励车驶离该被测量轨道梁后停车，摄像机同步停止采集序列图像；

(7)、将已采集到的序列图像进行处理，并计算被测量轨道梁的晃动幅度：

(7-1)、显示已采集到的序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量轨道梁上行驶方向为X轴，以垂直于被测量轨道梁的方向为Y轴，该直角坐标系的坐标原点在第1幅图像的右下角，该直角坐标系一旦建立，该序列图像中包括第1幅图像在内的各幅图像的像素点位置计算均以该直角坐标系为准，不另建直角坐标系；

(7-2)、用计算机鼠标在第1幅图像上截取制作特征模板的图像块为1～2个，当在第1幅图像上截取制作特征模板的图像块为1个时，该图像块位于被测量轨道梁端头的指形板上，使该指形板中的一指上有长10～20mm的弧形边缘位于该图像块内，且该边缘对应计算机位图上像素点个数为(10～20)×1/A；当在第1幅图像上截取制作特征模板的图像块为2个时，这两个图像块分别位于被测量轨道梁端头和与该轨道梁相邻的轨道梁端头的指形板上，使这两指形板中各有一指上长为10～20mm的弧形边缘在对应的图像块内，且每一边缘对应计算机位图上像素个数为(10～20)×1/A；

(7-3)、对截取制作特征模板的图像块用微分法提取图像边缘或边缘检测算子提取图像边缘的方法制作特征模板并存储；

(7-4)、计算截取处特征模板的重心在直角坐标系中对应的坐标值或坐标差值X_k、Y_k，k为特征模板的个数，k＝1～2：当特征模板为1个时，计算重心坐标值的公式为：X₁＝∑X′/n′，Y₁＝∑Y′/n′，其中，∑X′为特征模板中各点的横轴X坐标之和，∑Y′为特征模板中各点的纵轴Y坐标之和，n′为特征模板中像素点的数量；当特征模板为2个时，计算特征模板的重心坐标差值的公式为：X₂＝∑X″/n″-∑X_/n_，Y₂＝∑Y″/n″-∑Y_/n_其中，∑X″、∑X_各为特征模板中各点的横轴X坐标之和，∑Y″、∑Y_各为特征模板中各点的纵轴Y坐标之和，n″、n_各为特征模板中像素点的数量；并将计算得到的坐标值或坐标差值作为最大、最小坐标值或坐标差值：X_1max＝X₁，X_1min＝X₁，Y_1max＝Y₁，Y_1min＝Y₁或X_2max＝X₂，X_2min＝X₂，Y_2max＝Y₂，Y_2min＝Y₂；

(7-5)、自动确定已采集到的第1幅到最后一幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块扩大：当图像块为方形时，按纵、横轴四个方向分别各增加(3～5)×1/A和(1～3)×1/A个像素，确定出搜索区域；当图像块为圆形时，其半径增加(3～5)×1/A个像素，确定出搜索区域。对第2幅图像到最后一幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(7-6)、对已采集并存储的第1幅图像到最后一幅图像依次进行处理：把每一幅图像的搜索区域分别用制作特征模板所采用的微分法提取图像边缘或边缘检测算子提取图像边缘的方法进行处理，得到每幅图像搜索区域对应的目标搜索区域；

(7-7)、对第1幅图像到最后一幅图像：采用相关函数的模板匹配方法依次在处理后的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}[S^{i,j}(m,n)\×T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域内搜索时，特征模板所对应的子图，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，T(m，n)为特征模板，M、N为模板T的行、列的像素个数，计算出的相关度值R(i，j)。计算特征模板在对应目标搜索区域上的最大相关度值及当相关度值最大时，特征模板重心在坐标系中对应的坐标值或坐标差值；

(7-8)、判断第1幅图像到最后一幅图像是否搜索匹配成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；当最大相关度值大于等于0而小于0.9时，搜索匹配失败，转到(7-2)继续执行，直到搜索匹配成功，执行下一步；

(7-9)、对第1幅图像到最后一幅图像：确定匹配处特征模板的重心在直角坐标系中的坐标值或坐标差值X_k ^p、Y_k ^p，p为图像序列数，p＝1，2，3…最后一幅图像数，k代表特征模板个数，当k＝1时，X₁ ^p、Y₁ ^p为坐标值；当k＝2时，X₂ ^p、T₂ ^p为坐标差值；

(7-10)、对第1幅图像到最后一幅图像，分别将X_k ^p、Y_k ^p和X_1min、X_1max、Y_1min、Y_1max或X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标值或最大、最小坐标差值：当 $X_k^p{>X}_{1\max }$ 或X_2max，则X_1max或 $X_{2\max }=X_k^p;$ 当 $X_k^p{\&le;X}_{1\max }$ 或X_2max，则X_1max或X_2max＝X_1max或X_2max；当 $X_k^p<X_{\min }$ 或X_2min，则X_1min或 $X_{2\min }=X_k^p;$ $X_k^p{\&GreaterEqual;X}_{1\min }$ 或X_2min，则X_1min或X_2min＝X_1min或X_2min；当 $Y_k^p{>Y}_{1\max }$ 或Y_2max，则Y_1max或 $Y_{2\max }=Y_k^p;$ 当 $Y_k^p\&le;Y_{1\max }$ 或Y_2max，则Y_1max或Y_2max＝Y_1max或Y_2max；当 $Y_k^p{<Y}_{1\min }$ 或Y_2min，则Y_1min或 $Y_{2\min }=Y_k^p;$ 当 $Y_k^p{\&GreaterEqual;Y}_{1\min }$ 或Y_2min，则Y_1min或Y_2min＝Y_1min或Y_2min；

(7-11)、判断是否已处理完采集到的所有图像：当没处理完所有图像时，读取下一幅图像，并转到第(7-6)步继续执行，直到处理完全部图像；当所有图像处理完时，则执行下一步；

(7-12)、分别计算直角坐标系中横轴X和纵轴Y上的特征模板重心的最大偏移量：X_shift＝X_1max-X_1min，Y_shift＝Y_1max-Y_1min或X_shift＝X_2max-X_2min，Y_shift＝Y_2max-Y_2min；

(7-13)、根据标定参数和最大偏移量换算出被测量轨道梁晃动幅度值：X_length＝X_shift/(1/A)，Y_length＝Y_shift/(1/A)；

(8)、保存处理结果，打印报表；

(9)、等待人工指令是否需要继续测量下一轨道梁：当需要测量下一轨道梁晃动幅度时，则转到第3步继续执行；当不需要测量下一轨道梁晃动幅度时则进行下一步；

(10)、退出程序，结束测量。

本发明的优点是：

(1)、采用摄像机采集图像数据和图像处理技术等，实现了对跨座式单轨交通轨道梁晃动幅度的不接触自动测量，测量效率高，速度快，平均每一轨道梁只需2～3分钟就能完成测量，而现有人工测量轨道梁晃动幅度的方法则需30～50分钟才能完成测量。

(2)、测量人员均在车内操作，避免了高空作业，安全，方便。

(3)、测量准确，排除了人为因素的影响。

附图说明：

图1为测量轨道梁晃动幅度时激励车和图像数据采集车在轨道梁上的位置示意图。

图2为两相邻轨道梁端头指形板结合部的俯视图。

图3、图4、图5分别为在第1幅图像上截取制作特征模板图像区域为1个时建立的直角坐标系。

图6、图7、图8分别为在第1幅图像上截取制作特征模板图像区域为2个时建立的直角坐标系。

图9为测量轨道梁晃动幅度的主流程框图。

图10为图像处理和计算被测量轨道梁晃动幅度的子流程框图。

在图1至图8中：1为墩台，2为被测量轨道梁，3为激励车，4为摄像机，5为计算机，6为交流电源，7为跨座式单轨交通车辆，8为轨道梁，9为支座，10、11为指形板，12为螺栓，13为摄像机镜头的视场，14-1为选择被测量轨道梁一指指尖的侧面的矩形区域作为制作特征模板的图像块，14-2为选择被测量轨道梁一指的指根的矩形区域作为制作特征模板的图像块，14-3为选择被测量轨道梁一指尖的圆形区域作为制作特征模板的图像块，15-1、15-2分别为选择被测量轨道梁和与其相邻的轨道梁各一指指根的同侧侧面的矩形区域作为制作特征模板的图像块，15-3、15-4分别为选择被测量轨道梁和与其相邻的轨道梁一指指尖的矩形区域作为制作特征模板的图像块，15-5、15-6分别为选择被测量轨道梁和与其相邻的轨道梁指尖和指根的圆形区域作为制作特征模板的图像块，Z0、Z1、Z2、Z3分别为轨道梁的梁号。

具体实施方式：

实施例1：

本实施例测量精度为0.2mm，采用单模板，模板为矩形，选取单模板的情况忽略摄像机晃动的因素。在这种情况下，只需求出单模板在图像中相对于坐标原点的位移差即得出被测量轨道梁的晃动幅度值。图像分辨率采用640×512，帧率为100帧/秒，采用边缘检测算法进行特征模板的制作。

在图1中，测量轨道梁晃动幅度的设备包括激励车3和由跨座式单轨交通车7、数字摄像机4、计算机5和交流电源6组成的图像数据采集车。激励车3和跨座式单轨交通车7均为湘潭电机公司生产的Q2DGZ-1型车。摄像机4采用中国大恒(集团)有限公司北京图像视觉技术分公司生产的DH-HV1302型数字摄像头和日本COMPUTAR 8mm焦距镜头及USB2.0接口，计算机5采用PC机，CPU2.6GHz，内存1G，硬盘采用120G的存储空间，交流电源6为交流柴油发电机的电源，数字摄像机软件开发包为中国大恒(集团)有限公司北京图像视觉技术分公司提供的软件开发包，用于在程序中驱动并控制数字摄像机进行图像采集和传输，标定模板为深圳市科创时代电子有限公司的38型高精度标定模板，精度：±0.0015mm，标定所用的软件采用中国大恒(集团)有限公司北京图像视觉技术分公司提供的HVPerfApplication软件。

在图1、图2、图3、图9、图10中，具体测量轨道梁的步骤及技术要求为：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离轨道梁上表面的垂直距离：已知测量精度A为0.2mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.2)×100＝500，固定数字摄像机镜头与该轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该轨道梁上表面的垂直距离为230mm；

(2)、将激励车开到被测量轨道梁Z1上并停车，图像数据采集车开到被测量轨道梁Z1相邻的轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板10、11，两指形板的各1个指处于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为0.5m；

(3)、输入被测量轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以100帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号轨道梁共采集839幅序列图像；

(6)、将已采集到的839幅序列图像逐一进行处理，并计算Z1号轨道梁的晃动幅度：

(6-1)、显示已采集到的839幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量轨道梁上行驶方向为横轴X，以垂直于被测量轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位。该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取1个制作特征模板的图像块，该图像块为矩形且位于被测量轨道梁端头的指形板指头上，使指头有长18mm的弧形边缘位于该图像块内，该段边缘对应计算机位图上像素点个数为18×1/A＝90，该图像块横轴坐标为82～232，纵轴坐标为184～239，该图像块面积大小为150×55；

(6-3)、将该图像块用边缘检测算子提取图像边缘制作特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标值，x为82～232，y为184～239；

(6-4)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：重心坐标的公式为：X₁＝∑X′/n′，Y₁＝∑y′/n′，其中，∑X′为特征模板中各点的横轴X坐标之和，∑Y′为特征模板中各点的纵轴Y坐标之和，n′为特征模板中像素点的数量，此时，n′＝8250，X₁＝150.5，Y₁＝209.8，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝150.5，X_1min＝X₁＝150.5，Y_1max＝Y₁＝209.8，Y_1min＝Y₁＝209.8；

(6-5)、自动确定已采集到的第1幅到第839幅图像的搜索区域：将第1幅图像上截取制作特征模板图像块按纵、横轴四个方向分别增加4×1/A＝20和2×1/A＝10个像素扩大，确定出搜索区域的横坐标为72～242，纵坐标为164～259，搜索区域面积为170×95，对第2幅图像到第839幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第839幅图像依次进行处理：将每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到对应的目标搜索区域，卷积运算的数学表达式为： $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的搜索区域内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的目标搜索区域内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为每幅图像搜索区域内任一点的坐标值，x为72～242，y为164～259；

(6-7)、对第1幅图像到第839幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，i为72～242，j为164～259，T(m，n)为特征模板，为一个M×N的矩阵，矩阵的元素为各点的像素值，M、N为模板T的行、列的像素个数，M为150，N为55。计算特征模板在目标搜索区域内的最大相关度值及当相关度值最大时，特征模板重心在坐标系中的坐标值： $X_1^1=150.1,$ $Y_1^1=209.8;$

(6-8)、判断第1幅图像到第839幅图像是否搜索成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第839幅图像：当第1幅图像到第839幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…839：

$X_1^1=150.5,$ $Y_1^1=209.8,$ $X_1^2=150.7,$ $Y_1^2=209.7,$ $x_1^3=150.6,$ $Y_1^3=210.0......$

$X_1^{420}=150.8,$ $Y_1^{420}=208.7,$ $X_1^{420}=150.9,$ $Y_1^{421}=210.2......$

$X_1^{838}=148.7,$ $Y_1^{838}=205.8,$ $X_1^{839}=151.1,$ $Y_1^{839}=205.9$

(6-10)、对第1幅图像到第839幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值：当 $X_1^p{>X}_{1\max },$ 则 $X_{1\max }=X_1^p;$ 当 $X_1^p{\&le;X}_{1\max },$ 则X_1max＝X_1max当 $X_1^p{<X}_{1\min },$ 则 $X_{1\min }=X_1^p;$ 当 $X_1^p{\&GreaterEqual;X}_{1\min },$ 则X_1min＝X_1min；当 $Y_1^p>Y_{1\max },$ 则 $Y_{1\max }=Y_1^p;$ 当 $Y_1^p\&le;Y_{1\max },$ 则Y_1max＝Y_1max；当 $Y_1^p<Y_{1\min },$ 则 $Y_{1\min }=Y_1^p;$ 当 $Y_1^p\&GreaterEqual;Y_{1\min },$ 则Y_1min＝Y_1min，以下为第1幅图像到第839幅图像的最大、最小坐标值的比较情况：

第1幅图像： $X_{1\max }=X_{1\min }=X_1^1=150.5,$ $Y_{1\max }=Y_{1\min }{Y}_1^1=209.8$

第2副图像： $X_1^2=150.7{>X}_{1\max }=150.5,$ 则 $X_{1\max }=X_1^2=150.7;$ $X_1^2=150.7>X_{1\min }=150.5,$ 则X_1min＝150.5； $Y_1^2=209.7<Y_{1\max }=209.8,$ 则Y_1max＝209.8； $Y_1^2=209.7{<Y}_{1\min }=209.8,$ 则 $Y_{1\min }=Y_1^2=209.7$

第3幅图像： $X_1^3=150.6{<X}_{1\max }=150.7,$ 则X_1max＝150.7； $X_1^3=150.6{>X}_{1\min }=150.6,$ 则X_1min＝150.5； $Y_1^3=210.0{>Y}_{1\max }=209.8,$ 则 $Y_{1\max }=Y_1^3=210.0;$ $Y_1^3=210.0{>Y}_{1\min }=209.7,$ 则Y_1min＝209.7，

……

第420幅图像： $X_1^{420}=X_{1\max }=150.8,$ 则X_1max＝150.8； $X_1^{420}=150.8>X_{1\min }=150.2,$ 则X_1min＝150.2； $Y_1^{420}=208.7<Y_{1\max }=210.1,$ 则Y_1max＝210.1； $Y_1^{420}=208.7<Y_{1\min }=208.9,$ 则 $Y_{1\min }=Y_1^{420}=208.7$

第421幅图像： $X_1^{421}=150.9>X_{1\max }=150.8,$ 则 $X_{1\max }=X_1^{421}=150.9;$ $X_1^{421}=150.9{>X}_{1\min }=150.2,$ 则X_1min＝150.2； $Y_1^{421}=210.2{>Y}_{1\max }=210.1,$ 则 $Y_{1\max }=Y_1^{421}=210.2;$ $Y_1^{421}=210.2{>Y}_{1\min }=208.7,$ 则Y_1min＝208.7

……

第838幅图像： $X_1^{838}=148.7<X_{1\max }=150.9,$ 则X_1max＝150.9； $X_1^{838}=148.7{<X}_{1\min }=148.9,$ 则 $X_{1\min }=X_1^{838}=148.7;$ $Y_1^{838}=205.8{<Y}_{1\max }=211.5,$ 则Y_1max＝211.5； $Y_1^{838}=205.8>Y_{1\min }=203.9,$ 则Y_1min＝203.9，

第839幅图像： $X_1^{839}=151.1>X_{1\max }=150.9,$ 则 $X_{1\max }=X_1^{839}=151.1;$ $X_1^{839}=151.1{>X}_{1\min }=148.7,$ 则X_1min＝148.7； $Y_1^{839}=205.9{<Y}_{1\max }=211.5,$ 则Y_1max＝211.5； $Y_1^{839}=205.9>Y_{1\min }=203.9,$ 则Y_1min＝203.9，

(6-11)、判断是否已处理完采集到的839幅图像，当没处理完时，读取下一幅图像，并转到第(6-6)步继续进行下一幅图像的处理；当完成839幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝151.1，X_1min＝148.7，Y_1max＝211.5，Y_1min＝203.9，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝151.1-148.7＝2.4，Y_shift＝Y_1max-Y_1min＝211.5-203.9＝7.6，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

其余步骤及技术要求与技术方案相同。

实施例2：

在图1中，所用设备与实施例1完全相同。本实施例测量精度为0.2mm，采用单模板，模板为矩形，图像分辨率采用640×512，帧率为100帧/秒，采用边缘检测算法进行特征模板的制作。

在图1、图2、图4、图9、图10中，具体实施步骤和技术要求与实施例1相比，相同步骤及技术要求不在此重复叙述，其不同技术要求如下：

(1)激励车驶离被测轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号轨道梁共采集789幅图像；

(2)、将已采集到的789幅序列图像逐一进行处理，并计算Z1号轨道梁的晃动幅度：

(2-1)、用计算机鼠标在第1幅图像上截取1个制作特征模板图像块，该图像块为矩形且位于被测量轨道梁端头的指形板指根上，使该指根上有长19mm的弧形边缘位于该图像块内，该段边缘对应计算机位图上像素点个数为19×1/A＝95，该图像块横轴坐标为455～555，纵轴坐标为223～248，该图像块大小为100×25；

(2-2)、将该图像块用边缘检测算子提取图像边缘制作特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标值，x为455～555，y为223～248；

(2-3)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：n′＝100×25＝2500，X₁＝500.5，Y₁＝239.8，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝500.5，X_1min＝X₁＝500.5，Y_1max＝Y₁＝239.8，Y_1min＝Y₁＝239.8；

(2-4)、自动确定已采集到的第1幅到第789幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按纵、横轴四个方向分别扩大，各增加3×1/A＝15和1×1/A＝5个像素，确定出搜索区域的横坐标为450～560，纵坐标为208～263，搜索区域面积为110×55，对第2幅图像到第789幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(2-5)、对已采集并存储的第1幅图像到第789幅图像依次进行处理：将每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到对应的目标搜索区域，x为450～560，y为208～263；

(2-6)、对第1幅图像到第789幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，i为450～560，j为208～263，M为100，N为25；

(2-7)、对第1幅图像到第789幅图像：当第1幅图像到第789幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…789：

$X_1^1=500.5,$ $Y_1^1=239.8,$ $X_1^2=500.7,$ $Y_1^2=239.7,$ $X_1^3=500.6,$ $Y_1^3=240.0......$

$X_1^{420}=500.8,$ $Y_1^{420}=238.7,$ $X_1^{421}=500.9,$ $Y_1^{421}=240.2......$

$X_1^{788}=498.7,$ $Y_1^{788}=235.8,$ $X_1^{789}=501.1,$ $Y_1^{789}=245.9$

(2-8)、对第1幅图像到第789幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值，p＝1，2，3…789；

(2-9)、当完成789幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝501.1，X_1min＝498.7，Y_1max＝241.5，Y_1min＝233.9，继续下一步；

(2-10)、分别计算直角坐标系中横轴X、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝501.1-498.7＝2.4，Y_shift＝Y_1max-Y_1min＝241.5-233.9＝7.6；

(2-11)、根据标定参数和最大偏移量换算出Z1号轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

实施例3：

在图1中，所用设备与实施例1完全相同。本实施例测量精度为0.2mm，采用单模板，模板为圆形，图像分辨率采用640×512，帧率为100帧/秒，采用微分法提取图像边缘进行特征模板的制作。

在图1、图2、图5、图9、图10中，具体实施步骤和技术要求与技术方案相比，相同步骤及技术要求不在此重复叙述，不同技术要求如下：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离轨道梁上表面的垂直距离：已知测量精度A为0.2mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.2)×100＝500，固定数字摄像机镜头与该轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该轨道梁上表面的垂直距离为230mm；

(2)、将激励车开到被测量轨道梁Z1上并停车，图像数据采集车开到被测量轨道梁Z1相邻的轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板10、11，两指形板的各1个指处于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为0.6m；

(3)、输入被测量轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以100帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)激励车驶离被测轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号轨道梁共采集877幅图像；

(6)、将已采集到的877幅序列图像逐一进行处理，并计算Z1号轨道梁的晃动幅度：

(6-1)、显示已采集到的877幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量轨道梁上行驶方向为横轴X，以垂直于被测量轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位。该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取1个制作特征模板图像块，该图像块为圆形且位于被测量轨道梁端头的指形板指头上，使该指头上有长10.8mm的弧形边缘位于该图像块内，对应计算机位图上像素点个数为10.8×1/A＝54，该图像块半径为59，圆心的横轴坐标为282，纵轴坐标为176，该图像块面积大小为3.14×59×59＝10930；

(6-3)、将该图像块用微分法提取图像边缘制作特征模板并存储，用微分法提取图像边缘的表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的特征模板内坐标为x、y处的像素值，x、y分别为图像块或特征模板内任一点的坐标值，x、y的取值范围是半径为59，圆心的横轴坐标为282，纵轴坐标为176的圆形图像块内；

(6-4)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：重心坐标的公式为：X₁＝∑X′/n′，Y₁＝∑Y′/n′，此时，n′＝10930，X₁＝282，Y₁＝176，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝282，X_1min＝X₁＝282，Y_1max＝Y₁＝176，Y_1min＝Y₁＝176；

(6-5)、自动确定已采集到的第1幅到第877幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按半径增加5×1/A＝25个像素扩大，确定出搜索区域为半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形范围，对第2幅图像到第877幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第877幅图像依次进行处理：将每一幅图像的搜索区域分别用微分法进行运算后得到对应的目标搜索区域，微分运算的数学表达式为g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前搜索区域内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的目标搜索区域内坐标为x、y处的像素值，x、y分别为每幅图像搜索区域内任一点的坐标值，x、y的取值范围是半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形区域；

(6-7)、对第1幅图像到第877幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形区域，M、N的取值范围为半径84的圆；

(6-8)、判断第1幅图像到第877幅图像是否搜索成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第877幅图像：当第1幅图像到第877幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…877：

(6-10)、对第1幅图像到第877幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值；

(6-11)、当完成877幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝283.5，X_1min＝281.1，Y_1max＝180.4，Y_1min＝172.8，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝283.5-281.1＝2.4，Y_shift＝Y_1max-Y_1min＝180.4-172.8＝7.6，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

实施例4：

本实施例测量精度为0.1mm，采用双模板，模板为矩形，在被测量轨道梁的指形板和与其相邻的轨道梁指形板上分别选取模板，求出这两个模板的最大坐标差值即得出被测量轨道梁的晃动幅度值，图像分辨率采用1280×1024，帧率为25帧/秒，采用边缘检测算法进行特征模板的制作。

在图1中，测量轨道梁晃动幅度的设备包括激励车3，由跨座式单轨交通车7、数字摄像机4、计算机5和交流电源6组成图像数据采集车。激励车3和跨座式单轨交通车7均为湘潭电机公司生产的Q2DGZ-1型车。摄像机4采用中国大恒(集团)有限公司北京图像视觉技术分公司提供的BASLER A100数字摄像机和日本COMPUTAR 8mm焦距镜头及USB2.0接口，图像采集卡采用该公司的Video-PCI-H图像采集卡。计算机5采用PC机，CPU2.6GHz，内存1G，硬盘采用120G的存储空间，交流电源6为交流柴油发电机的电源，数字摄像机软件开发包为数字摄像机生产厂商提供的软件开发包，用于在程序中驱动并控制数字摄像机进行图像采集和传输，标定模板为深圳市科创时代电子有限公司的38型高精度标定模板，精度：±0.0015mm，标定所用的软件采用中国大恒(集团)有限公司北京图像视觉技术分公司提供的HVPerf Application软件。

在图1、图2、图6、图9、图10中，具体实施步骤如下：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离轨道梁上表面的垂直距离：已知测量精度A为0.1mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.1)×100＝1000，固定数字摄像机镜头与该轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该轨道梁上表面的垂直距离为155mm；

(2)、将激励车开到被测量轨道梁Z1上，图像数据采集车开到被测量轨道梁Z1相邻的轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(3)、输入被测量轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号轨道梁共采集265幅序列图像；

(6)、将已采集到的265幅序列图像进行处理，并计算Z1号轨道梁的晃动幅度：

(6-1)、显示已采集到的265幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量轨道梁上行驶方向为横轴X，以垂直于被测量轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位。该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板的图像块，两个图像块都为矩形且分别位于被测量轨道梁端头和与被测量轨道梁相邻的轨道梁端头的两指形板指根上，使两指的指根有长分别为18mm、16mm的弧形边缘位于该图像块内，两段边缘对应计算机位图上像素点个数分别为18×1/A＝180、16×1/A＝160个，对一个图像块，横轴坐标为118～305，纵轴坐标为345～429；对另一个图像块，横轴坐标为825～909，纵轴坐标为772～856；

(6-3)、将上述每一图像块用同一边缘检测算子提取图像边缘作为特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标，对一个图像块，x为118～305，y为345～429；对另一个图像块，x为825～909，y为772～856；

(6-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，重心坐标差值的公式为X₂＝∑X″/n″-∑X_/n_，Y₂＝∑Y″/n″-∑Y_/n_其中，∑X″、∑X_各为特征模板中各点的横轴X坐标之和，∑Y″、∑Y_各为特征模板中各点的纵轴Y坐标之和，n″、n_各为特征模板中像素点的数量，此时n″＝15708，n_＝7056，X₂＝867.5-261.5＝606，Y₂＝814-387＝427，并将计算得到的坐标差值作为最大、最小坐标差值：X_2max＝X₂＝606，X_2min＝X₂＝606，Y_2max＝Y₂＝427，Y_2min＝Y₂＝427；

(6-5)、自动确定已采集到的第1幅到第265幅图像的搜索区域：将第1幅图像上截取两个制作特征模板的图像块按纵、横轴四个方向分别增加4×1/A＝40和2×1/A＝20个像素扩大。确定出一个搜索区域的横坐标为98～325，纵坐标为305～469；另一个搜索区域的横坐标为805～929，纵坐标为732～896，对第2幅图像到第265幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第265幅图像依次进行处理：

每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到每幅图像的搜索区域对应的目标搜索区域，提取边缘运算的数学表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的搜索区域内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的目标搜索区域内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为每幅图像搜索区域内任一点的坐标值，一个搜索区域中：x为98～325，y为305～469；另一个搜索区域中：x为805～929，y为732～896；

(6-7)、对第1幅图像到第265幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围。对一个特征模板，i为98～325，j为305～469；对另一个特征模板，i为805～929，j为732～896，对一个特征模板：M为227，N为164；对另一个特征模板：M为124，N为164。计算这两个特征模板在目标搜索区域上的最大相关度值及当相关度值都为最大时，特征模板重心在坐标系中对应的坐标值差值；

(6-8)、判断第1幅图像到第265幅图像是否搜索成功：所有最大相关度值均为0.9～1，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第265幅图像：当第1幅图像到第265幅图像搜索匹配时，得出两特征模板的重心在对应各幅目标图像中匹配处的坐标差值X₂ ^p、Y₂ ^p，p为图像序列数，p＝1，2，3…265：

$X_2^1=606,$ $Y_2^1=427,$ $X_2^2=605.8,$ $Y_2^2=427.3......$

$X_2^{264}=607.8,$ $Y_2^{264}=434.9,$ $X_2^{265}=605.7,$ $Y_2^{265}=435.2$

(6-10)、对第1幅图像到第265幅图像：将X₂ ^p、Y₂ ^p和X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标差值，以下为第1幅图像到第265幅图像的最大、最小坐标差值的比较情况：

第1幅图像： $X_{2\max }=X_{2\min }=X_2^1=606,$ $Y_{2\max }=Y_{2\min }=Y_2^1=427$

第2幅图像： $X_2^2=605.8{<X}_{2\max }=606,$ 则X_2max＝606； $X_2^2=605.8{<X}_{2\min }=606,$ 则 $X_{2\min }=X_2^2=605.8;$ $Y_2^2=427.3{>Y}_{2\max }=427,$ 则 $Y_{2\max }=Y_2^2=427.3;$ $Y_2^2=427.3{>Y}_{2\min }=427,$ 则Y_2min＝427

……

第264幅图像： $X_2^{264}=607.8<X_{2\max }=609,$ 则X_2max＝609； $X_2^{264}=607.8{>X}_{2\min }=604.2,$ 则X_2min＝604.2； $Y_2^{264}=434.9>Y_{2\max }=435.1,$ 则 $Y_{2\max }=Y_2^{264}=434.9;$ $Y_2^{264}=434.9{<Y}_{2\min }=420,$ 则Y_2min＝420

第265幅图像： $X_2^{265}=605.7<X_{2\max }=609,$ 则X_2max＝609； $X_2^{265}=605.7>X_{2\min }=604.2,$ 则X_2min＝604.2； $Y_2^{265}=435.2>Y_{2\max }=435.1,$ 则Y_2max＝435.2； $Y_2^{265}=435.2>Y_{2\min }=420,$ 则Y_2min＝420

(6-11)、判断是否已处理完采集到的265幅图像，当没处理完时，读取下一幅图像，并转到第(6-6)步继续进行下一幅图像的处理；当完成265幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝609，X_2min＝604.2，Y_2max＝435.2，Y_2min＝420，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝609-604.2＝4.8，Y_shift＝Y_2max-Y_2min＝435.2-420＝15.2，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号轨道梁晃动幅度值：X_length＝X_shift/10＝4.8/10＝0.48mm，Y_length＝Y_shift/10＝15.2/10＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

(7)、等待人工指令，得到停止测量的指令，执行下一步；

其余步骤与技术要求与技术方案中相应步骤及技术要求相同。

实施例5：

在图1中，所用设备与实施例4完全相同。本实施例测量精度为0.1mm，采用双模板，模板为矩形，图像分辨率采用1280×1024，帧率为25帧/秒，采用边缘检测算法进行特征模板的制作。

具体实施步骤和技术要求与实施例4相比，相同步骤及技术要求不在此重复叙述，不同技术要求如下：

在图1、图2、图7、图9、图10中，具体实施步骤如下：

(1)、将激励车开到被测量轨道梁Z2上，图像数据采集车开到被测量轨道梁Z2相邻的轨道梁Z1上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(2)、输入被测量轨道梁的梁号：Z2；

(3)、启动激励车并驶过被测量轨道梁Z2，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(4)、激励车驶离该被测量轨道梁后停车，数字摄像机同步停止采集序列图像，Z2号轨道梁共采集301幅序列图像；

(5)、把已采集到的序列图像进行处理，并计算Z2号轨道梁的晃动幅度：

(5-1)、显示已采集到的301幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系；

(5-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板图像块，两个图像块都为矩形且分别位于被测量轨道梁端头和与被测量轨道梁相邻的轨道梁端头的两指形板指头上，使两指的指头有长分别为15mm、19mm的弧形边缘位于该图像块内，两段边缘对应计算机位图上像素点个数分别为15×1/A＝150、19×1/A＝190，对一个图像块，横轴坐标为730～841，纵坐标为155～369，对另一个图像块，横坐标为325～409，纵坐标为672～756；

(5-3)、将上述每一图像块用边缘检测算子提取对应子图像边缘作为特征模板并存储，对一个图像块，x为730～841，y为155～369；对另一个图像块，x为325～409，y为672～756；

(5-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，在重心坐标差值公式中，n″＝23754，n_＝7056，X₂＝367-785.5＝-418.5，Y₂＝714.0-262.0＝452.0；

(5-5)、自动确定已采集到的第1幅到第301幅图像的搜索区域：将第1幅图像上截取两个制作特征模板的图像块按纵、横轴方向分别增加3×1/A＝30和1×1/A＝10个像素扩大，确定出一个搜索区域的横坐标为720～831，纵坐标为125～399；另一个搜索区域的横坐标为315～419，纵坐标为642～786，对第2幅图像到第301幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(5-6)、对已采集并存储的第1幅图像到第301幅图像依次进行处理：

每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像特征的方法进行处理，得到每幅图像的搜索区域对应的目标搜索区域，x、y分别为每幅图像搜索区域内任一点的坐标值，一个搜索区域：x为720～831，y为125～399；另一个搜索区域：x为315～419、y为642～786；

(5-7)、对第1幅图像到第301幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，对一个特征模板，i为720～831，j为125～399；对另一个特征模板，i为315～419，j为642～786，对一个特征模板，M为111，N为274；对另一个特征模板，M为104，N为144。

(5-8)、判断第1幅图像到第301幅图像是否搜索成功：第20、21、22幅图像的最大相关度值小于0.9，转到第(5-2)步，调整位置，重新选取制作特征模板的图像区域，直到所有最大相关度值都为0.9～1，搜索匹配成功，继续下一步；

(5-9)、判断是否已处理完采集到的301幅图像，当完成301幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝-415.5，X_2mia＝-422.7，Y_2max＝464.0，Y_2min＝438.2，继续下一步；

(5-10)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝-415.5-(-422.7)＝7.2，Y_shift＝Y_2max-Y_2min＝464.0-438.2＝25.8，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(5-11)、根据标定参数和最大偏移量换算出Z2号轨道梁晃动幅度值：X_length＝X_shift/10＝7.2/10＝0.72mm，Y_length＝Y_shift/10＝25.8/10＝2.58mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

实施例6：

在图1中，所用设备与实施例4完全相同。本实施例测量精度为0.1mm，采用双模板，模板为圆形，图像分辨率采用1280×1024，帧率为25帧/秒，采用微分法提取图像边缘进行特征模板的制作。

具体实施步骤和技术要求与技术方案相比，相同步骤及技术要求不在此重复叙述，不同技术要求如下：

在图1、图2、图8、图9、图10中，具体实施步骤如下：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离轨道梁上表面的垂直距离：已知测量精度A为0.1mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.1)×100＝1000，固定数字摄像机镜头与该轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该轨道梁上表面的垂直距离为155mm；

(2)、将激励车开到被测量轨道梁Z2上，图像数据采集车开到被测量轨道梁Z2相邻的轨道梁Z1上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(3)、输入被测量轨道梁的梁号：Z2；

(4)、启动激励车并驶过被测量轨道梁Z2，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量轨道梁后停车，数字摄像机同步停止采集序列图像，Z2号轨道梁共采集238幅序列图像；

(6)、把已采集到的序列图像进行处理，并计算Z2号轨道梁的晃动幅度：

(6-1)、显示已采集到的265幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量轨道梁上行驶方向为横轴X，以垂直于被测量轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位。该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板图像块，两个图像块都为圆形且分别位于被测量轨道梁端头和与被测量轨道梁相邻的轨道梁端头的两指形板指头和指根上，使两指有长分别为17mm、13mm的弧形边缘位于该图像块内，对应计算机位图上像素点个数分别为17×1/A＝170、13×1/A＝130，一个图像块的半径为98，圆心横轴坐标为821，纵轴坐标为276，另一个图像块的半径为88，圆心横轴坐标为1061，纵轴坐标为865；

(6-3)、将上述两图像块用微分法提取图像边缘作为特征模板并存储，微分法提取图像边缘的表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的特征模板内坐标为x、y处的像素值，x、y分别为图像块或特征模板内任一点的坐标值，对一个图像块：x、y的取值范围是半径为98，圆心横轴坐标为821，纵轴坐标为276的圆内，对另一个图像块：x、y的取值范围是半径为88，圆心横轴坐标为1061，纵轴坐标为865的圆内；

(6-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，即圆心坐标差值，X₂＝1061-821＝240，Y₂＝865-276＝589，并将计算得到的坐标差值作为最大、最小坐标差值：X_2max＝X₂，X_2min＝X₂，Y_2max＝Y₂，Y_2min＝Y₂；

(6-5)、自动确定已采集到的第1幅到第238幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按半径增加5×1/A＝50个像素扩大，确定出一个搜索区域的半径为148，另一个搜索区域的半径为138，对第2幅图像到第238幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第238幅图像依次进行处理：

每一幅图像的搜索区域分别用微分法进行运算后得到对应的目标搜索区域，微分运算的数学表达式表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前搜索区域内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的目标搜索区域内坐标为x、y处的像素值，x、y分别为每幅图像搜索区域内任一点的坐标值，对一个搜索区域：x、y的取值范围是半径为148，圆心横轴坐标为821，纵轴坐标为276的圆形区域，对另一个搜索区域：x、y的取值范围是半径为138，圆心横轴坐标为1061，纵轴坐标为865的圆形区域；

(6-7)、对第1幅图像到第238幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围分别为目标搜索区域的范围；

(6-8)、判断第1幅图像到第238幅图像是否搜索成功：所有最大相关度值均为0.9～1，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第238幅图像：当第1幅图像到第238幅图像搜索匹配时，得出两特征模板的重心在对应各幅目标图像中匹配处的坐标差值X₂ ^p、Y₂ ^p，p为图像序列数，p＝1，2，3…238：

(6-10)、对第1幅图像到第238幅图像：将X₂ ^p、Y₂ ^p和X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标差值；

(6-11)、判断是否已处理完采集到的238幅图像，当完成238幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝244.2，X_2min＝237，Y_2max＝595.8，Y_2min＝570，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝244.2-237＝7.2，Y_shift＝Y_2max-Y_2min＝595.8-570＝25.8，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z2号轨道梁晃动幅度值：X_length＝X_shift/10＝7.2/10＝0.72mm，Y_length＝Y_shift/10＝25.8/10＝2.58mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

用计算机鼠标可在采集到的任意一幅图像上截取制作特征模板的图像块，不限于在第1幅图像上用计算机鼠标截取制作特征模板的图像块。

Claims (7)

1.一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下步骤顺序进行：

(1)、测量前的准备工作：

(1-1)、在跨座式单轨交通轨道梁上各置一辆激励车和图像数据采集车，使图像数据采集车位于激励车之后；

(1-2)、标定摄像机并调整摄像机镜头距离跨座式单轨交通轨道梁上表面的垂直距离：已知测量精度A为0.1mm～0.2mm，启动计算机，打开摄像机，将标定模板平放在该跨座式单轨交通轨道梁上表面上，使摄像机镜头正对标定模板，调整摄像机焦距，使标定模板上的网格清晰显示在计算机屏幕上，在标定模板上任意取两点，人工读取该两点间的距离，并利用标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，用像素点坐标差值除以上述人工读取的距离，得到标定模板上实际单位长度对应计算机中位图图像上的像素个数，反复调整摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和摄像机焦距并计算，使标定模板上每1mm的长度对应计算机中位图图像上1/A个像素，固定摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和镜头焦距，摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离为100～400mm；

(2)、程序初始化；

(3)、将激励车与图像数据采集车开到测量位置并停车，激励车停在被测量跨座式单轨交通轨道梁上，图像数据采集车停在与被测量跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁上，使图像数据采集车上的摄像机镜头正对被测量跨座式单轨交通轨道梁和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两个指形板，且两指形板各有1至2个指处于摄像机镜头的视场内；激励车与摄像机镜头之间的水平间距应为0.5～1m；

(4)、输入被测量跨座式单轨交通轨道梁的梁号：

(5)、启动激励车并驶过被测量跨座式单轨交通轨道梁，同步采集和存储各幅图像：摄像机在激励车启动同时开始以20～100帧/秒的帧率逐帧采集序列图像，并输入计算机，由计算机对该序列图像中的每一幅图像按采集图像的时间先后顺序编序列号并存储；

(6)、激励车驶离该被测量跨座式单轨交通轨道梁后停车，摄像机同步停止采集序列图像；

(7)、将已采集到的序列图像进行处理，并计算被测量跨座式单轨交通轨道梁的晃动幅度：

(7-1)、显示已采集到的序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量跨座式单轨交通轨道梁上行驶方向为X轴，以垂直于被测量跨座式单轨交通轨道梁的方向为Y轴，该直角坐标系的坐标原点在第1幅图像的右下角，该直角坐标系一旦建立，该序列图像中包括第1幅图像在内的各幅图像的像素点位置计算均以该直角坐标系为准，不另建直角坐标系；

(7-2)、用计算机鼠标在第1幅图像上截取制作特征模板的图像块为1～2个，当在第1幅图像上截取制作特征模板的图像块为1个时，该图像块位于被测量跨座式单轨交通轨道梁端头的指形板上，使该指形板中的一指上有长10～20mm的弧形边缘位于该图像块内，且该边缘对应计算机位图上像素点个数为(10～20)×1/A；当在第1幅图像上截取制作特征模板的图像块为2个时，这两个图像块分别位于被测量跨座式单轨交通轨道梁端头和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的指形板上，使这两指形板中各有一指上长为10～20mm的弧形边缘在对应的图像块内，且每一边缘对应计算机位图上像素个数为(10～20)×1/A；

(7-3)、对截取制作特征模板的图像块用微分法提取图像边缘或边缘检测算子提取图像边缘的方法制作特征模板并存储；

(7-4)、计算截取处特征模板的重心在直角坐标系中对应的坐标值或坐标差值X_k、Y_k，k为特征模板的个数，k＝1～2：当特征模板为1个时，计算重心坐标值的公式为：X₁＝∑X′/n′，Y₁＝∑Y′/n′，其中，∑X′为特征模板中各点的横轴X坐标之和，∑Y′为特征模板中各点的纵轴Y坐标之和，n′为特征模板中像素点的数量；当特征模板为2个时，计算特征模板的重心坐标差值的公式为：X₂＝∑X″/n″-∑X_/n_，Y₂＝∑Y″/n″-∑Y_/n_其中，∑X″、∑X_各为特征模板中各点的横轴X坐标之和，∑Y″、∑Y_各为特征模板中各点的纵轴Y坐标之和，n″、n_各为特征模板中像素点的数量；并将计算得到的坐标值或坐标差值作为最大、最小坐标值或坐标差值：X_1max＝X₁，X_1min＝X₁，Y_1max＝Y₁，Y_1min＝Y₁或X_2max＝X₂，X_2min＝X₂，Y_2max＝Y₂，Y_2min＝Y₂；

(7-5)、自动确定已采集到的第1幅到最后一幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块扩大：当图像块为方形时，按纵、横轴四个方向分别各增加(3～5)×1/A和(1～3)×1/A个像素，确定出搜索区域；当图像块为圆形时，其半径增加(3～5)×1/A个像素，确定出搜索区域，对第2幅图像到最后一幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(7-6)、对已采集并存储的第1幅图像到最后一幅图像依次进行处理：把每一幅图像的搜索区域分别用制作特征模板所采用的微分法提取图像边缘或边缘检测算子提取图像边缘的方法进行处理，得到每幅图像搜索区域对应的目标搜索区域；

(7-7)、对第1幅图像到最后一幅图像：采用相关函数的模板匹配方法依次在处理后的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式：

$R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域内搜索时，特征模板所对应的子图，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，T(m，n)为特征模板，M、N为模板T的行、列的像素个数，计算出的相关度值R(i，j)，计算特征模板在对应目标搜索区域上的最大相关度值及当相关度值最大时，特征模板重心在坐标系中对应的坐标值或坐标差值；

(7-8)、判断第1幅图像到最后一幅图像是否搜索匹配成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；当最大相关度值大于等于0而小于0.9时，搜索匹配失败，转到(7-2)继续执行，直到搜索匹配成功，执行下一步；

(7-9)、对第1幅图像到最后一幅图像：确定匹配处特征模板的重心在直角坐标系中的坐标值或坐标差值X_k ^p、Y_k ^p，p为图像序列数，p＝1，2，3…最后一幅图像数，k代表特征模板个数，当k＝1时，X₁ ^p、Y₁ ^p为坐标值；当k＝2时，X₂ ^p、Y₂ ^p为坐标差值；

(7-10)、对第1幅图像到最后一幅图像，分别将X_k ^p、Y_k ^p和X_1min、X_1max、Y_1min、Y_1max或X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标值或最大、最小坐标差值：当 $X_k^p{>X}_{1\max }$ 或X_2max，则X_1max或 $X_{2\max }=X_k^p;$ 当 $X_k^p{\&le;X}_{1\max }$ 或X_2max，则X_1max或X_2max＝X_1max或X_2max；当 $X_k^p{<X}_{1\min }$ 或X_2min，则X_1min或 $X_{2\min }=X_k^p;$ $X_k^p\&GreaterEqual;X_{1\min }$ 或X_2min，则X_1min或X_2min＝X_1min或X_2min；当 $Y_k^p{>Y}_{1\max }$ 或Y_2max，则Y_1max或 $Y_{2\max }=Y_k^p;$ 当 $Y_k^p{\&le;Y}_{1\max }$ 或Y_2max，则Y_1max或Y_2max＝Y_1max或Y_2max；当 $Y_k^p{<Y}_{1\min }$ 或Y_2min，则Y_1min或 $Y_{2\min }=Y_k^p;$ 当 $Y_k^p{\&GreaterEqual;Y}_{1\min }$ 或Y_2min，则Y_1min或Y_2min＝Y_1min或Y_2min；

(7-11)、判断是否已处理完采集到的所有图像：当没处理完所有图像时，读取下一幅图像，并转到第(7-6)步继续执行，直到处理完全部图像；当所有图像处理完时，则执行下一步；

(7-12)、分别计算直角坐标系中横轴X和纵轴Y上的特征模板重心的最大偏移量：X_shift＝X_1max-X_1min，Y_shift＝Y_1max-Y_1min或X_shift＝X_2max-X_2min，Y_shift＝Y_2max-Y_2min；

(7-13)、根据标定参数和最大偏移量换算出被测量跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/(1/A)，Y_length＝Y_shift/(1/A)：

(8)、保存处理结果，打印报表；

(9)、等待人工指令是否需要继续测量下一跨座式单轨交通轨道梁：当需要测量下一跨座式单轨交通轨道梁晃动幅度时，则转到第3步继续执行；当不需要测量下一跨座式单轨交通轨道梁晃动幅度时则进行下一步；

(10)、退出程序，结束测量。

2.根据权利要求1所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离跨座式单轨交通轨道梁上表面的垂直距离：已知测量精度A为0.2mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该跨座式单轨交通轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.2)×100＝500，固定数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离为230mm；

(2)、将激励车开到被测量跨座式单轨交通轨道梁Z1上并停车，图像数据采集车开到被测量跨座式单轨交通轨道梁Z1相邻的跨座式单轨交通轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量跨座式单轨交通轨道梁和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板(10)、(11)，两指形板的各1个指处于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为0.5m；

(3)、输入被测量跨座式单轨交通轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量跨座式单轨交通轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以100帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量跨座式单轨交通轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号跨座式单轨交通轨道梁共采集839幅序列图像；

(6)、将已采集到的839幅序列图像逐一进行处理，并计算Z1号跨座式单轨交通轨道梁的晃动幅度：

(6-1)、显示已采集到的839幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量跨座式单轨交通轨道梁上行驶方向为横轴X，以垂直于被测量跨座式单轨交通轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位，该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取1个制作特征模板的图像块，该图像块为矩形且位于被测量跨座式单轨交通轨道梁端头的指形板指头上，使指头有长18mm的弧形边缘位于该图像块内，该段边缘对应计算机位图上像素点个数为18×1/A＝90，该图像块横轴坐标为82～232，纵轴坐标为184～239，该图像块面积大小为150×55；

(6-3)、将该图像块用边缘检测算子提取图像边缘制作特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像索个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标值，x为82～232，y为184～239；

(6-4)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：重心坐标的公式为：X₁＝∑X′/n′，Y₁＝∑Y′/n′，其中，∑X′为特征模板中各点的横轴X坐标之和，∑Y′为特征模板中各点的纵轴Y坐标之和，n′为特征模板中像素点的数量，此时，n′＝8250，X₁＝150.5，Y₁＝209.8，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝150.5，X_1min＝X₁＝150.5，Y_1max＝Y₁＝209.8，Y_1min＝Y₁＝209.8；

(6-5)、自动确定已采集到的第1幅到第839幅图像的搜索区域：将第1幅图像上截取制作特征模板图像块按纵、横轴四个方向分别增加4×1/A＝20和2×1/A＝10个像素扩大，确定出搜索区域的横坐标为72～242，纵坐标为164～259，搜索区域面积为170×95，对第2幅图像到第839幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；(6-6)、对已采集并存储的第1幅图像到第839幅图像依次进行处理：将每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到对应的目标搜索区域，卷积运算的数学表达式为： $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的搜索区域内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的目标搜索区域内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为每幅图像搜索区域内任一点的坐标值，x为72～242，y为164～259；

(6-7)、对第1幅图像到第839幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，i为72～242，j为164～259，T(m，n)为特征模板，为一个M×N的矩阵，矩阵的元素为各点的像素值，M、N为模板T的行、列的像素个数，M为150，N为55，计算特征模板在目标搜索区域内的最大相关度值及当相关度值最大时，特征模板重心在坐标系中的坐标值： $X_1^1=150.5,$ $Y_1^1=209.8;$

(6-8)、判断第1幅图像到第839幅图像是否搜索成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第839幅图像：当第1幅图像到第839幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…839；

(6-10)、对第1幅图像到第839幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值：当 $X_1^p{>X}_{1\max },$ 则 $X_{1\max }=X_1^p;$ 当 $X_1^p{\&le;X}_{1\max },$ 则X_1max＝X_1max；当 $X_1^p{<X}_{1\min },$ 则 $X_{1\min }=X_1^p;$ 当 $X_1^P\&GreaterEqual;X_{1\min },$ 则X_1min＝X_1min；当 $Y_1^p>Y_{1\max },$ 则 $Y_{1\max }=Y_1^p;$ 当 $Y_1^p{\&le;Y}_{1\max },$ 则Y_1max＝Y_1max；当 $Y_1^p<Y_{1\min },$ 则 $Y_{1\min }=Y_{1;}^p$ 当 $Y_1^p{\&GreaterEqual;Y}_{1\min },$ 则Y_1min＝Y_1min；

(6-11)、判断是否已处理完采集到的839幅图像，当没处理完时，读取下一幅图像，并转到第(7-6)步继续进行下一幅图像的处理；当完成839幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝151.1，X_1min＝148.7，Y_1max＝211.5，Y_1min＝203.9，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝151.1-148.7＝2.4，Y_shift＝Y_1max-Y_1min＝211.5-203.9＝7.6，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

3.根据权利要求2所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)激励车驶离被测跨座式单轨交通轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号跨座式单轨交通轨道梁共采集789幅图像；

(2)、将已采集到的789幅序列图像逐一进行处理，并计算Z1号跨座式单轨交通轨道梁的晃动幅度：

(2-1)、用计算机鼠标在第1幅图像上截取1个制作特征模板图像块，该图像块为矩形且位于被测量跨座式单轨交通轨道梁端头的指形板指根上，使该指根上有长19mm的弧形边缘位于该图像块内，该段边缘对应计算机位图上像素点个数为19×1/A＝95，该图像块横轴坐标为455～555，纵轴坐标为223～248，该图像块大小为100×25；

(2-2)、将该图像块用边缘检测算子提取图像边缘制作特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标值，x为455～555，y为223～248；

(2-3)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：n′＝100×25＝2500，X₁＝500.5，Y₁＝239.8，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝500.5，X_1min＝X₁＝500.5，Y_1max＝Y₁＝239.8，Y_1min＝Y₁＝239.8；

(2-4)、自动确定已采集到的第1幅到第789幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按纵、横轴四个方向分别扩大，各增加3×1/A＝15和1×1/A＝5个像素，确定出搜索区域的横坐标为450～560，纵坐标为208～263，搜索区域面积为110×55，对第2幅图像到第789幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(2-5)、对已采集并存储的第1幅图像到第789幅图像依次进行处理：将每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到对应的目标搜索区域，x为450～560，y为208～263；

(2-6)、对第1幅图像到第789幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，i为450～560，j为208～263，M为100，N为25；

(2-7)、对第1幅图像到第789幅图像：当第1幅图像到第789幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…789；

(2-8)、对第1幅图像到第789幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值，p＝1，2，3…789；

(2-9)、当完成789幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝501.1，X_1min＝498.7，Y_1max＝241.5，Y_1min＝233.9，继续下一步；

(2-10)、分别计算直角坐标系中横轴X、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝501.1-498.7＝2.4，Y_shift＝Y_1max-Y_1min＝241.5-233.9＝7.6；

(2-11)、根据标定参数和最大偏移量换算出Z1号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值。

4.根据权利要求1所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离跨座式单轨交通轨道梁上表面的垂直距离：

已知测量精度A为0.2mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该跨座式单轨交通轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.2)×100＝500，固定数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离为230mm；

(2)、将激励车开到被测量跨座式单轨交通轨道梁Z1上并停车，图像数据采集车开到被测量跨座式单轨交通轨道梁Z1相邻的跨座式单轨交通轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量跨座式单轨交通轨道梁和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板10、11，两指形板的各1个指处于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为0.6m；

(3)、输入被测量跨座式单轨交通轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量跨座式单轨交通轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以100帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)激励车驶离被测跨座式单轨交通轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号跨座式单轨交通轨道梁共采集877幅图像；

(6)、将已采集到的877幅序列图像逐一进行处理，并计算Z1号跨座式单轨交通轨道梁的晃动幅度：

(6-1)、显示已采集到的877幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量跨座式单轨交通轨道梁上行驶方向为横轴X，以垂直于被测量跨座式单轨交通轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位，该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取1个制作特征模板图像块，该图像块为圆形且位于被测量跨座式单轨交通轨道梁端头的指形板指头上，使该指头上有长10.8mm的弧形边缘位于该图像块内，对应计算机位图上像素点个数为10.8×1/A＝54，该图像块半径为59，圆心的横轴坐标为282，纵轴坐标为176，该图像块面积大小为3.14×59×59＝10930；

(6-3)、将该图像块用微分法提取图像边缘制作特征模板并存储，用微分法提取图像边缘的表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的特征模板内坐标为x、y处的像素值，x、y分别为图像块或特征模板内任一点的坐标值，x、y的取值范围是半径为59，圆心的横轴坐标为282，纵轴坐标为176的圆形图像块内；

(6-4)、计算特征模板的重心在坐标系中对应的坐标值X₁、Y₁：重心坐标的公式为：X₁＝∑X′/n′，Y₁＝∑Y′/n′，此时，n′＝10930，X₁＝282，Y₁＝176，将X₁、Y₁作为最大、最小坐标值：X_1max＝X₁＝282，X_1min＝X₁＝282，Y_1max＝Y₁＝176，Y_1min＝Y₁＝176；

(6-5)、自动确定已采集到的第1幅到第877幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按半径增加5×1/A＝25个像素扩大，确定出搜索区域为半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形范围，对第2幅图像到第877幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第877幅图像依次进行处理：将每一幅图像的搜索区域分别用微分法进行运算后得到对应的目标搜索区域，微分运算的数学表达式为g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前搜索区域内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的目标搜索区域内坐标为x、y处的像素值，x、y分别为每幅图像搜索区域内任一点的坐标值，x、y的取值范围是半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形区域；

(6-7)、对第1幅图像到第877幅图像：采用相关函数的模板匹配方法，依次在处理后所获得的目标搜索区域内用特征模板逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为半径为84，圆心横轴坐标为282，纵轴坐标为176的圆形区域，M、N的取值范围为半径84的圆；

(6-8)、判断第1幅图像到第877幅图像是否搜索成功：当每一幅图像的最大相关度值均为0.9～1时，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第877幅图像：当第1幅图像到第877幅图像搜索匹配时，得出特征模板的重心在对应各幅图像中匹配处的坐标值X₁ ^p、Y₁ ^p，p为图像序列数，p＝1，2，3…877：

(6-10)、对第1幅图像到第877幅图像：将X₁ ^p、Y₁ ^p和X_1min、X_1max、Y_1min、Y_1max进行比较，保留特征模板重心坐标在坐标系中对应的最大、最小坐标值；

(6-11)、当完成877幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标值为：X_1max＝283.5，X_1min＝281.1，Y_1max＝180.4，Y_1min＝172.8，继续下一步；

(6-12)、分别计算直角坐标系中横轴×、纵轴Y上特征模板重心在图像中对应的最大偏移量：X_shift＝X_1max-X_1min＝283.5-281.1＝2.4，Y_shift＝Y_1max-Y_1min＝180.4-172.8＝7.6，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/5＝2.4/5＝0.48mm，Y_length＝Y_shift/5＝7.6/5＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

5.根据权利要求1所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离跨座式单轨交通轨道梁上表面的垂直距离：已知测量精度A为0.1mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该跨座式单轨交通轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.1)×100＝1000，固定数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离为155mm；

(2)、将激励车开到被测量跨座式单轨交通轨道梁Z1上，图像数据采集车开到被测量跨座式单轨交通轨道梁Z1相邻的跨座式单轨交通轨道梁Z0上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量跨座式单轨交通轨道梁和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(3)、输入被测量跨座式单轨交通轨道梁的梁号：Z1；

(4)、启动激励车并驶过被测量跨座式单轨交通轨道梁Z1，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量跨座式单轨交通轨道梁后停车，数字摄像机同步停止采集序列图像，Z1号跨座式单轨交通轨道梁共采集265幅序列图像；

(6)、将已采集到的265幅序列图像进行处理，并计算Z1号跨座式单轨交通轨道梁的晃动幅度：

(6-1)、显示已采集到的265幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像索点坐标值均为正值建立直角坐标系，以激励车在被测量跨座式单轨交通轨道梁上行驶方向为横轴X，以垂直于被测量跨座式单轨交通轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位，该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板的图像块，两个图像块都为矩形且分别位于被测量跨座式单轨交通轨道梁端头和与被测量跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板指根上，使两指的指根有长分别为18mm、16mm的弧形边缘位于该图像块内，两段边缘对应计算机位图上像素点个数分别为18×1/A＝180、16×1/A＝160个，对一个图像块，横轴坐标为118～305，纵轴坐标为345～429；对另一个图像块，横轴坐标为825～909，纵轴坐标为772～856；

(6-3)、将上述每一图像块用同一边缘检测算子提取图像边缘作为特征模板并存储，边缘检测算子提取图像边缘的表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的图像块内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的特征模板内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为图像块或特征模板内任一点的坐标，对一个图像块，x为118～305，y为345～429；对另一个图像块，x为825～909，y为772～856；

(6-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，重心坐标差值的公式为X₂＝∑X″/n″-∑X_/n_，Y₂＝∑Y″/n″-∑Y_/n_其中，∑X″、∑X_各为特征模板中各点的横轴X坐标之和，∑Y″、∑Y_各为特征模板中各点的纵轴Y坐标之和，n″、n_各为特征模板中像素点的数量，此时n″＝15708，n_＝7056，X₂＝867.5-261.5＝606，Y₂＝814-387＝427，并将计算得到的坐标差值作为最大、最小坐标差值：

X_2max＝X₂＝606，X_2min＝X₂＝606，Y_2max＝Y₂＝427，Y_2min＝Y₂＝427；

(6-5)、自动确定已采集到的第1幅到第265幅图像的搜索区域：将第1幅图像上截取两个制作特征模板的图像块按纵、横轴四个方向分别增加4×1/A＝40和2×1/A＝20个像素扩大，确定出一个搜索区域的横坐标为98～325，纵坐标为305～469；另一个搜索区域的横坐标为805～929，纵坐标为732～896，对第2幅图像到第265幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第265幅图像依次进行处理：

每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像边缘的方法进行处理，得到每幅图像的搜索区域对应的目标搜索区域，提取边缘运算的数学表达式为 $g(x,y)=\underset{\mathrm{\&alpha;}}{\mathrm{\&Sigma;}}\underset{\mathrm{\&beta;}}{\mathrm{\&Sigma;}}f(x+\mathrm{\&alpha;},y+\mathrm{\&beta;})h(\mathrm{\&alpha;},\mathrm{\&beta;}),$ 其中，f(x，y)表示运算之前的搜索区域内坐标为x、y处的像素值，h(α，β)表示边缘检测算子，该边缘检测算子采用拉普拉斯算子 $\begin{array}{ccc}0& 1& 0\\ 1& -4& 1\\ 0& 1& 0\end{array},$ g(x，y)表示卷积运算后得到的目标搜索区域内坐标为x、y处的像素值，α、β分别为边缘检测算子h(α，β)行、列的像素个数，α、β都为3，x、y分别为每幅图像搜索区域内任一点的坐标值，一个搜索区域中：x为98～325，y为305～469；另一个搜索区域中：x为805～929，y为732～896；

(6-7)、对第1幅图像到第265幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围为目标搜索区域坐标的范围，对一个特征模板，i为98～325，j为305～469；对另一个特征模板，i为805～929，j为732～896，对一个特征模板：M为227，N为164；对另一个特征模板：M为124，N为164，计算这两个特征模板在目标搜索区域上的最大相关度值及当相关度值都为最大时，特征模板重心在坐标系中对应的坐标值差值；

(6-8)、判断第1幅图像到第265幅图像是否搜索成功：所有最大相关度值均为0.9～1，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第265幅图像：当第1幅图像到第265幅图像搜索匹配时，得出两特征模板的重心在对应各幅目标图像中匹配处的坐标差值X₂ ^p、Y₂ ^p，p为图像序列数，p＝1，2，3…265；

(6-10)、对第1幅图像到第265幅图像：将X₂ ^p、Y₂ ^p和X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标差值；

(6-11)、判断是否已处理完采集到的265幅图像，当没处理完时，读取下一幅图像，并转到第(6-6)步继续进行下一幅图像的处理；当完成265幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝609，X_2min＝604.2，Y_2max＝435.2，Y_2min＝420，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝609-604.2＝4.8，Y_shift＝Y_2max-Y_2min＝435.2-420＝15.2，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z1号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/10＝4.8/10＝0.48mm，Y_length＝Y_shift/10＝15.2/10＝1.52mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

(7)、等待人工指令，得到停止测量的指令，执行下一步。

6.根据权利要求5所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)、将激励车开到被测量轨道梁Z2上，图像数据采集车开到被测量轨道梁Z2相邻的轨道梁Z1上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量轨道梁和与该轨道梁相邻的轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(2)、输入被测量轨道梁的梁号：Z2；

(3)、启动激励车并驶过被测量轨道梁Z2，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(4)、激励车驶离该被测量轨道梁后停车，数字摄像机同步停止采集序列图像，Z2号轨道梁共采集301幅序列图像；

(5)、把已采集到的序列图像进行处理，并计算Z2号跨座式单轨交通轨道梁的晃动幅度：

(5-1)、显示已采集到的301幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系；

(5-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板图像块，两个图像块都为矩形且分别位于被测量跨座式单轨交通轨道梁端头和与被测量跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板指头上，使两指的指头有长分别为15mm、19mm的弧形边缘位于该图像块内，两段边缘对应计算机位图上像素点个数分别为15×1/A＝150、19×1/A＝190，对一个图像块，横轴坐标为730～841，纵坐标为155～369，对另一个图像块，横坐标为325～409，纵坐标为672～756；

(5-3)、将上述每一图像块用边缘检测算子提取对应子图像边缘作为特征模板并存储，对一个图像块，x为730～841，y为155～369；对另一个图像块，x为325～409，y为672～756；

(5-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，在重心坐标差值公式中，n″＝23754，n_＝7056，X₂＝367-785.5＝-418.5，Y₂＝714.0-262.0＝452.0；

(5-5)、自动确定已采集到的第1幅到第301幅图像的搜索区域：将第1幅图像上截取两个制作特征模板的图像块按纵、横轴方向分别增加3×1/A＝30和1×1/A＝10个像素扩大，确定出一个搜索区域的横坐标为720～831，纵坐标为125～399；另一个搜索区域的横坐标为315～419，纵坐标为642～786，对第2幅图像到第301幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(5-6)、对已采集并存储的第1幅图像到第301幅图像依次进行处理：

每一幅图像的搜索区域分别用制作特征模板所采用的边缘检测算子提取图像特征的方法进行处理，得到每幅图像的搜索区域对应的目标搜索区域，x、y分别为每幅图像搜索区域内任一点的坐标值，一个搜索区域：x为720～831，y为125～399；另一个搜索区域：x为315～419、y为642～786；

(5-7)、对第1幅图像到第301幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，对一个特征模板，i为720～831，j为125～399；对另一个特征模板，i为315～419，j为642～786，对一个特征模板，M为111，N为274；对另一个特征模板，M为104，N为144；

(5-8)、判断第1幅图像到第301幅图像是否搜索成功：第20、21、22幅图像的最大相关度值小于0.9，转到第(5-2)步，调整位置，重新选取制作特征模板的图像区域，直到所有最大相关度值都为0.9～1，搜索匹配成功，继续下一步；

(5-9)、判断是否已处理完采集到的301幅图像，当完成301幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝-415.5，X_2min＝-422.7，Y_2max＝464.0，Y_2min＝438.2，继续下一步；

(5-10)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝-415.5-(-422.7)＝7.2，Y_shitt＝Y_2max-Y_2min＝464.0-438.2＝25.8，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(5-11)、根据标定参数和最大偏移量换算出Z2号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/10＝7.2/10＝0.72mm，Y_length＝Y_shift/10＝25.8/10＝2.58mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值。

7.根据权利要求1所述的一种自动测量跨座式单轨交通轨道梁晃动幅度的方法，其特征在于该方法按以下顺序步骤进行：

(1)、测量前的准备工作：

(1-1)、标定数字摄像机并调整该摄像机镜头距离跨座式单轨交通轨道梁上表面的垂直距离：已知测量精度A为0.1mm，启动计算机，打开数字摄像机，将38型高精度标定模板平放在该跨座式单轨交通轨道梁上表面上，使固定在图像数据采集车车头上的数字摄像机镜头正对该标定模板，调整数字摄像机焦距，使该标定模板上的网格清晰显示在计算机屏幕上，在该标定模板上任意取两点，读取这两点间的距离为100mm，并利用该标定软件在计算机上读出对应位图中该两点间的像素点坐标差值，反复调整数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和数字摄像机焦距并计算，使计算机中对应的位图图像上这两点间的像素点坐标差值为(1/0.1)×100＝1000，固定数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离和镜头焦距，数字摄像机镜头与该跨座式单轨交通轨道梁上表面的垂直距离为155mm；

(2)、将激励车开到被测量跨座式单轨交通轨道梁Z2上，图像数据采集车开到被测量跨座式单轨交通轨道梁Z2相邻的跨座式单轨交通轨道梁Z1上，使数字摄像机镜头正对待测量目标：图像数据采集车上的数字摄像机镜头正对被测量跨座式单轨交通轨道梁和与该跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板，其中一指形板的2个指和另一指形板的1个指位于数字摄像机镜头的视场内；激励车与数字摄像机镜头之间的水平间距为1m；

(3)、输入被测量跨座式单轨交通轨道梁的梁号：Z2；

(4)、启动激励车并驶过被测量跨座式单轨交通轨道梁Z2，数字摄像机和计算机同步采集和存储各幅图像：数字摄像机在激励车启动的同时开始以25帧/秒的频率逐帧采集序列图像，输入计算机，由计算机给序列图像中的每一幅图像按采集图像的时间先后顺序从第1幅图像起编序列号并同时存储；

(5)、激励车驶离该被测量跨座式单轨交通轨道梁后停车，数字摄像机同步停止采集序列图像，Z2号跨座式单轨交通轨道梁共采集238幅序列图像；

(6)、把已采集到的序列图像进行处理，并计算Z2号跨座式单轨交通轨道梁的晃动幅度：

(6-1)、显示已采集到的265幅序列图像中的第1幅图像，用计算机在第1幅图像上建立直角坐标系：根据该幅图像上的所有像素点坐标值均为正值建立直角坐标系，以激励车在被测量跨座式单轨交通轨道梁上行驶方向为横轴X，以垂直于被测量跨座式单轨交通轨道梁的方向为纵轴Y，该直角坐标系的坐标原点在第1幅图像的右下角，以像素点作为坐标系的单位，该直角坐标系一旦建立，所有图像的像素点计算均以该直角坐标系为准，不另建直角坐标系；

(6-2)、用计算机鼠标在第1幅图像上截取2个制作特征模板图像块，两个图像块都为圆形且分别位于被测量跨座式单轨交通轨道梁端头和与被测量跨座式单轨交通轨道梁相邻的跨座式单轨交通轨道梁端头的两指形板指头和指根上，使两指有长分别为17mm、13mm的弧形边缘位于该图像块内，对应计算机位图上像素点个数分别为17×1/A＝170、13×1/A＝130，一个图像块的半径为98，圆心横轴坐标为821，纵轴坐标为276，另一个图像块的半径为88，圆心横轴坐标为1061，纵轴坐标为865；

(6-3)、将上述两图像块用微分法提取图像边缘作为特征模板并存储，微分法提取图像边缘的表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前图像块内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的特征模板内坐标为x、y处的像素值，x、y分别为图像块或特征模板内任一点的坐标值，对一个图像块：x、y的取值范围是半径为98，圆心横轴坐标为821，纵轴坐标为276的圆内，对另一个图像块：x、y的取值范围是半径为88，圆心横轴坐标为1061，纵轴坐标为865的圆内；

(6-4)、分别计算两个特征模板的重心在坐标系中对应的坐标差值X₂、Y₂，即圆心坐标差值，X₂＝1061-821＝240，Y₂＝865-276＝589，并将计算得到的坐标差值作为最大、最小坐标差值：X_2max＝X₂，X_2min＝X₂，Y_2max＝Y₂，Y_2min＝Y₂；

(6-5)、自动确定已采集到的第1幅到第238幅图像的搜索区域：将第1幅图像上截取制作特征模板的图像块按半径增加5×1/A＝50个像素扩大，确定出一个搜索区域的半径为148，另一个搜索区域的半径为138，对第2幅图像到第238幅图像的搜索区域的方位、大小与第1幅图像搜索区域的方位、大小相同；

(6-6)、对已采集并存储的第1幅图像到第238幅图像依次进行处理：

每一幅图像的搜索区域分别用微分法进行运算后得到对应的目标搜索区域，微分运算的数学表达式表达式为：g(x，y)＝|f(x，y)-f(x+1，y+1)|+|f(x+1，y)-f(x，y+1)|，其中，f(x，y)表示运算之前搜索区域内坐标为x、y处的像素值，g(x，y)表示微分运算后得到的目标搜索区域内坐标为x、y处的像素值，x、y分别为每幅图像搜索区域内任一点的坐标值，对一个搜索区域：x、y的取值范围是半径为148，圆心横轴坐标为821，纵轴坐标为276的圆形区域，对另一个搜索区域：x、y的取值范围是半径为138，圆心横轴坐标为1061，纵轴坐标为865的圆形区域；

(6-7)、对第1幅图像到第238幅图像：采用相关函数方法，依次将处理后所获得的目标搜索区域与特征模板对应逐点进行搜索匹配，相关度值的数学表达式： $R(i,j)=\frac{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}[S^{i,j}(m,n)\&times;T(m,n)]}{\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[S^{i,j}(m,n)\right]}^2}\sqrt{\underset{m=1}{\overset{M}{\mathrm{\&Sigma;}}}\underset{n=1}{\overset{N}{\mathrm{\&Sigma;}}}{\left[T(m,n)\right]}^2}},$ S^i，j为在目标搜索区域上搜索时，特征模板所对应的子图，为一个M×N的矩阵，矩阵的元素为各点的像素值，i、j为S^i，j的左上角像点在坐标系中的坐标，i、j的取值范围分别为目标搜索区域的范围；

(6-8)、判断第1幅图像到第238幅图像是否搜索成功：所有最大相关度值均为0.9～1，搜索匹配成功，继续下一步；

(6-9)、对第1幅图像到第238幅图像：当第1幅图像到第238幅图像搜索匹配时，得出两特征模板的重心在对应各幅目标图像中匹配处的坐标差值X₂ ^p、Y₂ ^p，p为图像序列数，p＝1，2，3…238：

(6-10)、对第1幅图像到第238幅图像：将X₂ ^p、Y₂ ^p和X_2min、X_2max、Y_2min、Y_2max进行比较，保留特征模板重心坐标在坐标系中的最大、最小坐标差值；

(6-11)、判断是否已处理完采集到的238幅图像，当完成238幅图像的处理时，在直角坐标系下最终保留的最大、最小坐标差值为：X_2max＝244.2，X_2min＝237，Y_2max＝595.8，Y_2min＝570，继续下一步；

(6-12)、分别计算直角坐标系中横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量：X_shift＝X_2max-X_2min＝244.2-237＝7.2，Y_shift＝Y_2max-Y_2min＝595.8-570＝25.8，X_shift、Y_shift分别为横轴X、纵轴Y上的特征模板重心在图像中对应的最大偏移量；

(6-13)、根据标定参数和最大偏移量换算出Z2号跨座式单轨交通轨道梁晃动幅度值：X_length＝X_shift/10＝7.2/10＝0.72mm，Y_length＝Y_shift/10＝25.8/10＝2.58mm，X_length、Y_length分别为横轴X、纵轴Y上的晃动幅度值；

用计算机鼠标可在采集到的任意一幅图像上截取制作特征模板的图像块，不限于在第1幅图像上用计算机鼠标截取制作特征模板的图像块。

Images