CN105203552A - 一种360°踏面图像检测系统及其检测方法 - Google Patents

Abstract

本发明公开了一种360°踏面图像检测系统及其检测方法，系统包括相机、光源、车轮传感器和处理单元，所述的处理单元包括踏面损伤检测与识别系统和360°踏面图像拼接系统，所述的相机和光源安装在轨道的一侧，所述的相机与轨道之间的距离小于光源与轨道之间的距离，所述的相机和光源封装在密闭的盒子里，所述的车轮传感器传递触发信号至相机和光源。踏面损伤检测与识别系统主要分为图像预处理、车轮踏面损伤粗定位、损伤检测识别和报警；360°踏面图像拼接系统主要分为图像预处理、踏面图像分段和图像拼接。本发明能实现动态测量列车轮对状态目标，实时获取轮对踏面参数，极大减少人工测量带来的误差，提高检测车轮状态效率。

Description

一种360°踏面图像检测系统及其检测方法

技术领域

本发明涉及列车图像采集技术领域，特别是一种360°踏面图像检测系统及其检测方法。

背景技术

在交通日益发达的今天，铁路运营里程不断扩大，年客运量飞速增长，促使我国成为铁路运营大国。随着其运营速度的不断提高，且覆盖面广、载客量大，铁路已成为国民主要交通运输工具之一。列车轮对是列车运行部件中重要的部分，轮对的工作状态将会直接影响到货车的运行速度和安全，轮对出现问题会造成难以想象的后果，列车维修人员必须及时检测轮对状态，及时发现轮对问题，更换超限轮对，从而避免货车事故的发生。轮对最重要的一个状态参数就是踏面损伤，踏面损伤大小对车轮寿命影响最大。传统的车轮踏面损伤检测方法是人工手动检测，人工检测不仅存在效率低、精度低、劳动强度高等缺陷，而且检测过程不可避免会引入测量者人为因素，直接影响检测精度和可靠性，因此迫切需要动态检测车轮踏面损伤的设备，实时获取车轮踏面参数，实现实时监测车轮状态的目标。目前国内外在车轮踏面损伤检测与识别算法方面研究较多，大多是按照图像预处理、损伤定位和检测等算法步骤进行。

目前针对车轮踏面损伤检测与识别已经采用的图像预处理方法有：图像裁剪、图像增强、平滑去噪、图像分割等方法(谢子方.基于机器视觉的列车轮对踏面擦伤检测技术研究.广东工业大学.2007；宋志明.列车车轮踏面擦伤图像检测算法研究.硕士学位论文.2012,5；戴冲，姜向东.车轮踏面擦伤检测[J].仪器仪表用户.2007,14(5):95-96)。

图像裁剪：图像预处理首先对图像裁减运算，获得擦伤实测区域部分图像。裁剪后大大消减了图像的冗余信息，减少了图像处理运算量。

图像增强：常用方法有空域增强法、频域增强法、小波变换增强法。

平滑去噪：滤除干扰噪声，常用方法有：高斯平滑、中值滤波、均值滤波等。

图像分割：常用区域分割与边缘提取方法，将待检测目标检测出来。

目前针对车轮踏面损伤检测与识别已经采用的损伤定位方法有：

(1)基于踏面边缘线扫描搜索的擦伤定位方法(田丽丽，方宗德，赵勇.铁路货车车轮踏面伤损检测中剥离与擦伤定位方法[J]，铁道学报，2009，31(5)：31-36)，算法如下：

1、根据得到的踏面边缘线，从左到右依次平移一个像素，每次平移得到一条扫描线，最终得到覆盖踏面区域的所有扫描线；

2、标示扫描线上跳变点；

3、统计扫描线上相邻跳变点之间的像素数目，找出擦伤线；

4、返回2，直到覆盖踏面的所有扫描线均已处理，结束循环。

(2)基于灰度矩的亚像素边缘定位法(谢子方.基于机器视觉的列车轮对踏面擦伤检测技术研究.广东工业大学.2007)；

(3)基于特征点水平投影的裁剪法(宋志明.列车车轮踏面擦伤图像检测算法研究.硕士学位论文.2012,5；高向东，谢子方，赵传敏.基于结构光视觉传感的轮对踏面擦伤快速检测[J].铁道学报，2008,30(2)：23-27)；

(4)基于小波信号定位(戴冲，姜向东.车轮踏面擦伤检测[J].仪器仪表用户.2007,14(5):95-96)等方法。

目前针对车轮踏面损伤检测与识别已经采用的损伤检测方法有：

目前国内外车轮踏面检测方法主要分为两类：静态检测和动态检测。静态检测是指在列车静止(如检修)时进行的检测。该法检测精度高，但占用机车车辆的周转时间，且过程复杂(检修时，机车车辆需解体)。动态检测是指在机车行进时进行的测量。该法与静态检测同步发展，自动化程度高，不占用机车车辆的周转时间，效率高。具体方法分类为详见文献(张渝、王黎、高晓蓉。国内外车轮踏面检测技术综述[J].机车车辆工艺，2002(1):1-4)。

轮对踏面擦伤检测实际上是对提取特征后的图像进行识别，进一步获取该特征所反映的实体信息—即擦伤的面积和深度(黄熙.基于图像处理与机器视觉的车辆轮对踏面检测技术研究.中南大学.2002)。常用的方法有：

(1)激光位移传感器法：此方法主要使用了先进激光位移传感技术，通过激光传感器往复扫描踏面，生成踏面数字矩阵，再对矩阵进行分析、处理得到车轮踏面的擦伤情况。对踏面数据依次进行实际偏差获取、插值和对准、滤波去噪、擦伤区域分割，最后显示得到三维立体的擦伤区域图；

(2)图像检测法：通过高速数码摄像头获取车轮的图像，再由计算机进行图像还原或边缘提取等数据处理，然后通过与标准轮缘几何尺寸进行比对，测出车轮的擦伤大小。高速摄像头的安装方式有车载和地面安装两种，因此具体的数据处理过程也有所差异；

(3)利用激光检测踏面擦伤法：利用激光在粗糙表面上的散射特性，通过光电传感器接收反射回来的激光光强度变化，将其转换成电流或电压信号，再通过数字信号处理，得到踏面的表面粗糙度参数，来检测踏面擦伤情况(王伟强.城轨车辆车轮踏面擦伤检测技术的研究.硕士学位论文；吴开华.车辆轮对踏面缺陷的光电检测方法研究[J].光学技术，2005，31(3):465-467)；

(4)基于机器视觉的擦伤测量法，通过建立擦伤数据矩阵摄像机标定和畸变校正，得到踏面深度实际值(谢子方.基于机器视觉的列车轮对踏面擦伤检测技术研究.广东工业大学.2007)；

(5)基于振动信号的检测方法，通过小波分析，对列车运行中踏面与轨道产生的振动检测数据进行算法研究处理，数据处理中采用小波包分解重构的方法对信号滤波，利用直方图的特性得到擦伤信号的阈值，最后经过剔除邻近轮干扰等处理，最终检测出擦伤信号(马莉，傅八路，王泽勇，王黎，杨凯.列车车轮踏面擦伤信号处理算法研究[J].铁道技术监督.2008,11,37(3)：5-7)。

发明内容

针对现有技术中存在的问题，本发明提供了一种能实现动态测量列车轮对状态目标，实时获取轮对踏面参数，极大减少人工测量带来的误差，提高检测车轮状态效率的360°踏面图像检测系统及其检测方法。

本发明的目的通过以下技术方案实现。

一种360°踏面图像检测系统，包括相机、光源、车轮传感器和处理单元，所述的处理单元包括踏面损伤检测与识别系统和360°踏面图像拼接系统，所述的相机和光源安装在轨道的一侧，所述的相机与轨道之间的距离小于、大于或等于光源与轨道之间的距离，所述的相机和光源封装在密闭的盒子里，所述的车轮传感器传递触发信号至相机和光源，所述的相机将图像信息传递至踏面损伤检测与识别系统和360°踏面图像拼接系统。

进一步的，所述的相机和光源设有多个，且一一对应设置；所述的多个相机等距离分布。或者，所述的相机设有多个，所述的光源呈区域分布且与所述的全部相机取景区域吻合。

进一步的，所述的相机设有5个，所述的光源设有5个，每个相机之间的距离为600mm。

进一步的，所述的相机为工业CCD相机，所述的光源为LED闪光光源。

同时，本发明还公开了一种360°踏面图像检测方法，步骤包括：

1)图像采集：工业CCD相机、LED闪光光源接收外触发信号完成车轮踏面图像采集，每台工业CCD相机拍两幅，5台工业CCD相机将每个车轮拍的十幅采集图像送到踏面损伤检测与识别系统和360°踏面图像拼接系统，之后同时执行步骤2)和步骤3)；

2)踏面损伤检测与识别系统对采集到的车轮踏面图像进行处理，步骤包括：

第1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像水平投影、垂直投影方法完成踏面图像精确区域提取；

第2步：车轮踏面损伤粗定位，采用大津法求取灰度阈值，然后进行二值化，最后进行边缘检测和形态学处理得到损伤区域位置；

第3步：车轮踏面损伤检测与识别，采用图像模板匹配和特征提取算法实现踏面损伤类别自动识别；

第4步：报警，通过计算损伤区域面积大小得到踏面损伤等级判断，完成系统报警功能，之后执行步骤4)；

3)360°踏面图像拼接系统对采集到的车轮踏面图像进行处理，步骤包括：

第1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像水平投影、垂直投影方法完成踏面图像精确区域提取；

第2步：踏面图像分段，对十张踏面图像同时进行图像预处理操作得到分段踏面区域，然后进行灰度变换，使得十张图像平均灰度大小相同；在灰度变化基础上做调整，再根据实际拼接需要，选择各分段踏面区域，作为拼接的原始图像；

第3步：最小二乘法边缘拟合：首先通过边缘检算法找出分段踏面图像轮缘边缘线，然后通过最小二乘算法拟合边缘，将弯曲边缘拟合成垂直边缘，去除踏面弧度影响，避免拼接图像出现凹凸感；

第4步：各段图像拼接，针对拟合图像，结合图像采集速度，利用图像间交叠公共视场区域中对应的特征点或边缘完成图像无缝拼接，在两幅图像拼接处采用灰度加权平均算法进行图像平滑处理；

第5步：合成360°踏面图像，拼接图像存储和输出，之后执行步骤4)；

4)数据传输，将损伤检测与识别结果、拼接结果传输到终端设备上存储和显示。

进一步的，步骤1)中所述的工业CCD相机延迟时间1500μs，曝光时间300μs。

相比于现有技术，本发明的优点在于：能实现动态测量列车轮对状态目标，实时获取轮对踏面参数，极大减少人工测量带来的误差，提高检测车轮状态效率。

附图说明

图1为本发明中相机和光源的安装示意图(列车自右向左运动)。

图2为本发明的系统原理图。

图中：1、工业CCD相机2、LED闪光光源3、轨道4、车轮5、轨枕。

具体实施方式

下面结合说明书附图和具体的实施例，对本发明作详细描述。

本实施例的360°踏面图像检测系统，包括相机、光源、车轮传感器和处理单元，所述的相机为工业CCD相机1，所述的光源为LED闪光光源2。所述的处理单元包括踏面损伤检测与识别系统和360°踏面图像拼接系统，如图1所示，所述的工业CCD相机1和LED闪光光源2安装在轨道3的一侧，所述的工业CCD相机1和LED闪光光源2安装在轨枕5之间，所述的工业CCD相机1与轨道3之间的距离小于LED闪光光源2与轨道3之间的距离，所述的工业CCD相机1设有5个，所述的LED闪光光源2设有5个，每个工业CCD相机1之间的距离为600mm。所述的工业CCD相机1和LED闪光光源2封装在密闭的盒子里，工业CCD相机1、LED闪光光源2的位置和角度现场调整使得拍出的车轮4踏面满足拼接要求。所述的车轮传感器传递触发信号至工业CCD相机1和LED闪光光源2，触发信号控制工业CCD相机1拍照和LED闪光光源2闪光，所述的工业CCD相机1将图像信息传递至踏面损伤检测与识别系统和360°踏面图像拼接系统。

如图2所示。车轮踏面损伤检测与识别系统主要分为图像预处理、车轮踏面损伤粗定位、损伤检测识别和报警，图像预处理包括显著性区域提取、车轮图像矫正和车轮踏面区域精确提取；360°踏面图像拼接系统主要分为图像预处理、踏面图像分段和图像拼接，拼接系统预处理部分和踏面损伤检测系统相同。

具体的，一种360°踏面图像检测方法，步骤包括：

1)图像采集：工业CCD相机1、LED闪光光源2接收外触发信号完成车轮踏面图像采集，所述的工业CCD相机1延迟时间1500μs，曝光时间300μs。每台工业CCD相机1拍两幅，5台工业CCD相机1将每个车轮拍的十幅采集图像送到踏面损伤检测与识别系统和360°踏面图像拼接系统，之后同时执行步骤2)和步骤3)；

2)踏面损伤检测与识别系统对采集到的车轮踏面图像进行处理，踏面损伤检测与识别系统利用图像处理算法识别车轮踏面损伤位置，判断车轮踏面损伤等级；步骤包括：

第1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像水平投影、垂直投影方法完成踏面图像精确区域提取；

显著性区域提取确定踏面大概区域位置，也是图像裁剪，预先规定一个ROI(RegionOfInterest)区域，既可以提高裁剪的精度，也可以在裁剪之后的图像处理过程中进一步减少不必要的运算；

车轮图像矫正通过标定方法获取标定板上圆心坐标，得到仿射变换参数，利用斜拍和正拍两次圆心坐标之间的变换关系得到仿射变换矩阵，通过读取仿射变换矩阵完成踏面图像矫正，矫正为矩形形式的踏面图像；

采用图像水平投影、垂直投影完成踏面图像区域精确提取。水平投影是统计图像水平方向上每行像素值总和，水平投影可以找出行最大像素值总和对应的行数，通过这个行数可以找出图像上下边界；垂直投影是统计图像垂直方向上每列像素值总和，垂直投影可以找出列最大像素总和对应的列数，通过这个列数可以找出图像左右边界；最后利用上下边界和左右边界就能实现踏面区域精确提取；

第2步：车轮踏面损伤粗定位，采用大津法求取灰度阈值，然后进行二值化，最后进行边缘检测和形态学处理得到损伤区域位置；大津法原理：

日本大津展之(Otsu)于1980年提出了最大方差阈值分割方法，也称作大津阈值。该方法基于图像灰度直方图，以目标和背景的类间方差最大(或类内方差最小)为阈值选取准则的，是在判决分析最小二乘法的基础上得到的。

在某个阈值处把直方图分割成两个部分，当两部分之间的方差为最大时，中间的灰度值为阈值。设一幅图共有m级灰度，灰度为i的像素数量为n_i，此时可以得到：

图中像素的总数为

$N=\underset{i=1}{\overset{m}{\Σ}}{n}_i---\left(2-1\right)$

各个灰度级的出现概率为

$p_i=\frac{n_i}{N}---\left(2-2\right)$

用阈值T将灰度值分割成两组C₀＝{1～T}和C₁＝{T+1～m}，各组的概率为：

灰度在C₀部分的概率为

$w_0=\underset{i=1}{\overset{T}{\Σ}}{p}_i=w\left(T\right)---\left(2-3\right)$

灰度在C₁部分的概率为

$w_1=\underset{i=T+1}{\overset{m}{\Σ}}{p}_i=1-w_0---\left(2-4\right)$

C₀的均值为

$u_0=\underset{i=1}{\overset{T}{\Σ}}\frac{{\mathrm{ip}}_i}{w_0}=\frac{u\left(T\right)}{w\left(T\right)}---\left(2-5\right)$

C₁的均值为

$u_1=\underset{i=T+1}{\overset{m}{\Σ}}\frac{{\mathrm{ip}}_i}{w_i}=\frac{u-u\left(T\right)}{1-w\left(T\right)}---\left(2-6\right)$

式中，是整幅图像灰度的均值；是阈值为T时的灰度均值，所以全部采样像素灰度均值为

u＝w₀u₀+w₁u₁(2-7)

两组之间的方差为

${\mathrm{\δ}}^2\left(T\right)=w_0{(u_0-u)}^2+w_1{(u_1-u)}^2=w_0{w}_1(u_1-u_0)=\frac{{\[uw\left(T\right)-u\left(T\right)\]}^2}{w\left(T\right)\[1-w\left(T\right)\]}---\left(2-8\right)$

从1～m改变T，通过寻找式(3-12)的最大值求取T，即求maxδ²(T)时的T^*，此时的T^*便是阈值，δ²(T)称作阈值选择函数。

二值化：

图像灰度值大于阈值T^*灰度值变为255，小于阈值T^*灰度值变为0，公式见2.9；

$I(x,y)=\left\{\begin{array}{c}0,image(x,y)<T^{*}\\ 255,image(x,y)\&GreaterEqual;T^{*}\end{array}\right.---\left(2.9\right)$

边缘检测：

采用canny算子，根据图像边缘灰度变化梯度检测踏面图像轮廓边缘，去除非边缘干扰信息；

形态学处理：

为了去除背景干扰，找出擦伤位置，需要对边缘检测图像先进行膨胀处理，再进行腐蚀处理。

膨胀运算

膨胀运算是在二值图像中“加粗”或“加长”操作，将二值图像边界处的背景点并入前景点。主要用于填补图像中的小“空洞”和图像边界的凹陷区域，使图像边界向周围扩张。设图像集合为A，用于实现膨胀的结构元素为B。则用集合实现膨胀运动表示为定义如下所示： $A\&CirclePlus;B=\left\{x|{\left(\hat{B}\right)}_z\&cap;A\&NotEqual;\mathrm{\&phi;}\right\}---\left(2-10\right)$

其中是指与B原点对称的点的集合。

腐蚀运算

腐蚀运算是在二值图像中“收缩”及“变细”操作，为了消除二值图像的边界点，使图像的边界向内收缩。设图像为A和腐蚀结构元素为B，则腐蚀运算用集合的方式可表示为AΘB，主要用来消除图像的前景目标尺寸小于B的干扰点。其定义如下所示：

$A\mathrm{\&Theta;}B=\left\{z|{\left(B\right)}_z\&SubsetEqual;A\right\}---\left(2-11\right)$

由公式(2-18)可知，使用B对A腐蚀的结果是结构元素B完全包含在A中时仅取B的中心位置的集合。

第3步：车轮踏面损伤检测与识别，定位出擦伤位置，采用图像模板匹配和特征提取算法实现踏面损伤类别自动识别；

第4步：报警，通过计算损伤区域面积大小得到踏面损伤等级判断，完成系统报警功能，之后执行步骤4)；

3)360°踏面图像拼接系统对采集到的车轮踏面图像进行处理，360°踏面图像拼接系统实现车轮踏面全景图像合成，利用图像拼接算法将车轮踏面图像组合成一副无缝的、高清晰的车轮图像，步骤包括：

第1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像水平投影、垂直投影方法完成踏面图像精确区域提取；

显著性区域提取确定踏面大概区域位置，也是图像裁剪，预先规定一个ROI(RegionOfInterest)区域，既可以提高裁剪的精度，也可以在裁剪之后的图像处理过程中进一步减少不必要的运算；

车轮图像矫正通过标定方法获取标定板上圆心坐标，得到仿射变换参数，利用斜拍和正拍两次圆心坐标之间的变换关系得到仿射变换矩阵，通过读取仿射变换矩阵完成踏面图像矫正，矫正为矩形形式的踏面图像；

采用图像水平投影、垂直投影完成踏面图像区域精确提取。水平投影是统计图像水平方向上每行像素值总和，水平投影可以找出行最大像素值总和对应的行数，通过这个行数可以找出图像上下边界；垂直投影是统计图像垂直方向上每列像素值总和，垂直投影可以找出列最大像素总和对应的列数，通过这个列数可以找出图像左右边界；最后利用上下边界和左右边界就能实现踏面区域精确提取；

第2步：踏面图像分段，对十张踏面图像同时进行图像预处理操作得到分段踏面区域，然后进行灰度变换，使得十张图像平均灰度大小相同；在灰度变化基础上做调整，再根据实际拼接需要，选择各分段踏面区域，作为拼接的原始图像；

第3步：最小二乘法边缘拟合：首先通过边缘检算法找出分段踏面图像轮缘边缘线，然后通过最小二乘算法拟合边缘，将弯曲边缘拟合成垂直边缘，去除踏面弧度影响，避免拼接图像出现凹凸感；

第4步：各段图像拼接，针对拟合图像，结合图像采集速度，利用图像间交叠公共视场区域中对应的特征点或边缘(如拼接线等)完成图像无缝拼接，在两幅图像拼接处采用灰度加权平均算法进行图像平滑处理，减少接缝对拼接效果的影响；

第5步：合成360°踏面图像，拼接图像存储和输出，之后执行步骤4)；

4)数据传输，将损伤检测与识别结果、拼接结果传输到终端设备上存储和显示。

虽然本发明已以较佳实施例公开如上，但它们并不是用来限定本发明，任何熟悉此技艺者，在不脱离本发明之精神和范围内，自当可作各种变化或润饰，因此本发明的保护范围应当以本申请的权利要求保护范围所界定的为准。

Claims (10)

1.一种360°踏面图像检测系统，包括相机、光源、车轮传感器和处理单元，其特征在于：所述的处理单元包括踏面损伤检测与识别系统和360°踏面图像拼接系统，所述的相机和光源安装在轨道的一侧，所述的相机和光源封装在密闭的盒子里，所述的车轮传感器传递触发信号至相机和光源，所述的相机将图像信息传递至踏面损伤检测与识别系统和360°踏面图像拼接系统。

2.根据权利要求1所述的360°踏面图像检测系统，其特征在于：所述的相机和光源设有多个，且一一对应设置；所述的多个相机等距离分布。

3.根据权利要求1所述的360°踏面图像检测系统，其特征在于：所述的相机设有多个，所述的光源呈区域分布且与所述的全部相机取景区域吻合。

4.根据权利要求1、2或3所述的360°踏面图像检测系统，其特征在于：所述的相机和光源与轨道间的距离对应设置，所述的相机与轨道之间的距离与所述的光源与轨道之间的距离是等距离或不等距离。

5.一种360°踏面图像检测方法，其特征在于，步骤包括：

步骤一、图像采集：相机、光源接收外触发信号完成车轮踏面图像采集，每台相机拍一幅或一幅以上图像，多台相机将每个车轮拍的多幅采集图像送到踏面损伤检测与识别系统和360°踏面图像拼接系统，之后同时执行步骤二和步骤三；

步骤二、踏面损伤检测与识别系统对采集到的车轮踏面图像进行处理；

步骤三、360°踏面图像拼接系统对采集到的车轮踏面图像进行处理；

步骤四、数据传输，将损伤检测与识别结果、拼接结果传输到终端设备上存储和显示。

6.根据权利要求5所述的一种360°踏面图像检测方法，其特征在于，步骤一中：所述相机采用工业CCD相机，所述光源采用LED闪光光源，或者区域光源。

7.根据权利要求5所述的360°踏面图像检测方法，其特征在于，步骤二具体包括：

第2.1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像投影方法完成踏面图像精确区域提取；

第2.2步：车轮踏面损伤粗定位，采用大津法求取灰度阈值，然后进行二值化，最后进行边缘检测和形态学处理得到损伤区域位置；

第2.3步：车轮踏面损伤检测与识别，采用图像模板匹配和特征提取算法实现踏面损伤类别自动识别；

第2.4步：报警，通过计算损伤区域面积大小得到踏面损伤等级判断，完成系统报警功能，之后执行步骤四。

8.根据权利要求5所述的360°踏面图像检测方法，其特征在于，步骤三具体包括：

第3.1步：图像预处理，确定踏面图像显著性区域，对图像进行裁剪；然后对裁剪后的图像进行矫正处理，矫正为矩形形式的踏面图像；采用图像投影方法完成踏面图像精确区域提取；

第3.2步：踏面图像分段，对多张踏面图像同时进行图像预处理操作得到分段踏面区域，然后进行灰度变换，使得多张图像平均灰度大小相同；在灰度变化基础上做调整，再根据实际拼接需要，选择各分段踏面区域，作为拼接的原始图像；

第3.3步：最小二乘法边缘拟合：首先通过边缘检算法找出分段踏面图像轮缘边缘线，然后通过最小二乘算法拟合边缘，将弯曲边缘拟合成垂直边缘，去除踏面弧度影响，避免拼接图像出现凹凸感；

第3.4步：各段图像拼接，针对拟合图像，结合图像采集速度，利用图像间交叠公共视场区域中对应的特征点或边缘完成图像无缝拼接，在两幅图像拼接处采用灰度加权平均算法进行图像平滑处理；

第3.5步：合成360°踏面图像，拼接图像存储和输出，之后执行步骤四。

9.根据权利要求7所述的360°踏面图像检测方法，其特征在于：第2.2步中，所述的边缘检测采用canny算子，根据图像边缘灰度变化梯度检测踏面图像轮廓边缘，去除非边缘干扰信息；所述的形态学处理为了去除背景干扰，找出擦伤位置，需要对边缘检测图像先进行膨胀处理，再进行腐蚀处理。

10.根据权利要求7或8所述的360°踏面图像检测方法，其特征在于，所述的图像预处理：显著性区域提取确定踏面大概区域位置，预先规定一个ROI区域；车轮图像矫正通过标定方法获取标定板上圆心坐标，得到仿射变换参数，利用斜拍和正拍两次圆心坐标之间的变换关系得到仿射变换矩阵，通过读取仿射变换矩阵完成踏面图像矫正，矫正为矩形形式的踏面图像；采用图像水平投影找出图像上下边界、垂直投影找出图像左右边界；最后利用上下边界和左右边界实现踏面区域精确提取。