CN106428558B - 一种基于空-轨两用无人机的轨道综合巡检方法 - Google Patents

Abstract

本发明提供一种基于空‑轨两用无人机的轨道综合巡检方法，采用无人机的空中飞行和沿铁轨运行两种巡检方式，当需要对钢轨扣件缺失等进行快速检测时采用飞行模式，当需要对钢轨及轨枕表面缺陷等进行高精度检测时采用铁轨运行模式，两种工作模式可根据现场需求灵活搭配安排、随时切换，突破解决了传统地面巡检模式的高成本、灵活性差、占用正常行车空间等显著问题。

Description

一种基于空-轨两用无人机的轨道综合巡检方法

技术领域

本发明涉及无人机领域，尤其利用空-轨两用无人机进行轨道综合检测的方法。

背景技术

目前，我国高速铁路线路质量检测主要有人工巡查、轨检车检测等手段。对铁路扣件的检查主要依靠人工巡查的方法，这种方法费时、费力、可靠性差，上路巡查时间不足，特别是随着我国高速铁路的逐步发展，人工巡检的方式已经完全不能适应高速铁路安全检查的需要。针对轨道空间几何尺寸信息、钢轨裂痕程度指标、列车动力指标的检测主要为轨检车、人工巡查等检测方式相结合。轨检车检测项目齐全，但它检测周期长，成本高，检测位置和视角受局限，灵活性较差，目前多数应用仅限对超限数据进行单次分析，对非超限数据挖掘不够，对历史规律分析不够，不利于病害确定，且容易受机车等因素干扰，便携程度低。以上传统的高速铁路安全检测方法是基于“地面”的检测技术，在山路或者隧道里难免会出现“死角”，并且，针对当前的轨道安全的检测过度依赖于某一检测来源数据，养护维修存在一定盲目性。

从目前的研究状况可以看出，针对轨道扣件丢失、钢轨裂痕、轨枕裂痕程度的检测是通过人工检测、轨检车检测。但以上检测方法都是基于“地面”的检测技术，灵活性不太高，如何实现高速铁路的空中安全检测保护还未曾涉及。

现有技术中的采用无人机检测轨道缺陷的方法中，只能根据空中采集的图像数据检测扣件缺失与否，而无法进行钢轨或轨枕裂纹的精确检测，而目前的空陆两用无人机又仅能在陆地上行驶，无法在铁路轨道上沿轨持续行驶，因此其无法应用到铁轨的精确检测上。

本发明提出一种用于高速轨道安全检测的空铁两用专用无人机，该无人机同时具有空中飞行和沿铁轨运行两种巡检方式，兼顾了快速灵活和高精准检测优势，当需要对对象（如轨枕病害及钢轨扣件缺失等）进行快速检测时采用飞行模式，当需要对对象（如钢轨表面缺陷及轨枕前期病害）进行高精度检测时采用铁轨运行模式，两种工作模式可根据现场需求灵活搭配安排、随时切换，突破解决了传统地面巡检模式的高成本、灵活性差、占用正常行车空间等显著问题。

发明内容

为了解决上述技术问题，本发明的目的是提供一种具有快速灵活和高精准检测两种巡检模式的轨道综合检测方法，具体采用如下技术方案：无人机包括用于空中升降的旋转叶片、用于轨道上水平推进的推动螺旋桨、高清相机、超声波测距仪、水平导向轮、滚动轮轨道综合巡检方法具体包括如下步骤：

（1）设定待检测轨道段，并指派无人机飞往待检测轨道段；

（2）无人机接收任务指令，识别需要前往的待检测轨道段，并开启机载GPS系统，启动所述旋转叶片从停机坪上升至空中，无人机自动行驶到待检测轨道段，在无人机空中行驶过程中，保持所述推动螺旋桨关闭；

（3）无人机行驶到待检测轨道段后，在空中采集轨道路面图像数据，根据所述轨道路面图像数据检测铁路扣件缺失情况；

（4）无人机完成待检测轨道段的空中检测后，控制无人机降落，待无人机的滚动轮降落到钢轨上后关闭旋转叶片，超声波测距仪实时测量水平导向轮与钢轨的距离，并根据所述距离控制水平导向轮接触至工字钢的内侧，完成所述接触后，控制推动螺旋桨运行，通过推动螺旋桨提供的动力，滚动轮在钢轨上行驶，无人机开始采集钢轨轨面图像数据，根据所述钢轨轨面图像数据检测钢轨和轨枕裂纹情况；

（5）完成待检测轨道段的轨面检测后，先关闭推动螺旋桨，然后控制水平导向轮回到原位，再启动旋转叶片上升至空中，根据记载GPS系统飞回至停机坪。

优选地，步骤（3）中 检测铁路扣件缺失的方法为：

1）扣件位置定位：首先采用边缘检测算子进行轨道边缘检测；然后将边缘检测后的图像分别进行水平方向与垂直方向的投影，以钢轨宽度为区域宽度，在水平投影上从左向右区域统计扫描，将最小值记为钢轨的左边界，再从右向左区域统计扫描，将最小值记为钢轨的右边界；以轨枕宽度为区域宽度，在垂直投影上从左向右区域统计扫描，将最小值记为轨枕的左边界，再从右向左区域统计扫描，将最小值记为轨枕的右边界；最后将钢轨与轨枕交叉的位置标记为扣件位置；

2）提取扣件图像特征：对扣件图像进行垂直方向的投影，图像垂直方向投影后，对投影向量做时域统计参数分析，当统计值超出阈值范围时判断扣件缺失。

优选地，步骤（4）中 检测钢轨和轨枕裂纹的方法为：

1）首先是对图像进行中值滤波，然后对图像进行剪辑，去掉无关的区域；

2）进行图像中钢轨或轨枕的边缘干扰消除处理，采用Hough 变换将图像信息中的直线特性的点滤除；消除直线后，对图像进行扫描，得到只含钢轨或轨枕特征的二值图像，然后进行特征提取，对二值图像进行垂直方向的投影，图像垂直方向投影后，对投影向量做时域统计参数分析，当统计值超出阈值范围时判断存在裂纹。

本发明具有如下有益效果：

本发明的方案具有高便携，抗干扰能力强，不受检测位置的限制，灵活性较高，低成本等优点，可替代人工和轨检车等传统巡检方式，为高速轨道评价线路安全状态、科学制定大维修计划、合理安排日常维修和推进实现我国“空天车地”信息一体化轨道交通安全保障目标提出模型和理论依据。

附图说明

图1 为本发明的无人机立体结构图。

图2 为本发明的无人机侧视结构图。

图3 为本发明轨道缺陷检测方法流程图。

图4 为本发明铁路扣件缺失识别方法流程图。

图5 为截取的扣件二值图像示意图。

图6 为钢轨及轨枕表面裂纹识别方法流程图。

图7 为本发明高速铁路轨道检测系统示意图。

图8 为无人机降落模式流程图。

具体实施方式

1-机体，2-旋转叶片，3-机壳，4-高清摄像头，5-推动螺旋桨，6-水平导向轮，7-伸缩连杆，8-超声波测距仪，9-步进马达，10-U型杆，11-滚动轮。

（一）无人机设计

按尺度分类，无人机可分为微型无人机、轻型无人机、小型无人机、以及大型无人机。本发明考虑到铁路上的实际情况并不复杂，并且自身工作量不大，通过比对分析，本发明选用的四旋翼轻型无人机，如图1所示。基于目前的实验环境，如表1所示列出了本方案无人机的一些主要参数，比如飞行高度、飞行时间、抗风能力等。此无人机负载飞行时间长，飞行时振动小，便于试验中超声波高度传感器测量，并且可负载2公斤，可满足实验要求。

表1 无人机参数

外形尺寸	<40*30*40cm
		控制距离	<1km
空机重量（电池）	7.5kg
		工作环境温度	0~40℃
飞行速度	16m/s（无风）
		飞行时间	约25分钟
飞行高度	120m
		抗风能力	5~6级

高速铁路轨枕一般都由钢筋混凝土构成，其损坏到一定的程度会对高速铁路安全构成威胁，由于钢筋混凝土的损坏一般比较明显，因此，完全可以利用无人机的飞行模式航拍采集轨枕图像信息。高速轨道的扣件丢失也可利用无人机航拍采集扣件缺失信息。但是，钢轨便面的损坏或者裂纹并不明显，如果采取无人机飞行模式航拍很难将钢轨损坏图像信息采集完整，同时航拍的图片更容易受到环境、拍摄视角和空中其他等干扰因素影响，利用现有算法也很难分辨出钢轨的损坏程度。因此，本方案设计了空铁两用专用无人机，使其既能完成空中航拍任务，又可运行在在钢轨上拍摄钢轨的高清图片。本发明设计的空铁两用专用无人机具有空中飞行的快速巡检方式和沿铁轨运行的高精度巡检方式。

如图1所示的空铁两用专用无人机，各部件功能说明如下：

1、推动螺旋桨5：为无人机在钢轨上的行走提供动力；

2、水平导向轮6：导向轮是伸缩式的结构，在无人机在行走的过程中，一直接触这钢轨内侧，起稳定无人机的作用，使其在行走过程中不偏移轨道；

3、滚动轮11：为无人机在钢轨上行走提供条件；

4、超声波测距仪8：测量导向轮与钢轨的距离；

5、步进马达9：控制水平导向轮伸缩的距离。

如图1，图2所示，机体1上设置有旋转叶片2，机体1包括机壳3，机壳3底部设置有高清摄像头4，机壳内3部设有单片机、无线通讯模块、导航模块、陀螺仪等，还包括推动螺旋桨5，其设置在机体1后侧面，其旋转轴线与水平线平行；两个水平导向轮6，其通过伸缩连杆7与机体1连接，并对称设置在机体1左右两侧；超声波测距仪8，其设置在伸缩连杆7上；步进马达9，其与伸缩连杆7连接，用于驱动伸缩连杆的伸长和缩短；两个U型杆10，每个所述U型杆10的两竖杆上端连接在机体1上，每个所述U型杆10的底杆上设置有两个滚动轮11，两个U型杆10对称设置在机体1前后两侧。

（1.1）滚动轮与导向轮材料选取

滚动轮11安装在无人机下方，垂直于地面，滚动轮11平行于地面安装。由于无人机的载荷非常有限，而且载荷越重，飞行时间越短，所以需要选取质量最轻、不易变形的材质。表2列出了一些市面上比较符合本发明要求的可备选用的材质，同时列出了它们的优缺点，通过研究比对和样品测试，最终选择塑料制作滚动轮和导向轮。

表2

	材质	优点	缺点
				1	铝	硬度韧度高，不易变形，耐腐蚀，造价低廉，易于制作成型	质量较重
2	碳纤维	硬度韧度高，不易变形，耐腐蚀，质量轻	造价昂贵，制作工艺复杂
				3	塑料	质量轻，不易变形，易于制作成型，价格低廉	韧度低，易腐蚀

（1.2）滚动轮的设计

图2为无人机侧视结构图。在本方案中，操作者要将无人机降落在钢轨上，因为钢轨的距离是1435mm，为了将无人机的正好落在钢轨上，本方案给无人机增加了两排滚轮，两排滚轮的轴心距离应该大于钢轨距离1435mm，误差最好不要超过1cm。滚动轮11的作用是使无人机在钢轨上行走，由于飞机降落在钢轨上是人工控制，这就要求操作手有较高的控制能力，同时由于误差的存在，本发明设计的滚动轮宽度大于钢轨截面的两倍以上，如图2所示，轮宽为70mm，而工字钢的头宽是32.10mm。

（1.3）导向轮6的设计

如图2所示，工字钢的头高是17.48mm，因此水平导向轮6与滚动轮11的差距，也就是其上表面和下表面的高度差设计为18.6mm。这样能使得导向轮正好接触工字钢的内侧腰部，以此保证无人机行走时不被甩出轨道。

（1.4）传感器选型

本发明设计改造的空铁两用专用无人机具有具有空中飞行和沿铁轨运行两种巡检方式。空中飞行巡检模式是通过操控者发出遥控指令控制，飞机在空中进行拍摄取样；沿铁轨运行巡检模式需要无人机精准的降落在钢轨上，并且在行走过程中不能脱离轨道，水平导向轮就是起防止飞机偏离轨道的作用，由于导向轮是伸缩式的，平时都处于原点位置，在飞机降落在钢轨上时，要可以移动到钢轨内侧，所以需要传感器测量这个移动距离。经过调查，当前轻便捷的测距仪器是超声波测距传感器和激光测距传感器。

激光测距传感器具有精度高，测量范围大，干扰小，测量稳定等优势，但是由于其价格较高。而且经过市场调查后发现超声波传感器的精度以及测量范围也可以达到所需标准，所以最终选取超声波传感器作为本项目的测量传感器。

（1.5）马达选型

步进电机9是将电脉冲信号转变为角位移或线位移的开环控制元步进电机件，它的旋转是以固定的角度一步一步运行的。可以通过控制脉冲个数来控制角位移量，从而达到准确定位的目的，同时可以通过控制脉冲频率来控制电机转动的速度和加速度，从而达到高速的目的。伺服电机把收到的电信号转换成电机轴上的角位移或角速度输出。和步进电机相比，伺服电机多带了编码器，编码器作用是将反馈信号给驱动器，驱动器根据反馈值与目标值进行比较，调整转子转动的角度。它每旋转一个角度，都会发出对应数量的脉冲，这样伺服驱动器和伺服电机编码器的脉冲形成了呼应，所以它是闭环控制，步进电机是开环控制。

伺服电机的虽然具有闭环控制的优点，但是价格较高，并且此项目对精度要求不高，所以最终选取步进电机控制水平螺旋劲和导向轮的伸缩。

当无人机降落在钢轨上后，超声波测距仪8实时测量两个水平导向轮与其同侧钢轨的距离，单片机根据超声波测距仪传递的距离信息控制步进马达9运转，步进马达9进而驱动伸缩连杆7运动，当超声波测距仪8检测到两个水平导向轮6均接触到工字钢的内侧后，单片机控制步进马达9停止，并控制推动螺旋桨5运行，在起飞或者工作结束后水平导向轮回到原点位置。

（2） 无人机综合检测方法

1）设定待检测轨道段，并指派无人机飞往待检测轨道段；

2）无人机接收任务指令，识别需要前往的待检测轨道段，并开启机载GPS系统，启动所述旋转叶片从停机坪上升至空中，无人机自动行驶到待检测轨道段，在无人机空中行驶过程中，保持所述推动螺旋桨关闭；

3）无人机行驶到待检测轨道段后，在空中采集轨道路面图像数据，根据所述轨道路面图像数据检测铁路扣件缺失情况；

4）无人机完成待检测轨道段的空中检测后，控制无人机降落，待无人机的滚动轮降落到钢轨上后关闭旋转叶片，超声波测距仪实时测量水平导向轮与钢轨的距离，并根据所述距离控制水平导向轮接触至工字钢的内侧，完成所述接触后，控制推动螺旋桨运行，通过推动螺旋桨提供的动力，滚动轮在钢轨上行驶，无人机开始采集钢轨轨面图像数据，根据所述钢轨轨面图像数据检测钢轨和轨枕裂纹情况；

5）完成待检测轨道段的轨面检测后，先关闭推动螺旋桨，然后控制水平导向轮回到原位，再启动旋转叶片上升至空中，根据记载GPS系统飞回至停机坪。

利用空铁两用专用无人机在高空拍摄采集轨道交通的路面图像数据，数据被实时存储在SD卡中，在windows平台下，利用图像处理分析方法判断高速铁路扣件缺失情况；利用在钢轨上行走的无人机采集高速铁路路面信息，并实时保存在SD卡中，在windows平台下，并利用图像处理分析方法判断高速铁路轨枕和钢轨的裂纹情况。如图3所示。

3.1）判断高速铁路扣件缺失方法

根据系统的基本工作原理和实现目标，软件系统主要实现图像的处理和扣件状态的识别，检测扣件流程图如图4所示。

降噪的主要任务就是:最大可能地将有效信号与噪声信号分离 ，保留真实的信号，去除噪声信号，以达到降噪的目的。本发明采用中值滤波的方法，中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。

本发明运用了canny边缘检测算子实现轨道边缘检测，canny边缘检测算子具有不漏检、不多检;检测出的边缘点尽可能贴近实际边缘;单个边缘产生的多个响应概率低等优点。具体算法是通过寻找图像梯度的局部极大值和用高斯函数的一阶微分来计算梯度；通过2个阈值来分别检测强边缘和弱边缘，当且仅当弱边缘与强边缘连接时，弱边缘才被输出。所以Canny算法不易受噪声干扰，能在噪声和边缘检测间取得平衡，从而找出真正的弱边缘。所以本发明选用Canny算法实现轨道边缘检测。

3.1.1) 扣件定位方法

扣件的位置具有显著的结构特征，位于钢轨和轨枕交叉的位置，根据此特点可以定位扣件的位置，而且钢轨处于垂直位置，灰度变化在水平方向上，相反轨枕处于水平位置，灰度变化在垂直方向上，其余部分灰度或者纹理等比较复杂，变化没有规律。根据这个特征找出钢轨和轨枕边缘，再根据先验信息提取出扣件，该方法称为十字交叉定位法，具体步骤概括为:

（i）对图像进行边缘检测；

（ii）将边缘检测后的图像分别进行水平方向与垂直方向的投影；

（iii）采用区域统计扫描法，以钢轨宽度为区域宽度，在水平投影上从左向右区域统计扫描，最小值即为钢轨的左边界，相同方法，从右向左区域统计扫描，获得钢轨的右边界；

（iv）以轨枕宽度为区域宽度，在垂直投影上采用相同方法从左向右进行区域统计扫描。

3.1.2）扣件图像特征提取分析方法

本发明的扣件特征提取是基于二值图像的，如图5为截取的扣件二值图像。

二值图像与灰度图像相比具有两大优点：一是存储容量小、计算速度快；二是可以计算图像中目标的几何特性与拓扑特性。用于识别的特征需要具有可区别性、可靠性、独立性、数量少等特点。边缘检测后的图像是二值图像，更能显示和计算出扣件的几何特性，因此本章对经过Canny边缘检测的扣件图像进行特征提取。基于以上特点，本发明针对扣件特征提取方法如下：

（i）图像面积是二值图像的一个基本特性，实质就是图像中像素值为1的所有像素个数的总和，能实现原始图像面积的无偏和一致估计。对任意图像R来说，像素点坐标用(x，y)表示，面积A的计算公式可以表示为：

A= 公式1

本发明的目的是判断扣件是否缺失，即图像的组成，跟频域无关，因此选择时域特征提取。因为提取的扣件图像基本上是上下对称的，所以做垂直方向的投影则更能反映扣件特征，因此针对扣件图像进行垂直方向的投影，图像垂直方向投影后，投影向量可以看作是一个一维信号，表示为{Xi（t），i=l，2，…，N}。公式2、公式3、公式4属于时域统计参数分析方法。

（ii）均值:是数据组的均值，表征投影向量的中心趋势。有无扣件，边缘检测后图像的信息量多少不一，不同的投影向量均值也不同。这些均值，很大程度上能反映投影向量的特征。 如公式2。

X = 公式2

（iii）标准差:描述信号的波动量。如公式3.

a = X 公式3

（iv）均方差:表征信号的强度。定义如公式4。

Xrms= 公式4

以上公式在扣件存在和丢失的两种情况下，差异都有一定范围内的变化，本发明通过以上公式，分析计算比对二值图像特点，设定阈值，最后检测得出扣件丢失结论。

3.2) 判断高速铁路钢轨、轨枕裂痕方法

本系统的功能之一是要能够检测出钢轨表面是否存在危及行车安全的裂纹及掉块等缺陷，并判断这些缺陷是否达到重伤或折断标准。于是，本发明针对这一目标，在轨道图像处理的基础上，研究了钢轨表面区域的缺陷提取，同时输出结果。

当钢轨、轨枕表面有缺陷时，便被摄像机拍摄到含有缺陷的钢轨图片。通过对图片的处理和分析，可以将其中的缺陷提取出来并进行模式识别，最后输出结果。整个图像处理过程为3部分。第1部分，图像读入和预处理，主要是对图像进行去噪和剪辑，降低后续处理的复杂度。第2部分，钢轨定位，通过对图像的分析，使用合适的算法提取出钢轨图像。第3部分，模式识别，分析由第2步得到的钢轨图像，检测缺陷并输出结果。整个处理流程如图6。

（i）预处理

首先是对图像进行中值滤波，减低噪声对图像的影响。然后，对图像进行剪辑，去掉无关的区域。根据上一节提到的方法对原始图像进行剪辑即可去掉不相关区域，只保留钢轨或轨枕图像。剪辑后的图像剪辑掉了非钢轨或非轨枕区域，与原始图像相比，不光减少了存储空间，更减少了后续处理时非钢轨或非轨枕区域所增加的处理量和处理难度。

（ii）边缘干扰消除处理

有钢轨或轨枕缺陷的位置会造成钢轨图像灰度的变化，使用边缘检测算法，可以增强这种灰度变化。系统中采用自适应阈值canny边缘检测算子结构简单，速度快，并且其结果已经满足后续处理的信息量要求。在完成边缘检测以后，图片中的大部分非缺陷图像都已经被滤除，但仍有部分多余信息被保留。经分析，结果中一般存在3类信息，包括缺陷信息，轨道边缘变化部分，细小坑洞。其中轨道或轨枕边缘由于长度和亮度都与缺陷相近，容易被识别成缺陷，如果首先去除掉该项干扰，提取效果会有很大提升。通过研究分析，发现边缘变化部分有接近直线的特点，而缺陷一般没有，所以选择Hough 变换的方法，将信息中的直线特性的点滤除（大于一定长度的直线）。Hough变换的基本思想是利用点-线的对偶关系。直角坐标x-y中的点（x，y)，经过点－正弦曲线对偶变换如公式5，在极坐标p-a中变为一条正弦曲线，a取[-90°，90°]，以x轴为基准。可以证明，直角坐标x-y中直线上的点经过Hough 变换后，它们的正弦曲线在极坐标p-a有一个公共交点。也就是说，极坐标p-a上的一点（p，a），对应于直角坐标x-y中的一条直线。找到该点对应的直线，并将其亮度置0 即可消除直线。

公式5

（iii）特征提取和结果输出

消除直线后，图像中只有缺陷图像和细小坑洞，对图像进行扫描，我们得到只含钢轨特征的二值图像，然后再利用公式1、公式2、公式3、公式4进行分析比对图片特征值最终得出检测结论。

（3）高速铁路安全检测系统

本发明设计的基于空铁两用专用无人机的高速铁路安全检测系统的空中飞行巡检方式是以改造无人驾驶飞机作为空中平台，以机载遥感设备，如高分辨率CCD数码相机、轻型光学相机获取信息，用计算机对图像信息进行处理，并按照一定精度要求制作成图像。全系统在设计和最优化组合方面具有突出的特点，是集成了高空拍摄、遥控、遥测技术、视频影像微波传输和计算机影像信息处理的新型应用技术。本系统的无人机空中拍摄平台，适应国家经济和轨道交通建设发展的需要，为高速铁路安全检测提供了有效的遥感技术服务手段，具有起飞降落受场地限制较小、稳定性好、小型轻便、低噪节能、高效机动、影像清晰、轻小型化、智能化的突出特点。

本系统设计的空铁两用专用无人机，通过对无人机增加着地滚动轮、垂直地面的螺旋桨、水平导向轮实现无人机在钢轨上向前推进的功能。此系统的飞行模式实现了针对轨枕病害及钢轨扣件缺失等的快速检测；系统的铁轨运行模式实现了针对钢轨表面缺陷及轨枕前期病害等的高精度检测。在每种检测模式下，本系统设计采用了一套效率更高的图像算法对采集回来高速铁路图像进行计算分析得出检测结论。

（3.1）系统组成

如图7所示，基于空铁两用专用无人机的高速铁路安全检测系统包括无人机、远程监控中心、地面站、无线通信模块。

无人机包括用于控制行驶状态的机载控制模块（单片机），以及用于采集轨道图像信息的高清相机，以及用于传输轨道图像信息的图像传输模块；地面站，其包括用于设置无人机的飞行路线的路径规划模块，以及用于向所述机载控制模块发送控制指令以及接收无人机传回的轨道图像信息的地面控制模块；远程监控中心，其包括用于监控无人机的飞行状态的监控模块、分析地面站传回的轨道图像信息的图像分析单元、存储图像分析单元分析结果的存储单元，以及无人机行驶过程中出现意外情况时采取相应措施的应急处理单元；无线通信模块，用于无人机、地面站、远程监控中心之间的无线通信。此方案选择的高清相机分辨率是1200万像素，搭载在无人机上，是一款专业无人机航拍相机，配备遥控器和图像传输功能，内带SD卡，遥控器可在1千米内控制相机拍摄，并实时观测到图像数据。

机载控制模块由电源模块供电，机载控制模块通过图像传输模块连接高清相机，相机拍摄的数据信息能够通过图像传输模块传输到地面站内，地面站内设置有计算机，计算机连接能够接收图像传输模块所传输信息的视频采集卡，实时接收图像信息。

所述机载控制模块接收到地面站的任务指令后，启动旋转叶片并控制推动螺旋桨保持关闭状态，所述无人机按照所述地面站规划的飞行路线到达待检测的轨道段后，所述地面站给无人机发送采集轨道图像信息指令，无人机收到采集轨道图像信息指令后，所述机载控制模块开启高清相机进行轨道图像信息的采集。当所述监控模块检测到无人机飞行轨迹出现偏离时，应急处理单元向地面站发送警报信号，地面控制模块检测是否与无人机失联，如已失联，则将无人机编号发送回远程监控中心；如未失联，则根据无人机当前位置信息控制其运行方向使其回到预设的飞行路线中。

无人机完成待检测轨道段的空中检测后，地面站向机载控制模块发送降落指令，远程监控中心监控无人机降落状态以保证无人机精准降落在钢轨上，当控制无人机降落时，当发现无人机滚动轮未对准钢轨时，实时警告地面站操控者，直至符合降落路线为止。如图8为空铁两用专用无人机降落模式流程图。

待无人机的滚动轮降落到钢轨上后，机载控制模块关闭旋转叶片并控制超声波测距仪开始实时测量水平导向轮与钢轨的距离，机载控制模块根据所述距离控制伸缩连杆伸长直至水平导向轮接触至工字钢的内侧，完成所述接触后，机载控制模块控制推动螺旋桨运行，无人机开始采集轨道图像数据。当所述监控模块检测到无人机未在轨道上行驶时，应急处理单元向地面站发送警报信号，地面控制模块检测是否与无人机失联，如已失联，则将无人机编号发送回远程监控中心；如未失联，则地面控制模块先向机载控制模块发送重新起飞指令，机载控制模块收到重新起飞信号后关闭推动螺旋桨，并控制伸缩连杆缩回到原始位置，再启动旋转叶片控制无人机起飞，完成起飞后，地面控制模块向机载控制模块发送降落指令，使无人机重新回到沿轨道行驶状态。

Claims (3)

1.一种基于空-轨两用无人机的轨道综合巡检方法，该无人机包括用于空中升降的旋转叶片、用于轨道上水平推进的推动螺旋桨、高清相机、超声波测距仪、水平导向轮、滚动轮，其特征在于，该方法具体包括如下步骤：

（1）设定待检测轨道段，并指派无人机飞往待检测轨道段；

（2）无人机接收任务指令，识别需要前往的待检测轨道段，并开启机载GPS系统，启动所述旋转叶片从停机坪上升至空中，无人机自动行驶到待检测轨道段，在无人机空中行驶过程中，保持所述推动螺旋桨关闭；

（3）无人机行驶到待检测轨道段后，在空中采集轨道路面图像数据，根据所述轨道路面图像数据检测铁路扣件缺失情况；

（4）无人机完成待检测轨道段的空中检测后，控制无人机降落，待无人机的滚动轮降落到钢轨上后关闭旋转叶片，超声波测距仪实时测量水平导向轮与钢轨的距离，并根据所述距离控制水平导向轮接触至工字钢的内侧，完成所述接触后，控制推动螺旋桨运行，通过推动螺旋桨提供的动力，滚动轮在钢轨上行驶，无人机开始采集钢轨轨面图像数据，根据所述钢轨轨面图像数据检测钢轨和轨枕裂纹情况；

（5）完成待检测轨道段的轨面检测后，先关闭推动螺旋桨，然后控制水平导向轮回到原位，再启动旋转叶片上升至空中，根据机载GPS系统飞回至停机坪。

2.如权利要求1所述的基于空-轨两用无人机的轨道综合巡检方法，其特征在于，步骤（3）中检测铁路扣件缺失的方法为：

1）扣件位置定位：首先采用边缘检测算子进行轨道边缘检测；然后将边缘检测后的图像分别进行水平方向与垂直方向的投影，以钢轨宽度为区域宽度，在水平投影上从左向右区域统计扫描，将最小值记为钢轨的左边界，再从右向左区域统计扫描，将最小值记为钢轨的右边界；以轨枕宽度为区域宽度，在垂直投影上从左向右区域统计扫描，将最小值记为轨枕的左边界，再从右向左区域统计扫描，将最小值记为轨枕的右边界；最后将钢轨与轨枕交叉的位置标记为扣件位置；

2）提取扣件图像特征：对扣件图像进行垂直方向的投影，图像垂直方向投影后，对投影向量做时域统计参数分析，当统计值超出阈值范围时判定扣件缺失。

3.如权利要求1所述的基于空-轨两用无人机的轨道综合巡检方法，其特征在于，步骤（4）中检测钢轨和轨枕裂纹的方法为：

1）首先是对图像进行中值滤波，然后对图像进行剪辑，去掉无关的区域；

2）进行图像中钢轨或轨枕的边缘干扰消除处理，采用Hough变换将图像信息中的直线特性的点滤除；消除直线后，对图像进行扫描，得到只含钢轨或轨枕特征的二值图像，然后进行特征提取，对二值图像进行垂直方向的投影，图像垂直方向投影后，对投影向量做时域统计参数分析，当统计值超出阈值范围时判断存在裂纹。