CN107264570A - 钢轨光带分布检测装置与方法 - Google Patents

Abstract

本发明提供了一种钢轨光带分布检测装置与方法，涉及轨道交通领域。该钢轨光带分布检测装置与方法通过依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；再将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，通过上述方式获得的光带分布数据精确度高，因而该光带分布数据用做铁道养护维修、故障诊断的可靠性与参考性非常强。

Description

钢轨光带分布检测装置与方法

技术领域

本发明涉及轨道交通领域，具体而言，涉及一种钢轨光带分布检测装置与方法。

背景技术

钢轨是铁路钢轨的主要组成部件。它的功用在于引导机车车辆的车轮前进，承受车轮的巨大压力，并传递到轨枕上。钢轨必须为车轮提供连续、平顺和阻力最小的滚动表面。在电气化铁道或自动闭塞区段，钢轨还可兼做钢轨电路之用。钢轨光带是由于车轮-钢轨长期动态接触、挤压、摩擦等作用形成的一条沿钢轨纵向分布的带状区域，由于表面接触作用导致钢轨表面呈金属光泽，与未接触区域形成视觉反差而成“亮色”，因而称之为光带。光带实际上是轮轨反复接触作用形成的，其状态可以直接反映出车轮通过该区段钢轨时的平稳性，一百年来一直是铁道养护维修、故障诊断的重要依据。现有技术主要是依据钢尺直接测量光带的宽度、位置等特征，使用相机拍摄记录，并通过人工识别光带状态，效率较低，误差较大，结果粗糙，因而用做铁道养护维修、故障诊断的可靠性与参考性差。

发明内容

有鉴于此，本发明实施例的目的在于提供一种钢轨光带分布检测装置与方法，以改善上述的问题。

第一方面，本发明实施例提供了一种钢轨光带分布检测装置，所述钢轨光带分布检测装置包括：

信息接收单元，用于接收两个图像采集装置分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像；

光带区域识别单元，用于识别出第一钢轨图像及第二钢轨图像各自的光带区域；

钢轨轮廓曲线获得单元，用于依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；

钢轨光带分布获得单元，用于将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据。

第二方面，本发明实施例还提供了一种钢轨光带分布检测方法，所述钢轨光带分布检测方法包括：

接收两个图像采集装置分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像；

识别出第一钢轨图像及第二钢轨图像各自的光带区域；

依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；

将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据。

与现有技术相比，本发明提供的钢轨光带分布检测装置与方法，通过依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；再将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，通过上述方式获得的光带分布数据精确度高，因而该光带分布数据用做铁道养护维修、故障诊断的可靠性与参考性非常强。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的服务器与图像采集装置的交互示意图；

图2为本发明实施例提供的服务器的结构框图；

图3为本发明实施例提供的钢轨光带分布检测装置功能模块示意图；

图4为本发明实施例提供的钢轨轮廓曲线获得单元的功能单元示意图；

图5为本发明实施例提供的钢轨光带分布检测装置与方法的应用环境示意图；

图6为本发明实施例提供的钢轨的结构示意图；

图7为本发明实施例提供的对应特征点与空间坐标的位置关系示意图；

图8为本发明实施例提供的钢轨光带分布检测方法的流程图。

图标：100-图像采集装置；200-服务器；300-钢轨光带分布检测装置；101-处理器；102-存储器；103-存储控制器；104-外设接口；105-钢轨；106-空间钢轨轮廓曲线；107-光带；108-特征点；109-空间坐标点；110-外壳；301-信息接收单元；302-光带区域识别单元；303-钢轨轮廓曲线获得单元；305-钢轨光带分布获得单元；401-特征点提取子单元；402-对应特征点查找子单元；403-钢轨轮廓曲线集成子单元。

具体实施方式

下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明较佳实施例所提供的可应用于钢轨光带分布检测装置与方法，如图1所示的应用环境中。如图1所示，两个图像采集装置100及服务器200位于网络中，通过该网络，两个图像采集装置100及服务器200进行数据交互。于本发明实施例中，该服务器200可以是，但不限于，网络服务器、数据库服务器，云端服务器等等。本实施例中，图像采集装置100为照相机。

图2示出了一种可应用于本发明实施例中的服务器200的结构框图。所述服务器包括钢轨光带分布检测装置300、处理器101、存储器102、存储控制器103以及外设接口104。

所述存储器102、存储控制器103、外设接口104及处理器101，各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述钢轨光带分布检测装置300包括至少一个可以软件或固件(firmware)的形式存储于所述存储器102中或固化在所述客户端100的操作系统(operating system，OS)中的软件功能模块。所述处理器101用于执行存储器102中存储的可执行模块，例如，所述钢轨光带分布检测装置300包括的软件功能模块或计算机程序。

其中，存储器102可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器102Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。其中，存储器102用于存储程序，所述处理器101在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的服务器所执行的方法可以应用于处理器101中，或者由处理器101实现。

处理器101可能是一种集成电路芯片，具有信号的处理能力。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器101也可以是任何常规的处理器101等。

外设接口104将各种输入/输出装置耦合至处理器101以及存储器102。在一些实施例中，外设接口104、处理器101以及存储控制器103可以在单个芯片中实现。在其他一些实例中，他们可以分别由独立的芯片实现。

可以理解，图2所示的结构仅为示意，服务器200还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。

请参阅图3，本发明实施例提供的一种钢轨光带分布检测装置300，所述钢轨光带分布检测装置300包括信息接收单元301、光带区域识别单元302、钢轨轮廓曲线获得单元303以及钢轨光带分布获得单元305。

信息接收单元301用于接收两个图像采集装置100分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像。

本实施例中，服务器预先存储有钢轨廓形，预存储的钢轨廓形为标准廓形(也即无磨耗情况下的标准钢轨廓形)。如图5、图6所示，钢轨105的光带107是附着在钢轨105表面的，实际操作中先建立沿着廓形表面的刻度坐标，刻度坐标的起止点建立有两种方式，其一是从钢轨105非工作边轨距角到另一侧(工作边)廓形下边缘(非对称)，其二是从非工作边下边缘到另一侧廓形下边缘(对称)。前者是考虑到钢轨光带107只可能分布于钢轨105顶面与钢轨105工作边一侧，而后者是考虑到对称布置结果更加美观，本实施例中，采用第一种坐标起止点对钢轨105进行刻度标记。

然后将外壳110罩设在待拍摄的钢轨105外，构造稳定的内部光场环境，也即保证拍摄内部光源充足，内外隔离，避免外部光干扰。架设照相机，其中，两个相机架设位置应该满足如下条件：

其中一个相机架设于钢轨105的正上方，另一相机架设于钢轨105的右斜上方，位于钢轨105的正上方的相机，与钢轨105之间距离需要保证在采集到图片可以至少包含一个钢轨扣件或者扣件的部分特征，架设于钢轨105的右斜上方的相机的主轴正对钢轨轨距角，与钢轨105的距离需要保证采集到的一张图片可以至少包含一个钢轨扣件或者扣件的部分特征。一方面有利于实现图像的拼接，另一方面用以实现钢轨扣件的计数，有利于里程的判断(根据扣件数目)。较佳地，在本实施例中，在外壳110的内壁内嵌了两块相机标定板，相机标定板例如可以采用标准正方形棋盘格板，相机在进行移动拍照的过程中的振动可能导致相机产生微小的振动，由于振动干扰导致拍照位置偏差，利用内嵌标定板保证测量过程的稳定性，从而对两个相机拍摄图片进行修正。

另外，在外壳110内设置有内部光源，内部光源最佳为漫反射平面光源，本实施例中采用LED灯带，黏贴于整个外壳110的内壁，表面使用半透光的白纸覆盖，使得内部光源柔和形成类似的平面光源。避免较强的局部光照通过钢轨105的光带107反光造成过度曝光，使得拍摄效果不佳，影响最终检测精度。通过的密闭环境与内部光源的组合，使得不管是白天还是黑夜工作，该装置均能提供稳定的光环境，达到较高的检测质量。

本实施例中，对钢轨光带107的进行连续的图像采集，但是并不是通过拍摄视频的方法(一方面是因为视频容量过大，不宜处理，另一方面是因为视频清晰度有限，移动过程中的振动问题会导致图像模糊而出现较大误差)，而是通过间隔一定距离情况下对钢轨光带107进行间隔性采集，然后对两个相机对同一位置拍摄的两张图像进行分析，这里还需要进一步说明的是，若拍照间隔距离过大会导致光带107数据中断，无法首尾相接形成连续测量值，若拍照间隔距离过小能增加测量数据的重复率以提升检测精度，但是会增大数据存储量以及后处理工作量。因此本实施例中，拍照间距设置当前钢轨105结构形式对应的扣件间距左右即可，一般而言为0.5m～0.7m之间。

光带区域识别单元302用于识别出第一钢轨图像及第二钢轨图像各自的光带107区域。

具体地，所述光带区域识别单元302用于第一钢轨图像及第二钢轨图像从RGB颜色空间转换至XYZ颜色空间，再将处于XYZ颜色空间的第一钢轨图像及第二钢轨图像转换至Lab颜色空间，分别将第一钢轨图像及第二钢轨图像的明度大于预设定阈值的区域识别为各自的光带107区域。

具体地，光带区域识别单元302用于依据第一钢轨图像及第二钢轨图像从RGB颜色空间转换至XYZ颜色空间，其中， 依据算式将处于XYZ颜色空间的第一钢轨图像及第二钢轨图像转换至Lab颜色空间。

具体地，钢轨轮廓曲线获得单元303用于依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带107区域获得空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布。

如图4所示，所述钢轨轮廓曲线获得单元303包括：

特征点提取子单元401，用于分别提取第一钢轨图像、第二钢轨图像的多个特征点108；

对应特征点查找子单元402，用于找出第一钢轨图像的特征点108与第二钢轨图像的特征点108满足极几何约束m’^TFm＝0的多对特征点108；

如图7所示，钢轨轮廓曲线集成子单元403，用于依据第一钢轨图像、第二钢轨图像的摄像机参数矩阵、每对特征点108的坐标计算出每对特征点108对应的空间坐标点109，并将多个空间坐标点109集成空间钢轨轮廓曲线106。

更进一步地，钢轨轮廓曲线集成子单元403用于依据算式计算出每对特征点108对应的空间坐标点109，并将多个空间坐标点109集成为钢轨轮廓曲线，其中，P为第一钢轨图像所在的摄像机参数矩阵、P′第二钢轨图像所在的摄像机参数矩阵，m＝(u，v，1)^T；m′＝(u′，v′，1)^T，m为第一钢轨图像的一个特征点108像素坐标，m′为第二钢轨图像的一个特征点108像素坐标，X为空间坐标点109的齐次坐标。

钢轨光带分布获得单元305用于将空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带107分布数据。

具体地，所述钢轨光带分布获得单元305用于依据算式T₁＝X×R_t(θ，x，y)将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，其中，X为空间钢轨轮廓曲线上所有点组成的矩阵，R_t(θ，x，y)为等距变换矩阵，且(θ，x，y)满足θ为旋转参数，x，y均为平移参数，为θ，x，y均满足最小误差时的值，S＝{X_i|i＝1，2，...，s}，S为获得的钢轨轮廓曲线有序离散点列，T＝{Y_i|i＝1，2，...，t}，T为预存储的钢轨轮廓曲线有序离散点列。由此光带107信息分布可以直接映射到基于曲线T(预存储的钢轨轮廓曲线有序离散点列)所建立的刻度坐标上，获得映射后的光带107分布数据T′，其中，T′＝T(i＝n₁，n₂，...，n_k)。

请参阅图8，本发明实施例还提供了一种钢轨光带分布检测方法，需要说明的是，本实施例所提供的钢轨光带分布检测方法，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。所述钢轨光带分布检测方法包括：

步骤S801：接收两个图像采集装置100分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像。

步骤S802：识别出第一钢轨图像及第二钢轨图像各自的光带107区域。

步骤S802的具体实施方式可以为：将第一钢轨图像及第二钢轨图像从RGB颜色空间转换至XYZ颜色空间，再将处于XYZ颜色空间的第一钢轨图像及第二钢轨图像转换至Lab颜色空间，分别将第一钢轨图像及第二钢轨图像的明度大于预设定阈值的区域识别为各自的光带107区域。

步骤S803：依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带107区域获得空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布。

步骤S803的具体实施方式可以为：分别提取第一钢轨图像、第二钢轨图像的多个特征点108；找出第一钢轨图像的特征点108与第二钢轨图像的特征点108满足极几何约束m’^TFm＝0的多对特征点108；依据第一钢轨图像、第二钢轨图像的摄像机参数矩阵、每对特征点108的坐标计算出每对特征点108对应的空间坐标点109，并将多个空间坐标点109集成空间钢轨轮廓曲线106。进一步地，步骤S703依据算式计算出每对特征点108对应的空间坐标点109，并将多个空间坐标点109集成为钢轨轮廓曲线，其中，P为第一钢轨图像所在的摄像机参数矩阵、P′第二钢轨图像所在的摄像机参数矩阵，m＝(u，v，1)^T；m′＝(u′，v′，1)^T，m为第一钢轨图像的一个特征点108像素坐标，m′为第二钢轨图像的一个特征点108像素坐标，X为空间坐标点109的齐次坐标。

步骤S804：将空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带107分布数据。

具体地，步骤S804的具体实施方式可以为：依据算式T₁＝X×R_t(θ，x，y)将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，其中，X为空间钢轨轮廓曲线上所有点组成的矩阵，R_t(θ，x，y)为等距变换矩阵，且(θ，x，y)满足θ为旋转参数，x，y均为平移参数，为θ，x，y均满足最小误差时的值，S＝{X_i|i＝1，2，...，s}，S为获得的钢轨轮廓曲线有序离散点列，T＝{Y_i|i＝1，2，...，t}，T为预存储的钢轨轮廓曲线有序离散点列。

综上所述，本发明提供的钢轨光带分布检测装置与方法，通过依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带107区域获得空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布；再将空间钢轨轮廓曲线106及光带107在空间钢轨轮廓曲线106的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带107分布数据，通过上述方式获得的光带107分布数据精确度高，因而该光带107分布数据用做铁道养护维修、故障诊断的可靠性与参考性非常强。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

Claims (10)

1.一种钢轨光带分布检测装置，其特征在于，所述钢轨光带分布检测装置包括：

信息接收单元，用于接收两个图像采集装置分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像；

光带区域识别单元，用于识别出第一钢轨图像及第二钢轨图像各自的光带区域；

钢轨轮廓曲线获得单元，用于依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；

钢轨光带分布获得单元，用于将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据。

2.根据权利要求1所述的钢轨光带分布检测装置，其特征在于，所述钢轨轮廓曲线获得单元包括：

特征点提取子单元，用于分别提取第一钢轨图像、第二钢轨图像的多个特征点；

对应特征点查找子单元，用于找出第一钢轨图像的特征点与第二钢轨图像的特征点满足极几何约束m^’TFm＝0的多对特征点；

钢轨轮廓曲线集成子单元，用于依据第一钢轨图像、第二钢轨图像的摄像机参数矩阵、每对特征点的坐标计算出每对特征点对应的空间坐标点，并将多个空间坐标点集成空间钢轨轮廓曲线。

3.根据权利要求2所述的钢轨光带分布检测装置，其特征在于，钢轨轮廓曲线集成子单元用于依据算式计算出每对特征点对应的空间坐标点，并将多个空间坐标点集成为空间钢轨轮廓曲线，其中，P为第一钢轨图像所在的摄像机参数矩阵、P′第二钢轨图像所在的摄像机参数矩阵，m＝(u，v，1)^T；m′＝(u′，v′，1)^T，m为第一钢轨图像的一个特征点像素坐标，m′为第二钢轨图像的一个特征点像素坐标，X为空间坐标点的齐次坐标。

4.根据权利要求1所述的钢轨光带分布检测装置，其特征在于，所述钢轨光带分布获得单元用于依据算式T₁＝X×R_t(θ，x，y)将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，其中，X为空间钢轨轮廓曲线上所有点组成的矩阵，R_t(θ，x，y)为等距变换矩阵，且(θ，x，y)满足θ为旋转参数，x，y均为平移参数，为θ，x，y均满足最小误差时的值，S＝{X_i|i＝1，2，...，s}，S为获得的钢轨轮廓曲线有序离散点列，T＝{Y_i|i＝1，2，...，t}，T为预存储的钢轨轮廓曲线有序离散点列。

5.根据权利要求1所述的钢轨光带分布检测装置，其特征在于，所述光带区域识别单元用于第一钢轨图像及第二钢轨图像从RGB颜色空间转换至XYZ颜色空间，再将处于XYZ颜色空间的第一钢轨图像及第二钢轨图像转换至Lab颜色空间，分别将第一钢轨图像及第二钢轨图像的明度大于预设定阈值的区域识别为各自的光带区域。

6.一种钢轨光带分布检测方法，其特征在于，所述钢轨光带分布检测方法包括：

接收两个图像采集装置分别发送的从两个不同的角度采集到的第一钢轨图像、第二钢轨图像；

识别出第一钢轨图像及第二钢轨图像各自的光带区域；

依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布；

将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据。

7.根据权利要求6所述的钢轨光带分布检测方法，其特征在于，所述依据第一钢轨图像、第二钢轨图像以及第一钢轨图像、第二钢轨图像各自的光带区域获得空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布的步骤包括：

分别提取第一钢轨图像、第二钢轨图像的多个特征点；

找出第一钢轨图像的特征点与第二钢轨图像的特征点满足极几何约束m^’TFm＝0的多对特征点；

依据第一钢轨图像、第二钢轨图像的摄像机参数矩阵、每对特征点的坐标计算出每对特征点对应的空间坐标点，并将多个空间坐标点集成空间钢轨轮廓曲线。

8.根据权利要求7所述的钢轨光带分布检测方法，其特征在于，所述依据第一钢轨图像、第二钢轨图像的摄像机参数矩阵、每对特征点的坐标计算出每对特征点对应的空间坐标点，并将多个空间坐标点集成空间钢轨轮廓曲线的步骤包括：

依据算式计算出每对特征点对应的空间坐标点，并将多个空间坐标点集成为空间钢轨轮廓曲线，其中，P为第一钢轨图像所在的摄像机参数矩阵、P′第二钢轨图像所在的摄像机参数矩阵，m＝(u，v，1)^T；m′＝(u′，v′，1)^T，m为第一钢轨图像的一个特征点像素坐标，m′为第二钢轨图像的一个特征点像素坐标，X为空间坐标点的齐次坐标。

9.根据权利要求6所述的钢轨光带分布检测方法，其特征在于，所述将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据的步骤包括：

依据算式T₁＝X×R_t(θ，x，y)将空间钢轨轮廓曲线及光带在空间钢轨轮廓曲线的分布映射到预存储的标准钢轨轮廓曲线模型，并提取映射后的光带分布数据，其中，X为空间钢轨轮廓曲线上所有点组成的矩阵，R_t(θ，x，y)为等距变换矩阵，且(θ，x，y)满足θ为旋转参数，x，y均为平移参数，为θ，x，y均满足最小误差时的值，S＝{X_i|i＝1，2，...，s}，S为获得的钢轨轮廓曲线有序离散点列，T＝{Y_i|i＝1，2，...，t}，T为预存储的钢轨轮廓曲线有序离散点列。

10.根据权利要求6所述的钢轨光带分布检测方法，其特征在于，所述识别出第一钢轨图像及第二钢轨图像各自的光带区域的步骤包括：

将第一钢轨图像及第二钢轨图像从RGB颜色空间转换至XYZ颜色空间，再将处于XYZ颜色空间的第一钢轨图像及第二钢轨图像转换至Lab颜色空间，分别将第一钢轨图像及第二钢轨图像的明度大于预设定阈值的区域识别为各自的光带区域。