CN111122598A - 一种钢轨表面缺陷三维检测系统及方法 - Google Patents
一种钢轨表面缺陷三维检测系统及方法 Download PDFInfo
- Publication number
- CN111122598A CN111122598A CN201911295086.4A CN201911295086A CN111122598A CN 111122598 A CN111122598 A CN 111122598A CN 201911295086 A CN201911295086 A CN 201911295086A CN 111122598 A CN111122598 A CN 111122598A
- Authority
- CN
- China
- Prior art keywords
- steel rail
- laser
- point cloud
- camera
- calibration plate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
Abstract
本发明提供了一种钢轨表面缺陷三维检测系统及相应的方法,通过调整激光单元和相机的位置和分布方式可以在减少相机个数的情况下完全覆盖钢轨,以便对钢轨表面进行完整地照射和图像采集,从而可以大大降低标定的工作量;将每个激光单元分别与一个相机单元一体组装,使二者可以始终以相同的方向和速度进行移动,从而确保相机单元的拍摄角度和范围始终与激光单元的照射角度和范围一致;实验证实该系统的深度检测分辨力可以达到0.05mm,能够准确检测钢轨表面多种二维缺陷或小尺寸的缺陷,从而大大提高了检测的精度,并且没有遗漏、误判率极低,因此检测结果可信度高,适于在钢轨生产检测中进行推广应用。
Description
技术领域
本发明属于自动化检测技术领域,特别涉及一种钢轨表面缺陷三维检测系统及方法。
背景技术
钢轨表面缺陷的三维检测技术是通过光源和相机的视觉方法来恢复钢轨表面的三维信息,然后通过得出的三维信息来确定缺陷的位置和缺陷种类的技术。单纯的利用相机来获取物体的二维图像并不能得出物体表面的深度信息,而氧化铁皮、结疤、压痕等钢轨缺陷在二维图像上非常相似,所以用二维图像进行缺陷检测效果不好。双目视觉技术可以得出钢轨表面深度,但其计算量较大;深度相机可以直接取得物体的表面深度但其精度较差;而激光切片的方法可以较好地解决这一问题。授权公告号为CN101639452B的发明专利公开了一种钢轨表面缺陷的三维检测方法,采用4台激光线光源和8台面阵相机对钢轨进行完全覆盖,采集激光光带图像并转换成二维的深度分布图,从而检测缺陷所在的区域,由此实现钢轨表面缺陷的自动检测。然而该方法使用的相机较多,标定过程繁琐、计算量大,并且其深度检测分辨力为0.2mm,对深度变化不明显(如二维缺陷)或尺寸过小的缺陷仍然无法监测,检测精度有限。
发明内容
为了解决上述技术问题,本发明提供了一种钢轨表面缺陷三维检测系统及方法。
本发明具体技术方案如下:
本发明提供了一种钢轨表面缺陷三维检测系统,包括四组检测机构以及与四组所述检测机构电性连接的分析单元,每组所述检测机构包括组装为一体并且朝向同一方向的一个激光单元和一个相机单元,四组所述检测机构分别设在所述钢轨的左上方、右上方、左下方以及右下方;
所述激光单元将激光线投影到所述钢轨的轨梁表面,且四个所述激光单元发射的激光线位于同一平面上,并在所述轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
所述相机单元采集所述激光线在所述轨梁上的投影、并将采集到的激光线图像提供给所述分析单元,且相对的两个所述相机单元的拍摄方向位于同一直线上;
所述分析单元对所述激光线图像进行处理和计算,分析所述激光线在所述轨梁表面的形变,从而获得所述钢轨表面的缺陷信息。
进一步地,所述分析单元包括如下部分:
标定模块,用于对所述检测系统的多项参数进行标定,所述参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
深度变化计算模块,用于根据经过标定的所述参数、通过所述激光线照射在所述钢轨表面的图像求解出所述钢轨表面的三维坐标,进而计算出所述钢轨表面深度变化分布图;
缺陷检测识别模块,用于从所述钢轨表面深度变化分布图中识别出缺陷,并对所述缺陷的种类进行判断。
进一步地,所述标定模块用于按照如下方法、采用长方体的标定板对所述参数进行标定:
标定相机内参:将所述相机单元的位置固定,采集多张不同姿态的标定板图像进行输入,据此输出相机内参;
标定相机外参:调整所述标定板的姿态,使所述标定板的标定面垂直于所述钢轨的运动方向,在所述标定板上放置水平仪使整个标定板水平,采集此时的标定板图像,并据此输出相机外参;
标定激光单元平面:调整所述激光单元的位置,照射所述标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与所述标定面平行,并据此求出激光线平面,即为所述激光单元平面;
标定钢轨的运动方向:将所述标定板按照所述钢轨的运动方式进行相同的运动,通过述相机单元不同时刻所采集到的标定板图像来计算所述钢轨的运动方向。
进一步地,所述深度变化计算模块包括如下部分:
点云坐标计算子模块,用于根据经过标定的所述参数分别从每幅所述激光线图像中得出钢轨表面各个点的坐标,获得三维点云数据、并保存在视差图中;
点云轮廓拼合子模块,用于将每幅所述激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓;
轮廓配准子模块,用于采用标准钢轨轮廓作为基准模型,对所述点云轮廓进行配准、得到配准后的钢轨轮廓;
深度变化分布图生成子模块,用于计算所述配准后的钢轨轮廓与所述基准模型间的差值,并据此生成深度变化分布图。
进一步地,所述点云轮廓拼合子模块用于按照如下方法生成所述点云轮廓:
视差图像分割:从所述视差图像中分割出有效坐标点区域;
视差图像排序:对分割出的所述有效坐标点区域按照一定的方向进行排序;
视差图像去重:对来自相邻的所述相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
视差图像合并:对所有所述无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓。
进一步地,所述轮廓配准子模块用于按照如下方法对所述点云轮廓进行配准:
轮廓粗调:对所述点云轮廓求解中心坐标,通过所述中心坐标进行轮廓调整;
轮廓精调:采用一个标注钢轨轮廓作为基准模型,使用IPC算法和所述基准模型对所述点云轮廓进行配准操作,得到配准后的钢轨轮廓。
本发明另一方面提供了应用上述系统的钢轨表面缺陷三维检测方法,包括如下步骤:
S1:通过所述激光单元同时从四个方向将位于同一平面的激光线投影到所述钢轨的轨梁表面,四个所述激光单元发射的激光线位于同一平面上,并在所述轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
S2:通过所述相机单元采集所述激光线在所述轨梁上的投影、并将采集到的激光线图像提供给所述分析单元;
S3:通过所述分析单元对所述激光线图像进行处理和计算,分析所述激光线在所述轨梁表面的形变,从而获得所述钢轨表面的缺陷信息。
进一步地,步骤S3的具体方法如下:
S3.1:以钢轨的运动方向为z轴,对所述检测系统的多项参数进行标定,所述参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
S3.2:根据经过标定的所述参数、通过所述相机单元采集到的激光线图像求解出所述钢轨表面的三维坐标,进而计算出所述钢轨表面深度变化分布图;
S3.3:从所述钢轨表面深度变化分布图中识别出缺陷,并对所述缺陷的种类进行判断。
进一步地,步骤S3.1的具体方法如下:
S3.1.1:采用长方体的标定板,将所述相机单元的位置固定,每台相机分别采集多张不同姿态的标定板图像进行输入,据此输出相机内参;
S3.1.2:调整所述标定板的姿态,使所述标定板的标定面垂直于所述钢轨的运动方向,在所述标定板上放置水平仪使整个标定板水平,每台相机分别采集此时的标定板图像,并据此输出相机外参;
S3.1.3:调整所述激光单元的位置,照射所述标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与所述标定面平行,每台相机分别拍摄激光线图像、并提取激光线的三维坐标,然后整合坐标进行拟合、据此求出激光线平面,即为所述激光单元平面;
S3.1.4:将所述标定板按照所述钢轨的运动方式进行相同的运动,通过所述相机单元不同时刻所采集到的标定板图像来计算所述钢轨的运动方向。
进一步地,步骤S3.2的具体方法如下:
S3.2.1:根据经过标定的所述参数分别从每幅所述激光线图像中得出钢轨表面各个点的坐标,获得三维点云数据、并保存在视差图中;
S3.2.2:将每幅所述激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓;
S3.2.3:采用标准钢轨轮廓作为基准模型,对所述点云轮廓进行配准、得到配准后的钢轨轮廓;
S3.2.4:所述深度变化分布图生成子模块对所述配准后的钢轨轮廓与所述基准模型间的差值进行计算,并据此生成深度变化分布图。
进一步地,步骤S3.2.2的具体方法如下:
S3.2.2.1:从所述视差图像中分割出有效坐标点区域;
S3.2.2.2:对分割出的所述有效坐标点区域按照一定的方向进行排序;
S3.2.2.3:对来自相邻的所述相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
S3.2.2.4:对所有所述无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓。
进一步地,步骤S3.2.3的具体方法如下:
S3.2.3.1:对所述点云轮廓求解中心坐标,通过所述中心坐标进行轮廓调整;
S3.2.3.2:采用一个标准钢轨轮廓作为基准模型,使用ICP算法和所述基准模型对所述点云轮廓进行配准操作,得到配准后的钢轨轮廓。
本发明的有益效果如下:本发明提供了一种钢轨表面缺陷三维检测系统及相应的方法,通过调整激光单元和相机的位置和分布方式可以在减少相机个数的情况下完全覆盖钢轨,以便对钢轨表面进行完整地照射和图像采集,从而可以大大降低标定的工作量;将每个激光单元分别与一个相机单元一体组装,使二者可以始终以相同的方向和速度进行移动,从而确保相机单元的拍摄角度和范围始终与激光单元的照射角度和范围一致;实验证实该系统的深度检测分辨力可以达到0.05mm,能够准确检测钢轨表面多种二维缺陷或小尺寸的缺陷,从而大大提高了检测的精度,并且没有遗漏、误判率极低,因此检测结果可信度高,适于在钢轨生产检测中进行推广应用。
附图说明
图1为实施例1所述的钢轨表面缺陷三维检测系统的结构示意图;
图2为实施例2所述的钢轨表面缺陷三维检测系统中分析单元的架构示意图;
图3为实施例2中标定相机内参时输入的不同姿态的标定板图像的示意图;
图4为实施例2中标定相机外参时输入的不同相机采集的标定板图像的示意图;
图5为实施例2中标定激光单元平面时不同相机采集的激光线图像的示意图;
图6为实施例2中四组相机单元分别拍摄的钢轨的激光线图像;
图7为根据图6获得的三维点云的视差图;
图8为根据图7合并得到的完整的点云轮廓;
图9为根据图8生成的钢轨的深度变化分布图;
图10为实施例3所述的钢轨表面缺陷三维检测方法的流程图;
图11为实施例3所述的钢轨表面缺陷三维检测方法中步骤S3的流程图;
图12为应用实例中钢轨样品表面的灰度图;
图13为应用实例中钢轨样品表面的深度变化分布图。
具体实施方式
下面结合附图和以下实施例对本发明作进一步详细说明。需要说明的是,以下实施例提供的截图均来自于发明人根据本申请技术方案开发的检测软件,除发明人进行内部测试以外,该软件在申请日前并未以任何方式、在任何渠道进行公开。另外,以下实施例中采用的标准钢轨轮廓均根据《中华人民共和国铁道行业标准TB/T2376-2011》规定的高速铁路用钢轨进行设计。
实施例1
本实施例1提供了一种钢轨表面缺陷三维检测系统,一种钢轨表面缺陷三维检测系统,包括组装为一体并且朝向同一方向的四组检测机构以及与四组检测机构电性连接的分析单元1,每组检测机构包括组装为一体并且朝向同一方向的一个激光单元2和一个相机单元3,四组检测机构分别设在钢轨的左上方、右上方、左下方以及右下方(如图1所示);
激光单元2将激光线投影到钢轨的轨梁表面,且四个激光单元2发射的激光线位于同一平面上,并在轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
相机单元3采集激光线在轨梁上的投影、并将采集到的激光线图像提供给分析单元1,且相对的两个相机单元3的拍摄方向位于同一直线上;
分析单元1对激光线图像进行处理和计算,分析激光线在轨梁表面的形变,从而获得钢轨表面的缺陷信息。
本实施例提供的检测系统通过调整激光单元和相机的位置和分布方式可以在减少相机个数的情况下完全覆盖钢轨,以便对钢轨表面进行完整地照射和图像采集,从而可以大大降低标定的工作量;将每个激光单元2分别与一个相机单元3一体组装,使二者可以始终以相同的方向和速度进行移动,从而确保相机单元3的拍摄角度和范围始终与激光单元2的照射角度和范围一致;经实验证实该系统能够准确检测钢轨表面多种二维缺陷或小尺寸的缺陷,从而大大提高了检测的精度。
实施例2
如图2所示,本实施例2在实施例1的基础上提供了一种钢轨表面缺陷三维检测系统,该实施例2进一步限定了分析单元1包括如下部分:
标定模块11,用于对检测系统的多项参数进行标定,参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
深度变化计算模块12,用于根据经过标定的参数、通过激光线照射在钢轨表面的图像求解出钢轨表面的三维坐标,进而计算出钢轨表面深度变化分布图;
缺陷检测识别模块13,用于从钢轨表面深度变化分布图中识别出缺陷,并对缺陷的种类(包括轧疤、修磨、拼接边缘、氧化铁皮等)进行判断。
缺陷种类的判断需要实现经过卷积神经网络的方法进行机器学习,通过对深度、颜色、形状、边缘形态等信息的学习来识别不同缺陷的特征,以此对不同的缺陷进行识别和判断。由于机器学习的方法已经非常成熟,因此在此不进行赘述。
标定模块11用于按照如下方法、采用长方体的标定板对所述参数进行标定:
(1)标定相机内参:采用常规标定方法,将相机固定,每台相机分别采集多张不同姿态的标定板图像进行输入(如图3所示),据此输出相机内参;
(2)标定相机外参:调整标定板姿态,使标定板的标定面垂直于被测物(钢轨)的运动方向,在标定板上放置水平仪使整个标定板水平,每台相机分别采集此时的标定板图像(如图4所示),并据此输出相机外参;
(3)标定激光单元平面:调整激光单元2,照射所述标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与标定面平行,每台相机分别拍摄一幅激光线图像(如图5所示)、并提取激光线的三维坐标,然后整合坐标进行拟合、据此求出激光线平面,即为激光单元平面;
(4)钢轨的运动方向:将标定板按照钢轨的运动方式进行相同的运动,通过不同时刻相机采集到的标定板图像来计算(标定)钢轨的运动方向。
应用上述标定方法可以有效简化标定步骤,并只需一幅激光线图像就可以得出激光线平面,从而简化激光线平面的标定。
深度变化计算模块12包括如下部分:
点云坐标计算子模块121,用于根据经过标定的参数分别从每幅激光线图像(如图6所示)中得出钢轨表面各个点的坐标(x,y,z),获得三维点云数据、并保存在视差图中(如图7所示);
点云轮廓拼合子模块122,用于将每幅激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓(如图8所示);
轮廓配准子模块123,用于采用标准钢轨轮廓作为基准模型,使用ICP算法(Iterative Closest Point,迭代最临近算法)对点云轮廓进行配准、得到配准后的钢轨轮廓;该步骤可有效去除钢轨在一定范围内抖动带来的影响;
深度变化分布图生成子模块124,用于计算配准后的钢轨轮廓与基准模型间的差值,并据此生成深度变化分布图(如图9所示,其中1为凸起热打印标识,2、3、4为缺陷)。
具体地,点云轮廓拼合子模块122用于按照如下方法生成点云轮廓:
视差图像分割:从视差图像中分割出有效坐标点区域;
视差图像排序:对分割出的有效坐标点区域按照一定的方向进行排序;
视差图像去重:对来自相邻的相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
视差图像合并:对所有无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓。
具体地,轮廓配准子模块123用于按照如下方法对点云轮廓进行配准:
轮廓粗调:对点云轮廓求解中心坐标,通过中心坐标进行轮廓调整;
轮廓精调:采用一个标准钢轨轮廓作为基准模型,使用ICP算法和基准模型对点云轮廓进行配准操作,得到配准后的钢轨轮廓。
本实施例提供的钢轨表面缺陷三维检测方法具体限定了深度变化分布图的生成方法,采用此方法可以识别深度达到0.05mm的二维缺陷或小尺寸缺陷,从而有效提高了检测精度。
实施例3
如图10所示,本实施例3提供了应用上述实施例中所述系统的钢轨表面缺陷三维检测方法,具体包括如下步骤:
S1:通过激光单元2同时从四个方向将位于同一平面的激光线投影到钢轨的轨梁表面,四个激光单元2发射的激光线位于同一平面上,并在轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
S2:通过相机单元3采集激光线在轨梁上的投影、并将采集到的激光线图像提供给分析单元1;
S3:通过分析单元1对激光线图像进行处理和计算,分析激光线在轨梁表面的形变,从而获得钢轨表面的缺陷信息。
如图11所示,步骤S3的具体方法如下:
S3.1:以钢轨的运动方向为z轴,对检测系统的多项参数进行标定,参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
S3.2:根据经过标定的参数、通过相机单元3采集到的激光线图像求解出钢轨表面的三维坐标,进而计算出钢轨表面深度变化分布图;
S3.3:从钢轨表面深度变化分布图中识别出缺陷,并对缺陷的种类进行判断。
步骤S3.1的具体方法如下:
S3.1.1:采用长方体的标定板,将相机单元3的位置固定,采集多张不同姿态的标定板图像进行输入,据此输出相机内参;
S3.1.2:调整标定板的姿态,使标定板的标定面垂直于钢轨的运动方向,在标定板上放置水平仪使整个标定板水平,采集此时的标定板图像,并据此输出相机外参;
S3.1.3:调整激光单元2的位置,照射标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与所述标定面平行,并据此求出激光线平面,即为激光单元平面;
S3.1.4:将标定板按照钢轨的运动方式进行相同的运动,通过相机单元3不同时刻所采集到的标定板图像来计算钢轨的运动方向。
步骤S3.2的具体方法如下:
S3.2.1:根据经过标定的参数分别从每幅激光线图像中得出钢轨表面各个点的坐标,获得三维点云数据、并保存在视差图中;
S3.2.2:将每幅激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓;
S3.2.3:采用标准钢轨轮廓作为基准模型,对点云轮廓进行配准、得到配准后的钢轨轮廓;
S3.2.4:深度变化分布图生成子模块324对配准后的钢轨轮廓与基准模型间的差值进行计算,并据此生成深度变化分布图。
步骤S3.2.2的具体方法如下:
S3.2.2.1:从视差图像中分割出有效坐标点区域;
S3.2.2.2:对分割出的有效坐标点区域按照一定的方向进行排序;
S3.2.2.3:对来自相邻的相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
S3.2.2.4:对所有无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓。
步骤S3.2.3的具体方法如下:
S3.2.3.1:对点云轮廓求解中心坐标,通过中心坐标进行轮廓调整;
S3.2.3.2:采用一个标准钢轨轮廓作为基准模型,使用ICP算法和基准模型对点云轮廓进行配准操作,得到配准后的钢轨轮廓。
应用实例
使用本发明提供的系统和方法分别对XXXX生产线的钢轨样品进行表面缺陷检测,并分别在灰度图(如图12所示)和深度变化分布图(如图13所示)上进行标注。结果显示,共检出缺陷18处,可以检测出的最大深度平均值为0.0658mm,负区域深度平均值可达0.0241mm;同时经过现场人工检查站的查验,实际缺陷共有17处、全部被该系统检出,因此应用上述系统和方法的缺陷检出率为100%、检出缺陷的有效率达到94.4%。综上可知,本发明提供的系统和方法检测精度极高、能够识别深度很浅和尺寸很小的缺陷,并且没有遗漏、误判率极低,因此检测结果可信度高,适于在钢轨生产检测中进行推广应用。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种钢轨表面缺陷三维检测系统,其特征在于,包括四组检测机构以及与四组所述检测机构电性连接的分析单元(1),每组所述检测机构包括组装为一体并且朝向同一方向的一个激光单元(2)和一个相机单元(3),四组所述检测机构分别设在所述钢轨的左上方、右上方、左下方以及右下方;
所述激光单元(2)将激光线投影到所述钢轨的轨梁表面,且四个所述激光单元(2)发射的激光线位于同一平面上,并在所述轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
所述相机单元(3)采集所述激光线在所述轨梁上的投影、并将采集到的激光线图像提供给所述分析单元(1),且相对的两个所述相机单元(3)的拍摄方向位于同一直线上;
所述分析单元(1)对所述激光线图像进行处理和计算,分析所述激光线在所述轨梁表面的形变,从而获得所述钢轨表面的缺陷信息。
2.如权利要求1所述的钢轨表面缺陷三维检测系统,其特征在于,所述分析单元(1)包括如下部分:
标定模块(11),用于对所述检测系统的多项参数进行标定,所述参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
深度变化计算模块(12),用于根据经过标定的所述参数、通过所述激光线照射在所述钢轨表面的图像求解出所述钢轨表面的三维坐标,进而计算出所述钢轨表面深度变化分布图;
缺陷检测识别模块(13),用于从所述钢轨表面深度变化分布图中识别出缺陷,并对所述缺陷的种类进行判断。
3.如权利要求2所述的钢轨表面缺陷三维检测系统,其特征在于,所述标定模块(11)用于按照如下方法、采用长方体的标定板对所述参数进行标定:
标定相机内参:将所述相机单元(3)的位置固定,采集多张不同姿态的标定板图像进行输入,据此输出相机内参;
标定相机外参:调整所述标定板的姿态,使所述标定板的标定面垂直于所述钢轨的运动方向,在所述标定板上放置水平仪使整个标定板水平,采集此时的标定板图像,并据此输出相机外参;
标定激光单元平面:调整所述激光单元(2)的位置,照射所述标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与所述标定面平行,并据此求出激光线平面,即为所述激光单元平面;
标定钢轨的运动方向:将所述标定板按照所述钢轨的运动方式进行相同的运动,通过所述相机单元(3)不同时刻所采集到的标定板图像来计算所述钢轨的运动方向。
4.如权利要求2所述的钢轨表面缺陷三维检测系统,其特征在于,所述深度变化计算模块(12)包括如下部分:
点云坐标计算子模块(121),用于根据经过标定的所述参数分别从每幅所述激光线图像中得出钢轨表面各个点的坐标,获得三维点云数据、并保存在视差图中;
点云轮廓拼合子模块(122),用于将每幅所述激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓;
轮廓配准子模块(123),用于采用标准钢轨轮廓作为基准模型,对所述点云轮廓进行配准、得到配准后的钢轨轮廓;
深度变化分布图生成子模块(124),用于计算所述配准后的钢轨轮廓与所述基准模型间的差值,并据此生成深度变化分布图。
5.如权利要求4所述的钢轨表面缺陷三维检测系统,其特征在于,所述点云轮廓拼合子模块(122)用于按照如下方法生成所述点云轮廓:
视差图像分割:从所述视差图像中分割出有效坐标点区域;
视差图像排序:对分割出的所述有效坐标点区域按照一定的方向进行排序;
视差图像去重:对来自相邻的所述相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
视差图像合并:对所有所述无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓;
所述轮廓配准子模块(123)用于按照如下方法对所述点云轮廓进行配准:
轮廓粗调:对所述点云轮廓求解中心坐标,通过所述中心坐标进行轮廓调整;
轮廓精调:采用一个标注钢轨轮廓作为基准模型,使用IPC算法和所述基准模型对所述点云轮廓进行配准操作,得到配准后的钢轨轮廓。
6.一种应用权利要求1~5中任一项所述系统的钢轨表面缺陷三维检测方法,其特征在于,包括如下步骤:
S1:通过所述激光单元(2)同时从四个方向将位于同一平面的激光线投影到所述钢轨的轨梁表面,四个所述激光单元(2)发射的激光线位于同一平面上,并在所述轨梁的踏面、底面以及两个腹面上围合形成封闭的曲线;
S2:通过所述相机单元(3)采集所述激光线在所述轨梁上的投影、并将采集到的激光线图像提供给所述分析单元(1);
S3:通过所述分析单元(1)对所述激光线图像进行处理和计算,分析所述激光线在所述轨梁表面的形变,从而获得所述钢轨表面的缺陷信息。
7.如权利要求6所述的钢轨表面缺陷三维检测方法,其特征在于,步骤S3的具体方法如下:
S3.1:以钢轨的运动方向为z轴,对所述检测系统的多项参数进行标定,所述参数包括相机内参、相机外参、激光器平面参数以及钢轨的运动方向;
S3.2:根据经过标定的所述参数、通过所述相机单元(3)采集到的激光线图像求解出所述所述钢轨表面的三维坐标,进而计算出所述钢轨表面深度变化分布图;
S3.3:从所述钢轨表面深度变化分布图中识别出缺陷,并对所述缺陷的种类进行判断。
8.如权利要求7所述的钢轨表面缺陷三维检测系统,其特征在于,步骤S3.1的具体方法如下:
S3.1.1:采用长方体的标定板,将所述相机单元(3)的位置固定,每台相机分别采集多张不同姿态的标定板图像进行输入,据此输出相机内参;
S3.1.2:调整所述标定板的姿态,使所述标定板的标定面垂直于所述钢轨的运动方向,在所述标定板上放置水平仪使整个标定板水平,每台相机分别采集此时的标定板图像,并据此输出相机外参;
S3.1.3:调整所述激光单元(2)的位置,照射所述标定板上的任意两条相邻的棱、且两条所述棱中仅有一条属于所述标定面,使发射的激光线平面与所述标定面平行,每台相机分别拍摄激光线图像、并提取激光线的三维坐标,然后整合坐标进行拟合、据此求出激光线平面,即为所述激光单元平面;
S3.1.4:将所述标定板按照所述钢轨的运动方式进行相同的运动,通过所述相机单元(3)不同时刻所采集到的标定板图像来计算所述钢轨的运动方向。
9.如权利要求7所述的钢轨表面缺陷三维检测方法,其特征在于,步骤S3.2的具体方法如下:
S3.2.1:根据经过标定的所述参数分别从每幅所述激光线图像中得出钢轨表面各个点的坐标,获得三维点云数据、并保存在视差图中;
S3.2.2:将每幅所述激光线图像中获得的三维点云数据进行合并,生成一个完整的点云轮廓;
S3.2.3:采用标准钢轨轮廓作为基准模型,对所述点云轮廓进行配准、得到配准后的钢轨轮廓;
S3.2.4:所述深度变化分布图生成子模块(324)对所述配准后的钢轨轮廓与所述基准模型间的差值进行计算,并据此生成深度变化分布图。
10.如权利要求9所述的钢轨表面缺陷三维检测方法,其特征在于,步骤S3.2.2的具体方法如下:
S3.2.2.1:从所述视差图像中分割出有效坐标点区域;
S3.2.2.2:对分割出的所述有效坐标点区域按照一定的方向进行排序;
S3.2.2.3:对来自相邻的所述相机的有效坐标点区域中重叠的区域进行去重处理,得到无重复的有效坐标点;
S3.2.2.4:对所有所述无重复的有效坐标点进行合并,得到三张分别位于x轴、y轴、z轴方向上的视差图,并据此生成一个完整的点云轮廓;
步骤S3.2.3的具体方法如下:
S3.2.3.1:对所述点云轮廓求解中心坐标,通过所述中心坐标进行轮廓调整;
S3.2.3.2:采用一个标准钢轨轮廓作为基准模型,使用ICP算法和所述基准模型对所述点云轮廓进行配准操作,得到配准后的钢轨轮廓。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295086.4A CN111122598B (zh) | 2019-12-16 | 2019-12-16 | 一种钢轨表面缺陷三维检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911295086.4A CN111122598B (zh) | 2019-12-16 | 2019-12-16 | 一种钢轨表面缺陷三维检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111122598A true CN111122598A (zh) | 2020-05-08 |
CN111122598B CN111122598B (zh) | 2022-12-09 |
Family
ID=70499303
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911295086.4A Active CN111122598B (zh) | 2019-12-16 | 2019-12-16 | 一种钢轨表面缺陷三维检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111122598B (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111561879A (zh) * | 2020-05-11 | 2020-08-21 | 西安理工大学 | 一种红外激光照射提取钢轨轮廓曲线的检测系统与方法 |
CN112651965A (zh) * | 2021-01-14 | 2021-04-13 | 成都铁安科技有限责任公司 | 一种车轮踏面缺陷三维检测方法及其系统 |
CN112683195A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨纵向标定方法及装置 |
CN112683196A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨轮廓测量方法及装置 |
CN113146368A (zh) * | 2020-05-29 | 2021-07-23 | 浙江大学 | 一种用于长轨线上的钢轨表面质量检测系统 |
CN113252567A (zh) * | 2021-06-08 | 2021-08-13 | 菲特(天津)检测技术有限公司 | 铝阀板表面多种缺陷快速检测方法、系统、介质、终端 |
CN114113107A (zh) * | 2021-11-18 | 2022-03-01 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN114414487A (zh) * | 2022-01-19 | 2022-04-29 | 北京科技大学设计研究院有限公司 | 一种二维与三维融合的圆钢表面成像系统 |
CN114575205A (zh) * | 2022-04-28 | 2022-06-03 | 中铁第四勘察设计院集团有限公司 | 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统 |
EP4016058A1 (en) * | 2020-12-16 | 2022-06-22 | Zhejiang University | Automatic machine of vision on detection device for workpiece with complex curved surface |
CN116147635A (zh) * | 2023-04-17 | 2023-05-23 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116228760A (zh) * | 2023-05-08 | 2023-06-06 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639452A (zh) * | 2009-09-11 | 2010-02-03 | 北京科技大学 | 一种钢轨表面缺陷的三维检测方法 |
CN107632022A (zh) * | 2017-08-30 | 2018-01-26 | 武汉理工大学 | 一种基于数据处理的钢轨表面缺陷检测方法及装置 |
CN108248634A (zh) * | 2018-01-24 | 2018-07-06 | 西南交通大学 | 道岔及轨道全轮廓磨损视觉测量仪及其测量方法 |
CN109724531A (zh) * | 2018-10-18 | 2019-05-07 | 苏州光图智能科技有限公司 | 360°轮廓测量方法 |
CN109798844A (zh) * | 2018-12-28 | 2019-05-24 | 北京交通大学 | 一种钢轨磨耗动态测量中的轨廓自动配准方法 |
-
2019
- 2019-12-16 CN CN201911295086.4A patent/CN111122598B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101639452A (zh) * | 2009-09-11 | 2010-02-03 | 北京科技大学 | 一种钢轨表面缺陷的三维检测方法 |
CN107632022A (zh) * | 2017-08-30 | 2018-01-26 | 武汉理工大学 | 一种基于数据处理的钢轨表面缺陷检测方法及装置 |
CN108248634A (zh) * | 2018-01-24 | 2018-07-06 | 西南交通大学 | 道岔及轨道全轮廓磨损视觉测量仪及其测量方法 |
CN109724531A (zh) * | 2018-10-18 | 2019-05-07 | 苏州光图智能科技有限公司 | 360°轮廓测量方法 |
CN109798844A (zh) * | 2018-12-28 | 2019-05-24 | 北京交通大学 | 一种钢轨磨耗动态测量中的轨廓自动配准方法 |
Non-Patent Citations (1)
Title |
---|
李文涛 等: "钢轨断面全轮廓磨耗的激光视觉动态测量", 《西南交通大学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111561879A (zh) * | 2020-05-11 | 2020-08-21 | 西安理工大学 | 一种红外激光照射提取钢轨轮廓曲线的检测系统与方法 |
CN113146368A (zh) * | 2020-05-29 | 2021-07-23 | 浙江大学 | 一种用于长轨线上的钢轨表面质量检测系统 |
CN112683195A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨纵向标定方法及装置 |
CN112683196A (zh) * | 2020-12-07 | 2021-04-20 | 中国铁道科学研究院集团有限公司基础设施检测研究所 | 钢轨轮廓测量方法及装置 |
EP4016058A1 (en) * | 2020-12-16 | 2022-06-22 | Zhejiang University | Automatic machine of vision on detection device for workpiece with complex curved surface |
CN112651965B (zh) * | 2021-01-14 | 2023-11-07 | 成都铁安科技有限责任公司 | 一种车轮踏面缺陷三维检测方法及其系统 |
CN112651965A (zh) * | 2021-01-14 | 2021-04-13 | 成都铁安科技有限责任公司 | 一种车轮踏面缺陷三维检测方法及其系统 |
CN113252567A (zh) * | 2021-06-08 | 2021-08-13 | 菲特(天津)检测技术有限公司 | 铝阀板表面多种缺陷快速检测方法、系统、介质、终端 |
CN114113107A (zh) * | 2021-11-18 | 2022-03-01 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN114113107B (zh) * | 2021-11-18 | 2024-01-23 | 万岩铁路装备(成都)有限责任公司 | 一种基于激光扫描的360°铁轨损伤识别系统及方法 |
CN114414487A (zh) * | 2022-01-19 | 2022-04-29 | 北京科技大学设计研究院有限公司 | 一种二维与三维融合的圆钢表面成像系统 |
CN114414487B (zh) * | 2022-01-19 | 2024-04-16 | 北京科技大学设计研究院有限公司 | 一种二维与三维融合的圆钢表面成像系统 |
CN114575205A (zh) * | 2022-04-28 | 2022-06-03 | 中铁第四勘察设计院集团有限公司 | 一种基于图像数据处理的水射流钢轨廓形智能化打磨系统 |
CN116147635B (zh) * | 2023-04-17 | 2023-07-28 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116147635A (zh) * | 2023-04-17 | 2023-05-23 | 天津宜科自动化股份有限公司 | 一种应用于多轮廓传感器的处理方法 |
CN116228760B (zh) * | 2023-05-08 | 2023-11-17 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和系统 |
CN116228760A (zh) * | 2023-05-08 | 2023-06-06 | 江苏金恒信息科技股份有限公司 | 一种钢板的取样方法、装置和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111122598B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111122598B (zh) | 一种钢轨表面缺陷三维检测系统及方法 | |
CN105783723B (zh) | 基于机器视觉的精密模具表面加工精度检测装置及方法 | |
CN108394426B (zh) | 铁路车轮监测系统及方法 | |
CN106017325B (zh) | 一种改进的复杂表面和不规则物体体积的非接触光学测量方法 | |
Xu et al. | Line structured light calibration method and centerline extraction: A review | |
CN108562250B (zh) | 基于结构光成像的键盘键帽平整度快速测量方法与装置 | |
Luna et al. | Calibration of line-scan cameras | |
CN102853786A (zh) | 平整度检测装置和方法 | |
CN107588723B (zh) | 一种基于两步法的高速动目标上圆形标记漏点检测方法 | |
Fernandez et al. | Planar-based camera-projector calibration | |
CN110966956A (zh) | 一种基于双目视觉的三维检测装置和方法 | |
CN107796373B (zh) | 一种基于车道平面几何模型驱动的前方车辆单目视觉的测距方法 | |
CN110136047B (zh) | 一种车载单目图像中静止目标三维信息获取方法 | |
CN106918306A (zh) | 基于光场单相机的工业产品三维形貌实时检测系统 | |
CN107796718A (zh) | 布氏硬度测量系统及方法 | |
CN102798349A (zh) | 一种基于等灰度线搜索的三维表面提取方法 | |
CN111829434A (zh) | 一种料流计量检测方法及系统 | |
CN116342718A (zh) | 一种线激光3d相机的标定方法、装置、存储介质及设备 | |
CN110095069A (zh) | 一种高铁白车身装配质量检测系统和方法 | |
CN102538707B (zh) | 一种对工件进行三维定位的装置及方法 | |
JP5336325B2 (ja) | 画像処理方法 | |
KR20090092150A (ko) | 씨씨디 카메라와 레이저 빔을 이용한 물체의 3차원위치정보 측정방법 및 장치 | |
Lee et al. | Machine vision system for curved surface inspection | |
CN116148277B (zh) | 一种透明体缺陷三维检测方法、装置、设备及存储介质 | |
Wang et al. | Deviation rectification for dynamic measurement of rail wear based on coordinate sets projection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |