CN111391881A - 钢轨扣件紧固状态检测方法及装置 - Google Patents

Abstract

本发明公开了一种钢轨扣件紧固状态检测方法及装置，该方法包括：采集待检测钢轨的三维点云数据，并利用三维点云数据获取待检测钢轨的三维轮廓图像；根据三维轮廓图像确定待检测钢轨的轨头区域；根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域；在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用螺栓区域确定待检测钢轨的轨头外侧非磨耗区域；获取螺栓区域和轨头外侧非磨耗区域的高度数据；根据螺栓区域和轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定螺栓区域中的螺栓的紧固状态。本发明可快速、准确地确定出螺栓区域中的螺栓的紧固状态，工作效率高，无需耗费大量的人力资源。

Description

钢轨扣件紧固状态检测方法及装置

技术领域

本发明涉及轨道检测技术领域，尤其涉及一种钢轨扣件紧固状态检测方法及装置。

背景技术

在铁路运输作业中，扣件系统是铁路钢轨的重要组成部分，它起到保持和调整轨距、轨向，提供纵向阻力，防止钢轨爬行的作用，因此，扣件系统对于铁路运行安全至关重要。然而，随着列车运行速度和密度的提升，扣件系统中螺栓松动和过紧的问题越来越多，尤其是重载铁路，由于列车的振动冲击较大，螺栓松动问题频发。螺栓松动和过紧问题如果不能得到及时解决，会造成相邻区域的扣件失效，改变轨道的几何参数，从而降低轨道的平顺性，危及行车安全。因此，提供一种钢轨扣件紧固状态检测方法是十分必要的。

现有技术一般以塞尺作为检测工具，通过抽样的方式对扣件螺栓的紧固状态进行人工检测，这样的方法不仅工作效率低，而且需要耗费大量的人力资源。

发明内容

本发明实施例提供一种钢轨扣件紧固状态检测方法，用以快速、准确地确定出螺栓区域中的螺栓的紧固状态，工作效率高，无需耗费大量的人力资源，该方法包括：

采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像；

根据所述三维轮廓图像确定待检测钢轨的轨头区域；

根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域；

在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域；

获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据；

根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态。

可选的，根据所述三维轮廓图像确定待检测钢轨的轨头区域，包括：

提取三维轮廓图像中多个轮廓的高度数据；

基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据；

根据每个轮廓内预设区间的高度数据确定待检测钢轨的钢轨轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

可选的，根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域，包括：

获取钢轨扣件边缘与所述钢轨轨头的边界值的距离；

根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

可选的，在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域，包括：

获取待检测钢轨的扣件区域内的最大高度数据；

根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域；

基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

可选的，根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态，包括：

将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

可选的，动态阈值库包括：螺栓松动判断阈值库和螺栓过紧判断阈值库；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态，包括：

利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

本发明实施例还提供一种钢轨扣件紧固状态检测装置，用以快速、准确地确定出螺栓区域中的螺栓的紧固状态，工作效率高，无需耗费大量的人力资源，该装置包括：

数据采集模块，用于采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像；

轨头区域确定模块，用于根据所述三维轮廓图像确定待检测钢轨的轨头区域；

扣件区域确定模块，用于根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域；

螺栓区域确定模块，用于在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域；

高度数据获取模块，用于获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据；

紧固状态判断模块，用于根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态。

可选的，轨头区域确定模块进一步用于：

提取三维轮廓图像中多个轮廓的高度数据；

基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据；

根据每个轮廓内预设区间的高度数据确定待检测钢轨的钢轨轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

可选的，扣件区域确定模块进一步用于：

获取钢轨扣件边缘与所述钢轨轨头的边界值的距离；

根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

可选的，螺栓区域确定模块进一步用于：

获取待检测钢轨的扣件区域内的最大高度数据；

根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域；

基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

可选的，紧固状态判断模块进一步用于：

将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

可选的，动态阈值库包括：螺栓松动判断阈值库和螺栓过紧判断阈值库；

紧固状态判断模块进一步用于：

利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

本发明实施例中，通过采集待检测钢轨的三维点云数据，并利用三维点云数据获取待检测钢轨的三维轮廓图像，根据三维轮廓图像确定待检测钢轨的轨头区域，根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域，在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用螺栓区域确定待检测钢轨的轨头外侧非磨耗区域，并获取螺栓区域和轨头外侧非磨耗区域的高度数据，基于轨头外侧非磨耗区域不存在磨耗的特性，根据螺栓区域和轨头外侧非磨耗区域的高度数据，结合动态阈值库，可快速、准确地确定出螺栓区域中的螺栓的紧固状态，可见，本发明工作效率高，无需耗费大量的人力资源。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中钢轨扣件紧固状态检测方法的流程图；

图2为本发明实施例中确定待检测钢轨的轨头区域的流程图；

图3为本发明实施例中确定待检测钢轨的扣件区域的流程图；

图4为本发明实施例中确定待检测钢轨的螺栓区域和轨头外侧非磨耗区域的流程图；

图5为本发明实施例中确定螺栓区域中的螺栓的紧固状态的流程图；

图6为本发明实施例中钢轨扣件紧固状态检测装置的结构示意图；

图7为本发明实施例中三维测量组件的结构示意图；

图8为本发明实施例中三维测量组件的应用示意图；

图9为本发明实施例中三维点云数据采集原理示意图；

图10为本发明实施例中三维轮廓图像示意图；

图11为本发明实施例中钢轨和扣件区域的第一分割结果图；

图12为本发明实施例中第i个轮廓的高度分布图；

图13为本发明实施例中第i个轮廓的区间总高度函数示意图；

图14为本发明实施例中钢轨和扣件区域的第二分割结果图；

图15为本发明实施例中钢轨内外侧螺栓的高度示意图；

图16为本发明实施例中钢轨内外侧螺栓的高度差示意图；

图17为本发明实施例中确定螺栓紧固状态阈值的方法的具体示例流程图；

图18为本发明实施例中钢轨和列车滚轮的接触示意图。

附图标记如下：

1 三维测量组件，

2 激光器，

3 3D相机，

4 机器视觉镜头，

5 钢轨，

6 检测梁，

7 数据存储设备，

8 外侧扣件螺栓，

9 内侧扣件螺栓。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

在本说明书的描述中，所使用的“包含”、“包括”、“具有”、“含有”等，均为开放性的用语，即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施，其中的步骤顺序不作限定，可根据需要作适当调整。

图1为本发明实施例提供的一种钢轨扣件紧固状态检测方法的流程图，如图1所示，该方法包括：

步骤101、采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像。

在本实施例中，可以利用三维测量组件，通过三维测量技术获取待检测钢轨的三维点云数据。具体地，如图7所示，该三维测量组件1包括：激光器2、3D相机3、机器视觉镜头4。其中，激光器2用于向钢轨5照射线结构的激光，机器视觉镜头4设置在3D相机3上，3D相机3用于通过机器视觉镜头4在预设角度下拍摄射向钢轨5的激光，应用时，3D相机3通过机器视觉镜头4在预设角度下拍摄射向钢轨5的激光，获取线结构激光的光条中心图像，自该光条中心图像中提取光条中心数据，结合3D相机3的内外参数，计算出待检测钢轨的高度数据，即轨道结构的一个轮廓数据。

进一步地，如图8所示，在对待检测钢轨的三维点云数据进行采集的过程中，在轨道巡检车或手推小车的底部安装检测梁6，并在检测梁6内设置数据存储设备7，以及左右对称的三维测量组件1，使左右对称的三维测量组件1分别保持在轨道左右两股钢轨的正上方。其中轨道包括：左右对称的钢轨5、用于固定钢轨的外侧扣件螺栓8和内侧扣件螺栓9，应用时，随着轨道巡检车或手推小车在钢轨5上的行进，设置在轨道巡检车或手推小车滚轮上的光电编码器会提供等间距采样信号，控制两个线结构光3D测量组件对轨道结构进行等间距扫描，即可得到一系列连续的轨道结构轮廓数据，即三维点云数据，图9是利用该三维点云数据形成的三维轮廓图像，随后，将该三维轮廓图像存入数据存储设备7内即可。

步骤102、根据所述三维轮廓图像确定待检测钢轨的轨头区域。

图2为步骤102确定待检测钢轨的轨头区域的流程图，如图2所示，步骤102包括：

步骤201、提取三维轮廓图像中多个轮廓的高度数据。

步骤202、基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据。

步骤203、根据每个轮廓内预设区间的高度数据确定待检测钢轨的轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

具体实施时，如图10所示，定义X轴为扫描方向，即X轴与钢轨5走向平行，Y轴垂直于钢轨走向，且指向轨道中心线，Z轴垂直于轨道平面，向上为正。下面以左侧钢轨为例进行具体说明：

将轨道三维点云图像的宽度和高度分别记为Wid和Hei(需要说明的是，此处的宽度和高度是从图11的视角来看的，图11为钢轨和扣件区域的分割结果图，该宽度指的是扣件在上述坐标系中Y方向上的长度，该高度指的是扣件在上述坐标系中X方向上的长度)，并用Z(x，y)表示点(x,y)处的高度值(深度值)，其中，x＝0，1，2...Hei-1，y＝0，1，2...Wid-1。轨道三维轮廓图像中的每一行代表一个轮廓，第i个轮廓的表达式如公式1所示。图12是图10中第i个轮廓的高度分布图，其横轴对应图10中的Y轴，纵轴对应图10中的Z轴，可以看出，钢轨区域在轨道三维点云图中具有固定的宽度和高度信息，在一个轮廓中，钢轨区域明显高于其它区域，且钢轨区域的总高度最大。将钢轨区域左边界的Y坐标值记为

右边界的Y坐标值记为

钢轨轨头宽度记为w₁，对于60kg/m型号的钢轨，w₁＝73mm对于50kg/m型号的钢轨，w₁＝70mm。在第i个轮廓中，依次计算(k，k+w₁)区间内的总高度G(k，i)，计算方法如公式2所示，其中，k＝0，1，2...Wid-1-w₁,G(k，i)实际上是一个随k变化的离散函数，因此，G(k，i)也称为第i个轮廓的区间总高度函数。图13是图10中第i个轮廓的区间总高度函数G(k，i)，可以看出，在钢轨轨头左边界的位置，总高度函数G(k，i)达到最大值，因此，使总高度函数G(k，i)达到最大值时的k就是钢轨轨头区域的左边界

相应的，

就是钢轨轨头区域的右边界，

和

的表达式如公式3和公式4。对于由Hei个轮廓组成的轨道三维轮廓图像，利用公式2和公式4计算每一个轮廓中钢轨轨头区域的左右边界，即可得到整个轨道三维轮廓图像中钢轨轨头区域的左右边界。

Z(x，y)，其中x＝i，y＝0，1，2...Wid-1 (1)

步骤103、根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域。

图3为步骤103确定待检测钢轨的扣件区域的流程图，如图3所示，步骤103包括：

步骤301、获取钢轨扣件边缘与所述钢轨轨头的边界值的距离。

步骤302、根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

具体实施时，扣件对称分布于钢轨的左右两侧，且扣件后肢边缘与钢轨边界的横向距离基本保持不变，把该横向距离记为w₂，该w₂为已知数据，则钢轨左侧扣件分布在区间

内，右侧扣件分布在区间

内，如图11和图12所示。利用该先验知识，在第i个轮廓中，选择区间

和区间

作为扣件检测区域，当该区域内出现扣件时，区域内的高度均值H和高度方差D较大，当该区域没有扣件，而是轨道板时，由于轨道板低于扣件，且较为平坦，此时，区域内的高度均值和高度方差均较小。因此，利用扣件检测区域内的高度均值和高度方差两个特征量来判断该区域是否出现扣件。以左侧扣件检测区域为例，第i个轮廓的Hⁱ和D_t的计算表达式如公式5和公式6，扣件区域的定位方法如式7所示，其中H_t1和D_t分别为高度均值阈值和高度方差阈值，这两个阈值大小与坐标系选取相关，在本例中，H_t1＝50，D_t＝33。此外，在轨道三维轮廓图像中，扣件区域沿扫描方向，即X轴方向具有一定的宽度，记为w₃，为了确保扣件区域定位的准确性，排除噪声干扰和轨道异物的影响，当连续被判断出现扣件的轮廓数量n不满足式8时，将已判定的轮廓出现扣件修正为轮廓没有出现扣件，其中，S为轮廓采样间隔，由编码器触发信号确定，n₀是理论上完整的扣件区域的轮廓数量。

步骤104、在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域。

图4为步骤104确定待检测钢轨的螺栓区域和轨头外侧非磨耗区域的流程图，如图4所示，步骤104包括：

步骤401、获取待检测钢轨的扣件区域内的最大高度数据。

步骤402、根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域。

步骤403、基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

具体地，由于在扣件区域，螺栓的高度明显高于非螺栓区域，因此，利用该先验知识将螺栓区域从扣件区域分割出来。具体的做法是：记扣件区域的最大高度为Z_m，在扣件区域，将满足式(9)的点标记为螺栓区域R_bolt，其中H_t2为预设阈值，对于不同的螺栓，H_t2取值略有不同，m是螺栓区域点的个数。螺栓区域的中心记为(x₀，y₀)，x₀和y₀分别由式(10)和式(11)得到，x₀为下一步定位钢轨轨头外侧矩形区域提供位置基准。

Z(x，y)＞Z_m-H_t2 (9)

基于本领域公知常识可知，钢轨轨头外侧区域不存在磨耗，具体可参见图18，图18为钢轨和列车滚轮的接触示意图，在列车运行过程中，车轮与钢轨轨头内侧接触摩擦，随着线路运营时间的增加，左右股钢轨轨头内侧区域磨耗较为严重，而钢轨轨头外侧区域基本不存在磨耗。因此，该钢轨轨头外侧区域可以作为螺栓紧固状态判断的基准位置。如图14所示，同样以左股钢轨为例，过内侧螺栓区域的中心点(x₀，y₀)作平行于Y轴的直线，交钢轨轨头左边界于(x₀，y_l)点，y_l由第二步中确定的钢轨轨头左边界的一组

的平均值决定，如式12所示，其中，i∈(i_min，i_max)，i_min和i_max分别表示完整扣件区域的最小轮廓索引值和最大轮廓索引值。在点(x₀，y_l)右侧取一点(x₀，y_l+w_y)作为中心点，建立宽为2w_y，高为2w_x的平行于坐标轴的矩形区域R_rail，其四个顶点依次是(x₀-w_x，y_l)、(x₀-w_x，y_l+2w_y)、(x₀+w_x，y_l)和(x₀+w_x，y_l+2w_y)，其中w_x和w_y分别是矩形区域的半宽和半高，w_x取值范围为(2，10)，w_y取值范围为(6，30)。由于该矩形区域位于钢轨轨头外侧非磨耗区域，为了保证测量结果的准确性，以该矩形区域的平均高度作为螺栓松动判断的基准。

步骤105、获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据。

在本实施例中，螺栓区域R_bolt和轨头外侧非磨耗区域R_rail的平均高度分别记为R_bolt和R_rail，由式13和式14得到。

步骤106、根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态。

图5为步骤106确定螺栓区域中的螺栓的紧固状态的流程图，如图5所示，步骤106包括：

步骤501、将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

步骤502、将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

在本实施例中，动态阈值库包括：螺栓过紧判断阈值库和螺栓过紧判断阈值库；

步骤502包括：利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

在本实施例中，假设钢轨两侧扣件螺栓中，靠近轨道中心线的螺栓为内侧，远离轨道中心线的螺栓为外侧。受钢轨轨底坡1：40的影响，正常情况下，钢轨内外侧扣件螺栓并非处于同一高度，如图12所示，内侧螺栓的高度低于外侧螺栓。图15是一条线路上任意选择的正常情况下的钢轨内外侧螺栓的高度示意图；图16是一条线路上任意选择的正常情况下的钢轨内外侧螺栓的高度差示意图。可以看出，外侧螺栓总是高于内侧螺栓，即内侧螺栓与钢轨顶面的垂直距离大于外侧螺栓与钢轨顶面的垂直距离，因此，内外侧螺栓紧固状态的判断阈值并不相同，基于这种事实，在外侧螺栓的紧固状态判断中增加校正项H₀，不同线路的校正项H₀不同，应根据实际情况选取。因此，根据式15计算内外侧螺栓与轨头顶面参考位置的高度差。

记螺栓松动的判断阈值为T_l，螺栓过紧的判断阈值为T_t，通常使用式16判断螺栓的紧固状态，如果螺栓高度与参考基准的高度差Δ_H小于固定阈值T_l时，判断螺栓松动，Δ_H大于固定阈值T_t时，判断螺栓过紧。但在现场应用中，受路基沉降、施工因素和线路种类差异的影响，螺栓紧固状态的判断阈值T_l和T_t不是固定的，而是根据线路状态而改变，因此，采用固定判断阈值进行螺栓紧固状态判断的准确度比较低，效果并不好。

事实上，在一定检测距离内，正常扣件的螺栓高度保持小范围的波动，而螺栓松动或过紧情况主要发生在极个别的扣件上，因此，取一定检测范围内多个松动扣件和过紧扣件的Δ_H值组成螺栓紧固状态判断阈值库，并根据统计学3σ准则，确定合适的螺栓松动阈值T_l和螺栓过紧阈值T_t。通过上述分析，本发明提出了一种基于在线更新阈值库确定螺栓紧固状态阈值的方法，图17是确定螺栓紧固状态阈值的方法的具体示例流程图，在测量开始前，由n₁个螺栓松动的经验阈值T_l组成螺栓松动判断阈值库

n₂个螺栓过紧的经验阈值T_t组成螺栓过紧判断阈值库

记两个阈值库的均值分别为μ₁和μ₂，标准差分别为σ₁和σ₂。对于当前待检测扣件，计算螺栓高度与参考基准的高度差Δ_H，如果Δ_H＜μ₁+c₁×3σ₁，则认为当前扣件螺栓松动，并将当前扣件的Δ_H值添加到螺栓松动阈值库末尾，更新螺栓松动阈值库的均值μ₁和标准差σ₁。如果Δ_H＞μ₂-c₂×3σ₁，则认为当前扣件螺栓过紧，并将当前扣件的Δ_H值添加到螺栓过紧阈值库末尾，更新螺栓过紧阈值库的均值μ₂和标准差σ₁。如果μ₁+c₁×3σ₁＜Δ_H＜μ₂-c₂×3σ₁，认为扣件螺栓正常。其中c₁和c₂是阈值范围调整系数，c₁和c₂的取值范围由线路实际情况确定。如果阈值库的长度超过预设值n_max，则删除阈值库的第一个阈值。以螺栓松动判断阈值库为例，由阈值库的更新准则可以看出，阈值库开头的阈值是距离当前待检测扣件较远的松动扣件的Δ_H，阈值库末尾的阈值是距离当前待检测扣件较近的松动扣件的Δ_H，因此，动态更新的阈值库体现了当前待检测扣件局部范围内的扣件状态，阈值库随着线路状态的变化而改变，可以较好的适应路基沉降、施工因素和线路种类差异等情况，从而提高扣件螺栓紧固状态检测结果的准确度。

由图1可知，本发明实施例提供的钢轨扣件紧固状态检测方法，通过采集待检测钢轨的三维点云数据，并利用三维点云数据获取待检测钢轨的三维轮廓图像，根据三维轮廓图像确定待检测钢轨的轨头区域，根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域，在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用螺栓区域确定待检测钢轨的轨头外侧非磨耗区域，并获取螺栓区域和轨头外侧非磨耗区域的高度数据，基于轨头外侧非磨耗区域不存在磨耗的特性，根据螺栓区域和轨头外侧非磨耗区域的高度数据，结合动态阈值库，可快速、准确地确定出螺栓区域中的螺栓的紧固状态，可见，本发明工作效率高，无需耗费大量的人力资源。

基于同一发明构思，本发明实施例中还提供了一种钢轨扣件紧固状态检测装置，如下面的实施例所述。由于钢轨扣件紧固状态检测装置解决问题的原理与钢轨扣件紧固状态检测方法相似，因此，钢轨扣件紧固状态检测装置的实施可以参见钢轨扣件紧固状态检测方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图6为本发明实施例提供的一种钢轨扣件紧固状态检测装置的结构示意图，如图6所示，该装置包括：

数据采集模块601，用于采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像。

轨头区域确定模块602，用于根据所述三维轮廓图像确定待检测钢轨的轨头区域。

扣件区域确定模块603，用于根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域。

螺栓区域确定模块604，用于在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域。

高度数据获取模块605，用于获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据。

紧固状态判断模块606，用于根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态。

在本发明实施例中，轨头区域确定模块602进一步用于：

提取三维轮廓图像中多个轮廓的高度数据；

基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据；

根据每个轮廓内预设区间的高度数据确定待检测钢轨的钢轨轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

在本发明实施例中，扣件区域确定模块603进一步用于：

获取钢轨扣件边缘与所述钢轨轨头的边界值的距离；

根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

在本发明实施例中，螺栓区域确定模块604进一步用于：

获取待检测钢轨的扣件区域内的最大高度数据；

根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域；

基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

在本发明实施例中，紧固状态判断模块606进一步用于：

将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

进一步地，动态阈值库包括：螺栓松动判断阈值库和螺栓过紧判断阈值库；

紧固状态判断模块606进一步用于：

利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。

综上，本发明通过利用3D相机获取轨道结构的三维点云数据，采集装置结构简单，仅需两套线结构光3D测量组件即可获取完整的轨道三维点云数据。在一个轮廓中，根据钢轨的宽度构建总高度函数，利用总高度函数的最大值点分割出钢轨区域，由钢轨区域和先验知识定位扣件区域，在扣件区域利用阈值分割法得到螺栓区域，选取钢轨轨头外侧非磨耗区域的高度值作为参考基准，计算该区域与待测螺栓的高度差。提出了在线更新阈值库的方法确定螺栓紧固状态判断阈值，避免了路基沉降和施工因素等线路状态的改变对扣件松紧状态识别的影响。

此外，由于车体振动的影响，直接利用螺栓区域的高度信息作为螺栓松动判断的依据时，测量误差较大，导致误报率较高，影响检测系统的性能。因此，螺栓松紧判断需要选择一个合适的参考基准，如何选取螺栓高度的参考基准是准确识别扣件螺栓松紧状态的关键。钢轨使用一段时间后，轨头踏面存在不同程度的磨耗，一般情况下，钢轨轨头外侧区域不存在磨耗，当扣件螺栓正常工作时，轨头外侧区域与螺栓区域的高度差固定，而扣件螺栓松动或过紧后，该高度差将变小，因此，钢轨轨头外侧区域可以作为螺栓松动判断的基准位置。

受钢轨轨底坡1：40的影响，钢轨内外侧扣件螺栓并非处于同一高度，且外侧螺栓高于内侧螺栓，因此，内外侧螺栓松动的判断阈值并不相同。本发明充分考虑了轨底坡因素，对于同一股钢轨内外侧螺栓，分别设置不同的紧固状态判断阈值，螺栓紧固状态判断依据更加合理准确。

在现场应用中，受路基沉降、施工因素和线路种类差异的影响，螺栓紧固状态的判断阈值T_l和T_t不是固定的，而是根据线路状态而改变，因此，采用固定判断阈值进行螺栓紧固状态判断的准确度比较低，效果并不好。事实上，在一定检测距离内，正常扣件的螺栓高度保持小范围的波动，而螺栓松动或过紧情况主要发生在极个别的扣件上，因此，取一定检测范围内多个松动扣件和过紧扣件的Δ_H值组成螺栓紧固状态判断阈值库，并根据统计学3σ准则，确定合适的螺栓松动阈值T_l和螺栓过紧阈值T_t。

以螺栓松动判断阈值库为例，由阈值库的更新准则可以看出，阈值库开头的阈值是距离当前待检测扣件较远的松动扣件的Δ_H，阈值库末尾的阈值是距离当前待检测扣件较近的松动扣件的Δ_H，因此，动态更新的阈值库体现了当前待检测扣件局部范围内的扣件状态，阈值库随着线路状态的变化而改变，可以较好的适应路基沉降、施工因素和线路种类差异等情况，从而提高扣件螺栓紧固状态检测结果的准确度。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (14)

1.一种钢轨扣件紧固状态检测方法，其特征在于，包括：

采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像；

根据所述三维轮廓图像确定待检测钢轨的轨头区域；

根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域；

在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域；

获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据；

根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态，所述动态阈值库用于随钢轨所在线路的变化实时更新。

2.如权利要求1所述的方法，其特征在于，根据所述三维轮廓图像确定待检测钢轨的轨头区域，包括：

提取三维轮廓图像中多个轮廓的高度数据；

基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据；

根据每个轮廓内预设区间的高度数据确定待检测钢轨的钢轨轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

3.如权利要求2所述的方法，其特征在于，根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域，包括：

获取钢轨扣件边缘与所述钢轨轨头的边界值的距离；

根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

4.如权利要求1所述的方法，其特征在于，在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域，包括：

获取待检测钢轨的扣件区域内的最大高度数据；

根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域；

基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

5.如权利要求1所述的方法，其特征在于，根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态，包括：

将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

6.如权利要求5所述的方法，其特征在于，动态阈值库包括：螺栓松动判断阈值库和螺栓过紧判断阈值库；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态，包括：

利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

7.一种钢轨扣件紧固状态检测装置，其特征在于，包括：

数据采集模块，用于采集待检测钢轨的三维点云数据，并利用所述三维点云数据获取待检测钢轨的三维轮廓图像；

轨头区域确定模块，用于根据所述三维轮廓图像确定待检测钢轨的轨头区域；

扣件区域确定模块，用于根据待检测钢轨的轨头区域确定待检测钢轨的扣件区域；

螺栓区域确定模块，用于在待检测钢轨的扣件区域中确定待检测钢轨的螺栓区域，并利用所述螺栓区域确定待检测钢轨的轨头外侧非磨耗区域；

高度数据获取模块，用于获取所述螺栓区域和所述轨头外侧非磨耗区域的高度数据；

紧固状态判断模块，用于根据所述螺栓区域和所述轨头外侧非磨耗区域的高度数据，结合动态阈值库，确定所述螺栓区域中的螺栓的紧固状态。

8.如权利要求7所述的装置，其特征在于，轨头区域确定模块进一步用于：

提取三维轮廓图像中多个轮廓的高度数据；

基于待检测钢轨的轨头宽度，获取每个轮廓内预设区间的高度数据；

根据每个轮廓内预设区间的高度数据确定待检测钢轨的钢轨轨头的边界值，并利用所述边界值确定待检测钢轨的轨头区域。

9.如权利要求8所述的装置，其特征在于，扣件区域确定模块进一步用于：

获取钢轨扣件边缘与所述钢轨轨头的边界值的距离；

根据钢轨扣件边缘与所述钢轨轨头的边界值的距离确定待检测钢轨的扣件区域。

10.如权利要求7所述的装置，其特征在于，螺栓区域确定模块进一步用于：

获取待检测钢轨的扣件区域内的最大高度数据；

根据所述最大高度数据，结合预设阈值，确定待检测钢轨的螺栓区域；

基于所述螺栓区域的中心点，建立具有预设长度和预设宽度的轨头外侧非磨耗区域。

11.如权利要求7所述的装置，其特征在于，紧固状态判断模块进一步用于：

将所述螺栓区域和所述轨头外侧非磨耗区域的高度数据进行差值运算；

将所述差值运算的结果与动态阈值库进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

12.如权利要求11所述的装置，其特征在于，动态阈值库包括：螺栓松动判断阈值库和螺栓过紧判断阈值库；

紧固状态判断模块进一步用于：

利用多个螺栓松动的经验阈值建立螺栓松动判断阈值库；

利用多个螺栓过紧的经验阈值建立螺栓过紧判断阈值库；

获取螺栓松动判断阈值库和螺栓过紧判断阈值库的均值和标准差；

将所述差值运算的结果与所述均值和所述标准差进行比较，根据比较结果确定所述螺栓区域中的螺栓的紧固状态。

13.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述方法。

14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一项所述方法的计算机程序。

Images