CN118224999A - 一种基于结构光的钢轨磨耗识别方法及设备 - Google Patents

Abstract

本发明公开了一种基于结构光的钢轨磨耗识别方法及设备，属于钢轨磨耗检测技术领域。本发明通过检测小车获取钢轨的第一图像、第二图像、第三图像、第四图像。根据振动传感器的振动信号确认伸缩缝的位置，根据伸缩缝的位置从第一图像和第三图像中提取第一特征图。根据紧固件的纹理特征，从第二图像和第四图像中提取第二特征图。根据第一特征图调整第一摄像机和第三摄像机的第一曝光时间和第三曝光时间。根据第二特征图调整第二摄像机和第四摄像机的第二曝光时间和第四曝光时间。通过调整曝光时间，显著提高图像的清晰度。根据第一图像、第二图像、第三图像以及第四图像，生成钢轨的截面轮廓，根据截面轮廓获得更精确的磨耗值。

Description

一种基于结构光的钢轨磨耗识别方法及设备

技术领域

本发明涉及钢轨磨耗检测技术领域，尤其涉及一种基于结构光的钢轨磨耗识别方法及设备。

背景技术

由于列车长时间高负荷运转，对钢轨带来日益递增的磨耗，对列车正常运行带来极大的安全风险，准确而高效的检测钢轨磨耗极其重要。目前，由于结构光技术的快速发展，特别是在帧率上的提高，其非接触性、高精度、高效率动态检测的优点被广泛应用于轨道行业的检测。公开号为CN108955576A的中国专利申请公开了一种钢轨廓形动态检测中的多线结构光自标定方法及系统，所述方法从钢轨的场景图像中根据角提取算法获得多线结构光条上的特征点，根据特征点及钢轨自身的几何形状，并结合结构光视觉模型搭建钢轨三维廓形，并根据钢轨三维廓形获得投影廓形，对投影廓形和标准廓形在轨鄂、轨头内侧和轨底三个非磨损区域上的尺寸和形状偏差，利用曲线相似性度量方法进行量化，根据量化偏差迭代优化多线结构光平面参数，实现多线结构光的自标定。该方法解决了依赖标定模板不能自主迅速对结构光在线自标定的问题，提高测量精度，但是没有考虑到检测环境中环境光的强度和检测时的震动对检测结果的影响。由于轨道处于自然场景下，结构光获取的数据经常干扰特别多，导致数据的稳定性不好，所以现有技术有进一步改进的必要。

发明内容

为了解决上述现有技术存在的缺陷，本发明提出了一种基于结构光的钢轨磨耗识别方法及设备。本发明的基于结构光的钢轨磨耗识别方法通过调节第一曝光时间和第二曝光时间、第三曝光时间和第四曝光时间提高第一图像、第二图像、第三图像以及第四图像的清晰度，根据检测小车的振动情况确认伸缩缝的第一特征图，结合紧固件的纹理特征识别紧固件的第二特征图，可以显著提高图像质量。

本发明的技术方案是这样实现的：

一种基于结构光的钢轨磨耗识别方法，包括以下步骤：

步骤1：在检测小车上安装由第一激光器、第一摄像机和第二摄像机组成的第一测量单元和由第二激光器、第三摄像机和第四摄像机组成的第二测量单元以及振动传感器；

步骤2：钢轨经紧固件安装在基座上，相邻的钢轨具有伸缩缝，读取伸缩缝的第一基准特征图，读取紧固件的第二基准特征图，所述检测小车沿钢轨移动；

步骤3：第一激光器向钢轨的一个侧面发射线结构光，第一摄像机和第二摄像机接收该线结构光的反射光，第二激光器向钢轨的另一个侧面发射线结构光，第三摄像机和第四摄像机接收该线结构光的反射光；

步骤4：第一摄像机经第一曝光时间生成第一图像，第二摄像机经第二曝光时间生成第二图像，第三摄像机经第三曝光时间生成第三图像，第四摄像机经第四曝光时间生成第四图像；

步骤5：根据振动传感器获取的振动信号预测伸缩缝的位置，识别第一图像和第三图像中伸缩缝的第一特征图，若第一特征图与第一基准特征图的结构相似度低于伸缩缝阈值，基于该第一特征图调整第一曝光时间和第三曝光时间；

步骤6：基于所述第二基准特征图识别第二图像和第四图像中的紧固件的第二特征图，基于该第二特征图调整第二曝光时间和第四曝光时间；

步骤7：重复步骤3至步骤4，再次生成第一图像、第二图像、第三图像以及第四图像，分别根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云以及第四点云；

步骤8：合并第一点云、第二点云、第三点云以及第四点云生成钢轨的截面轮廓，识别该截面轮廓的磨耗值，返回至步骤3。

在本发明中，在步骤5中，提取振动信号的频谱特征和幅值特征，根据该频谱特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t₁，根据时刻t₁计算第一摄像机经过伸缩缝的时刻t₂，提取第一摄像机在时刻t₂生成的第一图像。

在本发明中，在步骤5中，结构相似度Q_SSIM=Q₁×Q₂×Q₃，亮度参数，对比度参数，相关性参数，其中，/>为第一特征图的像素均值，/>为第一基准特征图的像素均值，σ₁为第一特征图的像素标准差，σ₂为第一基准特征图的像素标准差，σ₁₂为第一特征图与第一基准特征图的像素协方差，C₁、C₂、C₃均为常数。

在本发明中，在步骤5中，计算第一图像中第一特征图的曝光像素参数W₁和曝光质量参数W₂，并根据曝光像素参数和曝光质量参数计算第一图像参数A₁，A₁=(W₁+W₂)/2，若A₁＜A₀，调整后的第一曝光时间E=E₀+(1-Q_SSIM)ΔE，若A₁＞A₀，调整后的第一曝光时间E=E₀-(1-Q_SSIM)ΔE，E₀为第一曝光时间，ΔE为曝光调节步长，A₀为第一基准特征图的图像参数。

在本发明中，在步骤5中，曝光像素参数，曝光质量参数，p₃为第一特征图的像素极差。

在本发明中，在步骤6中，在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，根据直方图相似度识别第二特征图，根据第二特征图计算第二图像参数并确定第二曝光时间。

在本发明中，在步骤6中，预选窗口和第二基准特征图的直方图相似度，p_4i为预选窗口的直方图中像素值i的概率，p_5i为第二基准特征图的直方图中像素值i的概率，/>为预选窗口的直方图中像素值的平均概率，/>为第二基准特征图的直方图中像素值的平均概率。

在本发明中，在步骤7中，标定第一摄像机的内部参数以及第一摄像机相对于第一激光器的外部参数，根据该内部参数和外部参数变换第一图像的每一像素点的位置坐标并生成第一点云，根据刚体变换估计将第一点云匹配至基准坐标系。

在本发明中，在步骤8中，所述磨耗值由垂直磨耗、内圆周磨耗以及外圆周磨耗组成。

一种应用于所述基于结构光的钢轨磨耗识别方法的钢轨磨耗识别设备，包括：

沿钢轨移动的检测小车，检测小车设有振动传感器；

数据库，数据库被配置为存储伸缩缝的第一基准特征图以及紧固件的第二基准特征图；

第一测量单元，第一测量单元被配置为生成第一图像和第二图像，第一测量单元由第一激光器、第一摄像机和第二摄像机组成；

第二测量单元，第二测量单元被配置为生成第三图像和第四图像，第二测量单元由第二激光器、第三摄像机和第四摄像机组成；

控制单元，控制单元被配置为分别根据第一图像、第二图像、第三图像以及第四图像调整第一曝光时间、第二曝光时间、第三曝光时间和第四曝光时间；

数据处理单元，数据处理单元被配置为生成钢轨的截面轮廓并识别该截面轮廓的磨耗值。

实施本发明的这种基于结构光的钢轨磨耗识别方法及设备，具有以下有益效果：针对钢轨不同角度的光线差异，本发明从现场实测图像中提取钢轨的第一特征图和第二特征图，预测现场实测的第一特征图和第二特征图的曝光像素参数和曝光质量参数，进而调整各个角度的摄像机的曝光时间，提高图像的质量，使得磨耗值的测量更准确。进一步的，针对钢轨顶部的第一图像和第三图像，结合检测小车的振动情况确认伸缩缝的位置，可以快速识别伸缩缝的第一特征图。针对钢轨侧面的第二图像和第四图像，伸缩缝被钢轨连接件阻挡，结合紧固件的纹理特征识别紧固件的第二特征图，可以显著提高图像的识别与曝光调节速度。

附图说明

图1为列车钢轨的示意图；

图2为本发明基于结构光的钢轨磨耗识别方法的流程图；

图3为本发明检测小车的示意图；

图4为本发明第一测量单元与第二测量单元的安装示意图；

图5为本发明提取第一特征图的示意图；

图6为本发明根据第二图像调整第二曝光时间的示意图；

图7为本发明截面轮廓的示意图；

图8为本发明根据第一图像调整第一曝光时间的示意图；

图9为本发明钢轨磨耗识别设备的框图。

附图中附图标记：101左侧钢轨、102右侧钢轨、103伸缩缝、104紧固件、105推行装置、106行进压紧装置、107车轮行进装置、108测量装置安装面板、109第一激光器、110第二激光器、111第一摄像机、112第二摄像机、113第三摄像机、114第四摄像机、115轨道接缝引起的周期性幅值特征、116轨道缺陷引起的非周期性幅值特征、117检测小车沿钢轨滚动引起的周期性幅值特征、118第一图像、119截面轮廓、120标准钢轨轮廓。

具体实施方式

为更清楚地理解本申请的目的、技术方案和优点，下面结合附图和实施例，对本申请进行了描述和说明。

由于轨道处于自然场景下，线结构光获取的数据受到的干扰特别多，导致数据的稳定性不好。本发明根据检测小车的的振动信号识别第一图像和第三图像中伸缩缝的第一特征图，基于该第一特征图调整第一曝光时间和第三曝光时间。根据第二基准特征图识别第二图像和第四图像中的紧固件的第二特征图，基于该第二特征图调整第二曝光时间和第四曝光时间。通过调节第一曝光时间和第二曝光时间、第三曝光时间和第四曝光时间提高第一图像、第二图像、第三图像以及第四图像的清晰度。根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云以及第四点云，合并第一点云、第二点云、第三点云以及第四点云生成钢轨的截面轮廓，识别该截面轮廓的磨耗值。

实施例一

如图1至图7所示，本发明基于结构光的钢轨磨耗识别方法包括以下步骤。

步骤1：在检测小车上安装由第一激光器、第一摄像机和第二摄像机组成的第一测量单元和由第二激光器、第三摄像机和第四摄像机组成的第二测量单元以及振动传感器。如图3所示，检测小车包括推行装置105、行进压紧装置106、车轮行进装置107、测量装置安装面板108、光电旋转编码器。推行装置105用于提供检测小车推动力，车轮行进装置107用于保证检测小车沿着钢轨滚动，行进压紧装置106用于保证检测小车沿着钢轨滚动时不发生大的扭转或者滑移等现象，光电旋转编码器用于精确记录检测小车的行进里程。

步骤2：钢轨经紧固件安装在基座上，相邻的钢轨具有伸缩缝，读取伸缩缝的第一基准特征图，读取紧固件的第二基准特征图，所述检测小车沿钢轨移动。如图1所示，钢轨每间隔相同的距离都会出现伸缩缝103，在两个相邻的紧固件104之间。预设检测小车沿钢轨移动的速度，根据两个相邻的紧固件的距离和检测小车的速度设置检测小车的检测频率。

步骤3：第一激光器向钢轨的一个侧面发射线结构光，第一摄像机和第二摄像机接收该线结构光的反射光，第二激光器向钢轨的另一个侧面发射线结构光，第三摄像机和第四摄像机接收该线结构光的反射光。如图4所示，第一激光器109、第一摄像机111和第二摄像机112安装在检测小车的右侧。具体安装角度通过现场调试确定，以第一摄像机和第二摄像机能获取预定位置的图像为准。第二激光器110、第三摄像机113和第四摄像机114以对称于第一激光器109、第一摄像机111和第二摄像机112的位置安装在检测小车的左侧。

步骤4：第一摄像机经第一曝光时间生成第一图像，第二摄像机经第二曝光时间生成第二图像，第三摄像机经第三曝光时间生成第三图像，第四摄像机经第四曝光时间生成第四图像。反射光在第一摄像机内生成条纹图，将连续的条纹图组成第一图像。在较佳的曝光时间下，条纹图结构清晰，反射光和背景色在第一图像、第二图像、第三图像和第四图像中呈现鲜明的对比，图像质量高。

步骤5：根据振动传感器获取的振动信号预测伸缩缝的位置，识别第一图像和第三图像中伸缩缝的第一特征图，若第一特征图与第一基准特征图的结构相似度低于伸缩缝阈值，基于该第一特征图调整第一曝光时间和第三曝光时间。提取振动信号的周期特征和幅值特征，根据该周期特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t₁，根据时刻t₁计算第一摄像机经过伸缩缝的时刻t₂，第一摄像机在时刻t₂生成的第一图像即为第一特征图。

如图5所示，波形曲线为等时间间隔所采集的振动信号，横坐标为周期，纵坐标为幅值，曲线中出现了轨道接缝引起的周期性幅值特征115，轨道缺陷引起的非周期性幅值特征116，检测小车沿钢轨滚动引起的周期性幅值特征117，其中，轨道接缝引起的周期性幅值特征115大于检测小车沿钢轨滚动引起的周期性幅值特征117，从图中根据幅值特征提取相应的周期特征，根据周期特征获得检测小车的车轮经过伸缩缝的时刻t₁，根据检测小车沿钢轨移动的速度v和第一摄像机到检测小车的车轮的距离d确定时间差Δt=d/v，时刻t₂=t₁+Δt，根据时刻t₂在第一图像118中找到第一特征图。

结构相似度Q_SSIM=Q₁×Q₂×Q₃，亮度参数，对比度参数，相关性参数，其中，/>为第一特征图的像素均值，/>为第一基准特征图的像素均值，σ₁为第一特征图的像素标准差，σ₂为第一基准特征图的像素标准差，σ₁₂为第一特征图与第一基准特征图的像素协方差，C₁、C₂、C₃均为常数，可随机选取接近0的正数，防止亮度参数、对比度参数、相关性参数的分母为零。基于第一特征图调整第一曝光时间和第三曝光时间的具体步骤在实施例二中进行详细说明。

步骤6：基于所述第二基准特征图识别第二图像和第四图像中的紧固件的第二特征图，基于该第二特征图调整第二曝光时间和第四曝光时间。如图6所示，选取扣件区域作为一个窗口，使用滑动窗口方法，在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，选择直方图相似度最大的预选窗口作为第二特征图，根据第二特征图计算第二图像参数并确定第二曝光时间。根据第二特征图确定第二曝光时间的具体步骤在实施例二中进行说明。预选窗口和第二基准特征图的直方图相似度，p_4i为预选窗口的直方图中像素值i的概率，p_5i为第二基准特征图的直方图中像素值i的概率，/>为预选窗口的直方图中像素值的平均概率，/>为第二基准特征图的直方图中像素值的平均概率。

步骤7：重复步骤3至步骤4，再次生成第一图像、第二图像、第三图像以及第四图像，分别根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云以及第四点云。标定第一摄像机的内部参数以及第一摄像机相对于第一激光器的外部参数，根据该内部参数和外部参数变换第一图像的每一像素点的位置坐标并生成第一点云，根据刚体变换估计将第一点云匹配至基准坐标系。按照从第一图像到第一点云的操作，根据第二图像、第三图像以及第四图像得出第二点云、第三点云以及第四点云。具体来说，例如根据内部参数和外部参数确定第一图像的二维坐标系与钢轨三维坐标系的变换矩阵，将第一图像的每一像素点映射至三维坐标系，再填充丢失像素，得到第一点云。基于钢轨的形状确定刚体变换估计的参数，最后将四组点云拼在一起。

步骤8：合并第一点云、第二点云、第三点云以及第四点云生成钢轨的截面轮廓，识别该截面轮廓的磨耗值，返回至步骤3。合并第一点云、第二点云、第三点云以及第四点云生成钢轨的三维模型，提取三维模型的截面生成钢轨的截面轮廓。如图7所示，所述磨耗值由垂直磨耗、内圆周磨耗以及外圆周磨耗组成，将钢轨的截面轮廓119和标准钢轨轮廓120进行对比测量得出垂直磨耗L₁、内圆周磨耗L₂以及外圆周磨耗L₃。磨耗值L=β₁L₁+β₂L₂+β₃L₃，β₁为垂直磨耗的权重，β₂为内圆周磨耗的权重，β₃为外圆周磨耗的权重，一般来说，内圆周磨耗的权重大于垂直磨耗的权重，垂直磨耗的权重大于外圆周磨耗的权重。

实施例二

如图8所示，本发明进一步公开了调整第一曝光时间、第二曝光时间、第三曝光时间、第四曝光时间的方法。

根据振动信号从第一图像中选取第一特征图，计算第一特征图和第一基准特征图的结构相似度Q_SSIM，根据结构相似度Q_SSIM调整第一曝光时间。计算第一图像中第一特征图的曝光像素参数W₁和曝光质量参数W₂，并根据曝光像素参数和曝光质量参数计算第一图像参数A₁，A₁=(W₁+W₂)/2，若A₁＜A₀，调整后的第一曝光时间E=E₀+(1-Q_SSIM)ΔE，若A₁＞A₀，调整后的第一曝光时间E=E₀-(1-Q_SSIM)ΔE，E₀为第一曝光时间，ΔE为曝光时间调节步长，可以设置为1毫秒，A₀为第一基准特征图的图像参数，通常为0.9到1.2之间，可以为1.1。曝光像素参数，曝光质量参数/>，p₃为第一特征图的像素极差，像素极差是指最大像素值与最小像素值之间的差值。第三曝光时间的调整方法参照第一曝光时间。

在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，选择直方图相似度最大的预选窗口作为第二特征图，根据Q_HIS调整第二曝光时间。计算第二图像中第二特征图的曝光像素参数W₃和曝光质量参数W₄，参照第一特征图的曝光像素参数和曝光质量参数的计算方法，并根据曝光像素参数W₃和曝光质量参数W₄计算第二图像参数A₂，A₂=(W₃+W₄)/2，若A₂＜A₃，调整后的第二曝光时间E₂=E₁+(1-Q_HIS)ΔE，若A₂＞A₃，调整后的第二曝光时间E₂=E₁-(1-Q_HIS)ΔE，A₃为第二基准特征图的图像参数，E₁为第二曝光时间。第四曝光时间的调整方法参照第二曝光时间。

实施例三

如图9所示，本发明应用于所述基于结构光的钢轨磨耗识别方法的钢轨磨耗识别设备，包括：检测小车、数据库、第一测量单元、第二测量单元、控制单元、数据处理单元。检测小车沿钢轨移动，用于检测钢轨的磨耗值，检测小车设有振动传感器、第一测量单元、第二测量单元、控制单元、数据库。数据库被配置为存储伸缩缝的第一基准特征图以及紧固件的第二基准特征图。第一测量单元由第一激光器、第一摄像机和第二摄像机组成，第一摄像机生成第一图像，第二摄像机生成第二图像。第二测量单元由第二激光器、第三摄像机和第四摄像机组成，第三摄像机生成第三图像，第四摄像机生成第四图像。控制单元被配置为分别根据第一图像、第二图像、第三图像以及第四图像调整第一曝光时间、第二曝光时间、第三曝光时间和第四曝光时间。数据处理单元被配置为根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云、第四点云以及钢轨的截面轮廓，识别该截面轮廓的垂直磨耗、内圆周磨耗以及外圆周磨耗，根据垂直磨耗、内圆周磨耗以及外圆周磨耗计算磨耗值。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改，等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于结构光的钢轨磨耗识别方法，其特征在于，包括以下步骤：

步骤1：在检测小车上安装由第一激光器、第一摄像机和第二摄像机组成的第一测量单元和由第二激光器、第三摄像机和第四摄像机组成的第二测量单元以及振动传感器；

步骤2：钢轨经紧固件安装在基座上，相邻的钢轨具有伸缩缝，读取伸缩缝的第一基准特征图，读取紧固件的第二基准特征图，所述检测小车沿钢轨移动；

步骤3：第一激光器向钢轨的一个侧面发射线结构光，第一摄像机和第二摄像机接收该线结构光的反射光，第二激光器向钢轨的另一个侧面发射线结构光，第三摄像机和第四摄像机接收该线结构光的反射光；

步骤4：第一摄像机经第一曝光时间生成第一图像，第二摄像机经第二曝光时间生成第二图像，第三摄像机经第三曝光时间生成第三图像，第四摄像机经第四曝光时间生成第四图像；

步骤5：根据振动传感器获取的振动信号预测伸缩缝的位置，识别第一图像和第三图像中伸缩缝的第一特征图，若第一特征图与第一基准特征图的结构相似度低于伸缩缝阈值，基于该第一特征图调整第一曝光时间和第三曝光时间；

步骤6：基于所述第二基准特征图识别第二图像和第四图像中的紧固件的第二特征图，基于该第二特征图调整第二曝光时间和第四曝光时间；

步骤7：重复步骤3至步骤4，再次生成第一图像、第二图像、第三图像以及第四图像，分别根据第一图像、第二图像、第三图像以及第四图像生成第一点云、第二点云、第三点云以及第四点云；

步骤8：合并第一点云、第二点云、第三点云以及第四点云生成钢轨的截面轮廓，识别该截面轮廓的磨耗值，返回至步骤3。

2.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，提取振动信号的频谱特征和幅值特征，根据该频谱特征和幅值特征确定检测小车的车轮经过伸缩缝的时刻t₁，根据时刻t₁计算第一摄像机经过伸缩缝的时刻t₂，提取第一摄像机在时刻t₂生成的第一图像。

3.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，结构相似度Q_SSIM=Q₁×Q₂×Q₃，亮度参数，对比度参数/>，相关性参数，其中，/>为第一特征图的像素均值，/>为第一基准特征图的像素均值，σ₁为第一特征图的像素标准差，σ₂为第一基准特征图的像素标准差，σ₁₂为第一特征图与第一基准特征图的像素协方差，C₁、C₂、C₃均为常数。

4.根据权利要求3所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，计算第一图像中第一特征图的曝光像素参数W₁和曝光质量参数W₂，并根据曝光像素参数和曝光质量参数计算第一图像参数A₁，A₁=(W₁+W₂)/2，若A₁＜A₀，调整后的第一曝光时间E=E₀+(1-Q_SSIM)ΔE，若A₁＞A₀，调整后的第一曝光时间E=E₀-(1-Q_SSIM)ΔE，E₀为第一曝光时间，ΔE为曝光调节步长，A₀为第一基准特征图的图像参数。

5.根据权利要求4所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤5中，曝光像素参数，曝光质量参数/>，p₃为第一特征图的像素极差。

6.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤6中，在第二图像中提取多个预选窗口，计算每一预选窗口与第二基准特征图的直方图相似度，根据直方图相似度识别第二特征图，根据第二特征图计算第二图像参数并确定第二曝光时间。

7.根据权利要求6所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤6中，预选窗口和第二基准特征图的直方图相似度，p_4i为预选窗口的直方图中像素值i的概率，p_5i为第二基准特征图的直方图中像素值i的概率，/>为预选窗口的直方图中像素值的平均概率，/>为第二基准特征图的直方图中像素值的平均概率。

8.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤7中，标定第一摄像机的内部参数以及第一摄像机相对于第一激光器的外部参数，根据该内部参数和外部参数变换第一图像的每一像素点的位置坐标并生成第一点云，根据刚体变换估计将第一点云匹配至基准坐标系。

9.根据权利要求1所述的基于结构光的钢轨磨耗识别方法，其特征在于，在步骤8中，所述磨耗值由垂直磨耗、内圆周磨耗以及外圆周磨耗组成。

10.一种应用于如权利要求1所述基于结构光的钢轨磨耗识别方法的钢轨磨耗识别设备，其特征在于，包括：

沿钢轨移动的检测小车，检测小车设有振动传感器；

数据库，数据库被配置为存储伸缩缝的第一基准特征图以及紧固件的第二基准特征图；

第一测量单元，第一测量单元被配置为生成第一图像和第二图像，第一测量单元由第一激光器、第一摄像机和第二摄像机组成；

第二测量单元，第二测量单元被配置为生成第三图像和第四图像，第二测量单元由第二激光器、第三摄像机和第四摄像机组成；

控制单元，控制单元被配置为分别根据第一图像、第二图像、第三图像以及第四图像调整第一曝光时间、第二曝光时间、第三曝光时间和第四曝光时间；

数据处理单元，数据处理单元被配置为生成钢轨的截面轮廓并识别该截面轮廓的磨耗值。