[发明专利]一种钢轨廓形磨耗计算方法、装置、设备及存储介质

说明书

本文提供了一种钢轨廓形磨耗计算方法、装置、设备及存储介质，所述方法包括：获取待测钢轨的多组钢轨测量数据，并生成多个钢轨廓形；根据所述待测钢轨的钢轨廓形和标准钢轨廓形，通过拉近处理得到多个第一钢轨廓形；根据预设过滤算法，将每个第一钢轨廓形中的数据点进行过滤处理，得到多个第二钢轨廓形；通过迭代最近点算法，对所述第二钢轨廓形和所述标准钢轨廓形进行匹配处理，得到多个匹配完成的第三钢轨廓形；根据匹配完成的第三钢轨廓形和所述标准钢轨廓形，计算获得所述钢轨廓形磨耗数据，本文能提高了待测钢轨和标准钢轨的匹配效果，通过迭代最近点算法实现了匹配的过程，从而保证了磨耗数据计算的准确度。

技术领域

本文属于铁路设施领域，具体涉及一种钢轨廓形磨耗计算方法、装置、设备及存储介质。

背景技术

近年来随着经济的迅速发展，铁路运输也获得了大力发展。钢轨截面轮廓是钢轨的重要特征，能够引导列车在铁轨上安全运行。外部因素的不确定性以及机车的频繁运行都会造成钢轨轮廓产生不同程度大小的损伤，导致轨高降低、肥边增加等现象，严重影响列车的安全快速行驶。传统的钢轨磨耗检测是人工进行，通过卡尺实施具体的抽样检测，实际测量无法进行动态测量、效率低，所消耗的人力和物力较大，而通过人工操作进行测量的精度会受到影响，可靠性不高。现阶段，通过光视觉下的钢轨磨耗测量结合及机器视觉计算可以取得较高的准确性，在实际测量中要选择有效的测量基准，保证标准设计轮廓和钢轨轮廓在同一水平线上，最终算出磨耗值。

基于机器视觉的非接触磨耗计算方法利用坐标变换将图像坐标映射到世界坐标进行图像校正，然后再与标准模板进行匹配计算磨耗。而采用传统ICP匹配的方法需要获取大量数据点坐标作为特征点进行匹配，不仅计算量大，且在外部环境较差(比如环境光发生变化)的情况下，得到的测量数据的可靠性也较低，最终导致拟合结果较差。因此，传统钢轨廓形磨耗计算方法通常鲁棒性较差，测量结果不能有效为钢轨的维护提供可靠的依据。

发明内容

针对现有技术的上述问题，本文的目的在于，提供一种钢轨廓形磨耗计算方法、装置、设备及存储介质，可以提高钢轨廓形匹配效率，进而提高磨耗计算的准确性。

为了解决上述技术问题，本文的具体技术方案如下：

一方面，本文提供一种钢轨廓形磨耗计算方法，所述方法包括：

获取待测钢轨的多组钢轨测量数据，并生成多个钢轨廓形；

根据所述待测钢轨的钢轨廓形和标准钢轨廓形，通过拉近处理得到多个第一钢轨廓形；

根据预设过滤算法，将每个第一钢轨廓形中的数据点进行过滤处理，得到多个第二钢轨廓形；

通过迭代最近点算法，对所述第二钢轨廓形和所述标准钢轨廓形进行匹配处理，得到多个匹配完成的第三钢轨廓形；

根据匹配完成的第三钢轨廓形和所述标准钢轨廓形，计算获得所述钢轨廓形磨耗数据。

进一步地，所述获取待测钢轨的多组钢轨廓形测量数据，并生成多个钢轨廓形，包括：

按照预设距离采集获得待测钢轨的光条中心结果；

根据所述光条中心结果，结合预设坐标转换规则，获得多个钢轨廓形。

进一步地，根据所述待测钢轨的钢轨廓形和标准钢轨廓形，通过拉近处理得到多个第一钢轨廓形，包括：

将所述标准钢轨廓形的非接触侧的轨顶点作为第一基准点，以及所述标准钢轨廓形非接触侧的轨侧点作为第二基准点，所述轨顶点为钢轨顶面中间点，所述轨侧点为钢轨轨头侧面的最低点；

获得所述待测钢轨非接触侧的轨顶点坐标和轨侧点坐标；

根据所述待测钢轨非接触侧的轨顶点坐标和所述第一基准点，计算获得横向拉近值；