一种基于双目识别的便携式高速道岔检测小车及检测方法

1.本发明属于轨道交通检测技术领域，尤其涉及一种基于双目识别的便携式高速道岔检测小车及检测方法。

背景技术：

2.我国道岔几何参数的精测通常采用轨道几何状态测量仪，而该方法使用的模型为轨道测量模型，对道岔特性考虑并不充分。
3.现有的道岔几何参数的检测通常利用轨道静态几何参数轨道检测小车，但轨道静态几何参数轨道检测小车无法检测道岔区变截面钢轨的几何参数，且现有的轨道检测小车仅能测量轨道几何参数，无法兼顾测量钢轨型面和钢轨光带等其他信息；因此一种既能够实现测量轨道几何参数又能够实现测量钢轨型面、钢轨光带等其他信息的便携式高速道岔检测小车是亟需的。

技术实现要素：

4.针对现有技术中的上述不足，本发明提供的一种基于双目识别的便携式高速道岔检测小车及检测方法解决了现有的轨道检测小车在道岔区检测不充分的问题。
5.为了达到上述发明目的，本发明采用的技术方案为：
6.本发明提供一种基于双目识别的便携式高速道岔检测小车，包括：
7.滑轮，用于支撑第一底座和第二底座，并在高铁轨道上行进；
8.第一底座，用于承载底座横梁、第一3d相机模块和第一编码器；
9.第二底座，用于承载底座横梁、第二3d相机模块和第二编码器；
10.底座横梁，用于固定连接手推杆后根据受力稳定行进，保持第一底座和第二底座同步行进，以及承载锂电池供电模块；
11.手推杆，用于通过受力带动底座横梁、第一底座、第二底座以及轮滑行进；
12.锂电池供电模块，用于为第一3d相机模块、第二3d相机模块、第一编码器、第二编码器以及图像信息处理器供电；
13.第一3d相机模块，用于拍摄靠近第一底座侧的不同角度的第一钢轨，得到第一钢轨的若干图像；
14.第二3d相机模块，用于检测拍摄靠近第二底座侧的不同角度的第二钢轨，得到第二钢轨的若干图像；
15.第一编码器，用于获取并编码处理各第一钢轨的图像，得到若干编码后的第一钢轨图像；
16.第二编码器，用于获取并编码处理各第二钢轨的图像，得到若干编码后的第二钢轨的图像；
17.图像信息处理器，用于分别获取并处理各编码后的第一钢轨图像和第二钢轨图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。
18.本发明的有益效果为：本发明提供的基于双目识别的便携式高速道岔检测小车，通过滑轮、第一底座、第二底座、底座横梁和手推杆搭建成常见道岔检测小车，并在此基础上增设锂电池供电模块、第一3d相机模块、第一编码器、第二3d相机模块、第二编码器和图像信息处理器，实现通过编码器处理通过3d相机模块采集得到的钢轨图像，再通过图像信息处理器处理经编码处理后的钢轨图像，最终得到第一钢轨表面的三维数据和第二钢轨表面的三维数据，实现通过便携小车的不断移动，检测道岔区变截面钢轨型面和几何参数，同时兼顾采集钢轨型面和钢轨光带等其他信息。
19.进一步地，所述第一3d相机模块和第二3d相机模块均为分别包括两个相机的双目相机。
20.采用上述进一步方案的有益效果为：通过双目相机的双目识别实现最佳匹配点的确定，为通过处理相机采集的钢轨图像得到钢轨表面的三维数据提供基础。
21.本发明还提供一种基于双目识别的便携式高速道岔检测小车的检测方法，包括如下步骤：
22.s1、通过开启锂电池供电模块为第一3d相机模块、第二3d相机模块、第一编码器、第二编码器以及图像信息处理器供电；
23.s2、推动手推杆带动底座横梁、第一底座、第二底座以及滑轮稳定行进，并分别利用第一3d相机模块和第二相机模块持续拍摄第一钢轨和第二钢轨，得到第一钢轨的若干图像和第二钢轨的若干图像；
24.s3、分别利用第一编码器和第二编码器编码处理各第一钢轨的图像和各第二钢轨的图像，得到若干编码后的第一钢轨图像和第二钢轨图像；
25.s4、利用图像信息处理器分别获取并处理各编码后的第一钢轨的图像和第二钢轨的图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。
26.本发明的有益效果为：本发明提供的一种基于双目识别的便携式高速道岔检测小车的检测方法为上述基于双目识别的便携式高速道岔检测小车对应的检测方法，用于检测获取高速道岔钢轨的表面三维数据。
27.进一步地，所述步骤s4包括如下步骤：
28.s41、利用图像信息处理器分别获取若干编码后的第一钢轨图像和第二钢轨图像；
29.s42、基于各编码后的第一钢轨图像和第二钢轨图像，将第一3d相机模块和第二3d相机模块分别在各相同时刻从不同相机视角拍摄的钢轨子图像组采集的各像素点分量的均值作为该像素点的灰度值，其中，所述钢轨子图像组包括相同时刻下第一3d相机模块拍摄的第一钢轨图像的第一子图像和第二子图像，以及第二3d相机模块拍摄的第二钢轨图像的第三子图像和第四子图像；
30.s43、基于频率域，分别对钢轨子图像组中各像素点的灰度值预处理，得到预处理后的钢轨子图像组；
31.s44、基于高斯金字塔原理，分别将预处理后的钢轨子图像组中的各子图像作为0层，并以2为采样因子，5
×
5为高斯核模板构建多尺度图像；
32.s45、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口进行中值滤波，得到各尺度图像的比特串；
33.s46、将各尺度下的第一子图像或第三子图像中任一像素点作为待匹配点，并对应
计算待匹配点与第二子图像或第四子图像中所有候选距离点的比特串的汉明距离计算第一匹配代价，得到各尺度下的代价券；
34.s47、基于各尺度下的代价券，得到多尺度图像的最佳匹配点和视差值；
35.s48、基于多尺度图像的最佳匹配点和视差值，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。
36.采用上述进一步方案的有益效果为：通过图像信息处理器分别获取并处理各编码后的第一钢轨的图像和第二钢轨的图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据，实现通过便携小车的不断移动，检测道岔区变截面钢轨型面和几何参数，同时兼顾采集钢轨型面和钢轨光带等其他信息。
37.进一步地，所述步骤s43包括如下步骤：
38.s431、基于频率域，分别将钢轨子图像组的高频分量和低频分量的乘积取对数，得到高低频分量乘积处理后的钢轨子图像组；
39.s432、分别将高低频分量乘积处理后的钢轨子图像组依次进行傅里叶变换、高频滤波、逆傅里叶变换和取指数，得到预处理后的钢轨子图像组。
40.采用上述进一步方案的有益效果为：
41.进一步地，所述步骤s44中多尺度图像的计算表达式如下：
[0042][0043]
其中，i
n-1
(x,y)表示第n-1尺度下的各子图像，x表示窗口中心点的横向位置，y表示窗口中心点的纵向位置，in(x+s,y+t)表示第n尺度下的各子图像，s表示高斯核中相应位置的横相位置，t表示高斯核中相应的纵向位置，表示张量积，g5×5(s,t)表示高斯核为5
×
5的窗口。
[0044]
采用上述进一步方案的有益效果为：通过分别对钢轨子图像组中各像素点的灰度值预处理，得到预处理后的钢轨子图像组，为构建多尺度图像提供基础。
[0045]
进一步地，所述步骤s45包括如下步骤：
[0046]
s451、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口；
[0047]
s452、以十字窗口内任意像素点的rgb值与中值像素的rgb值的均值差作为第一位二进制输出，并以任意像素点的灰度值和十字窗口内像素灰度均值的差与自适应线性阀值对比作为第二位二进制输出进行双序列的census变换，得到各尺度图像的比特串：
[0048][0049]
[0050]
其中，ζ(i(p),i(q))表示各尺度图像的比特串，i(p)表示十字窗口内任意像素点p的灰度值，&表示且，i(q)表示所计算窗口中心点q的灰度值，i
avg
表示十字窗口内像素灰度均值，τq表示当前像素点邻域点的线性阈值，δ表示十字窗口内任意像素点的rgb至的均值差，i表示rgb三通道中的第i通道，ii(p)表示十字窗口内任意像素点的第i通道的信息值，ii(q)表示所计算窗口中心点q的第i通道信息值。
[0051]
采用上述进一步方案的有益效果为：通过对各尺度图像分别以计算的像素点中心建立固定十字窗口进行中值滤波，得到各尺度图像的比特串，为计算各尺度下的代价券，得到多尺度图像的最佳匹配点和视差值提供基础。
[0052]
进一步地，所述步骤s46中的代价券的计算表达式如下：
[0053]
c(x
′
,y
′
,d)＝hamming(str(x
′
,y
′
),str(x
′‑
d,y
′
))
[0054]
其中，c(x
′
,y
′
,d)表示待匹配点与候选点间的匹配代价，x
′
和y
′
分别表示各子图像中像素点的横向位置和纵向位置，hamming(
·
)表示汉明距离计算匹配代价，str(x
′
,y
′
)表示第一子图像或第三子图像中待匹配点的比特串，str(x
′‑
d,y
′
)表示第二子图像或第四子图像分别对应第一子图像或第三子图像中待匹配点视差为d的候选点的比特串。
[0055]
采用上述进一步方案的有益效果为：通过计算每个尺度下的双目相机分别拍摄到的图像计算待匹配点和所有可能的候选距离点的比特串的汉明距离计算匹配代价，从而获得各个尺度下的代价卷。
[0056]
进一步地，所述步骤s47包括如下步骤：
[0057]
s471、基于各尺度下的代价券，利用盒式滤波核法对各尺度图像分别进行代价聚合，得到各尺度图像下的各像素点的第二匹配代价；
[0058]
s472、基于第二匹配代价越小，相似度越大的原则，根据wta算法计算得到各尺度下的各像素点的最佳匹配点和视差值；
[0059]
s473、基于各尺度下的各像素点的最佳匹配点和视差值，利用tikhonov正则化矩阵从最粗糙尺度层逐层代价聚合直至达到预设的0层的第一子图像、第二子图像、第三子图像和第四子图像最精细尺度的代价值和视差值，得到多尺度图像的最佳匹配点和视差值。
[0060]
采用上述进一步方案的有益效果为：运用盒式滤波核法，对各尺度下的图像分别进行代价聚合，并在层内图像相关性的基础上加入了层间相关性约束，优化代价结果，降低误匹配率，得到多尺度图像下最终的最佳匹配点和视差值，从而获得钢轨表面的三维数据。
附图说明
[0061]
图1为本发明实施例中基于双目识别的便携式高速道岔检测小车的主视图。
[0062]
图2为本发明实施例中基于双目识别的便携式高速道岔检测小车的后视图。
[0063]
图3为本发明实施例中基于双目识别的便携式高速道岔检测小车的检测方法的步骤流程图。
[0064]
其中：1、滑轮；2、第一底座；3、第二底座；4、底座横梁；5、手推杆；6、锂电池供电模块；7、第一3d相机模块；8、第二3d相机模块；9、第一编码器；10、第二编码器；11、图像信息处理器。
具体实施方式
[0065]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0066]
census变换属于非参数图像变换的一种，它能够较好地检测出图像中的局部结构特征，如边缘、角点特征等；census变换的实质是将图像像素的灰度值编码成二进制码流，以此来获取邻域像素灰度值相对于中心像素灰度值的大小关系；
[0067]
如图1和图2所示，在本发明的一个实施例中本发明提供一种基于双目识别的便携式高速道岔检测小车，包括：
[0068]
滑轮1，用于支撑第一底座2和第二底座3，并在高铁轨道上行进；
[0069]
第一底座2，用于承载底座横梁4、第一3d相机模块7和第一编码器9；
[0070]
第二底座3，用于承载底座横梁4、第二3d相机模块8和第二编码器10；
[0071]
底座横梁4，用于固定连接手推杆5后根据受力稳定行进，保持第一底座2和第二底座3同步行进，以及承载锂电池供电模块6；
[0072]
手推杆5，用于通过受力带动底座横梁4、第一底座3、第二底座3以及轮滑1行进；
[0073]
锂电池供电模块6，用于为第一3d相机模块7、第二3d相机模块8、第一编码器9、第二编码器10以及图像信息处理器11供电；
[0074]
第一3d相机模块7，用于拍摄靠近第一底座2侧的不同角度的第一钢轨，得到第一钢轨的若干图像；
[0075]
第二3d相机模块8，用于检测拍摄靠近第二底座2侧的不同角度的第二钢轨，得到第二钢轨的若干图像；
[0076]
第一编码器9，用于获取并编码处理各第一钢轨的图像，得到若干编码后的第一钢轨图像；
[0077]
第二编码器10，用于获取并编码处理各第二钢轨的图像，得到若干编码后的第二钢轨的图像；
[0078]
图像信息处理器11，用于分别获取并处理各编码后的第一钢轨图像和第二钢轨图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据；
[0079]
所述第一3d相机模块7和第二3d相机模块8均为分别包括两个相机的双目相机。
[0080]
本发明提供的基于双目识别的便携式高速道岔检测小车，通过滑轮、第一底座、第二底座、底座横梁和手推杆搭建成常见道岔检测小车，并在此基础上增设锂电池供电模块、第一3d相机模块、第一编码器、第二3d相机模块、第二编码器和图像信息处理器，实现通过编码器处理通过3d相机模块采集得到的钢轨图像，再通过图像信息处理器处理经编码处理后的钢轨图像，最终得到第一钢轨表面的三维数据和第二钢轨表面的三维数据，实现通过便携小车的不断移动，检测道岔区变截面钢轨型面和几何参数，同时兼顾采集钢轨型面和钢轨光带等其他信息。
[0081]
如图3所示，在本发明的一个另实施例中，本发明提供一种基于双目识别的便携式高速道岔检测小车的检测方法，包括如下步骤：
[0082]
s1、通过开启锂电池供电模块6为第一3d相机模块7、第二3d相机模块8、第一编码
器9、第二编码器10以及图像信息处理器11供电；
[0083]
s2、推动手推杆5带动底座横梁4、第一底座2、第二底座3以及滑轮1稳定行进，并分别利用第一3d相机模块7和第二相机模块8持续拍摄第一钢轨和第二钢轨，得到第一钢轨的若干图像和第二钢轨的若干图像；
[0084]
s3、分别利用第一编码器9和第二编码器10编码处理各第一钢轨的图像和各第二钢轨的图像，得到若干编码后的第一钢轨图像和第二钢轨图像；
[0085]
s4、利用图像信息处理器11分别获取并处理各编码后的第一钢轨的图像和第二钢轨的图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据；
[0086]
所述步骤s4包括如下步骤：
[0087]
s41、利用图像信息处理器11分别获取若干编码后的第一钢轨图像和第二钢轨图像；
[0088]
s42、基于各编码后的第一钢轨图像和第二钢轨图像，将第一3d相机模块7和第二3d相机模块8分别在各相同时刻从不同相机视角拍摄的钢轨子图像组采集的各像素点分量的均值作为该像素点的灰度值，其中，所述钢轨子图像组包括相同时刻下第一3d相机模块7拍摄的第一钢轨图像的第一子图像和第二子图像，以及第二3d相机模块8拍摄的第二钢轨图像的第三子图像和第四子图像；
[0089]
s43、基于频率域，分别对钢轨子图像组中各像素点的灰度值预处理，得到预处理后的钢轨子图像组；
[0090]
所述步骤s43包括如下步骤：
[0091]
s431、基于频率域，分别将钢轨子图像组的高频分量和低频分量的乘积取对数，得到高低频分量乘积处理后的钢轨子图像组；
[0092]
s432、分别将高低频分量乘积处理后的钢轨子图像组依次进行傅里叶变换、高频滤波、逆傅里叶变换和取指数，得到预处理后的钢轨子图像组；
[0093]
s44、基于高斯金字塔原理，分别将预处理后的钢轨子图像组中的各子图像作为0层，并以2为采样因子，5
×
5为高斯核模板构建多尺度图像；
[0094]
所述步骤s44中多尺度图像的计算表达式如下：
[0095][0096]
其中，i
n-1
(x,y)表示第n-1尺度下的各子图像，x表示窗口中心点的横向位置，y表示窗口中心点的纵向位置，in(x+s,y+t)表示第n尺度下的各子图像，s表示高斯核中相应位置的横相位置，t表示高斯核中相应的纵向位置，表示张量积，g5×5(s,t)表示高斯核为5
×
5的窗口；
[0097]
s45、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口进行中值滤波，得到各尺度图像的比特串；
[0098]
所述步骤s45包括如下步骤：
[0099]
s451、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口；
[0100]
s452、以十字窗口内任意像素点的rgb值与中值像素的rgb值的均值差作为第一位二进制输出，并以任意像素点的灰度值和十字窗口内像素灰度均值的差与自适应线性阀值
对比作为第二位二进制输出进行双序列的census变换，得到各尺度图像的比特串：
[0101][0102][0103]
其中，ζ(i(p),i(q))表示各尺度图像的比特串，i(p)表示十字窗口内任意像素点p的灰度值，&表示且，i(q)表示所计算窗口中心点q的灰度值，i
avg
表示十字窗口内像素灰度均值，τq表示当前像素点邻域点的线性阈值，δ表示十字窗口内任意像素点的rgb至的均值差，i表示rgb三通道中的第i通道，ii(p)表示十字窗口内任意像素点的第i通道的信息值，ii(q)表示所计算窗口中心点q的第i通道信息值；
[0104]
s46、将各尺度下的第一子图像或第三子图像中任一像素点作为待匹配点，并对应计算待匹配点与第二子图像或第四子图像中所有候选距离点的比特串的汉明距离计算第一匹配代价，得到各尺度下的代价券；
[0105]
所述步骤s46中的代价券的计算表达式如下：
[0106]
c(x
′
,y
′
,d)＝hamming(str(x
′
,y
′
),str(x
′‑
d,y
′
))
[0107]
其中，c(x
′
,y
′
,d)表示待匹配点与候选点间的匹配代价，x
′
和y
′
分别表示各子图像中像素点的横向位置和纵向位置，hamming(
·
)表示汉明距离计算匹配代价，str(x
′
,y
′
)表示第一子图像或第三子图像中待匹配点的比特串，str(x
′‑
d,y
′
)表示第二子图像或第四子图像分别对应第一子图像或第三子图像中待匹配点视差为d的候选点的比特串；
[0108]
s47、基于各尺度下的代价券，得到多尺度图像的最佳匹配点和视差值；
[0109]
所述步骤s47包括如下步骤：
[0110]
s471、基于各尺度下的代价券，利用盒式滤波核法对各尺度图像分别进行代价聚合，得到各尺度图像下的各像素点的第二匹配代价；
[0111]
s472、基于第二匹配代价越小，相似度越大的原则，根据wta算法计算得到各尺度下的各像素点的最佳匹配点和视差值；
[0112]
s473、基于各尺度下的各像素点的最佳匹配点和视差值，利用tikhonov正则化矩阵从最粗糙尺度层逐层代价聚合直至达到预设的0层的第一子图像、第二子图像、第三子图像和第四子图像最精细尺度的代价值和视差值，得到多尺度图像的最佳匹配点和视差值；
[0113]
s48、基于多尺度图像的最佳匹配点和视差值，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。
[0114]
本发明提供的一种基于双目识别的便携式高速道岔检测小车的检测方法为上述基于双目识别的便携式高速道岔检测小车对应的检测方法，用于检测获取高速道岔钢轨的表面三维数据；实施例提供的基于双目识别的便携式高速道岔检测小车可以执行上述方法实施例所示的技术方案，其实现原理与有益效果类似，此处不在赘述。

技术特征：

1.一种基于双目识别的便携式高速道岔检测小车，其特征在于，包括：滑轮(1)，用于支撑第一底座(2)和第二底座(3)，并在高铁轨道上行进；第一底座(2)，用于承载底座横梁(4)、第一3d相机模块(7)和第一编码器(9)；第二底座(3)，用于承载底座横梁(4)、第二3d相机模块(8)和第二编码器(10)；底座横梁(4)，用于固定连接手推杆(5)后根据受力稳定行进，保持第一底座(2)和第二底座(3)同步行进，以及承载锂电池供电模块(6)；手推杆(5)，用于通过受力带动底座横梁(4)、第一底座(2)、第二底座(3)以及轮滑(1)行进；锂电池供电模块(6)，用于为第一3d相机模块(7)、第二3d相机模块(8)、第一编码器(9)、第二编码器(10)以及图像信息处理器(11)供电；第一3d相机模块(7)，用于拍摄靠近第一底座(2)侧的不同角度的第一钢轨，得到第一钢轨的若干图像；第二3d相机模块(8)，用于拍摄靠近第二底座(2)侧的不同角度的第二钢轨，得到第二钢轨的若干图像；第一编码器(9)，用于获取并编码处理各第一钢轨的图像，得到若干编码后的第一钢轨图像；第二编码器(10)，用于获取并编码处理各第二钢轨的图像，得到若干编码后的第二钢轨的图像；图像信息处理器(11)，用于分别获取并处理各编码后的第一钢轨图像和第二钢轨图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。2.根据权利要求1所述的基于双目识别的便携式高速道岔检测小车，其特征在于，所述第一3d相机模块(7)和第二3d相机模块(8)均为包括两个相机的双目相机。3.一种如权利要求1和2的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，包括如下步骤：s1、通过开启锂电池供电模块(6)为第一3d相机模块(7)、第二3d相机模块(8)、第一编码器(9)、第二编码器(10)以及图像信息处理器(11)供电；s2、推动手推杆(5)带动底座横梁(4)、第一底座(2)、第二底座(3)以及滑轮(1)稳定行进，并分别利用第一3d相机模块(7)和第二相机模块(8)持续拍摄第一钢轨和第二钢轨，得到第一钢轨的若干图像和第二钢轨的若干图像；s3、分别利用第一编码器(9)和第二编码器(10)编码处理各第一钢轨的图像和各第二钢轨的图像，得到若干编码后的第一钢轨图像和第二钢轨图像；s4、利用图像信息处理器(11)分别获取并处理各编码后的第一钢轨的图像和第二钢轨的图像，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。4.根据权利要求3所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s4包括如下步骤：s41、利用图像信息处理器(11)分别获取若干编码后的第一钢轨图像和第二钢轨图像；s42、基于各编码后的第一钢轨图像和第二钢轨图像，将第一3d相机模块(7)和第二3d相机模块(8)分别在各相同时刻从不同相机视角拍摄的钢轨子图像组采集的各像素点分量的均值作为该像素点的灰度值，其中，所述钢轨子图像组包括相同时刻下第一3d相机模块
(7)拍摄的第一钢轨图像的第一子图像和第二子图像，以及第二3d相机模块(8)拍摄的第二钢轨图像的第三子图像和第四子图像；s43、基于频率域，分别对钢轨子图像组中各像素点的灰度值预处理，得到预处理后的钢轨子图像组；s44、基于高斯金字塔原理，分别将预处理后的钢轨子图像组中的各子图像作为0层，并以2为采样因子，5
×
5为高斯核模板构建多尺度图像；s45、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口进行中值滤波，得到各尺度图像的比特串；s46、将各尺度下的第一子图像或第三子图像中任一像素点作为待匹配点，并对应计算待匹配点与第二子图像或第四子图像中所有候选距离点的比特串的汉明距离计算第一匹配代价，得到各尺度下的代价券；s47、基于各尺度下的代价券，得到多尺度图像的最佳匹配点和视差值；s48、基于多尺度图像的最佳匹配点和视差值，得到第一钢轨表面的三维数据和第二钢轨表面的三维数据。5.根据权利要求4所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s43包括如下步骤：s431、基于频率域，分别将钢轨子图像组的高频分量和低频分量的乘积取对数，得到高低频分量乘积处理后的钢轨子图像组；s432、分别将高低频分量乘积处理后的钢轨子图像组依次进行傅里叶变换、高频滤波、逆傅里叶变换和取指数，得到预处理后的钢轨子图像组。6.根据权利要求5所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s44中多尺度图像的计算表达式如下：其中，i
n-1
(x,y)表示第n-1尺度下的各子图像，x表示窗口中心点的横向位置，y表示窗口中心点的纵向位置，i
n
(x+s,y+t)表示第n尺度下的各子图像，s表示高斯核中相应位置的横相位置，t表示高斯核中相应的纵向位置，表示张量积，g5×5(s,t)表示高斯核为5
×
5的窗口。7.根据权利要求6所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s45包括如下步骤：s451、基于多尺度图像，对各尺度图像分别以计算的像素点中心建立固定十字窗口；s452、以十字窗口内任意像素点的rgb值与中值像素的rgb值的均值差作为第一位二进制输出，并以任意像素点的灰度值和十字窗口内像素灰度均值的差与自适应线性阀值对比作为第二位二进制输出进行双序列的census变换，得到各尺度图像的比特串：
其中，ζ(i(p),i(q))表示各尺度图像的比特串，i(p)表示十字窗口内任意像素点p的灰度值，&表示且，i(q)表示所计算窗口中心点q的灰度值，i
avg
表示十字窗口内像素灰度均值，τ
q
表示当前像素点邻域点的线性阈值，δ表示十字窗口内任意像素点的rgb至的均值差，i表示rgb三通道中的第i通道，i
i
(p)表示十字窗口内任意像素点的第i通道的信息值，i
i
(q)表示所计算窗口中心点q的第i通道信息值。8.根据权利要求7所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s46中的代价券的计算表达式如下：c(x
′
,y
′
,d)＝hamming(str(x
′
,y
′
),str(x
′‑
d,y
′
))其中，c(x
′
,y
′
,d)表示待匹配点与候选点间的匹配代价，x
′
和y
′
分别表示各子图像中像素点的横向位置和纵向位置，hamming(
·
)表示汉明距离计算匹配代价，str(x
′
,y
′
)表示第一子图像或第三子图像中待匹配点的比特串，str(x
′‑
d,y
′
)表示第二子图像或第四子图像分别对应第一子图像或第三子图像中待匹配点视差为d的候选点的比特串。9.根据权利要求8所述的基于双目识别的便携式高速道岔检测小车的检测方法，其特征在于，所述步骤s47包括如下步骤：s471、基于各尺度下的代价券，利用盒式滤波核法对各尺度图像分别进行代价聚合，得到各尺度图像下的各像素点的第二匹配代价；s472、基于第二匹配代价越小，相似度越大的原则，根据wta算法计算得到各尺度下的各像素点的最佳匹配点和视差值；s473、基于各尺度下的各像素点的最佳匹配点和视差值，利用tikhonov正则化矩阵从最粗糙尺度层逐层代价聚合直至达到预设的0层的第一子图像、第二子图像、第三子图像和第四子图像最精细尺度的代价值和视差值，得到多尺度图像的最佳匹配点和视差值。

技术总结

本发明公开了一种基于双目识别的便携式高速道岔检测小车及检测方法，属于轨道交通检测技术领域，所述小车包括滑轮、第一底座、第二底座、底座横梁、手推杆、锂电池供电模块、第一3D相机模块、第二3D相机模块、第一编码器、第二编码器和图像信息处理器，所述方法为上述基于双目识别的便携式高速道岔检测小车对应的检测方法，用于检测获取高速道岔钢轨的表面三维数据；本发明解决了现有的轨道检测小车在道岔区检测不充分的问题，实现了通过便携小车的不断移动，检测道岔区变截面钢轨型面和几何参数，同时兼顾采集钢轨型面和钢轨光带等其他信息。息。息。