一种无砟轨道结构垂向绝对和相对垂向变形检测装置

1.本发明涉及无砟轨道检测装置，具体涉及一种用于无砟轨道结构垂向绝对和相对垂向变形检测装置。


背景技术：

2.高速铁路穿越冻土、溶洞、矿区、软岩等复杂地质区段时，无砟轨道结构体系易产生跟随性及相对的垂向沉降和冻胀，变形幅值和波长随机性强，影响无砟轨道结构服役健康状态和轨道平顺性，对行车舒适性和安全性带来不利影响。且目前无砟轨道变形传递规律的理论和仿真成果有待现场实测数据的指导和验证。为此，对复杂基础区段开展工后及运营期无砟轨道结构垂向绝对和相对同步检测是必要的。
3.现有针对无砟轨道结构变形检测往往仅在运营期工务运维期进行，且检测侧重于结构层相对变形，如空气耦合超声发射换能器的离缝检测方案、cpiii控制网结合激光跟踪仪的轨道板几何形位检测方案、结合机器视觉算法的离缝检测小车、结合双目测距技术的轨道板三维位置检测装置，上述方法或装置均不能检测无砟轨道绝对垂向变形，且存在检测效率低、成本高、步骤繁杂的问题。而无砟轨道结构绝对垂向变形检测仍主要通过全站仪结合cpiii水准控制网反复设站获得，但检测效率极低、复测周期长、沿线测点稀疏等问题尤为突出。


技术实现要素：

4.本发明的目的针对现有技术存在的不足，提供一种结构简单、轻便易拆装、功能扩展性强、造价低、检测时间周期和空间密度灵活可调、能够适应路基、桥梁、隧道等不同基础条件的用于无砟轨道结构垂向绝对和相对垂向变形检测装置。
5.为达到上述目的，本发明采用下述技术方案：一种无砟轨道结构垂向绝对和相对垂向变形检测装置，包括一装载有驱动模块6的移动式检测框架1，驱动模块6驱动移动式检测框架1通过轮对在钢轨(9)上移动，所述的移动式检测框架1底部固定有测距传感器2，移动式检测框架1两侧安装有万向可伸缩刚性悬臂结构(3)，万向可伸缩刚性悬臂结构(3)的悬臂结构末端传感器结构接口安装有图像采集模块4；还包括装载在移动式检测框架1上的数据集成管理系统5、刚性连接件7以及自置平激光水平面发射模块8；其中，
6.所述的测距传感器2的测点打在轨道板(10)的表面且行进轨迹经过同侧承轨台上方；测距值经数据集成管理系统5进行分析处理获取检测装置的沿线里程信息；
7.刚性连接件7将沿高速铁路线的cpiii高程预埋件与自置平激光水平面发射模块8刚性连接，自置平激光水平面发射模块8在轨道结构侧面形成一条与cpiii预埋件高差已知的水平激光线；移动式检测框架1移动检测过程中，图像采集模块4沿线拍摄含有激光水平线的多层无砟轨道结构侧面，拍摄图像和测距值经数据集成管理系统5进行存储、处理、分析，检测轨道结构的沿线垂向绝对及相对变形。
8.优选的，所述的万向可伸缩刚性悬臂结构(3)的结构末端有多个可万向旋转和固
定的设备接口。
9.优选的，所述的刚性连接件7包括螺纹圆杆和轻质连接杆；螺纹圆杆拧入高铁沿线布设的cpiii预埋件中，螺纹圆杆露出部分与轻质连接杆的圆环形成嵌套结构，使轻质连接杆保持自由悬垂，轻质连接杆另一端连接自置平激光水平面发射模块8。
10.优选的，所述的自置平激光水平面发射模块8通过手动或电子自动控制，在轨道结构侧面形成水平激光线覆盖长度为cpiii预埋件测点沿线前后各不少于30m。
11.进一步的，所述的图像采集模块4固定在万向可伸缩刚性悬臂结构3的设备固定接口，包括高像素摄像组件和补光组件；高像素摄像组件获取轨道板侧面实时视频流，由数据集成管理系统5通过有线或无线控制在沿线指定位置拍摄图像，图像在高度方向上覆盖轨道板侧面上边缘线以及底座板与基床表层的边界线；拍摄前补光组件自适应补光，确保图像质量。
12.优选的，所述的数据集成管理系统5，还包含有机械调控模块，通过有线或无线的方式调节万向可伸缩刚性悬臂结构(3)悬臂结构的杆长伸缩、底座转向、设备固定接口的转向；机械调控模块控制驱动模块6调节移动式检测框架1的轮对转速和转向。
13.优选的，所述的数据集成管理系统5还包含有测点定位模块，测点定位模块通过有线或无线方式传输、存储和分析测距数据，进行测点的里程定位。
14.优选的，所述的数据集成管理系统5内置有图像识别处理模块，图像识别处理模块实时传输和存储高清图像、提取拍摄时间和位置信息、高精度智能识别激光水平线和轨道结构特征边缘、检测轨道结构垂向变形。
15.优选的，所述的数据集成管理系统5内置有数据融合模块，调整和匹配检测框架的驱动模块6、测距传感器2的采样频率以及图像采集模块4拍摄频率、像素。
16.有益效果：
17.本发明提供的一种无砟轨道结构绝对、相对垂向变形同步检测装置，该装置结构简单、轻便易拆装、功能扩展性强、造价低，检测时间周期和空间密度灵活可调，能够适应路基、桥梁、隧道等不同基础条件，作业范围可覆盖高速铁路全生命周期，实现了非接触式的无损检测，过程中不会破坏和污染轨道结构及环境。对比不同区段或不同时期的检测结果，为铁路建设及运维单位掌握测段内无砟轨道多结构层的垂向变形情况，制定有针对性的整治方案提供参考。此外，检测结果也为无砟轨道体系形变传递规律的成果验证及进一步研究提供数据支撑。
附图说明
18.图1是本发明检测装置在不同基础区段的应用总体示意图；
19.图2是图1中自置平激光水平面发射模块安装在桥梁段的侧视图；
20.图3是图1中自置平激光水平面发射模块安装在路基段的侧视图；
21.图4是图1中自置平激光水平面发射模块安装在隧道段的正视图；
22.图5是图1中万向可伸缩刚性悬臂结构俯视图；
23.图6是图1中万向可伸缩刚性悬臂结构侧视图；
24.图7是像素梯度方向线性插值图；
25.图8是canny边缘检测效果对比图；
26.图9是边缘主特征提取结果图；
27.图10是位移计算结果示意图；
28.附图序号说明：1.移动式检测框架；2.测距传感器；3.万向可伸缩刚性悬臂结构4.图像采集模块；5.数据集成管理系统；6.驱动模块；7.刚性连接件；8.自置平激光水平面发射模块；9.钢轨；10.轨道板；11.自密实混凝土；12.底座板；13.基床表层；14.桥梁防撞墙上cpiii高程预埋件；15.路基接触网杆上cpiii高程预埋件；16.隧道内衬上cpiii高程预埋件。
具体实施方式
29.为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
30.图1是本发明检测装置在不同基础区段的应用总体示意图，包括桥梁段、路基段、隧道段三种情况，如图1所示，本实施例的无砟轨道结构垂向绝对和相对垂向变形检测装置，包括移动式检测框架1、测距传感器2、万向可伸缩刚性悬臂结构3、图像采集模块4、数据集成管理系统5、驱动模块6、刚性连接件7、自置平激光水平面发射模块8。所述的移动式检测框架1底盘尺寸为长
×
宽
×
厚为0.9m
×
1.6m
×
0.03m，移动式检测框架1为轻质合金材料，通过多组尼龙轮对与钢轨耦合接触，驱动模块6设置了电力驱动和手推混合的驱动方式进行驱动；
31.1个激光测距传感器2固定在移动式检测框架1一侧的底盘下，测点打在轨道板表面且行进轨迹经过同侧承轨台上方，移动监测过程中可实现高频采样，测距传感器2可选择有线或无线方式连接数据集成管理系统5；
32.结合图5、图6所示，移动式检测框架1底盘两侧各固定1个万向可伸缩刚性悬臂结构3，多节伸缩的悬臂杆最大伸长长度为2m；悬臂结构末端固定接口安装由1600万像素摄像头和自适应补光组件集成的小型图像采集模块4，获取轨道板侧面图像和拍摄时间、位置信息；本发明的万向可伸缩刚性悬臂结构3分别设置在移动式检测框架1底盘两侧，且与底盘通过万向旋转结构连接，万向可伸缩刚性悬臂结构3的悬臂杆为轻质刚性结构，可伸缩和固定悬臂末端安装有图像采集模块4，悬臂杆件可进行伸缩，悬臂杆末端有多个具有万向旋转功能的设备固定接口。万向可伸缩刚性悬臂结构3的伸缩、旋转及设备结构的旋转行为可由手动方式或数据集成管理系统5切换控制；
33.结合图2、图3、图4,所示出的，在图像采集模块4安装同侧，1个自置平激光水平面发射模块8通过刚性连接件7与cpiii高程点预埋件刚性连接，在无砟轨道结构侧面形成长度不小于60m，且与预埋件高差已知的水平激光线；刚性连接件7由尺寸已知的刚性材质的螺纹杆和轻质连接杆组成。螺栓杆一端光滑，另一端的螺纹和尺寸根据cpiii棱镜杆的要求精密加工，确保螺栓拧入cpiii高程控制的预埋件，误差符合轨道精控测量的要求。连接杆的环形端嵌套螺纹杆伸出的光滑端，保持连接杆自由悬垂，连接杆另一端的柱形螺纹拧入自置平激光水平面发射模块8顶部的螺纹孔，固定激光水平面发射模块。针对不同高速铁路基础形式采用不同结构形式和尺寸的刚性连接件；
34.移动式检测框架1上固定1个数据集成管理系统5，数据集成管理系统5由高算力的
微型板载系统或远程数据终端承担。高算力的微型板载系统固定在检测装置框架底盘的支座上，支持便携式电源供电；数据集成管理系统5包含机械调控模块，机械调控模块采用有线或无线的方式通过调节万向可伸缩刚性悬臂结构3的悬臂杆长、底座和设备固定接口的旋转角度，控制接口固定设备的空间位置和指向。同时，机械调控模块连接驱动模块6的电力驱动装置调节检测框架轮对的转速和转向；
35.本发明的数据集成管理系统5包含测点定位模块，通过测点定位模块实时存储和处理测距传感器2获取测距值，对测距数据进行实时存储，分析处理测距数据，对测距值周期性增大和减小的时间和次数进行统计，实现以承轨台纵向间距为单位的检测里程定位。
36.数据集成管理系统5包含图像识别处理模块，图像识别处理模块实时接收图像采集模块4传送的实时视频流，检测移动式检测框架1移动至轨道板、底座板端部时自动识别和拍摄侧面高清图片，经图像时间提取、分析处理，获取轨道结构侧面边缘线与激光水平线的相对高差。
37.数据集成管理系统5包含数据融合处理模块，数据融合处理模块对图像采集模块4和测距传感器2进行时间对准和同步触发计时，监控检测框架行进速度以实时调节测距传感器的采样频率、图像采集模块拍摄频率、像素。
38.下面结合前述的本发明的一种无砟轨道结构垂向绝对和相对垂向变形检测装置的技术方案，对本发明的检测装置的具体测量方法进行描述如下：
39.步骤s1：基于激光测距数据的待测断面定位：
40.利用cpiii控制网的水准点的激光设备，将高程已知的激光水平线打到无砟轨道结构侧面，并通过移动式检测设备的测距功能，实时获取移动式检测设备底部到无砟轨道结构表面实体的测距数据；实时判断移动式检测设备行进过程中在轨道上的所处位置；
41.移动式检测设备是指本发明实施例中的在移动式检测框架1，激光设备是指自置平激光水平面发射模块8，cpiii控制网的水准点的激光设备也就是指前述实施例描述的自置平激光水平面发射模块8通过刚性连接件7与cpiii高程点预埋件刚性连接；
42.当测距数据出现了待测断面所处位置对应的移动式检测设备底部到无砟轨道结构表面实体的距离数据特征时，即认为设备到达了待测断面，随即移动式检测设备上的相机采集多层无砟轨道结构侧面图像，得到含有无砟轨道侧面结构边缘特征及高程已知水平激光线的图片；
43.步骤s2：图片预处理：
44.对上述步骤s1拍摄的图片进行图片预处理；
45.对上述步骤s1拍摄的图片进行图像增强、图像灰度化、高斯滤波处理，提高图像质量的同时减少数据量，从而减少计算量；
46.步骤s3：基于最优阈值的图片二值化：
47.对上述步骤s2得到的图片进行阈值分割，获取最优的阈值，然后将其带入二值化算法，得到最优的二值化图片；
48.利用最大类间方差算法，对上述步骤s2得到的图片进行阈值分割，计算最优的阈值。然后将阈值带入二值化算法，对灰度图像的像素点从左向右从上到下进行一一遍历，大于阈值的像素值变为255，小于阈值的像素值变为0，从而得到最优的二值化图像；
49.最大类间方差算法的计算步骤如下所示：
50.s3.1，假设阈值为k(0-255依次遍历，即首次计算取0)，然后根据k值将灰度图上的像素点的像素值分为两部分：
[0051][0052]
s3.2，分别计算像素值变为c1和c2的像素点个数占总像素点个数的比例p1和p2：
[0053][0054]
p2＝1-p1[0055]
s3.3，计算原图像像素值均值m：
[0056]
像素均值
[0057][0058]
s3.4，求类间方差σ2：
[0059]
σ2＝p1*(m
c1-m)2+p2*(m
c2-m)2＝p1*p2*(m
c1-m
c2
)2[0060]
从0至255遍历k值，求使σ2最大的k值，记为k
max
，该值即为目标阈值。
[0061]
二值化算法计算思路如下所示：
[0062]
逐一遍历图像像素值m0，若m0》k
max
，将m0变为255；若m0《k
max
，将m0变为0。
[0063]
步骤s4：图片边缘检测；
[0064]
对上述步骤s3得到的图片进行边缘检测，获取图片中无砟轨道结构侧面各层结构的边缘和水平激光线的边缘；
[0065]
利用canny边缘检测算法，对上述步骤s3得到的图片进行边缘检测，获取图片中无砟轨道结构侧面各层结构的边缘和水平激光线的边缘；
[0066]
canny边缘检测算法计算步骤如下：
[0067]
s4.1，高斯滤波
[0068]
假设高斯滤波核的大小为x
×
y，标准差为σ，则高斯滤波核矩阵g为：
[0069][0070]
本例设置高斯滤波核大小为3
×
3，标准差为1，带入上式计算即可得高斯滤波核为：
[0071][0072]
利用该高斯滤波核，对二值化图从左到右从上到下进行卷积运算。
[0073]
s4.2，使用sobel算子计算像素梯度
[0074]
sobel算子包含s
x
和sy，s
x
用于计算图像x方向像素梯度矩阵g
x
，sy用于计算图像y方向像素梯度矩阵gy。计算方法为：
[0075][0076][0077]
其中，i为图像像素矩阵，*表示互相关运算，坐标系原点为图像左上角，且x正方向为从左到右，y正方向为从上到下。则由
[0078][0079]
可计算得到梯度强度矩阵g
xy
。
[0080]
s4.3，非极大值像素梯度抑制
[0081]
如图7所示，将像素的邻接情况划分为4个区域，其中每个区域包含上下两部分。若中心像素点x方向梯度强度为g
x
(i,j)，y方向梯度强度为gy(i,j)，梯度强度为g
xy
(i,j)，则根据g
x
(i,j)和gy(i,j)的正负和大小可判断出其梯度方向所属区域，进而根据其像素进而根据其像素梯度方向以及相邻点的像素梯度线性插值得到正负梯度方向的两个参与比较的梯度强度g
p1
(i,j)和g
p2
(i,j)。公式如下：
[0082]gp1
(i,j)＝(1-t)
·gxy
(i,j+1)+t
·gxy
(i-1,j+1)
[0083]gp2
(i,j)＝(1-t)
·gxy
(i,j-1)+t
·gxy
(i+1,j-1)
[0084]
若g
xy
(i,j)》g
p1
(i,j)且g
xy
(i,j)》g
p2
(i,j)，则判读该像素点为边缘点并进行保留，否则为非边缘点并进行抑制。其他三个区域的计算方法类似。
[0085]
s4.4，双阈值检测
[0086]
人为设置像素梯度值高阈值g
high
和g
low
，对所有边缘像素进行逐一判断。若某边缘像素梯度值大于高阈值，则将其定为强边缘像素；若小于高阈值但大于低阈值，则将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则对该像素进行抑制。
[0087]
s4.5，抑制孤立低阈值点
[0088]
为获取更加准确的结果，应抑制由噪声或颜色改变而引起的弱边缘像素值。具体方法是逐一检查弱边缘像素的8个邻域像素，只要其中有一个为强边缘像素，则该弱边缘像素就进行保留，否则就进行抑制。
[0089]
边缘检测效果如下图8所示：
[0090]
步骤s5：图片边缘信息主特征提取；
[0091]
对上述步骤s4提取到的图像边缘信息进行主特征提取，去除无用边缘信息；
[0092]
对上述步骤s4对提取到的图像边缘信息进行主特征提取，自动去除杂乱的无用边缘信息。具体方法是：通过自编的自适应canny边缘检测高低阈值自动计算方法，获得理想的边缘检测高阈值和低阈值，将两个阈值带入原canny边缘检测算法中，达到去除杂乱边缘的目的；
[0093]
边缘信息主特征提取结果如图9所示：
[0094]
步骤s6：关键边缘线精准定位；
[0095]
对步骤s5得到的图片进行边缘线像素点分布特征分析，判断无砟轨道结构边缘和水平激光线在图片上的位置；
[0096]
对上述步骤s5得到的图片进一步处理，分别对图像中的无砟轨道结构侧面的多条结构边和高程绝对不变的水平激光线进行精准定位，具体方法是：将图片的像素值以行为单位进行叠加，设置判断是否为结构边或者激光线所在行像素叠加值的阈值，筛选出大于该阈值的叠加值所对应的行编号，这些行编号即为无砟轨道结构边和水平激光线在图片上的所在行。
[0097]
步骤s7：区分轨道结构边缘和激光线边缘；
[0098]
根据像素值的特征，提取相机拍摄的原三通道图片上的水平激光线在图片上的位置，结合步骤七的结果，从而区分出轨道结构边缘线所在位置和激光线所在位置。
[0099]
根据rgb值特征提取原三通道图片上的水平激光线(本实施例中激光线为绿色)所在行，从而区分出轨道结构边缘线所在行和激光线所在行。
[0100]
步骤s8：计算前后两次检测日期间的无砟轨道结构绝对及相对垂向位移；
[0101]
分析前后两次拍摄的、同一测试断面的结构边缘线和激光线在图片上的位置差异，以及两条不同的结构边缘线在图片上位置的差异，然后利用图像中轨道结构尺寸与实际轨道结构尺寸的对应关系可分别得到前后两次无砟轨道结构的垂向绝对位移与结构各层之间的相对位移。
[0102]
计算前后两次不同时间拍摄的同一测试断面处的关键线之间竖向像素数量之差(即行编号之差)，记为n。然后根据下(式1)计算即可得到前后两次各层无砟轨道结构垂向绝对位移与相对位移，记为dis。
[0103][0104]
式(1)中：
[0105]
dis—各层无砟轨道结构垂向绝对与相对位移；
[0106]
h—无砟轨道结构总厚度；
[0107]
α—图片里无砟轨道结构厚度占图片竖向的百分比(人为可控)；
[0108]
n—图片的竖向像素数量；
[0109]
n—前后两次不同时间拍摄的同一位置处的关键线所在行编号之差，即竖向像素数量之差。其中，计算无砟轨道某两个结构层之间的相对位移时，关键线对应地选取要计算的两个无砟轨道结构边；计算无砟轨道某结构层的绝对位移时，关键线对应地选取要计算的无砟轨道结构边与激光线。
[0110]
步骤s6-s8执行结果如下图10所示：
[0111]
步骤s2-s8均有数据集成管理系统5完成。
[0112]
所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。