近年来,随着高速铁路的不断发展,铁路维护的重要性已被铁路部门所重视,同时也提高了对铁轨的养护要求,而传统检测技术已无法满足铁轨的维护要求。随着技术的不断发展,基于机器视觉的测量技术因具有速度快、精度高、无磨耗的特点,被大量应用于铁轨维护中。目前机器视觉测量技术是通过相机对钢轨进行图像采集,再利用检测算法进行判别处理,因此检测速率、准确率等指标与所使用的损伤检测算法直接相关。而现有的基于机器视觉的钢轨磨耗、损伤检测算法无法两者兼顾,准确率高的检测速率不够,检测速率快的准确率不够。针对目前算法存在的检测准确率低、精度低、易受干扰的问题,本文对基于机器视觉结构光中心提取、磨耗和剥落检测的算法进行了研究,为钢轨快速无损检测提供了新的解决方法。本文的主要研究内容及方法:1.提出一种提取钢轨截面结构光条纹亚像素中心的自适应方法。该方法采用改进的结合图像信噪比的幂次变换对结构光图像进行对比度调节,解决低对比度和不均匀照明条件下提取钢轨截面结构光中心的抗干扰问题,然后通过改进的自适应Canny边缘算子结合Steger法,稳定、精确地提取到结构光的亚像素中心。实验结果表明,本文通过改进的结合图像信噪比的幂次变换方法能有效解决被测物体表面纹理丰富与场景辐射强度高,图像中结构光与环境背景对比度低,结构光条纹中心不易提取的问题,同时利用Canny边缘提取和Steger亚像素中心提取相互验证的方法得到精准的结构光亚像素中心。2.提出一种融合CPD和动态模板两特征点法的钢轨配准方法,该方法通过对提取的钢轨截面轮廓设定特定段区域,将CPD和动态模板两特征点法融合并进行配准,同时提出两个配准算法融合的统一框架,通过设定的钢轨特定段和两个特征点进行钢轨精准配准。实验结果表明,本文通过特定段的设定结合两个特征点能更好的体现钢轨的不变区域特征,同时利用融合配准算法,克服传统单一算法的钢轨轮廓配准不够合理的现象,使得磨耗的测量具有更高的精度与稳定性。3.提出一种基于视觉注意模型的钢轨踏面剥落检测方法。该方法利用Canny算子和Hough变换直线提取识别出钢轨踏面区域,再通过对踏面区域进行2D Dog滤波处理得到无干扰的高对比度踏面图像,再运用自主提出的区块局部对比度(BLCM)算法进行处理,从而实现对剥落区域的定位和定形。实验结果表明,本文方法采用2D Dog滤波处理踏面图像能有效的去除随机噪声,在不同的光照和不同的钢轨踏面平滑度条件下,区块局部对比度(BLCM)算法能很好的区分出正常区域和剥落区域,相比其他算法具有良好的鲁棒性和准确性。通过在轨道交通基础设施巡检中的应用,不仅验证了本文研究方法的测试精度、测试效率和现场可行性,同时,还切实解决了轨道交通基础设施巡检当中遇到的技术难题,为提高轨道交通运营维护质量提供了新的可靠技术手段。