走行部作为列车运行安全的重要保障,受到了国内外学者的广泛关注,并研发出搭载于列车车厢的运行监控系统。由于列车走行部零件过多,车轮表面等部件仍需要人工敲击来检测。针对以上方法存在的效率低和事后性问题,本文使用图像匹配算法,对车轮图像进行匹配,提高列车安全维护效率,对保障行车安全具有重要参考价值。本文以图像匹配原理为基础,研究了车轮图像匹配的关键技术,搭建了位于轨道两侧的图像采集系统。使用了恒定的补光光源和固定的摄像头位置,使图像采集系统具有了光照不变性、尺度不变性以及旋转不变性。以标准车轮图像为模板,采用模板匹配方法,对拍摄到的图像进行匹配,实验结果表明匹配图像相关度达到0.9以上,匹配精度达到像素级。同时,本文研究了SIFT算法的步骤和详细过程,建立了基于SIFT算法的车轮图像匹配模型。通过分析车轮图像特点,弱化边缘点的限制参数,获取更多的车轮图像特征点信息,通过实验分析比较将边缘限制参数定为10；针对SIFT算法匹配出现的误匹配,引入反向匹配算法改进原SIFT匹配算法,反向匹配算法的引入对原匹配算法起到了强限制作用,从而去除了大量的误匹配,提高了特征点匹配的查全率,改进后最高查全率可达100%；分析了相似度评估方法,使用棋盘距离与街区距离的线性组合替代原算法中的欧氏距离,降低了计算复杂度,将原SIFT算法的运行效率提高了40%。最终,将本文SIFT算法用于车轮图像的匹配与定位。仿真和实验结果表明,在保持SIFT原有算法的不变性的基础上,改进SIFT算法提高了查全率和效率,并使定位精度达到了亚像素级别,对列车车轮的识别定位具有一定的参考价值和重要意义。