未来城市人口的激增不管是在生活上还是在出行上都给人们带来了极大的不便。而悬挂式单轨交通(空轨交通)作为一种新的交通方式能够在一定程度上解决人们的出行问题。为了人们的安全出行,空轨的结构形变检测是一个急需解决的问题。本文针对空轨结构形变的检测将一字红线激光器和机器视觉结合起来。虽然每次只能将摄像机视野范围内的轮廓构造出来,但是该方案在试验中取得的检测误差都在毫米级别的精度,并且对缺陷的检测都具有较好的准确率(Precision)和召回率(Recall)。论文的主要工作有以下两个方面:(1)首先由一字红线激光器对空轨箱型梁内壁进行照射,然后利用摄像头拍摄一字红线激光器所照射出来的红色光线。为了检测该红线,本文首先根据红色所特有的属性,对于图片进行特征图转换。该特征图在尽可能在保留红色区域的同时对于那些非红色的区域进行抑制。为了消除噪声的影响,本文采用了级联的中值滤波器对图片进行滤波。对于滤波后的图片进行感兴趣区域(Region of Interest,ROI)的截取。对于感兴趣区域本文采用了基于加权的中心线提取算法,得到空轨箱型梁截面的表达,而所提取的结果不能满足平滑这一要求。所以对加权平均的结果利用引导滤波器进行平滑来得到更精确的表达。(2)对于摄像头进行标定,得到世界坐标系到图片坐标系的映射。为了对一字红线激光器所照射出来的光面进行标定,首先需要利用相机拍摄没有红线的图片,然后利用相机的内参能够获得图像中每个像素点在相机坐标系所对应的空间三维坐标。保持棋盘格不动,再利用一字红线激光器往棋盘格照射。重复该步骤多次,可以得到多个位于光面上的点在摄像头坐标系下的坐标。在利用机器学习的方法能够求得光面方程的参数。测试的时候按照该方法能够得到轨道截面的三维坐标,为了检测出结构形变,首先对于三维坐标将所有出界的点全部提取出来,之后针对每个点的邻域做二阶最小二乘拟合。当拟合出来的误差小于某一个设定阈值就能够判定为缺陷部分。经过实验证明,本文采用的算法对于空轨的结构缺陷检测是有效可行的。