轨距点是指钢轨顶面垂直向下16mm处的位置,轨道几何变形检测中轨距点能否精确定位直接影响着对轨距的测量结果,而轨距作为表征轨道几何状态的重要参数,其超限轻则会增加机车车轮轮缘和轨道之间的横向推力,造成钢轨轮缘侧面磨耗的产生与加剧,改变轮轨关系,致使轨道和机车车辆的使用寿命大大缩减;重则导致机车车辆卡轨或掉道,危及行车安全。因此,开展轨道几何变形检测中的轨距点定位算法研究具有重要的意义。近年来随着高速铁路的快速发展,铁路客货运量都随之大幅增长,相应的对铁路线路的质量要求也不断提高。本文在对国内外轨道几何变形检测原理学习研究的基础上,采用当下前沿的机器视觉技术获取轨道信息,进而实现对轨距点定位的算法研究,最终达到对轨距点的精准定位。针对轨距点定位的研究,论文分为理想环境和实际环境两种情况:理想状态下获取完整钢轨轮廓激光光带信息的轨距点定位算法研究;实际情况下,由于轨道几何变形等外界因素导致轨检设备发生振动、偏转,致使获取少部分钢轨轮廓激光光带信息,出现了缺损的轨距点定位算法研究。对于实际环境下有缺损光带的轨距点定位算法研究,论文对轨顶面与轨头激光光带信息缺损两种情况进行了讨论。论文首先对基于机器视觉的轨道几何变形检测系统进行了论述,阐述了其检测原理及检测系统的构成,同时对实验室轨距点的检测装置进行了设计。其次,对于理想状态下完整钢轨轮廓图像的轨距点定位研究,由于轨距点没有位于整像素处,采用曲线拟合与轨距点纵坐标常数直线求交点的方法,将轨距点定位精度从较传统的像素级精度提升到了亚像素级。再次,研究了轨道几何变形状态下的轨距点定位,针对轨顶面有缺损的激光光带图像,对其进行了曲线拟合修复并实现了定位,一定程度上提高了采集数据的利用率及检测设备的工作效率;对轨头有缺损的激光光带图像,运用Elman神经网络进行了滚动预测、修复缺损并对其实现了轨距点定位,同样提高了采集数据的利用率及轨检设备的工作效率。最后,对影响轨距点定位精度的因素进行了分析与实验验证,得出车体振动对轨距点定位精度没有影响,而车体偏转对轨距点定位有一定影响,需加以修正才能实现精确定位;相比传统的像素级精度的轨距点定位方式而言,本文提出的轨距点定位算法实现了亚像素级精度的定位,提高了定位的精度。