近年来,随着我国铁路货车运输事业的快速发展,货车运行已呈现出高速、重载、大密度开行的发展趋势。传统的人工检测由于受到列检人员等因素的影响使得工作效率低,显然这样的检测方式已经不能满足当下货车的发展要求。对此,铁路总公司针对铁路货车运行故障检测,推出了一套利用机器代替人眼的安全检测系统,即TFDS(Trouble of moving freight car detection system,货车运行故障动态检测系统),该系统能大大的降低人为因素的干扰,提高了检测效率和准确率。然而,现阶段该系统还处于人机结合的列检方式,为进一步提高检测效率,推动TFDS向“机控”模式的转变。本文结合计算机视觉理论,针对货车转向架的三个典型故障:滚动轴承轴端螺栓丢失故障、滚动轴承前盖丢失故障和枕簧丢失故障,设计相应的算法实现故障检测。通过研究图像预处理相关技术。首先,详细介绍了图像去噪、图像增强、图像分割的相关理论,并结合实际故障图片研究各自算法原理,分析其各自适用范围和优缺点。其次,介绍了边缘检测算子,包括Roberts、Sobel、Prewitt、Log、Laplace和Canny算子,这些边缘检测算子将用于滚动轴承轴端的螺栓丢失故障中。最后介绍了故障判读方法,包括Hough变换和模板匹配,这些方法将灵活的运用于本文货车转向架的三个典型故障检测当中。针对滚动轴承轴端的螺栓丢失故障,采用的是辅助定位的思想,依据车轮轴与轴承之间的关系来间接定位轴端螺栓所在区域,然后通过Hough变换圆检测来进行故障判读。针对滚动轴承前盖丢失故障我们所采用的仍旧是辅助定位的思想,但在故障判读阶段所用的却是归一化相关系数匹配方法。针对枕簧丢失的故障,采用的是基于尺度空间理论的模板匹配方法来进行枕簧定位,然后通过模板匹配求归一化相关系数进行故障判读。通过对TFDS的理解与分析,本文设计并编写了相关的系统界面,为故障检测提供一个更好的故障判读界面。论文最后对三套算法进行测试,通过测试结果可以看出本文设计的算法适用性较好,能正确的进行故障识别,最后,通过实际应用证明,三种故障所对应的算法运行稳定,能够满足实际要求。