随着我国铁路第六次大提速,高速铁路的发展驶上快车道。铁路巡检是列车运行安全的重要保障,智能化巡检技术已成为巡检系统研究的重点和热点,旨在实现铁路轨面、扣件弹条、轨道道床等目标可能存在的表面擦伤、缺损、断裂、轮廓变形等病害问题的快速、准确识别。本文以中国铁道科学研究院智能巡检车课题中的相关需求为出发点,在分析了当前光学成像技术发展现状的基础上,提出了基于线结构三维成像技术的铁路设备目标检测方法,并以扣件弹条检测为依托,对铁路设备三维成像检测系统中的系统设计、系统标定和数据处理开展了研究工作。论文取得以下几点研究成果:(1)三维图像数据采集硬件平台搭建与采集软件设计与开发。基于激光三角测量法,选取相机、线激光器、电动平移台直线导轨为核心搭建3D图像数据采集硬件平台。基于Visual Studio 2010平台设计开发了“基于线结构光的3D图像采集系统”软件LP-S2-3D,实现三维图像数据采集、3D重建等功能。(2)基于线结构光的3D图像采集系统标定方法研究。针对基于线结构光的三维立体成像系统的标定问题,在研究线结构光三角测量算法原理的基础上,优化并完善了基于齿形靶标的高精度系统标定方法。在标定过程中,为提高标定精度,对原有的利用高斯拟合算法提取光条纹中心线的方法进行改进,融入了方向模板算法,并针对齿形靶图像折线段的特点,提出改进的最小二乘法分段直线拟合算法,实现光条纹中心线的精准提取,最终获得高精度的系统标定结果。(3)基于自适应区域生长算法的扣件弹条检测方法研究。为实现扣件弹条的状态检测,提出了基于自适应区域生长法的图像分割方法,在分析三维数据特点的基础上,对图像进行预处理,提高弹条边界的辨识度。采用自适应区域生长算法,将Sobel算子边缘提取算法和区域生长法相结合,自动选取初始种子点,并结合深度图像的特点制定合适的区域生长准则,实现弹条三维图像的自动分割与检测。论文研究成果已在中国铁道科学研究院基础设施检测研究所获得初步试用,结果验证了本文实现的基于线结构光三维成像检测方法的有效性,具有良好的应用前景。