胥田田，雷锡骞

（兰州工业学院，甘肃 兰州730050）

铁路运输时因行车过程中环境复杂多变，可能出现自然灾害引起的山体滑坡、行人滞留车道等现象，随机异物导致高速运行列车前方出现异物侵限，对行车安全造成较大影响。当前，全自动驾驶及机器视觉检测技术在轨道交通中的研究应用，将获取的帧序列数字图像进行预处理，提高后续轨道异物检测的实时性与准确性，实际中往往将雷达与机器视觉技术融合进行异物检测[1]。

1 铁路框架提取

边缘检测是实现图像分析和理解的首要步骤，准确、实时地获得帧序列中钢轨所在位置信息，为后续异物的检测奠定了基础。将待处理轨道异物图像中灰度值不连续的像素点进行连接、填补和删除，从而形成轨道图像完整的边界。基于机器视觉的轨道线提取如图1所示。

图1 基于机器视觉的轨道线提取流程图

常用的边缘检测方法包括基于灰度直方图与基于梯度值，两种方法均需预先设定阈值，前者遍历图像灰度值，提取出大于阈值T的全部像素点进行合并作为图像边缘，但阈值T的选取对边缘准确定位影响较大；后者划分梯度幅值大于设定阈值的点为边缘像素，但图像中超过阈值的点并非全部为边缘像素，分类过程存在将同一区域内变化剧烈的点错归为边界像素的情况。边缘检测算法依据边缘处的梯度值和灰度差成正比并取值最大的原理，使用微分算子查找取值存在跳变的边缘部分。……