摘要
本发明公开了一种基于轨检车摄像头和机器视觉算法的实时轨距测量方法，包括以下步骤：拍摄采集轨道结构图片，获得图像数据集；基于U‑Net神经网络构建语义分割模型；对获取的图像数据集进行钢轨标注和图像增强，对构建的语义分割模型进行训练后，通过训练后的语义分割模型获取钢轨图像数据集；在获取的钢轨图像数据集中，进行钢轨踏面的标注和图像增强，对构建的语义分割模型进行训练后，通过训练后的语义分割模型，得到钢轨踏面图像数据集；对获取的钢轨踏面图像数据集进行粗略搜索，获得粗略搜索的钢轨踏面中心线；对获得的粗略搜索的钢轨踏面中心线进行亚像素级检测，确定亚像素级的中心线；在确定亚像素级的中心线后，通过计算得出真实世界的钢轨轨距。本发明通过引入U‑Net神经网络的语义分割和亚像素级中心线检测算法，大幅提升了轨距测量的精度。
