轨道扣件作为将钢轨固定在轨枕上以保持轨道稳定的重要部件,其缺失、断裂、移位等会使得列车行进时出现脱轨的风险,严重影响列车的安全运行,因此轨道扣件缺陷检测及维护工作显得尤为重要。论文就轨道图像中扣件定位关键技术展开研究,主要工作有:轨道图像预处理。采集到的源图像存在着图像信息繁杂、图像质量欠佳、噪声干扰多、光照不均等问题,直接对源图像进行操作会使得算法整体耗时过高且得到的结果并不理想。针对上述问题,本文通过对图像预处理相关技术进行实验研究,提出一种基于图像缩放、灰度化、滤波、二值化、边缘检测的图像预处理方式,有效降低了算法运算量,减小了噪声及环境等外在因素的影响,为提高后续轨道零部件定位性能奠定了基础。道钉定位研究。道钉作为固定扣件、垫板的重要轨道零部件,实现其精确定位是扣件缺陷检测的前提。目前,道钉定位相关技术研究成果较少,现有算法存在着定位精度不高、耗时较长等问题。本文提出一种基于EDLines的道钉中心点定位算法。首先在图像预处理得到边缘图像的基础上,对图像边缘进行腐蚀与膨胀处理,通过改进Hough变换进行圆形检测定位并粗提取出道钉区域图像;随后通过实验分析现有的八种传统的直线检测算法性能,采用EDLines算法检测道钉区域图像存在的直线,最后利用本文提出的直线筛选算法以及正六边形拟合算法精确拟合道钉六边形,计算出道钉中心点。扣件定位研究。实现扣件的定位作为扣件缺陷检测的重要一环,其定位精确度及实时性需满足较高的要求,传统算法多利用图像全局边缘特征定位垫板边缘结合先验知识定位扣件,受限于图像质量,抗干扰性差,性能不佳,而利用深度学习定位扣件的方式受限于图像样本数量。本文通过分析轨道各零部件间的几何特征关系,提出一种基于道钉中心点定位的几何结构特征扣件定位算法。新算法定位准确度达99.33%,定位精度达0.997,定位速率为29.8张/秒,优于相关对比算法。