随着轨道交通的高速发展,平顺的轨道线路是保证车辆运行安全性和舒适性的基本条件,轨道线形检测方法是轨道线路维护及检修的关键技术之一,如何实现精确测量与计算轨道空间线形基础参数是实现轨道不平顺计算的关键理论和技术。本文基于机器视觉和惯性单元的多传感器融合技术,搭建了一套双目视觉与陀螺仪结合的数据融合模型,提出一种基于扩展Kalman滤波算法求解轨道空间线形参数的高精度检测方法。首先,基于摄像机定标原理对摄像机采集到的图像进行标定,解算出左右摄像机的内外参数和摄像机间的旋转及平移关系。其次,采用四元数法解算出陀螺仪姿态向量,并利用Kalman滤波算法优化陀螺仪姿态向量,根据机器人手眼标定原理获取摄像机与陀螺仪之间的旋转关系。再次,基于扩展Kalman滤波算法建立系统状态矩阵,利用陀螺仪姿态信息修正摄像机的姿态向量,不间断更新双目系统位移方向,得到摄像机在世界坐标系下的运动轨迹,从而获取轨道空间线形参数。本文将陀螺仪的高速动态检测性能与双目立体视觉的优良空间检测特长结合,通过扩展Kalman滤波算法融合两种测量数据,有效地抑制了陀螺仪漂移,弥补了视觉传感器受环境影响大等缺点,快速地估算出车辆在轨道上的三维坐标和姿态。建立实验平台,进行验证,实验中相机以5Hz的频率拍摄标定板,陀螺仪以100Hz的频率采样系统在全局坐标系下的角速度,使用Matlab编写程序搭建模型,对采集到的陀螺仪角速度和双目图像处理,得到系统运动的空间线性,验证算法的准确性与精度性。结果表明:双目视觉与陀螺仪的数据融合可以有效的实现轨道线型的空间测量,测量坐标在x,y,z三个方向上位移误差不超过0.381mm,能有效的消除累积误差,满足长距离测量要求。