轨道扣件是铁路线路中极其重要的基础部件,除了将钢轨紧密固定在轨枕或轨道板上这一基本功能以外,轨道扣件还有减震和调节轨道平顺性等功能,因此轨道扣件对铁路线路正常运行起着至关重要的作用。现阶段铁路运营部门对轨道扣件的检测主要以人工巡查为主,消耗巨量人力物力,随着铁路运营里程的增加、运营年限的增长和人工成本的飙升,该方式难以满足铁路运营部门的现实需求。随着大量的铁路尤其是高速铁路投入运营,我国铁路运营维护部门肩负的责任也越来越重。针对铁路运营部门高效、快速检测的需求,近年来涌现出多种基于图像的轨道扣件检测方法,这些方法只能检测扣件是否损坏,无法量测扣件的松紧度和关键可变部件尺寸,无法完全满足轨道扣件检测的需求。结构光传感器基于三角测量原理获取目标位置信息,具有高采样率和高精度的优势,已经在工业测量领域取得大范围应用。本文采用线结构光传感器搭建扣件检测设备,获取轨道扣件高分辨率点云,以获取的点云为基础,针对轨道扣件服役状态检测中扣件关键可变部件尺寸测量、扣件缺陷检测和扣件松紧度测量开展研究。论文的主要研究工作如下:1.多传感器集成结构光轨道扣件检测系统研究。首先针对铁路线路的实际条件和扣件检测的需求,以结构光传感器为基础集成多种传感器设计扣件检测硬件系统,获取轨道扣件高分辨率点云;随后,提出了一种针对线结构光传感器的标定方法,对扣件检测系统中线结构光传感器的三维姿态和相对位置关系进行标定;最后,设计实验对线结构光点云的精度进行分析。2.基于结构光点云提出了轨道扣件提取方法和扣件关键部件几何尺寸测量方法。首先,针对扣件结构光点云的特点,提出了一种基于单帧点云检测的扣件提取方法和一种基于多帧点云滑动窗口检测扣件提取方法;然后,根据扣件的结构特征,以提取出的单个扣件点云为基础建立扣件模型坐标系,采用区域生长法提取扣件点云关键几何参数;随后,根据扣件关键几何参数和不同型号扣件的结构特征获取扣件可变部件几何尺寸;最后,在不同型号扣件上对扣件提取方法和扣件可变部件几何尺寸测量方法进行实验验证。3.分别提出了基于决策树和基于深度学习点云分割的扣件缺陷检测方法。首先,提出了基于决策树的扣件缺陷实时检测方法,以已经建立的扣件模型坐标系为基础,根据扣件结构特点,设计了自上而下的决策树分类器,对扣件的缺陷种类进行划分;然后,提出了基于深度学习点云分割的扣件缺陷检测方法,在训练数据集方面,采用点云区域生长对扣件目标部件的点云进行自动标注,在深度学习网络方面,以PointNet++点云分割网络为基础对扣件点云进行分割,并根据分割结果对扣件缺陷进行检测;最后,在各种型号扣件上对两种扣件缺陷检测方法的准确度和效率进行了测试。4.针对扣件松紧度精确测量的需求,提出了一种扣件弹条点云骨架提取方法并对该方法的其他应用进行了研究。该方法以扣件弹条点云坐标和法向量为输入,获取扣件弹条中心线,能够将扣件弹条的三维离散点云转化为连续一维表达,从而准确掌握扣件弹条的整体结构。随后,提出了扣件弹条松紧度测量方法和扣件弹条缺陷检测方法,分别对扣件弹条的松紧度和异常形变进行检测。最后,在各种型号扣件上对弹条松紧度检测方法的准确度和效率与人工测量进行对比测试。