近年来,我国高速铁路事业迅猛发展,铁路各检测项目逐渐精细化,检测要求也不断提高,以往针对铁路钢轨检测研究较多,现在高速道岔检测也逐渐被重视。随着检测要求越来越高,检测手段也趋于多元化,检测设备紧跟技术发展,趋于智能化,信息化,越来越多先进的检测技术被应用于铁路检测项目,其中,机器视觉技术已经成为高速道岔检测方面的热门之一。尖轨是高速道岔的重要组成部分,其表面结构复杂并且检测精度要求更高。现阶段国内针对道岔组成部分的各项检测任务仍由人工完成,其工作效率低,误检率高,国外研究起步早,已有专门的检测小车承担检测任务,但是由于价格昂贵,知识产权等方面原因,难以在国内各个铁路部门普及,所以,国内发展高速道岔检测势在必行。本文针对这一情况,借鉴各位学者和机构的应用经验及机器视觉方面知识,对高速道岔尖轨轮廓检测进行了研究。本文首先对高速道岔尖轨检测系统总体方案进行了设计布局,对系统用到的传感器进行了分析比较,确定三大核心传感器型号,确定图像采集模块核心硬件相机和激光器型号。对系统标定进行了研究,详细介绍了标定过程中四大坐标系之间的转换关系,对比主流相机标定方法的优缺点,最终确定采用张正友标定法,求解系统中相机内外参数及畸变参数。然后以Open CV软件为平台,进行一系列的图像处理,针对机器视觉中核心的图像处理算法,通过对算法原理、图像处理结果和对比分析三方面进行了研究,最终确定了适合本课题需求的图像滤波去噪、图像阈值分割、图像边缘检测方法。为了获取高质量的光条纹中心线,选择了亚像素激光条纹中心点提取的自适应优化方法,然后在获得激光条纹的二次加权重心的基础上,采用了自适应优化方法,提取高精度尖轨轮廓条纹中心线。使用Solidworks软件对高速道岔尖轨检测小车实体建模,对整体结构进行了布置设计,以VS2017,Open CV3.4.2,C++为软件开发平台,基于MFC操作平台设计了检测系统软件部分,软件部分采用模块化设计,具有系统标定、图像采集、图像处理、结果显示等功能。最后,求得相机内外参数和畸变系数,采用基于SURF的图像拼接技术将采集到的内外侧图像拼接成完整的尖轨轮廓。