车轮是铁路列车走行部的重要部件，车轮踏面上产生的缺陷严重危害着铁路列车的安全运行。由于实际中车轮踏面缺陷样本有限，有监督检测模型对缺陷的检测不具有鲁棒性。针对此问题，提出使用无监督的知识蒸馏异常检测模型实现对车轮踏面的异常检测任务。首先，使用UNet对踏面区域进行分割，减少非踏面区域对异常检测模型的影响；然后，在多尺度特征聚合之后添加一个注意力机制，提升反向知识蒸馏结构中学生网络对正常特征的重建能力，增强学生网络对正常特征重建的效果。实验结果表明：在铁路车轮踏面数据集上，改进后的模型能够达到93.8%的受试者工作特性曲线下的面积、82.3%的精准率、95.4%的召回率、87.0%的准确率。与原模型相比，改进后的模型检测性能得到提升。

经典的迭代最近点算法对初始位置敏感并可能陷入局部最优解，而如果先进行粗配准调整位姿，又会出现计算时间长的问题。因此，提出一种基于主成分分析的高效点云配准算法。首先，利用主成分分析法得到两片点云的主轴方向；然后，通过两个主轴关系进行坐标系变换；最后，利用轴上轮廓点的距离进行校正，解决主轴反向问题，相较于原本的误差校正极大减小了计算量。实验结果表明：对包含2万多点的点云，基于轮廓距离改进的主成分分析配准算法平均可减少80%的运行时间，计算效率显著提高；同时还可有效处理点云初始位置较差的情况，实现两片点云任意位姿下的快速配准。该算法可实际应用于列车部件的三维点云配准，提高配准效率。

针对三维激光扫描设备实际采集的列车关键部件点云模型通常存在噪声点和采集误差等问题，提出一种高效的点云小尺度噪声滤波平滑算法。首先利用K-D树构建点与点之间的几何关系，设置中心点并利用K近邻算法查询邻域信息；然后假设输入点云与滤波后输出的点云之间存在线性关系，从而利用两片点云构造代价函数；最后通过求解代价函数最小值确定线性参数，从而得到平滑后的点云模型。代价函数构建过程中，根据点与其K近邻内点的欧氏距离的方差与整体欧氏距离方差的比值大小自适应地调节权重，达到动态调整线性模型参数的目的。实验结果表明，所提算法能够快速矫正小尺度噪声、平滑边界轮廓、提高质量，为点云识别、重建等后期任务奠定基础。

传统的光栅条纹相移法提取相位时至少需要3幅光栅图像，使得测量系统的工作频率较高，图像预处理工作量大。针对这些问题，将希尔伯特变换引入二步相移法。希尔伯特变换具有90°相移和滤除直流分量的特性，对光栅条纹图像进行希尔伯特变换处理后，利用推导的相位提取公式计算相位。测量系统的非线性效应会引起条纹图像的失真，计算出的相位不准确，导致最后的三维复原精度低。推导了二步相移法中系统非线性效应引起的相位误差的公式，并对相位进行迭代补偿，削弱了非线性效应的影响。通过计算机仿真验证了所提方法的可行性，并将所提方法用于钢轨表面的三维面形复原，为钢轨磨耗和表面缺陷的测量提供了有效方法。

针对激光线结构光扫描仪等获取的复杂物体表面三维点云数据量大、冗余性高等问题,提出一种基于自适应邻域和局部贡献值的点云精简算法。首先,根据点云的局部几何特征确定每个区域的最佳邻域范围;其次,将最佳邻域与内部形状特征算法、局部表面斑块算法相结合,计算所有点云数据的局部贡献值,并提取出点云特征点;最后,使用K-means聚类算法划分点云数据,并按类别和贡献值对点云进行精简。实验结果表明,对于复杂表面被测物,所提算法能够在保证精简率的情况下调节特征区域与非特征区域的精简度,同时保证点云完整性与细节特征信息,精简结果精度较高并更贴合物体原始面貌。

针对传统关键点检测算法对噪声敏感及依赖于物体模型的形状特征等问题,提出一种基于正态加权的多尺度关键点提取算法。首先,在每个尺度上建立局部邻域的协方差矩阵,计算局部坐标系落在前两个坐标轴的比率大小,根据比率大小来确定候选关键点。然后计算基于正态加权的形状索引值,以此来度量点云的局部最大相异性度量值。最后,在不同尺度下,将具有局部最大相异性度量值的极大值点作为最终关键点。实验结果表明,相比较其他的传统算法,所提算法能有效地提取各种点云模型的关键点,能够同时兼顾关键点的质量、数量及运行效率,且对具有尖锐特征和大面积平滑特征的模型具有较强的适应性,算法的鲁棒性及形状索引功能得到进一步增强。

针对天文图像成像分辨率低的问题,基于集中稀疏表示图像超分辨率重建理论,提出一种层次聚类字典训练和相似约束的天文图像超分辨率重建算法。在字典训练阶段,采用新的基于层次的聚类算法对样本图像块进行归类,对每类图像块进行独立训练得到多个紧凑型字典。在图像重建阶段,通过抑制稀疏编码噪声提高稀疏编码系数的准确性,并利用图像的非局部自相似性对重建图像的稀疏系数进行合理估计。此外,通过构建非局部自相似正则化项对图像重建过程进行全局约束。仿真结果表明,该算法可以有效地改善天文图像的分辨率,重建图像在主观视觉效果和客观评价指标上都要优于其他传统的超分辨率重建算法。

研究了点源、线源激光激发超声波对钢轨表面缺陷检测的影响。使用有限元法对比了这两种激发方式的声场、声波信号及对钢轨表面缺陷检测的有效性。通过有限元仿真分别对水平、垂直、斜45°的钢轨表面缺陷进行了检测并进行了实验验证。实验与仿真结果一致表明,由激光线源激发的声表面波指向性好、信号幅值大,更利于钢轨表面缺陷的检测,且对不同类型的钢轨表面缺陷均具有较好的检测能力。

激光线结构光扫描仪得到的三维点云数据具有冗余性，本文设计实现了一种基于两阶非均匀划分的点云精简算法对机车走行部数据进行处理。首先，根据内在形状特征算法估计出检测对象的点云法矢，并提取出点云特征点；其次，根据特征点云的分布对点云进行第一次非均匀划分，得到不均匀的初始点云块；最后，将划分后的各点云块映射到不同的高斯球中进行进一步细分，在高斯球面上进行均值漂移聚类，提取出每个聚类簇在实际三维空间中的重心，重心的集合即为精简结果。实验证明了方法的有效性，相比于现有的方法，本文中的方法在保证精度的前提下能够达到很高的精简率和运算效率，更契合机车自动化在线检测的需要。

使用激光线结构光扫描仪得到机车走行部三维点云数据，实现了在三维数据中对螺栓进行自动识别和定位。使用关键点的快速点特征直方图(FPFH) 来描述点云特征，首先，将目标区域与预存螺栓模板进行特征匹配，并为目标区域的匹配点分配权重；然后，使用均匀的种子点在带权重的匹配点集中进行K-means 聚类，并删除点数过少的聚类簇；最后，使用Hough 变换的方法为经过筛选的聚类簇建立严格的分类器，判断出螺栓的有无和精确位置。实验证明了该方法的有效性。