摘要：针对钢轨表面故障多发且类型复杂，传统基于一维信号或二维图像方法虽然能有效判定存在缺陷，但难以体现其结构特征，导致无法精确评估损伤程度问题，文中提出了一种基于PatchmatchNet模型的钢轨表面三维重构方法。通过采样实验得到多视角钢轨表面图像，预处理后形成可用于重构的三维数据集。在此基础上通过FPN(Feature Pyramid Network)网络提取多尺度特征，并进行深度初始化、匹配代价计算、匹配代价自适应传播和聚合，实现了以从粗到细方式预测钢轨表面的深度图，经深度图融合和点云过滤得到优化后的钢轨表面点云。结果表明，钢轨表面点云具有良好的完整性和准确性，且缺陷在点云中也表现出不同深度差，通过分析局部结构可以初步判断缺陷类型及损伤程度。
文章目录
1本文模型
1.1多尺度特征提取
1.2基于学习的Patchmatch
1.2.1初始化
1.2.2自适应传播
1.2.3自适应评估
1.3深度图优化
1.4深度图融合
1.5模型对比
2钢轨表面三维重构
2.1数据采集
2.2数据预处理
2.3钢轨表面的三维重构过程
2.4 不同采样次数对重构结果影响
2.5点云过滤
2.6异常三维点云
3结束语
