随着全国铁路的提速和高速铁路的建设，我国铁路交通发展进入一个新阶段，也预示着我国交通事业的规划向着更高效的方向发展，这使得人们对于铁路建设的安全性提出了更高的要求。智能交通作为当今科技发展的成果将在铁路的安全性建设方面发挥重要作用。我国智能交通系统的研究开始于上世纪八十年代后期，近年来，取得了显著的成果，为交通事业的建设带来了巨大的经济效益和社会效益。铁路道岔检测作为智能交通的重要组成部分，实现对换轨时道岔间距进行高速、实时、精确的测量，保证行车更加安全平稳，对铁路建设的智能化具有深远的意义。铁路运营过程中，道岔是其重要的一环，是使列车由一组轨道转移到另一组轨道上去的装置。道岔转换是否达标将直接影响铁路运营的安全，因此对道岔转换过程的监控和检测被提到一个新高度。我国智能交通尚处于起步阶段，铁路道岔检测大多由人工完成，相关技术的研究和发展显得更为迫切。本文的研究对象为道岔转换过程中的密贴度测量，提出一种基于机器视觉的检测方法，将图像采集系统与图像处理系统结合起来对道岔图像进行处理分析。通过实验实现了道岔检测技术，并对道岔特征提取方法做出创新。道岔特征提取过程分为图像预处理，图像边缘检测，道岔边缘提取，边缘直线拟合四个部分。预处理部分，采用灰度变换和灰度增强技术对摄像机采集到的图像进行简单处理，使图像边缘特征更加突出。边缘提取过程，采用基于Canny边缘检测算子的方法，在Canny边缘检测的基础上采用程序自动计算阈值的方法，高低阈值由程序自动计算获得，减少了人为设定阈值的单一化，增强了边缘检测的适应性。由边缘检测结果可以看出要计算的道岔间距为两条直线状边缘之间的距离，接下来采用Hough变换的思想，在传统Hough变换的基础上进行改进。首先对图片进行前期处理以改善像素分布，借助区域匹配的思想对像素点进行筛选，减少参加Hough变换的像素点数；然后采用峰值逆向清零的方法保证提取对象的唯一性，有效降低了伪边缘像素点的干扰，取得了很好的效果。由于对道岔测量的精确性要求，Hough变换拟合的直线精度不高，区域不易控制，最后还需要结合最小二乘法对边缘进行直线拟合。将Hough变换检测到的两条边缘直线分别与Canny边缘检测的边缘图像相与，得到的点集作为拟合直线，运用最小二乘法。通过实验沿拟合方向画出直线与道岔边缘基本重合而且数值相对拟合之前更加精确。道岔信息的准确提取为接下来的测量工作打下了良好的基础。测量过程中选取一段道岔未闭合时的基本轨，基本轨的宽度是一个确定值，对其用同样的检测方法处理后，便可得到像素宽度与现实宽度之间的测量比，由此便可得出道岔闭合时，两边缘之间的距离，达到道岔检测的目的。最后，对本文工作进行了系统总结并提出了其中存在的不足，制定了接下来工作的目标。