随着我国交通网络的不断完善,铁路运输成为承载经济发展的大动脉。一方面,高铁的普及使得铁路运输速度越来越快,另一方面,新修建的铁路数量越来越多,这些都对铁路安全和铁路维修提出了更高的挑战。紧固件作为固定铁轨的重要部件,对于保证铁路安全来说至关重要。传统的更换和检修紧固件的方法是通过工人沿路巡检,通过人工方式对钢轨紧固件进行检修效率低且危险系数高。随着机器视觉的发展,非接触式的自动化检测方法逐渐在铁路检修维护中得到应用。目前,国内外对紧固件缺失检测的研究工作较多,而对紧固件中心定位研究较少。紧固件整体定位一般根据紧固件与轨道和紧固件之间的相对几何关系进行粗略定位,然而,这种方法难以获得紧固件中心精确位置。紧固件的中心位置提供给后续机械设备,可实现紧固件六角螺母的自动拆卸,进一步推动铁路维护自动化。本文主要工作是研究图像中的紧固件中心定位问题,获得的像素坐标可通过相机参数和几何关系转换到世界坐标系中的实际位置。针对紧固件图像的特征,本文提出了一种由粗到精的分级定位方法,基于轮廓特征实现最终的紧固件中心定位。论文主要工作如下:首先,利用深度学习目标检测实现紧固件初定位,从整体图像中找出紧固件大体位置。对紧固件进行初定位一方面减少进一步处理的图像大小,提高算法效率;另一方面减少无关因素干扰,提高定位成功率和定位精度。深度学习目标检测大致分为两种:基于候选区域的R-CNN系列算法和基于会对的YOLO系列算法。考虑到实时性,本文采用的是速度较快的YOLO算法。然后,针对铁路紧固件图像易受周边环境干扰,导致其几何中心定位精度不理想的问题,引入和生物视觉启发的非经典感受野交互模型来提取紧固件轮廓。非经典感受野交互模型能够较好的图像中的纹理和噪声,保留物体真实轮廓。针对需要提取的轮廓特性,对蝶形非经典感受野模型进行改进,提出路径非经典感受野模型。介绍了结合非经典感受野抑制原理的Canny算子,并引入迭代刺激调节梯度响应,兼顾算法效率和性能。最后,使用霍夫变换提取圆轮廓和六角螺母边,结合六角螺母各边之间的几何约束关系,通过投票法确定出真正的六角形顶点,通过顶点定位出中心位置。