随着我国铁路事业的发展，对钢轨进行表面缺陷在线检测的问题日益突出。由于钢轨存在大量的表面附着物，无法基于钢轨图像的灰度值准确的对钢轨表面进行检测。基于结构光的机器视觉方法是实现表面缺陷三维检测的一种重要方法，而线结构光是其中最为常见的一种结构光类型。由于钢轨的截面是弯曲的，并且钢轨在生产线上的震动会导致钢轨的小范围旋转与平移，导致采集到的深度图像中存在很多与表面缺陷相似的高频分量。这些干扰分量在上无法通过傅里叶变换、小波变换等方法与真正的表面缺陷加以区分，因而必须先与标准曲线进行匹配，然后通过曲线比对的方法检测缺陷。该方法已经成功的应用于国内某大型钢铁公司的重轨生产线，并取得了较好的检测效果。本文的主要内容及成果如下：　　 (1)提出基于线型结构光和曲线匹配的钢轨表面缺陷在线检测方法。将线型激光投射到钢轨表面，用面阵摄像机采集激光线条图像。然后通过比对在不同时间采集到的激光线条的中心线，来判断钢轨表面是否存在缺陷。　　 (2)比较常见的线条细化算法，并对极值法、阈值法、重心法和曲线拟合法等中心提取算法的优缺点进行了论述。　　 (3)对常见的曲线匹配算法进行了比较。在各种常见曲线匹配算法中，无论是基于特征点的方法还是基于特征序列的方法都无法精确的对存在噪声的曲线进行精确匹配。提出了小范围高精度曲线匹配算法。通过对待匹配曲线的起始点与终点进行穷举，然后计算每一种情况的最佳匹配效果，从中求出最佳的起始点与终点。