轨道交通作为城市公共交通的重要组成部分，被广泛认为是当前解决城市交通拥堵问题的主要途径。随着基础设施服役年限的逐渐累积，线路设施设备状态不断地发生劣化，轨道、隧道、接触网等基础设施的可见病害逐渐增多。近年来在城市轨道交通基础设施检测领域出现了车载式轨道巡检设备（系统），与传统的人工巡检相比极大提高了城轨基础设施巡检工作的质量和效率，为线路的安全运行提供了重要保证。但是，由于各城市城轨线网规模不断增大、乘客对于乘坐舒适性的日益提高等因素，既有的轨道巡检设备（系统）在技术能力层面的短板暴露出来。为有效解决当前轨道巡检设备（系统）存在的诸多问题，进一步提升轨道交通巡检作业的智能化水平，本项目开展了包括小型化、模块化轨道表面状态实时巡检系统硬件架构研发，基于统计信息约束的轨道高分辨率全幅图像拼接技术研究，以及轨道表面缺陷实时智能识别算法研发等三个方面的工作。首先，针对运营电客车安装空间小和功率裕量有限等特征，对现有巡检系统硬件架构进行了重新设计，研制了模块化程度更高、布局更合理的硬件架构，车上主机占用的空间由10U（44.45厘米）降低到3U（13.35厘米）。其次，针对当前轨道状态巡检系统使用未拼接图像进行病害识别准确度低的问题，利用前后图像统计信息对中间图像进行约束，生成拼接区均匀过渡的图像。道床中单个相机无法覆盖的长裂缝的识别准确率由60%左右提高到80%左右。最后，针对现有模型体量大、计算复杂度高，检测实时性低等问题，提出了基于高速采集数据的图像数据处理框架。设计了数据流处理模块，通过动态调度计算任务和调整图像分辨率，提高了资源利用率和图像处理效率，图像识别效率提高了约42%，从12张/秒提高到了17张/秒。本设备小型化、集成化的特征使得轨巡设备更易于在运营车辆上安装与使用；研发的全幅图像拼接技术为病害提取提供高质量数据；开发的轨道表面缺陷实时智能识别算法支持检测数据的实时处理，有利于最大程度保障运营安全。总之，本项目对设备和算法的改进提升了车载巡检系统的检测能力，能够为运营单位提供“感知-融合-检测-分析-反馈”全流程、智能化巡检方案。