CN109061669B - 限界检测***及其方法 - Google Patents
限界检测***及其方法 Download PDFInfo
- Publication number
- CN109061669B CN109061669B CN201810731063.2A CN201810731063A CN109061669B CN 109061669 B CN109061669 B CN 109061669B CN 201810731063 A CN201810731063 A CN 201810731063A CN 109061669 B CN109061669 B CN 109061669B
- Authority
- CN
- China
- Prior art keywords
- limit
- data
- detection
- processor
- memory
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
- B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
- B61K9/02—Profile gauges, e.g. loading gauges
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/87—Combinations of systems using electromagnetic waves other than radio waves
- G01S17/875—Combinations of systems using electromagnetic waves other than radio waves for determining attitude
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请涉及一种一种限界检测***,其包括处理器、存储器、激光雷达检测装置、速度检测装置和姿态检测装置。所述存储器与所述处理器连接,用于存储数据。所述激光雷达检测装置所述存储器连接,用于检测线路断面信息。所述速度检测装置与所述存储器连接,用于检测所述限界检测***的运动载体的运行速度。所述姿态检测装置与所述存储器连接,用于检测所述运动载体的姿态信息。本申请提供的限界检测***能够实现曲线限界的精确测量,从而得到精准的限界信息,提高限界检测的准确性,为后期线路的维护提供依据,进而可以保障车辆运行的安全。
Description
技术领域
本申请涉及轨道交通检测领域,特别是涉及一种限界检测***及其方法。
背景技术
随着城市轨道交通的快速发展,地铁已成为大城市的主要交通工具。地铁列车需要在特定空间中沿着固定轨道高速运行,这个特定空间的尺寸就是地铁的限界。为了保障地铁高效、安全运行,对地铁限界的检测显得尤为重要。
传统技术中,车载式限界检测主要有两种方法,断面检测法和激光雷达检测法。激光雷达检测具有检测省时省力的特点,因此被大量使用。
然而,传统技术的激光雷达检测***存在检测不够准确的问题。
发明内容
基于此,有必要针对检测不够准确的问题的问题,提供一种限界检测***及其方法。
一种限界检测***,包括:
处理器;
存储器,与所述处理器连接,用于存储数据;
激光雷达检测装置,与所述存储器连接,用于检测线路断面信息;
速度检测装置,与所述存储器连接,用于检测所述限界检测***的运动载体的运行速度;
姿态检测装置,与所述存储器连接,用于检测所述运动载体的姿态信息。
在一个实施例中,所述姿态检测装置包括:
倾角检测器,与所述存储器连接,用于检测所述运动载体的姿态角度;
角速度检测器,与所述存储器连接,用于检测所述运动载体的角速度;
加速度检测器,与所述存储器连接,用于检测所述运动载体的加速度。
在一个实施例中,所述限界检测***,还包括补偿装置,所述补偿装置与所述存储器连接,用于测量所述运动载体的振动偏移量。
在一个实施例中,所述的限界检测***还包括侵限拍照装置,所述侵限拍照装置与所述存储器连接,用于对侵限物拍照。
在一个实施例中,所述的限界检测***还包括报警装置,与所述处理器连接,用于侵限报警。
本申请提供的限界检测***包括处理器、存储器、激光雷达检测装置、速度检测装置和姿态检测装置。所述姿态检测装置与所述存储器连接,用于检测所述运动载体的姿态信息。所述姿态检测装置通过动态测量所述运动载体的姿态信息,从而得到曲线限界的倾斜方向和曲率半径等信息。本申请提供的所述限界检测***能够实现曲线限界的精确测量,从而得到精准的限界信息,提高限界检测的准确性,为后期线路的维护提供依据,进而可以保障车辆运行的安全。
一种使用如上所述的限界检测***进行限界检测的方法,包括:
通过所述激光雷达检测装置检测线路断面信息,并存储于所述存储器;
通过所述速度检测装置检测所述运动载体的运行速度,并存储于所述存储器;
通过姿态检测装置检测所述运动载体的姿态信息,并存储于所述存储器;
所述处理器根据所述存储器存储的所述线路断面信息、所述运行速度和所述运动载体的姿态信息确定限界;
通过所述处理器获取所述限界对应的标准限界的类型,并获取所述标准限界;
通过所述处理器对比所述限界与所述标准限界,确定是否存在侵限。
在一个实施例中,所述处理器根据所述存储器存储的所述线路断面信息、所述运行速度和所述运动载体的姿态信息确定限界包括:
通过所述处理器获取检测数据,所述检测数据包括激光雷达检测数据和姿态检测数据,所述激光雷达检测数据为表征所述线路断面信息的数据,所述姿态检测数据为表征所述姿态信息的数据;
通过所述处理器获取标准限界数据;
通过所述处理器将所述检测数据与所述标准限界数据进行匹配,识别出所述检测数据对应的标准限界类型。
在一个实施例中,通过所述处理器将所述检测数据与所述标准限界数据进行匹配,识别出所述检测数据对应的标准限界类型包括:
通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是隧道限界还是高架限界,得到第一判断结果;
通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是直线限界还是曲线限界;
若所述激光雷达检测数据对应的限界是直线限界,则通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是车站限界还是区间限界,得到第二判断结果;
若所述第二判断结果是区间限界,则,所述处理器根据所述第一判断结果与所述第二判断结果,确定所述检测数据对应的限界类型。
在一个实施例中,通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是直线限界还是曲线限界之后,所述方法还包括:
若所述激光雷达检测数据对应的限界是曲线限界,则通过所述处理器根据所述姿态检测数据,识别倾斜方向和曲率半径;
通过所述处理器将所述倾斜方向和所述曲率半径与所述标准限界数据进行匹配,结合所述第一判断结果,确定所述检测数据对应的限界类型。
在一个实施例中,若所述激光雷达检测数据对应的限界是直线限界,则通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是车站限界还是区间限界,得到第二判断结果之后,所述方法还包括:
若所述第二判断结果是车站限界,则,通过所述处理器将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是左站台、右站台还是双站台,得到第三判断结果;
通过所述处理器根据所述第一判断结果与所述第三判断结果,判断所述检测数据对应的限界类型。
在一个实施例中,所述限界检测***还包括补偿装置,通过所述激光雷达检测装置检测线路断面信息,并存储于所述存储器之后,所述方法还包括:
通过所述补偿装置检测所述运动载体的振动偏移量,并存储于所述存储器;
所述处理器根据所述存储器存储的所述线路断面信息、所述运行速度和所述姿态信息确定限界之后,所述方法还包括:
所述处理器根据所述存储器存储的所述振动偏移量对所述限界进行补偿校正。
在一个实施例中,所述限界检测***还包括侵限拍照装置,通过所述处理器对比所述限界与所述标准限界,确定是否存在侵限之后,所述方法还包括:
若存在侵限,所述侵限拍照装置对侵限物拍照,并存储于所述存储器。
在一个实施例中,所述限界检测***还包括入报警装置,通过所述处理器对比所述限界与所述标准限界,确定是否存在侵限之后,所述方法还包括:
若存在侵限,所述报警装置报警。
本申请提供的限界检测方法,通过所述激光雷达检测装置300检测线路断面信息,通过所述速度检测装置检测所述运动载体的运行速度,通过姿态检测装置检测运动载体的姿态信息。所述处理器根据所述线路断面信息、所述运行速度和所述姿态信息确定限界,然后获取所述限界对应的标准限界的类型,并获取所述标准限界,对比所述限界与所述标准限界,确定是否存在侵限。本申请提供的方法通过所述姿态检测装置获取了所述运动载体的姿态信息,从而获得曲线限界的倾斜方向和曲率半径等信息,使得确定的所述限界的姿态信息更加准确,从而提高了限界检测的准确性,为后期线路的维护提供依据,进而可以保障车辆运行安全。
附图说明
图1为一个实施例提供的限界检测***结构示意图;
图2为一个实施例提供的姿态检测装置结构示意图;
图3为一个实施例提供的限界检测方法流程示意图;
图4为一个实施例提供的限界检测方法流程示意图;
图5为一个实施例提供的限界检测方法流程示意图;
图6为一个实施例提供的限界检测方法流程示意图。
附图标记说明
限界检测*** 10
处理器 100
存储器 200
激光雷达检测装置 300
速度检测装置 400
姿态检测装置 500
倾角检测器 510
角速度检测器 520
加速度检测器 530
补偿装置 600
侵限拍照装置 700
报警装置 800
显示装置 900
具体实施方式
目前,地铁已成为城市的主要交通工具。为了保障地铁运行的安全性和高效性,需要对地铁的限界进行检测。然而,传统技术中的限界检测***存在检测不够准确的问题。本申请提供的限界检测***及其方法,旨在解决传统技术中的如上技术问题。
本申请实施例提供的限界检测***及其方法,适用于对地铁限界的检测。可以理解,本申请实施例提供的限界检测***及其方法,也可以应用于高铁及普通铁路等的限界检测。以下实施例以地铁限界的检测为例,对限界检测***及其方法进行说明。
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
请参见图1,本申请一个实施例提供一种限界检测***10,其包括处理器100、存储器200、激光雷达检测装置300、速度检测装置400和姿态检测装置500。所述存储器200与所述处理器100连接,用于存储数据。所述激光雷达检测装置300与所述存储器200连接,用于检测线路断面信息。所述速度检测装置400与所述存储器200连接,用于检测所述限界检测***10的运动载体的运行速度。所述姿态检测装置500与所述存储器200连接,用于检测所述运动载体的姿态信息。
所述限界检测***10用于检测限界,并判断当前限界内是否存在侵限物。所述限界检测***10可以安装在一运动载体上,以实现移动。所述限界检测***的运动载体可以是能够沿地铁轨道运行的检测车。安装于所述检测车的所述限界检测***10随所述检测车一同运动,实现对地铁线路限界的检测。所述检测车可以包括包含内部空间和外部空间的车体。
所述限界检测***10包括用于处理数据和程序的所述处理器100和用于存储数据的所述存储器200。所述处理器100和所述存储器200可以为计算机设备中的处理器和存储器,也可以为PLC(Programmable Logic Controller,可编程逻辑控制器)等其他终端中的处理器和存储器。所述计算机设备或PLC可以设置于所述检测车内部。
所述激光雷达检测装置300用于检测地铁运行线路周围物体的位置和距离,从而得到线路断面信息。所述线路断面信息是指沿垂直方向剖切,剖切平面内的物***置信息和距离信息。所述激光雷达检测装置300的扫描频率可以为100Hz。所述激光雷达检测装置300与所述存储器200连接。所述激光雷达检测装置300检测获取的数据信息存储与所述存储器200。所述激光雷达检测装置300可以安装于所述检测车外部,并置于车头部一开阔的平面。
在一个实施例中,所述激光雷达检测装置300的数量为2个,2个所述激光雷达检测装置300相背贴合设置。也就是说,2个所述激光雷达检测装置300背对背设置。2个所述激光雷达检测装置300可以直接安装于所述检测车外部,也可以通过工装等安装于所述检测车外部。每个所述激光雷达检测装置300可以检测180°范围内的周围物体的位置和距离,2个相背贴合设置的所述激光雷达检测装置300可以实现360°范围的周围物***置和距离的检测。从而在对地铁隧道限界进行检测时,更加全面的检测限界的线路断面信息,提高检测精度。
所述速度检测装置400可以为速度传感器。所述速度检测装置400用于检测所述运动载体的运行速度。所述速度检测装置400可以设置于所述检测车的外部。所述速度检测装置400与所述存储器200连接。所述速度检测装置400检测的数据存储于所述存储器200中。所述存储器200与所述处理器100连接。所述处理器100获取存储于所述存储器200中的运动载体的速度数据,并根据所述运动载体运行的时间,计算出所述运动载体的运行距离,从而得到当前所述运动载体在地铁线路中的位置,得出当前所测量的限界的位置。
所述姿态检测装置500可以为姿态传感器。所述姿态传感器可以为陀螺仪。所述姿态检测装置500可以安装于所述检测车的外部,与所述激光雷达检测装置300位于同一平面。所述姿态检测装置500用于地铁限界为曲线路径时,动态的测量所述运动载体的姿态信息,从而得到限界的姿态信息。所述姿态信息可以包括:所述运动载体的姿态角度、所述运动载体的角速度和所述运动载体的加速度。所述姿态角度可以包括横滚角度和俯仰角度。所述姿态角度表征所述运动载体的运行曲线倾斜的方向。通过所述运动载体的姿态角度、角速度和加速度信息,即可获取曲线限界的倾斜方向和曲率半径等信息。本申请对所述姿态检测装置500的型号不做限定,可以根据需求选择。在一个实施例中,所述姿态检测装置500为垂直陀螺仪,所述垂直陀螺仪的型号可以为VG500。
本实施例中,所述限界检测***10包括处理器100、存储器200、激光雷达检测装置300、速度检测装置400和姿态检测装置500。所述姿态检测装置500与所述存储器200连接,用于检测所述运动载体的姿态信息。所述姿态检测装置500通过动态测量所述运动载体的姿态信息,从而得到曲线限界的倾斜方向和曲率半径等信息。本实施例提供的所述限界检测***10能够实现曲线限界的精确测量,从而得到精准的限界信息,提高限界检测的准确性,从而得到精准的限界信息,提高限界检测的准确性,为后期线路的维护提供依据,进而可以保障车辆运行的安全。
请参见图2,在一个实施例中,所述姿态检测装置包括倾角检测器510、角速度检测器520和加速度检测器530。所述倾角检测器510与所述存储器200连接,用于检测所述运动载体的姿态角度。所述角速度检测器520与所述存储器200连接,用于检测所述运动载体的角速度。所述加速度检测器530与所述存储器200连接,用于检测所述运动载体的加速度。
所述姿态角度包括横滚角度和俯仰角度。所述倾角检测器510用于测量所述运动载体的横滚角度和俯仰角度,从而得出限界的倾斜方向。所述角速度检测器520用于测量所述运动载体单位时间内运行通过的弧度。所述加速度检测器530用于测量所述运动载体角速度对于时间的变化率。通过所述角速度检测器520检测到的角速度和所述加速度检测器530检测到的加速度,可以计算出所述运动载体的运行角度。结合所述倾角检测器510测得的横滚或俯仰角度,即可得到所述运动载体曲线运动的方向和曲率半径,继而得到曲线限界的倾斜方向和曲率半径。所述倾角检测器510、所述角速度检测器520和所述加速度检测器530结合,实现对曲线限界倾斜方向和倾斜角度的动态检测,提高了限界检测的精确度。
在一个实施例中,所述限界检测***10还包括补偿装置600。所述补偿装置600与所述存储器200连接,用于测量所述运动载体的振动偏移量。
所述补偿装置600用于在运动载体运动时,对所述运动载体相对于轨道面的偏移量,进行测量和记录。所述补偿装置600测量得到的所述振动偏移量信息保存至所述存储器200中。所述处理器100根据所述振动偏移量,对所述激光雷达检测装置300测得的所述限界断面数据进行实时补偿计算,从而消除因所述运动载体相对运行轨道振动带来的检测误差,提高限界检测的准确性。所述补偿装置600的检测频率可以为200Hz。所述补偿装置600的检测频率高于所述激光雷达检测装置300的扫描频率,可以使补偿效果更好。
在一个实施例中,所述补偿装置600包括面阵相机。所述面阵相机与所述存储器200连接。所述面阵相机的数量可以为2组。2组所述面阵相机分别设置于所述运动载体的两侧,用于拍摄所述运动载体两侧的轨道信息。通过对轨道图像进行数字图像处理以及数字图像特征点提取,实现对所述运动载体在行进过程中产生的振动偏移量进行实时计算。通过所述面阵相机能够进一步提高振动偏移量获取的准确性,从而提高补偿效果,提高限界检测的准确性。
在一个实施例中,所述限界检测***10还包括侵限拍照装置700。所述侵限拍照装置700与所述存储器200连接,用于对侵限物拍照。
所述处理器100根据所述激光雷达检测装置300、所述速度检测装置400、所述姿态检测装置500和所述补偿装置600检测得到的信息,得到地铁线路中某一位置的限界轮廓图像。所述处理器100获取标准限界的图像信息,并将得到的限界轮廓图像与所述标准限界图像进行对比,判断当前检测的限界是否存在侵限。当判断存在侵限时,所述处理器100输出侵限信息,并控制所述侵限拍照装置700启动,对侵限物进行拍照。所述侵限拍照装置700可以设置于检测车的外部。所述侵限拍照装置700拍摄得到的图像信息存储于所述存储器200。侵限物图像信息和侵限信息为后期侵限物的清除和整改施工提供依据。
在一个实施例中,所述侵限拍照装置700包括多个相机。多个所述相机沿一圆周设置。
多个所述相机用于对多个角度的侵限物进行拍照。所述相机可以安装于一圆盘工装上。所述圆盘工装可以安装于检测车车头位置。所述相机的数量可以为6个。6个所述相机沿圆周设置于所述圆盘工装。6个所述相机可以均布于所述圆盘工装,以实现沿345°视角对限界内的侵限物进行拍照,减少拍摄盲区,提高对侵限物记录的准确性。
在一个实施例中,所述限界检测***10还包括报警装置800。所述报警装置800与所述处理器100连接,用于侵限报警。
所述报警装置800与所述处理器100连接,可以接收所述处理器100发送的信息。当所述处理器100判断当前限界内存在侵限物时,向所述报警装置800发送启动报警信息,所述报警装置800启动报警。所述报警装置800可以提示操作人员当前限界存在侵限情况,需要对侵限位置信息等进行记录或需要采取清除侵限物措施等。通过设置所述报警装置800,提高了所述限界检测***10的智能性和安全性。
在一个实施例中,所述报警装置800为声光报警装置。所述声光报警装置为以灯光和声音为信号,发出报警信息。所述声光报警装置800通过两种信号提示侵限,进一步增加了所述侵限检测***的智能性和安全性。
在一个实施例中,所述限界检测***10还包括显示装置900。所述显示装置900与所述处理器100连接。所述显示装置900用于显示当前检测的限界轮廓图像,也可以用于显示标准限界的轮廓图像,还可以显示所述侵限物拍照装置700获取的图像。所述显示装置900提高了所述限界检测***10的的实用性。
请参见图3,本申请一个实施例提供一种使用如上所述限界检测***10进行限界检测的方法。所述方法包括:
S10,通过所述激光雷达检测装置300检测线路断面信息,并存储于所述存储器200。
所述激光雷达检测装置300通过扫描采集所述线路断面信息。所述线路断面信息包括周围物体的位置和距离。所述位置信息可以通过坐标数据表征。所述位置信息和所述距离信息均存储于所述存储器200中。
S20,通过所述速度检测装置400检测所述运动载体的运行速度,并存储于所述存储器200。
所述速度检测装置400设置于所述运动载体。所述速度检测装置400检测所述运动载体单位时间内的运行距离,并存储于所述存储器200中。
S30,通过姿态检测装置500检测所述运动载体的姿态信息,并存储于所述存储器200。
所述姿态检测装置500检测所述运动载体的姿态信息。所述姿态信息可以包括所述运动载体的姿态角度、角速度和加速度信息。所述姿态信息存储于所述存储器200。所述姿态角度包括所述运动载体的横滚角度和俯仰角度。
S40,所述处理器100根据所述存储器200存储的所述线路断面信息、所述运行速度和所述运动载体的姿态信息确定限界。
所述处理器100从所述存储器200中获取所述激光雷达检测装置300检测的周围物体的位置数据和距离数据。其中,所述位置数据可以为坐标数据。所述处理器100对所述坐标数据和距离数据进行处理,得到限界断面数据。所述处理器100从所述存储器200中获取所述运动载体的速度数据。所述处理器100根据所述速度数据和所述运动载体的运行时间计算得到所述运动载体的运行距离,即为所述限界在当前线路中的相对位置信息。所述处理器100从所述存储器200中获取所述运动载体的姿态角度、角速度和加速度数据,并处理得到限界倾角数据。
所述处理器100对所述限界断面数据的所述限界倾角数据进行处理,得到当前线路位置的限界数据和/或轮廓图像,确定当前限界。例如,假设所述速度传感器检测到当前速度为0.5m/s,在运行时间为10min时,测得的一组限界数据。根据这组限界数据可以得到对应的限界轮廓图像。得到的限界轮廓图像即表征当前线路300m处的限界。
所述激光雷达检测装置300、所述速度检测装置400和所述姿态检测装置500也可以对当前限界进行多次检测。所述处理器100可以对多次扫描得到的数据利用均值和统计方法进行处理,以消除误差,得到更准确的限界。
S50,通过所述处理器100获取所述限界对应的标准限界的类型,并获取所述标准限界。
所述标准限界是指不存在侵限情况的限界。所述标准限界可以以数据和/或限界轮廓图像的形式存储于所述存储器200。所述标准限界的数据可以从多次测量得到的大数据中进行提取。所述标准限界的类型可以包括直线限界、曲线限界、高架限界、隧道限界、区间限界、车站限界。其中,所述车站限界可以包括左站台限界、右站台限界和双站台限界。所述标准限界的类型可以是以上限界类型的组合,例如,隧道区间限界、高架区间限界、高架左站台限界、高架右站台限界、高架双站台限界、隧道左站台限界、隧道右站台限界和隧道双站台限界。所述标准限界的类型可以根据所述标准限界数据的特征来确定。例如,所述站台限界可以通过站台屏蔽门、广告灯箱、人防门等位置的限界数据特征来确定。所述标准限界数据的特征可以从标准限界大数据中进行提取得到。
所述处理器100可以通过人工输入或选择的获取所述限界对应的标准限界的类型,也可通过智能识别获取所述限界对应的标准限界的类型。以人工输入或选择获取所述限界对应的标准限界的类型为例:操作人员根据当前获取的所述限界信息,结合自身经验和知识储备,判断当前限界的限界类型,并向所述处理器100输入当前限界对应的标准限界的类型,或从预先存储的标准限界的类型中选择当前限界对应的标准限界的类型。所述处理器100获知当前的标准限界类型,并从所述存储器200中提取所述标准限界的限界数据和/或限界轮廓图像。
S60,通过所述处理器100对比所述限界与所述标准限界,确定是否存在侵限。
所述处理器100根据获取的所述限界数据和所述标准限界数据,通过霍夫变换、曲线拟合等数学算法,确定所述限界是否侵限。当所述限界与所述标准限界的数据或轮廓图像匹配,则说明所述限界不存在侵限。当所述限界与所述标准限界对比,限界某些位置距离缩小,则说明所述限界存在侵限。距离缩小位置即为侵限位置。
本实施例中,所述限界检测的方法通过所述激光雷达检测装置300检测线路断面信息,通过所述速度检测装置400检测所述运动载体的运行速度,通过姿态检测装置500检测所述运动载体的姿态信息。所述处理器根据所述线路断面信息、所述运行速度和所述姿态信息确定限界,然后获取所述限界对应的标准限界的类型,并获取所述标准限界,对比所述限界与所述标准限界,确定是否存在侵限。本实施例提供的方法通过所述姿态检测装置500获取了所述限界的姿态信息,使得确定的所述限界的倾斜方向和角度更加准确,从而提高了限界检测的准确性,从而得到精准的限界信息,提高限界检测的准确性,为后期线路的维护提供依据,进而可以保障车辆运行的安全。
请参见图4,在一个实施例中,所述限界检测***10还包括补偿装置600,S10之后,所述方法还包括:
S110,通过所述补偿装置600检测所述运动载体的振动偏移量,并存储于所述存储器200。
所述补偿装置600获取所述运动载体相对于轨道面的偏移量,即为所述振动偏移量,并传输至所述存储器200。所述存储器200对所述振动偏移量进行保存。
S40之后,所述方法还包括:
S410,所述处理器100根据所述存储器200存储的所述振动偏移量对所述限界进行补偿校正。
所述处理器100将获取的所述振动偏移量补充入所述限界的数据和限界轮廓图像中,对所述限界进行进一步校正,得到更为准确的限界数据和限界轮廓图像。
在一个实施例中,所述限界检测***10还包括侵限拍照装置700。S60之后,所述方法还包括:
S610,若存在侵限,所述侵限拍照装置700对侵限物拍照,并存储于所述存储器200。
当所述处理器100判断所述限界存在侵限时,所述处理器100输出侵限信息,并控制所述侵限拍照装置700启动,对侵限物进行拍照。侵限物图像信息和侵限信息为后期侵限物的清除和整改施工提供依据。
在一个实施例中,所述限界检测***10还包括报警装置800。S60之后,所述方法还包括:
S620,若存在侵限,所述报警装置800报警。
当所述处理器100判断所述限界存在侵限时,所述处理器100向所述报警装置800发送启动报警信息,所述报警装置800启动报警。通过所述报警装置800的报警,可以提示操作人员当前限界存在侵限情况,提高了所述限界检测方法的智能性和安全性。
请参见图5,在一个实施例中,S50包括:
S510,通过所述处理器100获取检测数据,所述检测数据包括激光雷达检测数据和姿态检测数据,所述激光雷达检测数据为表征所述线路断面信息的数据,所述姿态检测数据为表征所述姿态信息的数据。
所述激光雷达检测数据为所述激光雷达检测装置300检测得到的数据。所述姿态检测数据为所述所述处理器100从所述存储器200中获取所述激光雷达检测装置300检测的所述激光雷达数据和所述姿态检测装置检测的所述姿态检测数据。所述检测数据即可表征当前位置的限界信息。
S520,通过所述处理器100获取标准限界数据。
所述标准限界数据可以为预先存储于所述存储器200中的当前线路在没有侵限情况下的限界数据信息。所述标准限界数据中包含了表征所述标准限界类型特征的数据。表征所述限界类型的数据可以利用数学模型、算法等从大量的历史测量数据中提取得到。使用的数学模型、算法等本申请不做具体限定,只要能实现数据特征的提取即可。
S530,通过所述处理器100将所述检测数据与所述标准限界数据进行匹配,识别出所述检测数据对应的标准限界类型。
所述处理器100可以根据霍夫变换、曲线拟合等数学算法将获取的所述检测数据与获取的每一类别的所述标准限界的数据一一进行匹配,对比所述检测数据与所述标准限界的数据特征,以识别出当前限界对应的标准限界的类型。若所述检测数据的特征与某一种类型的标准限界的数据特征相匹配,则,当前限界属于此类型的限界。例如,经过对比,当前限界的数据特征与预先存储的大数据库中的隧道左站台限界的数据特征相匹配,均包含有隧道、直线、站台屏蔽门、广告灯箱、人防门等特征的数据,因此,可以识别出当前限界属于隧道限界。
本实施例中,所述限界检测方法通过所述处理器100获取检测数据,通过所述处理器100获取标准限界数据,并通过所述处理器100将所述检测数据与所述标准限界数据进行匹配,识别出所述检测数据对应的标准限界类型。所述处理器100能够根据不同类型所述标准限界数据包含不同的特征,将所述检测数据与所述标准限界数据进行匹配,从而可以智能的识别出当前限界所对应的标准限界类型。与传统技术中,需要人工识别选择标准限界类型的方法相比,本实施例提供的方法能够智能、自动的识别出限界对应的标准限界类型,提高了所述限界检测方法的智能性。同时,所述方法提高了限界检测的效率和准确性。
请参见图6,在一个实施例中,S530包括:
S531,通过所述处理器100将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是隧道限界还是高架限界,得到第一判断结果。
所述处理器100获取所述激光雷达检测数据,并将所述激光雷达检测数据与隧道限界对应的标准限界数据进行匹配,判断所述激光雷达检测数据与所述隧道限界的标准限界数据的数据特征是否一致。若所述激光雷达检测数据与所述隧道限界的标准限界数据特征一致,则当前限界属于隧道限界。若当前限界不属于隧道限界,所述处理器100将所述激光雷达检测数据与高架限界对应的标准限界数据进行匹配,判断所述激光雷达检测数据与所述高架限界的标准限界数据的数据特征是否一致。若所述激光雷达检测数据与所述高架限界的标准限界数据特征一致。则当前限界属于高架限界。所述第一判断结果包括:隧道限界或高架限界。
S532,通过所述处理器100将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是直线限界还是曲线限界。
所述处理器100将所述激光雷达检测数据与直线限界对应的标准限界数据进行匹配,判断所述激光雷达检测数据与所述直线限界的标准限界数据的数据特征是否一致。若所述激光雷达检测数据与所述直线限界的标准限界数据特征一致,则当前限界属于直线限界。否则当前限界属于曲线限界。
S533,若所述激光雷达检测数据对应的限界是直线限界,则通过所述处理器100将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是车站限界还是区间限界,得到第二判断结果。
由于一般地铁车站设置在直线线路中,因此,若当前限界为直线限界时,需要进一步判断当前限界为区间限界还是车站限界。根据S532的判断结果,若当前限界是直线限界,则所述处理器100将所述激光雷达检测数据与车站限界对应的标准限界数据进行匹配,判断所述激光雷达检测数据与所述车站限界的标准限界数据的数据特征是否一致。若所述激光雷达检测数据与所述车站限界的标准限界数据特征一致,则当前限界属于车站限界。否则当前限界属于区间限界。所述第二判断结果包括:车站限界或区间限界。
S534,若所述第二判断结果是区间限界,则,所述处理器100根据所述第一判断结果与所述第二判断结果,确定所述检测数据对应的限界类型。
若所述第二判断结果是区间限界,则所述处理器100根据所述第一判断结果和所述第二判断结果即可确定出当前限界对应的类型。若所述第一判断结果为隧道限界,且第二判断结果为区间限界,因此,当前限界为隧道区间限界。若所述第一判断结果为高架限界,且第二判断结果为区间限界,因此,当前限界为高架区间限界。
在一个实施例中,S532之后,所述方法还包括:
S535,若所述激光雷达检测数据对应的限界是曲线限界,则通过所述处理器100根据所述姿态检测数据,识别倾斜方向和曲率半径。
根据S532的判断结果,若所述激光雷达检测数据对应的限界是曲线限界,则需要判断曲线限界的倾斜方向和倾斜角度等。所述处理器100获取当前限界的所述姿态检测数据,并计算得出所述曲线限界的姿态数据、角速度数据和加速度数据,从而计算出所述曲线限界的倾斜角度和曲率半径。
S536,通过所述处理器100将所述倾斜方向和所述曲率半径与所述标准限界数据进行匹配,结合所述第一判断结果,确定所述检测数据对应的限界类型。
所述标准限界还可以包括多种倾斜方向及曲率半径的曲线限界。若所述第一判断结果为隧道限界,所述处理器100将S535计算得到的所述倾斜方向和所述曲率半径与所述标准曲线限界的倾斜方向和曲率半径进行匹配,得出当前限界对应的隧道曲线限界类型。若所述第一判断结果为高架限界,所述处理器100将S535计算得到的所述倾斜方向和所述曲率半径与所述标准曲线限界的倾斜方向和曲率半径进行匹配,得出当前限界对应的高架曲线限界类型。
在一个实施例中,S533之后,所述方法还包括:
S537,若所述第二判断结果是车站限界,则,通过所述处理器100将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是左站台、右站台还是双站台,得到第三判断结果。
由于地铁车站一般分为左站台车站、右站台车站和双站台车站,因此,当判断出当前限界属于车站限界后,还需要进一步判断站台的方向。根据S533判断得到的结果,若所述第二判断结果是车站限界,则所述处理器100将所述激光雷达检测数据分别与左站台限界、右站台限界和双站台限界对应的标准限界数据进行匹配,判断所述激光雷达检测数据与哪种站台限界的标准限界数据的数据特征一致。若所述激光雷达检测数据与所述左站台限界的标准限界数据特征一致,则当前限界属于左站台限界。若所述激光雷达检测数据与所述右站台限界的标准限界数据特征一致,则当前限界属于右站台限界。若所述激光雷达检测数据与所述双站台限界的标准限界数据特征一致,则当前限界属于双站台限界。所述第三判断结果包括:左站台限界、右站台限界或双站台限界。
S538,通过所述处理器100根据所述第一判断结果与所述第三判断结果,判断所述检测数据对应的限界类型。
若所述第一判断结果为隧道限界,且所述第三判断结果为左站台限界,则当前限界为隧道左站台限界。若所述第一判断结果为隧道限界,且所述第三判断结果为右站台限界,则当前限界为隧道右站台限界。若所述第一判断结果为隧道限界,且所述第三判断结果为双站台限界,则当前限界为隧道双站台限界。若所述第一判断结果为高架限界,且所述第三判断结果为左站台限界,则当前限界为高架左站台限界。若所述第一判断结果为高架限界,且所述第三判断结果为右站台限界,则当前限界为高架右站台限界。若所述第一判断结果为高架限界,且所述第三判断结果为双站台限界,则当前限界为高架双站台限界。
以下举例说明所述处理器100自动识别当前限界对应的标准限界类型的过程:
假设所述激光雷达检测装置300和所述姿态检测装置500测得一组检测数据。根据所述速度检测装置400测得的速度和检测车运行的时间可以计算出所述检测数据为地铁线路3000m处限界的数据。所述处理器100首先将所述检测数据中的激光雷达检测数据与隧道限界的标准限界数据进行匹配,判断当前限界是否为隧道限界。若当前限界为隧道限界,则将所述激光雷达检测数据与直线限界的标准限界数据进行匹配,判断当前限界为直线限界还是曲线限界。若当前限界为直线限界,则将所述激光雷达检测数据与车站限界的标准限界数据进行匹配,判断当前限界为车站限界还是区间限界。若当前限界为区间限界,且根据前述判断,当前限界同时为隧道限界。因此,可以得知,当前的限界为隧道区间限界。若当前限界是车站限界,则进一步将所述激光雷达检测数据与左站台限界、右站台限界和双站台限界的标准限界数据分别进行匹配,判断站台的类型,得出当前隧道限界是隧道左站台限界、隧道右站台限界还是隧道双站台限界。若当前限界为隧道限界,且为曲线限界,则所述处理器100获取姿态检测数据,并计算限界的倾角及曲率半径,并与曲线限界的标准限界数据进行匹配,得到当前限界的隧道曲线限界类型。
若当前限界不属于隧道限界,属于高架限界,则如上依次判断所述激光雷达检测数据对应的限界是否为直线限界、是否为车站限界,若为车站限界,则判断是左站台限界、右站台限界还是双站台限界。从而得出当前限界为高架区间限界、高架左站台限界、高架右站台限界、高架双站台限界。若当前限界为高架限界,且为曲线限界,则所述处理器100获取姿态检测数据,并计算限界的倾角及曲率半径,并与曲线限界的标准限界数据进行匹配,得到当前限界的隧道曲线限界类型。
本实施例中,通过所述处理器100将检测数据与各种类型的所述标准限界数据分别进行匹配,依次判断出当前限界所属的限界类型,从而得出最终识别出所述检测数据对应的标准限界类型。本实施例提供的所述限界检测方法能够智能、自动的识别出限界对应的标准限界类型,提高了限界识别的智能性,因此可以提高限界检测的智能性、准确性和检测效率。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种限界检测***(10),其特征在于,包括:
处理器(100),用于根据激光雷达检测装置(300)、速度检测装置(400)、姿态检测装置(500)和补偿装置(600)检测得到的信息,获取限界轮廓图像;并将所述限界轮廓图像与标准限界图像进行对比,判断当前检测的限界是否存在侵限,若存在侵限,控制侵限拍照装置(700)启动,对侵限物进行拍照;
所述处理器(100)还用于获取标准限界数据,根据所述激光雷达检测装置(300)和所述姿态检测装置(500)获取检测数据,并根据所述速度检测装置(400)测得的速度和检测车运行的时间得到所述检测数据对应的限界的位置;
将所述检测数据与多个所述标准限界数据分别进行匹配,确定所述检测数据的标准限界类型;所述标准限界类型包括直线限界、曲线限界、高架限界、隧道限界、区间限界、车站限界;其中,所述车站限界包括左站台限界、右站台限界和双站台限界;
存储器(200),与所述处理器(100)连接,用于存储数据;
所述激光雷达检测装置(300),与所述存储器(200)连接,用于检测线路断面信息;
所述速度检测装置(400),与所述存储器(200)连接,用于检测所述限界检测***(10)的运动载体的运行速度;
所述姿态检测装置(500),与所述存储器(200)连接,用于检测所述运动载体的姿态信息;
所述补偿装置(600),与所述存储器(200)连接,用于测量所述运动载体的振动偏移量,消除所述运动载体相对运行轨道振动带来的检测误差;所述补偿装置(600)的检测频率高于所述激光雷达检测装置(300)的扫描频率。
2.根据权利要求1所述的限界检测***(10),其特征在于,所述姿态检测装置(500)包括:
倾角检测器(510),与所述存储器(200)连接,用于检测所述运动载体的姿态角度;
角速度检测器(520),与所述存储器(200)连接,用于检测所述运动载体的角速度;
加速度检测器(530),与所述存储器(200)连接,用于检测所述运动载体的加速度。
3.根据权利要求1所述的限界检测***(10),其特征在于,所述侵限拍照装置(700)与所述存储器(200)连接,用于对所述侵限物拍照。
4.根据权利要求1所述的限界检测***(10),其特征在于,还包括报警装置(800),与所述处理器(100)连接,用于侵限报警。
5.一种使用权利要求1所述的限界检测***进行限界检测的方法,其特征在于,包括:
S10,通过所述激光雷达检测装置(300)检测线路断面信息,并存储于所述存储器(200);
S20,通过所述速度检测装置(400)检测所述运动载体的运行速度,并存储于所述存储器(200);
S30,通过姿态检测装置(500)检测所述运动载体的姿态信息,并存储于所述存储器(200);
S40,所述处理器(100)根据所述存储器(200)存储的所述线路断面信息、所述运行速度和所述姿态信息确定限界;
S50,通过所述处理器(100)获取所述限界对应的标准限界的类型,并获取所述标准限界;
S60,通过所述处理器(100)对比所述限界与所述标准限界,确定是否存在侵限。
6.根据权利要求5所述的限界检测方法,其特征在于,S50包括:
S510,通过所述处理器(100)获取检测数据,所述检测数据包括激光雷达检测数据和姿态检测数据,所述激光雷达检测数据为表征所述线路断面信息的数据,所述姿态检测数据为表征所述姿态信息的数据;
S520,通过所述处理器(100)获取标准限界数据;
S530,通过所述处理器(100)将所述检测数据与所述标准限界数据进行匹配,识别出所述检测数据对应的标准限界类型。
7.根据权利要求6所述的限界检测方法,其特征在于,S530包括:
S531,通过所述处理器(100)将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是隧道限界还是高架限界,得到第一判断结果;
S532,通过所述处理器(100)将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是直线限界还是曲线限界;
S533,若所述激光雷达检测数据对应的限界是直线限界,则通过所述处理器(100)将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是车站限界还是区间限界,得到第二判断结果;
S534,若所述第二判断结果是区间限界,则,所述处理器(100)根据所述第一判断结果与所述第二判断结果,确定所述检测数据对应的限界类型。
8.根据权利要求7所述的限界检测方法,其特征在于,S532之后,所述方法还包括:
S535,若所述激光雷达检测数据对应的限界是曲线限界,则通过所述处理器(100)根据所述姿态检测数据,识别倾斜方向和曲率半径;
S536,通过所述处理器(100)将所述倾斜方向和所述曲率半径与所述标准限界数据进行匹配,结合所述第一判断结果,确定所述检测数据对应的限界类型。
9.根据权利要求8所述的限界检测方法,其特征在于,S533之后,所述方法还包括:
S537,若所述第二判断结果是车站限界,则,通过所述处理器(100)将所述激光雷达检测数据与所述标准限界数据进行匹配,判断所述激光雷达检测数据对应的限界是左站台、右站台还是双站台,得到第三判断结果;
S538,通过所述处理器(100)根据所述第一判断结果与所述第三判断结果,判断所述检测数据对应的限界类型。
10.根据权利要求5所述的限界检测方法,其特征在于,所述限界检测***(10)还包括补偿装置(600),S10之后,所述方法还包括:
S110,通过所述补偿装置(600)检测所述运动载体的振动偏移量,并存储于所述存储器(200);
S40之后,所述方法还包括:
S410,所述处理器(100)根据所述存储器(200)存储的所述振动偏移量对所述限界进行补偿校正。
11.根据权利要求5所述的限界检测方法,其特征在于,所述限界检测***(10)还包括侵限拍照装置(700),S60之后,所述方法还包括:
S610,若存在侵限,所述侵限拍照装置(700)对侵限物拍照,并存储于所述存储器(200)。
12.根据权利要求5所述的限界检测方法,其特征在于,所述限界检测***(10)还包括入报警装置(800),S60之后,所述方法还包括:
S620,若存在侵限,所述报警装置(800)报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810731063.2A CN109061669B (zh) | 2018-07-05 | 2018-07-05 | 限界检测***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810731063.2A CN109061669B (zh) | 2018-07-05 | 2018-07-05 | 限界检测***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109061669A CN109061669A (zh) | 2018-12-21 |
CN109061669B true CN109061669B (zh) | 2023-08-29 |
Family
ID=64819342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810731063.2A Active CN109061669B (zh) | 2018-07-05 | 2018-07-05 | 限界检测***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109061669B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112240752B (zh) * | 2019-07-17 | 2022-06-07 | 中车长春轨道客车股份有限公司 | 随车检验轨道车辆动态包络线的测试装置和测试方法 |
CN111186461B (zh) * | 2020-01-07 | 2021-05-07 | 华通科技有限公司 | 高铁站台限界测量*** |
CN111538353B (zh) * | 2020-05-12 | 2021-10-19 | 南京航空航天大学 | 一种隧道检测车稳定装置 |
CN113740355B (zh) * | 2020-05-29 | 2023-06-20 | 清华大学 | 一种射线检测机器人的边界防护方法及*** |
CN114179851B (zh) * | 2021-12-07 | 2024-02-13 | 南京理工大学 | 一种铁路设备限界检测装置及方法 |
CN114701543B (zh) * | 2022-04-27 | 2023-10-17 | 中铁第四勘察设计院集团有限公司 | 基于大数据的高精度设备限界检测预警***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082489A (zh) * | 2007-07-11 | 2007-12-05 | 武汉立得空间信息技术发展有限公司 | 铁路限界高速动态检测装置 |
CN102914290A (zh) * | 2012-10-18 | 2013-02-06 | 成都唐源电气有限责任公司 | 地铁限界检测***及其检测方法 |
US9086481B1 (en) * | 2013-01-18 | 2015-07-21 | Google Inc. | Methods and systems for estimating vehicle speed |
CN106767694A (zh) * | 2016-12-30 | 2017-05-31 | 西南交通大学 | 一种地铁数字化限界动态检测***及检测方法 |
CN108007346A (zh) * | 2017-12-07 | 2018-05-08 | 西南交通大学 | 一种可视化地铁限界检测*** |
CN108032868A (zh) * | 2017-11-30 | 2018-05-15 | 中国铁道科学研究院 | 一种列车轨道检测***及方法 |
-
2018
- 2018-07-05 CN CN201810731063.2A patent/CN109061669B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082489A (zh) * | 2007-07-11 | 2007-12-05 | 武汉立得空间信息技术发展有限公司 | 铁路限界高速动态检测装置 |
CN102914290A (zh) * | 2012-10-18 | 2013-02-06 | 成都唐源电气有限责任公司 | 地铁限界检测***及其检测方法 |
US9086481B1 (en) * | 2013-01-18 | 2015-07-21 | Google Inc. | Methods and systems for estimating vehicle speed |
CN106767694A (zh) * | 2016-12-30 | 2017-05-31 | 西南交通大学 | 一种地铁数字化限界动态检测***及检测方法 |
CN108032868A (zh) * | 2017-11-30 | 2018-05-15 | 中国铁道科学研究院 | 一种列车轨道检测***及方法 |
CN108007346A (zh) * | 2017-12-07 | 2018-05-08 | 西南交通大学 | 一种可视化地铁限界检测*** |
Also Published As
Publication number | Publication date |
---|---|
CN109061669A (zh) | 2018-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109061669B (zh) | 限界检测***及其方法 | |
CN107678036B (zh) | 一种车载非接触式接触网几何参数动态检测***及方法 | |
US9540018B2 (en) | Railway installation synchronization monitoring system | |
WO2017113805A1 (zh) | 列车车号和车型识别方法和***及安全检查方法和*** | |
JP3244870B2 (ja) | 鉄道車両用支障物検知装置 | |
CN105426922A (zh) | 列车车型识别方法和***及安全检查方法和*** | |
EP4079597A1 (en) | Method for in-situ and real-time collection and processing of geometric parameters of railway lines | |
CN108028017A (zh) | 用于在机动车的驾驶员辅助***中区分真实障碍物和虚假障碍物的方法 | |
KR101970747B1 (ko) | 크레인 코일 상하차 제어 시스템 | |
CN105654031A (zh) | 用于物体检测的***和方法 | |
CN113448333B (zh) | 基于传感器组合的底部巡检定位方法、装置及电子设备 | |
KR20210062672A (ko) | 차량의 주변 환경에 있는 물체와 관련된 정보를 결정하기 위한 방법 및 처리 유닛 | |
US20170228602A1 (en) | Method for detecting height | |
JP5142826B2 (ja) | 物体の位置情報算出方法 | |
CN116128834A (zh) | 基于三维激光扫描的轨道交通站台限界快速检测方法 | |
Niina et al. | Automatic rail extraction and celarance check with a point cloud captured by MLS in a Railway | |
EP4082867A1 (en) | Automatic camera inspection system | |
CN105835701A (zh) | 车辆行驶控制方法及装置 | |
CN111551122A (zh) | 一种基于激光雷达的火车车皮数量和长度测量***及方法 | |
JP7089063B2 (ja) | 位置検出装置及び方法 | |
CN117197779A (zh) | 一种基于双目视觉的轨道交通异物检测方法、装置及*** | |
JPH08180276A (ja) | 障害物検知方法及びその装置 | |
JP4305073B2 (ja) | パンタグラフ支障物検出方法及び装置 | |
CN112149695A (zh) | 限界检测方法、装置、设备及计算机可读存储介质 | |
EP3195261B1 (en) | Identification of a pantograph represented in an image |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |