CN110248858A - 用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 - Google Patents
用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 Download PDFInfo
- Publication number
- CN110248858A CN110248858A CN201780075716.XA CN201780075716A CN110248858A CN 110248858 A CN110248858 A CN 110248858A CN 201780075716 A CN201780075716 A CN 201780075716A CN 110248858 A CN110248858 A CN 110248858A
- Authority
- CN
- China
- Prior art keywords
- track
- image
- rail
- section
- glb
- 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.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 29
- 238000010191 image analysis Methods 0.000 title claims description 67
- 238000000034 method Methods 0.000 title claims description 23
- 230000014509 gene expression Effects 0.000 claims abstract description 4
- 238000004458 analytical method Methods 0.000 claims description 37
- 230000003137 locomotive effect Effects 0.000 claims description 24
- 230000001788 irregular Effects 0.000 claims description 9
- 241001465754 Metazoa Species 0.000 claims description 7
- 238000001931 thermography Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 101100160781 Arabidopsis thaliana YUC8 gene Proteins 0.000 claims description 5
- 101100325773 Magnaporthe oryzae (strain 70-15 / ATCC MYA-4617 / FGSC 8958) BAS2 gene Proteins 0.000 claims description 5
- 101100325774 Magnaporthe oryzae (strain 70-15 / ATCC MYA-4617 / FGSC 8958) BAS3 gene Proteins 0.000 claims description 5
- 101100083256 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) PHO2 gene Proteins 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 230000033228 biological regulation Effects 0.000 claims description 3
- 238000003909 pattern recognition Methods 0.000 claims description 3
- 230000002093 peripheral effect Effects 0.000 claims description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000006872 improvement Effects 0.000 description 5
- 229910052742 iron Inorganic materials 0.000 description 5
- 101100111953 Arabidopsis thaliana CYP734A1 gene Proteins 0.000 description 4
- 101150100308 BAS1 gene Proteins 0.000 description 4
- 101100165166 Barbarea vulgaris LUP5 gene Proteins 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000009434 installation Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 238000012913 prioritisation Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005339 levitation Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0072—On-board train data handling
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/042—Track changes detection
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/025—Absolute localisation, e.g. providing geodetic coordinates
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
- B61L25/026—Relative localisation, e.g. using odometer
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/04—Automatic systems, e.g. controlled by train; Change-over to manual control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/20—Trackside control of safe travel of vehicle or train, e.g. braking curve calculation
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
- B61L27/70—Details of trackside communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
为了改善在沿着行驶路段没有附加的基础设施的情况下对轨道车辆(BFZ)或铁路车辆(SFZ)的自动(自主)或辅助驾驶,提出:基于多个表示轨道/铁轨区域(FSB、GLB)的图像(BIFSB、BIGLB),在分别在图像中确定的图像区域(BIB)(在该图像区域内,关于以图像方式示出的轨道/铁轨区域(FSB、GLB)所检测到的轨道/铁轨(FS、GL)基本上位于同一位置),基于在该图像区域(BIB)内所检测到的轨道/铁轨的部分,借助于边缘识别算法,通过在所检测到的图像内该轨道/铁轨相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆所使用的轨道/铁轨(FS、GL)的走向,而且将该走向与所存储的已知的元信息(MI)进行对照,其中这些元信息不仅包含与轨道相关的或者是与铁轨相关的主要元数据而且包含与轨道路段相关的或者是与铁路路段相关的次要元数据。
Description
技术领域
本发明涉及一种按照专利权利要求1的前序部分所述的用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法,一种按照专利权利要求11的前序部分所述的用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的设备和一种按照专利权利要求26的前序部分所述的用于在轨道交通中的基于轨道的图像分析的轨道车辆、尤其是用于在铁路交通中的基于铁轨的图像分析的铁路车辆。
轨道车辆是作为现代交通基础设施的组成部分的有轨交通和运输工具,所述有轨交通和运输工具例如在一根或两根导轨(铁轨)上方或下方滚动地、在磁场上方或下方悬浮地或者挂在钢索上地前进。所提到的有轨交通和运输工具中,基于车轮-铁路***的铁路车辆最为广泛流行,所述铁路车辆或者由自己的行驶驱动装置(内燃机车)拉动或推动或者由机车来拉动或推动,而且其中钢制车轮主要以轮缘在两根钢轨或铁轨上被引导。
本发明所基于的任务在于:说明一种用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆,利用所述方法、设备和轨道车辆、尤其是铁路车辆,改善了在沿着行驶路段没有附加的基础设施的情况下对轨道车辆或铁路车辆的自动(自主)或辅助驾驶。
背景技术
执行在轨道交通中的基于轨道的图像分析、尤其是在铁路交通中的基于铁路的图像分析(这是本国际专利申请(申请号 PCT/...;公开号WO ...)和构成其优先权的德国专利申请(申请号102016224331.4)的主题)关于对在轨道交通中的轨道车辆或者是在铁路交通中的铁路车辆的将来的自动(自主)或者辅助驾驶方面是对于所提及的所力求达到的目的来说合理的改善方案。
这样,对于在沿着路段没有附加的基础设施的情况下对轨道/铁路车辆的自动或辅助驾驶来说需要自动地分析从车辆出发、尤其是从内燃机车驾驶员的视角出发的图像。这些图像可来自至少一个图像记录设备、但是优选地多个设备、例如视频摄像机、激光传感器、雷达装置、热成像摄像机或其它图像采集设备。
到目前为止,自动驾驶的问题已通过花费高地附加投资铁路基础设施、如感应圈、沿着路段的计算机和在火车与铁路组成部分之间的通信设施来实现。
但是,不仅是基于轨道/铁轨的图像分析的方面(所述基于轨道/铁轨的图像分析的方面对于将来的自动(自主)或辅助驾驶来说是重要的)而且是随后的技术方面(所述随后的技术方面在本专利申请的技术背景下或多或少都有而且因此被列举并且它们的内容应在该背景下予以考虑并且必要时甚至应被包括在内)。涉及如下方面:
1) 按照国际专利申请(申请号PCT/EP2016/057804;公开号WO 2017/174155 A1)以及在其中公开的技术教导,对在轨道/铁路交通中的信号的自动识别。
2) 按照德国国际申请(申请号102016224358.6)和该国际专利申请(申请号PCT/...;公开号WO ...)以及分别在其中公开的技术教导,对在轨道/铁路交通中的危险情况的自动识别。
3) 按照德国国际申请(申请号102016224344.6)和该国际专利申请(申请号PCT/...;公开号WO ...)以及分别在其中公开的技术教导,对在轨道/铁路交通中的障碍物的自动识别。
4) 按照德国国际申请(申请号102016224355.1)和该国际专利申请(申请号PCT/...;公开号WO ...)以及分别在其中公开的技术教导,如果传统的卫星辅助的定位失败或者不足,则替选地对在铁路交通中的位置进行确定。
5) 按照德国国际申请(申请号102016224335.7)和该国际专利申请(申请号PCT/...;公开号WO ...)以及分别在其中公开的技术教导,对在轨道/铁路交通中的轨道/铁轨的自动识别。
发明内容
上面提到的上下文相关的任务基于在专利权利要求1的前序部分中限定的图像分析方法通过在专利权利要求1的特征部分中说明的特征来解决。
此外,上面提到的上下文相关的任务基于在专利权利要求11的前序部分中限定的图像分析设备通过在专利权利要求11的特征部分中说明的特征来解决。
此外,上面提到的上下文相关的任务基于在专利权利要求26的前序部分中限定的轨道车辆、尤其是铁路车辆通过在专利权利要求26的特征部分中说明的特征来解决。
本发明按照独立权利要求1、11和26所基于的思想在于:基于多个表示轨道/铁轨区域的图像,在分别在图像中确定的图像区域(在该图像区域内,关于以图像方式示出的轨道/铁轨区域所检测到的轨道/铁轨基本上位于同一位置),基于在图像区域内所检测到的轨道/铁轨的部分,借助于边缘识别算法,通过在所检测到的图像内轨道/铁轨相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆所使用的轨道/铁轨的走向,而且将该走向与所存储的已知的图像元信息进行对照,其中这些图像元信息不仅包含与轨道相关的或者是与铁轨相关的一级元数据而且包含与轨道路段相关的或者是与铁路路段相关的二级元数据。
在此,根据词义,图像元信息包含在图像中检测到的轨道/铁轨区域的特征和特性数据。
在此,本发明的基本原理是:通过对图像的自动分析,识别驶过的轨道/驶过的铁轨的在相应的图像中可见的部分,以便优选地(在有利的扩展方案中)实现随后的目标:
I.识别在图像中在哪里能找到针对行驶运行的预备信号和主信号。
识别车道是向左、直行还是向右延伸。
识别是否有人位于轨道/铁轨上。
识别轨道车辆离一个对象多远。
识别是否有不容许的对象位于轨道/铁轨上。
在此,目标分别是:能够实现在没有对路段基础设施的附加投资的情况下对全自动驾驶的贡献。
到目前为止,在没有详细参考图像中的轨道/铁轨的情况下仅仅通过分析“在车辆前方的区域”来笼统地对图像进行自动分析,所述图像从车辆出发、尤其是从内燃机车驾驶员的视角出发和/或从在车辆中或车辆上的位置固定的观察轨道的位置来被检测。但是,该分析可以有利地至少部分地通过如下步骤来实现:
1.在第一步骤中,借助于至少一个图像记录设备(例如一个或多个图像采集设备,如视频摄像机、激光传感器、红外摄像机、热成像摄像机、雷达装置、其它图像采集设备等等),从轨道车辆出发、例如从内燃机车驾驶员的视角出发,检测或拍摄多个图像。
多次实施尤其对于冗余目的来说是重要的。
但是,在本发明的一个变型方案或改进方案、即扩展方案中,也可以使用同一类型的多个图像记录设备或图像采集设备的图像(例如两个视频摄像机),用于结果的相互确证和合成。
但是,在本发明的另一变型方案或改进方案、即扩展方案中,也可以使用不同类型的多个图像记录设备或图像采集设备的图像(例如一个视频摄像机和一个热成像摄像机),用于结果的相互确证和合成。
在本发明的另一变型方案或改进方案、即扩展方案中,可以使用非成像传感器,诸如雷达、超声或激光,用于对图像信息的确证。
在第二步骤中,观察在近下方的图像边缘的区域,因为在那里轨道/铁轨基本上位于同一位置,在此,优选地情况是:图像记录设备固定地安装在轨道车辆/铁路车辆中。通过在标准图像处理中使用的边缘识别算法,可以基于在下方的图像边缘处的轨道/铁轨的部分来识别驶过的轨道/驶过的铁轨的走向。
在一个优化方案中,可以考虑轨道/铁轨的最大转弯度,以便避免对铁轨的错误识别。
在另一优化方案中,驶过的轨道/驶过的铁轨也可以超越道岔地来识别,其中识别出铁轨的连续的导轨。
在第三步骤中,使用关于已知的轨道/铁轨的元数据,尤其是平行地敷设的铁路的距离以及铁路顶端的宽度。
在第三步骤中,使用关于已知的行驶路段的元数据,例如轨道交叉道口、道岔或者信号设施处在哪些地理位置上。
基于之前提到的数据和步骤,容许上面提到的五个目标I...V。
识别在图像中在哪里能找到针对行驶运行的预备信号和主信号
i.基于当前的地理位置[按照该德国专利申请(申请号...),对于轨道车辆/铁路车辆来说,与此相关的位置坐标基于GPS数据或者定位数据而已知],首先可以识别在图像中的其中能识别出信号的区域。
接着确定:在该区域内,驶过的铁轨在哪里穿过(来自步骤2的数据的结果)。
接着可以按如下地使用关于信号设施的距离的元数据。
1.在相关的图像部分内,基于轨道/铁轨宽度而直到信号设施在水平上和竖直上离铁轨多远。
2.还已知信号设施的外边缘。
3.现在,在距车辆的短距离内,借助于标准边缘识别算法来尝试在距轨道/铁轨的已知的距离内识别信号设施的外边缘,也就是说一直识别信号设施的外边缘,直至已经得到良好的重合,那么,所搜寻的信号设施就处在那里。
识别车道是向左还是直行还是向右延伸
i.驶过的轨道/驶过的铁轨从步骤2)中识别出。
所设想的轨道/所设想的铁轨“直行”可以轻易地人工地产生,因为已知的驶过的轨道/已知的驶过的铁轨在下方的图像边缘处仅须直线地调整。
接着,可以将驶过的轨道/驶过的铁轨与所设想的“直行轨道”/与所设想的“直行铁轨”进行比较。
如果驶过的轨道/驶过的铁轨和所设想的“直行轨道”/所设想的“直行铁轨”相同,则驶过的轨道/驶过的铁轨直行地引导。
如果驶过的轨道/驶过的铁轨在所设想的“直行轨道”/所设想的“直行铁轨”左侧,则涉及左转弯。根据驶过的铁轨距所设想的“直行轨道”/所设想的“直行铁轨”的距离以及距车辆的距离(能根据在下方的图像边缘处的轨道/铁轨的宽度和在分别相关的图像部分内的轨道/铁轨的宽度来计算),可以计算左转弯的程度。
对于驶过的轨道/驶过的铁轨在所设想的“直行轨道”/所设想的“直行铁轨”右侧的情况,参见前点。
除了识别车道是向左还是直行还是向右延伸之外,也还存在道岔在图像中并且这些道岔当然影响接下来的车道的情况。在该上下文中,参阅按照德国国际申请(申请号102016224335.7)和该国际专利申请(申请号PCT/...;公开号WO ...)以及分别在其中公开的技术教导对在轨道/铁路交通中的轨道/铁轨的自动识别的执行。
识别是否有人位于轨道/铁轨上
i.人类的常见身高(儿童(70cm)至大人(220cm))可以被设置得与轨道/铁轨宽度成比例。
接着,在图像中的驶过的轨道/驶过的铁轨以及在该轨道/铁轨的左侧和右侧的关键区域可以被分成多个分析部分,所述多个分析部分距车辆的距离升高。(该关键区域可以根据轨道/铁轨(市区与郊区)的周围环境而被限定得不一样宽)。接着,在相应的分析部分内,可以使用标准模式算法(Standard-Pattern-Algorithmus)来识别人员。
1.在另一优化方案中,多个连续的图像的分析部分可以被设置得相关,以便识别人员的移动并且跟踪这些人员的移动从而预先计算出可能的碰撞。
识别轨道车辆离一个对象多远
i.假定在轨道/铁轨上或者在该轨道/铁轨旁边的关键区域内识别出有对象。
接着,在对象的高度处的轨道/铁轨的像素宽度必须被设置得与在下方的图像边缘处的轨道/铁轨的像素宽度相关。根据比例和轨道/铁轨的已知的宽度,可以计算出距对象的距离。
识别是否有不容许的对象位于轨道/铁轨上
可以通过如下方式来识别位于轨道/铁轨上的对象:在步骤2中,针对轨道/铁轨的边缘识别算法失败。
在一个变型方案或改进方案、即扩展方案中,轨道/在铁轨之间的通过轨道载体/铁轨载体形成的规则的图案可以被用作用于识别不规则的基础。
如果识别出不规则(例如轨旁设备(Balise)或正在玩耍的儿童),则在第二步骤中可以通过与图像数据库的对照来实现对该不规则的容许与否。例如,在初始化过程中,通过一个路段的所有图像可以检测所有不规则并且然后提供所述所有不规则用于对照。
通过上文概述的对轨道/铁轨的识别,可以实现:
- 更容易地识别预备信号和主信号。
- 可以识别轨道/铁轨的左转弯或者右转弯。
- 使对在轨道/铁轨上的人员的识别变得容易。
- 可以计算轨道车辆距在轨道/铁轨上或者在该轨道/铁轨的左侧或旁边的关键区域内的对象/人员的距离。
- 对在关键图像区域内的对象/人员的跟踪(Tracking)简化了对可能的碰撞的计算。
- 在视野条件不利的情况下可以比由内燃机车驾驶员更可靠地识别出分析对象。
- 不再需要内燃机车驾驶员来识别所描述的分析对象,使得可以与这些内燃机车驾驶员的可支配性无关地进行行驶。
根据本发明的一个有利的改进方案,关于根据权利要求11所述的图像分析设备,还可以将如下附加组件a)至c)用于图像记录设备(例如图像采集设备):
a.根据权利要求21所述的修正组件,该修正组件将天气和亮度数据一并包括在内,用于分析图像资料。借此,例如在大雾中,将对视频图像的分析限制到轨道车辆或铁路车辆前面的头50米,并且相对应地降低车辆的速度。
根据权利要求22所述的变焦距组件,该变焦距组件根据周围环境(例如火车站、市区、郊区等等)和速度来选择正确的拍摄角度,以便这样最优地辅助对图像的分析。例如,接着不仅在空闲路段上的拍摄情况(需要从远距离的图像,以便可以基于速度及时地做出反应)而且在火车站区域内的拍摄情况(需要宽度大的图像)都可以适当地***作。
根据权利要求23所述的照明组件、例如在人类可见的区域之内或之外工作的头灯,通过该照明组件,改善了由图像记录设备或图像采集设备在夜间或者天气差时拍摄到的图像资料的质量。
还可能的是:图像分析设备被构造为就“轨道交通***的软件定义信号识别(Software Defined Signal Recognition of Rail Traffic Systems)”而言的虚拟机而且作为就“轨道交通***的软件定义信号识别(Software Defined Signal Recognitionof Rail Traffic Systems)”而言的虚拟机起作用。
附图说明
本发明的其它优点根据随后依据图1至3对本发明的实施例的描述而得到。这些附图中:
图1示出了用于识别在轨道路段上的路段设施和路段走向的基于轨道的图像分析;
图2示出了用于对处在轨道路段的轨道上的人员进行对象识别的基于轨道的图像分析;
图3示出了用于按照图1和2的基于轨道的图像分析的图像分析设备的原理结构。
具体实施方式
图1示出了基于轨道的图像分析,该基于轨道的图像分析用于当在轨道网BNE的部分示出的轨道路段BST上轨道车辆BFZ在该轨道网BST的轨道FS上接近信号设施SI、AL时,识别路段设施SLA、诸如轨道交叉道口BÜG、道岔或者发出或引导信号SI的设施AL。在所述用于识别路段设施SAL或发出或者引导信号SI的设施AL的基于轨道的图像分析中,虽然在图1中没有明确地说出,但是也能识别出路段走向、也就是说轨道FS的走向,这涉及轨道FS的方向,如直行、向左、向右。
按照当前的实施例,轨道网BNE的与轨道相关的轨道路段BST是铁路网SNE的铁路路段SST,在该铁路网上,在铁路交通SVK中,为了进行基于铁轨的图像分析来识别路段设施SAL,有铁路车辆SFZ处在铁轨GL上而且正在接近铁轨GL上的路段设施SAL。这里,也重新基于开头引出的讨论,就所示出的具有在铁路网SNE的铁路路段SST上行驶的铁路车辆SFZ的铁路交通SVK而言,也能设想并且想象任何其它x任意的基于短路段或长路段的轨道交通***,作为本发明的其它实施例。这样,例如同样会考虑磁悬浮轨道交通***(关键词(Stw.):Transrapid、Maglev等等),该磁悬浮轨道交通***具有相对应的类似的基础设施,该基础设施由轨道网、轨道路段和轨道车辆组成。
在图1中示出的铁路交通***中,在铁路车辆SFZ的具有内燃机车驾驶舱TFS(车辆驾驶员FZF的工作位置处在该内燃机车驾驶舱内)和集成的显示装置AZE的内燃机车TRW中,为了进行基于铁轨的图像分析来识别路段设施SAL,安装图像分析设备BAV。为此,图像分析设备BAV包含优选地构造为传感器的图像记录设备BAZG,该图像记录设备例如构造为普通的视频摄像机、激光传感器、热成像摄像机、雷达装置、红外摄像机等等而且由于采集图像而也被称作图像采集设备。
当在铁轨GL上行驶的铁路车辆SFZ接近信号设施SI、AL时,利用图像记录设备BAZG,从铁路车辆SFZ出发、例如从在内燃机车TRW的内燃机车驾驶舱TFS中的内燃机车驾驶员FZF的视角出发和/或从在车辆SFZ中或在车辆SFZ上的位置固定的、观察轨道的位置出发,从在铁路车辆SFZ前面的、在此优选地遵循铁路车辆SFZ的速度的铁轨区域GLB,能检测多个表示该铁轨区域GLB的图像BIGLB。
更一般性地表述:关于在轨道FS上行驶的轨道车辆BFZ,从在轨道车辆BFZ前面的、在此优选地遵循轨道车辆BFZ的速度的轨道区域FSB,能检测多个表示轨道区域FSB的图像BIFSB。
在轨道区域FSB、GLB的图像BIFSB、BIGLB中分别包含图像区域BIB,在该图像区域BIB内,关于以图像方式示出的轨道区域FSB、GLB所检测到的轨道FS、GL基本上位于同一位置,而且基于所检测到的轨道FS、GL的这些部分,借助于边缘识别算法,通过在所检测到的图像内轨道FS、GL相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆BFZ、SFZ所使用的轨道FS、GL的走向。
此外,对于轨道车辆BFZ、SFZ的当前确定的地理位置来说,在图像BIFSB、BIGLB中包含图像分区BTB,在该图像分区BTB内,能将设施AL的信号SI识别为路段设施SAL的显著的设施特征。该图像分区BTB又具有第一图像部分BAS1和第二图像部分BAS2,轨道车辆BFZ、SFZ所使用的轨道FS、GL穿过该第一图像部分,其中该第二图像部分对于路段走向识别、也就是说对轨道FS、GL的直行方向、向左转或向右转的相应的识别来说是重要的。
如现在基于轨道区域FSB、GLB的图像 BIFSB、BIGLB以包含在其中的图像区域BIB和具有所述两个图像部分BAS1、BAS2的图像分区BTB来执行图像分析从而进行路段设施识别或识别信号设施SI、AL并且从而进行路段走向识别的那样,随后以对图3的描述来进行阐述。
图2示出了基于轨道的图像分析,该基于轨道的图像分析用于当在轨道网BNE的又部分地示出的轨道路段BST上有至少一个对象OBJ、优选地人员、动物、可移动的或者位置固定的对象处在轨道路段BST的轨道FS上(所述对象在轨道的区域内是陌生的并且原本搜寻不到、即更不容许处在那里)时,在轨道交通BVK中进行对象识别。
这里,轨道网BNE的与轨道相关的轨道路段BST也又是铁路网SNE的铁路路段SST,在该铁路网上,在铁路交通SVK中,为了进行基于铁轨的图像分析来进行对象识别,有铁路车辆SFZ处在铁轨GL上而且正在接近对象OGJ。这里,也重新基于开头引出的讨论,就所示出的具有在铁路网SNE的铁路路段SST上行驶的铁路车辆SFZ的铁路交通SVK而言,能设想并且想象任何其它x任意的基于短路段或长路段的轨道交通***,作为本发明的其它实施例。这样,例如同样会考虑磁悬浮轨道交通***(关键词(Stw.):Transrapid、Maglev等等),该磁悬浮轨道交通***具有相对应的类似的基础设施,该基础设施由轨道网、轨道路段和轨道车辆组成。
这里,在图2中示出的铁路交通***中,又在铁路车辆SFZ的具有内燃机车驾驶舱TFS(车辆驾驶员FZF的工作位置处在该内燃机车驾驶舱内)和集成的显示装置AZE的内燃机车TRW中,为了进行基于铁轨的图像分析来进行对象识别,也安装图像分析设备BAV。为此,图像分析设备BAV又包含优选地构造为传感器的图像记录设备BAZG,该图像记录设备例如构造为普通的视频摄像机、激光传感器、热成像摄像机、雷达装置、红外摄像机等等。
当在铁轨GL上行驶的铁路车辆SFZ接近对象OBJ时,利用图像记录设备BAZG,从铁路车辆SFZ出发、例如从在内燃机车TRW的内燃机车驾驶舱TFS中的内燃机车驾驶员FZF的视角出发和/或从在车辆SFZ中或在车辆SFZ上的位置固定的、观察轨道的位置出发,从在铁路车辆SFZ前面的、在此优选地遵循铁路车辆SFZ的速度的铁轨区域GLB,能检测多个表示该铁轨区域GLB的图像BIGLB。
更一般性地表述:关于在轨道FS上行驶的轨道车辆BFZ,又从在轨道车辆BFZ前面的、在此优选地遵循轨道车辆BFZ的速度的轨道区域FSB,能检测多个表示轨道区域FSB的图像BIFSB。
在轨道区域FSB、GLB的图像BIFSB、BIGLB中又分别包含图像区域BIB,在该图像区域BIB内,关于以图像方式示出的轨道区域FSB、GLB所检测到的轨道FS、GL基本上位于同一位置,而且基于所检测到的轨道FS、GL的这些部分,借助于边缘识别算法,通过在所检测到的图像内轨道FS、GL相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆BFZ、SFZ所使用的轨道FS、GL的走向。
此外,在图像BIFSB、BIGLB中包含第三图像部分BAS3,对象OBJ处在该第三图像部分中。
如现在基于轨道区域FSB、GLB的图像 BIFSB、BIGLB以包含在其中的图像区域BIB和图像部分BAS3来执行图像分析从而进行对象识别的那样,随后以对图3的描述来进行阐述。
图3示出了图像分析设备BAV的原理结构,该图像分析设备用于当在轨道FS、GL上的轨道车辆BFZ、SFZ按照图1正在接近轨道路段BST、SST上的路段设施SAL或发出或者引导信号的设施AL时或按照图2正在接近处在轨道FS、GL上的对象OBJ时,进行基于轨道的图像分析,从而进行按照图1的路段设施和路段走向识别而且从而进行按照图2的对象识别。
在此,按照关于图1和2的实施方案,图像记录设备BAZG构成相应的识别的起点,该图像记录设备检测轨道区域FSB、GLB的图像BIFSB、BIGLB,用于这些图像的相应的识别。
为此,图像记录设备BAZG优选地可枢转地来构造,用于对准图像对象。
还可能而且也许从检测技术角度也合理的是:同一结构类型的图像记录设备BAZG、例如多个视频摄像机,或者不同结构类型的设备、例如多个视频摄像机、激光传感器、基于雷达的传感器、基于无线电定位和测距的传感器、红外摄像机和/或热成像摄像机包含在图像分析设备BAV中,这些图像记录设备拍摄图像BIFSB、BIGLB。这种对图像记录或图像采集的多次实施也许可能对于冗余目的来说是重要的。
为了继续改善利用图像记录设备BAZG来记录或采集的图像的质量,在图像记录设备BAZG中优选地包含如下组件:
1.修正组件KOK,利用该修正组件将天气和亮度数据包括在内,用于分析图像资料。利用该组件,例如可能的是:在大雾中,将对视频图像的分析限制到在铁路车辆前面的头50米而且相对应地降低铁路车辆的速度。
变焦距组件BVK,该变焦距组件根据周围环境(例如火车站、市区、郊区等等)和速度来选择正确的拍摄角度,以便这样最优地辅助对图像的分析。由此,接着不仅在空闲路段上的拍摄情况(需要从远距离的图像,以便可以基于速度及时地做出反应)而且在火车站区域内的拍摄情况(需要宽度大的图像)都可以适当地***作。附加地,通过图像数据和路段数据的合并可以聚焦沿着铁路网SNE中的铁路路段SST的特别令人感兴趣的区域,诸如轨道交叉道口。
照明组件BLK,该照明组件例如构造为在人类可见的区域之内或之外工作的头灯,通过该照明组件,改善了由图像记录设备或图像采集设备BAZG在夜间或者天气差时拍摄到的图像资料的质量。
这样拍摄的图像由图像记录设备BAZG存储到图像存储装置BSPE中。该图像存储装置BSPE或者按照选项“A”作为图像分析设备BAV的组件与图像记录设备BAZG相对应地连接或者按照选项“B”在图像分析设备BAV之外、例如作为在内燃机车中或在数据云中的存储数据库被分配给图像记录设备BAZG或能与该图像记录设备连接。
为了对所记录或所采集的图像进行基于轨道的图像分析从而进行按照图1的路段设施和路段走向识别并且从而进行按照图2的对象识别,图像记录设备BAZG与计算/分析装置BAWE连接,该计算/分析装置同样是图像分析设备BAV的组件。为了该目的,计算/分析装置BAWE、如图像记录设备BAZG或者按照选项“A”与图像存储装置BSPE连接或者按照选项“B”被分配给图像存储装置BSPE或能与该图像存储装置连接。以这种方式,形成由计算/分析装置BAWE、图像记录设备BAZG和图像存储装置BSPE构成的功能子单元,其中图像分析设备BAV的所提到的组件在部分功能上进行合作,用于进行计算/分析辅助的并且基于轨道的图像分析,从而进行路段设施识别/路段走向识别/对象识别。
为了形成完整的功能单元(其中参与该完整的功能单元的子单元在功能上进行合作),通过另一子单元、即信息数据库IDB来对所提到的功能子单元进行扩展。在此,信息数据库IDB例如可以以图像存储装置BSPE作为结构单元集成在共同的存储设备中。所述在图3中未明确示出的存储设备就其而言又可以如图像存储装置BSPE那样或者按照选项“A”作为图像分析设备BAV的组件与图像记录设备BAZG和计算/分析装置BAWE相对应地连接或者按照选项“B”在图像分析设备BAV之外在内燃机车中或在数据云中被分配给图像记录设备BAZG和计算/分析装置BAWE或能与该图像记录设备BAZG连接。在该上下文中,参阅在德国专利申请(申请号102016224355.1)和与之相对应的国际专利申请(申请号PCT/...;公开号WO...)中的信息存储装置,用于当传统的卫星辅助的定位失败或者不足时,替选地对在铁路交通中的位置进行确定。
在信息数据库IDB中存储有图像元信息BMI,根据词义,该图像元信息根据包含在图像BIFSB、BIGLB中检测到的轨道区域FSB、GLB的特征和特性数据。
在这些图像元信息BMI中,不仅包含关于轨道FS、GL的一级元数据而且包含关于轨道路段BST、SST的二级元数据,所述一级元数据优选地说明了平行地延伸的轨道FS、GL的距离以及轨道顶端、尤其是铁路顶端的宽度,所述二级元数据优选地说明:在轨道路段BST、SST上的设施、即所谓的路段设施SAL、诸如在图1和2中的轨道交叉道口BÜG、道岔或者发出或引导信号SI的设施AL处在哪些地理位置或位置坐标。
按照在图3中的图示,信息数据库IDB以如下方式被分配给图像分析设备BAV或能与该图像分析设备BAV连接:用于进行计算/分析辅助的并且基于轨道的图像分析从而进行路段设施识别/路段走向识别/对象识别的计算/分析装置BAWE访问被存储在信息数据库IDB中的图像元信息BMI。为此,信息数据库IDB优选地构造在图像分析设备BAV之外,例如作为数据库构造在内燃机车中或者构造为数据云。
为了进行计算/分析辅助的并且基于轨道的图像分析从而进行路段设施识别/路段走向识别/对象识别,计算/分析装置BAWE优选地具有:非易失性可读存储器SP,在该非易失性可读存储器中存储有对用于路段设施识别/路段走向识别/对象识别的图像分析进行控制的程序模块PGM的处理器可读的控制程序指令;和处理器PZ,该处理器实施程序模块PGM的控制程序指令,用于计算/分析辅助的并且基于轨道的图像分析从而进行路段设施识别/路段走向识别/对象识别。为此,为了控制目的并且为了读取数据,除了访问在信息数据库IDB中的图像元信息BMI之外,处理器PZ附加地访问图像记录设备BAZG和图像存储装置BSPE。
具有实施程序模块PGM的控制程序指令用于计算/分析辅助的并且基于轨道的图像分析从而进行路段设施识别/路段走向识别/对象识别的处理器PZ的计算/分析装置BAWE或程序模块PGM为了计算/分析辅助的并且基于轨道的图像分析从而进行路段设施识别/路段走向识别/对象识别而首先在所形成的功能子单元的范围内构造为使得在图像BIFSB、BIGLB中分别确定图像区域BIB,在该图像区域BIB内,关于以图像方式示出的轨道区域FSB、GLB,所检测到的轨道FS、GL基本上位于同一位置。
首先,具有实施程序模块PGM的控制程序指令的处理器PZ的计算/分析装置BAWE或程序模块PGM在所形成的功能单元的范围内构造为使得:基于在图像区域BIB内所检测到的轨道FS、GL的部分,借助于边缘识别算法,通过在所检测到的图像内轨道FS、GL相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆BFZ、SFZ所使用的轨道FS、GL的走向并且将该走向与存储在信息数据库IDB中的已知的图像元信息BMI进行对照。
为了对路段设施SAL或发出或者引导信号SI的设施AL进行路段设施识别,有利地在计算/分析装置BAWE中进行基于轨道的图像分析,使得在图像BIFSB、BIGLB中识别在哪里能找到信号设施SI、AL或路段设施SAL,其方式是
1) 针对轨道车辆BFZ、SFZ的当前确定的地理位置,在图像BIFSB、BIGLB中确定图像分区BTB,在该图像分区中,能识别出路段设施SAL的显著的设施特征或设施AL的信号SI,
2) 在图像分区BTB中确定第一图像部分BAS1,轨道车辆BFZ、SFZ所使用的轨道FS、GL穿过该第一图像部分,
3) 借助于在所存储的图像元信息BMI中的二级元数据的已知的关于路段设施SAL或信号设施SI、AL的距离的第一元数据来确定:基于在图像部分BAS1中的轨道FS、GL的宽度,路段设施SAL或信号设施SI、AL与轨道FS、GS间隔多远,
4) 借助于在所存储的图像元信息BMI中的二级元数据的已知的关于路段设施SAL或信号设施SI、AL的外边缘的第二元数据来尝试:在3)的情况下所确定的距轨道FS、GL的距离内一直识别路段设施SAL或信号设施SI、AL的外边缘,直至已知的外边缘和所识别出的外边缘基本上重合。
为了进行车道是向左还是向右还是直行地延伸、即根据所识别出的走向来判断的轨道FS、GL朝哪个方向引导的路段走向识别,计算/分析装置BAWE在基于轨道的图像分析的情况下还有利地被构造为使得在图像BIFSB、BIGLB中识别轨道车辆BFZ、SFZ朝哪个方向行驶,尤其是向左、向右还是直行行驶,其方式是针对根据所识别出的走向来判断的轨道FS、GL,
1) 通过对按照图像区域BIB由轨道车辆BFZ、SFZ所使用的轨道FS、GL的线性调整,人工地产生伪直行轨道、尤其是伪直行铁轨,
2) 将该伪直行轨道与所使用的轨道FS、GL以如下方式进行比较:
2.1) 如果经比较的轨道FS、GL相同,则识别出直行方向,
2.2) 如果所使用的轨道FS、GL在伪直行轨道左侧,则识别出向左转、例如左转弯,
2.3) 如果所使用的轨道FS、GL在伪直行轨道右侧,则识别出向右转、例如右转弯。
在此,尤其可能的是并且计算/分析装置BAWE相对应地构造为使得:根据所使用的轨道FS、GL距伪直行轨道以及距轨道车辆BFZ、SFZ的距离,计算向左转/左转弯或者是向右转/右转弯的转弯度,该距离根据在图像区域BIB内的轨道FS、GL的宽度和分别在对于相应地识别直行方向、向左转或向右转来说重要的第二图像部分BAS2内的轨道FS、GL的宽度来计算。
为了进行对象识别,计算/分析装置BAWE在基于轨道的图像分析中还有利地构造为使得:在图像BIFSB、BIGLB中识别是否有至少一个对象OBJ处在所使用的轨道FS、GL上,该对象例如可能是人员、动物、可移动的或者位置固定的对象,其方式是
1) 人员的与人员相关的身高和/或可移动的对象的与对象相关的大小被设置得与轨道FS、GL的已知的宽度成比例,该宽度从在所存储的图像元信息BMI中的一级元数据的已知的关于轨道FS、GL的宽度的第三元数据中获得,
2) 在图像BIFSB、BIGLB中,将所使用的轨道FS、GL以及在所使用的轨道FS、GL左侧和右侧的关键区域分成多个分析部分,所述多个分析部分距轨道车辆BFZ、SFZ的距离升高,所述关键区域例如根据轨道FS、GL的周围环境、如郊区或者城市来不一样宽地定尺寸,
3) 针对每个分析部分,使用周围环境特定的图案识别算法来识别对象OBJ。
在此,尤其可能的是并且计算/分析装置BAWE相对应地构造为使得:在有对象OBJ、例如人员、动物、其它迎面而来的或者在前面行驶的轨道车辆等等正在移动的情况下,将多个连续的图像BIFSB、BIGLB的分析部分设置得彼此相关,以便识别和跟踪该移动用来预先计算与对象OBJ的可能的碰撞。
此外,优选地可能的是并且计算/分析装置BAWE相对应地构造为使得:在图像BIFSB、BIGLB中识别轨道车辆BFZ、SFZ与已在所使用的轨道FS、GL上被识别出的对象OBJ间隔多远,其方式是将在图像区域BIB内的轨道FS、GL的像素宽度与在对象OBJ所处的第三图像部分BAS3内的轨道FS、GL的像素宽度设置得彼此相关,其中根据该比例和轨道FS、GL的从已知的第三元数据中获得的宽度来计算所提及的距离。
利用如上文所描述的那样的图像分析设备BAV,可以协助或甚至实现在沿着行驶路段没有附加的基础设施的情况下对轨道车辆BFZ或铁路车辆SFZ的自动(自主)或辅助驾驶。尤其是当该图像分析设备BAV被实现为虚拟机,该虚拟机就“轨道交通***的软件定义信号识别(Software Defined Signal Recognition of Rail Traffic Systems)”而言来构造并且起作用时,这一点才存在。
Claims (26)
1.一种用于在轨道交通(BVK)中的基于轨道的图像分析、尤其是用于在铁路交通(SVK)中的基于铁轨的图像分析的方法,
其特征在于,
a) 从轨道车辆(BFZ)、尤其是铁路车辆(SFZ)出发、尤其是从内燃机车驾驶员(FZF、TFS、TRW)的视角出发和/或从在车辆(BFZ、SFZ)中或在车辆(BFZ、SFZ)上的位置固定的、观察轨道的位置出发,检测多个表示轨道区域(FSB)、尤其是铁轨区域(GLB)的图像(BIFSB、BIGLB),
b) 在所述图像(BIFSB、BIGLB)中分别确定如下图像区域(BIB),在所述图像区域内,关于以图像方式示出的轨道区域(FSB、GLB)所检测到的轨道(FS)、尤其是铁轨(GL)基本上位于同一位置,
c) 基于在所述图像区域(BIB)内所检测到的轨道(FS、GL)的部分,借助于边缘识别算法,通过在所检测到的图像内所述轨道(FS、GL)相对于所检测到的整个图像的不断变化的图像部分来识别所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的走向,而且将所述走向与所存储的已知的图像元信息(BMI)进行对照,所述图像元信息包含与所述轨道(FS、GL)相关的一级元数据、尤其是平行地延伸的轨道(FS、GL)的距离以及轨道顶端、尤其是铁路顶端的宽度;而且/或者包含与轨道路段(BST)、尤其是与铁路路段(SST)相关的二级元数据,尤其是在轨道路段(BST、SST)上的设施、即所谓的路段设施(SAL)、如轨道交叉道口、道岔或发出或者引导信号的设施处在哪些地理位置或位置坐标。
2.根据权利要求1所述的方法,其特征在于,
在所述图像(BIFSB、BIGLB)中识别在哪里能找到所述路段设施(SAL),其方式是
a) 针对所述轨道车辆(BFZ、SFZ)的当前确定的地理位置,在所述图像(BIFSB、BIGLB)中确定图像分区(BTB),在所述图像分区中,能识别出显著的设施特征、尤其是信号设施的信号(SI),
b) 在所述图像分区(BTB)中确定第一图像部分(BAS1),所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)穿过所述第一图像部分,
c) 借助于在所存储的图像元信息(BMI)中的二级元数据的已知的关于所述路段设施(SAL)的距离的第一元数据来确定:基于在所述图像部分(BAS1)中的轨道(FS、GL)的宽度,所述路段设施(SAL)与所述轨道(FS、GL)间隔多远,
d) 借助于在所存储的图像元信息(BMI)中的二级元数据的已知的关于所述路段设施(SAL)的外边缘的第二元数据来尝试:在c)中所确定的距所述轨道(FS、GL)的距离内一直识别所述路段设施(SAL)的外边缘,直至已知的外边缘和所识别出的外边缘基本上重合。
3.根据权利要求1或2所述的方法,其特征在于,
在所述图像(BIFSB、BIGLB)中识别所述轨道车辆(BFZ、SFZ)朝哪个方向、尤其是向左、向右还是直行地行驶,其方式是针对根据所识别出的走向来判断的轨道(FS、GL),
a) 通过对按照所述图像区域(BIB)由所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的线性调整,人工地产生伪直行轨道、尤其是伪直行铁轨,
b) 将所述伪直行轨道与所使用的轨道(FS、GL)以如下方式进行比较:
b1) 如果经比较的轨道(FS、GL)相同,则识别出直行方向,
b2) 如果所使用的轨道(FS、GL)在所述伪直行轨道左侧,则识别出向左转、尤其是左转弯,
b3) 如果所使用的轨道(FS、GL)在所述伪直行轨道右侧,则识别出向右转、尤其是右转弯。
4.根据权利要求3所述的方法,其特征在于,
根据所使用的轨道(FS、GL)距所述伪直行轨道以及距所述轨道车辆(BFZ、SFZ)的距离,计算向左转/左转弯或者是向右转/右转弯的转弯度,所述距离根据在所述图像区域(BIB)内的轨道(FS、GL)的宽度和分别在对于相应地识别直行方向、向左转或向右转来说重要的第二图像部分(BAS2)内的轨道(FS、GL)的宽度来计算。
5.根据权利要求1至4之一所述的方法,其特征在于,
在所述图像(BIFSB、BIGLB)中识别是否有至少一个对象(OBJ)、优选地人员、动物、可移动的或者位置固定的对象处在所使用的轨道(FS、GL)上,其方式是
a) 人员的与人员相关的身高和/或可移动的对象的与对象相关的大小被设置得与所述轨道(FS、GL)的已知的宽度成比例,所述宽度从在所存储的图像元信息(BMI)中的一级元数据的已知的关于所述轨道(FS、GL)的宽度的第三元数据中获得,
b) 在所述图像(BIFSB、BIGLB)中,将所使用的轨道(FS、GL)以及在所使用的轨道(FS、GL)左侧和右侧的关键区域分成多个分析部分,所述多个分析部分距所述轨道车辆(BFZ、SFZ)的距离升高,所述关键区域优选地根据所述轨道(FS、GL)的周围环境、例如郊区或者城市来不一样宽地定尺寸,
c) 针对每个分析部分,使用周围环境特定的图案识别算法来识别所述对象(OBJ)。
6.根据权利要求5所述的方法,其特征在于,
在有正在移动的对象(OBJ)、例如正在移动的人员、正在移动的动物、其它迎面而来的或者在前面行驶的轨道车辆等等的情况下,将多个连续的图像(BIFSB、BIGLB)的分析部分设置得彼此相关,以便识别和跟踪所述移动用来预先计算与所述对象(OBJ)的可能的碰撞。
7.根据权利要求5或6所述的方法,其特征在于,
在所述图像(BIFSB、BIGLB)中识别所述轨道车辆(BFZ、SFZ)与已在所使用的轨道(FS、GL)上被识别出的对象(OBJ)间隔多远,其方式是将在所述图像区域(BIB)内的轨道(FS、GL)的像素宽度与在所述对象(OBJ)所处的第三图像部分(BAS3)内的轨道(FS、GL)的像素宽度设置得彼此相关,其中根据所述比例和所述轨道(FS、GL)的从已知的第三元数据中获得的宽度来计算所提及的距离。
8.根据权利要求1至7之一所述的方法,其特征在于,
在所述图像(BIFSB、BIGLB)中识别是否有至少一个陌生的对象(OBJ)处在所述轨道路段(BST、SST)的所使用的轨道(FS、GL)上,其方式是
a) 借助于所述边缘识别算法对所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的走向的识别失败或者
b) 依据通过轨道(FS)的轨道载体或者是在平行地延伸的铁轨(GL)之间的铁轨载体所形成的规则的图案以如下方式来执行不规则识别:在识别出不规则时,优选地如果有对象(OBJ)、例如轨旁设备或正在玩耍的儿童处在所使用的轨道(FS、GL)上,则将所述不规则与被用作参考信息并且之前在行驶路段初始化过程中拍摄的路段图像进行对照。
9.根据权利要求1至8之一所述的方法,其特征在于,
所述图像(BIFSB、BIGLB)利用同一结构类型的多个图像记录设备(BAZG)、例如利用视频摄像机来拍摄,或者利用不同结构类型的多个图像记录设备(BAZG)、例如利用视频摄像机、激光传感器、基于雷达的传感器、基于无线电定位和测距的传感器、红外摄像机和/或热成像摄像机来拍摄。
10.根据权利要求1至9之一所述的方法,其特征在于,
利用所述方法来协助在沿着行驶路段没有附加的基础设施的情况下对所述轨道车辆(BFZ、SFZ)的自动(自主)或辅助驾驶。
11.一种用于在轨道交通(BVK)中的基于轨道的图像分析、尤其是用于在铁路交通(SVK)中的基于铁轨的图像分析的设备(BAV),
其特征在于
a) 至少一个图像记录设备(BAZG),利用所述图像记录设备,从轨道车辆(BFZ)、尤其是铁路车辆(SFZ)出发、尤其是从内燃机车驾驶员(FZF、TFS、TRW)的视角出发和/或从在车辆(BFZ、SFZ)中或在车辆(BFZ、SFZ)上的位置固定的、观察轨道的位置出发,能检测多个表示轨道区域(FSB)、尤其是铁轨区域(GLB)的图像(BIFSB、BIGLB),而且能将所述图像存储在图像存储装置(BSPE)中,
b) 计算/分析装置(BAWE),所述计算/分析装置与所述图像记录设备(BAZG)和所述图像存储装置(BSPE)连接并且在功能上进行合作地来构造,尤其是构造得具有非易失性可读存储器(SP)和处理器(PZ),使得在图像(BIFSB、BIGLB)中分别确定如下图像区域(BIB),在所述图像区域内,关于以图像方式示出的轨道区域(FSB、GLB)所检测到的轨道(FS、GL)基本上位于同一位置,在所述非易失性可读存储器(SP)中存储有对基于轨道的图像分析进行控制的程序模块(PGM)的处理器可读的控制程序指令,所述处理器(PZ)实施所述程序模块(PGM)的控制程序指令,用于计算/分析辅助的并且基于轨道的图像分析,
c) 所述计算/分析装置(BAWE),所述计算/分析装置与信息数据库(IDB)连接并且在功能上进行合作地来构造,使得基于在所述图像区域(BIB)内所检测到的轨道(FS、GL)的部分,借助于边缘识别算法,通过在所检测到的图像内所述轨道(FS、GL)相对于所检测到的整个图像的不断变化的图像部分来识别轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的走向并且将所述走向与存储在所述信息数据库(IDB)中的已知的图像元信息(BMI)进行对照,其中优选地两者、即所述图像存储装置(BSPE)和所述信息数据库(IDB)作为结构单元集成在共同的存储设备中,所述图像元信息不仅包含与所述轨道(FS、GL)相关的一级元数据、尤其是平行地延伸的轨道(FS、GL)的距离以及轨道顶端、尤其是铁路顶端的宽度,而且包含与轨道路段(BST)、尤其是与铁路路段(SST)相关的二级元数据,尤其是在轨道路段(BST、SST)上的设施、即所谓的路段设施(SAL)、如轨道交叉道口、道岔或发出或者引导信号的设施处在哪些地理位置或位置坐标。
12.根据权利要求11所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)被构造为使得在所述图像(BIFSB、BIGLB)中识别在哪里能找到所述路段设施(SAL),其方式是
a) 针对所述轨道车辆(BFZ、SFZ)的当前确定的地理位置,在所述图像(BIFSB、BIGLB)中确定图像分区(BTB),在所述图像分区中,能识别出显著的设施特征、尤其是信号设施的信号(SI),
b) 在所述图像分区(BTB)中确定第一图像部分(BAS1),所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)穿过所述第一图像部分,
c) 借助于在所存储的图像元信息(BMI)中的二级元数据的已知的关于所述路段设施(SAL)的距离的第一元数据来确定:基于在所述图像部分(BAS1)中的轨道(FS、GL)的宽度,所述路段设施(SAL)与所述轨道(FS、GS)间隔多远,
d) 借助于在所存储的图像元信息(BMI)中的二级元数据的已知的关于所述路段设施(SAL)的外边缘的第二元数据来尝试:在c)中所确定的距所述轨道(FS、GL)的距离内一直识别所述路段设施(SAL)的外边缘,直至已知的外边缘和所识别出的外边缘基本上重合。
13.根据权利要求11或12所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:在所述图像(BIFSB、BIGLB)中识别所述轨道车辆(BFZ、SFZ)朝哪个方向、尤其是向左、向右还是直行地行驶,其方式是针对根据所识别出的走向来判断的轨道(FS、GL),
a) 通过对按照所述图像区域(BIB)由所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的线性调整,人工地产生伪直行轨道、尤其是伪直行铁轨,
b) 将所述伪直行轨道与所使用的轨道(FS、GL)以如下方式进行比较:
b1) 如果经比较的轨道(FS、GL)相同,则识别出直行方向,
b2) 如果所使用的轨道(FS、GL)在所述伪直行轨道左侧,则识别出向左转、尤其是左转弯,
b3) 如果所使用的轨道(FS、GL)在所述伪直行轨道右侧,则识别出向右转、尤其是右转弯。
14.根据权利要求13所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:根据所使用的轨道(FS、GL)距所述伪直行轨道以及距所述轨道车辆(BFZ、SFZ)的距离,计算向左转/左转弯或者是向右转/右转弯的转弯度,所述距离根据在所述图像区域(BIB)内的轨道(FS、GL)的宽度和分别在对于相应地识别直行方向、向左转或向右转来说重要的第二图像部分(BAS2)内的轨道(FS、GL)的宽度来计算。
15.根据权利要求11至14之一所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:在所述图像(BIFSB、BIGLB)中识别是否有至少一个对象(OBJ)、优选地人员、动物、可移动的或者位置固定的对象处在所使用的轨道(FS、GL)上,其方式是
a) 人员的与人员相关的身高和/或可移动的对象的与对象相关的大小被设置得与所述轨道(FS、GL)的已知的宽度成比例,所述宽度从在所存储的图像元信息(BMI)中的一级元数据的已知的关于所述轨道(FS、GL)的宽度的第三元数据中获得,
b) 在所述图像(BIFSB、BIGLB)中,将所使用的轨道(FS、GL)以及在所使用的轨道(FS、GL)左侧和右侧的关键区域分成多个分析部分,所述多个分析部分距所述轨道车辆(BFZ、SFZ)的距离升高,所述关键区域优选地根据所述轨道(FS、GL)的周围环境、例如郊区或者城市来不一样宽地定尺寸,
c) 针对每个分析部分,使用周围环境特定的图案识别算法来识别所述对象(OBJ)。
16.根据权利要求15所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:在有对象(OBJ)、例如人员、动物、其它迎面而来的或者在前面行驶的轨道车辆等等正在移动的情况下,将多个连续的图像(BIFSB、BIGLB)的分析部分设置得彼此相关,以便识别和跟踪所述移动用来预先计算与所述对象(OBJ)的可能的碰撞。
17.根据权利要求15或16所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:在所述图像(BIFSB、BIGLB)中识别所述轨道车辆(BFZ、SFZ)与已在所使用的轨道(FS、GL)上被识别出的对象(OBJ)间隔多远,其方式是
将在所述图像区域(BIB)内的轨道(FS、GL)的像素宽度与在所述对象(OBJ)所处的第三图像部分(BAS3)内的轨道(FS、GL)的像素宽度设置得彼此相关,其中根据所述比例和所述轨道(FS、GL)的从已知的第三元数据中获得的宽度来计算所提及的距离。
18.根据权利要求11至17之一所述的设备(BAV),其特征在于,
所述计算/分析装置(BAWE)构造为使得:在所述图像(BIFSB、BIGLB)中识别是否有至少一个陌生的对象(OBJ)处在所述轨道路段(BST、SST)的所使用的轨道(FS、GL)上,其方式是
a) 借助于所述边缘识别算法对所述轨道车辆(BFZ、SFZ)所使用的轨道(FS、GL)的走向的识别失败或者
b) 依据通过轨道(FS)的轨道载体或者是在平行地延伸的铁轨(GL)之间的铁轨载体所形成的规则的图案以如下方式来执行不规则识别:在识别出不规则时,优选地如果有对象(OBJ)、例如轨旁设备或正在玩耍的儿童处在所使用的轨道(FS)或者是所使用的铁轨(GL)上,则将所述不规则与被用作参考信息并且之前在行驶路段初始化过程中拍摄的路段图像进行对照。
19.根据权利要求11至18之一所述的设备(BAV),其特征在于,
包含同一结构类型的多个图像记录设备(BAZG)、例如多个视频摄像机,或者不同结构类型的多个图像记录设备(BAZG)、例如多个视频摄像机、激光传感器、基于雷达的传感器、基于无线电定位和测距的传感器、红外摄像机和/或热成像摄像机,所述图像记录设备拍摄所述图像(BIFSB、BIGLB)。
20.根据权利要求11至19之一所述的设备(BAV),其特征在于,
所述图像记录设备(BAZG)可枢转地来构造。
21.根据权利要求11至20之一所述的设备(BAV),其特征在于,
所述图像记录设备(BAZG)具有修正组件(KOK),所述修正组件将天气和亮度数据一并包括在对图像资料的分析内。
22.根据权利要求11至21之一所述的设备(BAV),其特征在于,
所述图像记录设备(BAZG)具有变焦距组件(BVK),所述变焦距组件根据距所述轨道(FS、GL)的距离来选择正确的拍摄角度,以便这样对多次分析进行最优地辅助。
23.根据权利要求11至22之一所述的设备(BAV),其特征在于,
所述图像记录设备(BAZG)具有照明组件(BLK)、尤其是在人类可见的区域之内或之外工作的头灯。
24.根据权利要求11至23之一所述的设备(BAV),其特征在于
虚拟机,所述虚拟机就“轨道交通***的软件定义信号识别”而言来构造并且起作用。
25.根据权利要求11至24之一所述的设备(BAV),其特征在于,
利用所述设备(BAV)能协助在沿着行驶路段没有附加的基础设施的情况下对所述轨道车辆(BFZ、SFZ)的自动(自主)或辅助驾驶。
26.一种用于在轨道交通(BVK)中的基于轨道的图像分析、尤其是用于在铁路交通(SVK)中的基于铁轨的图像分析的轨道车辆(BFZ),其特征在于,
根据权利要求11至25之一所述的用于基于轨道的图像分析或者是用于基于铁轨的图像分析的设备(BAV)集成到轨道车辆(BFZ、SFZ)中。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102016224331 | 2016-12-07 | ||
DE102016224331.4 | 2016-12-07 | ||
PCT/EP2017/081845 WO2018104462A1 (de) | 2016-12-07 | 2017-12-07 | Verfahren, vorrichtung und bahnfahrzeug, insbesondere schienenfahrzeug, zur fahrspurbasierten bildanalyse im bahnverkehr, insbesondere zur gleisbasierten bildanalyse im schienenverkehr |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110248858A true CN110248858A (zh) | 2019-09-17 |
Family
ID=60972170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780075716.XA Pending CN110248858A (zh) | 2016-12-07 | 2017-12-07 | 用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP3523175A1 (zh) |
CN (1) | CN110248858A (zh) |
RU (1) | RU2720303C1 (zh) |
WO (1) | WO2018104462A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112319552A (zh) * | 2020-11-13 | 2021-02-05 | 中国铁路哈尔滨局集团有限公司 | 轨道车运行探测预警*** |
CN115610479A (zh) * | 2022-09-23 | 2023-01-17 | 北京京天威科技发展有限公司 | 一种铁路线路状态巡检***和方法 |
CN118071832A (zh) * | 2024-04-19 | 2024-05-24 | 湖南蓝天机器人科技有限公司 | 一种基于激光识别的rgv小车视觉定位方法及*** |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018215697A1 (de) | 2018-09-14 | 2020-03-19 | Siemens Mobility GmbH | Automatisiertes fahrzeugseitiges Steuerungssystem für ein Schienenfahrzeug |
US20210155274A1 (en) * | 2018-09-26 | 2021-05-27 | Hitachi, Ltd. | Train control device and train control system |
CN109720381A (zh) * | 2018-12-28 | 2019-05-07 | 深圳华侨城卡乐技术有限公司 | 一种轨道车防撞方法及其*** |
DE102019206348A1 (de) * | 2019-05-03 | 2020-07-23 | Siemens Mobility GmbH | Verfahren und Computer-Programm-Produkt zum Erkennen von Signalzeichen zur Verkehrssteuerung spurgebundener Fahrzeuge sowie Signalzeichenerkennungssystem und Spurgebundenes Fahrzeug, insbesondere Schienenfahrzeug |
US10919546B1 (en) | 2020-04-22 | 2021-02-16 | Bnsf Railway Company | Systems and methods for detecting tanks in railway environments |
CN112810669A (zh) * | 2020-07-17 | 2021-05-18 | 周慧 | 城际列车运行控制平台及方法 |
RU2766936C1 (ru) * | 2021-10-19 | 2022-03-16 | Акционерное общество «Научно-исследовательский и проектно-конструкторский институт информатизации, автоматизации и связи на железнодорожном транспорте» | Устройство контроля за управлением локомотивом и бдительностью машиниста |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2779518A1 (fr) * | 1998-06-09 | 1999-12-10 | Thomson Csf | Procede optique de reconstruction du trace d'une voie le long de laquelle se deplace un vehicule guide |
DE102006007788A1 (de) * | 2006-02-20 | 2007-08-30 | Siemens Ag | Verfahren zur rechnergestützten Überwachung des Betriebs eines einen vorgegebenen Streckenverlauf fahrenden Fahrzeugs, insbesondere eines spurgebundenen Schienenfahrzeugs |
CN101108627A (zh) * | 2007-08-30 | 2008-01-23 | 桂林市思奇通信设备有限公司 | 铁路行车安全自动监控***及其运行方法 |
CN102756744A (zh) * | 2011-04-27 | 2012-10-31 | 天宝导航有限公司 | 铁路轨道监控 |
CN104386092A (zh) * | 2014-10-21 | 2015-03-04 | 卡斯柯信号有限公司 | 基于图像识别和多感知融合的列车自动防护***及方法 |
DE102014217954A1 (de) * | 2014-09-09 | 2016-03-10 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung eines Soll-Neigungswinkels eines Schienenfahrzeugs |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8605947B2 (en) * | 2008-04-24 | 2013-12-10 | GM Global Technology Operations LLC | Method for detecting a clear path of travel for a vehicle enhanced by object detection |
CN105701844B (zh) * | 2016-01-15 | 2018-11-27 | 苏州大学 | 基于颜色特征的障碍物或阴影检测方法 |
US10773739B2 (en) | 2016-04-08 | 2020-09-15 | Siemens Mobility GmbH | Method, apparatus and railroad vehicle, in particular rail vehicle, for signal recognition in railroad traffic, in particular rail traffic |
-
2017
- 2017-12-07 CN CN201780075716.XA patent/CN110248858A/zh active Pending
- 2017-12-07 EP EP17829135.7A patent/EP3523175A1/de active Pending
- 2017-12-07 WO PCT/EP2017/081845 patent/WO2018104462A1/de active Application Filing
- 2017-12-07 RU RU2019117748A patent/RU2720303C1/ru active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2779518A1 (fr) * | 1998-06-09 | 1999-12-10 | Thomson Csf | Procede optique de reconstruction du trace d'une voie le long de laquelle se deplace un vehicule guide |
DE102006007788A1 (de) * | 2006-02-20 | 2007-08-30 | Siemens Ag | Verfahren zur rechnergestützten Überwachung des Betriebs eines einen vorgegebenen Streckenverlauf fahrenden Fahrzeugs, insbesondere eines spurgebundenen Schienenfahrzeugs |
CN101108627A (zh) * | 2007-08-30 | 2008-01-23 | 桂林市思奇通信设备有限公司 | 铁路行车安全自动监控***及其运行方法 |
CN102756744A (zh) * | 2011-04-27 | 2012-10-31 | 天宝导航有限公司 | 铁路轨道监控 |
DE102014217954A1 (de) * | 2014-09-09 | 2016-03-10 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Bestimmung eines Soll-Neigungswinkels eines Schienenfahrzeugs |
CN104386092A (zh) * | 2014-10-21 | 2015-03-04 | 卡斯柯信号有限公司 | 基于图像识别和多感知融合的列车自动防护***及方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112319552A (zh) * | 2020-11-13 | 2021-02-05 | 中国铁路哈尔滨局集团有限公司 | 轨道车运行探测预警*** |
CN115610479A (zh) * | 2022-09-23 | 2023-01-17 | 北京京天威科技发展有限公司 | 一种铁路线路状态巡检***和方法 |
CN115610479B (zh) * | 2022-09-23 | 2023-09-15 | 北京京天威科技发展有限公司 | 一种铁路线路状态巡检***和方法 |
CN118071832A (zh) * | 2024-04-19 | 2024-05-24 | 湖南蓝天机器人科技有限公司 | 一种基于激光识别的rgv小车视觉定位方法及*** |
CN118071832B (zh) * | 2024-04-19 | 2024-07-05 | 湖南蓝天机器人科技有限公司 | 一种基于激光识别的rgv小车视觉定位方法及*** |
Also Published As
Publication number | Publication date |
---|---|
EP3523175A1 (de) | 2019-08-14 |
RU2720303C1 (ru) | 2020-04-28 |
WO2018104462A1 (de) | 2018-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110248858A (zh) | 用于在轨道交通中的基于轨道的图像分析、尤其是用于在铁路交通中的基于铁轨的图像分析的方法、设备和轨道车辆、尤其是铁路车辆 | |
RU2719499C1 (ru) | Способ, устройство и железнодорожное транспортное средство, в частности рельсовое транспортное средство, для распознавания препятствий в железнодорожном сообщении, в частности в рельсовом сообщении | |
US12030502B2 (en) | Road vector fields | |
JP7127941B2 (ja) | 方法、システム及びプログラム | |
JP7343531B2 (ja) | レールセグメント化に基づいて、鉄道障害物を検出するための方法およびシステム | |
US11573090B2 (en) | LIDAR and rem localization | |
CN110023171A (zh) | 用于在轨道交通中、尤其是在铁路交通中的危险情况识别的方法、设备和轨道车辆、尤其是铁路车辆 | |
CN105946853B (zh) | 基于多传感器融合的长距离自动泊车的***及方法 | |
US20220035378A1 (en) | Image segmentation | |
KR20200123474A (ko) | 자율 주행을 위한 항법 정보의 융합 프레임워크 및 배치 정렬 | |
CN110402371A (zh) | 用于利用感测不确定性导航的***和方法 | |
JP2019105789A (ja) | 道路構造データ生成装置、道路構造データベース | |
RU2711556C1 (ru) | Способ, устройство и железнодорожное транспортное средство, в частности рельсовое транспортное средство, для распознавания сигналов в железнодорожном движении, в частности рельсовом движении | |
US11680801B2 (en) | Navigation based on partially occluded pedestrians | |
US20140172189A1 (en) | Method and control device for providing a course of a road ahead | |
JP7028066B2 (ja) | 検知装置及び検知システム | |
RU2720749C1 (ru) | Способ, устройство и железнодорожное транспортное средство, в частности рельсовое транспортное средство, для распознавания колеи в железнодорожном сообщении, в частности для распознавания рельсового пути в рельсовом сообщении | |
CN106463051A (zh) | 信号机识别装置以及信号机识别方法 | |
US20230159050A1 (en) | Systems and methods for vehicle speed and lateral position control | |
US20230136710A1 (en) | Systems and methods for harvesting images for vehicle navigation | |
CN113002588B (zh) | 一种列车轨道异物检测方法及*** | |
EP3750776B1 (en) | Method and system for detecting a railroad signal | |
Kaempchen et al. | Sensor fusion for multiple automotive active safety and comfort applications | |
JPH0991439A (ja) | 物体監視装置 | |
JP7290942B2 (ja) | 監視装置 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190917 |
|
WD01 | Invention patent application deemed withdrawn after publication |