CN110443819A - 一种单轨列车的轨道检测方法和装置 - Google Patents
一种单轨列车的轨道检测方法和装置 Download PDFInfo
- Publication number
- CN110443819A CN110443819A CN201810414889.6A CN201810414889A CN110443819A CN 110443819 A CN110443819 A CN 110443819A CN 201810414889 A CN201810414889 A CN 201810414889A CN 110443819 A CN110443819 A CN 110443819A
- Authority
- CN
- China
- Prior art keywords
- information
- image
- track
- radar
- picture image
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种单轨列车的轨道检测方法和装置。方法包括:获取目标检测区域的反射物距离信息,所述反射物距离信息由雷达测得;获取目标检测区域的画面图像信息;将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息;以及在画面图像中,根据轨道边缘信息进行障碍物检测。本发明同时利用雷达和摄像机来采集目标轨道区域的信息,受环境、天气等的影响程度远小于单纯基于摄像图像的检测方法,无论直轨道还是较多弯曲的轨道都能获得良好的检测精度。此外,针对单轨假设于高空,障碍物检测更易于受到背景干扰的特定技术问题也能取得良好效果。
Description
技术领域
本发明涉及轨道交通技术领域,特别是涉及一种单轨列车的轨道检测方法和装置。
背景技术
单轨列车***是一种通过在一定高度的空间架设单根轨道支持列车运行的轨道交通***,由于轨道一般离地面较高,远远高于地面行人的平视视角范围,也被形象地称为“云轨”。单轨的轨道可以架设在道路中央分隔带或狭窄街道上,不单独占用路面,同时提供的运能接近地铁***。相比于城市地下轨道交通***,单轨列车具有爬坡能力强,转弯半径小、适应多种地形、噪音小、轨道建造成本低以及施工周期短等优点,是当前技术环境下性价比相对较高的交通工具。作为地下铁路交通的补充和替代方案,正在被越来越多的城市采纳。
为了增强列车的行驶安全性,需要列车对行车环境具有感知能力,障碍物检测是其中必不可少的环节。当前在轨道交通领域,通常的做法是采用摄像头采集列车前方轨道的图像信息,并通过图像处理技术来识别轨道和轨道附近的障碍物。例如,铁轨在监测图像中表面灰度基本一致,有较强的边缘特征,表现为长且连续的直线状,所以通过检测直线,可以识别铁轨。但是,对于露天运行来说,轨道图像容易受到环境、天气变化等的影响,如光照不匀、雾天、雨天等情况下,检测准确度很难保证。
并且,基于直线检测的轨道识别,在轨道出现岔道、弯曲的时候,也无法得到正确的轨道识别结果。而用于城市交通的单轨列车的轨道与用于远程交通的双轨铁路相比,一个较大的特点就是弯道多。为了适应城市复杂的路面环境,适应当前和未来的城市规划,单轨列车的轨道很多被建设在或者计划建设于路面的隔离带上方,住宅小区或办公楼周边的绿化带上方等,并且经常需要绕开特定的已有建筑,因此,很多区域的轨道并不表现为连续的直线形状。这就使得现有的基于图像中直线边缘检测的轨道识别方法在单轨轨道的检测方面无法达到令人满意的效果。
此外,与地面或者地下轨道交通工具(例如铁路列车或者地铁)相比,由于单轨列车是在空中的轨道上运行,地面的行人和事物轨道大量出现在图像的背景之中,轨道识别更为重要。一旦轨道信息识别不准确,不能有效区分轨道之外的路面背景信息和轨道内的信息,则极易造成识别错误,特别是,本来属于背景的地面信息很大概率会被误识别为障碍物。如果一旦出现这样的情况,由于很难区分是真的存在轨道障碍物还是误识别,会给行车控制带来很大困扰。如果以一定概率忽略检测到的障碍,则万一是真正的障碍物,后果可能是严重到无法承受的。如果每次轨道以外的车辆或行人被错误地认定为是障碍物都进行停车,则会严重影响列车的正常行驶。
发明内容
本发明旨在至少在一定程度上解决上述相关技术中的技术问题之一。提供一种能够对云轨轨道进行有效检测的轨道检测方法和装置。
为了达到上述目的,根据本发明第一方面的实施例提出了一种单轨列车的轨道检测方法,其包括:获取目标检测区域的反射物距离信息,所述反射物距离信息由雷达测得;获取目标检测区域的画面图像信息;将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息;以及在画面图像中,根据轨道边缘信息进行障碍物检测。
在一些实施例中,获取的目标检测区域的反射物距离信息和获取的目标检测区域的画面图像信息的采集时间是同步的。
在一些实施例中,将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息包括:根据所述反射物距离信息得到雷达图像,在雷达图像中识别轨道边缘的分割点;将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点;以及在画面图像中根据边缘点得到轨道的边缘信息。
在一些实施例中,将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息包括:根据所述反射物距离信息得到雷达图像,在雷达图像中识别轨道边缘的分割点;在雷达图像中根据所述分割点得到轨道边缘信息;将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
在一些实施例中,在雷达图像中识别轨道边缘的分割点包括:获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。
在一些实施例中,所述将雷达图像中的像素点通过坐标变换映射到画面图像中,包括:获取雷达的坐标系R和世界坐标系W的第一映射关系f1;获取世界坐标系W和摄像机的坐标系C之间的第二映射关系f2;获取摄像机的坐标系C和画面图像之间的第二映射关系f3;通过第一映射关系f1、第二映射关系f2和第三映射关系f3将雷达图像中的像素点通过坐标变换映射到画面图像中。
在一些实施例中,根据轨道的边缘信息进行障碍物检测包括:根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;在目标轨道区域进行障碍物检测。
使用本发明的单轨列车的轨道检测方法,同时利用雷达和摄像机来采集目标轨道区域的信息。一方面由于雷达具有高穿透性和良好精度,可以很好的获得目标的距离、方位、速度等信息,使得本发明受环境、天气等的影响程度远小于单纯基于摄像图像的检测方法;另一方面,基于雷达测得的距离检测轨道边缘可以不受轨道形状的限制,无论直轨道还是较多完全的轨道都能获得良好的检测精度。
此外,针对单轨假设于高空,障碍物检测更易于受到背景干扰的特定技术问题,使用本发明的传感器融合方法,先基于雷达信息精确确定轨道区域,再根据图像信息在轨道区域内进行障碍物识别,可以获得更高的稳定性高,鲁棒性好,可以有效地防止误检和漏检,提高行车效率和保障行车安全。
根据本发明第二方面的实施例提供了一种单轨列车的轨道检测装置,其包括:摄像模块,用于获取目标检测区域的画面图像信息;雷达模块,用于扫描目标检测区域,获取目标检测区域的反射物距离信息;以及中央控制模块,用于控制所述摄像模块和雷达模块工作,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息;以及在画面图像中,根据轨道边缘信息进行障碍物检测。
在一些实施例中,所述中央控制模块包括:信号采样控制单元,用于控制所述摄像模块和雷达模块获取目标检测区域的信息;第一图像处理单元,用于将反射物距离信息表示为雷达图像,并雷达图像中识别轨道边缘的分割点;坐标映射单元,用于将雷达图像中的像素点通过坐标变换映射到画面图像中,得到相应的映射像素点;第二图像处理单元,用于在雷达图像中根据分割点得到轨道的边缘信息或在画面图像中根据分割点的相应映射像素点得到轨道的边缘信息;第三图像处理单元,用于在画面图像中根据轨道的边缘信息进行障碍物检测。
在一些实施例中,信号采样控制单元控制所述用雷达模块和所述用摄像模块同步获取目标检测区域的反射物距离信息和画面图像信息。
在一些实施例中,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息包括:调用第一图像处理单元,在雷达图像中识别轨道边缘的分割点;调用坐标映射单元,将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点;以及调用第二图像处理单元,在画面图像中根据边缘点得到轨道的边缘信息。
在一些实施例中,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息包括:调用第一图像处理单元,在雷达图像中识别轨道边缘的分割点;调用第二图像处理单元,在雷达图像中根据所述分割点得到轨道边缘信息;调用坐标映射单元,将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
在一些实施例中,所述第一图像处理单元在雷达图像中识别轨道边缘的分割点包括:获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。
在一些实施例中,所述坐标映射单元将雷达图像中的像素点通过坐标变换映射到画面图像中,包括:获取雷达的坐标系R和世界坐标系W的第一映射关系f1;获取世界坐标系W到摄像机的坐标系C之间的第二映射关系f2;获取摄像机的坐标系C和画面图像之间的第二映射关系f3;通过第一映射关系f1、第二映射关系f2和第三映射关系f3将雷达图像中的像素点通过坐标变换映射到画面图像中,得到边缘点。
在一些实施例中,所述第三图像处理单元在画面图像中根据轨道的边缘信息进行障碍物检测包括:根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;在目标轨道区域进行障碍物检测。
使用本发明的单轨列车的轨道检测装置,同时利用雷达和摄像机来采集目标轨道区域的信息。一方面由于雷达具有高穿透性和良好精度,可以很好的获得目标的距离、方位、速度等信息,使得本发明受环境、天气等的影响程度远小于单纯基于摄像图像的检测方法;另一方面,基于雷达测得的距离检测轨道边缘可以不受轨道形状的限制,无论直轨道还是较多完全的轨道都能获得良好的检测精度。
此外,针对单轨架设于高空,障碍物检测更易于受到背景干扰的特定技术问题,使用本发明的传感器融合方法,先基于雷达信息精确确定轨道区域,再根据图像信息在轨道区域内进行障碍物识别,可以获得更高的稳定性高,鲁棒性好,可以有效地防止误检和漏检,提高行车效率和保障行车安全。
根据本发明第三方面的实施例提供了一种非临时性计算机可读存储介质,其上存储有可执行指令,所述可执行指令被处理器执行时,实现如本发明第一方面所述的方法。
根据本发明第三方面的实施例的非临时性计算机可读存储介质具有与根据本发明第一和第二方面的方法和装置实施例相似的有益效果,不再赘述。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本发明一个实施例的单轨列车的轨道检测方法的流程示意图;
图2是根据本发明实施例的单轨列车的轨道检测方法的坐标位置关系示意图;
图3是根据本发明实施例的雷达坐标系的示意图;
图4是根据本发明实施例的摄像机坐标系的示意图;
图5是根据本发明实施例的像素坐标系与图像平面坐标系之间的关系示意图;
图6是分割点的识别原理示意图;
图7是根据本发明另一个实施例的单轨列车的轨道检测方法的流程示意图;
图8是根据本发明又一个实施例的单轨列车的轨道检测方法的流程示意图;
图9是根据本发明实施例的单轨列车的轨道检测装置的结构框图;
图10是根据本发明实施例的中央控制模块的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本发明,而不能理解为对本发明的限制。
本发明的主要思想在于,同时使用雷达和摄像机进行信息采集,用雷达获取目标检测区域的反射物距离信息,有摄像机获取目标检测区域的画面图像信息;将雷达图像和画面图像进行信息融合得到画面图像中的轨道边缘信息;并根据轨道边缘信息进行障碍物检测。通过不同种类的传感器信息的融合,来获得更好的检测效果。
下面参考附图对本发明实施例的方法和装置进行详细的说明。
图1是根据本发明一个实施例的单轨列车的轨道检测方法的流程示意图。其中,单轨列车的轨道检测方法包括步骤S110到S140。
在步骤S110,获取目标检测区域的反射物距离信息,所述反射物距离信息由雷达测得。一般来说,所述雷达可以采用车载的激光雷达。雷达的精度可以根据列车的具体运行需求,例如,最高行车速度和障碍物检测精度等综合选择。例如可选毫米波雷达。
雷达采集到的信息,是从雷达是从信号发射端到反射点的距离和对应的角度信息,因此,可以直接得到雷达图像上各个点对应的反射物距离信息。关于雷达图像和摄像机画面图像及其映射关系将在后文结合附图2-6进行详细描述。
在步骤S120,获取目标检测区域的画面图像信息。通常可以由车载的摄像头实现。同样,摄像头的种类和性能参数可以根据列车的具体运行需求来选择。
步骤S110和S120的执行并没有严格的顺序要求,也可以交换顺序。但是由于大多数的障碍物检测的应用场景是列车是行进之中,亦即无论是摄像头还是雷达都处于运动之中,为了便于后期的数据融合处理,摄像头和雷达采集信息时,最好是同时记录采集时间,以便于在二者采集不同步时通过采集时间和列车车速进行坐标换算。为了便于计算,减少坐标换算的复杂度和获得更精确的结果,在一些实施例中,获取的目标检测区域的反射物距离信息和获取的目标检测区域的画面图像信息的采集时间是同步的。亦即,控制摄像头和雷达进行同步信息采集。这样,每次采集时对应的摄像头和雷达原点的相对位置关系都是相同的。
在步骤S130,将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息。
将反射物距离信息和画面图像进行信息融合,主要包括利用反射物距离信息识别轨道的边缘,和根据轨道边缘信息在画面图像中进行障碍物检测。为了能更好的说明这一过程,首先介绍雷达采集的信息和画面信息的表现形式和二者之间的映射关系。
下面结合图2到图6对具体的雷达采集的信息和画面信息的表现形式和二者之间的映射关系进行详细说明。
图2是根据本发明实施例的单轨列车的轨道检测方法的坐标位置关系示意图。其中,雷达可以安装在列车的车头最前方,以获得无遮挡的视域,和相对靠近轨道。而摄像机则可以安装在列车的车顶部最靠近车头方向的位置,以获得更好的拍摄角度和范围。并且,为了便于建模计算,雷达和摄像头均采用水平安装,以保证它们的横截面与轨道面和地面平行。
图2中,S、Q分别表示列车顶面和和轨道面。Or是雷达安装点,Oc是摄像机的安装点。分别以Or、Oc为坐标原点建立雷达坐标系OrXrYrZr和摄像机坐标系OCXCYCZC。以轨道面上一点OW为原点建立世界坐标系OWXWYWZW,三个坐标系的OXZ平面重合,即Or和Oc在OWXWYW平面上的投影都落在OwXW坐标轴上。通常来说,雷达和摄像机均安装在列车的中轴线上,世界坐标的原点OW亦设定为轨道的中心线上的点,从而便于计算。设雷达的安装高度为h1,摄像机的安装高度为h0,OW与Oc在X轴方向上的距离为d0,Ow与Or在X轴方向上的距离为d1。
图3是根据本发明实施例的雷达坐标系的示意图。在雷达应用中,测定目标常通常采用球坐标***,图中,位于空间中任意位置P处的目标20的坐标可用下列三个变量描述:
(1)目标的距离R:表示雷达原点O到目标20的直线距离OP;
(2)方位角α:表示雷达原点O与P点连线OP在水平面(OXY)上的投影OD与X轴正方向的夹角。
(3)仰角β:表示雷达原点O与P点连线OP与它在水平面上的投影OD的夹角。
雷达采集的信息实际上球坐标系中一系列的(α,β,R)的组合。本公开中,也用“雷达图像”来描述雷达采集的信息,雷达图像是一种抽象的广义的图像概念,为了便于说明本发明的方法而定义,与用于显示的图像略有区别。雷达图像中,的每个点的坐标为方位角α和仰角β,每个像素点的取值为距离R。可见,雷达图像中的每个像素点也是用(α,β,R)来描述的。也就是说,雷达图像中的像素点的相关运算和投影变换等,可以具有与球坐标表达相同的形式。
对于空间中的任意位置P,雷达的坐标系R和世界坐标系W的第一映射关系f1如下:
由图2可见,空间中的某一点P(XW,YW,ZW)和摄像机坐标系(XC,YC,ZC)之间的关系(即世界坐标系W到摄像机的坐标系C之间的第二映射关系f2)如下:
图4是根据本发明实施例的摄像机坐标系的示意图,图中示出了摄像机与图像平面坐标系之间的投影关系。OCXCYC为摄像机坐标系的截面,OXY为摄像机拍摄的画面的图像平面坐标系,m(x,y)为空间中某一点M(xC,yC,zC)在图像平面上的投影,f为摄像机焦距。根据三角形相似原理,有:
整理成矩阵形式,对任意一点都有:
图5示出了画面像素坐标系与图像平面坐标系之间的关系。图7中,O0uv为像素坐标系,O1xy为图像坐标系,O1为摄像机光轴与图像平面的交点,即为图像平面坐标系原点,设其在像素坐标系中的像素坐标为(u0,v0),设每个像素在图像平面中x轴和y轴方向上的物理长度(单位毫米)分别为dx何dy,则两坐标系转换关系为:
整理成矩阵形式:
根据公式(3),(4)可以确定摄像机坐标系到画面图像中像素点的第三映射关系f3。要说明的是关于摄像机标定,在计算机视觉等相关领域有比较成熟的解决方案,也有很多开源代码,这些现有的摄像机标定方法均可用于本发明中用于获取第三映射关系f3。例如可以采用MATLAB中的Camera Calibration Toolbox工具箱进行标定。
基于以上公式(1)-(4)即可实现从雷达坐标系中的坐标点(或者是雷达图像中的像素点)到摄像机画面图像中像素位置的映射。
图6是分割点的识别原理示意图。由于单轨轨道假设在一定高度的空中(例如,典型的高度为4米左右的高空),本发明中利用轨道和地面的高度差来确定轨道的边缘,即轨道和周围空间的分割点。
参见图6,其中示出了雷达扫描的一个截面,O为雷达中心位置,Q为轨道面,G为地面,H为轨道面高度,β为雷达仰角,P为轨道面一侧的某一分界点。显然,位于轨道面上的点和位于轨道之外的背景物体的高度会有明显的差异。
即,对分界点靠近轨道的一侧的邻接点和分界点原理轨道的一侧的邻接点来说,二者距离雷达原点的距离会有明显差别。这个距离差在数值上可以用来近似。进一步,由于雷达位于轨道的中心线上,轨道两侧的分界点分布在雷达中心轴两侧,通过方位角判断也可分离两侧的分界点。即,随着方位角的改变,雷达图像中距离变量发生阶跃变化的那些点,可能是轨道与周围空间的分割点。并且,由于轨道的高度较高,与周边环境中的物体(例如轨道下方的行人或车辆)有明显的高度差,因此,阶跃变化前后的像素点取值(对应点到雷达原点的距离值)大于预定义阈值作为判断分割点的条件。已排除那些可能是存在于轨道之外的背景中的有陡峭边缘的物体,例如公交车,绿化带的花坛等。也可以对分割点邻域内的距离值做进一步判断,将分割点的距离值与该仰角对应的雷达原点到轨道面的参考距离进行比较,将那些与标准距离相差较大的点(也称为干扰点)剔除出去。
因此,在本发明单轨列车的轨道检测方法的一些实施例中,在雷达图像中识别轨道边缘的分割点包括:获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。
阶跃变化包括升高和降低的变化,例如,对于将轨道面上的点作为分割点的情况,其邻域内阶跃变化(例如,变化到地面与雷达的距离)后的距离是增大的;而对于将轨道面之外的空间反射物(例如地面)所在的点作为分割点的情况,其邻域内的阶跃变化(变化到轨道与雷达的距离)后的距离是减小的。因此,干扰点的剔除,可以将阶跃变化过程中,变化前后的距离中的较短的那个距离与参考距离进行比较。
此外,为了过滤远处和周边无用信息,可将方位角和仰角设置在一定范围内,而不是对雷达前方的整个三维空间进行扫描,以提高数据质量。
信息融合的实现,主要包括通过雷达图像获取轨道与地面的分割点,从而确定轨道大致位置,并将雷达图像中得到的轨道位置映射到画面图像中去。具体而言,根据是在雷达图像还是在画面图像中进行轨道边缘信息的确定可以有两种实施方式,参见图7和图8所示。
图7是根据本发明另一个实施例的单轨列车的轨道检测方法的流程示意图。本实施例中,步骤S210,S220和S240可以采用与图1中实施例的步骤S110,S120和S140类似的方式实现,不再赘述。将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息可以进一步包括步骤S231到S233。
在步骤S231,在雷达图像中识别轨道边缘的分割点。
在步骤S232,将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点。
在步骤S233,在画面图像中根据边缘点得到轨道的边缘信息。
图8是根据本发明又一个实施例的单轨列车的轨道检测方法的流程示意图。本实施例中,步骤S310,S320和S340可以采用与图1中实施例的步骤S110,S120和S140类似的方式实现,不再赘述。将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息可以进一步包括步骤S331到S333。
在步骤S331,在雷达图像中识别轨道边缘的分割点。
在步骤S332,在雷达图像中根据所述分割点得到轨道边缘信息。
在步骤S33,将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
图7和图8对应的实施例区别在于,在雷达图像根据分割点确定轨道边缘信息或者将分割点映射到画面图像中的边缘点,再根据边缘点确定轨道边缘信息。二者都能够达到最终在画面图像中确定轨道边缘信息,可以选择任意一种形式来实现。
相对来说,图7所示的实施例,在画面图像中进行轨道边缘的确认,效果上更为直观。并且,由于画面图像中的轨道表现为连续的曲线,也更便于由离散点通过曲线拟合等差值方法来还原轨道边缘形状。因此,下面以现将分割点映射到画面图像中的边缘点,再在画面图像中根据边缘点确定边缘信息为例进行说明。
根据上文结合图2-图5的描述,将雷达图像中的像素点通过坐标变换映射到画面图像中,可包括:获取雷达的坐标系R和世界坐标系W的第一映射关系f1;获取世界坐标系W到摄像机的坐标系C之间的第二映射关系f2;获取摄像机坐标系到画面图像中像素点的第三映射关系f3,以及通过第一映射关系f1和第二映射关系f2将雷达图像中的像素点通过坐标变换映射到画面图像中。
要说明的是,无论将是分割点映射到边缘点,还是雷达图像中的轨道边缘信息映射到摄像机的画面图像中的轨道边缘信息,其实质都是从雷达图像中的像素集合映射到画面图像中的像素集合,因此都可以通过公式(1)到(4)来实现。
通过雷达坐标系和画面图像坐标系之间的转换关系,将分割点映射到画面图像坐标系中,得到的边缘点是很多离散的点,这些离散点还不能够精细的分割出轨道,而且有时还会夹杂着一些干扰点。因此,要获得精确的轨道边缘信息,可以进一步的进行数据处理。
由于轨道可以近似视为是连续的曲线,因此,在一些实施例中,通过对所有分割点进行曲线拟合,来得到精确的分割线。并且,由于单轨列车轨道的特点之一是并非直线形状,常伴随着弯道,因此,用大于二次的样条差值可以获得较好的拟合效果。例如,可使用三次B样条曲线进行拟合。具体的曲线拟合过程在相关技术中有各种数学方法和计算机程序可以实现,例如,可利用MATLAB中的相应工具包完成。对本领域技术人员来说,可根据本发明教导的曲线拟合方式(即根据本公开提供的拟合曲线的形式选择)来实现具体的数据拟合过程,故而在此不再赘述。
在步骤S140,在画面图像中,根据轨道边缘信息进行障碍物检测。可以采用相关技术中的各种图像识别算法,在画面图像中对轨道边缘范围内的区域是否存在障碍物进行检测。例如可根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;之后在目标轨道区域进行障碍物检测。
相关技术中,特别是现有的铁路和地铁的轨道障碍物检测方法,可以应用于本步骤。在轨道边缘信息确定之后,确定轨道内区域的障碍物存在与否,对于单轨轨道来说,由于轨道没有枕木的背景干扰,基于图像识别的障碍物的检出更为容易获得良好的结果。
使用本发明的单轨列车的轨道检测方法,同时利用雷达和摄像机来采集目标轨道区域的信息。一方面由于雷达具有高穿透性和良好精度,可以很好的获得目标的距离、方位、速度等信息,使得本发明受环境、天气等的影响程度远小于单纯基于摄像图像的检测方法;另一方面,基于雷达测得的距离检测轨道边缘可以不受轨道形状的限制,无论直轨道还是较多完全的轨道都能获得良好的检测精度。
此外,针对单轨假设于高空,障碍物检测更易于受到背景干扰的特定技术问题,使用本发明的传感器融合方法,先基于雷达信息精确确定轨道区域,再根据图像信息在轨道区域内进行障碍物识别,可以获得更高的稳定性高,鲁棒性好,可以有效地防止误检和漏检,提高行车效率和保障行车安全。
为了更好地实现上述单轨列车的轨道检测方法,本发明第二方面的实施例提出了一种单轨列车的轨道检测装置。本发明***中的各个模块的功能和作用的实现过程具体详情可参见上述方法中对应步骤的实现过程,在此不再赘述。对于装置实施例而言,由于其基本对应于方法实施例,所以相关未尽之处可参见方法实施例的部分说明。
图9是根据本发明实施例的单轨列车的轨道检测装置的结构框图。其中,单轨列车的轨道检测装置100包括摄像模块110,雷达模块120和中央控制模块130。
摄像模块110用于获取目标检测区域的画面图像信息。
雷达模块120用于扫描目标检测区域,获取目标检测区域的反射物距离信息。
中央控制模块130用于控制所述摄像模块和雷达模块工作,以及对获取的画面图像和雷达图像进行信息融合,识别画面图像中的轨道并进行轨道障碍物检测。
图10是根据本发明实施例的中央控制模块的结构框图。其中,所述中央控制模块130包括信号采样控制单元131,第一图像处理单元132,坐标映射单元133,第二图像处理单元134和第三图像处理单元135。
信号采样控制单元131用于控制所述摄像模块和雷达模块获取目标检测区域的信息。在一些实施例中,信号采样控制单元131控制所述用雷达模块110和所述用摄像模块120同步获取目标检测区域的反射物距离信息和画面图像信息。
第一图像处理单元132用于在雷达图像中识别轨道边缘的分割点。雷达图像中识别轨道边缘的分割点可包括:获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。具体的内容可参见结合附图6对方法实施例的描述。
坐标映射单元133用于将雷达图像中的像素点通过坐标变换映射到画面图像中,得到相应的映射像素点。坐标映射可包括:获取雷达的坐标系R和世界坐标系W的第一映射关系f1;获取世界坐标系W到摄像机的坐标系C之间的第二映射关系f2;获取摄像机的坐标系C和画面图像之间的第二映射关系f3;通过第一映射关系f1、第二映射关系f2和第三映射关系f3将雷达图像中的像素点通过坐标变换映射到画面图像中,得到边缘点。具体的内容可参见结合附图6对方法实施例的描述。
第二图像处理单元134用于在雷达图像中根据分割点得到轨道的边缘信息,或者是用于在画面图像中根据分割点的相应映射像素点得到轨道的边缘信息。
第三图像处理单元135用于在画面图像中根据轨道的边缘信息进行障碍物检测。
对应于结合图7和图8描述的方法实施例,中央控制模块对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息,也可以有两种方式。
第一种方式包括:调用第一图像处理单元132,在雷达图像中识别轨道边缘的分割点。调用坐标映射单元133,将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点;以及调用第二图像处理单元134,在画面图像中根据边缘点得到轨道的边缘信息。
第二种方式包括:调用第一图像处理单元132,在雷达图像中识别轨道边缘的分割点;调用第二图像处理单元134,在雷达图像中根据所述分割点得到轨道边缘信息;调用坐标映射单元133,将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
所述第三图像处理单元134在画面图像中根据轨道的边缘信息进行障碍物检测包括:根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;在目标轨道区域进行障碍物检测。
使用本发明的单轨列车的轨道检测装置,同时利用雷达和摄像机来采集目标轨道区域的信息。一方面由于雷达具有高穿透性和良好精度,可以很好的获得目标的距离、方位、速度等信息,使得本发明受环境、天气等的影响程度远小于单纯基于摄像图像的检测方法;另一方面,基于雷达测得的距离检测轨道边缘可以不受轨道形状的限制,无论直轨道还是较多完全的轨道都能获得良好的检测精度。
此外,针对单轨假设于高空,障碍物检测更易于受到背景干扰的特定技术问题,使用本发明的传感器融合方法,先基于雷达信息精确确定轨道区域,再根据图像信息在轨道区域内进行障碍物识别,可以获得更高的稳定性高,鲁棒性好,可以有效地防止误检和漏检,提高行车效率和保障行车安全。
在本发明的一些实施例中还提出一种非临时性计算机可读存储介质,其上存储有可执行指令,所述可执行指令在处理器上运行时,执行如本发明第一方面实施例所述的单轨列车的轨道检测方法。当列车的轨道检测是由单独的设备实现使,该存储介质可以作为一部分设置在该设备上;或者当轨道检测的数据处理过程是通过列车中控***实现时,该存储介质可以设置在列车中控***上。
存储介质的具体实施方式可以从相应的本发明的方法或装置的实施例中获得,并具有与相应的本发明的方法或装置相似的有益效果,在此不再赘述。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一个实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是两个或两个以上,例如两个,三个等,除非另有明确具体的限定。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (16)
1.一种单轨列车的轨道检测方法,其特征在于,包括:
获取目标检测区域的反射物距离信息,所述反射物距离信息由雷达测得;
获取目标检测区域的画面图像信息;
将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息;以及
在画面图像中,根据轨道边缘信息进行障碍物检测。
2.根据权利要求1所述的单轨列车的轨道检测方法,其特征在于,
获取的目标检测区域的反射物距离信息和获取的目标检测区域的画面图像信息的采集时间是同步的。
3.根据权利要求1所述的单轨列车的轨道检测方法,其特征在于,将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息包括:
根据所述反射物距离信息得到雷达图像,在雷达图像中识别轨道边缘的分割点;
将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点;以及
在画面图像中根据边缘点得到轨道的边缘信息。
4.根据权利要求1所述的单轨列车的轨道检测方法,其特征在于,将所述反射物距离信息和画面图像信息进行信息融合得到画面图像中的轨道边缘信息包括:
根据所述反射物距离信息得到雷达图像,在雷达图像中识别轨道边缘的分割点;
在雷达图像中根据所述分割点得到轨道边缘信息;以及
将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
5.根据权利要求3或4所述的单轨列车的轨道检测方法,其特征在于,在雷达图像中识别轨道边缘的分割点包括:
获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。
6.根据权利要求3或4所述的单轨列车的轨道检测方法,其特征在于,所述将雷达图像中的像素点通过坐标变换映射到画面图像中,包括:
获取雷达的坐标系R和世界坐标系W的第一映射关系f1;
获取世界坐标系W和摄像机的坐标系C之间的第二映射关系f2;
获取摄像机的坐标系C和画面图像之间的第二映射关系f3;以及
通过第一映射关系f1、第二映射关系f2和第三映射关系f3将雷达图像中的像素点通过坐标变换映射到画面图像中。
7.根据权利要求1所述的单轨列车的轨道检测方法,其特征在于,根据轨道的边缘信息进行障碍物检测包括:
根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;以及
在目标轨道区域进行障碍物检测。
8.一种单轨列车的轨道检测装置,其特征在于,包括:
摄像模块,用于获取目标检测区域的画面图像信息;
雷达模块,用于扫描目标检测区域,获取目标检测区域的反射物距离信息;以及
中央控制模块,用于控制所述摄像模块和雷达模块工作,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息;以及在画面图像中,根据轨道边缘信息进行障碍物检测。
9.根据权利要求8所述的单轨列车的轨道检测装置,其特征在于,所述中央控制模块包括:
信号采样控制单元,用于控制所述摄像模块和雷达模块获取目标检测区域的信息;
第一图像处理单元,用于将反射物距离信息表示为雷达图像,并雷达图像中识别轨道边缘的分割点;
坐标映射单元,用于将雷达图像中的像素点通过坐标变换映射到画面图像中,得到相应的映射像素点;
第二图像处理单元,用于在雷达图像中根据分割点得到轨道的边缘信息或在画面图像中根据分割点的相应映射像素点得到轨道的边缘信息;以及
第三图像处理单元,用于在画面图像中根据轨道的边缘信息进行障碍物检测。
10.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,
信号采样控制单元控制所述用雷达模块和所述用摄像模块同步获取目标检测区域的反射物距离信息和画面图像信息。
11.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息包括:
调用第一图像处理单元,在雷达图像中识别轨道边缘的分割点;
调用坐标映射单元,将雷达图像中的分割点对应的像素点通过坐标变换映射到画面图像中,得到画面图像中轨道的边缘点;以及
调用第二图像处理单元,在画面图像中根据边缘点得到轨道的边缘信息。
12.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,对获取的画面图像和反射物距离信息进行信息融合,得到画面图像中的轨道边缘信息包括:
调用第一图像处理单元,在雷达图像中识别轨道边缘的分割点;
调用第二图像处理单元,在雷达图像中根据所述分割点得到轨道边缘信息;以及
调用坐标映射单元,将雷达图像中的轨道边缘对应的像素点通过坐标变换映射到画面图像中,得到画面图像中的轨道的边缘信息。
13.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,所述第一图像处理单元在雷达图像中识别轨道边缘的分割点包括:
获取邻域内像素点取值存在大于预定义阈值的阶跃变化的像素点,并将所述像素点作为分割点。
14.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,所述坐标映射单元将雷达图像中的像素点通过坐标变换映射到画面图像中,包括:
获取雷达的坐标系R和世界坐标系W的第一映射关系f1;
获取世界坐标系W到摄像机的坐标系C之间的第二映射关系f2;
获取摄像机的坐标系C和画面图像之间的第二映射关系f3;以及
通过第一映射关系f1、第二映射关系f2和第三映射关系f3将雷达图像中的像素点通过坐标变换映射到画面图像中,得到边缘点。
15.根据权利要求9所述的单轨列车的轨道检测装置,其特征在于,所述第三图像处理单元在画面图像中根据轨道的边缘信息进行障碍物检测包括:
根据轨道的边缘信息对画面图像进行图像掩膜运算,得到目标轨道区域;以及
在目标轨道区域进行障碍物检测。
16.一种非临时性计算机可读存储介质,其上存储有可执行指令,所述可执行指令在处理器上运行时,执行根据权利要求1-7中任意一项所述的单轨列车的轨道检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810414889.6A CN110443819B (zh) | 2018-05-03 | 2018-05-03 | 一种单轨列车的轨道检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810414889.6A CN110443819B (zh) | 2018-05-03 | 2018-05-03 | 一种单轨列车的轨道检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110443819A true CN110443819A (zh) | 2019-11-12 |
CN110443819B CN110443819B (zh) | 2022-04-15 |
Family
ID=68427849
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810414889.6A Active CN110443819B (zh) | 2018-05-03 | 2018-05-03 | 一种单轨列车的轨道检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443819B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111461088A (zh) * | 2020-06-17 | 2020-07-28 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障*** |
CN111832411A (zh) * | 2020-06-09 | 2020-10-27 | 北京航空航天大学 | 一种基于视觉与激光雷达融合的轨道内障碍物检测方法 |
CN113050654A (zh) * | 2021-03-29 | 2021-06-29 | 中车青岛四方车辆研究所有限公司 | 障碍物检测方法、巡检机器人车载避障***及方法 |
CN113406642A (zh) * | 2021-08-18 | 2021-09-17 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的轨道障碍物识别方法 |
CN115320669A (zh) * | 2022-08-31 | 2022-11-11 | 南京慧尔视智能科技有限公司 | 基于雷达图的铁路来车检测方法、装置、设备及介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102303605A (zh) * | 2011-06-30 | 2012-01-04 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置及预警方法 |
CN102696060A (zh) * | 2009-12-08 | 2012-09-26 | 丰田自动车株式会社 | 物体检测装置以及物体检测方法 |
CN103150786A (zh) * | 2013-04-09 | 2013-06-12 | 北京理工大学 | 一种非接触式无人驾驶车辆行驶状态测量***及测量方法 |
CN104331910A (zh) * | 2014-11-24 | 2015-02-04 | 沈阳建筑大学 | 一种基于机器视觉的轨道障碍物检测*** |
CN105480227A (zh) * | 2015-12-29 | 2016-04-13 | 大连楼兰科技股份有限公司 | 主动驾驶技术中基于红外雷达与视频图像信息融合的方法 |
CN105667518A (zh) * | 2016-02-25 | 2016-06-15 | 福州华鹰重工机械有限公司 | 车道检测的方法及装置 |
-
2018
- 2018-05-03 CN CN201810414889.6A patent/CN110443819B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102696060A (zh) * | 2009-12-08 | 2012-09-26 | 丰田自动车株式会社 | 物体检测装置以及物体检测方法 |
CN102303605A (zh) * | 2011-06-30 | 2012-01-04 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置及预警方法 |
CN103150786A (zh) * | 2013-04-09 | 2013-06-12 | 北京理工大学 | 一种非接触式无人驾驶车辆行驶状态测量***及测量方法 |
CN104331910A (zh) * | 2014-11-24 | 2015-02-04 | 沈阳建筑大学 | 一种基于机器视觉的轨道障碍物检测*** |
CN105480227A (zh) * | 2015-12-29 | 2016-04-13 | 大连楼兰科技股份有限公司 | 主动驾驶技术中基于红外雷达与视频图像信息融合的方法 |
CN105667518A (zh) * | 2016-02-25 | 2016-06-15 | 福州华鹰重工机械有限公司 | 车道检测的方法及装置 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111178215A (zh) * | 2019-12-23 | 2020-05-19 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111178215B (zh) * | 2019-12-23 | 2024-03-08 | 深圳成谷科技有限公司 | 一种传感器数据融合处理的方法和装置 |
CN111832411A (zh) * | 2020-06-09 | 2020-10-27 | 北京航空航天大学 | 一种基于视觉与激光雷达融合的轨道内障碍物检测方法 |
CN111461088A (zh) * | 2020-06-17 | 2020-07-28 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障*** |
CN111461088B (zh) * | 2020-06-17 | 2020-09-08 | 长沙超创电子科技有限公司 | 一种基于图像处理与目标识别的轨道交通避障*** |
CN113050654A (zh) * | 2021-03-29 | 2021-06-29 | 中车青岛四方车辆研究所有限公司 | 障碍物检测方法、巡检机器人车载避障***及方法 |
CN113406642A (zh) * | 2021-08-18 | 2021-09-17 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的轨道障碍物识别方法 |
CN113406642B (zh) * | 2021-08-18 | 2021-11-02 | 长沙莫之比智能科技有限公司 | 一种基于毫米波雷达的轨道障碍物识别方法 |
CN115320669A (zh) * | 2022-08-31 | 2022-11-11 | 南京慧尔视智能科技有限公司 | 基于雷达图的铁路来车检测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110443819B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110443819A (zh) | 一种单轨列车的轨道检测方法和装置 | |
CN109791052B (zh) | 使用数字地图对点云的数据点进行分类的方法和*** | |
CN106441319B (zh) | 一种无人驾驶车辆车道级导航地图的生成***及方法 | |
CN105652305B (zh) | 一种动态环境下轨道检测平台的三维定位定姿方法及*** | |
CN104567708B (zh) | 基于主动式全景视觉的隧道全断面高速动态健康检测装置与方法 | |
Brenner | Extraction of features from mobile laser scanning data for future driver assistance systems | |
CN109359409A (zh) | 一种基于视觉与激光雷达传感器的车辆可通过性检测*** | |
JP5157067B2 (ja) | 自動走行用マップ作成装置、及び自動走行装置。 | |
CN101075376B (zh) | 基于多视点的智能视频交通监控***及方法 | |
CN107884767A (zh) | 一种双目视觉***测量船舶距离与高度的方法 | |
EP2588882B1 (en) | Method for producing a digital photo wherein at least some of the pixels comprise position information, and such a digital photo | |
CN103487034B (zh) | 一种基于立式标靶的车载单目摄像头测距测高方法 | |
CN106525057A (zh) | 高精度道路地图的生成*** | |
CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
WO2020083103A1 (zh) | 一种基于深度神经网络图像识别的车辆定位方法 | |
CN104751119A (zh) | 基于信息融合的行人快速检测跟踪方法 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN109685855A (zh) | 一种道路云监控平台下的摄像机标定优化方法 | |
CN106324618A (zh) | 基于激光雷达检测车道线的***及其实现方法 | |
Ravi et al. | Lane width estimation in work zones using LiDAR-based mobile mapping systems | |
CN109229156A (zh) | 一种铁路车辆三维定位*** | |
CN116337102A (zh) | 基于数字孪生技术的无人驾驶环境感知与导航方法 | |
CN105758411A (zh) | 一种基于车载摄像头提升车载gps定位精度的***和方法 | |
TW202115616A (zh) | 應用路側特徵辨識之圖資定位系統及方法 | |
CN110706287A (zh) | 一种基于地面标识格的车辆定位方法、车辆及定位*** |
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 |