CN112009524A - 一种用于有轨电车障碍物检测的***及方法 - Google Patents
一种用于有轨电车障碍物检测的***及方法 Download PDFInfo
- Publication number
- CN112009524A CN112009524A CN202010681647.0A CN202010681647A CN112009524A CN 112009524 A CN112009524 A CN 112009524A CN 202010681647 A CN202010681647 A CN 202010681647A CN 112009524 A CN112009524 A CN 112009524A
- Authority
- CN
- China
- Prior art keywords
- detection information
- sub
- information
- trackside
- electric car
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 312
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005259 measurement Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 11
- 238000013135 deep learning Methods 0.000 claims description 10
- 238000013459 approach Methods 0.000 claims description 8
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 claims description 3
- 230000003137 locomotive effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 13
- 230000004888 barrier function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000008447 perception Effects 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000009434 installation Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- B61L23/007—Safety arrangements on railway crossings
-
- 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
- B61L29/00—Safety means for rail/road crossing traffic
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供一种用于有轨电车障碍物检测的***及方法,包括:车载设备和设置于各个平交道口的轨旁设备;轨旁设备用于获取其所在平交道口的第一检测信息;车载设备用于获取电车的定位信息以及电车前方的第二检测信息;车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并根据第一检测信息和第二检测信息,确定行车方案。本发明实施例提供的有轨电车障碍物检测的***及方法,通过在平交道口等复杂区域安装轨旁设备,实现了对车载设备无法顾及,却又对有轨电车构成严重安全威胁的区域的监控和感知,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。
Description
技术领域
本发明涉及轨道交通技术领域,尤其涉及一种用于有轨电车障碍物检测的***及方法。
背景技术
有轨电车由于在城市道路中混行,与城市道路交叉时,均为平交道口,且线路不封闭,弯道半径很小(最小的只有20米),造成其运行环境十分复杂。并且由于有轨电车自身重量大,制动距离比社会车辆更长,与社会车辆混行时,如果不能提前采取措施,更容易发生碰撞的交通事故。
目前,为了在解决有轨电车避障这一问题时,通常采用的方法是依靠有轨电车驾驶员的肉眼观察和谨慎驾驶。此外,在少数有轨电车上使用了单一的传感器(例如毫米波雷达、激光雷达等)进行辅助的障碍物检测。
通过驾驶员肉眼观察进行避障,会受到驾驶员经验是否丰富、车速控制是否适当、注意力是否集中、关注点分配是否合理、视野是否被遮挡,天气条件是否良好等多种因素的干扰而出现判断失误的情况。而基于单一传感器的解决方案通常只能检测车辆正前方有限范围内的障碍物信息,无法对平交道口等复杂条件下的障碍物进行感知,特别是高速横穿道口的社会车辆,也无法对接触网悬挂异物进行检测。
有鉴于此,亟需提供一种更为安全可靠的有轨电车障碍物检测的***及方法,以提升现有的凭借驾驶员主观判断以及单一传感器的避障方式存在的不足。
发明内容
本发明实施例提供一种用于有轨电车障碍物检测的***及方法,用以解决现有技术中判断过于主观、判断条件单一的缺陷,实现合理、高效、安全的障碍物检测及规避方法。
一方面,本发明实施例提供一种用于有轨电车障碍物检测的***,主要包括:车载设备和设置于各个平交道口的轨旁设备;其中,轨旁设备用于获取其所在平交道口的第一检测信息;所述轨旁设备一般包括第一激光雷达、第一相机和第一毫米波雷达;第一检测信息可以包括通过对第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对第一毫米波雷达收集的数据分析获取的轨旁运动目标的第三子检测信息;每个车载设备用于获取电车的定位信息以及电车前方的第二检测信息;车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并综合第一检测信息和第二检测信息,确定行车方案。
作为可选地,上述轨旁设备还包括轨旁计算机;轨旁计算机主要用于基于深度学***交道口图像进行识别,获取轨旁已知类型目标的第一子检测信息;第一子检测信息包括轨旁已知类型目标的存在信息;还用于根据第一激光雷达收集的数据,获取轨旁各类型目标的第二子检测信息;所述第二子检测信息包括轨旁各类型目标的存在信息和距离信息;还用于根据第一毫米波雷达收集的数据,获取接***交道口的运动目标的第三子检测信息;所述第三子检测信息包括轨旁运动目标的存在信息、距离信息和速度信息;第一子检测信息、第二子检测信息和第三子检测信息构成第一检测信息。
作为可选地,车载设备还包括第二激光雷达、第二相机、第二毫米波雷达和车载计算机;轨旁设备用于获取电车前方的第二检测信息,具体包括:第二相机用于获取电车前方图像,上传至车载计算机;车载计算机用于基于深度学习方法,根据电车前方图像,获取电车前方已知类型目标的第四子检测信息;所述第四子检测信息包括电车前方已知类型目标的存在信息;车载计算机根据第二激光雷达收集的数据,获取电车前方各类型目标的第五子检测信息;所述第五子检测信息包括电车前方各类型目标的存在信息和距离信息;车载计算机根据第二毫米波雷达收集的数据,获取接近电车前方的运动目标的第六子检测信息;所述第六子检测信息包括电车前方运动目标的存在信息、距离信息和速度信息;第四子检测信息、第五子检测信息和第六子检测信息构成第二检测信息。
作为可选地,上述车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并综合第一检测信息和第二检测信息,确定行车方案,包括:
车载设备根据所述定位信息确定电车与最近的平交道口的距离;根据第一子检测信息和第二子检测信息,判断是否存在静止的各类型目标停留在平交道口预设范围内;以及根据第四子检测信息和第五子检测信息判断是否存在静止的各类型目标停留电车前方;若不存在,则根据第六子检测信息,判断是否存在电车前方运动目标;若存在,则根据所述第六子检测信息中电车前方运动目标的速度信息,判断电车是否会与电车前方运动目标相撞;若不相撞,则根据第三子检测信息,判断是否存在轨旁运动目标;若存在,则根据电车的速度、第三子检测信息中轨旁运动目标的速度信息、第二子检测信息中轨旁各类型目标的距离信息、电车与平交道口的距离,判断在电车到达平交道口时轨旁运动目标能否通过平交道口;若判断轨旁运动目标能通过平交道口,则控制电车以正常速度通过平交道口;若判断轨旁运动目标不能通过平交道口,则控制电车减速接***交道口。
作为可选地,第二激光雷达包括水平设置于车头前方的第一面阵激光器和第二面阵激光器;第一面阵激光器位于第二面阵激光器的左侧,并向左偏移预设角度,第二面阵激光器向右偏移预设角度。
作为可选地,第二激光雷达还包括分别设置于车头两侧的第一旋转激光雷达和第二旋转激光雷达;旋转激光雷达距离轨面的距离小于面阵激光器距离轨面的距离。
作为可选地,第二相机包括水平设置于车头前方的至少三台子相机;其中,第一子相机和第二子相机设置于第三子相机的两侧,第一子相机和第二子相机为宽视角相机,第三子相机为远距离相机;第一子相机和第二子相机分别向对应侧偏移预设角度,第三子相机被设置为朝向电车前方。
作为可选地,本发明实施例提供的车载设备还可以包括惯性测量单元、GPS定位单元、里程计以及电子地图单元;车载设备用于获取电车的定位信息,具体包括:车载计算机根据惯性测量单元、GPS定位单元、里程计获取电车在电子地图上10米级粗定位信息;将激光雷达获取的实时点云与电子地图上10米级粗定位信息进行匹配,获取1米级的高精度定位信息。
作为可选地,本发明实施例提供的用于有轨电车障碍物检测的***,还包括:云平台;该云平台用于接收由每个轨旁设备上传的第一检测信息,并对所有第一检测信息进行广播。车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,具体包括:车载设备接收云平台的广播信息,并根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息。
另一方面,本发明实施例还提供一种用于有轨电车障碍物检测的方法,包括以下步骤:获取电车的定位信息以及电车前方的第二检测信息;根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;第一检测信息主要包括通过对平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对激光雷达数据分析获取的轨旁各类型目标的第二子检测信息以及通过对毫米波雷达数据分析获取的轨旁运动目标的第三子检测信息;最后,综合第一检测信息和第二检测信息,确定行车方案。
进一步地,本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述用于有轨电车障碍物检测的方法的步骤。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述用于有轨电车障碍物检测的方法的步骤。
本发明实施例提供的用于有轨电车障碍物检测的***及方法,通过在平交道口等复杂区域安装轨旁设备,实现了对车载设备无法顾及,却又对有轨电车构成严重安全威胁的区域的监控和感知,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用于有轨电车障碍物检测***的结构示意图;
图2是本发明实施例提供的另一种用于有轨电车障碍物检测***的结构示意图;
图3是本发明实施例提供的车载设备的结构示意图;
图4是本发明实施例提供的第二激光雷达中第一面阵激光器和第二面阵激光器的安装示意图;
图5为本发明实施例提供的第二激光雷达中第一旋转激光雷达和第二旋转激光雷达的安装示意图;
图6为本发明实施例提供的第二激光雷达探测范围示意图;
图7为本发明实施例提供的第二相机的安装及探测范围示意图;
图8为本发明实施例提供的一种用于有轨电车障碍物检测的方法的结流程示意图;
图9为本发明实施例提供的用于有轨电车障碍物检测的方法中车载设备和轨旁设备的配合示意图;
图10是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于在目前有轨电车在行进过程中进行避障的主要手段还是通过电车驾驶员结合设置于电车上的单一的传感器进行主观判断,判断精度差、受外界环境影响大,从而造成无法对平交道口等复杂条件下的障碍物,尤其是高速横穿道口的社会车辆等进行迅速感知的精度,从而对电车以及平交道口的人员等安全造成极大的隐患。
本发明实施例提供一种用于有轨电车障碍物检测的***,如图1和图2所示,主要包括车载设备1和设置于各个平交道口的轨旁设备2;轨旁设备2主要用于获取其所在平交道口的第一检测信息;所述轨旁设备2可以包括有第一激光雷达、第一相机和第一毫米波雷达;第一检测信息包括通过对第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对第一毫米波雷达收集的数据分析获取的接***交道口的运动目标的第三子检测信息;车载设备2用于获取电车的定位信息以及电车前方的第二检测信息;车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并根据第一检测信息和第二检测信息,确定行车方案。
其中,车载设备1预设在每列电车上,而轨旁设备2则预设在电车轨道的各个平交道口旁。每个轨旁设备2可以通过激光雷达、相机等多种检测装置,实现对平交道口等复杂场景进行感知,独立的获取其所在的平交道***通情况,例如:行人和社会车辆通行情况、轨道上是否存在影响行车安全的障碍物等作为第一检测信息。其中,能够检测的障碍物包括:有轨电车,汽车(含各种机动车和特种车辆),摩托车,三轮车(人力或机动),自行车(含电动),行人,猫、狗等动物,悬挂在接触网上的异物,位于轨道上的异物等等。尤其需要指出的是:第二检测信息可以包括对高速接近中的障碍物进行检测、测速、跟踪和预警的信息。轨旁设备2可以将将收集的上述检测信息进行汇总、存储,并发送给即将通过该平交道口的电车。
其中,第一检测信息的采集方式可以是按照预设周期进行采样(例如每分钟一次);也可以是实时采集并实时广播的方式进行;也可以是在判断即将有电车通过时,在该电车通过前的某与预设时间点进行第一检测信息的采样,并发送给即将通过该路口的列车。本发明实施例对于每个轨旁设备与每列电车之间的通信方式不作具体地限定,可以是:每个平交道口处的轨旁设备根据电车行车调度信息表、电子地图以及每列电车的实时定位信息,先判断出通过该平交道口处的最近的电车,并与其建立无线通信连接后,获取第一检测信息。将第一检测信息发送给上述电车,直至其通过。然后,继续判断下一列通过的电车,以与之建立通信连接。每个轨旁设备按上述方式迭代执行障碍物检测任务,保证电车的安全通过。
作为一种可选地,如图2所示,每个轨旁设备2可以包括第一激光雷达、第一相机和第一毫米波雷达,轨旁设备用于获取其所在平交道口的第一检测信息,具体包括:第一相机用于获取其所在平交道口图像。由于相机的能够用于实时获取轨旁设备所在的平交道口的图像信息,并能够基于深度学习的方法快速检测出轨道,车辆,行人等已知类型的障碍物目标,但是其无法获得障碍物目标与轨道之间的准确距离,也不能检测出无法预料的未知类型目标,例如混凝土块等。此外由于相机容易受到可见光的干扰,例如完全漆黑或者强逆光的场景下可能会失效,从而导致其适用性不高。
激光雷达能够快速检测出近距离的障碍物及其与轨道的距离,且完全不受可见光的干扰。但是其难以判定障碍物的类型,而且对于远距离的、尺度比较小的障碍物的检测也比较困难(例如轨道),导致其无法判断障碍物是否在轨道上。
毫米波雷达对运动目标非常敏感,能够快速检测出运动中的车辆、行人等,能够实现比较精确的速度测量,且抗干扰能力强,完全不受光线、雾霾雨雪的影响,但是其对于静态目标的检测效果不好。
有鉴于此,若利用单个传感器进行障碍物的检测,都或多或少存在检测短板。为了有效的克服上述缺陷,在本发明实施例中,通过在每个轨旁设备中集成第一激光雷达、第一相机、第一毫米波雷达,将三种传感器进行结合,取长补短,实现对各情况下的障碍物的可靠感知。
相机主要用于轨道,以及车辆、人员等已知类型障碍物的检测。激光雷达工作原理是向目标发射探测信号(激光束),然后将接收到的从目标反射回来的信号(目标回波)与发射信号进行比较,可获得目标的有关信息,包括:目标距离、方位、高度、速度、姿态、甚至形状等参数。在本实施例中利用激光雷达辅助相机实现轨道位置的检测和已知类型障碍物的测距,并弥补对相机无法捕获的近距离未知类型障碍物的检测,其中未知类型障碍物是与前面所述的已知类型障碍物相对应的,即不能被基于图像的神经网络模型识别的障碍物,例如:未进行网络训练的石块、突然出现的动物等。毫米雷达波是指工作在毫米波波段探测的雷达,能够进行高精度距离、方位、频率、速度和空间位置的测量定位。在本实施例中,毫米波雷达主要用于运动目标的检测、测速。在识别到位于平交道口的障碍物后,结合第一激光雷达收集的第二子检测信息,可以获取未知目标中接***交道口的运动目标的第三子检测信息。因此,在本发明实施例中轨旁设备所收集的第一检测信息涵盖了有关障碍物的轨旁已知类型目标信息(第一子检测信息)、各类型目标信息(第二子检测信息,其包括了已知类型目标信息和未知类型目标信息)、快速接***交道口的运动目标信息、轨旁已知类型目标的速度信息、轨旁各类型目标的速度信息(包括已知类型目标和不能通过对相机采集的图片进行识别的未知类型目标)等。
进一步地,车载设备1预设在每列电车上,主要用于检测在列车车头前方的障碍物,同时可以在每列电车上也安装激光雷达等各种相关检测装置,以实现对电车前方障碍物的可靠感知,获取第二检测信息。
作为可选地,其中相机用于获取列车前方的图像信息,并将图像信息输入至预先训练好的深度网络学习模型中,根据网络模型的输出,判断出电车前方的轨道,车辆,行人等已知类型的目标,最后判断出上述目标中是否有障碍物的存在。
在获取到车载装置收集的第二检测信息,以及由轨旁设备发送给车载装置的第一检测信息后,可以利用位于每个列车上的车载计算机综合第一检测信息以及第二检测信息,预先获取列车即将通过的平交道口的交通情况,尤其是障碍物情况。最后,可以根据所预知的障碍物情况,确定相应的行车方案。
其中,行车方案可以预先制定并存储至车载计算机,使电车可以根据实时交通情况,自动进行行车方案的选择以及切换。例如:若判断出在即将到达的平交道口上有较大障碍物,会对行车安全造成严重威胁时,则控制电车立即采取紧急制动措施;若判断在即将到达的平交道口上有可能会存在突发状况时,则控制电车采取减速措施;若判断在即将到达的平交道口上的交通情况正常,则控制列车以正常速度通过等。
本发明实施例提供的用于有轨电车障碍物检测的***,通过在平交道口等复杂区域安装轨旁设备,实现了对车载设备无法顾及,却又对有轨电车构成严重安全威胁的区域的监控和感知,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。
基于上述实施例的内容,作为一种可选实施例,如图2所示,每个轨旁设备2可以包括第一激光雷达、第一相机、第一毫米波雷达和轨旁计算机;轨旁计算机用于基于深度学***交道口图像,获取轨旁已知类型目标的第一子检测信息;第一子检测信息包括轨旁已知类型目标的存在信息。轨旁计算机还用于根据第一激光雷达收集的数据,获取轨旁各类型目标的第二子检测信息;第二子检测信息包括轨旁各类型目标的存在信息和距离信息。轨旁计算机还可以根据第一毫米波雷达收集的数据,获取接***交道口的运动目标的第三子检测信息;第三子检测信息包括轨旁运动目标的存在信息、距离信息和速度信息。第一子检测信息、第二子检测信息和第三子检测信息构成第一检测信息。
作为可选地,第一子检测信息可以是指:能够通过对平交道口图像进行网络模型识别所获取到的已知类型目标是否存在的信息,例如:通过对平交道口图像进行识别所获取的汽车、摩托车、自行车、行人等已知障碍物是否位于平交道口预设范围内的信息。
第二子检测信息可以是指:能够通过对第一激光雷达所检测的点云数据进行分析所获取的各类型目标(包括能够通过点云图像识别的已知类型目标以及未知类型目标)是否位于平交道口预设范围内的信息;同时,所述第二子检测信息还可以包括所识别的各个各类型目标与平交路口的距离信息并可以进一步的确定其相对于平交道口的速度信息。
第三子检测信息可以是指:能够通过对第一毫米波雷达所获取的雷达波数据进行分析所获取的快速接***交路口的运动物体是否存在的信息;同时,第三子检测信息还包括运动物体与平交路口的距离信息以及速度信息。
由于通过对毫米波雷达的分析,能够准确的确定出被检测对象的相对运动速度,在本发明实施例各类型目标相对于平交路口运动的速度信息的计算方法可以是:结合第一毫米波雷达,对第一激光雷达获取的第二子检测信息进行速度计算所获取到的各个各类型目标相对于平交路口运动的速度信息。
相机的能够用于实时获取轨旁设备所在的平交道口的图像信息,并能够基于深度学习的方法快速检测出轨道,车辆,行人等已知类型的障碍物目标,但是其无法获得障碍物目标与轨道之间的准确距离,也不能检测出无法预料的所有类型的目标,例如混凝土块等。此外由于相机容易受到可见光的干扰,例如完全漆黑或者强逆光的场景下可能会失效,从而导致其适用性不高。
但激光雷达能够快速检测出近距离的障碍物及其与轨道的距离和速度信息,且完全不受可见光的干扰。但是其难以判定障碍物的类型,而且对于远距离的、尺度比较小的障碍物的检测也比较困难(例如轨道),导致其无法判断障碍物是否在轨道上。
且由于毫米波雷达对运动目标非常敏感,能够快速检测出运动中的车辆、行人等,能够实现比较精确的速度测量,且抗干扰能力强,完全不受光线、雾霾雨雪的影响,但是其对于静态目标的检测效果不好。
有鉴于此,若利用单个传感器进行障碍物的检测,都或多或少存在检测短板。为了有效的克服上述缺陷,在本发明实施例中,通过在每个轨旁设备中集成第一激光雷达、第一相机、第一毫米波雷达,将三种传感器进行融合,取长补短,实现对各情况下的障碍物的可靠感知。同时为了实现对各感知数据的预处理以及与云平台或者每列电车的车载设备之间的通信,在每个轨旁设备还集成有一个轨旁计算机。
其中,第一相机在获取到其所在平交道口图像后,将该图像上传至预先训练好的并存储在轨旁计算机中的深度学习网络模型中进行图像识别,以检测汽车、摩托车、自行车、行人等已知障碍物,构建已知类型目标的第一子检测信息。然后分别通过激光雷达和毫米波雷达来协助确定这些目标的距离和速度。
其中,对深度学习网络模型进行预训练的方法步骤可以是:
预先采集不同天气、不同光照条件、包含不同障碍物的样本图像,并在每个样本图像上标注障碍物的标签,获取训练样本集。利用该训练样本集对深度学习网络模型进行预训练,直至达到预设的训练次数或者直至训练结果收敛为止,获取训练后的网络模型。
进一步地,相机主要用于轨道,以及车辆、人员等已知类型障碍物的检测;激光雷达辅助相机实现轨道位置的检测和已知类型障碍物的测距,并实现近距离未知类型障碍物的检测,其中未知类型障碍物是与前面所述的已知类型障碍物相对应的,即不能被基于图像的盛景网络模型识别的障碍物,例如:未进行网络训练的石块、突然出现的动物等。毫米波雷达主要用于运动目标的检测、测速。在识别到位于平交道口的障碍物后,结合第一激光雷达收集的第二子检测信息,可以获取未知目标中接***交道口的运动目标的第三子检测信息。因此,在本发明实施例中轨旁设备所收集的第一检测信息涵盖了有关障碍物的轨旁已知类型目标信息(第一子检测信息)、各类型目标信息(第二子检测信息)、接***交道口的运动目标信息(第三子检测信息)、轨旁已知类型目标的速度信息、轨旁各类型目标的速度信息,以及快速接***交道口的运动目标的速度信息等。
本发明实施例提供的通过在平交道口等复杂区域安装轨旁设备,实现了对车载设备无法顾及,却又对有轨电车构成严重安全威胁的区域的监控和感知,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题。
基于上述实施例的内容,作为一种可选实施例,车载设备也可以包括第二激光雷达、第二相机、第二毫米波雷达和车载计算机;轨旁设备用于获取电车前方的第二检测信息,具体包括:第二相机用于获取电车前方图像,上传至车载计算机;车载计算机用于基于深度学习方法,根据电车前方图像,获取电车前方已知类型目标的第四子检测信息;第四子检测信息包括电车前方已知类型目标的存在信息。车载计算机根据第二激光雷达收集的数据,获取电车前方各类型目标的第五子检测信息;第五子检测信息包括电车前方各类型目标的存在信息和距离信息。轨旁计算机根据第二毫米波雷达收集的数据,获取接近电车前方的运动目标的第六子检测信息;第六子检测信息包括电车前方运动目标的存在信息、距离信息和速度信息。第四子检测信息、第五子检测信息和第六子检测信息构成第二检测信息。
作为可选地,第四子检测信息可以是指能够通过对电车前方图像进行网络模型识别所获取到的位于电车前方预设距离内的已知类型目标是否存在的信息;例如:通过对电车前方图像进行识别所获取的前方电车是否位于图像采集范围内的信息。第五子检测信息可以是指:能够通过对第二激光雷达所检测的点云数据进行分析所获取的各类型目标(包括能够通过对点云图像识别的已知类型目标以及未知类型目标)是否位于电车前方预设距离内的信息;同时,所述第五子检测信息还可以包括所获取的各个各类型目标与目标电车的距离信息。其中,未知类型目标可以是位于列车前方的石块、悬挂在接触网上的异物等等,对此本发明实施例不作具体地限定。
第六子检测信息可以是指:能够通过对第二毫米波雷达所获取的雷达波数据进行分析所获取的快速接近电车前方的运动物体是否存在的信息;同时,第六子检测信息还包括运动物体与电车的距离信息以及速度信息。
其中,在本发明实施例各类型目标相对于目电车的速度信息的计算方法可以是:结合第二毫米波雷达,对第二激光雷达获取的第五子检测信息和第六子检测信息进行速度计算所获取到的各个各类型目标相对于电车的速度信息。
具体地,在本发明实施例中,也可以在每列电车的车载设备中集成第二激光雷达、第二相机、第二毫米波雷达和车载计算机。轨旁设备主要用于检测在平交道口等复杂区域的障碍物情况,而车载设备这主要是用于获取位于车辆前方以及两侧的障碍物信息。
与前一实施例中所述的轨旁设备中所设置的第一激光雷达、第一相机、第一毫米波雷达和轨旁计算机相对应的,在本发明实施例所提供的车载设备中,也设置有第二激光雷达、第二相机、第二毫米波雷达和车载计算机。
其中,相机主要用于轨道,以及车辆、人员等已知类型障碍物的检测;激光雷达辅助相机实现轨道位置的检测和已知类型障碍物的测距,并实现近距离未知类型障碍物的检测;毫米波雷达主要用于对快速运动目标的检测以及车辆的测速。
其中,每个激光雷达、相机、毫米波雷达和车载计算机在障碍物检测中所起的作用与其在轨旁设备中的作用相似,在此不作赘述。
本发明实施例提供的有轨电车障碍物检测的***,通过在电车上上的车载设备中集成第二激光雷达、第二相机、第二毫米波雷达和车载计算机,获取第二检测信息,能自主的实现了车辆前方以及两侧的全覆盖,能够适应更小的弯道半径,最大限度避免了盲区的存在。并结合第一检测信息,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。
基于上述实施例的内容,作为一种可选实施例,上述车载设备还可以有用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并综合第一检测信息和所述第二检测信息,确定行车方案,包括:车载设备根据所述定位信息确定电车与最近的平交道口的距离;根据第一子检测信息和第二子检测信息,判断是否存在静止的各类型目标停留在平交道口预设范围内;以及根据第四子检测信息和第五子检测信息判断是否存在静止的各类型目标停留电车前方;若不存在,则根据第六子检测信息,判断是否存在电车前方运动目标;若存在,则根据第六子检测信息中电车前方运动目标的速度信息,判断电车是否会与电车前方运动目标相撞;若不相撞,则根据第三子检测信息,判断是否存在轨旁运动目标;若存在,则根据电车的速度、第三子检测信息中轨旁运动目标的速度信息、第二子检测信息中轨旁各类型目标的距离信息、电车与平交道口的距离,判断在电车到达平交道口时轨旁运动目标能否通过平交道口,;若判断轨旁运动目标能通过平交道口,则控制电车以正常速度通过平交道口;若判断轨旁运动目标不能通过平交道口,则控制电车减速接***交道口。
其中,电车与平交道口的距离可以根据电车的定位信息以及平交道口的位置信息计算获取;而电车的速度则可以通过自身的测速装置直接读取。
具体地,本发明实施例提供的有轨电车障碍物检测的***,综合利用轨旁设备收集的第一检测信息以及电车自身所获取的第二检测信息,实现车路协同,以制定出适当的行车方案。
整个协同过程方可以分为多个判断步骤:
首先,判断出在电车前方以及与电车最为接近的平交道口上是否存在静止的但影响行车安全的障碍物,其中可以根据激光雷达、相机与毫米波雷达的协作,实现对各类型目标障碍物的检测。若任一被检测部位出现了可能影响行车安全的障碍物,则控制电车减速或者紧急停车。
进一步地,若上述两个位置均未出现障碍物,则需要预先判断出是否存在快速接近电车或者目标平交道口的运动目标;在这一判断过程中,优先判断是否有快速接近电车前方的运动目标,即根据第六检测信息以及电车自身的速度,预判列车在正常行驶的情况下是否会与该运动目标相撞。若判断的结果是两者可能相撞,则控制电车减速或者紧急停车;若判断的结果是两者不可能相撞,则列车正常行驶向目标平交道口,并进一步判断,是否有快速接***交道口的运动目标。若存在,则判断在电车到达所述平交道口时所述运动目标能否通过平交道口。
最后,若判断运动目标能通过所述平交道口,则控制电车以正常速度通过平交道口;若判断所述运动目标不能通过平交道口,则控制电车以较低的速度缓慢接***交道口,甚至紧急停车。
本发明实施例提供的有轨电车障碍物检测的***,利用轨旁设备和车载设备分别获取电车和最接近电车的平交路口的交通状况信息,以实现车路协同,合理的制定电车的行车方案,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。基于上述实施例的内容,作为一种可选实施例,如图2和图3所示,第二激光雷达包括水平设置于车头前方的第一面阵激光器和第二面阵激光器。其中,第一面阵激光器可以位于第二面阵激光器的左侧,并向左偏移预设角度,第二面阵激光器向右偏移预设角度。
具体地,在本发明实施例中的车载设备使用多台面阵激光雷达(至少包括第一面阵激光器和第二面阵激光器)的目的是:解决单台激光雷达水平视野太窄的问题,通过两台面阵激光雷达的叠加,实现水平方向140°以上的视野覆盖,其具体地设置状态如图4所示。
两台面阵激光器可以居中安装(设置于车头的前方),以确保在左弯道和右弯道情况下具有相同的检测能力。为了避免雷达之间的近距离区域出现盲区,两台雷达间距应尽可能的小。
作为可选地,一台面阵激光器(第一面阵激光器,简称激光雷达A)位于另一台面阵激光器(第二面阵激光器,简称激光雷达B)的左侧,并向左偏移预设角度(例如5°-10°),第二面阵激光器向右偏移对应的预设角度。以使得能够对前方区域进行最大程度的检测。
作为可选地,可以将每台面阵激光器下设置于一个可旋转支架的一端,可旋转支架的另一端固设与车头中部,且可旋转支架可以手动或自动调节。当可旋转支架以自动的方式旋转时,可以随列车车头的转向自适应的调整其角度。例如:当电车在向左转向,且转向角度为5°时,车载计算机控制每个可旋转支架也相应的向左偏转5°,以使得激光雷达能够获取偏向左侧5°区域的障碍物情况,能够最大限度避免了转向盲区的存在,进一步地保证行车安全。
作为可选地,第一激光雷达也可以包括两个面阵激光器其设置方式与上述激光雷达A和激光雷达B的设置方式类似,其检测的方向均朝向轨道方向。进一步地,在本发明实施例中还可以在每个平交道口的轨道两侧分别设置一个轨旁设备,每个轨旁设备中的第一激光雷达分别包括两个面阵激光器。通过这样的设置,能够有效的提高轨旁设备的检测范围以及检测的精度。
基于上述实施例的内容,作为一种可选实施例,如图4和图5所示,第二激光雷达还可以包括分别设置于车头两侧的第一旋转激光雷达和第二旋转激光雷达;旋转激光雷达距离轨面的距离小于面阵激光器距离轨面的距离。
具体地,在本发明实施例提供的用于有轨电车障碍物检测的***中,还可以在电车的车头两侧分别设置一个激光雷达,为方便表述,按车头方向分别称作第一旋转激光雷达(激光雷达C)和第二旋转激光雷达(激光雷达D)。
其中,为了使旋转结构雷达能够获得最大限度的水平视野,雷达可以安装在车辆前端的两个拐角处,确保单个雷达能够获得接近270°的水平视野。
进一步地,如图5所示,面阵激光雷达通常安装在车头部位的中上部(距轨面1.8m~3.4m),以确保获得前方更好的视野,并确保对接触网的检测,而旋转激光雷达一般安装在较低的位置(距轨面0.6m~1.2m)。
本发明实施例提供的有轨电车障碍物检测的***,通过设置多个不同检测方向、不同安装位置的雷达,以实现对车头前方盲区的最大范围的覆盖。
作为可选地,位于轨旁设备的第二激光雷达也可以是由上述多个面阵激光雷达以及旋转激光雷达组合而成的。其中,每个激光雷达的设置方式也可以与上述第二激光雷达的设置方式相同或相似,其所起的作用也相似,在此也不作赘述。
基于上述实施例的内容,作为一种可选实施例,第二相机可以包括水平设置于车头前方的至少三台子相机;其中,第一子相机和第二子相机设置于第三子相机的两侧,第一子相机和第二子相机为宽视角相机,第三子相机为远距离相机;第一子相机和第二子相机分别向对应侧偏移预设角度,第三子相机被设置为朝向电车前方。
具体地,如图7所示,本发明实施例的车载设备,使用多台相机的目的是为了兼顾检测距离和水平视野。通常检测距离远的相机视角比较窄,而视野宽的相机则检测距离近,为了兼顾检测距离和水平视野,使用至少三台相机实现远近搭配,以实现水平方向120°以上的视野覆盖,并确保中心区域的30度视野能够实现150米以上的检测距离。
本发明实施例提供的有轨电车障碍物检测的***,通过设置多个相机进行相互配合,能够有效的提高图像获取的距离,扩大图像获取的方位,以提高检测的精度,避免意外情况的分析。
作为可选地,在位于轨旁设备的第二相机也可以是由上述多台相机组合而成的。其中,每个相机的设置方式也可以与上述第二相机的设置方式相同或相似,其所起的作用也相似,在此也不作赘述。
基于上述实施例的内容,作为一种可选实施例,车载设备还可以包括惯性测量单元(IMU)、GPS定位单元、里程计以及电子地图单元;车载设备用于获取电车的定位信息,具体包括:车载计算机根据惯性测量单元、GPS定位单元、里程计获取电车在电子地图上10米级粗定位信息;将激光雷达获取的实时点云与电子地图上10米级粗定位信息进行匹配,获取1米级的高精度定位信息。
具体地,本发明实施例提供的车载设备,能够通过IMU、GPS、毫米波雷达、激光雷达、以及高精度电子地图实现车辆的精确定位,从而能够实现更加精确和有针对性的环境感知,及时与即将通过的平交道口建立通信连接,最高效率的获取第一检测信息,以及完成行车方案的制定。
作为可选地,毫米波雷达能够获得电车的运行速度,通过速度积分可以获得电车的行驶里程,即相当于里程计。通过对里程计、IMU以及GPS数据的融合,能够获得电车的粗定位(定位精度±10米)。基于粗定位的结果,在电子地图上选取±10米范围的点云,用激光雷达的实时点云进行匹配,则可以获取到电车的精确位置(定位精度±1米)。
本发明实施例提供的有轨电车障碍物检测的***,一方面,通过高精度电子地图、GPS、IMU等传感器,实现了车辆的高精度定位,从而能够针对特定的场景实现更有针对性的障碍物检测和跟踪;另一方面,根据电车的高精度定位信息,及时的获取与之最接近的平交道口的第一检测信息,从而能最快的确定出下一步的行车方案,有效的提高了行车安全性。
基于上述实施例的内容,作为一种可选地,如图2所示,本发明实施例提供的用于有轨电车障碍物检测的***,还可以包括云平台;云平台用于接收由每个轨旁设备上传的第一检测信息,并对所有第一检测信息进行广播;车载设备还用于根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,具体包括:车载设备接收云平台的广播信息,并根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息。
具体地,在本发明实施例中提供了一种每个轨旁设备与每列电车进行信息交互的方法,包括预先构建云平台。每列电车均建立与云平台的无线通信连接,能够实时的将获取到的第二检测信息上传至该云平台,同时也可以根据需要从云平台下载其需要的第一检测信息。同理,每个轨旁设备也建立云平台的通信连接,并能够实时的将获取到的第一检测信息上传至该云平台。
作为可选地,每个轨旁设备与每列电车可以对应一个编号,而每个编号对应与云平台的一个存储地址。在列车即将到达下一个平交道口时,可以预先根据调度信息表、电子地图以及每列电车的实时定位信息,确定该平交道口的编号信息,并根据该编号信息从云平台的对应存储区域下载对应的第一检测信息。然后,综合电车的车载设备锁获取的第一检测信息和下载的第二检测信息,判断出行车路线上下一个平交道口的交通情况,以选择适当的行车方案。
需要说明的,在本实施例中通过云平台实现轨旁设备与车载设备之间的信息交互,仅作为一种可选的方案,通过采用其它方式能够实现上述通信功能的方法均可以视为本发明实施例的保护范围。
本发明实施例提供的用于有轨电车障碍物检测的***,利用公网4G/5G将障碍物数据发送到云平台,再由云平台转发给所有的车载设备,能够有效的保证数据交互的安全性、可靠性和及时性,达到了车路协同的目的,实现了对车辆周围环境更加充分的感知,进一步提升了车辆的运行安全。
本发明实施例还提供一种用于有轨电车障碍物检测的方法,如图8所示,包括但不限于以下步骤:
步骤S1:获取电车的定位信息以及电车前方的第二检测信息;
步骤S2:根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;所述第一检测信息包括通过对平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对激光雷达数据分析获取的轨旁各类型目标的第二子检测信息、通过对毫米波雷达数据分析获取的接***交道口的运动目标的第三子检测信息;
步骤S3:综合第一检测信息和第二检测信息,确定行车方案。
具体地,本发明实施例提供的有轨电车障碍物检测的方法,利用位于每个平交道口的轨旁设备获取第一检测信息,并利用电车自身携带的车载设备获取第二检测信息。其中,第一检测信息位于轨旁的包括行人和社会车辆通行情况、轨道上是否存在影响行车安全的障碍物等信息;第二检测信息则主要是行进中的电车前方的障碍物信息。
其中,车载设备根据自身的定位,选择来自前方最近轨旁设备第一检测信息进行解析,获得平交道口的详细情况,然后根据下面几个方面的因素判断是否需要切换行车方案,采取制动:
1)本电车的速度和距离平交道口的距离;
2)是否有静止的障碍物停留在平交道口的轨道上或轨道预设范围内;
3)是否有车辆等移动障碍物正在接***交道口。如果是,根据目标的速度以及到轨道的距离判断本车到达前目标是否能够跨过轨道;或者是否正在减速制动中,在本电车到达前能够停下来;
4)车载设备是否检测到任何障碍物。
最后,汇总上面四方面的因素,如果没有检测到任何障碍物,也没有任何目标在本车通过平交道口时会刚好停留在轨道上,则以正常的速度通过平交道口,否则进行行车方案的切换,采取减速或者紧急制动的方式,以避免碰撞的发生。
本发明实施例提供的有轨电车障碍物检测的方法,通过在平交道口等复杂区域安装轨旁设备,实现了对车载设备无法顾及,却又对有轨电车构成严重安全威胁的区域的监控和感知,解决了车载设备无法对平交道口等区域的态势进行充分感知的问题,有效的提升了车辆的运行安全。
基于上述实施例的内容,作为一种可选实施例,上述根据第一检测信息和第二检测信息,确定行车方案,具体包括:
根据第一检测信息和所述第二检测信息,判断在电车通过平交道口时,是否存在障碍物或目标会刚好停留在轨道上;若存在,则以较低的速度缓慢接近所述平交道口;若不存在,则以正常速度通过平交道口。
具体地,本发明实施例提供了一种具体地用于有轨电车障碍物检测的方法,包括但不限于以下步骤:
步骤1:车载设备利用自身搭载的毫米波雷达实现车辆的速度测量,并通过速度积分获得车辆的里程计;
步骤2:车载设备利用自身搭载的GPS,IMU和里程计实现车辆的10米级粗定位;
步骤3:车载设备利用粗定位从高精度电子地图上选取±10米范围的数据作为匹配对象;
步骤4:车载设备利用激光雷达实时点云与选定的±10米高精度电子地图进行匹配,获得1米级的高精度定位;
步骤5:车载设备利用高精度定位和电子地图,确定前方轨道的位置;
步骤6:车载设备利用激光雷达、相机和毫米波雷达实现车辆前方障碍物的检测和跟踪;
步骤7:轨旁设备利用激光雷达、相机和毫米波雷达实现平交道口等复杂场景下的障碍物的检测和跟踪;
步骤8:轨旁设备利用公网4G/5G将障碍物数据发送到云平台,再由云平台转发给所有的车载设备;
步骤9:车载设备接收所有轨旁设备发送的障碍物数据,再根据自身的精确定位,选择车辆前方最近的轨旁设备所发送的数据,对其进行分析和处理;
步骤10:车载设备根据轨旁设备发送的数据判定是否有静止目标停留在轨道或轨道预设范围内,判定是否有运动目标正在接近轨道,如果有,车载设备根据自身的速度以及到平交道口的距离,判定在本车到达之前,运动目标是否能够跨过轨道,或者是否能够在到达轨道前停下来。
步骤11:车载设备汇总自身和轨旁设备报告的障碍物数据,如果没有发现任何障碍物或目标在本车通过平交道口时会刚好停留在轨道上,则以正常速度通过平交道口,否则立即减速,以较低的速度缓慢接***交道口,避免碰撞的发生。
本发明实施例提供的用于有轨电车障碍物检测的方法,通过收集列车前方的障碍物信息以及即将通过的平交道口的障碍物信息,根据预先制定的行车方案进行行车控制,提升有轨电车的运行安全,避免碰撞事故的发生,提升有轨电车的运行速度,从而提升运行效率,而且可以降低有轨电车司机的工作压力和负担。
需要说明的是,本发明实施例提供的用于有轨电车障碍物检测的方法,在具体执行时,可以基于上述任一实施例所述的用于有轨电车障碍物检测的***来实现,对此本实施例不作赘述。
图10示例了一种电子设备的实体结构示意图,如图10所示,该电子设备可以包括:处理器(processor)110、通信接口(Communications Interface)120、存储器(memory)130和通信总线140,其中,处理器110,通信接口120,存储器130通过通信总线140完成相互间的通信。处理器110可以调用存储器130中的逻辑指令,以执行用于有轨电车障碍物检测的方法,该方法包括:获取电车的定位信息以及电车前方的第二检测信息;根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;轨旁设备包括第一激光雷达、第一相机和第一毫米波雷达;第一检测信息包括通过对所述第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对所述第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对所述第一毫米波雷达收集的数据分析获取的接***交道口的运动目标的第三子检测信息;根据第一检测信息和第二检测信息,确定行车方案。
此外,上述的存储器130中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明实施例还提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的有轨电车障碍物检测的方法,该方法包括:获取电车的定位信息以及电车前方的第二检测信息;根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;轨旁设备包括第一激光雷达、第一相机和第一毫米波雷达;第一检测信息包括通过对所述第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对所述第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对所述第一毫米波雷达收集的数据分析获取的接***交道口的运动目标的第三子检测信息;根据第一检测信息和第二检测信息,确定行车方案。
又一方面,本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的以执行用于有轨电车障碍物检测的方法,该方法包括:获取电车的定位信息以及电车前方的第二检测信息;根据定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;轨旁设备包括第一激光雷达、第一相机和第一毫米波雷达;第一检测信息包括通过对所述第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对所述第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对所述第一毫米波雷达收集的数据分析获取的接***交道口的运动目标的第三子检测信息;根据第一检测信息和第二检测信息,确定行车方案。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种用于有轨电车障碍物检测的***,其特征在于,包括车载设备和设置于各个平交道口的轨旁设备;
所述轨旁设备用于获取其所在平交道口的第一检测信息;
所述轨旁设备包括第一激光雷达、第一相机和第一毫米波雷达;
所述第一检测信息包括通过对所述第一相机获取的平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对所述第一激光雷达收集的数据分析获取的轨旁各类型目标的第二子检测信息、通过对所述第一毫米波雷达收集的数据分析获取的轨旁运动目标的第三子检测信息;
所述车载设备用于获取电车的定位信息以及电车前方的第二检测信息;
所述车载设备还用于根据所述定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并综合所述第一检测信息和所述第二检测信息,确定行车方案。
2.根据权利要求1所述的用于有轨电车障碍物检测的***,其特征在于,所述轨旁设备还包括轨旁计算机;
所述轨旁计算机用于基于深度学***交道口图像进行识别,获取轨旁已知类型目标的第一子检测信息;所述第一子检测信息包括轨旁已知类型目标的存在信息;
所述轨旁计算机还用于根据所述第一激光雷达收集的数据,获取轨旁各类型目标的第二子检测信息;所述第二子检测信息包括轨旁各类型目标的存在信息和距离信息;
所述轨旁计算机还用于根据所述第一毫米波雷达收集的数据,获取接***交道口的运动目标的第三子检测信息;所述第三子检测信息包括轨旁运动目标的存在信息、距离信息和速度信息;
所述第一子检测信息、第二子检测信息和第三子检测信息构成所述第一检测信息。
3.根据权利要求2所述的用于有轨电车障碍物检测的***,其特征在于,所述车载设备包括第二激光雷达、第二相机、第二毫米波雷达和车载计算机;
所述轨旁设备用于获取电车前方的第二检测信息,具体包括:
所述第二相机用于获取电车前方图像,上传至所述车载计算机;
所述车载计算机用于基于深度学习方法,根据所述电车前方图像,获取电车前方已知类型目标的第四子检测信息;所述第四子检测信息包括电车前方已知类型目标的存在信息;
所述车载计算机根据所述第二激光雷达收集的数据,获取电车前方各类型目标的第五子检测信息;所述第五子检测信息包括电车前方各类型目标的存在信息和距离信息;
所述车载计算机根据所述第二毫米波雷达收集的数据,获取接近电车前方的运动目标的第六子检测信息;所述第六子检测信息包括电车前方运动目标的存在信息、距离信息和速度信息;
所述第四子检测信息、第五子检测信息和第六子检测信息构成所述第二检测信息。
4.根据权利要求3所述的用于有轨电车障碍物检测的***,其特征在于,所述车载设备还用于根据所述定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,并综合所述第一检测信息和所述第二检测信息,确定行车方案,包括:
所述车载设备根据所述定位信息确定电车与最近的平交道口的距离;
根据所述第一子检测信息和所述第二子检测信息,判断是否存在静止的各类型目标停留在所述平交道口预设范围内;以及根据所述第四子检测信息和所述第五子检测信息判断是否存在静止的各类型目标停留电车前方;
若不存在,则根据所述第六子检测信息,判断是否存在电车前方运动目标;
若存在,则根据所述第六子检测信息中电车前方运动目标的速度信息,判断电车是否会与所述电车前方运动目标相撞;
若不相撞,则根据所述第三子检测信息,判断是否存在轨旁运动目标;
若存在,则根据电车的速度、所述第三子检测信息中轨旁运动目标的速度信息、第二子检测信息中轨旁各类型目标的距离信息、电车与所述平交道口的距离,判断在电车到达所述平交道口时所述轨旁运动目标能否通过所述平交道口;
若判断所述轨旁运动目标能通过所述平交道口,则控制电车以正常速度通过所述平交道口;
若判断所述轨旁运动目标不能通过所述平交道口,则控制电车减速接近所述平交道口。
5.根据权利要求3所述的用于有轨电车障碍物检测的***,其特征在于,所述第二激光雷达包括水平设置于车头前方的第一面阵激光器和第二面阵激光器;
所述第一面阵激光器位于所述第二面阵激光器的左侧,并向左偏移预设角度,所述第二面阵激光器向右偏移预设角度。
6.根据权利要求5所述的用于有轨电车障碍物检测的***,其特征在于,所述第二激光雷达还包括分别设置于车头两侧的第一旋转激光雷达和第二旋转激光雷达;旋转激光雷达距离轨面的距离小于面阵激光器距离轨面的距离。
7.根据权利要求3所述的用于有轨电车障碍物检测的***,其特征在于,所述第二相机包括水平设置于车头前方的至少三台子相机;
其中,第一子相机和第二子相机设置于第三子相机的两侧,所述第一子相机和第二子相机为宽视角相机,所述第三子相机为远距离相机;
所述第一子相机和所述第二子相机分别向对应侧偏移预设角度,所述第三子相机被设置为朝向电车前方。
8.根据权利要求3所述的用于有轨电车障碍物检测的***,其特征在于,所述车载设备还包括惯性测量单元、GPS定位单元、里程计以及电子地图单元;
所述车载设备用于获取电车的定位信息,具体包括:
所述车载计算机根据所述惯性测量单元、GPS定位单元、里程计获取电车在电子地图上10米级粗定位信息;
将激光雷达获取的实时点云与所述电子地图上10米级粗定位信息进行匹配,获取1米级的高精度定位信息。
9.根据权利要求1所述的用于有轨电车障碍物检测的***,其特征在于,还包括云平台;
所述云平台用于接收由每个所述轨旁设备上传的第一检测信息,并对所有所述第一检测信息进行广播;
所述车载设备还用于根据所述定位信息获取距离电车最近的轨旁设备所发送的第一检测信息,具体包括:
所述车载设备接收云平台的广播信息,并根据所述定位信息获取距离电车最近的轨旁设备所发送的第一检测信息。
10.一种用于有轨电车障碍物检测的方法,其特征在于,包括:
获取电车的定位信息以及电车前方的第二检测信息;
根据所述定位信息获取距离电车最近的轨旁设备所发送的第一检测信息;所述第一检测信息包括通过对平交道口图像识别获取的轨旁已知类型目标的第一子检测信息、通过对激光雷达数据分析获取的轨旁各类型目标的第二子检测信息、通过对毫米波雷达数据分析获取的轨旁运动目标的第三子检测信息;
综合所述第一检测信息和所述第二检测信息,确定行车方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010681647.0A CN112009524B (zh) | 2020-07-15 | 2020-07-15 | 一种用于有轨电车障碍物检测的***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010681647.0A CN112009524B (zh) | 2020-07-15 | 2020-07-15 | 一种用于有轨电车障碍物检测的***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112009524A true CN112009524A (zh) | 2020-12-01 |
CN112009524B CN112009524B (zh) | 2022-06-07 |
Family
ID=73498750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010681647.0A Active CN112009524B (zh) | 2020-07-15 | 2020-07-15 | 一种用于有轨电车障碍物检测的***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112009524B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113415318A (zh) * | 2021-07-09 | 2021-09-21 | 北京埃福瑞科技有限公司 | 一种列车连挂编组辅助防护***及防护方法 |
CN114155744A (zh) * | 2022-02-09 | 2022-03-08 | 天津七一二移动通信有限公司 | 基于4g网络的机车台道口视频安全防护***及实现方法 |
CN114655276A (zh) * | 2020-12-23 | 2022-06-24 | 交控科技股份有限公司 | 一种轨道交通运行*** |
CN114701526A (zh) * | 2022-04-02 | 2022-07-05 | 广东电网有限责任公司惠州供电局 | 一种自动操控方法及无人操控输电线路轨道运输装备 |
US20220306170A1 (en) * | 2021-03-26 | 2022-09-29 | Traffic Control Technology Co., Ltd. | Trackside device, track starlink system and train operation control system |
CN115158413A (zh) * | 2022-06-24 | 2022-10-11 | 哈尔滨深楠智能科技有限公司 | 一种铁路道口围栏管理控制方法及其*** |
CN115848446A (zh) * | 2023-02-15 | 2023-03-28 | 爱浦路网络技术(成都)有限公司 | 一种列车安全行驶方法及装置 |
CN116853326A (zh) * | 2023-09-05 | 2023-10-10 | 山西云井数通智能科技有限公司 | 一种矿用轨道车辆无人驾驶控制*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1515293A1 (fr) * | 2003-09-11 | 2005-03-16 | Valeo Vision | Dispositif de détection d'obstacle comportant un système d'imagerie stéréoscopique incluant deux capteurs optiques |
CN202124050U (zh) * | 2011-07-04 | 2012-01-25 | 济南铁成奇石电子有限公司 | 铁路道口综合预警装置 |
KR20120017113A (ko) * | 2010-08-18 | 2012-02-28 | 한국철도기술연구원 | 3d 레이저레이더를 이용한 철도 건널목 지장물 검지 시스템 및 지장물 검지 방법 |
CN107966711A (zh) * | 2017-10-27 | 2018-04-27 | 河南辉煌科技股份有限公司 | 基于二维激光雷达的铁路线路障碍物自动识别方法 |
CN207433561U (zh) * | 2017-11-17 | 2018-06-01 | 中国铁道科学研究院 | 一种有轨电车自动驾驶*** |
CN108189862A (zh) * | 2017-12-22 | 2018-06-22 | 交控科技股份有限公司 | 一种现代有轨电车运行监控*** |
CN109298415A (zh) * | 2018-11-20 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道和道路障碍物检测方法 |
CN110497939A (zh) * | 2019-07-16 | 2019-11-26 | 北京埃福瑞科技有限公司 | 轨道交通防撞检测***及方法 |
CN110861684A (zh) * | 2019-11-27 | 2020-03-06 | 交控科技股份有限公司 | 有轨电车平交道口预警***及方法 |
-
2020
- 2020-07-15 CN CN202010681647.0A patent/CN112009524B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1515293A1 (fr) * | 2003-09-11 | 2005-03-16 | Valeo Vision | Dispositif de détection d'obstacle comportant un système d'imagerie stéréoscopique incluant deux capteurs optiques |
KR20120017113A (ko) * | 2010-08-18 | 2012-02-28 | 한국철도기술연구원 | 3d 레이저레이더를 이용한 철도 건널목 지장물 검지 시스템 및 지장물 검지 방법 |
CN202124050U (zh) * | 2011-07-04 | 2012-01-25 | 济南铁成奇石电子有限公司 | 铁路道口综合预警装置 |
CN107966711A (zh) * | 2017-10-27 | 2018-04-27 | 河南辉煌科技股份有限公司 | 基于二维激光雷达的铁路线路障碍物自动识别方法 |
CN207433561U (zh) * | 2017-11-17 | 2018-06-01 | 中国铁道科学研究院 | 一种有轨电车自动驾驶*** |
CN108189862A (zh) * | 2017-12-22 | 2018-06-22 | 交控科技股份有限公司 | 一种现代有轨电车运行监控*** |
CN109298415A (zh) * | 2018-11-20 | 2019-02-01 | 中车株洲电力机车有限公司 | 一种轨道和道路障碍物检测方法 |
CN110497939A (zh) * | 2019-07-16 | 2019-11-26 | 北京埃福瑞科技有限公司 | 轨道交通防撞检测***及方法 |
CN110861684A (zh) * | 2019-11-27 | 2020-03-06 | 交控科技股份有限公司 | 有轨电车平交道口预警***及方法 |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114655276A (zh) * | 2020-12-23 | 2022-06-24 | 交控科技股份有限公司 | 一种轨道交通运行*** |
US20220306170A1 (en) * | 2021-03-26 | 2022-09-29 | Traffic Control Technology Co., Ltd. | Trackside device, track starlink system and train operation control system |
EP4063235A3 (en) * | 2021-03-26 | 2022-12-21 | Traffic Control Technology Co., Ltd. | Trackside device, track starlink system and train operation control system |
CN113415318A (zh) * | 2021-07-09 | 2021-09-21 | 北京埃福瑞科技有限公司 | 一种列车连挂编组辅助防护***及防护方法 |
CN114155744A (zh) * | 2022-02-09 | 2022-03-08 | 天津七一二移动通信有限公司 | 基于4g网络的机车台道口视频安全防护***及实现方法 |
CN114701526A (zh) * | 2022-04-02 | 2022-07-05 | 广东电网有限责任公司惠州供电局 | 一种自动操控方法及无人操控输电线路轨道运输装备 |
CN115158413A (zh) * | 2022-06-24 | 2022-10-11 | 哈尔滨深楠智能科技有限公司 | 一种铁路道口围栏管理控制方法及其*** |
CN115158413B (zh) * | 2022-06-24 | 2024-04-26 | 哈尔滨深楠智能科技有限公司 | 一种铁路道口围栏管理控制方法及其*** |
CN115848446A (zh) * | 2023-02-15 | 2023-03-28 | 爱浦路网络技术(成都)有限公司 | 一种列车安全行驶方法及装置 |
CN115848446B (zh) * | 2023-02-15 | 2023-10-31 | 爱浦路网络技术(成都)有限公司 | 一种列车安全行驶方法及装置 |
CN116853326A (zh) * | 2023-09-05 | 2023-10-10 | 山西云井数通智能科技有限公司 | 一种矿用轨道车辆无人驾驶控制*** |
CN116853326B (zh) * | 2023-09-05 | 2023-11-28 | 山西云井数通智能科技有限公司 | 一种矿用轨道车辆无人驾驶控制*** |
Also Published As
Publication number | Publication date |
---|---|
CN112009524B (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112009524B (zh) | 一种用于有轨电车障碍物检测的***及方法 | |
CN111540237B (zh) | 基于多数据融合的车辆安全行驶保障方案自动生成的方法 | |
EP3473522B1 (en) | Vehicle on-board controller centered train operation control system | |
CN110264783A (zh) | 基于车路协同的车辆防碰撞预警***及方法 | |
CN113002396B (zh) | 一种用于自动驾驶矿用车辆的环境感知***及矿用车辆 | |
CN111524357A (zh) | 用于车辆安全行驶所需的多数据融合的方法 | |
CN110471085B (zh) | 一种轨道检测*** | |
CN103745603B (zh) | 一种右转车道车路协同信号控制方法及*** | |
CN107731009A (zh) | 一种适用于无信号灯交叉路口车辆避人、避撞***及方法 | |
WO2021031469A1 (zh) | 一种车辆障碍物检测方法及*** | |
US11914041B2 (en) | Detection device and detection system | |
CN111383456B (zh) | 一种用于智能道路基础设施***的本地化人工智能*** | |
JP2000505397A (ja) | 障害検知システム | |
CN109910955A (zh) | 基于应答器信息传输的轨道交通隧道障碍物检测***及方法 | |
CN105096629A (zh) | 一种基于车车协同的驾驶环境感知***及方法 | |
CN111815949B (zh) | 一种面向主干道往来车辆的支路车辆汇入预警*** | |
CN110322729A (zh) | 基于v2x交通安全动态信息实时发布方法及*** | |
CN114655260B (zh) | 一种无人驾驶游览车的控制*** | |
CN114397672A (zh) | 一种基于定位技术的列车主动障碍物检测方法及装置 | |
CN108701416A (zh) | 检测道路交通中危险情况的方法 | |
CN116142178A (zh) | 一种车辆辅助驾驶方法、***、介质及电子设备 | |
CA3126118C (en) | Vehicle monitoring system | |
CN114822083A (zh) | 智慧车辆编队辅助控制*** | |
US11541887B2 (en) | Enabling reverse motion of a preceding vehicle at bunched traffic sites | |
CN113415318A (zh) | 一种列车连挂编组辅助防护***及防护方法 |
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 |