CN112200100A - 一种基于图像的轨道提取技术 - Google Patents
一种基于图像的轨道提取技术 Download PDFInfo
- Publication number
- CN112200100A CN112200100A CN202011102592.XA CN202011102592A CN112200100A CN 112200100 A CN112200100 A CN 112200100A CN 202011102592 A CN202011102592 A CN 202011102592A CN 112200100 A CN112200100 A CN 112200100A
- Authority
- CN
- China
- Prior art keywords
- track
- range
- image
- point
- orbit
- 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.)
- Withdrawn
Links
- 238000000605 extraction Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 6
- 238000009833 condensation Methods 0.000 claims description 4
- 230000005494 condensation Effects 0.000 claims description 4
- 238000012643 polycondensation polymerization Methods 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 9
- 230000009545 invasion Effects 0.000 abstract description 7
- 238000006068 polycondensation reaction Methods 0.000 description 4
- 230000004075 alteration Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
Abstract
本发明提出一种基于图像的轨道提取技术,该方法包括:安装车载摄像机获取先验信息,图像高斯化和边缘化,识别近景范围的轨道,识别远景范围的轨道。该方法能在列车行驶过程中实时识别轨道,并且一定程度上解决了轨道障碍物检测中异物入侵的问题,从而提醒驾驶员进行预判,提升列车运行的可靠性和安全性。
Description
技术领域
本发明涉及轨道车辆图像检测领域,尤其是针对轨道的一种基于图像的轨道提取技术。
背景技术
异物入侵限界是轨道交通列车事故中的主要原因之一,其后果干扰正常列车行车秩序并严重危害国家财产和人民生命安全。异物入侵实例主要包括行人入侵轨道和自然灾害如泥石流山体滑坡导致异物入侵轨道等。
现阶段存在一定数量的轨道提取和界限检测方法。由于列车运行环境光照条件差且弯轨多,当前轨道提取效率和准确性不高,容易照成视频目标检测时的界限入侵判定错误,使得异物入侵事故难以避免。
轨道提取是列车界限识别和异物入侵判定的前提。准确地提取轨道为后续的目标检测和入侵判定奠定基础。
发明内容
有鉴于此,本发明实例提供了一种基于图像的轨道提取技术。
本发明公开的轨道提取技术,包括:
1)针对近景轨道,在霍夫空间中基于先验缩聚的轨道提取;
2)针对远景轨道,基于自适应路径生长的轨道提取。
上述方法中,针对近景轨道提出基于先验缩聚的轨道提取,相较于常规霍夫变换有更高的运算效率;针对远景轨道提出自适应的路径生长法,解决了轨道边缘处理断裂和弯轨难检测或检测错误等问题。
进一步的,上述步骤1)具体为:
11)先验缩聚。由于列车车载摄像机安装位置不同,须根据实际安装位置进行空间缩聚。以任意一张试验图像作为先验条件,左上角为坐标原点建立xOy坐标系,记左轨和右轨与图像底边的交点坐标分别为(xL,yB)和(xR,yB),夹角大小分别为θL和θR,如附图1所示。将左轨参数转换到霍夫空间得到ρL=xL·sinθL+yB·cosθL,由此确定左轨在霍夫空间的参数范围,即角范围和距离范围分别为(θL-α,θL+α)和(ρL-β,ρL+β)。同理确定右轨的参数范围。
通常地,轨道范围系数α为10°,系数β由像素和安装位置决定。
12)在缩聚后的霍夫空间中选取左轨和右轨。待检测图像近景的x坐标范围为[2xL-(xL+xR)/2,(xL+xR)/2],y坐标范围为[ηyB,yB],η为取值0~1的近景范围因子。选取边缘矩阵I中的坐标点(xI,yI),当θ遍历(θL-α,θL+α)时,ρ=xI·sinθ+yI·cosθ,得到霍夫空间坐标θ和ρ。遍历边缘矩阵I中左轨的近景坐标范围,统计坐标频数,根据全局峰值确定左轨直线。同理确定右轨。
进一步的,上述步骤2)具体为:
21)远景分级。根据S2002得到近景轨道的截止坐标(xL0,y0)和(xR0,y0)及轨道角度θL,0和θR,0,根据轨道在图像中能达到的最顶部位置纵坐标为yd,将y0作为第一级远景范围的起始线,依据下式求第一级远景范围的终止线,同时作为下一级远景范围的起始线,即
yi=yi-1-ai-1·max{τ,b(yi-1-yd)},i=1,2...,N
22)分级远景范围中轨道的提取。从当级远景范围的终止线上确定边缘矩阵I中的可选终止点,它存在于前轨延长线绕起止点顺逆30°旋转后与终止线的交点之间,形成可选点集。点集中任意一点可与起始点形成可选轨道,记第j个可选轨道的角度为θLINE,j,据此进行评分,即
Sj=∑D(θLINE,j(x,y),θLINE,j)
其中,pLINE,j(x,y)为第j个可选轨道上像素点的导数方向,
其中,θt为10°的容忍偏差。根据Sj的最大值从可选终止点中选出最优终止点。
23)限制条件。当前分级远景范围的像素高度小于τ且左右轨道产生交叉时,则终止;否则,继续分级寻轨。如附图3所示。
附图说明
图1为本发明中设定的坐标系示意。
图2为本发明中远景范围的分级示意。
图3为本发明中限制条件示意。
图4为某列车车载摄像机安装示意。
具体实施方式
以下结合附图对本发明的示范性实施给出说明,本说明书中公开的所有特征,或公开的所有步骤,除了相互排斥的特征或步骤外,均能以任何方式组合。
进行检测之前,首先要将车载摄像机安装到列车上,其具体安装方式如下:首先根据车厂要求安装车载摄像机,在合适的位置安装车载摄像机。由于检测的需要,为实现对轨道异物的检测,在列车车头加装车载摄像机。在为车厂加装车载摄像机时,考虑到成本原因,对车头加装车载摄像机不应对车头的结构进行过大的改动。考虑到体结构的同时,也要考虑车载摄像机的安装位置和角度。安装的车载摄像机位置应尽可能靠近车体中线,并且方向尽可能的平行于地面,从而达到更远的视野。因此,在为不同型号的车头安装车载摄像机时会安装在不同的位置。
参照附图4,该图展示了为某型号轨道车辆安装车载摄像机的位置。
车载摄像机安装好便可以获取位置的先验信息,进行空间缩聚,即获取附图1中的所示的参数,η保守设为1/3,图像像素为506×287。
图像预处理:
S1)计算当前图像灰度矩阵I0,选定3×3高斯滤波模板,
点乘计算后得到滤波后灰度矩阵I1,即
S2)根据滤波后灰度矩阵I1,选择垂直SOBEL边缘算子,
卷积计算后得到边缘矩阵I,即
I(i,j)=max{I1(i-1:i+1;j-1:j+1)*H2}
进行轨道提取:
S3)根据[0031]中缩聚后的霍夫空间,确定近景范围的左右轨直线。其中,轨道范围系数α为10°,系数β为40个像素。
S4)根据S3)得到近景轨道的截止坐标及轨道角度,求得第一级远景范围的终止线。其中,τ为6个像素,b为0.2。确定第一级远景范围终止线上的可选点集,与起始点相连构成可选轨道,评分后选出最优终止点。
S5)重复S4),达到限制条件时,停止寻轨。
其中使用的图像预处理方法并非唯一。
其中[0031]中η保守选取1/3为参考数值,并非硬性规定,应可以根据实际需要和车载摄像机的实际安装位置对预先计算钢轨位置的图像部分和尺寸进行调整。
以上具体的实施方式,不构成对本发明保护范围的限制,在不背离本发明精神和范围的情况下,能以其他具体形式实现本发明。此外,本领域的技术人员可以对本发明进行各种改动和变形而不脱离本发明的精神和范围,这些改进和变形也应视为本发明的保护范围。因此所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
Claims (3)
1.一种基于图像的轨道提取技术,其特征在于,主要包括以下步骤:
1)针对近景轨道的,在霍夫空间中,基于先验缩聚的轨道提取;
2)针对远景轨道的,基于自适应路径生长的轨道提取。
2.根据权利要求1所述的一种基于图像的轨道提取技术,其特征在于,所述的步骤1)包括以下步骤:
11)根据车载摄像机在列车的安装位置,在霍夫空间中进行缩聚,确定轨道搜索范围。图像中(附图1),以左上角为坐标原点建立xOy坐标系,由左至右为x轴,由上至下为y轴,并确定左右轨与图像底边的交点。根据交点坐标和左右轨所在角度范围进行缩聚,确定近景轨道在霍夫空间的搜索范围。
12)以11)中缩聚后的搜索范围,通过霍夫变换,确定轨道所在的直线。
3.根据权利要求1所述的一种基于图像的轨道提取技术,其特征在于,所述的步骤2)包括以下步骤:
21)根据12)得到近景轨道的截止坐标及轨道角度,求第一级远景范围的终止线;
22)从当级远景范围的终止线上确定边缘矩阵中的可选终止点,点集中任意一点可与起始点形成可选轨道。对所有可选轨道进行评分,选出最佳轨道。
23)若当前分级远景范围的像素高度小于限定像素高度且左右轨道产生交叉时,则终止;否则,重复步骤31)和32)继续分级寻轨。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102592.XA CN112200100A (zh) | 2020-10-15 | 2020-10-15 | 一种基于图像的轨道提取技术 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011102592.XA CN112200100A (zh) | 2020-10-15 | 2020-10-15 | 一种基于图像的轨道提取技术 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112200100A true CN112200100A (zh) | 2021-01-08 |
Family
ID=74010145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011102592.XA Withdrawn CN112200100A (zh) | 2020-10-15 | 2020-10-15 | 一种基于图像的轨道提取技术 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112200100A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383733A (zh) * | 2013-05-16 | 2013-11-06 | 浙江智尔信息技术有限公司 | 一种基于半机器学习的车道视频检测方法 |
CN107730520A (zh) * | 2017-09-22 | 2018-02-23 | 智车优行科技(北京)有限公司 | 车道线检测方法及*** |
JP2018077713A (ja) * | 2016-11-10 | 2018-05-17 | スズキ株式会社 | 区画線検出システム |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
-
2020
- 2020-10-15 CN CN202011102592.XA patent/CN112200100A/zh not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103383733A (zh) * | 2013-05-16 | 2013-11-06 | 浙江智尔信息技术有限公司 | 一种基于半机器学习的车道视频检测方法 |
JP2018077713A (ja) * | 2016-11-10 | 2018-05-17 | スズキ株式会社 | 区画線検出システム |
CN107730520A (zh) * | 2017-09-22 | 2018-02-23 | 智车优行科技(北京)有限公司 | 车道线检测方法及*** |
CN109583280A (zh) * | 2017-09-29 | 2019-04-05 | 比亚迪股份有限公司 | 车道线识别方法、装置、设备及存储介质 |
Non-Patent Citations (9)
Title |
---|
BOGDAN TOMOYUKI NASSU等: ""Rail Extraction for Driver Support in Railways"", 《2011 IEEE INTELLIGENT VEHICLES SYMPOSIUM》 * |
L. A. FONSECA RODRIGUEZ等: ""Obstacle Detection over Rails Using Hough Transform"", 《XVII SIMPOSIO DE TRATAMIENTO DE SEÑALES, IMÁGENES Y VISIÓN ARTIFICIAL – STSIVA 2012》 * |
刘天辉: ""车辆视觉导航中道路检测算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
董昱等: "基于Hu不变矩特征的铁路轨道识别检测算法", 《铁道学报》 * |
郭碧: ""基于单目视觉的列车前方障碍物检测识别算法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郭碧等: "基于分段曲线模型的铁路轨道检测算法", 《铁道科学与工程学报》 * |
陈政宏等: "基于改进Hough变换的结构化道路车道线识别", 《科学技术与工程》 * |
颜光宇: ""轨道交通障碍物检测方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
齐继阳等: "《异形涵管钢筋骨架自动变径高速滚焊机》", 30 April 2019, 华中科技大学出版社 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101630412B (zh) | 基于相机的车道标志检测 | |
US6449384B2 (en) | Method and apparatus for rapidly determining whether a digitized image frame contains an object of interest | |
WO2020253010A1 (zh) | 一种泊车定位中的停车场入口定位方法、装置及车载终端 | |
CN109684921A (zh) | 一种基于三维激光雷达的道路边界检测与跟踪方法 | |
CN109583280A (zh) | 车道线识别方法、装置、设备及存储介质 | |
CN109784344A (zh) | 一种用于地平面标识识别的图像非目标滤除方法 | |
KR100975749B1 (ko) | 단일 차선을 이용한 차선 인식 및 차량의 차선 이탈 검출 방법 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN109886175B (zh) | 一种直线与圆弧相结合的车道线检测方法 | |
CN110298216A (zh) | 基于车道线梯度图像自适应阈值分割的车辆偏离报警方法 | |
CN109635737A (zh) | 基于道路标记线视觉识别辅助车辆导航定位方法 | |
CN110658539B (zh) | 车辆定位方法、装置、车辆和计算机可读存储介质 | |
CN111488808B (zh) | 基于交通违法图像数据的车道线检测方法 | |
CN110298307A (zh) | 一种基于深度学习的异常停车实时检测方法 | |
CN109448046B (zh) | 一种基于多描述子的半自动道路中心线快速提取方法 | |
CN109766839A (zh) | 一种基于图像的轨道异物检测方法 | |
CN112084900A (zh) | 一种基于视频分析的地下车库乱停检测方法 | |
CN116168028B (zh) | 低可见度下基于边缘滤波的高铁原始图像处理方法和*** | |
CN114758322A (zh) | 基于机器识别的道路质量检测*** | |
Espino et al. | Rail extraction technique using gradient information and a priori shape model | |
JP3589293B2 (ja) | 道路の白線検出方法 | |
CN112200100A (zh) | 一种基于图像的轨道提取技术 | |
Espino et al. | Rail and turnout detection using gradient information and template matching | |
CN111881878A (zh) | 一种环视复用的车道线识别方法 | |
CN115984772A (zh) | 一种基于视频监控的道路积水检测方法及终端 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210108 |