CN112765392B - 一种基于图像匹配的高铁列控定位方法及其*** - Google Patents
一种基于图像匹配的高铁列控定位方法及其*** Download PDFInfo
- Publication number
- CN112765392B CN112765392B CN202110375009.0A CN202110375009A CN112765392B CN 112765392 B CN112765392 B CN 112765392B CN 202110375009 A CN202110375009 A CN 202110375009A CN 112765392 B CN112765392 B CN 112765392B
- Authority
- CN
- China
- Prior art keywords
- electronic map
- initial
- matching
- dimensional electronic
- map database
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 15
- 238000010276 construction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 14
- 238000011161 development Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像匹配的高铁列控定位方法及其***,所述定位方法包括以下步骤:建立初始三维电子地图数据库;列车初始定位;连续定位,根据初始特征点和所述初始特征点链接的下一个特征点的位置,提前做好图像获取准备;特征点匹配;匹配合格获取地理坐标,形成列车位置;将匹配不合格的特征点进行更新,建立三维电子地图数据库;所述***包括初始三维电子地图数据库模块、图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;本发明通过高速摄像机获取沿线特征点,并引入辨识度λ,根据辨识度来快速筛选特征点,并与存储于三维电子地图数据库中的特征点数据进行比较,从而实现列车定位。
Description
技术领域
本发明属于列车定位领域,特别涉及一种基于图像匹配的高铁列控定位方法及其***。
背景技术
当前为铁路列控***提供测速测距服务的是一套组合的多维的测速测距***,包含了速度传感器、测速雷达、加速度传感器、应答器、轨道电路、计轴器等。通过以上几种的组合为列控车载***提供了高安全测速测距功能,保障了列车的安全,但也因此造成了铁路列控***测速测距成本代价高昂,面对如此众多的传感设备,不但增加了开发成本,还增加技术集成难度,也增加了列车的安装难度。
为了解决测速测距带来高成本问题,现在的列控***研究人员正在尝试采用卫星定位技术替代传统的列车定位技术,并取得一定成果。
但是卫星定位技术对于高铁的应用仍然存在一定的局限性,比如在川藏铁路中,由于一半以上的线路是隧道,卫星定位技术就没有使用的必要性。在穿越城市地下的高铁线路中,卫星定位技术也存在局限性。
因此,找到普适的不依赖于地形,又能降低定位基础设备成本的定位技术手段是列控技术未来的发展的必然选择。
图像匹配技术的快速发展,利用图像技术进行身份识别、智能分析等各种各样技术层出不穷,阿尔法狗通过人工智能赢得了世界冠军等,都说明图像技术已经可以很成熟的应用于生活的方方面面。身份识别应用于银行等金融领域说明其安全性也得到成熟的验证。图像技术在高铁上也有所应用,高铁***中为了实现列车的防碰撞功能,安装了摄像头、毫米波雷达用于获取列车前方路况,而在远程控制***中也采用图像识别功能。
虽然图像识别没有在安全领域有所应用,但在列车驾驶中起到了一定作用,这无疑为图像匹配技术在高铁列控定位中的应用提供技术经验和积累。本发明基于图像技术的快速发展,针对当前列控定位技术中存在的一些问题,提出了一种解决列车定位问题的新方法。
发明内容
针对上述问题,本发明公开了一种基于图像匹配的高铁列控定位方法
所述定位方法包括以下步骤:
第一步:建立初始三维电子地图数据库;
第二步:列车初始定位,列车根据初始特征点确定初始位置;
第三步:连续定位,根据初始特征点和所述初始特征点链接的下一个特征点的位置,提前做好图像获取准备;
第四步:将获得的图像数据化处理后与初始三维电子地图数据库中特征点数据匹配,匹配合格执行第五步;若匹配不合格,将匹配不合格的特征点进行更新;
第五步:获取地理坐标,形成列车位置。
进一步地,所述初始特征点位于车站内。
进一步地,
所述第一步中,建立初始三维电子地图数据库的方法包括如下步骤:
S1:建立特征点获取模型,λ=F(x)/L,L=C/t;
S2:用高速摄像机获取列车运行途中地形图像;
S3:根据特征点获取模型进行特征点筛选;
S4:在筛选后的所述特征点之间建立链接;
S5:将链接后的特征点数据存储在所述初始三维电子地图数据库中,生成所述初始三维电子地图数据库;
其中,
λ表示辨识度,x表示列车距离起始点的运行距离,F(x)表示表示列车距离起始点的运行距离为x时,x与起始点之间特征点的平均反射高度,L特征点选取长度,C为常量,t为列车运行经过特征点的时间。
进一步地,列车通过首次慢速运行,获取沿途特征点数据,建立初始三维电子地图数据库,在获得完整的初始三维电子地图数据库后,列车逐步提升速度,进行初始三维电子地图数据库的验证。
进一步地,在生成所述初始三维电子地图数据库时,测量每个特征点距离初始特征点的距离,建立一个特征点与下一个特征点和再下一个特征点之间的链接,并将链接信息存储于所述初始三维电子地图数据库。
进一步地,所述步骤S3中,特征点筛选是通过先设置λmin,对于特征点λ值小于等于λmin的特征点进行删除,而特征点λ值大于λmin值的特征点存储在所述初始三维电子地图数据库中来实现,所述λmin为设定的最低辨识度。
进一步地,所述第一步中,建立三维电子地图数据库的方法包括如下步骤:
A1:设置特征点匹配度阈值P;
A2:在列车行进过程中通过高速摄像机获取图像,将图像中特征点数据与初始三维电子地图数据库中特征点数据进行匹配;
A3:若匹配的匹配度大于等于P则保存原特征点,小于P则更新该特征点;
A4:将更新后的特征点数据继续匹配,若匹配成功将新的特征点数据存储在三维电子地图数据库中,否则持续匹配。
进一步地,当特征点数据匹配度小于P时,根据多列列车相同特征点匹配度综合分析确认该特征点是否更新。
本发明还公开了一种基于图像匹配的高铁列控定位***
所述定位***包括初始三维电子地图数据库模块、图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;
其中,
所述初始三维电子地图数据库模块,用于存储初始三维电子地图数据;
所述图像获取模块,用于采集列车运行过程中沿途的地形图像;
所述图像处理模块,用于将所述图像获取模块采集的图像进行数据化解析,并将解析后的图像数据信息进行存储;
所述特征点匹配模块,用于存储特征点匹配度阈值P,并将解析后的图像数据信息进行调取并进行特征点匹配;
所述三维电子地图数据库模块,用于存储三维电子地图数据。
进一步地,所述初始三维电子地图数据包括列车未正式运行前工程列车慢速运行采集的特征点数据以及与特征点对应的地理坐标。
进一步地,所述定位***还包括电子地图数据结构的构建***,用于构建基于图像匹配的电子地图数据结构。
本发明的有益效果:
本发明通过高速摄像机获取列车行进过程中沿线具有明显特征的地理建筑或地形为特征点,通过引入辨识度λ,使得特征点的筛选更为快速;并与存储于三维电子地图数据库中的特征点数据进行比较,获得该特征点所在的地理位置,从而实现列车定位;
本发明通过构建初始三维电子地图数据库,并在列车行进过程中不断更新得到更为完善的三维电子地图数据库,使得列车定位更为准确。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
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示出了本发明实施例的列车高铁列控定位方法的流程图;
图2示出了本发明实施例中特征点获取模型关系示意图;
图3示出了本发明实施例的电子地图数据结构示意图。
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、完整地说明,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做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。
本发明公开了一种基于图像匹配的高铁列控定位方法及其***,该方法利用图像匹配技术,通过图像匹配算法,结合列车基于轨道的特征运输方式,实时获取铁路沿线的三维环境特征点,并与初始三维电子地图数据库中特征点进行匹配,获取特征点地理坐标,从而确定列车的位置。
请参照图1,本发明高铁列控定位方法包括以下步骤:
第一步:建立初始三维电子地图数据库
在线路开始运营前,通过工程列车慢速运行,沿途采集线路的关键特征点,在获得完整的初始三维电子地图数据库后,建立初始三维电子地图数据库列车逐步提升速度,形成相应速度等级,新车加入时,同步至新车。
同时,在生成初始三维电子地图数据库时,要测量每个特征点距离初始特征点的距离,建立相邻特征点或者是相邻两个特征点之间的链接关系,以便列车在获取特征点后,知道列车所在的绝对位置和距离起始点的距离。
第二步:初始定位
在初始三维电子地图数据库建立以后,可以通过获取站内特征点,根据站内特征点确定列车当前所处轨道的绝对位置,从而获得初始的列车位置。
由于初始特征点一般在站内,比较容易获取,且容易观察方便更换。
第三步:连续定位(区间定位和特征点获取)
由于初始三维电子地图数据库中的每一个特征点都链接了下一个特征点的具***置,当列车快要到达下一个特征点,提前让高速摄像机做好准备,一旦到达,立即获得图像,如果在该位置到来时,获得的图像失败,则认为该特征点获取不成功,然后继续找下一个特征点。
第四步:特征点匹配
设置特征点匹配度阈值,若匹配度大于等于阈值,则认为该特征点匹配合格,执行第五步。
第五步:获取地理坐标,形成列车位置。
根据特征点所处位置获取当前地理坐标,形成列车当前所处位置。
另外若特征点匹配不合格,则将匹配不合格的特征点数据进行更新,并将更新后的特征点数据形成电子地图数据库。
特征点是有一定明显特征的点,特征点的选取能够与环境进行明显的区分,这样选出来的特征点才能够在后续捕获过程中,更好的进行辨识,实现快速捕捉。为了减少因测速测距导致施工调试工作量,采用边生成、边识别的方法进行特征点获取。
建立初始三维电子地图数据库的方法如下:
S1:建立特征点获取模型,λ=F(x)/L,L=C/t;
S2:用高速摄像机获取列车运行途中地形图像;
S3:根据特征点获取模型进行特征点筛选,特征点筛选通过先设置λmin;再对于特征点λ值小于等于λmin的特征点进行删除,特征点λ值大于λmin值的特征点存储在初始三维电子地图数据库中;
S4:在筛选后的特征点之间建立链接;
S5:设置特征点匹配阈值,大于阈值则认为匹配成功,小于阈值进一步更新该特征点,将新的特征点进行存储。
请参照图2,x表示列车距离起始点的运行距离,F(x)表示表示列车距离起始点的运行距离为x时,x与起始点之间特征点的平均反射高度,L为特征点选取长度,L的长度与时间成反比:L=C/t,其中C为常量,t为列车运行经过特征点的时间。
建立三维电子地图数据库的方法包括如下步骤:
A1:设置特征点匹配度阈值P,匹配度阈值P根据实际应用效果确定;
A2:在列车行进过程中通过高速摄像机获取图像,将图像中特征点数据与初始三维电子地图数据库中特征点数据进行匹配;
A3:若匹配的匹配度大于等于P则保存原特征点,小于P则更新该特征点;
A4:将更新后的特征点数据继续匹配,若匹配成功将新的特征点数据替代所述初始三维电子地图存储在三维电子地图数据库中,否则持续匹配。
特征点匹配度小于阈值时,判断是否是由于地面环境发生改变而导致,将该特征点数据发送至三维电子地图数据库存储,等待后续列车辨识,综合多列列车相同特征点综合分析,如果多数列车都认为该点为环境改变,三维电子地图数据库根据表决机制更新旧的特征点;旧的特征点更新后,新的特征点要持续匹配,如果匹配成功,则新的特征点成立。
本发明还公开了一种基于图像匹配的高铁列控定位***
该定位***包括初始三维电子地图数据库模块图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;
初始三维电子地图数据库模块,用于存储初始三维电子地图数据,初始三维电子地图数据包括列车未正式运行前工程列车慢速运行采集的特征点数据以及特征点对应的地理坐标;
图像获取模块,用于采集列车运行过程中沿途的地形图像;
图像处理模块,用于将所述图像获取模块采集的图像进行数据化解析,并将解析后的图像数据信息进行存储;
特征点匹配模块,用于存储特征点匹配度阈值P,并将解析后的图像数据信息进行调取并进行特征点匹配;
三维电子地图数据库模块,用于存储三维电子地图数据,包括更新后的特征点数据以及特征点对应的地理坐标。
本发明为了提高高速摄像机获取图像的成功率,通过存储天气因素、光线因素以及背景条件,确定高速摄像机在拍摄时对应的拍摄条件,从而更好的滤除拍摄干扰,获得更优化的三维特征点。为了能够实现图像识别后与电子地图的匹配,本发明提出一种电子地图数据结构,该数据结构的构建方法包括以下步骤:
选定列车行车路段,将路段区段信息以数据化形式进行存储;
确定特征点的属性,并根据特征点的属性制定不同的附加属性,特征点包括一般点和特殊点,一般点为在正常地形的特征点,正常地形包括城市,特殊点表示在特殊地形的特征点,特殊地形包括隧道、车站、桥梁和草原,对于特殊点到来之前会设置相应的提醒设置,让列车提前准备相应背景下的图像获取条件;
存储特征点之间的链接关系并存储特征点之间的距离误差范围,建立特征点之间的链接关系具体指的是建立特征点与下一特征点和下二特征点之间的实际距离关系和误差距离;
储存焦距、天气、光线和滤镜信息,并将各种信息的具体形式以对应的数字形式存储,天气因素包括雨天、雾天、雪天、阴天和晴天,光线因素包括白天光线、强光光线、夜晚光线和傍晚光线,滤镜信息包括草原背景、隧道背景和森林背景;
将上述信息以数据化形式编码形成一个电子地图数据结构,可以在列车运行过程中自动运行。
上述步骤之间不存在绝对的顺序关系,可以在上述步骤中加入其他操作,并不仅限于上述步骤。
本发明还提出了一种基于图像匹配的电子地图数据结构的构建***,用于构建基于图像匹配的电子地图数据结构。
该构建***包括路段信息存储单元、特征点单元、外部因素存储单元、数据结构编码单元;
路段信息存储单元,用于将路段区段信息以数据化形式进行存储;
特征点单元,用于将特征点属性信息以及附加属性信息以数据化形式进行存储,特征点单元的特征点数据化存储之前对特征点图像进行数据提取,再将提取的图像数据进行存储;
特征点单元,还用于存储特征点之间的链接关系及特征点之间的距离误差;
外部因素单元,用于存储焦距、天气、光线和滤镜各种影响获取图像的外部因素;
数据结构编码单元,用于将路段信息存储单元、特征点单元和外部因素存储单元存储的数据信息进行整体编码形成一个完整的电子地图数据结构。
请参照图3,示例性地对上述电子地图数据结构进行说明。
列车从A站到B站,假设有4个特征点,实际上列车运行过程中特征点数目很多。特征点1为初始特征点,以特征点1为列车起始点。
则线路数据结构如下:
Line:A-B
Section:section1
Feature1:2(一般点,对应图中特征点2)
P_ABB:0(0:一般点;1:车站;2:隧道;3:桥梁;4:草原)
D_Start:100(距离Seciton1起始点距离100米)
Feature points{1111 2222 3333 4345 5544 6677 88899 2345 4555 55003223 3333 4567 5678 6970.......}图像匹配特征点(此处数据代表该处特征点图像数据,与具体图像数据有差异,此处仅是示例性列出)
D_LFP: 0(表示无链接特性,本特征点没有被上一个特征点链接)
D_NFP:500(距下一特征点距离500米)
D_NFP error:5(距下一特征点距离误差+/- 5米)
D_NSP : 1500(距下二特征点距离1500米)
D_NSP error:10(距下二特征点距离误差+/-10米)
PS_Spc:2(下一特征点滤镜,2表示隧道背景)
Focus:2(下一特征点2倍焦距)
Weather:1(当前区段天气情况:1-雨天,2-雾天,3-晴天,4-阴天)
Light:1(当前为:1-白天,2-傍晚,3-夜晚)
Feature2:3(对应图中特征点3)特征点属性(特殊点)
P_ABB:2(0:一般点;1:车站;2:隧道;3:桥梁;4:草原)
D_Start:600(区段起始点距离600米)
Feature points{ }图像匹配特征点
D_LFP:500(距上一特征点距离500米)
D_NFP:1000(距下一特征点距离1000米 )
D_NFP error:10(距下一特征点距离误差+/-10米)
D_NSP :1500(距下二特征点5的距离)
D_NSP error:10(距下二特征点距离误差+/-10米)
PS_Spc:4(下一特征点滤镜:4表示:草原背景)
Focus:2(下一特征点2倍焦距)
Weather:1(当前区段天气情况:1-雨天,2-雾天,3-晴天,4-阴天)
Light:1(当前为:1-白天,2-傍晚,3-夜晚)
Section2:
………………………………………………………………………….
END
当列车获取得到特征点2的特征时,与上述Feature points(特征点) 数据进行比较,相似度大于75%,比较成功,确定当前位置,根据列车所处地形及当时天气、光线等因素的不同调取不同的图像拍摄条件以获得更优化的特征点。上述电子地图数据结构中数据均为示例性展出,并非定值,具体可视现实情况相应调整。
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)
1.一种基于图像匹配的高铁列控定位方法,其特征在于,所述定位方法包括以下步骤:
第一步:建立初始三维电子地图数据库;建立初始三维电子地图数据库的方法包括如下步骤:S1:建立特征点获取模型,λ=F(x)/L,L=C/t;其中,λ表示辨识度,x表示列车距离起始点的运行距离,F(x)表示列车距离起始点的运行距离为x时,x与起始点之间特征点的平均反射高度,L为特征点选取长度,C为常量,t为列车运行经过特征点的时间;S2:用高速摄像机获取列车运行途中地形图像;S3:根据特征点获取模型进行特征点筛选;S4:在筛选后的所述特征点之间建立链接;S5:将链接后的特征点数据存储在所述初始三维电子地图数据库中,生成所述初始三维电子地图数据库;
第二步:列车初始定位,列车根据初始特征点确定初始位置;
第三步:连续定位,根据所述初始特征点和所述初始特征点链接的下一个特征点的位置,提前做好图像获取准备;
第四步:将获得的图像数据化处理后与所述初始三维电子地图数据库中特征点数据匹配,匹配合格执行第五步,若匹配不合格,将匹配不合格的特征点进行更新;
第五步:获取地理坐标,形成列车位置。
2.根据权利要求1所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
所述初始特征点位于车站内。
3.根据权利要求1所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
列车通过首次慢速运行,获取沿途特征点数据,建立所述初始三维电子地图数据库,在获得完整的所述初始三维电子地图数据库后,列车逐步提升速度,进行所述初始三维电子地图数据库的验证。
4.根据权利要求1所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
在生成所述初始三维电子地图数据库时,测量每个特征点距离初始特征点的距离,建立一个特征点与下一个特征点和再下一个特征点之间的链接,并将链接信息存储于所述初始三维电子地图数据库。
5.根据权利要求1所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
所述S3中,特征点筛选是通过先设置λmin,再对特征点λ值小于等于λmin的特征点进行删除,而特征点λ值大于λmin值的特征点存储在所述初始三维电子地图数据库中来实现,所述λmin为设定的最低辨识度。
6.根据权利要求1所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
所述第一步中,建立三维电子地图数据库的方法包括如下步骤:
A1:设置特征点匹配度阈值P;
A2:在列车行进过程中通过高速摄像机获取图像,将所述图像中特征点数据与所述初始三维电子地图数据库中特征点数据进行匹配;
A3:若匹配的匹配度大于等于P则保存原特征点,小于P则更新特征点;
A4:将更新后的特征点数据继续匹配,若匹配成功将新的特征点数据存储在所述三维电子地图数据库中,否则持续匹配。
7.根据权利要求6所述的一种基于图像匹配的高铁列控定位方法,其特征在于,
当所述匹配度小于P时,根据多列列车相同特征点匹配度综合分析确认特征点是否更新。
8.一种基于图像匹配的高铁列控定位***,其特征在于,
所述定位***包括初始三维电子地图数据库模块、图像获取模块、图像处理模块、特征点匹配模块和三维电子地图数据库模块;
其中,
所述初始三维电子地图数据库模块,用于存储初始三维电子地图数据;建立初始三维电子地图数据库的方法包括如下步骤:S1:建立特征点获取模型,λ=F(x)/L,L=C/t;其中,λ表示辨识度,x表示列车距离起始点的运行距离,F(x)表示列车距离起始点的运行距离为x时,x与起始点之间特征点的平均反射高度,L为特征点选取长度,C为常量,t为列车运行经过特征点的时间;S2:用高速摄像机获取列车运行途中地形图像;S3:根据特征点获取模型进行特征点筛选;S4:在筛选后的所述特征点之间建立链接;S5:将链接后的特征点数据存储在所述初始三维电子地图数据库中,生成所述初始三维电子地图数据库;
所述图像获取模块,用于采集列车运行过程中沿途的地形图像;
所述图像处理模块,用于将所述图像获取模块采集的图像进行数据化解析,并将解析后的图像数据信息进行存储;
所述特征点匹配模块,用于存储特征点匹配度阈值P,并将解析后的图像数据信息进行调取并进行特征点匹配;
所述三维电子地图数据库模块,用于存储三维电子地图数据。
9.根据权利要求8所述的一种基于图像匹配的高铁列控定位***,其特征在于,
所述初始三维电子地图数据包括列车未正式运行前工程列车慢速运行采集的特征点数据以及与特征点对应的地理坐标。
10.根据权利要求8所述的一种基于图像匹配的高铁列控定位***,其特征在于,
所述定位***还包括电子地图数据结构的构建***,用于构建基于图像匹配的电子地图数据结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375009.0A CN112765392B (zh) | 2021-04-08 | 2021-04-08 | 一种基于图像匹配的高铁列控定位方法及其*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110375009.0A CN112765392B (zh) | 2021-04-08 | 2021-04-08 | 一种基于图像匹配的高铁列控定位方法及其*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112765392A CN112765392A (zh) | 2021-05-07 |
CN112765392B true CN112765392B (zh) | 2021-07-06 |
Family
ID=75691304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110375009.0A Active CN112765392B (zh) | 2021-04-08 | 2021-04-08 | 一种基于图像匹配的高铁列控定位方法及其*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112765392B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489028A (zh) * | 2022-04-01 | 2022-05-13 | 北京全路通信信号研究设计院集团有限公司 | 一种列控***的测试方法及*** |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2583060A4 (en) * | 2010-06-18 | 2014-04-09 | Saab Ab | TARGET LOCATION METHOD AND TARGET LOCATION SYSTEM |
CN107402006B (zh) * | 2017-07-24 | 2019-10-25 | 武汉大学 | 基于轨道几何特征信息匹配的列车精密定位方法和*** |
CN107563419B (zh) * | 2017-08-22 | 2020-09-04 | 交控科技股份有限公司 | 图像匹配和二维码相结合的列车定位方法 |
CN109664919A (zh) * | 2017-10-17 | 2019-04-23 | 株洲中车时代电气股份有限公司 | 一种列车定位方法及定位*** |
CN110837539B (zh) * | 2019-09-25 | 2022-11-11 | 交控科技股份有限公司 | 一种铁路电子地图构建方法及电子地图位置匹配方法 |
CN110901705A (zh) * | 2019-10-30 | 2020-03-24 | 北京全路通信信号研究设计院集团有限公司 | 一种列车初始定位方法和*** |
CN111098894B (zh) * | 2019-12-13 | 2021-10-15 | 中国铁道科学研究院集团有限公司电子计算技术研究所 | 一种基于轨道曲线特征的列车定位方法及*** |
CN112285738B (zh) * | 2020-10-23 | 2023-01-31 | 中车株洲电力机车研究所有限公司 | 一种轨道交通车辆的定位方法及其装置 |
CN112406964B (zh) * | 2020-11-10 | 2022-12-02 | 北京埃福瑞科技有限公司 | 一种列车定位方法及*** |
-
2021
- 2021-04-08 CN CN202110375009.0A patent/CN112765392B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN112765392A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107782564B (zh) | 一种自动驾驶车辆测评***及方法 | |
CN109215347B (zh) | 一种基于众包轨迹数据的交通数据质量控制方法 | |
CN110660222B (zh) | 一种智能环保道路黑烟车辆电子抓拍*** | |
CN110008872B (zh) | 一种结合车辆轨迹和遥感图像的路网提取方法 | |
CN107301776A (zh) | 基于视频检测技术的车道路况处理及发布方法 | |
CN110910440B (zh) | 一种基于电力影像数据的输电线路长度确定方法和*** | |
CN110427993B (zh) | 基于气象参数的高速列车导航盲区定位方法 | |
CN116824859B (zh) | 一种基于物联网的智慧交通大数据分析*** | |
CN109747681A (zh) | 一种列车定位装置及方法 | |
CN112434566B (zh) | 客流统计方法、装置、电子设备及存储介质 | |
CN111340415A (zh) | 一种基于货运轨迹数据的车辆自发编队模式挖掘方法 | |
CN108846331A (zh) | 一种动车组底盘螺丝紧固件是否脱落的视频识别方法 | |
CN112765392B (zh) | 一种基于图像匹配的高铁列控定位方法及其*** | |
CN105096590A (zh) | 交通信息生成方法和交通信息生成设备 | |
CN114771548A (zh) | 用于高级驾驶辅助***测试和验证的数据记录 | |
Minnikhanov et al. | Detection of traffic anomalies for a safety system of smart city | |
CN112509321A (zh) | 一种基于无人机的城市复杂交通情景的驾驶控制方法、***及可读存储介质 | |
CN112765378B (zh) | 基于图像匹配的电子地图数据结构的构建方法及其*** | |
CN116853319A (zh) | 一种地铁运营监控***及其监控方法 | |
CN115440071B (zh) | 一种自动驾驶违规停车检测方法 | |
CN112732446B (zh) | 一种任务处理方法、装置及存储介质 | |
CN115188195A (zh) | 一种城市全向交叉口的车辆轨迹实时提取方法和*** | |
CN114037750A (zh) | 一种轨道虚拟应答器的实现方法 | |
CN115394089A (zh) | 一种车辆信息融合展示的方法、无感通行***及存储介质 | |
CN114494986A (zh) | 道路场景识别方法及其装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |