CN113390435A - 高速铁路多元辅助定位*** - Google Patents

高速铁路多元辅助定位*** Download PDF

Info

Publication number
CN113390435A
CN113390435A CN202110523404.9A CN202110523404A CN113390435A CN 113390435 A CN113390435 A CN 113390435A CN 202110523404 A CN202110523404 A CN 202110523404A CN 113390435 A CN113390435 A CN 113390435A
Authority
CN
China
Prior art keywords
train
camera
image
tunnel
speed sensor
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
Application number
CN202110523404.9A
Other languages
English (en)
Other versions
CN113390435B (zh
Inventor
朱明�
杨城
杨岗
蔡亮
邹少文
刘立峰
陈德伟
李红云
莫重明
刘国栋
陈坦
张帆
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Railway Eryuan Engineering Group Co Ltd CREEC
Original Assignee
China Railway Eryuan Engineering Group Co Ltd CREEC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Railway Eryuan Engineering Group Co Ltd CREEC filed Critical China Railway Eryuan Engineering Group Co Ltd CREEC
Priority to CN202110523404.9A priority Critical patent/CN113390435B/zh
Publication of CN113390435A publication Critical patent/CN113390435A/zh
Application granted granted Critical
Publication of CN113390435B publication Critical patent/CN113390435B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G01C11/04—Interpretation of pictures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
    • G01C22/02—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers by conversion into electric waveforms and subsequent integration, e.g. using tachometer generator
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • 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
    • G06T7/85—Stereo camera calibration
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G06T2207/10021—Stereoscopic video; Stereoscopic image sequence

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明涉及铁路安全设备技术领域及计算机视觉技术领域，特别涉及高速铁路多元辅助定位***，***包括查询应答器***和车载计算机，还包括速度传感器，查询应答器***用于从沿轨道边设置的若干地面应答器，读取地面应答器存储的位置信息；速度传感器用于获取列车的行进距离；车载计算机包括铁路线路里程计算模块，铁路线路里程计算模块以其中一个地面应答器的位置信息为参考起点，根据行进的距离，计算出列车在两个地面应答器之间的位置信息。

Description

高速铁路多元辅助定位***
技术领域
本发明涉及铁路安全设备技术领域及计算机视觉技术领域，特别涉及高速铁路多元辅助定位***。
背景技术
高速铁路已经有了很大的发展，所采用的列车定位技术是多种多样的。其中最为广泛的一种方式是基于查询应答器的列车定位。其原理是在铁路干线上以一定间隔安装地面应答器，当列车经过时，车载设备接收地面应答器报文信息，从而获得列车位置(以铁路线路里程表示)；还有一种方式是利用轨道电路定位，在铁路上依适当距离区分多个闭塞分区，通过检测列车占用闭塞分区的情况获取列车的位置。但是上述两种方式存在的问题在于，(1)查询应答器只能表达离散的列车位置，当列车行驶在两个地面应答器之间时，无法获取列车位置，位置信息不连续。(2)轨道电路所表达的闭塞分区过长，且只能获取列车的占用情况，无法获得列车在当前闭塞分区的具***置。(3)用单一传感器定位，当某个传感器损坏时，会影响整个定位***的安全。虽然后续有引入了全球定位***(GPS)技术增加定位精度，在一些偏远地区，列车采用全球定位***(GPS)进行定位，然而，列车行驶在隧道中无法接收卫星信号，因此无法在隧道中获得GPS坐标，造成定位信息的缺失。
发明内容
本发明目的在于，针对列车定位技术的上述缺陷，在现有的定位技术的基础上，增加了图像处理***，用以辅助高速铁路的定位，实现了高速铁路的多元辅助定位，因此，提出了一种高速铁路多元辅助定位***。
为了实现上述发明目的，本发明提供了以下技术方案：
一种高速铁路多元辅助定位***，包括查询应答器***和车载计算机，还包括速度传感器，
所述查询应答器***用于从沿轨道边设置的若干地面应答器，读取所述地面应答器存储的位置信息；
所述速度传感器用于获取列车的行进距离；
所述车载计算机包括铁路线路里程计算模块，所述铁路线路里程计算模块以其中一个地面应答器的位置信息为参考起点，根据所述行进距离，计算出列车位置信息；所述位置信息以铁路线路里程表示。
作为本发明的优选方案，所述速度传感器包括轮轴速度传感器和/或瞬时速率传感器。
作为本发明的优选方案，当所述速度传感器为轮轴速度传感器时，所述速度传感器用于计算单位时间内车轮旋转的圈数，所述列车的行进距离根据所述计算单位时间内车轮旋转的圈数和车轮直径计算得到。
作为本发明的优选方案，当所述速度传感器为瞬时速率传感器时，所述速度传感器用于获得列车相对于地面的瞬时速率，所述列车的行进距离根据所述瞬时速率和持续时间，采用积分公式计算得到。
作为本发明的优选方案，还包括用于列车辅助定位的图像处理***，所述图像处理***包括前端设备和后端设备，所述前端设备包括双目相机，所述双目相机用于拍摄列车的行车视频，并同步采集左右相机的图像；
所述后端设备根据所述左右相机的图像计算图像间的视差，并且计算每一个像素的深度，从而计算出各像素点在相机坐标系下的相机坐标；所述后端设备根据所述各像素点在相机坐标系下的相机坐标，并使用ORB-SALM2算法，计算出列车运行轨迹。
作为本发明的优选方案，所述计算出列车运行轨迹具体包括以下步骤：
S1，提取每一帧图像的特征点，以此若干特征点作为观测到的路标；
S2，利用RANSAC算法对相邻两帧图像中的特征点进行准确匹配，获取匹配好的点对；
S3，根据所述匹配好的点对，利用ICP算法，得到所述相邻两帧图像之间的位姿变化；
S4，以第一帧图像的相机坐标作为基准，根据帧图像的位姿变化，求得相机的运动轨迹，所述相机的运动轨迹为所述列车运行轨迹。
作为本发明的优选方案，计算出列车运行轨迹之后，还包括：S5，根据所述列车运行轨迹绘制稀疏点云地图的步骤，
所述稀疏点云地图的实现步骤具体包括：
S51，从获取的帧图像中提取出关键帧图像的点云信息，所述点云信息包括图像中的特征点、特征点的深度信息以及特征点的相机坐标；
S52，根据所述相邻两帧图像之间的位姿变化，将关键帧图像的点云信息拼接到第一帧图像上，构成所述列车运行轨迹绘制稀疏点云地图。
作为本发明的优选方案，还包括卫星定位***，所述卫星定位***包括接收机和定位模块，所述接收机用于获取卫星信号，所述定位模块用于获取列车的卫星定位坐标，
所述车载计算机还包括地图匹配模块，所述地图匹配模块根据所述位置信息、所述列车的卫星定位坐标和所述稀疏点云地图，在关键帧图像处添加铁路线路里程和卫星定位坐标，并绘制带有铁路线路里程和卫星定位坐标的稀疏点云地图。
作为本发明的优选方案，***还包括存储单元，所述存储单元保存了带有铁路线路里程和卫星定位坐标的稀疏点云地图，当列车的双目相机检测到关键帧图像中一组相同的特征点时，就直接读取所述存储单元中存储的关键帧图像对应的铁路线路里程和卫星定位坐标。
作为本发明的优选方案，所述前端设备还包括RGB-D相机，所述RGB-D 相机、所述双目相机和卫星定位***相配合，计算出隧道入口图像和隧道出口图像之间帧图像的位姿变化，进而绘制出列车在隧道内的运动轨迹，具体步骤包括：
第一步，所述RGB-D相机和所述双目相机同步拍摄列车行进图像；
第二步，通过所述RGB-D相机拍摄的图像，获取图像的颜色信息和深度信息，并根据所述图像的颜色信息和深度信息用于进行语义分析，识别出隧道入口图像；根据所述卫星定位***获取隧道出口的卫星定位坐标，并同时获取所述RGB-D相机拍摄的隧道出口图像；
第三步，提取出与所述隧道入口图像同时拍摄的双目相机中的隧道入口图像，作为第一参考点图像；提取出与所述隧道出口图像同时拍摄的双目相机中的隧道出口图像，作为第二参考点图像；
第四步，根据所述第一参考点图像和所述第二参考点图像之间的帧图像，利用ORB-SLAM 2算法计算每一帧图像的位姿变化，并根据位姿变化计算出相机在隧道内的运动轨迹；所述相机在隧道内的运动轨迹为所述列车在隧道内的运动轨迹。
与现有技术相比，本发明的有益效果：
1、在现有的查询应答器***和卫星定位***定位列车的基础上，增加了速度传感器，通过速度传感器本***能精确地获取查询应答器之间的列车位置信息，提高了定位的精确程度。
2、增加了通过图像处理***获取列车的行车轨迹，用以辅助列车定位，在上述两种方式不能实现列车定位的时候，该图像处理***能保证列车定位连续性。并且，本发明利用视觉信息融合速度传感器和查询应答器，可以绘制出带有铁路线路里程和卫星定位坐标的稀疏点云地图，此点云地图既可以帮助列车更好的定位，也可以很好地表达整条铁路的路况信息。带有铁路线路里程和卫星定位坐标的稀疏点云地图也可以共享给其他列车，可以辅助其他列车进行快速精确定位，并根据预先获取的路况信息实现安全运行。
3、本发明***中将视觉信息与卫星定位***获取的卫星坐标相结合，计算列车在隧道内的行进轨迹，解决了列车在隧道内因无法接收卫星信号而无法获得卫星定位***坐标的问题。
4、由于采用了多种辅助定位***，增加了冗余，解决传统定位方式单一，可靠性低的问题，列车可实现可靠的自主定位。
附图说明：
图1为本发明实施例1中的一种高速铁路多元辅助定位***整体架构示意图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
如图1所示，本实施例提供的高速铁路多元辅助定位***，其特征在于：包括图像处理***、全球定位***(GPS)、速度传感器、查询应答器***和车载计算机。
所述查询应答器***分为地面设备和车载设备。所述地面设备包括地面应答器，所述车载设备包括车载查询器天线和车载查询器主机。地面应答器安置在铁路轨道中央，其铁路线路里程已知。当列车经过其中一个地面应答器时，车载查询器天线识别到此地面应答器，并接受地面应答器的报文信息，将此报文信息传给车载查询器主机。车载查询器主机解析报文信息，获得列车位置(以铁路线路里程表示)。车载查询器主机获得此时的列车位置后，将此数据传给车载计算机，用作后续处理。为保障列车运行安全，列车位置信息还会通过GSM-R 网络传给无线闭塞中心(RBC)。
当列车行驶在两个地面应答器之间时，无法获得列车位置。为使列车获得连续的位置信息，加入了速度传感器。所述速度传感器包括轮轴速度传感器和瞬时速率传感器。所述轮轴速度传感器可以计算单位时间内车轮旋转一周的次数，如已知车轮直径，即可计算出列车行进距离。瞬时速率传感器可获得列车相对于地面的瞬时速率，通过式(1)可计算出列车行进距离。
s＝∫v(t)dt (1)
当列车启动和制动时，车轮可能出现空转。此时使用轮轴速度传感器发出的数据计算列车行进距离会有误差，但此时列车速率较低，使用瞬时速率传感器可以获得较为连续的速率曲线，使用式(1)计算列车行进距离较为准确。当列车高速运动时，车轮不会出现空转，此时使用轮轴速度传感器发出的数据计算列车行进距离更为准确。因此可以根据列车运行速率和加速度动态地选择速度传感器。
地面应答器的位置固定，其铁路线路里程已知，以此作为定位标准可靠性高。当列车经过地面应答器时，车载查询器天线接收地面应答器的报文信息并发送给车载查询器主机，经车载查询器主机解析后可得到此时的列车位置(以铁路线路里程表示)。车载计算机接收速度传感器数据，通过计算得到列车经过地面应答器后的行进距离，并把此距离叠加在地面应答器的铁路线路里程上，即可获得当前的列车位置。但计算的列车位置会有一定误差，当列车经过下一个地面应答器时，立即更新列车位置信息，以该地面应答器的铁路线路里程为标准。
图像处理***用于列车辅助定位。所述图像处理***包括前端设备和后端设备。前端设备作为视觉传感器，拍摄行车视频。后端设备接收行车视频，并对视频的每一帧图像进行处理。所述前端设备包括RGB-D相机和双目相机。所述后端设备包括GPU服务器(独立于车载计算机)。笔记本电脑配置为i5-10300H 处理器，8核，使用GPU(GTX1650Ti)加速，操作***为Ubuntu 18.04。
双目相机可获取双目视觉信息，通过同步采集左右相机的图像，计算图像间视差，以便估计每一个像素的深度，可以计算各像素点在相机坐标系下的坐标。在列车运行的情况下，每一帧图像都是不同的，根据图像的变化情况可以计算出相机的位姿变化，即运动轨迹，因此可以得到列车的运行轨迹。高速铁路的行驶速度在250km/h-350km/h之间，每秒可行进约70m-100m，双目相机的可视距离有限，需根据列车速度动态地设置双目相机的FPS，列车速度越高， FPS设置越大。FPS设置过大会使运算增加，影响图像处理***总体性能；FPS 设置过小会使相邻帧图像有较大差异，影响定位的准确性。为使双目相机拍摄的相邻帧图像有一定的相似特征，设置双目相机的FPS为50-70之间。
使用ORB-SLAM2算法计算列车运行轨迹的原理参考论文《ORB-SLAM2: an Open-Source SLAM System for Monocular,Stereo and RGB-D Cameras》，作者为Raúl Mur-Artal和Juan D.Tardós。使用ORB-SLAM2算法计算列车运行轨迹，并绘制稀疏点云地图。使用ORB-SLAM2算法，适用于双目相机进行定位与建图，具体方法如下：
(1)特征提取：提取每一帧图像的ORB特征点，以此若干特征点作为观测到的路标。
(2)特征匹配：当前帧的路标与上一帧的路标有对应关系，利用RANSAC 算法对两帧图像中的特征点进行准确匹配。具体方法如下：1)在已经匹配好的特征点中选取m个点，计算出模型参数。2)用得到的模型参数估计所有的点，设定阈值，误差在阈值内的为内点，反之为外点。3)重复以上步骤，迭代一定次数后，选取保留最多内点的模型，以此模型作为最终结果。
(3)位姿估计：此时已经有了匹配好的点对，利用ICP算法，即可得到两帧图像的位姿变化。ICP算法可以对两个具有运动关系的三维点集进行配准对齐，以求得点集间的旋转和平移关系，即位姿变化，通过不断迭代求解最优值。以第一帧图像为基准，计算第n+1帧图像相对于第n帧图像的位姿变化(n≥1)。以此类推，可以得到相机的运动轨迹，即列车运行轨迹。以第一帧图像的相机坐标作为世界坐标，计算相机每一帧图像相对第一帧的位姿变化，即可求得相机的运动轨迹，即列车运行轨迹。
(4)后端优化：对相机位姿进行优化，删除冗余的关键帧和低质量的特征点。得到高质量的相机的位姿和特征点的空间位置。
列车的运行轨迹已知，轨迹以旋转矩阵和相对位移表示，为更直观地观察列车运行轨迹，绘制稀疏点云地图。具体方法如下：
(1)提取关键帧点云：每帧图像点云信息数据量庞大，添加每一帧图像的点云会增加***负担，因此只需提取关键帧点云。根据图像中的特征点和特征点的深度信息提取点云。
(2)点云拼接：相机每一帧相对第一帧的位姿变化已知，通过计算将所有关键帧的点云拼接到第一帧上，即可构成连续完整的稀疏点云地图。
稀疏点云地图以图像的形式表达列车的运行轨迹，也可以直观地展现铁路的路况信息，如普通道路，弯道，桥梁，隧道等。普通地面参照物多，特征点多样，点云分布较为杂乱。桥梁上参照物少，特征点单一，点云分布较为平均。隧道内空间小，特征点紧凑，点云分布集中。将稀疏点云地图传给车载计算机，用作后续处理。
所述卫星定位***(GPS/北斗)包括接收机和定位模块。接收机负责获取卫星信号，定位模块负责定位，获得位置参数。定位模块将列车坐标传给车载计算机，用作后续处理。
所述车载计算机包括铁路线路里程计算模块，地图匹配模块和存储单元。所述铁路线路里程计算模块负责接收查询应答器***和速度传感器发送的数据，计算列车位置(以铁路线路里程表示)。所述地图匹配模块负责接收列车位置、列车卫星定位坐标和稀疏点云地图。地图匹配模块将这些数据整合，在关键帧处添加铁路线路里程和卫星定位坐标，绘制带有铁路线路里程和卫星定位坐标的稀疏点云地图，并将其保存在存储单元中。
当列车再次行驶在同一条线路时，相机检测到关键帧图像中一组相同的特征点时即可获得列车位置(以铁路线路里程表示)和列车卫星定位坐标。此点云地图既可以帮助列车更好的定位，也可以很好地表达整条铁路的路况信息。带有铁路线路里程和卫星定位坐标的稀疏点云地图也可以共享给其他列车。将此稀疏点云地图传给调度指挥中心，再由调度指挥中心传给其他列车。
实施例2
当列车行驶在隧道中时，无法接收卫星信号。列车在山区运行时，隧道占比大，列车会长时间无法获得GPS坐标。可以利用图像处理***辅助定位，估算出列车在隧道中的GPS坐标。
所述图像处理***中的前端设备包括RGB-D相机和双目相机。RGB-D相机可直接获得颜色和深度信息，用于语义分析和距离测量。双目相机可获取双目视觉信息，用于相机位姿估计，计算列车运行轨迹。
所述RGB-D相机置于驾驶室前端，FPS为60，颜色和深度信息传给笔记本电脑。将视频分解成单帧图像，对每一帧图像都进行语义分析。利用目标检测网络YOLOv3检测每一帧图像中的物体，并为其添加2D语义标签。隧道入口视觉信息明显，可提前识别，并持续追踪。
RGB-D相机可直接获取深度信息，当距离隧道入口约3m时，记录此时列车获取的卫星定位坐标，作为第一参考点，此点即为隧道入口的卫星定位坐标。当列车驶出隧道且再次接收到卫星信号时，记录此时列车获取的卫星定位坐标，作为第二参考点，此点即为隧道出口的卫星定位坐标。
双目相机与RGB-D相机同步，FPS为60。把第一在参考点拍摄的单帧图像作为第一帧图像，把在第二参考点拍摄的图像作为最后一帧图像。第一帧与最后一帧的中间单帧图像即为相机在隧道中拍摄的图像。利用ORB-SLAM 2算法计算每一帧相对于第一帧的位姿变化，到最后一帧截至，计算出相机运动轨迹。再将此轨迹绘制成折线图，折线图中的点代表拍摄当前帧的相机位置。
折线图是三维的，而卫星定位坐标是二维的。因此将折线图沿负z轴方向向xOy平面投影，得到二维折线图。将二维折线图的x轴和y轴单位量化，再把第一参考点和第二参考点的卫星定位坐标带入折线图的起点和终点。通过计算可得到折线图中每一点的GPS坐标，即相机的卫星定位坐标。
此时已经获得列车在隧道内的卫星定位坐标，按照实施例1的方法绘制带有铁路线路里程和卫星定位坐标的稀疏点云地图，用于辅助定位。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的保护范围当中。

Claims (10)

1.一种高速铁路多元辅助定位***，包括查询应答器***和车载计算机，其特征在于，还包括速度传感器，
所述查询应答器***用于从沿轨道边设置的若干地面应答器，读取所述地面应答器存储的位置信息；
所述速度传感器用于获取列车的行进距离；
所述车载计算机包括铁路线路里程计算模块，所述铁路线路里程计算模块以其中一个地面应答器的位置信息为参考起点，根据所述行进距离，计算出列车位置信息；所述位置信息以铁路线路里程表示。
2.如权利要求1所述的一种高速铁路多元辅助定位***，其特征在于，所述速度传感器包括轮轴速度传感器和/或瞬时速率传感器。
3.如权利要求2所述的一种高速铁路多元辅助定位***，其特征在于，当所述速度传感器为轮轴速度传感器时，所述速度传感器用于计算单位时间内车轮旋转的圈数，所述列车的行进距离根据所述计算单位时间内车轮旋转的圈数和车轮直径计算得到。
4.如权利要求2所述的一种高速铁路多元辅助定位***，其特征在于，当所述速度传感器为瞬时速率传感器时，所述速度传感器用于获得列车相对于地面的瞬时速率，所述列车的行进距离根据所述瞬时速率和持续时间，采用积分公式计算得到。
5.如权利要求1-4任一所述的一种高速铁路多元辅助定位***，其特征在于，还包括用于列车辅助定位的图像处理***，所述图像处理***包括前端设备和后端设备，所述前端设备包括双目相机，所述双目相机用于拍摄列车的行车视频，并同步采集左右相机的图像；
所述后端设备根据所述左右相机的图像计算图像间的视差，并且计算每一个像素的深度，从而计算出各像素点在相机坐标系下的相机坐标；所述后端设备根据所述各像素点在相机坐标系下的相机坐标，并使用ORB-SALM2算法，计算出列车运行轨迹。
6.如权利要求5所述的一种高速铁路多元辅助定位***，其特征在于，所述计算出列车运行轨迹具体包括以下步骤：
S1，提取每一帧图像的特征点，以此若干特征点作为观测到的路标；
S2，利用RANSAC算法对相邻两帧图像中的特征点进行准确匹配，获取匹配好的点对；
S3，根据所述匹配好的点对，利用ICP算法，得到所述相邻两帧图像之间的位姿变化；
S4，以第一帧图像的相机坐标作为基准，根据帧图像的位姿变化，求得相机的运动轨迹，所述相机的运动轨迹为所述列车运行轨迹。
7.如权利要求6所述的一种高速铁路多元辅助定位***，其特征在于，计算出列车运行轨迹之后，还包括：S5，根据所述列车运行轨迹绘制稀疏点云地图的步骤，
所述稀疏点云地图的实现步骤具体包括：
S51，从获取的帧图像中提取出关键帧图像的点云信息，所述点云信息包括图像中的特征点、特征点的深度信息以及特征点的相机坐标；
S52，根据所述相邻两帧图像之间的位姿变化，将关键帧图像的点云信息拼接到第一帧图像上，构成所述列车运行轨迹绘制稀疏点云地图。
8.如权利要求7所述的一种高速铁路多元辅助定位***，其特征在于，还包括卫星定位***，所述卫星定位***包括接收机和定位模块，所述接收机用于获取卫星信号，所述定位模块用于获取列车的卫星定位坐标，
所述车载计算机还包括地图匹配模块，所述地图匹配模块根据所述位置信息、所述列车的卫星定位坐标和所述稀疏点云地图，在关键帧图像处添加铁路线路里程和卫星定位坐标，并绘制带有铁路线路里程和卫星定位坐标的稀疏点云地图。
9.如权利要求8所述的一种高速铁路多元辅助定位***，其特征在于，***还包括存储单元，所述存储单元保存了带有铁路线路里程和卫星定位坐标的稀疏点云地图，当列车的双目相机检测到关键帧图像中一组相同的特征点时，就直接读取所述存储单元中存储的关键帧图像对应的铁路线路里程和卫星定位坐标。
10.如权利要求9所述的一种高速铁路多元辅助定位***，其特征在于，所述前端设备还包括RGB-D相机，所述RGB-D相机、所述双目相机和卫星定位***相配合，计算出隧道入口图像和隧道出口图像之间帧图像的位姿变化，进而绘制出列车在隧道内的运动轨迹，具体步骤包括：
第一步，所述RGB-D相机和所述双目相机同步拍摄列车行进图像；
第二步，通过所述RGB-D相机拍摄的图像，获取图像的颜色信息和深度信息，并根据所述图像的颜色信息和深度信息用于进行语义分析，识别出隧道入口图像；根据所述卫星定位***获取隧道出口的卫星定位坐标，并同时获取所述RGB-D相机拍摄的隧道出口图像；
第三步，提取出与所述隧道入口图像同时拍摄的双目相机中的隧道入口图像，作为第一参考点图像；提取出与所述隧道出口图像同时拍摄的双目相机中的隧道出口图像，作为第二参考点图像；
第四步，根据所述第一参考点图像和所述第二参考点图像之间的帧图像，利用ORB-SLAM 2算法计算每一帧图像的位姿变化，并根据位姿变化计算出相机在隧道内的运动轨迹；所述相机在隧道内的运动轨迹为所述列车在隧道内的运动轨迹。
CN202110523404.9A 2021-05-13 2021-05-13 高速铁路多元辅助定位*** Active CN113390435B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110523404.9A CN113390435B (zh) 2021-05-13 2021-05-13 高速铁路多元辅助定位***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110523404.9A CN113390435B (zh) 2021-05-13 2021-05-13 高速铁路多元辅助定位***

Publications (2)

Publication Number Publication Date
CN113390435A true CN113390435A (zh) 2021-09-14
CN113390435B CN113390435B (zh) 2022-08-26

Family

ID=77617140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110523404.9A Active CN113390435B (zh) 2021-05-13 2021-05-13 高速铁路多元辅助定位***

Country Status (1)

Country Link
CN (1) CN113390435B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475722A (zh) * 2022-01-10 2022-05-13 北京全路通信信号研究设计院集团有限公司 一种适用于环形铁路的列车卫星定位方法及***

Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007091072A1 (en) * 2006-02-07 2007-08-16 Richard Shenton System for measuring speed and/or position of a train
CN106156780A (zh) * 2016-06-29 2016-11-23 南京雅信科技集团有限公司 轨道上异物侵限识别中排除误报的方法
CN106225723A (zh) * 2016-07-25 2016-12-14 浙江零跑科技有限公司 一种基于后视双目相机的多列车铰接角测量方法
CN107220632A (zh) * 2017-06-12 2017-09-29 山东大学 一种基于法向特征的路面图像分割方法
CN206704211U (zh) * 2017-05-19 2017-12-05 中国神华能源股份有限公司 基于移动闭塞的重载列车定位***
CN107640184A (zh) * 2017-10-30 2018-01-30 成都九壹通智能科技股份有限公司 一种基于精确测距的列车轮径自动校准***及其方法
CN108534782A (zh) * 2018-04-16 2018-09-14 电子科技大学 一种基于双目视觉***的地标地图车辆即时定位方法
CN108896994A (zh) * 2018-05-11 2018-11-27 武汉环宇智行科技有限公司 一种无人驾驶车辆定位方法及设备
WO2019033862A1 (zh) * 2017-08-14 2019-02-21 成都中信华瑞科技有限公司 数据采集方法及隧道检测车
CN109631855A (zh) * 2019-01-25 2019-04-16 西安电子科技大学 基于orb-slam的高精度车辆定位方法
CN110194201A (zh) * 2019-06-20 2019-09-03 中铁二院工程集团有限责任公司 一种列控等级转换***及其方法
CN110244337A (zh) * 2019-06-14 2019-09-17 北京世纪东方通讯设备有限公司 一种隧道内目标对象的定位方法及装置
CN110262546A (zh) * 2019-06-18 2019-09-20 武汉大学 一种隧道智能无人机巡检***及方法
CN111114593A (zh) * 2019-12-18 2020-05-08 中铁电气化局集团有限公司 基于多元信息融合的地铁列车自主定位装置、***及方法
CN111267917A (zh) * 2020-03-18 2020-06-12 中铁二院工程集团有限责任公司 一种防止动车组在列车进路下以调车模式出站的控制方法
CN111323009A (zh) * 2020-03-09 2020-06-23 西南交通大学 一种磁悬浮列车定位方法及***
WO2020127053A1 (de) * 2018-12-18 2020-06-25 Siemens Mobility GmbH Bordeigenes visuelles ermitteln kinematischer messgrössen eines schienenfahrzeugs
CN111572598A (zh) * 2019-02-18 2020-08-25 中铁二院工程集团有限责任公司 高速磁浮列车定位方法和***
US20200363815A1 (en) * 2019-05-17 2020-11-19 Nvidia Corporation Object pose estimation
CN112009522A (zh) * 2020-09-08 2020-12-01 四川瑞云信通科技有限公司 一种用于山地轨道的列车控制***及控制方法
CN112082519A (zh) * 2020-08-28 2020-12-15 通号城市轨道交通技术有限公司 轨道交通中地面应答器位置校核方法及装置
CN112455502A (zh) * 2019-09-09 2021-03-09 中车株洲电力机车研究所有限公司 基于激光雷达的列车定位方法及装置
CN112489080A (zh) * 2020-11-27 2021-03-12 的卢技术有限公司 基于双目视觉slam的车辆定位及车辆3d检测方法

Patent Citations (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007091072A1 (en) * 2006-02-07 2007-08-16 Richard Shenton System for measuring speed and/or position of a train
CN106156780A (zh) * 2016-06-29 2016-11-23 南京雅信科技集团有限公司 轨道上异物侵限识别中排除误报的方法
CN106225723A (zh) * 2016-07-25 2016-12-14 浙江零跑科技有限公司 一种基于后视双目相机的多列车铰接角测量方法
CN206704211U (zh) * 2017-05-19 2017-12-05 中国神华能源股份有限公司 基于移动闭塞的重载列车定位***
CN107220632A (zh) * 2017-06-12 2017-09-29 山东大学 一种基于法向特征的路面图像分割方法
WO2019033862A1 (zh) * 2017-08-14 2019-02-21 成都中信华瑞科技有限公司 数据采集方法及隧道检测车
CN107640184A (zh) * 2017-10-30 2018-01-30 成都九壹通智能科技股份有限公司 一种基于精确测距的列车轮径自动校准***及其方法
CN108534782A (zh) * 2018-04-16 2018-09-14 电子科技大学 一种基于双目视觉***的地标地图车辆即时定位方法
CN108896994A (zh) * 2018-05-11 2018-11-27 武汉环宇智行科技有限公司 一种无人驾驶车辆定位方法及设备
WO2020127053A1 (de) * 2018-12-18 2020-06-25 Siemens Mobility GmbH Bordeigenes visuelles ermitteln kinematischer messgrössen eines schienenfahrzeugs
CN109631855A (zh) * 2019-01-25 2019-04-16 西安电子科技大学 基于orb-slam的高精度车辆定位方法
CN111572598A (zh) * 2019-02-18 2020-08-25 中铁二院工程集团有限责任公司 高速磁浮列车定位方法和***
US20200363815A1 (en) * 2019-05-17 2020-11-19 Nvidia Corporation Object pose estimation
CN110244337A (zh) * 2019-06-14 2019-09-17 北京世纪东方通讯设备有限公司 一种隧道内目标对象的定位方法及装置
CN110262546A (zh) * 2019-06-18 2019-09-20 武汉大学 一种隧道智能无人机巡检***及方法
CN110194201A (zh) * 2019-06-20 2019-09-03 中铁二院工程集团有限责任公司 一种列控等级转换***及其方法
CN112455502A (zh) * 2019-09-09 2021-03-09 中车株洲电力机车研究所有限公司 基于激光雷达的列车定位方法及装置
CN111114593A (zh) * 2019-12-18 2020-05-08 中铁电气化局集团有限公司 基于多元信息融合的地铁列车自主定位装置、***及方法
CN111323009A (zh) * 2020-03-09 2020-06-23 西南交通大学 一种磁悬浮列车定位方法及***
CN111267917A (zh) * 2020-03-18 2020-06-12 中铁二院工程集团有限责任公司 一种防止动车组在列车进路下以调车模式出站的控制方法
CN112082519A (zh) * 2020-08-28 2020-12-15 通号城市轨道交通技术有限公司 轨道交通中地面应答器位置校核方法及装置
CN112009522A (zh) * 2020-09-08 2020-12-01 四川瑞云信通科技有限公司 一种用于山地轨道的列车控制***及控制方法
CN112489080A (zh) * 2020-11-27 2021-03-12 的卢技术有限公司 基于双目视觉slam的车辆定位及车辆3d检测方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
MIKEL ETXEBERRIA-GARCIA等: "Application of Computer Vision and Deep Learning in the railway domain for autonomous train stop operation", 《2020 IEEE/SICE INTERNATIONAL SYMPOSIUM ON SYSTEM INTEGRATION (SII)》 *
杨岗等: "基于多传感器的信息融合列车定位算法研究", 《铁道通信信号》 *
訾安琪: "基于SLAM的车辆运行轨迹算法研究", 《中国优秀硕士学位论文全文数据库信息科技辑(硕士) 工程科技Ⅱ辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114475722A (zh) * 2022-01-10 2022-05-13 北京全路通信信号研究设计院集团有限公司 一种适用于环形铁路的列车卫星定位方法及***
CN114475722B (zh) * 2022-01-10 2023-11-10 北京全路通信信号研究设计院集团有限公司 一种适用于环形铁路的列车卫星定位方法及***

Also Published As

Publication number Publication date
CN113390435B (zh) 2022-08-26

Similar Documents

Publication Publication Date Title
CN109927719B (zh) 一种基于障碍物轨迹预测的辅助驾驶方法和***
US20220397402A1 (en) Systems and methods for determining road safety
US20230005364A1 (en) Systems and methods for monitoring traffic lane congestion
US11287523B2 (en) Method and apparatus for enhanced camera and radar sensor fusion
US8630461B2 (en) Vehicle position detection system
CN109484435B (zh) 一种适用于轨道交通智能检测***的列车定位方法和装置
EP2372304B1 (en) Vehicle position recognition system
CN103733077B (zh) 用于测量沿着导向轨道移动的车辆的速度和位置的装置、及其对应的方法和计算机程序产品
EP2372308B1 (en) Image processing system and vehicle control system
CN111102986A (zh) 用于运载工具导航的尺寸缩小的地图的自动生成以及时空定位
CN112132896B (zh) 一种轨旁设备状态检测方法及***
AU2017300097A1 (en) Crowdsourcing and distributing a sparse map, and lane measurements for autonomous vehicle navigation
US20210381849A1 (en) Map management using an electronic horizon
CN108460968A (zh) 一种基于车联网获取交通路况信息的方法及装置
CN105300403A (zh) 一种基于双目视觉的车辆里程计算法
US20240199006A1 (en) Systems and Methods for Selectively Decelerating a Vehicle
Mammeri et al. Extending the detection range of vision-based vehicular instrumentation
CN113316706A (zh) 路标位置估计设备和方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质
CN111914691A (zh) 一种轨道交通车辆定位方法及***
CN113390435B (zh) 高速铁路多元辅助定位***
CN117011816A (zh) 跟踪对象的踪迹段清理
US20230136710A1 (en) Systems and methods for harvesting images for vehicle navigation
Franke et al. Towards holistic autonomous obstacle detection in railways by complementing of on-board vision with UAV-based object localization
CN114241447A (zh) 一种基于车载设备的障碍物实时检测方法
JP2019152976A (ja) 画像認識制御装置、画像認識制御プログラム

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