CN113486783A - 轨道交通车辆的障碍物检测方法及*** - Google Patents
轨道交通车辆的障碍物检测方法及*** Download PDFInfo
- Publication number
- CN113486783A CN113486783A CN202110752812.1A CN202110752812A CN113486783A CN 113486783 A CN113486783 A CN 113486783A CN 202110752812 A CN202110752812 A CN 202110752812A CN 113486783 A CN113486783 A CN 113486783A
- Authority
- CN
- China
- Prior art keywords
- image
- vehicle
- obstacle
- distance range
- preset distance
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims description 37
- 238000000034 method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims description 20
- 238000012549 training Methods 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 102100029368 Cytochrome P450 2C18 Human genes 0.000 description 1
- 101000919360 Homo sapiens Cytochrome P450 2C18 Proteins 0.000 description 1
- 241000111040 Micrasema minimum Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003116 impacting effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- B61L23/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种轨道交通车辆的障碍物检测方法及***，获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像，第二预设距离范围中到车辆的最大距离大于第一预设距离范围中到车辆的最大距离，第二预设距离范围中到车辆的最小距离小于等于第一预设距离范围中到车辆的最大距离，根据第一图像和/或第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。本发明获取车辆前方第一预设距离范围内的图像以及第二预设距离范围内的图像，根据从两个距离范围获取的图像检测车辆限界内是否有障碍物，第二预设距离范围可以是距离车辆较远的距离范围，因此本发明能够远距离地探测障碍物，能够用于较高行驶速度的车辆。
Description
技术领域
本发明涉及机器视觉应用领域，特别是涉及一种轨道交通车辆的障碍物检测方法及***。
背景技术
在轨道交通行业中，行车安全是列车运行过程中必须考虑的，其中列车运行限界内的障碍物是影响行车安全的重要因素。近年来，经常发生由于落石、山体滑坡、轨旁设备状态异常、路口或者车站处行人车辆等侵入限界而发生列车运行事故。应用于列车的障碍物检测***是借助机器视觉检测技术，提前对障碍物实施观测及预警，以达到辅助驾驶、保障行车安全的作用。
当前，列车的运行速度越来越高，以往的城市轨道交通中，列车最高运行速度为80km/h，但是现在越来越多的线路开始提高运行速度，由80km/h提高至120km/h。随着运行速度的提高，列车的制动距离也随之延长。以80km/h为例，当制动加速度为-1.2m/s2时，列车的制动距离为205.8米。以120km/h为例，当制动加速度为-1.2m/s2时，列车的制动距离为463.0米。为了保障列车的安全，障碍物探测需在制动距离外，提前发现障碍物并发出预警信号。由此可以看出，相比于传统的低速线路，高速线路对障碍物的探测距离提出了新的要求。
发明内容
本发明的目的是提供一种轨道交通车辆的障碍物检测方法及***，能够远距离地探测障碍物，能够用于较高行驶速度的车辆。
为实现上述目的，本发明提供如下技术方案：
一种轨道交通车辆的障碍物检测方法，包括：
获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像，所述第二预设距离范围中到车辆的最大距离大于所述第一预设距离范围中到车辆的最大距离，所述第二预设距离范围中到车辆的最小距离小于等于所述第一预设距离范围中到车辆的最大距离；
根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
优选的，所述第一图像为可见光图像或者红外光图像，所述第二图像为可见光图像或者红外光图像。
优选的，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：
若根据所述第二图像检测出在车辆前方存在物体，则根据所述第二图像和所述第一图像的匹配关系，将物体映射到所述第一图像中；
根据物体在所述第一图像的位置，若判断出物体在车辆的轨行区域内，则确定车辆限界内存在障碍物。
优选的，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：
对图像提取特征，使用预设模型对所述图像的特征处理，得到预存的与所述图像对应的摄像装置拍摄位置最相符的标准图像，所述标准图像为车辆前方无障碍物的图像；
获取所述图像与所述标准图像的差异图像块，根据获得的差异图像块检测物体类型。
优选的，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：根据图像中轨道的连续情况判断在轨道上是否存在障碍物。
优选的，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：使用训练好的网络对图像处理，以检测在车辆限界内是否存在障碍物，所述网络通过对在车辆限界内无障碍物的图像进行训练获得。
一种轨道交通车辆的障碍物检测***，用于执行以上所述的轨道交通车辆的障碍物检测方法。
优选的，包括第一摄像装置、第二摄像装置和处理装置，所述第一摄像装置用于获取车辆前方第一预设距离范围内的第一图像，并将获得图像传输到处理装置，所述第二摄像装置用于获取车辆前方第二预设距离范围内的第二图像，并将获得图像传输到所述处理装置，所述处理装置用于根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
优选的，所述第一图像为可见光图像，所述第二图像为可见光图像，还包括用于获取车辆前方的红外光图像的第三摄像装置，所述处理装置还用于根据获得的红外光图像检测出存在于车辆限界内的障碍物。
优选的，还包括用于向车辆前方发出红外光的光源。
由上述技术方案可知，本发明所提供的轨道交通车辆的障碍物检测方法及***，获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像，第二预设距离范围中到车辆的最大距离大于第一预设距离范围中到车辆的最大距离，第二预设距离范围中到车辆的最小距离小于等于第一预设距离范围中到车辆的最大距离，根据第一图像和/或第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
本发明获取车辆前方第一预设距离范围内的图像以及车辆前方第二预设距离范围内的图像，根据从两个距离范围获取的图像检测车辆限界内是否有障碍物，其中第二预设距离范围可以是距离车辆较远的距离范围，因此本发明能够远距离地探测障碍物，能够用于较高行驶速度的车辆。
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简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例提供的一种轨道交通车辆的障碍物检测方法的流程图；
图2为本发明实施例中根据获取图像检测在车辆限界内的障碍物的方法流程图；
图3为本发明实施例提供的一种轨道交通车辆的障碍物检测***的示意图；
图4为本发明一具体实例中构建的检测***示意图；
图5为本发明一具体实例中各个相机的布置示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案，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，所描述的实施例仅仅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，都应当属于本发明保护的范围。
请参考图1，图1为本实施例提供的一种轨道交通车辆的障碍物检测方法的流程图，如图所示，所述轨道交通车辆的障碍物检测方法包括以下步骤：
S10：获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像。
所述第二预设距离范围中到车辆的最大距离大于所述第一预设距离范围中到车辆的最大距离，所述第二预设距离范围中到车辆的最小距离小于等于所述第一预设距离范围中到车辆的最大距离。
在车辆沿着轨道行驶过程中，获取车辆前方第一预设距离范围内的图像，表示为第一图像，以及获取车辆前方第二预设距离范围内的图像，表示为第二图像。
S11：根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
限界是指为了确保车辆在线路上安全运行，防止机车车辆撞击邻近线路的建筑物或者设备，而对车辆和邻近线路的建筑物、设备所规定的不允许超越的轮廓线。存在于限界内的障碍物是指处于限界内的、对车辆安全行驶有潜在威胁的物体。
本实施例的轨道交通车辆的障碍物检测方法获取车辆前方第一预设距离范围内的图像以及车辆前方第二预设距离范围内的图像，根据从两个距离范围获取的图像检测车辆限界内是否有障碍物，其中第二预设距离范围可以是距离车辆较远的距离范围，因此本实施例方法能够远距离地探测障碍物，能够用于较高行驶速度的车辆。
下面结合具体实施方式对本轨道交通车辆的障碍物检测方法进行详细说明。参考图1所示，所述轨道交通车辆的障碍物检测方法包括以下步骤：
S10：获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像。
可选的，第一图像可以是可见光图像或者红外光图像，第二图像可以是可见光图像或者红外光图像。在白天环境下太阳光照较强，可以通过获取可见光图像进行检测障碍物，若在光照相对较弱的环境下则可以通过获取红外光图像进行探测，或者可以既获取可见光图像也获取红外光图像，结合可见光图像和红外光图像进行检测，保证探测的准确性。
可选的，第一预设距离范围和第二预设距离范围的具体设置可根据实际应用中车辆的运行情况相应确定。示例性的，当前的轨道机动车辆行驶速度大多数由80km/h提高至120km/h，以制动加速度为-1.2m/s2，行驶速度为120km/h，制动距离为463.0米。相应可设置第一预设距离范围为20米～250米，第二预设距离范围为250米～500米。
S11：根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
可选的，可通过以下方法根据获取图像检测在车辆限界内是否存在障碍物，请参考图2，图2为本实施例中根据获取图像检测在车辆限界内的障碍物的方法流程图，包括以下步骤：
S20：若根据所述第二图像检测出在车辆前方存在物体，则根据所述第二图像和所述第一图像的匹配关系，将物体映射到所述第一图像中。
从远距离获取的第二图像画面是从近距离获取的第一图像画面的一部分，通过在第一图像中找出对应第二图像的部分，并获得第二图像与第一图像中对应第二图像部分的匹配关系，将从第二图像检测出的物体映射到第一图像中。
S21：根据物体在所述第一图像的位置，若判断出物体在车辆的轨行区域内，则确定车辆限界内存在障碍物。
轨行区域是指限界在地面上的投影。将物体映射到第一图像后根据物体在图像中的位置，根据第一图像中轨道位置，判断物体是否在轨行区域内。若物体在轨行区域内表明物体在限界内，表明在车辆限界内存在障碍物。
若第二预设距离范围是距离车辆较远的距离范围，当车辆行驶在弯道路段时对前方第二预设距离范围获取的图像中可能没有铁轨或者仅有部分铁轨，而第一预设距离范围可以距离车辆较近，视场较大，第一图像中铁轨较完整，铁轨分割准确度更高，因此本实施例方法在第二图像中检测出物体后，将物体仿射变换到第一图像中对应区域进行判断，可以使检测结果准确度更高。
可选的，根据第一图像或者第二图像检测障碍物可采用以下方法，具体包括：对图像提取特征，使用预设模型对所述图像的特征处理，得到预存的与所述图像对应的摄像装置拍摄位置最相符的标准图像，所述标准图像为车辆前方无障碍物的图像；获取所述图像与所述标准图像的差异图像块，然后，根据获得的差异图像块检测物体类型。
可以预先获取在车辆行驶过程中，摄像装置获取的车辆前方无障碍物的图像，对获得的视频图像提取特征，将图像特征与获取该图像时的摄像装置位置建立索引进行建模，得到预设模型。对于获取的实时图像，对实时图像提取特征，使用预设模型对实时图像的特征处理，将实时图像的特征与预设模型比对，在预设模型中找出与实时图像对应的摄像装置拍摄位置最相符的标准图像，认为摄像装置拍摄该实时图像时与拍摄该标准图像时为相同拍摄位置。进而，将此位置的标准图像与实时图像进行比对，获取两者的差异图像块进行检测。通过本方法能够较准确地检测出实时图像的差异部分。
可选的，可以通过深度学习方法对差异图像块处理和学习，检测物体类型。
可选的，根据第一图像或者第二图像检测在车辆限界内是否存在障碍物，还可以采用以下方法：根据图像中轨道的连续情况判断在轨道上是否存在障碍物。若获取的图像中轨道连续，表明在轨道上没有障碍物，若获取的图像中轨道不连续存在断点，表明在轨道上有物体将轨道遮挡，在轨道上存在障碍物使拍摄图像中轨道不连续。通过本方法可以检测轨道上存在的较小物体。
可选的，根据第一图像或者第二图像检测在车辆限界内是否存在障碍物，还可以采用以下方法：使用训练好的网络对图像处理，以检测在车辆限界内是否存在障碍物，所述网络通过对在车辆限界内无障碍物的图像进行训练获得。
训练的网络可以是自编码器，自编码器属于深度学习的一种，通过对大量无障碍物图像进行编解码训练，使网络适应无障碍物图像的特征，当图像中出现障碍物时，编码特征和解码图像会出现异常，根据出现的异常判断是否有障碍物以及障碍物位置。
优选的，本实施例方法还可包括：向车辆前方发出红外光。具体的，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物可包括：根据图像中由物体反射回的红外光形成的光斑像，检测是否存在障碍物。在暗光环境比如隧道内或者夜晚情况下，可见光图像包含的信息有限，本实施例方法通过主动补充红外光，通过获取红外光图像进行检测障碍物，弥补了可见光图像的不足，能够提升在恶劣天气和光照不佳的环境下的成像和检测能力。
相应的，本实施例还提供一种轨道交通车辆的障碍物检测***，用于执行以上所述的轨道交通车辆的障碍物检测方法。
本实施例的轨道交通车辆的障碍物检测***获取车辆前方第一预设距离范围内的图像以及车辆前方第二预设距离范围内的图像，根据从两个距离范围获取的图像检测车辆限界内是否有障碍物，其中第二预设距离范围可以是距离车辆较远的距离范围，因此本实施例***能够远距离地探测障碍物，能够用于较高行驶速度的车辆。
需要说明的是，本实施例中获取第一图像、获取第二图像以及根据第一图像和/或第二图像检测存在于车辆限界内的障碍物的具体实施方式，都可参考上述关于轨道交通车辆的障碍物检测方法中所描述的实施方式，在此不再赘述。
请参考图3，图3为本实施例提供的一种轨道交通车辆的障碍物检测***的示意图，如图所示，所述轨道交通车辆的障碍物检测***包括第一摄像装置31、第二摄像装置32和处理装置30，所述第一摄像装置31用于获取车辆前方第一预设距离范围内的第一图像，并将获得图像传输到处理装置30，所述第二摄像装置32用于获取车辆前方第二预设距离范围内的第二图像，并将获得图像传输到所述处理装置30，所述处理装置30用于根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
可选的，所述第一图像为可见光图像，所述第二图像为可见光图像，还包括用于获取车辆前方的红外光图像的第三摄像装置，所述处理装置还用于根据获得的红外光图像检测出存在于车辆限界内的障碍物。
进一步优选的，本实施例***还可包括用于向车辆前方发出红外光的光源。在暗光环境比如隧道内或者夜晚情况下，可见光图像包含的信息有限，本实施例方法通过主动补充红外光，通过获取红外光图像进行检测障碍物，弥补了可见光图像的不足，能够提升在恶劣天气和光照不佳的环境下的成像和检测能力。
在一具体实例中，机动车辆的轨道线路条件为：正线：一般800m，困难450m；出入段线：一般200m；困难150m；车场线：150m。最小竖曲线半径：2000m。
对障碍物检测的性能要求如下表所示：
请参考图4，图4为一具体实例中构建的检测***示意图，如图所示构建的障碍物检测***包括红外光源以及三个相机分别为第一可见光相机、第二可见光相机和红外光相机，以及***主机和报警器，
红外光源采用850nm波段光源，照明距离达到500米，光斑发散角度5～25度可调节。红外光相机工作波段为850nm，焦距5mm～115mm可变。第一可见光相机为近焦相机，第二可见光相机为远焦相机，焦距均在5mm～115mm之间可变，通过实际安装位置的不同，第一可见光相机和第二可见光相机的焦距需要进行不同的调节固定。红外光相机采用CMOS成像传感器，集成有高速摄像机和处理板卡，红外光源为激光光源。红外光相机和可见光相机相结合可在各种恶劣工况下清晰成像，保障全天候工作。报警器为声光报警器，会接收***主机的报警信号，产生信号提醒司机注意轨道上存在障碍物。
请参考图5，图5为一具体实例中各个相机的布置示意图，如图所示第一可见光相机、第二可见光相机和红外光相机三个相机集成在成像单元中。成像单元采用中心对称六边形设计，其中上方为第二可见光相机(远焦相机)、左下方为第一可见光相机(近焦相机)、右下方为红外相机。***主机可以是自研CPCI插箱式主机，具有高存储、高计算力等特点，***主机通过以太网接口与多路相机连接，采集图像数据后进行集中处理。
另外，***主机具有存储功能，硬盘容量为2T。当存储空间全部占用时，启动覆盖机制，按照先进先出的方式，自动覆盖最早录制的视频文件。还设有完善的日志记录功能，能够全面记录***的工作状态、故障信息、报警信息、时间等信息，为***故障诊断和事故分析提供可信的原始数据。还具有定位功能，检测到线路异常情况后，可记录异常发生的位置信息，以供事后返查。
以上对本发明所提供的轨道交通车辆的障碍物检测方法及***进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种轨道交通车辆的障碍物检测方法，其特征在于，包括：
获取车辆前方第一预设距离范围内的第一图像以及获取车辆前方第二预设距离范围内的第二图像，所述第二预设距离范围中到车辆的最大距离大于所述第一预设距离范围中到车辆的最大距离，所述第二预设距离范围中到车辆的最小距离小于等于所述第一预设距离范围中到车辆的最大距离；
根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
2.根据权利要求1所述的轨道交通车辆的障碍物检测方法，其特征在于，所述第一图像为可见光图像或者红外光图像，所述第二图像为可见光图像或者红外光图像。
3.根据权利要求1所述的轨道交通车辆的障碍物检测方法，其特征在于，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：
若根据所述第二图像检测出在车辆前方存在物体，则根据所述第二图像和所述第一图像的匹配关系，将物体映射到所述第一图像中；
根据物体在所述第一图像的位置，若判断出物体在车辆的轨行区域内，则确定车辆限界内存在障碍物。
4.根据权利要求1所述的轨道交通车辆的障碍物检测方法，其特征在于，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：
对图像提取特征，使用预设模型对所述图像的特征处理，得到预存的与所述图像对应的摄像装置拍摄位置最相符的标准图像，所述标准图像为车辆前方无障碍物的图像；
获取所述图像与所述标准图像的差异图像块，根据获得的差异图像块检测物体类型。
5.根据权利要求1所述的轨道交通车辆的障碍物检测方法，其特征在于，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：根据图像中轨道的连续情况判断在轨道上是否存在障碍物。
6.根据权利要求1所述的轨道交通车辆的障碍物检测方法，其特征在于，根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物包括：使用训练好的网络对图像处理，以检测在车辆限界内是否存在障碍物，所述网络通过对在车辆限界内无障碍物的图像进行训练获得。
7.一种轨道交通车辆的障碍物检测***，其特征在于，用于执行权利要求1-6任一项所述的轨道交通车辆的障碍物检测方法。
8.根据权利要求7所述的轨道交通车辆的障碍物检测***，其特征在于，包括第一摄像装置、第二摄像装置和处理装置，所述第一摄像装置用于获取车辆前方第一预设距离范围内的第一图像，并将获得图像传输到处理装置，所述第二摄像装置用于获取车辆前方第二预设距离范围内的第二图像，并将获得图像传输到所述处理装置，所述处理装置用于根据所述第一图像和/或所述第二图像，检测出存在于车辆限界内的障碍物并发出警示信息。
9.根据权利要求8所述的轨道交通车辆的障碍物检测***，其特征在于，所述第一图像为可见光图像，所述第二图像为可见光图像，还包括用于获取车辆前方的红外光图像的第三摄像装置，所述处理装置还用于根据获得的红外光图像检测出存在于车辆限界内的障碍物。
10.根据权利要求9所述的轨道交通车辆的障碍物检测***，其特征在于，还包括用于向车辆前方发出红外光的光源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110752812.1A CN113486783A (zh) | 2021-07-02 | 2021-07-02 | 轨道交通车辆的障碍物检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110752812.1A CN113486783A (zh) | 2021-07-02 | 2021-07-02 | 轨道交通车辆的障碍物检测方法及*** |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113486783A true CN113486783A (zh) | 2021-10-08 |
Family
ID=77939675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110752812.1A Pending CN113486783A (zh) | 2021-07-02 | 2021-07-02 | 轨道交通车辆的障碍物检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113486783A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI804113B (zh) * | 2021-12-17 | 2023-06-01 | 正修學校財團法人正修科技大學 | 智慧軌道監控系統及其方法 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104192174A (zh) * | 2014-08-29 | 2014-12-10 | 北京交通大学 | 列车预警***和列车预警方法 |
| JP2016088183A (ja) * | 2014-10-31 | 2016-05-23 | 株式会社Ihi | 支障物検知システムおよび鉄道車両 |
| CN207345852U (zh) * | 2017-10-12 | 2018-05-11 | 中车青岛四方机车车辆股份有限公司 | 一种列车调车作业安全防控*** |
| CN108528478A (zh) * | 2018-04-02 | 2018-09-14 | 交控科技股份有限公司 | 轨道交通状况的识别方法和装置 |
| CN108583620A (zh) * | 2018-04-02 | 2018-09-28 | 交控科技股份有限公司 | 列车辅助追踪预警的处理器和预警*** |
| CN108583622A (zh) * | 2018-04-02 | 2018-09-28 | 交控科技股份有限公司 | 轨道交通状况的识别方法、装置、设备和介质 |
| CN109188460A (zh) * | 2018-09-25 | 2019-01-11 | 北京华开领航科技有限责任公司 | 无人驾驶异物检测***及方法 |
| CN110329316A (zh) * | 2019-07-29 | 2019-10-15 | 江苏必得科技股份有限公司 | 一种城市轨道障碍物检测装置及检测方法 |
| CN110412986A (zh) * | 2019-08-19 | 2019-11-05 | 中车株洲电力机车有限公司 | 一种车辆障碍物检测方法及*** |
| CN110789574A (zh) * | 2019-11-07 | 2020-02-14 | 北京杰迈科技股份有限公司 | 一种列车障碍物检测及综合预警防护*** |
| CN111198371A (zh) * | 2020-03-03 | 2020-05-26 | 杭州中车数字科技有限公司 | 前视障碍物检测*** |
| CN111526352A (zh) * | 2020-07-02 | 2020-08-11 | 北京大成国测科技有限公司 | 铁路异物防侵三维智能识别机器人设备 |
| US20200307661A1 (en) * | 2016-10-20 | 2020-10-01 | Rail Vision Ltd | System and method for object and obstacle detection and classification in collision avoidance of railway applications |
| CN112351928A (zh) * | 2018-07-10 | 2021-02-09 | 铁路视像有限公司 | 基于轨道分段的铁路障碍物检测的方法与*** |
| CN112406960A (zh) * | 2020-11-08 | 2021-02-26 | 青岛融创信为技术有限公司 | 一种地铁用多传感器融合的主动防撞***和方法 |
| CN112470456A (zh) * | 2018-07-24 | 2021-03-09 | 株式会社东芝 | 铁路车辆用摄像*** |
-
2021
- 2021-07-02 CN CN202110752812.1A patent/CN113486783A/zh active Pending
Patent Citations (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104192174A (zh) * | 2014-08-29 | 2014-12-10 | 北京交通大学 | 列车预警***和列车预警方法 |
| JP2016088183A (ja) * | 2014-10-31 | 2016-05-23 | 株式会社Ihi | 支障物検知システムおよび鉄道車両 |
| US20200307661A1 (en) * | 2016-10-20 | 2020-10-01 | Rail Vision Ltd | System and method for object and obstacle detection and classification in collision avoidance of railway applications |
| CN207345852U (zh) * | 2017-10-12 | 2018-05-11 | 中车青岛四方机车车辆股份有限公司 | 一种列车调车作业安全防控*** |
| CN108528478A (zh) * | 2018-04-02 | 2018-09-14 | 交控科技股份有限公司 | 轨道交通状况的识别方法和装置 |
| CN108583620A (zh) * | 2018-04-02 | 2018-09-28 | 交控科技股份有限公司 | 列车辅助追踪预警的处理器和预警*** |
| CN108583622A (zh) * | 2018-04-02 | 2018-09-28 | 交控科技股份有限公司 | 轨道交通状况的识别方法、装置、设备和介质 |
| US20190300031A1 (en) * | 2018-04-02 | 2019-10-03 | Traffic Control Technology Co., Ltd | Processor and system for train assistance tracking and early-warning |
| CN112351928A (zh) * | 2018-07-10 | 2021-02-09 | 铁路视像有限公司 | 基于轨道分段的铁路障碍物检测的方法与*** |
| CN112470456A (zh) * | 2018-07-24 | 2021-03-09 | 株式会社东芝 | 铁路车辆用摄像*** |
| CN109188460A (zh) * | 2018-09-25 | 2019-01-11 | 北京华开领航科技有限责任公司 | 无人驾驶异物检测***及方法 |
| CN110329316A (zh) * | 2019-07-29 | 2019-10-15 | 江苏必得科技股份有限公司 | 一种城市轨道障碍物检测装置及检测方法 |
| CN110412986A (zh) * | 2019-08-19 | 2019-11-05 | 中车株洲电力机车有限公司 | 一种车辆障碍物检测方法及*** |
| CN110789574A (zh) * | 2019-11-07 | 2020-02-14 | 北京杰迈科技股份有限公司 | 一种列车障碍物检测及综合预警防护*** |
| CN111198371A (zh) * | 2020-03-03 | 2020-05-26 | 杭州中车数字科技有限公司 | 前视障碍物检测*** |
| CN111526352A (zh) * | 2020-07-02 | 2020-08-11 | 北京大成国测科技有限公司 | 铁路异物防侵三维智能识别机器人设备 |
| CN112406960A (zh) * | 2020-11-08 | 2021-02-26 | 青岛融创信为技术有限公司 | 一种地铁用多传感器融合的主动防撞***和方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI804113B (zh) * | 2021-12-17 | 2023-06-01 | 正修學校財團法人正修科技大學 | 智慧軌道監控系統及其方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111198371A (zh) | 前视障碍物检测*** | |
| CN100440269C (zh) | 高速公路汽车行驶智能检测预警方法及其预警*** | |
| US11620837B2 (en) | Systems and methods for augmenting upright object detection | |
| CN102945603B (zh) | 检测交通事件的方法及电子警察装置 | |
| JP6332384B2 (ja) | 車両用物標検出システム | |
| US9020747B2 (en) | Method for recognizing a turn-off maneuver | |
| KR101891460B1 (ko) | 차도 위의 반사체를 인식하고 평가하기 위한 방법 및 장치 | |
| CN110497939B (zh) | 轨道交通防撞检测***及方法 | |
| CN101519981B (zh) | 基于单目视觉的矿井机车防撞预警***和预警方法 | |
| CN109765571B (zh) | 一种车辆障碍物检测***及方法 | |
| CN102592475A (zh) | 路***通预警*** | |
| CN107336724A (zh) | 一种计算机视觉和毫米波技术结合的高铁防撞设备及方法 | |
| US20140002658A1 (en) | Overtaking vehicle warning system and overtaking vehicle warning method | |
| CN111717243B (zh) | 一种轨道交通监控***及方法 | |
| JP2018055426A (ja) | 車両用物標検出システム | |
| CN112927509A (zh) | 一种基于交通冲突技术的道路行车安全风险评估*** | |
| CN114119955A (zh) | 一种潜在危险目标检测方法及装置 | |
| CN113486783A (zh) | 轨道交通车辆的障碍物检测方法及*** | |
| KR102206223B1 (ko) | 데이터 처리 방법, 데이터 처리 장치 및 차량 제어 시스템 | |
| CN111627131A (zh) | 一种带有驾驶员辅助监控警示功能的行车记录装置及方法 | |
| WO2022267266A1 (zh) | 一种基于视觉识别的列车控制方法及设备 | |
| CN116152753A (zh) | 车辆信息识别方法和***、存储介质和电子装置 | |
| CN113581069B (zh) | 基于计算机视觉的车辆防止碰撞的预警方法及装置 | |
| KR102428420B1 (ko) | 사각지대 안전을 위한 스마트 도로정보제공 시스템 | |
| JP2015016759A (ja) | 車上型踏切障害物検知装置 |
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 |