CN118015554B - 多源数据融合的铁路场站监测方法、***、设备及介质 - Google Patents

Abstract

本申请公开了一种多源数据融合的铁路场站监测方法、***、设备及介质，方法包括：接收四足轨道机器人发送的定时监测信息，及接收视觉阵列发送的实时监测信息；根据定时监测信息和实时监测信息，计算获取铁路场站的多源感知信息；根据多源感知信息，对铁路场站线路、设备设施实时状态进行自动监测、风险预警。通过将四足轨道机器人发送的定时监测信息，及视觉阵列发送的实时监测信息融合，实现远程不间断实时监测信息采集和定时现场巡查的监测信息采集，并利用四足轨道机器人克服人工巡检的低效、人工成本高等问题，利用视觉阵列进行非接触式监测，降低搭建成本，在成本可控下实现铁路场站线路、设施实时状态的高效自动监测、风险预警。

Description

多源数据融合的铁路场站监测方法、***、设备及介质

技术领域

本申请涉及运动监测技术领域，特别是涉及一种多源数据融合的铁路场站监测方法、***、设备及介质。

背景技术

在铁路场站中存在多道岔场站基础设施的监测需求，针对场站的道岔、钢轨、供电设施等基础设施的监测手段主要有定期巡检和安装多种传感器网络实时监测。经发明人调查发现，定期巡检又分为人工巡检和巡检车定期巡检。其中，人工巡检这种方式主要依靠人工天窗上道检查，利用道尺等工具逐个检查基础设施，该方式工作量巨大，成本高、效率低，检测质量难以把控，检查周期长，难以及时有效发现异常；而通过巡检车定期巡检，由于功能较少，只能巡检较少的零部件，且巡检周期较长，实时性差。

总的来说，现有技术存在以下问题：一方面，目前巡检方式耗费大量人力物力，依赖维修人员个人经验，需天窗作业，无法及时发现设备故障隐患或劣化趋势，被动应付各种故障发生，无法提前预防及维修相关设备，降低事故风险，维修结果展示不直观；另一方面，传感器网络的搭建和维护成本较高；再一方面，无论是定时巡检还是传感器实时检测，都是独立进行，缺乏多源数据的融合，例如定时巡检的道岔尖轨密贴监测，轨道巡检车监测，均局限于钢轨/道岔方面，且需天窗时间进行现场巡检监测，无法结合其他数据综合判断，从而导致信息获取的片面性。

因此，如何实现多源数据的实时融合以提升信息获取全面性，并在成本可控范围内提高监测手段的时效性，是当前亟待解决的问题。

发明内容

本申请提供一种多源数据融合的铁路场站监测方法、***、设备以及介质，以解决现有铁路场站设备的监测技术中缺乏多源数据实时融合，且定时巡检时效性不高的技术问题。

本申请第一方面提供了一种多源数据融合的铁路场站监测方法，应用于铁路场站监测***，铁路场站监测***包括数据处理平台、四足轨道机器人、视觉阵列；多源数据融合的铁路场站监测方法具体应用于数据处理平台，包括以下步骤：

接收四足轨道机器人发送的定时监测信息，以及接收视觉阵列发送的实时监测信息；

根据定时监测信息和实时监测信息，计算获取铁路场站的多源感知信息；

根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警。

其中，根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警包括：根据多源感知信息，分析铁路场站的被监测设备设施的风险状态，并以二维或三维形式显示；风险状态包括结构病害、联结件伤损、异物侵限。

其中，被监测设备设施包括道岔联结零件、岔枕、钢轨、接触网。

另一方面，提供一种多源数据融合的铁路场站监测***，包括上述的数据处理平台、四足轨道机器人、视觉阵列；

数据处理平台接收四足轨道机器人发送的定时监测信息，以及接收视觉阵列发送的实时监测信息；

数据处理平台根据定时监测信息和实时监测信息，计算获取铁路场站的多源感知信息；

数据处理平台根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警。

其中，视觉阵列包括多摄像头阵列，多摄像头阵列设置于铁路场站的轨旁位置以防止造成侵限，所述轨旁位置包括接触网立柱，数据处理平台采用深度学习算法和无监督学习方法对视觉阵列的实时监测信息进行分析。

其中，四足轨道机器人根据运行路况切换轮轨模式与四足模式，轨模式适用于铁路场站的道岔/轨道上快速巡检，四足模式适用于自动切换道岔/轨道。

其中，四足轨道机器人下侧安装有下侧监测单元，下侧监测单元负责扫描道岔内外侧的壁面，采集道岔联结零件、岔枕、钢轨的部件状态信息，部件状态信息用于判断道岔是否出现异常情况，异常情况包括螺栓松动、钢轨开裂、岔尖磨损。

其中，四足轨道机器人上侧安装有上侧监测单元，上侧监测单元负责获取接触网状态数据。

其中，四足轨道机器人采用SLAM技术实现定位，从指定初始位置自动行至轨道上开始巡检。

再一方面，提供一种数据处理平台设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现以上任一项的多源数据融合的铁路场站监测方法。

又一方面，提供一种计算机可读存储介质，其上存储有程序指令，程序指令被处理器执行时实现以上任一项的多源数据融合的铁路场站监测方法。

本申请有以下有益效果：本申请的多源数据融合的铁路场站监测方法通过将四足轨道机器人发送的定时监测信息，以及视觉阵列发送的实时监测信息进行融合，从而实现远程不间断实时监测信息采集和定时现场巡查的监测信息采集，并利用四足轨道机器人克服人工巡检的低效、人工成本高等问题，利用视觉阵列进行非接触式监测以降低搭建成本，在成本可控范围内实现铁路场站线路、设备设施实时状态的高效自动监测、风险预警。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本申请的实施例，并与说明书一起用于说明本申请的技术方案。

图1是本申请提供的多源数据融合的铁路场站监测方法一实施例的流程示意图；

图2是本申请提供的多源数据融合的铁路场站监测***一实施例的架构示意图；

图3是本申请提供的数据处理平台一实施例的交互界面示意图；

图4是本申请提供的视觉阵列一实施例的布局示意图；

图5是本申请提供的监测场景网格化一实施例的示意图；

图6是本申请提供的四足轨道机器人一实施例的框架示意图；

图7是本申请提供的数据处理平台设备一实施例的框架示意图；

图8是本申请提供的计算机可读存储介质一实施例的框架示意图。

具体实施方式

下面结合说明书附图，对本申请实施例的方案进行详细说明。

以下描述中，为了说明而不是为了限定，提出了诸如特定***结构、接口、技术之类的具体细节，以便透彻理解本申请。

本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括A、B、C中的至少一种，可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。

请参阅图1，图1是本申请提供的多源数据融合的铁路场站监测方法一实施例的流程示意图。

如图1所示，本申请第一方面提供了一种多源数据融合的铁路场站监测方法，应用于铁路场站监测***，铁路场站监测***包括数据处理平台、四足轨道机器人、视觉阵列；所述多源数据融合的铁路场站监测方法具体应用于所述数据处理平台，包括以下步骤：

S1：接收四足轨道机器人发送的定时监测信息，以及接收视觉阵列发送的实时监测信息；

S2：根据定时监测信息和实时监测信息，计算获取铁路场站的多源感知信息；

S3：根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警。

其中，如图2所示，数据处理平台与四足轨道机器人和视觉阵列进行通信连接，通信连接具体通过无线或有线网络，以便接收四足轨道机器人和视觉阵列的监测信息。

其中，四足轨道机器人和视觉阵列接收数据处理平台的控制信号，采集监测信息并发送至数据处理平台，以供数据处理平台进行计算和分析。

其中，视觉阵列为固定设置，且包括多个监测设备，当监测设备数量较多时，可采用两级交换机链路连接至数据处理平台。视觉阵列中的监测设备包括摄像头，视觉阵列一般设置于道岔周边，且安装于较高的位置，可以实现多角度、全覆盖监测，实时回传实时监测信息至数据处理平台，该实时监测信息包括实时拍摄的图片和视频。

虽然视觉阵列可以实时不间断拍摄监测数据，但是由于其为固定高空设置，因此对于某些需要密贴近距离拍摄的场景无法适用，例如遇到恶劣天气（大雨、浓雾）、物体遮挡，或者需要进一步密贴多角度拍摄才能获取更多细节的问题判断。

基于此，本申请还增加了四足轨道机器人进行定期监测，以获取定时监测信息，从而对视觉阵列的监测数据进行补充，并进行有机结合，从而获取更准确的多源感知信息，用于对铁路场站进行自动监测。

其中，四足轨道机器人为移动设备，可通过无线网络接入数据处理平台。

由此可见，本申请通过将四足轨道机器人发送的定时监测信息，以及视觉阵列发送的实时监测信息进行融合，从而实现远程不间断实时监测信息采集，以及定时现场巡查的监测信息采集。从而形成实时和定时监测的有机结合，获取更准确的多源感知信息，用于对铁路场站进行自动监测。使得对铁路场站的监测从时间、空间上都更加完备和详细。

进一步地，利用四足轨道机器人克服人工巡检的低效、人工成本高等问题，利用视觉阵列进行非接触式监测以降低搭建成本，在成本可控范围内实现铁路场站线路、设备设施实时状态的高效自动监测、风险预警。

进一步地，定时监测信息与实时监测信息除了在时间、空间上存在信息的互补之外，还可以进行有机结合，例如交叉验证，从而提升监测的准确性。

其中，根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警包括：

根据多源感知信息，分析铁路场站的被监测设备设施的风险状态，并以二维或三维形式显示；风险状态包括结构病害、联结件伤损、异物侵限。

以二维或三维形式显示，更便于用户直观地进行判断，从而及时进行响应。

其中，被监测设备设施包括道岔联结零件、岔枕、钢轨、接触网。

针对被监测设备设施的分类，进行有针对性的图像处理，采用不同的机器学习和图像处理算法，从而提升监测的准确性。

具体地，如下表1所示，道岔结构状态智能监测包括如下内容：

表1

其中，主要采用目标检测、图像分割、高精度测量和结构化等技术进行分析。

具体地，如图3所示，为道岔三位模型动态交互界面示意图。可以对场站进行三维建模，分别对场站构成元素进行建模，包括钢轨、绝缘节、轨枕、接触网等。如图3所示，图中央的每一根轨枕都有编号，并在右侧表示，例如编号为CZ011。进一步地，如图中所示，对钢轨两侧设置的视觉阵列也进行建模。

依据前端感知设备（例如视觉阵列中的固定监测设备、四足轨道机器人搭载的移动监测设备）的感知能力，将这些元素细分成高精度的独立的监测区域，并与前端感知设备逐一进行多观测点位关联。当***检测到异常状态时，三维可视化模型自动标记异常区域并提示告警；也可通过***人工实时观察现场情况并标记异常。如图3所示，轨枕异常的可以用不同颜色标识，例如图3中的编号为CZ012的轨枕左侧有异常，则高亮显示。

进一步地，在图3中右侧部分显示有道岔1号的详细故障图，以及报警列表。报警列表包括：螺栓缺失、扣件松动等。选中报警列表中某一项点击展开，还可以进一步弹出详细界面展示报警详情。

进一步地，在图3中左侧部分显示有故障的统计数据，从上到下依次包括：数量统计、占比统计和分类统计。其中，数量统计用于展示故障总体数量和未处理数量。占比统计用于展示故障类型的不同占比，例如用环形或饼图进行展示螺栓缺失占总体故障的11%。分类统计用于展示每一类故障的具体数量。

进一步地，场站的三维建模包括扫描三维点云和建模两步。三维点云是通过高精度三维扫描设备扫描得到的。由于场站面积巨大，按区域扫描整个场站的三维点云，然后基于扫描时设定的基准点，通过点云拼接得到完整的场站三维点云。建模是基于三维点云和实际场景的图像，合成高仿真三维场景图像。

本方案可以大幅提高使用人员对问题定位的便捷性及直观性。

另一方面，提供一种多源数据融合的铁路场站监测***，包括上述的数据处理平台、四足轨道机器人、视觉阵列；

数据处理平台接收四足轨道机器人发送的定时监测信息，以及接收视觉阵列发送的实时监测信息；

数据处理平台根据定时监测信息和实时监测信息，计算获取铁路场站的多源感知信息；

数据处理平台根据多源感知信息，对铁路场站线路、设备设施实时状态进行高效自动监测、风险预警。

其中，视觉阵列包括多摄像头阵列，多摄像头阵列设置于铁路场站的轨旁位置以防止造成侵限，所述轨旁位置包括接触网立柱，数据处理平台采用深度学习算法和无监督学习方法对视觉阵列的实时监测信息进行分析。

利用多摄像头阵列布置接触网立柱等轨旁不会造成侵限的位置，不受天窗时间限制，采用深度学习算法，实现即时道岔状态监测。引入无监督学习方法，提高***对新场景的适应性，有效降低实时监测的成本，从而更全面、准确地获取实时信息，实现实时性的全覆盖检测。

如图4所示，提供了一种视觉阵列的现场排布示意图，视觉阵列一般设置于道岔铁轨两侧，安装于接触网立柱等轨旁不会造成侵限的位置。其中安装的高度根据具体情况进行设置，例如图4中最下面的左右两个摄像头安装高度较高，往上的两个摄像头高度较低。具体地，视觉阵列中的摄像头参数可以设置为：10×400万像素（2560×1440），彩色：[email protected]、黑白：[email protected]、40-63倍光学变倍。

进一步地，不同场站由于布局不同、监测区域不同、监测要求等不同，对视觉阵列的布局也有不同的要求。由于场站检测区域和监测设备安装候选位置已确定，但区域和候选位置没有规律性，本申请设计了一种贪婪搜索算法，快速求解次优解，其搜索目标是减少监测设备数量，使成本最小化。搜索算法步骤如下：

建立场站二维模型。由于监测设备在垂直于场站地面方向的监测范围减小，远小于监测设备的最大监测距离（记为D），故安装监测设备时，无需考虑垂直方向，仅考虑水平方向即可。基于三维模型，在垂直方向进行投影，标识出待监测区域Rj（0<j<=J，J为区域总数量）、候选设备安装位置Pk (0<k<=K，K为位置总数量)，即可建立场站二维模型（具体参考图5所示，为将监测场景网格化之后的示意图）。

搜索设备安装位置。按空间位置从上到下、从左到右依次遍历J个待监测区域，根据D找出K个安装位置中可安装设备的候选位置。

当j=1时，计算出每个候选位置可监测区域的面积，并从大到小进行排序，去掉重叠区域，然后再重新找出可安装设备候选位置并计算可检测区域面积，重复此过程直到该待监测区域面积小于等于0，该区域的设备安装点即完全确定。

当j=2时，根据j=1时确定的侯选位置集合，从R2中去掉能同时被R1监测设备覆盖的区域，再重复j=1时的过程。j>=3时重复j=2时的过程。

由此可见，通过建立最优化模型，在满足需求的情况下成本最小化，并且可以自动求解出最优视觉阵列布局。

进一步地，针对四足轨道机器人，还进行了如下优化设计：

四足轨道机器人根据运行路况切换轮轨模式与四足模式，轮轨模式适用于铁路场站的道岔/轨道上快速巡检，四足模式适用于自动切换道岔/轨道。

具体地，四足轨道机器人包括轮轨模式和四足模式，可以根据具体情况来进行切换。例如，在运行至轨道上之前，遇到平地采用轮轨模式，遇到有障碍物时采用四足模式。在爬至轨道上时，沿着该轨道滑行则可采用轮轨模式，在检查完这一条轨道后，切换至另一条轨道时，再切换至四足模式。自动切换可以更快速更方便的满足现场监测需求，从而省去了人工拆卸的流程。

其中，四足轨道机器人下侧安装有下侧监测单元，下侧监测单元负责扫描道岔内外侧的壁面，采集道岔联结零件、岔枕、钢轨的部件状态信息，部件状态信息用于判断道岔是否出现异常情况，异常情况包括螺栓松动、钢轨开裂、岔尖磨损。例如，在四足轨道机器人下侧安装摄像头，则该摄像头主要用于监测与四足轨道机器人下侧距离较近的场景。

其中，四足轨道机器人上侧安装有上侧监测单元，上侧监测单元负责获取接触网状态数据。例如，在四足轨道机器人上侧安装摄像头，则该摄像头主要用于监测与四足轨道机器人上侧距离较近的场景。进一步地，由于四足轨道机器人爬行与地面，从而距离上侧的接触网较远，此部位的摄像头的拍摄精度要求设置更高。

进一步地，四足轨道机器人上还可以安装可移动的监测单元，该可移动的监测单元可以根据监测指令来移动至不同的部位。例如，在四足轨道机器人中设置环状轨道，将摄像头安装至该环状轨道，则在接收到拍摄地面场景的相关监测指令时，则摄像头滑行至四足轨道机器人的底部，在接收到拍摄接触网场景的相关监测指令时，则摄像头滑行至四足轨道机器人的顶部（背部）。进一步地，可移动的监测单元还可以从四足轨道机器人的头部运行至尾部，从而拍摄不同角度的地面场景。

其中，四足轨道机器人采用SLAM技术实现定位，从指定初始位置自动行至轨道上开始巡检。SLAM是Simultaneous localization and mapping的缩写，意为“同步定位与建图”，主要用于解决机器人在未知环境运动时的定位与地图建模问题，可以辅助机器人执行路径规划、自主探索、导航等任务。

具体地，参考图6所示，四足轨道机器人设置监测单元104、数据存储单元105、无线传输单元106、避障单元101、移动控制单元103、控制单元102，进一步地，监测单元104包括上侧监测单元、下侧监测单元。

可移动四足轨道机器人至道岔上，下侧监测单元对道岔内壁面的结构进行扫描，并对扫描数据进行初步处理。下侧监测单元主要负责扫描道岔内外侧的壁面，采集道岔联结零件、岔枕、钢轨等部件状态，用于判断道岔是否出现异常情况，例如螺栓是否松动、钢轨是否开裂、岔尖是否磨损等；上侧监测单元实时获取接触网状态数据，并对扫描数据进行初步处理。初步处理后的扫描数据存储在四足轨道机器人的数据存储单元105中。

无线传输单元106实时将初步处理后的扫描数据传输至数据处理平台。数据处理平台对接收到的扫描数据进行进一步处理，以判断道岔及其联结零件相关的病害情况，并以二维或三维形式显示病害数据。

当四足轨道机器人利用四足装置，切换轨道在行进过程中，借助避障单元101（例如利用激光雷达技术）对前方一定区域进行探测。控制单元102实时处理探测到的点云数据，这些点云数据可以被量测，能够自动计算出探测区域的尺寸以及障碍物的大小等信息。由于四足轨道机器人的自身安全行驶数据已经提前输入到控制单元102中，控制单元102可以根据点云数据和四足轨道机器人的自身安全行驶数据进行模拟测试，以判断四足轨道机器人是否能够安全通过障碍物。

如果模拟测试表明四足轨道机器人可以安全通过，则继续在自动模式下前进。如果不能安全通过，控制单元102将向移动控制单元103和数据处理平台发送报警信号，并等待用户手动处理。

四足轨道机器人在行进时，可以随时切换到手动控制模式。

轨道切换完成后，四足轨道机器人自动收起四足，进入轮轨模式。

如果控制单元102在预设时间内未接收到用户的控制指令，则四足轨道机器人会按原路返回，并定期向移动控制单元103和数据处理平台发送返程信号。一旦返回到初始位置，四足轨道机器人会自动停止移动，并发送归位完成信号。

在整个监测过程中，避障单元101使用雷达波、图像识别技术实时检测四足轨道机器人在行进过程中的障碍物和坑道等。控制单元102根据避障单元101检测到的障碍物数据，通过移动控制单元103来控制四足轨道机器人进行自动避障或跨越障碍物。如果四足轨道机器人无法跨越障碍物，则向移动控制单元103发送报警信号。

进一步地，从视觉阵列和四足轨道机器人获取视频图像信息之后，可基于智能视觉技术，实现对场站状态的分析和理解，具体包括以下方法：

基于图像质量分类算法，过滤掉包括模糊、过亮、过暗、大雨、浓雾、阴影、遮挡等质量较差的图像，避免对监测效果起到负面影响；如果某个监测设备长时间均得到质量较差图像，***将发出告警，提示异常。

基于图像目标检测和分割算法，将扣件、螺栓、绝缘节、轨枕、钢轨、尖轨、接触网等重要部件从图像中定位和识别出来，针对各个部件可能出现的健康问题进行诊断。相对在整图中对各个部件直接进行分析诊断，单独进行可以降低干扰，提升精度和准确性。

基于图像多分类算法，判断扣件、螺栓、绝缘节是否正常，非正常状态包括松动和缺失。

基于图像目标分割算法，定位轨枕和钢轨表面的裂纹。根据事先标定的像素精度，估算裂纹的尺寸和面积，如果超过设定尺寸和面积阈值，则判定为存在裂纹。

判断尖轨位置是否有变化，需先进行标定。以尖轨端点为中心选择包含一些特定目标的矩形图像区域，选择5个目标作为参考对象，在确保尖轨位置正常的条件下，计算出尖轨端点与目标中心的距离作为参考距离。实际监测时，用同样的方法计算出实际距离，和参考距离进行比较，如果有三个距离的偏差超过设定阈值，则认为尖轨位置有变化。

基于图像分类算法，判断接触网是否正常，非正常状态包括有异物和接触网丢失。

基于半开放式场景的目标监测算法，判断轨面图像中是否存在铁路上不常见的物品，比如矿泉水瓶、施工工具、树枝、野生动物等等。

对于有多个监测设备的监测区域重叠的情况，如果需要，可以使用图像拼接算法，把某一时刻的多设备图像合成为一幅图像，便于用户观察。

再一方面，提供一种数据处理平台设备，包括相互耦接的存储器和处理器，处理器用于执行存储器中存储的程序指令，以实现以上任一项的方法。

具体地，请参阅图7，本申请数据处理平台设备实施例描述的数据处理平台设备200，具体可以包括处理器210和存储器220。存储器220耦接处理器210。

处理器210用于控制数据处理平台设备200的操作，处理器210还可以称为CPU（CentralProcessingUnit，中央处理单元）。处理器210可能是一种集成电路芯片，具有信号的处理能力。处理器210还可以是通用处理器、数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器210也可以是任何常规的处理器等。

存储器220用于存储计算机程序，可以是RAM，也可以是ROM，或者其他类型的存储设备。具体地，存储器可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器中的非暂态的计算机可读存储介质用于存储至少一条程序代码。

处理器210用于执行存储器220中存储的计算机程序以实现本申请各方法实施例描述的方法。

在一些实施方式中，数据处理平台设备200还可以包括：***设备接口230和至少一个***设备。处理器210、存储器220和***设备接口230之间可以通过总线或信号线相连。各个***设备可以通过总线、信号线或电路板与***设备接口230相连。具体地，***设备包括：射频电路240、显示屏250、音频电路260和电源270中的至少一种。

***设备接口230可被用于将I/O(Input/output，输入/输出)相关的至少一个***设备连接到处理器210和存储器220。在一些实施例中，处理器210、存储器220和***设备接口230被集成在同一芯片或电路板上；在一些其他实施方式中，处理器210、存储器220和***设备接口230中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路240用于接收和发射RF(RadioFrequency，射频)信号，也称电磁信号。射频电路240通过电磁信号与通信网络以及其他通信设备进行通信，射频电路240则是数据处理平台设备200的通信电路。射频电路240将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路240包括：天线***、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路240可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(WirelessFidelity，无线保真)网络。在一些实施例中，射频电路240还可以包括NFC(NearFieldCommunication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏250用于显示UI(UserInterface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏250是触摸显示屏时，显示屏250还具有采集在显示屏250的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器210进行处理。此时，显示屏250还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施方式中，显示屏250可以为一个，设置在数据处理平台设备200的前面板；在另一些实施方式中，显示屏250可以为至少两个，分别设置在数据处理平台设备200的不同表面或呈折叠设计；在另一些实施方式中，显示屏250可以是柔性显示屏，设置在数据处理平台设备200的弯曲表面上或折叠面上。甚至，显示屏250还可以设置成非矩形的不规则图形，也即异形屏。显示屏250可以采用LCD(LiquidCrystalDisplay，液晶显示屏)、OLED(OrganicLight-EmittingDiode,有机发光二极管)等材质制备。

音频电路260可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器210进行处理，或者输入至射频电路240以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在数据处理平台设备200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器210或射频电路240的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路260还可以包括耳机插孔。

电源270用于为数据处理平台设备200中的各个组件进行供电。电源270可以是交流电、直流电、一次性电池或可充电电池。当电源270包括可充电电池时，该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池，无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。

关于本申请数据处理平台设备实施例中各功能模块或者部件功能和执行过程的详细阐述，可以参照上述本申请各方法实施例中的阐述，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的数据处理平台设备和方法，可以通过其它的方式实现。例如，以上所描述的数据处理平台设备各实施例仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

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单元来实现本实施方式方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

又一方面，本申请提供一种计算机可读的存储介质，存储有计算机程序，计算机程序能够被处理器执行以实现以上任一项的方法。

请参阅图8，上述集成的单元如果以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，可以存储在计算机可读存储介质300中。基于这样的理解，本申请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全部或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/计算机程序用以使得一台数据处理平台设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本申请各个实施方式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-OnlyMemory）、随机存取存储器（RAM，RandomAccessMemory）、磁碟或者光盘等各种介质以及具有上述存储介质的电脑、手机、笔记本电脑、平板电脑、相机等电子设备。

关于计算机可读的存储介质中的程序数据的执行过程的阐述可以参照上述本申请各方法实施例中阐述，在此不再赘述。

以上所述仅为本申请的实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。

综上所述，本申请具有以下有益效果：通过将四足轨道机器人发送的定时监测信息，以及视觉阵列发送的实时监测信息进行融合，从而实现远程不间断实时监测信息采集，以及定时现场巡查的监测信息采集。从而形成实时和定时监测的有机结合，获取更准确的多源感知信息，用于对铁路场站进行自动监测。使得对铁路场站的监测从时间、空间上都更加完备和详细。

进一步地，利用四足轨道机器人克服人工巡检的低效、人工成本高等问题，利用视觉阵列进行非接触式监测以降低搭建成本，在成本可控范围内实现铁路场站线路、设备设施实时状态的高效自动监测、风险预警。

进一步地，定时监测信息与实时监测信息除了在时间、空间上存在信息的互补之外，还可以进行有机结合，例如交叉验证，从而提升监测的准确性。

进一步地，以二维或三维形式显示被监测设备设施的结构病害、联结件伤损、异物侵限等风险状态，更便于用户直观地进行判断，从而及时进行响应。

进一步地，针对被监测设备设施的分类，进行有针对性的图像处理，采用不同的机器学习和图像处理算法，从而提升监测的准确性。

进一步地，对场站进行三维建模，合成高仿真三维场景图像，从而大幅提高使用人员对问题定位的便捷性及直观性。

进一步地，通过建立最优化模型，减少视觉阵列中的监测设备数量，从而在满足需求的情况下成本最小化，并且可以自动求解出最优视觉阵列布局。

进一步地，将四足轨道机器人设计成根据具体任务（例如切换轨道或沿轨道滑行等），自动切换轮轨模式和四足模式，更快速更方便的满足现场监测需求，从而省去了人工拆卸的流程。

进一步地，四足轨道机器人分别设置上侧、下侧监测单元，可以监测不同位置的异常情况（例如地面场景、轨道、接触网场景）。

进一步地，四足轨道机器人设置可移动的监测单元，例如前后移动，从而拍摄不同角度的地面场景。

进一步地，四足轨道机器人采用SLAM技术实现定位，从而可以自动定位，无需人工设置。

进一步地，四足轨道机器人还设置了避障控制、报警控制，以及支持手动控制等，以满足不同的控制需求。

Claims (10)

1.一种多源数据融合的铁路场站监测方法，其特征在于，所述多源数据融合的铁路场站监测方法应用于铁路场站监测***，所述铁路场站监测***包括数据处理平台、四足轨道机器人、视觉阵列；多源数据融合的铁路场站监测方法具体应用于数据处理平台，包括以下步骤：

接收所述四足轨道机器人发送的定时监测信息，以及接收所述视觉阵列发送的实时监测信息；

根据所述定时监测信息和所述实时监测信息，计算获取所述铁路场站的多源感知信息；

根据所述多源感知信息，对所述铁路场站线路、设备设施实时状态进行高效自动监测、风险预警；

所述四足轨道机器人根据运行路况切换轮轨模式与四足模式，所述轮轨模式适用于所述铁路场站的道岔/轨道上快速巡检，所述四足模式适用于自动切换所述道岔/轨道；

所述四足轨道机器人在运行至所述轨道上之前，遇到平地时采用所述轮轨模式，遇到有障碍物时采用所述四足模式；

所述四足轨道机器人在爬至所述轨道上时，沿着所述轨道滑行时采用所述轮轨模式，在检查完所述轨道后，切换另一条所述轨道时，再切换至所述四足模式；

所述四足轨道机器人下侧安装有下侧监测单元，所述四足轨道机器人上侧安装有上侧监测单元，所述四足轨道机器人还安装有可移动的监测单元，所述可移动的监测单元根据监测指令移动至不同的部位。

2.根据权利要求1所述的多源数据融合的铁路场站监测方法，其特征在于，所述根据所述多源感知信息，对所述铁路场站线路、设备设施实时状态进行高效自动监测、风险预警包括：根据所述多源感知信息，分析所述铁路场站的被监测设备设施的风险状态，并以二维或三维形式显示；所述风险状态包括结构病害、联结件伤损、异物侵限。

3.根据权利要求2所述的多源数据融合的铁路场站监测方法，其特征在于，所述被监测设备设施包括道岔联结零件、岔枕、钢轨、接触网，所述多源感知信息包括对所述被监测设备设施的智能检测结果。

4.一种多源数据融合的铁路场站监测***，其特征在于，包括如权利要求1所述的数据处理平台、四足轨道机器人、视觉阵列；

所述数据处理平台接收所述四足轨道机器人发送的定时监测信息，以及接收所述视觉阵列发送的实时监测信息；

所述数据处理平台根据所述定时监测信息和所述实时监测信息，计算获取所述铁路场站的多源感知信息；

所述数据处理平台根据所述多源感知信息，对所述铁路场站线路、设备设施实时状态进行高效自动监测、风险预警；

所述四足轨道机器人根据运行路况切换轮轨模式与四足模式，所述轮轨模式适用于所述铁路场站的道岔/轨道上快速巡检，所述四足模式适用于自动切换所述道岔/轨道；

所述四足轨道机器人在运行至所述轨道上之前，遇到平地时采用所述轮轨模式，遇到有障碍物时采用所述四足模式；

所述四足轨道机器人在爬至所述轨道上时，沿着所述轨道滑行时采用所述轮轨模式，在检查完所述轨道后，切换另一条所述轨道时，再切换至所述四足模式；

所述四足轨道机器人下侧安装有下侧监测单元，所述四足轨道机器人上侧安装有上侧监测单元，所述四足轨道机器人还安装有可移动的监测单元，所述可移动的监测单元根据监测指令移动至不同的部位。

5.根据权利要求4所述的多源数据融合的铁路场站监测***，其特征在于，所述视觉阵列包括多摄像头阵列，所述多摄像头阵列设置于所述铁路场站的轨旁位置以防止造成侵限，所述轨旁位置包括接触网立柱，所述数据处理平台采用深度学习算法和无监督学习方法对所述视觉阵列的实时监测信息进行分析。

6.根据权利要求4所述的多源数据融合的铁路场站监测***，其特征在于，所述下侧监测单元负责扫描道岔内外侧的壁面，采集道岔联结零件、岔枕、钢轨的部件状态信息，所述部件状态信息用于判断道岔是否出现异常情况，所述异常情况包括螺栓松动、钢轨开裂、岔尖磨损。

7.根据权利要求4所述的多源数据融合的铁路场站监测***，其特征在于，所述上侧监测单元负责获取接触网状态数据。

8.根据权利要求4所述的多源数据融合的铁路场站监测***，其特征在于，所述四足轨道机器人采用SLAM技术实现定位，从指定初始位置自动行至轨道上开始巡检。

9.一种数据处理平台设备，其特征在于，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现权利要求1至3任一项所述的多源数据融合的铁路场站监测方法。

10.一种计算机可读存储介质，其上存储有程序指令，其特征在于，所述程序指令被处理器执行时实现权利要求1至3任一项所述的多源数据融合的铁路场站监测方法。