CN118082938A - 铁路高速动态多维度图像智能安全监测*** - Google Patents

Abstract

本发明提供一种铁路高速动态多维度图像智能安全监测***，在铁路沿线经过列车时，抓拍车号信息以及二三维图像数据，并将二维图像和三维图像两种不同的识别机制进行有机结合，相互间互补、融合，并在此基础上进行智能分析判断，综合判断的结果就有效地对两种机制进行取长补短，提高了判断的准确性和可靠度。

Description

铁路高速动态多维度图像智能安全监测***

技术领域

本发明涉及一种铁路高速动态多维度图像智能安全监测***。

背景技术

近年来，随着我国经济的飞速发展，铁路运输量越来越大，列车运行车次越来越密集，各次列车的编组越来越长，铁路运输负担越来越重，对铁路运输行车安全的要求及压力也越来越重。

这种安全压力很大程度上源自于在行驶线上列车车皮的质量及完好程度。如：车皮底板、车厢侧板（侧面），车皮顶部是否有破损，罐车顶部罐口是否关闭，车皮内固定横杆是否完好，车皮各门窗是否关闭完好，散装货物上盖棚布是否捆绑完整，车皮载货有无异物突出，以及装载货物的车皮状态是否符合要求。

此类车皮的相关问题还体现车皮卸载载后是否有剩煤、冻煤残存，车皮内部/底部是否有异物、残留物，车皮装载货物是否均衡，有无超载、左右偏载、前后偏载，车皮装载物是否符合车皮自身功能性质等等。

上述各种现象直接关系到列车的行车安全，轻则影响到所运输货物的完整，重则直接造成铁路运输的重大安全事故，直接破坏铁路运输的整个运行秩序及人身安全。

为保证铁路运行的安全，我国各货运站，尤其是编组站和大货运站往往都要配备大量的人力安全人员，在列车进站后出站前，安全人员逐次对列车逐节车皮进行巡检，力求绝不能放过问题车皮上路。然而，如此一来，必然需要耗费大量人力，且费时费力。更何况，只要是人就必然存在疏漏，在百密一疏的情况下，问题车皮上路仍然在所难免。

为此，一些车站也安装了一些安检设备，如：轨道衡超偏载检测***，二维图象监测设备。上述设备中，计量设备-轨道衡/超偏载检测***是比较成熟的，而监测车皮安全状态的二维成像设备的功能有天然缺陷，对车皮内部状态反映不出来，只能观察平面状态，不能反映计算被载物质的体积大小和立体形态，同时二维图象的摄制对光线、天气、夜晚与外部条件要求很严。所以铁路场站仍然需要大量的巡检人员逐列、逐节的检查车皮状态，工作效率低且不论，而且人工巡检同样存在漏检、错判的情况。三维图象检测目前在公路运输方面单节、静态、人工判别尚可一用，在铁路运输方面，大批、多节、动态测试还办不到，但是三维激光图象由于是线扫描成像，可以动态、立体测试。然而，三维成像也存在固有的缺陷，其不如二维成像一般能够窥测到车厢内的全景，由于采用激光线扫描成像，无法有效捕捉车厢内物件的颜色信息。因此，无论是二维成像还是三维成像，都有其自身明显的优势，也都有其自身显著的缺陷。

综上所述，为保障铁路***安全运行，提高工作效率，减少人力资源，降低运行成本，把二维成像和三维成像的优势互补组成一个统一的列车安全检测***成了铁路安全运行方面急需解决的课题。

发明内容

本发明提供一种，有效地解决了上文所提到的现有技术所存在的问题。

具体而言，本发明提供一种铁路高速动态多维度图像智能安全监测***，该***在铁路沿线选定的地点配备车号识别器、车速仪，并设置中央处理单元与车号识别器和测速仪远程通信，另外，该***在铁路沿线选定的数据采样点处设置用于采集经过数据采样点的列车车皮的二维图像数据的二维图像采集器和用于采集经过数据采样点的列车车皮的立体图像数据的三维图像采集器，二维图像采集器和三维图像采集器将各自采集到的列车车皮的二维图像数据和立体图像数据发送至中央处理单元，在特定时间，车速仪感知列车到来并形成列车到来信号，车号识别器感知列车车次并形成列车车号信息及该车号列车自身结构信息（列车种类、长宽高、出厂尺寸、轴数等），列车到来信号、车号信号被传送至中央处理单元，由中央处理单元将激活信号发送至二维图像采集器和三维图像采集器，二维图像采集器采集经过列车的车皮的二维图像数据，三维图像采集器采集经过列车的车皮的三维图像数据，所述二维图像数据和三维图像数据分别发送回中央处理单元并存入各自在中央处理单元中的计算机存贮空间，并记录各自的采集时间，由此中央处理单元中将存储有多辆已经过列车的列车数据，包括已经过列车的二维图像数据和三维图像数据以及对应的车号信息，随后，中央处理单元内的控制软件在已存储的列车数据中筛选出特定采集时间、特定车号的二维图像数据和三维图像数据，再依据二维图像采集器和三维图像采集器在铁路沿线的位置代号，将所述特定时间的特定一节车皮的特定二维图像数据和特定三维图像数据存入中央处理单元的数据缓冲区，在中央处理单元中，智能识别软件对所述车次的N种车皮现象依次判定，其中，其中1≤i≤N，编号i从1至N依次取值，二维图像数据和三维图像数据各自对于第i种车皮现象敏感则计为敏感程度“1”，不敏感则计为敏感程度“0”；在所述敏感程度的基础上，智能识别软件进一步基于二维图形数据和三维图像数据各自形成“二维正常/二维不正常”以及“三维正常/三维不正常”的正常与否判断，智能识别软件基于正常与否判断确定第i种车皮现象能够被忽略或者编号i作为选取数应被记录于中央处理单元之中，一旦i从1至N取值完毕，如果所有取值均被忽略，则确认车皮运行正常，如果在i从1至N的取值完毕之后，中央处理单元中记录有一个或多个选取数，则按照所有选取数对应的车皮现象对车皮进行报警、复核、处理或检修。

优选地，车号识别器还感知正在到来的列车的车况信息，将车况信息与列车车号进行结合比对，由此确保正在到来的列车的正确识别。

优选地，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维正常”，且三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略。

优选地，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维不正常”，且三维图像数据针对第i种车皮现象显示“三维不正常”，则编号i将作为选取数被记录于中央处理单元之中。

优选地，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，然而，二维图像数据针对第i种车皮现象显示“二维正常”而三维图像数据针对第i种车皮现象显示“三维不正常”，则进一步判断第i种车皮现象预存于中央处理单元中的三维图像警示指数是否大于第一阈值，如果大于第一阈值，则编号i将作为选取数被记录于中央处理单元之中，如果不大于第一阈值，则第i种车皮现象被忽略或根据需要给予提示。

优选地，如果二维图像数据针对该车皮的第i种车皮现象显示“二维不正常”而三维图像数据针对第i种车皮现象显示“三维正常”，则也进一步判断第i种车皮现象预存于中央处理单元中的二维图像警示指数是否大于第二阈值，如果大于第二阈值，则编号i将作为选取数被记录于中央处理单元之中，如果不大于第二阈值，则第i种车皮现象被忽略或根据需要给予提示。

优选地，对于该车皮的第i种车皮现象，如果二维图像数据设定的敏感程度为“1”而三维图像数据设定的敏感程度为“0”，则忽略三维图像数据，在此情况下，如果二维图像数据针对第i种车皮现象显示“二维不正常”，则编号i将作为选取数被记录于中央处理单元之中，如果二维图像数据针对第i种车皮现象显示“二维正常”，则第i种车皮现象被忽略或根据需要给予提示。

优选地，对于该车皮的第i种车皮现象，如果二维图像数据设定的敏感程度为“0”而三维图像数据设定的敏感程度为“1”，则忽略二维图像数据，在此情况下，如果三维图像数据针对第i种车皮现象显示“三维不正常”，则车皮现象编号i将作为选取数被记录于中央处理单元之中，如果三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略或根据需要给予提示。

优选地，在数据采样点处，列车的左侧、右侧、上侧各设置一个二维图像采集器，在列车的上侧设置2个三维图像采集器。

优选地，在数据采样点处设置龙门架以应用于安装固定二维图像采集器和三维图像采集器。

优选地，本***不仅能检测列车车皮的安全状况与否，还可以检车车皮内超过一定尺寸范围的残留物质，及对列车行车安全和经济价值的影响，如对列车卸车后的冻煤剩煤等。

概括而言，本发明提供一种铁路高速动态多维度图像智能安全监测***，在铁路沿线经过列车时，抓拍车号信息以及二三维图像数据，并将二维图像和三维图像两种不同的识别机制进行有机结合，相互间互补、融合，并在此基础上进行智能分析判断，综合判断的结果就有效地对两种机制进行取长补短，提高了判断的准确性和可靠度。

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，以下将对实施例或现有技术描述中所需要使用的附图进行论述，显然，在结合附图进行描述的技术方案仅仅是本发明的一些实施例，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图所示实施例得到其它的实施例及其附图。

图1示出根据本发明的铁路告诉动态安全检测***的运行流程图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚完整描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部实施例。基于本发明中所述的实施例，本领域普通技术人员在不需要创造性劳动的前提下所得到的所有其它实施例，都在本发明所保护的范围内。

下文中，将详细介绍根据本发明的铁路高速动态多维度图像智能安全监测***的具体框架。其中，图1示出根据本发明的铁路高速动态安全检测***的运行流程图。

为保证二维、三维列车安检***的正常运行，首先要保证多节批车皮动态状态下图像采集的同步及采集图像的完整，因此本发明所提供的铁路高速动态多维度图像智能安全监测***首先在铁路沿线配备车号识别器及车速仪。车号识别器用于识别列车车厢的车次，由此确保同一测试采样点的多个二维、三维图象采集仪可以向中央处理单元提供同一节车皮的图像数据并供中央处理单元对图像数据进行分析。车速仪则用来识别列车的行进速度并将行进速度信号传送给中央处理单元，从而确保中央处理单元能够依据列车的行进速度来完整获取车皮的图像数据。所述中央处理单元可由人工智能软件实现。

在铁路沿线的数据采样点处设置用于采集经过数据采样点的列车车皮的二维图像数据的二维图像采集器和用于采集经过数据采样点的列车车皮的立体图像数据的三维图像采集器。二维图像采集器和三维图像采集器将各自采集到二维图像数据和立体图像数据发送至中央处理单元进行数据存储和数据处理。

优选地，为保证对车皮图像数据采集全面、完整，在数据采样点处，列车的左侧、右侧、上侧各设置一个二维图像采集器，在列车的上侧设置2个三维图像采集器，以便形成立体图像数据。更优选地，为了固定二维图像采集器和三维图像采集器，可以在数据采样点处设置龙门架以便安装这些图像采集器。

本发明所提供的铁路高速动态多维度图像智能安全监测***中，最核心的部分自然是中央处理单元，其自带智能分析软件，***控制软件根据***运行时序关系及***各部件之间的联系编制而成，以保证整体***的正常运行。而智能分析软件则是整体***达到功能目标的灵魂。智能分析软件经过针对大数据的人工智能监督学习，对各种不同图像、不同车型、不同缺陷、各种不同不正常现象，进行判断、分析、反馈，进而根据反馈数据反复地验证并修改参数才能达到目标的精确自动判别。

下文中将具体阐述本发明所提供的铁路高速动态多维度图像智能安全监测***的具体监测过程。

在对车皮展开监测之前，首先要判断列车是否到来以及哪量列车到来。由此，在特定时间，由上文所提到的铁路沿线的车速仪来感知列车到来并形成列车到来信号，并由车号识别器感知列车车次并形成车号信息及该车号列车自身结构信息（列车种类、长宽高、出厂尺寸、轴数等），且由计数器来感知该列车车号之下的车皮编号并形成编号信号。由此，通过锁定列车到来、到来列车的具体车号或者说车次、车号里具体的车皮编号，就可以明确知道所要考察的车皮的具体归属。

进一步，优选地，车号识别器还可以感知正在到来的列车的车况信息，例如列车宽度、重量等车况信息，在后台数据库中，这些车况信息往往与车号形成对应关系，即，针对所记载车号，往往同时还记载该车号对应列车的宽度、重量的车况信息。这些车况信息可以帮助印证车号对应的列车是否识别正确。

列车到来信号和车号信号被传送至中央处理单元，由中央处理单元将激活信号发送至二维图像采集器和三维图像采集器，由此，二维图像采集器采集经过列车的车皮的二维图像数据，三维图像采集器采集经过列车的车皮的三维图像数据。所述二维图像数据和三维图像数据分别发送回中央处理单元并存入各自在中央处理单元中的计算机存贮空间，并记录各自的采集时间和数据地址编号。由此中央处理单元中将存储有多辆已经过列车的列车数据，包括已经过列车的二维图像数据和三维图像数据以及对应的车号信息。

随后，中央处理单元内的控制软件在已存储的列车数据中筛选出特定采集时间、特定车次的二维图像数据和三维图像数据，再依据二维图像采集器和三维图像采集器在铁路沿线的位置代号，将所述特定时间的特定一节车皮的特定二维图像数据和特定三维图像数据存入中央处理单元的数据缓冲区。

在中央处理单元中，智能识别软件对特定二维图像数据反映的车皮状态做出正常与不正常的判断，并据此形成“二维正常”或“二维不正常”的判断结果。

需要注意的是，二维图像采集器和三维图像采集器所能识别的车皮现象种类繁多，甚至多达几十种，例如车皮的使用状态、新旧程度、损坏程度，车皮装载物的数量、种类是否合规，车皮内是否有异物或人员，车门是否无故开启等等。

这些车皮现象均会以不同程度呈现于二维图像数据和三维图像数据中。所谓的“不同程度”实际上就是每个车皮现象在二维图像和三维图像的敏感程度。

例如，一列运送煤炭的车皮，二维图像往往对于车皮内剩余煤炭的数量没有太多感觉，此时二维图像数据对于车皮装载物（例如煤炭）的数量的敏感程度很低，可计为“0”，而三维图像则对车皮内剩余煤炭的数量较为敏感，因此三维图像数据对于车皮装载物的数量的敏感程度较高，可计为“1”。

换言之，对于每个车皮内现象，二维图像无法感知该车皮内现象，则定义为二维图像“不敏感”，计为“0”；如果二维图像能够感知该车皮内现象，则定义为二维图像“敏感”，计为“1”。类似地，三维图像无法感知该车皮内现象，则定义为三维图像“不敏感”，计为“0”；如果三维图像能够感知该车皮内现象，则定义为三维图像“敏感”，计为“1”。

因此，在综合二维图像数据与三维图像数据联合判断车皮“正常”或“不正常”之前，首先要确认二维图像和三维图像对于特定车皮现象的敏感程度。

下文中将详细介绍中央处理单元的具体判断过程。在判断顺序上，先判断敏感不敏感，再判断正常不正常。

首先，在中央处理单元中设定车皮的N种车皮现象。很显然，如上文所述，在中央处理单元中，每一种车皮现象对于二维图像数据和三维图像数据均可能设定为敏感程度“1”或敏感程度“0”。

中央处理单元将依次对所述N种车皮现象进行判断。判断过程如下。

对于第i种车皮现象（其中1≤i≤N，i从1至N依次取值），如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维正常”，且三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略，换言之，第i种车皮现象在两种维度的判断之下均正常，无需予以考虑。

对于第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维不正常”，且三维图像数据针对第i种车皮现象显示“三维不正常”，则车皮现象编号i将作为选取数被记录于中央处理单元之中，换言之，第i种车皮现象在两种维度的判断之下均不正常，需要重点考虑。

对于第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，然而，二维图像数据针对第i种车皮现象显示“二维正常”而三维图像数据针对第i种车皮现象显示“三维不正常”，则进一步判断第i种车皮现象预存于中央处理单元中的三维图像警示指数是否大于第一阈值，如确实大于该第一阈值，则车皮现象编号i将作为选取数被记录于中央处理单元之中，如不大于该第一阈值，则第i种车皮现象被忽略或根据需要给予提示。

反之亦然，如果二维图像数据针对第i种车皮现象显示“二维不正常”而三维图像数据针对第i种车皮现象显示“三维正常”，则也进一步判断第i种车皮现象预存于中央处理单元中的二维图像警示指数是否大于第二阈值，如确实大于该第二阈值，则车皮现象编号i将作为选取数被记录于中央处理单元之中，如不大于该第二日阈值，则第i种车皮现象被忽略或根据需要给予提示。

而对于第i种车皮现象，如果二维图像数据和三维图像数据设定的敏感程度不同，例如，二维图像数据设定的敏感程度为“1”而三维图像数据设定的敏感程度为“0”，则忽略三维图像数据，在此情况下，如果二维图像数据针对第i种车皮现象显示“二维不正常”，则车皮现象编号i将作为选取数被记录于中央处理单元之中。当然，如果二维图像数据针对第i种车皮现象显示“二维正常”，则第i种车皮现象被忽略或根据需要给予提示。

反之亦然。例如，二维图像数据设定的敏感程度为“0”而三维图像数据设定的敏感程度为“1”，则忽略二维图像数据，在此情况下，如果三维图像数据针对第i种车皮现象显示“三维不正常”，则车皮现象编号i将作为选取数被记录于中央处理单元之中。当然，如果三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略。

在中央处理单元中，一旦i从1至N取值完毕，如果所有取值均被忽略，则确认车皮运行正常。如果在i从1至N的取值完毕之后，中央处理单元中记录有一个或多个选取数，则按照所有选取数对应的车皮现象对车皮进行报警、复核、处理或检修。

到此已将本发明基本介绍完毕。概括而言，本发明提供一种铁路高速动态多维度图像智能安全监测***，在铁路沿线经过列车时，抓拍车号信息以及二三维图像数据，并将二维图像和三维图像两种不同的识别机制进行有机结合，相互间互补、融合，并在此基础上进行智能分析判断，综合判断的结果就有效地对两种机制进行取长补短，提高了判断的准确性和可靠度。

以上所述仅为本发明的示例性实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (10)

1.一种铁路高速动态多维度图像智能安全监测***，其特征在于，

该***在铁路沿线配备车号识别器、车速仪，并设置中央处理单元与车号识别器和测速仪远程通信，另外，该***在铁路沿线的选定的数据采样点处设置用于采集经过数据采样点的列车车皮的二维图像数据的二维图像采集器和用于采集经过数据采样点的列车车皮的立体图像数据的三维图像采集器，二维图像采集器和三维图像采集器将各自采集到的列车车皮的二维图像数据和立体图像数据发送至中央处理单元，

在特定时间，车速仪感知列车到来并形成列车到来信号，车号识别器感知列车车次并形成车号信号，计数器则用来感知该列车车次之下的特定一节车皮的车皮编号并形成编号信号，

列车到来信号、车号信号和编号信号被传送至中央处理单元，由中央处理单元将激活信号发送至二维图像采集器和三维图像采集器，二维图像采集器采集经过列车的车皮的二维图像数据，三维图像采集器采集经过列车的车皮的三维图像数据，所述二维图像数据和三维图像数据分别发送回中央处理单元并存入各自在中央处理单元中的计算机存贮空间，并记录各自的采集时间，由此中央处理单元中将存储有多辆已经过列车的列车数据，包括已经过列车的二维图像数据和三维图像数据以及对应的车号信息，

随后，中央处理单元内的控制软件在已存储的列车数据中筛选出特定采集时间、特定车号的二维图像数据和三维图像数据，再依据二维图像采集器和三维图像采集器在铁路沿线的位置代号，将所述特定时间的特定一节车皮的特定二维图像数据和特定三维图像数据存入中央处理单元的数据缓冲区，

在中央处理单元中，智能识别软件对所述车次的N种车皮现象依次判定，其中，其中1≤i≤N，编号i从1至N依次取值，二维图像数据和三维图像数据各自对于第i种车皮现象敏感则计为敏感程度“1”，不敏感则计为敏感程度“0”；在所述敏感程度的基础上，智能识别软件进一步基于二维图形数据和三维图像数据各自形成“二维正常/二维不正常”以及“三维正常/三维不正常”的正常与否判断，智能识别软件基于正常与否判断确定第i种车皮现象能够被忽略或者编号i作为选取数应被记录于中央处理单元之中，

一旦i从1至N取值完毕，如果所有取值均被忽略，则确认车皮运行正常，如果在i从1至N的取值完毕之后，中央处理单元中记录有一个或多个选取数，则按照所有选取数对应的车皮现象对车皮进行报警检修复核处理。

2.根据权利要求1所述的***，其特征在于，车号识别器还带出正在到来的列车的车况信息，将车况信息与列车车号进行结合比对，由此确保正在到来的列车的正确识别。

3.根据权利要求1所述的***，其特征在于，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维正常”，且三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略。

4.根据权利要求1所述的***，其特征在于，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，且二维图像数据针对第i种车皮现象显示“二维不正常”，且三维图像数据针对第i种车皮现象显示“三维不正常”，则编号i将作为选取数被记录于中央处理单元之中。

5.根据权利要求1所述的***，其特征在于，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定为敏感程度“1”，然而，二维图像数据针对第i种车皮现象显示“二维正常”而三维图像数据针对第i种车皮现象显示“三维不正常”，则进一步判断第i种车皮现象预存于中央处理单元中的三维图像警示指数是否大于第一阈值，如果大于第一阈值，则编号i将作为选取读数被记录于中央处理单元之中，如果不大于该第一阈值，则所述第i种车皮现象被忽略。

6.根据权利要求1所述的***，其特征在于，对于该车皮的第i种车皮现象，如果二维图像数据和三维图像数据均设定敏感程度“1”，然而，二维图像数据针对第i种车皮现象显示“二维不正常”而三维图像数据针对第i种车皮现象显示“三维正常”，则也进一步判断第i种车皮现象预存于中央处理单元中的二维图像警示指数是否大于第二阈值，如果大于第二阈值，则编号i将作为选取读数被记录于中央处理单元之中，如果不大于该第二阈值，则所述第i种车皮现象被忽略。

7.根据权利要求1所述的***，其特征在于，对于第i种车皮现象，如果二维图像数据设定的敏感程度为“1”而三维图像数据设定的敏感程度为“0”，则忽略三维图像数据，在此情况下，如果二维图像数据针对第i种车皮现象显示“二维不正常”，则编号i将作为选取数被记录于中央处理单元之中，如果二维图像数据针对第i种车皮现象显示“二维正常”，则第i种车皮现象被忽略。

8.根据权利要求1所述的***，其特征在于，对于第i种车皮现象，如果二维图像数据设定的敏感程度为“0”而三维图像数据设定的敏感程度为“1”，则忽略二维图像数据，在此情况下，如果三维图像数据针对第i种车皮现象显示“三维不正常”，则车皮现象编号i将作为选取数被记录于中央处理单元之中，如果三维图像数据针对第i种车皮现象显示“三维正常”，则第i种车皮现象被忽略。

9.根据权利要求1所述的***，其特征在于，在数据采样点处，列车的左侧、右侧、上侧各设置一个二维图像采集器，在列车的上侧设置2个三维图像采集器，在数据采样点处设置龙门架以应用于安装固定二维图像采集器和三维图像采集器。

10.根据权利要求1所述的***，其特征在于，在车皮内存在剩煤现象之一且剩煤体积超过额定数量的情况下，将同时得出“二维正常”和“三维不正常”的判断结果。