JP6475113B2 - 列車車種識別システム及び列車車種識別方法 - Google Patents
列車車種識別システム及び列車車種識別方法 Download PDFInfo
- Publication number
- JP6475113B2 JP6475113B2 JP2015134944A JP2015134944A JP6475113B2 JP 6475113 B2 JP6475113 B2 JP 6475113B2 JP 2015134944 A JP2015134944 A JP 2015134944A JP 2015134944 A JP2015134944 A JP 2015134944A JP 6475113 B2 JP6475113 B2 JP 6475113B2
- Authority
- JP
- Japan
- Prior art keywords
- train
- vehicle type
- feature
- image data
- data
- 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
Images
Landscapes
- Train Traffic Observation, Control, And Security (AREA)
Description
本発明は、列車車種識別システム及び列車車種識別方法に係り、特に、駅のプラットフォームに進入する列車の車種を識別する列車車種識別システム及び列車車種識別方法に関する。
近年、駅のプラットフォームには、乗降客の安全を確保するため開閉扉又は開閉柵を備えたホームドアが設けられる場合がある。このホームドアの開閉扉又は開閉柵は入線する列車のドアの開閉に合わせて開閉し、乗降客を列車に乗車させ、或いは列車から降車させる。従って、駅のプラットフォームに設けられたホームドアは、入線する列車の編成数や車両長さにより決定される車両の長さや停車位置等の「列車の車種」を把握し、その「列車の車種」に合わせて扉体を選択して開閉しなければならない。
駅のプラットフォームに入線する「列車の車種」を把握するには、列車の運行を管理する「信号システム」から列車情報を取得する方法がある。すなわち、各駅のホームドアの管理システムが「信号システム」に接続され、駅の各番線に入線する「列車の車種」を取得する方法である。
特許文献1には、どのような路線に対しても低コストで導入が可能なものでありながら列車の車種を正確に判定する列車の車種判定方法及び車種判定装置が開示されている。ここでは、停止動作中の列車の前面に対してセンサから測定ビームを走査しつつ照射し、列車の前面で反射した測定ビームを計測することで、列車の先頭形状を求め、求められた列車の先頭形状に基づいて列車の車種を判定する。
複数の鉄道会社が、鉄道利用者の利便性を高めるために相互乗り入れなどを行う場合がある。この場合、駅のプラットフォームに入線する列車の車種が混在する。そのため、駅に設置されたホームドアは、入線する他の鉄道会社の「列車の車種」を正確に把握し、その「列車の車種」に合わせて扉体を選択して開閉しなければならない。
また、駅のプラットフォームに入線する列車には、特急列車、回送列車、貨物列車などホームドアを開閉する必要のない通過列車も含まれる。さらに、自然災害や列車事故などによるダイヤの乱れが発生した場合には運行する列車が混乱する場合がある。このように、駅に設置されたホームドアは、乗客の安全を確保するために複雑な状況に対応しなければならない。
上述した列車の運行を管理する「信号システム」から列車情報を取得する方法は、そのシステムの構築自体に初期投資費用及びメンテナンス費用が発生するという問題がある。
そして、上述した他の鉄道会社との相互乗り入れに対する対応、他の鉄道会社の列車を含む通過列車の処理、ダイヤの乱れ等に対する対応などをシステムに反映させるには膨大な時間と労力が発生するという問題がある。さらに、そもそも乗降客の安全確保を目的としたシステムやシステムの運用にミスが発生した場合には重大事故が発生する虞がある。
本願の目的は、かかる課題を解決し、走行動作中の列車の車種をより精度の高い情報から的確に識別する列車車種識別システム及び列車車種識別方法を提供することである。
上記目的を達成するため、本発明に係る列車車種識別システムは、列車の全体画像データを取得する画像データ制御部と、列車の全体画像データから形状に関する特徴データを抽出する形状データ抽出部と、列車の全体画像データから光量に関する特徴データを抽出して形状に関する特徴データに結合させる光量データ抽出部と、結合された特徴データを備えた列車特徴モデルに基づき列車の車種を識別する車種識別部と、を含むことを特徴とする。
上記構成により、車種識別部は、列車の全体画像データから抽出された形状に関する特徴データ、及び列車の画像データから抽出された光量に関する特徴データを結合させることにより入線する列車の車種を識別する。このように、列車の形状及び光量に関する特徴データを結合することで、より精度の高い情報から列車の車種を的確に識別できる。すなわち、列車の形状が類似している場合やノイズがあり判別できない場合であっても、その部分の表面塗装の色彩や模様が異なる場合には的確に列車の車種が識別できる。また、列車の表面塗装の色彩や模様が類似している場合やノイズがあり判別できない場合であっても、その部分の形状が異なる場合には的確に列車の車種が識別できる。
また、画像データ制御部は、列車の全体画像データを取得し、形状データ抽出部は、その全体画像データから形状に関する特徴データを抽出し、光量データ抽出部は、その全体画像データから光量に関する特徴データを抽出する。すなわち、列車の車種を識別する手段として、その列車の一部の画像データではなく、全体的な画像データから特徴を抽出する。従って、列車の特徴データは、列車の全体的な画像データから視覚的に明確に抽出され、列車のどの部分の形状又は光量であるかが視覚的に特定できる。また、列車の形状又は光量の特徴がどこまでの範囲であるかが視覚的に明確になる。また、形状の特徴の範囲、及び光量に特徴の範囲がどの範囲で重複しており、どの範囲で重複していないかが視覚的に明確になる。さらに、列車の全体画像データを列車の車種を識別する際のベースとすることで、停止動作中の列車だけではなく、走行動作中の列車に対して車種を識別することが可能となる。
また、列車車種識別システムは、画像データ記録部及び車種特徴記憶部を備え、画像データ制御部は、予め列車毎に全体画像データを取得して画像データ記録部に格納し、全体画像データから列車の面毎の個別画像データを抽出し、形状データ抽出部は、予め個別画像データに形状に関する特徴データを入力した列車毎の車種特徴モデルを作成し、光量データ抽出部は、予め車種特徴モデルに光量に関する特徴データを結合して入力した車種特徴モデルを作成し、車種特徴記憶部に記憶させることが好ましい。このように、画像データ制御部が予め列車毎に全体画像データを取得し、その全体画像データから個別画像データを抽出する。これにより、列車の車種毎の基本データベースが構築される。そして、列車の形状及び光量に関する特徴データが結合され、列車の車種毎の特徴が抽出された車種特徴モデルが構築される。この列車の車種毎のデータベースを予め構築しておくことで、列車の車種をより精度の高い情報から的確に識別することができる。
また、列車車種識別システムは、車種識別部が、予め車種特徴モデルと当該列車の車種とを紐付けしておき、列車特徴モデルを記憶された車種特徴モデルと比較して列車の車種を識別し、新たに紐付けされた車種特徴モデルと列車の車種とを車種特徴記憶部に更新して記憶させることが好ましい。これにより、車種特徴モデルが列車の車種と紐付けされ、個別に取得された列車特徴モデルとの比較によりその列車の車種が特定できる。また、新たな車種特徴モデルを更新して車種特徴記憶部に記憶させることで、最新の特徴データを記憶しておくことができる。
また、列車車種識別システムは、列車の全体画像データには、列車の進行方向の前面、後面、両側面、及び上面が含まれることが好ましい。これにより、走行動作中の列車について様々な角度から多様な画像データが取得でき、形状又は光量の特徴を幅広く採取することができる。
また、列車車種識別システムは、画像データ制御部が、三次元距離画像センサにより列車の全体画像データを取得することが好ましい。これにより、三次元画像データ、形状に関する特徴データ、及び光量に関する特徴データを三次元形状認識センサにより取得することができる。
上記目的を達成するため、本発明に係る列車車種識別方法は、列車の全体画像データを取得するステップと、列車の全体画像データから形状に関する特徴データを抽出するステップと、列車の全体画像データから光量に関する特徴データを抽出するステップと、形状及び光量の特徴データを結合して列車特徴モデルに入力するステップと、列車特徴モデルを記憶された車種特徴モデルと比較して列車の車種を識別するステップと、を備えることを特徴とする。
上記構成により、列車の全体画像データから抽出された形状に関する特徴データ、及び列車の画像データから抽出された光量に関する特徴データが結合され、列車の車種が識別される。このように、列車の形状及び光量に関する特徴データを結合することで、より精度の高い情報から的確に列車を識別できる。すなわち、列車の形状が類似している場合やノイズがあり判別できない場合であっても、その部分の表面塗装の色彩や模様が異なる場合には的確に識別できる。また、列車の表面塗装の色彩や模様が類似している場合やノイズがあり判別できない場合であっても、その部分の形状が異なる場合には的確に識別できる。
上記目的を達成するため、本発明に係る列車車種識別システムは、列車毎に全体画像データを取得するステップと、全体画像データから列車の面毎の個別画像データを抽出するステップと、個別画像データに形状に関する特徴データを入力した列車毎の車種特徴モデルを作成するステップと、車種特徴モデルに光量に関する特徴データを結合して入力した車種特徴モデルを作成するステップと、車種特徴モデルと列車の車種とを紐付けするステップと、新たに紐付けされた車種特徴モデルと列車の車種とを車種特徴記憶部に更新して記憶させるステップと、を備えることを特徴とする。
上記構成により、予め列車毎に全体画像データが取得され、その全体画像データから個別画像データが抽出される。これにより、列車の車種毎の基本データベースが構築される。そして、列車の形状及び光量に関する特徴データが結合され、列車の車種毎の特徴が抽出された車種特徴モデルが構築される。このように列車の車種毎のデータベースを予め構築しておくことで、列車の車種をより精度の高い情報から的確に識別することができる。
以上のように、本発明に係る列車車種識別システム及び列車車種識別方法によれば、走行動作中の列車の車種をより精度の高い情報から的確に識別することができる。
(列車車種識別システムの全体構成)
以下に、図面を用いて本発明に係る列車車種識別システム1を詳細に説明する。図1に、本発明に係る列車車種識別システム1の全体構成に関する一つの実施形態の概略構成を示す。列車車種識別システム1の全体構成は、後述する「列車特徴モデル11による車種の識別」及び「列車の車種特徴モデル12の作成」という二種類のフェーズから構成される。すなわち、「列車特徴モデル11による車種の識別」フェーズは、実際に車種の識別を行うフェーズであり、「列車の車種特徴モデル12の作成」は、車種の識別を行うためのモデルを予め作成するフェーズである。
以下に、図面を用いて本発明に係る列車車種識別システム1を詳細に説明する。図1に、本発明に係る列車車種識別システム1の全体構成に関する一つの実施形態の概略構成を示す。列車車種識別システム1の全体構成は、後述する「列車特徴モデル11による車種の識別」及び「列車の車種特徴モデル12の作成」という二種類のフェーズから構成される。すなわち、「列車特徴モデル11による車種の識別」フェーズは、実際に車種の識別を行うフェーズであり、「列車の車種特徴モデル12の作成」は、車種の識別を行うためのモデルを予め作成するフェーズである。
本実施形態は、三次元距離画像センサ7で取得した画像データ10に基づき、駅のプラットフォーム21に入線する列車26の車種を識別し、その結果である車種データ15をホームドア制御装置28に送信し、ホームドア制御装置28から各ホームドア制御部19に扉体22の開閉を指示する列車車種識別システム1である。しかし、入線する列車26の車種データ15については、より上位の装置又はシステム(図示せず)に伝送し、その上位の装置又はシステムからホームドア制御装置28に車種データ15が送信されるという構成であっても良い。また、より上位の装置又はシステムから入線する列車26の車種データ15が、本目的だけではなく他の目的に使用されても良い。
列車車種識別システム1には、画像データ制御部2、形状データ抽出部3a、光量データ抽出部3b、車種識別部4、及び車種特徴記憶部5が含まれる。画像データ制御部2は、駅のプラットフォーム21などに設けられた三次元距離画像センサ7により、列車26の入線時に入線情報を取得した後に、列車26の全体画像データ10aを複数個取得する。三次元距離画像センサ7は、例えば、駅舎など全体画像データ10aの撮像に適切な位置に設けられる。また、この全体画像データ10aは、停止動作中だけでなく走行動作中の列車26に対して取得されても良い。これにより、列車26が入線する直前のタイミングで全体画像データ10aを取得し、ホームドア24の対応をすることができる。
画像データ制御部2が取得した列車26の全体画像データ10aは、複数の面データが一つのセットとなる個別画像データ10bに変換される。形状データ抽出部3aは、全体画像データ10aから形状に関する特徴データ(以下、「形状特徴データ13」という。)を抽出して個別画像データ10bに入力する。また、光量データ抽出部3bは、形状データ抽出部3aとほぼ同じタイミングで全体画像データ10aから光量に関する特徴データ(以下、「光量特徴データ14」という。)を抽出し、その光量特徴データ14を形状特徴データ13に結合させて個別画像データ10bに入力する。その結果、形状特徴データ13及び光量特徴データ14が反映された列車特徴モデル11が形成される。
車種識別部4は、結合された形状特徴データ13及び光量特徴データ14を備えた列車特徴モデル11に基づき列車26の車種を識別する。すなわち、車種識別部4は、列車特徴モデル11を車種特徴記憶部5に記憶された車種特徴モデル12と比較して列車26の車種を検索する。その結果、該当する車種特徴モデル12から列車26の車種を確定し、その車種データ15をホームドア制御装置28に送信する。ホームドア制御装置28は、各ホームドア制御部19にホームドア制御データ20を送信し、扉体22の開閉を指示する。また、車種識別部4は、画像データ制御部2に対して画像制御データ9を送信し、必要な全体画像データ10aを取得させる指示をする。
(列車特徴モデルによる車種の識別)
図2に、列車特徴モデル11による車種の識別に関する一つの実施形態の概略構成をブロック図で示す。ここで列車特徴モデル11とは、プラットフォーム21に入線する列車26のそれぞれの特徴が入力されたモデルをいう。画像データ制御部2が三次元距離画像センサ7に取得させた全体画像データ10aは、座標変換データ作成部16に送信される。座標変換データ作成部16は、まず全体画像データ10aを世界座標系(xyz座標系)への座標変換を行う。この操作により、取得された距離画像データをxyz座標により表すことができる。次に、座標変換された全体画像データ10aから列車26の車両限界内に限定した画像である車両限界内座標データ17を作成する。この操作により、全体画像データ10aに含まれる列車26に関するデータ以外の情報、例えばプラットフォーム21、線路23などの画像がトリミングされる。そして、座標変換データ作成部16は、作成した車両限界内座標データ17を面状データ作成部18に送信する。面状データ作成部18は、全体画像データ10aから、例えば上面、側面、前面などの各面の画像データである個別画像データ10bを作成し、一つのデータセットとする。
図2に、列車特徴モデル11による車種の識別に関する一つの実施形態の概略構成をブロック図で示す。ここで列車特徴モデル11とは、プラットフォーム21に入線する列車26のそれぞれの特徴が入力されたモデルをいう。画像データ制御部2が三次元距離画像センサ7に取得させた全体画像データ10aは、座標変換データ作成部16に送信される。座標変換データ作成部16は、まず全体画像データ10aを世界座標系(xyz座標系)への座標変換を行う。この操作により、取得された距離画像データをxyz座標により表すことができる。次に、座標変換された全体画像データ10aから列車26の車両限界内に限定した画像である車両限界内座標データ17を作成する。この操作により、全体画像データ10aに含まれる列車26に関するデータ以外の情報、例えばプラットフォーム21、線路23などの画像がトリミングされる。そして、座標変換データ作成部16は、作成した車両限界内座標データ17を面状データ作成部18に送信する。面状データ作成部18は、全体画像データ10aから、例えば上面、側面、前面などの各面の画像データである個別画像データ10bを作成し、一つのデータセットとする。
個別画像データ10bは、列車26の全体画像データ10aから形状特徴データ13を抽出する形状データ抽出部3a、及び列車26の全体画像データ10aから光量特徴データ14を抽出して形状特徴データ13に結合させる光量データ抽出部3bに送信される。そして、形状データ抽出部3a及び光量データ抽出部3bによりそれぞれの特徴データ13,14が個別画像データ10bに入力される。列車特徴モデル作成部8aは、この特徴データ13,14が入力された個別画像データ10bを列車特徴モデル11とする。そして、列車特徴モデル11を車種識別部4に送信する。車種識別部4は、結合された特徴データ13,14を備えた列車特徴モデル11に基づき列車26の車種を識別する。すなわち、車種識別部4は、列車特徴モデル11を車種特徴記憶部5に記憶された車種特徴モデル12と比較して列車26の車種を検索する。その結果、該当する車種特徴モデル12から列車26の車種を確定し、車種データ15をホームドア制御装置28に送信する。ホームドア制御装置28は、各ホームドア制御部19にホームドア制御データ20を送信し、扉体22の開閉を指示する。また、車種識別部4は、画像データ制御部2に対して画像制御データ9を送信し、必要な全体画像データ10aを取得させる指示をする。
(列車の車種特徴モデルの作成)
図3に、列車26の車種特徴モデル12の作成に関する一つの実施形態の概略構成をブロック図で示す。車種特徴モデル12とは、列車26の車種毎に作成され、それぞれの車種の特徴が入力されたモデルをいう。すなわち、上述した「列車特徴モデル11による車種の識別」と同様の手順で各列車26の列車特徴モデル11を作成し、それをデータベースとして蓄積し、その蓄積されたデータを整理することで車種特徴モデル12を作成する。従って、図2に示す「列車特徴モデル11による車種の識別」と異なる点に限って説明する。
図3に、列車26の車種特徴モデル12の作成に関する一つの実施形態の概略構成をブロック図で示す。車種特徴モデル12とは、列車26の車種毎に作成され、それぞれの車種の特徴が入力されたモデルをいう。すなわち、上述した「列車特徴モデル11による車種の識別」と同様の手順で各列車26の列車特徴モデル11を作成し、それをデータベースとして蓄積し、その蓄積されたデータを整理することで車種特徴モデル12を作成する。従って、図2に示す「列車特徴モデル11による車種の識別」と異なる点に限って説明する。
第1の相違点は、画像データ制御部2が、予め列車26毎に全体画像データ10aを収集する点である。これは、各列車26の特徴データのデータベースを構築するためである。車種識別部4は、画像制御データ9により各列車26について認識可能な特徴データを取得するように指示する。特に、新型の列車26が投入された際には予め特徴データを採取する。
第2の相違点は、画像データ記録部6及び車種特徴記憶部5を備える点である。画像データ記録部6には、画像データ制御部2により取得された全体画像データ10aが記録されたデータとして蓄積される。そして、座標変換データ作成部16は、この画像データ記録部6に記録された全体画像データ10aを取得してデータを作成する。このように、取得された全体画像データ10aを画像データ記録部6に記録しておくことでデータベースが容易に構築される。なお、画像データ記録部6は、全体画像データ10aではなく個別画像データ10bを記録しても良く、全体画像データ10a及び個別画像データ10bの双方を記録しても良い、車種特徴記憶部5は、車種特徴モデル作成部8bが作成した各車種の車種特徴モデル12を記憶して保管する。このように、作成された車種特徴モデル12を記憶して保管することで、プラットフォーム21に入線する列車26の車種を容易に認識できる。
第3の相違点は、車種識別部4が、予め車種特徴モデル12とその列車26の車種とを紐付けしておく点である。車種識別部4は、列車特徴モデル11を記憶された車種特徴モデル12と比較して列車26の車種を識別する。そして、車種特徴モデル12が更新された場合には、その車種特徴モデル12と列車26の車種とを車種特徴記憶部5に更新して記憶させる。
(三次元距離画像センサについて)
本発明で用いられる三次元距離画像センサ7について説明する。三次元距離画像センサ7は、赤外線LEDの高速光源と、距離画像データを取得するために設計されたイメージセンサとを使用する。そして、投光した光が対象物に当たって戻る時間を各画素ごとにリアルタイムで測定することで距離画像イメージを取得し、対象物を立体面で計測してその情報を出力するセンサである。この距離画像データの計測原理は、投光パルスを高速で減衰させ、反射光の位相遅れの程度を計測することで距離計測を行う。
本発明で用いられる三次元距離画像センサ7について説明する。三次元距離画像センサ7は、赤外線LEDの高速光源と、距離画像データを取得するために設計されたイメージセンサとを使用する。そして、投光した光が対象物に当たって戻る時間を各画素ごとにリアルタイムで測定することで距離画像イメージを取得し、対象物を立体面で計測してその情報を出力するセンサである。この距離画像データの計測原理は、投光パルスを高速で減衰させ、反射光の位相遅れの程度を計測することで距離計測を行う。
図4に、三次元距離画像センサ7の設置例を示す。図4(a)は、列車26を上面からみた平面図であり、図4(b)は、列車26を側面からみた側面図である。図4(a),図4(b)には、それぞれ線路23上を列車26が図中矢印の方向へ進行し、プラットフォーム21に入線した場合を示す。図4(a),図4(b)に、三次元距離画像センサ7の上面及び側面から見た画像取得範囲27を示す。本実施形態では、三次元距離画像センサ7は、プラットフォーム21上であって、列車26の前方から列車26の前面、側面及び上面が取得可能な位置に設置される。或いは、列車26の後方から列車26の後面、側面及び上面が取得可能な位置に設置されても良い。また、プラットフォーム21上にホームドア24、扉体22が設置されている場合には、列車26がホームドア24により妨害されないように設置位置を選択する。
図5に、三次元距離画像センサ7が取得した全体画像データ10aの実施例を示す。本全体画像データ10aは、入線してきた列車26について、例えば、前面,側面,上面について取得した画像データ10である。この全体画像データ10aは入線した列車26の走行動作中の画像である。三次元距離画像センサ7は、対象物である列車26が走行動作中であっても画像を取得できる。そして、この全体画像データ10aは、列車26が走行する限界の領域である車両限界W(図5参照)内に絞ったデータに切り取られる。
図6に、形状特徴データ13が入力された個別画像データ10bの実施例を示す。また、図7に、光量特徴データ14が入力された個別画像データ10bの実施例を示す。図6及び図7は、共に、図5に示す全体画像データ10aから上面A、側面B、前面Cのそれぞれの面データに展開されて個別画像データ10bに基づいて作成される。すなわち、図6に示すように、個別画像データ10bから形状特徴データ13が抽出され、各面データに形状特徴データ13が入力される。さらに、図7に示すように、個別画像データ10bから光量特徴データ14が抽出され、各面データの形状特徴データ13に光量特徴データ14が結合されて入力される。そして、列車特徴モデル11又は車種特徴モデル12が形成される。
図6に示す、形状特徴データ13が入力された個別画像データ10bは、列車26の上面A、側面B、前面Cのそれぞれの面データが列車26の形状及び表面の凹凸を表している。一方、図7に示す光量特徴データ14が入力された個別画像データ10bは、列車26の上面A、側面B、前面Cのそれぞれの面データが列車26の各面A,B,Cの表面の色彩や模様を表している。例えば、図7の特徴部分(e),(g)は、帯状の部分の塗装色が周囲の部分の塗装色と違うため光量が異なっている。これは、形状特徴データ13が入力された個別画像データ10bには現れない特徴である。また、図7の特徴部分(f),(g)は、車体が斜めに傾斜しているため、反射光の光量が周囲の部分と異なっている。また、図7の特徴部分(h)は、その部分の材質が周囲の部分の材質と違うため、反射光の光量が周囲の部分と異なっている。また、図7の特徴部分(d)は、屋根面から厚みを有して突出しているため形状特徴データ13が入力された個別画像データ10bには現れる。しかし、突出する部分が周囲の材料と同じ材料から成るため光量特徴データ14が入力された個別画像データ10bには現れにくい特徴である。
このように、形状特徴データ13が入力された個別画像データ10bと、光量特徴データ14が入力された個別画像データ10bとでは、それぞれの特徴データ13,14の部位が異なる場合がある。従って、これら二種類の個別画像データ10bを結合することで、列車26の車種をより精度の高い情報から的確に識別することができる。
(列車車種識別方法)
上述した列車車種識別システム1を用いた列車車種識別方法について説明する。本列車車種識別方法は、図8に示す列車特徴モデル11による車種の識別方法、及び図9に示す車種特徴モデル12を作成する方法から構成される。図8では、S1からS7まで連番で符号が付されており、図9では、S10からS16まで連番で符号が付されている。
上述した列車車種識別システム1を用いた列車車種識別方法について説明する。本列車車種識別方法は、図8に示す列車特徴モデル11による車種の識別方法、及び図9に示す車種特徴モデル12を作成する方法から構成される。図8では、S1からS7まで連番で符号が付されており、図9では、S10からS16まで連番で符号が付されている。
(列車特徴モデルによる車種の識別方法)
図8に、列車特徴モデル11による車種の識別に関する一つの実施形態の概略構成を示す。列車26の全体画像データ10aを取得する(S1)。列車26の全体画像データ10aから形状特徴データ13を抽出する(S2)。列車26の全体画像データ10aから光量特徴データ14を抽出する(S3)。形状特徴データ13及び光量特徴データ14を列車特徴モデル11に結合して入力する(S4)。この列車特徴モデル11を記憶された車種特徴モデル12と比較して列車の車種を識別する(S5)。そして、車種特徴モデル12から列車26の車種を特定する(S6)。ここで、車種特徴モデル12から列車26の車種が特定できる場合は、列車26の車種を駅のホームドア制御部19に通知する(S7)。一方、車種特徴モデル12から列車26の車種が特定できない場合は、ステップ1に戻り、列車26の新たな全体画像データ10aを取得して再度車種の識別を試みる。
図8に、列車特徴モデル11による車種の識別に関する一つの実施形態の概略構成を示す。列車26の全体画像データ10aを取得する(S1)。列車26の全体画像データ10aから形状特徴データ13を抽出する(S2)。列車26の全体画像データ10aから光量特徴データ14を抽出する(S3)。形状特徴データ13及び光量特徴データ14を列車特徴モデル11に結合して入力する(S4)。この列車特徴モデル11を記憶された車種特徴モデル12と比較して列車の車種を識別する(S5)。そして、車種特徴モデル12から列車26の車種を特定する(S6)。ここで、車種特徴モデル12から列車26の車種が特定できる場合は、列車26の車種を駅のホームドア制御部19に通知する(S7)。一方、車種特徴モデル12から列車26の車種が特定できない場合は、ステップ1に戻り、列車26の新たな全体画像データ10aを取得して再度車種の識別を試みる。
(列車の車種特徴モデルの作成方法)
図9に、列車26の車種特徴モデル12の作成に関する一つの実施形態の概略構成を示す。まず、列車26毎に全体画像データ10aを取得する(S1)。そして、全体画像データ10aから列車26の面毎の個別画像データ10bを抽出する(S2)。また、個別画像データ10bに形状特徴データ13を入力した列車26毎の車種特徴モデル12を作成する(S3)。その車種特徴モデル12に光量特徴データ14を結合して入力した車種特徴モデル12を作成する(S4)。車種特徴モデル12と列車26の車種とを紐付けする(S5)。そして、紐付けされた車種特徴モデル12と列車26の車種とを更新して車種特徴記憶部5に記憶させる(S6)。ここで、次の列車26のデータを取得するか否かを判断する(S7)。次の列車26のデータを取得する場合は、ステップ1に戻って同様の作業が行われ、次の列車26のデータを取得しない場合は終了する。
図9に、列車26の車種特徴モデル12の作成に関する一つの実施形態の概略構成を示す。まず、列車26毎に全体画像データ10aを取得する(S1)。そして、全体画像データ10aから列車26の面毎の個別画像データ10bを抽出する(S2)。また、個別画像データ10bに形状特徴データ13を入力した列車26毎の車種特徴モデル12を作成する(S3)。その車種特徴モデル12に光量特徴データ14を結合して入力した車種特徴モデル12を作成する(S4)。車種特徴モデル12と列車26の車種とを紐付けする(S5)。そして、紐付けされた車種特徴モデル12と列車26の車種とを更新して車種特徴記憶部5に記憶させる(S6)。ここで、次の列車26のデータを取得するか否かを判断する(S7)。次の列車26のデータを取得する場合は、ステップ1に戻って同様の作業が行われ、次の列車26のデータを取得しない場合は終了する。
1 列車車種識別システム、2 画像データ制御部、3a 形状データ抽出部,3b 光量データ抽出部、4 車種識別部、5 車種特徴記憶部、6 画像データ記録部、7 三次元距離画像センサ、8a 列車特徴モデル作成部,8b 車種特徴モデル作成部、9 画像制御データ、10 画像データ,10a 全体画像データ,10b 個別画像データ、11 列車特徴モデル、12 車種特徴モデル、13 形状特徴データ、14 光量特徴データ、15 車種データ、16 座標変換データ作成部、17 車両限界内座標データ、18 面状データ作成部、19 ホームドア制御部、20 ホームドア制御データ、21 プラットフォーム、22 扉体、23 線路、24 ホームドア、26 列車、27 画像取得範囲、28 ホームドア制御装置、A 上面、B 側面、C 前面、d,e,f,g,h (光量に関する)特徴部分、W 車両限界。
Claims (7)
- 列車の全体画像データを取得する画像データ制御部と、
前記列車の全体画像データから形状に関する特徴データを抽出する形状データ抽出部と、
前記列車の全体画像データから光量に関する特徴データを抽出して形状に関する特徴データに結合させる光量データ抽出部と、
前記結合された特徴データを備えた列車特徴モデルに基づき前記列車の車種を識別する車種識別部と、
を含むことを特徴とする列車車種識別システム。 - 請求項1に記載の列車車種識別システムであって、画像データ記録部及び車種特徴記憶部を備え、
前記画像データ制御部は、予め列車毎に全体画像データを取得して前記画像データ記録部に格納し、前記全体画像データから前記列車の面毎の個別画像データを抽出し、
前記形状データ抽出部は、予め前記個別画像データに形状に関する特徴データを入力した列車毎の車種特徴モデルを作成し、
前記光量データ抽出部は、予め前記車種特徴モデルに光量に関する特徴データを結合して入力した車種特徴モデルを作成し、前記車種特徴記憶部に記憶させることを特徴とする列車車種識別システム。 - 請求項2に記載された列車車種識別システムであって、前記車種識別部は、予め前記車種特徴モデルと当該列車の車種とを紐付けしておき、前記列車特徴モデルを前記記憶された車種特徴モデルと比較して前記列車の車種を識別し、新たに紐付けされた前記車種特徴モデルと前記列車の車種とを車種特徴記憶部に更新して記憶させることを特徴とする列車車種識別システム。
- 請求項1乃至3のいずれか1項に記載された列車車種識別システムであって、前記列車の前記全体画像データには、前記列車の進行方向の前面、後面、両側面、及び上面が含まれることを特徴とする列車車種識別システム。
- 請求項1乃至4のいずれか1項に記載された列車車種識別システムであって、前記画像データ制御部は、三次元距離画像センサにより前記列車の前記全体画像データを取得することを特徴とする列車車種識別システム。
- 列車の全体画像データを取得するステップと、
前記列車の全体画像データから形状に関する特徴データを抽出するステップと、
前記列車の全体画像データから光量に関する特徴データを抽出するステップと、
前記形状及び光量の特徴データを列車特徴モデルに結合して入力するステップと、
前記列車特徴モデルを記憶された車種特徴モデルと比較して前記列車の車種を識別する
ステップと、
を備えることを特徴とする列車車種識別方法。 - 列車毎に全体画像データを取得するステップと、
前記全体画像データから前記列車の面毎の個別画像データを抽出するステップと、
前記個別画像データに形状に関する特徴データを入力した列車毎の車種特徴モデルを作成するステップと、
前記車種特徴モデルに光量に関する特徴データを結合して入力した車種特徴モデルを作成するステップと、
前記車種特徴モデルと前記列車の車種とを紐付けするステップと、
新たに紐付けされた前記車種特徴モデルと前記列車の車種とを車種特徴記憶部に更新して記憶させるステップと、
を備えることを特徴とする列車車種識別方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015134944A JP6475113B2 (ja) | 2015-07-06 | 2015-07-06 | 列車車種識別システム及び列車車種識別方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015134944A JP6475113B2 (ja) | 2015-07-06 | 2015-07-06 | 列車車種識別システム及び列車車種識別方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017013725A JP2017013725A (ja) | 2017-01-19 |
JP6475113B2 true JP6475113B2 (ja) | 2019-02-27 |
Family
ID=57827701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015134944A Active JP6475113B2 (ja) | 2015-07-06 | 2015-07-06 | 列車車種識別システム及び列車車種識別方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6475113B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109229156B (zh) * | 2018-08-24 | 2020-05-22 | 中铁武汉勘察设计研究院有限公司 | 一种铁路车辆三维定位*** |
JP7235253B2 (ja) * | 2020-03-24 | 2023-03-08 | Necプラットフォームズ株式会社 | 判別装置、判別方法、制御システム、学習モデル生成装置、学習モデル生成方法及びプログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003203291A (ja) * | 2002-01-08 | 2003-07-18 | Mitsubishi Heavy Ind Ltd | 車種判別装置 |
JP4249037B2 (ja) * | 2004-01-06 | 2009-04-02 | アルパイン株式会社 | 周辺車両表示装置、ナビゲーション装置及び車両表示方法 |
JP4475202B2 (ja) * | 2005-08-08 | 2010-06-09 | 株式会社日立製作所 | 列車扉検出装置 |
JP4688639B2 (ja) * | 2005-11-02 | 2011-05-25 | 三菱スペース・ソフトウエア株式会社 | 照合装置、照合方法および照合プログラム |
JP2009168582A (ja) * | 2008-01-15 | 2009-07-30 | Saki Corp:Kk | 外観検査装置 |
JP5558238B2 (ja) * | 2010-07-14 | 2014-07-23 | 株式会社東芝 | 車両間隔検出システム、車両間隔検出方法及び車両間隔検出プログラム |
JP2013186100A (ja) * | 2012-03-12 | 2013-09-19 | Hitachi Ltd | 形状検査方法およびその装置 |
JP2014061797A (ja) * | 2012-09-21 | 2014-04-10 | Kobe Steel Ltd | 列車の車種判定方法及び車種判定装置 |
JP6090190B2 (ja) * | 2014-02-06 | 2017-03-08 | オムロン株式会社 | 移動体管理装置 |
JP6404600B2 (ja) * | 2014-06-03 | 2018-10-10 | 株式会社日立パワーソリューションズ | プラットホームにおける定位置停車支援装置 |
-
2015
- 2015-07-06 JP JP2015134944A patent/JP6475113B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017013725A (ja) | 2017-01-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6503500B2 (ja) | 点群データ利用システム | |
US9299150B2 (en) | Recording the location of a point of interest on an object | |
EP3138754B1 (en) | Rail track asset survey system | |
JP6284240B2 (ja) | 構造物情報提供システム | |
CN110023171A (zh) | 用于在轨道交通中、尤其是在铁路交通中的危险情况识别的方法、设备和轨道车辆、尤其是铁路车辆 | |
CN109311495A (zh) | 用于维护铁轨车辆的行驶线路的方法和*** | |
AU2010201110B2 (en) | Method for Producing a Known Fixed Spatial Relationship Between a Laser Scanner and a Digital Camera for Traffic Monitoring | |
CN104809427B (zh) | 基于3d信息的故障自动识别检测***及检测方法 | |
CN104508708B (zh) | 道路环境识别装置 | |
CN104777522B (zh) | 一种基于复合检测的列车车门与站台屏蔽门之间异物检测***及检测方法 | |
CN101511550A (zh) | 用于观测工业环境中的人员的方法 | |
JP6475113B2 (ja) | 列車車種識別システム及び列車車種識別方法 | |
CN109003465A (zh) | 一种停车位导航方法及*** | |
WO2020088197A1 (zh) | 列车识别***及其方法、列车安全检查***及其方法 | |
CN115752462A (zh) | 楼宇内重点巡检目标巡检方法、***、电子设备和介质 | |
CN110091342A (zh) | 车况检测方法、装置和检测机器人 | |
CN109189217A (zh) | 一种基于vr技术的工程验收模拟方法 | |
JP2019137989A (ja) | 構造物変状検出装置 | |
US8662454B2 (en) | Method for visualizing track occupancy | |
JP2021536649A (ja) | 対象の検出と追跡のためのビデオ監視システムを構築する方法 | |
Sepasgozar et al. | Implementation of Rapid As-built Building Information Modeling Using Mobile LiDAR | |
Stein et al. | Model-based rail detection in mobile laser scanning data | |
US20230372966A1 (en) | System for autonomously applying paint to a target surface | |
JP6645768B2 (ja) | 車種判別装置 | |
CN110363998A (zh) | 用于矿井下人车流量监测和调度的边缘处理装置及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180611 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190131 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6475113 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |