CN103345538A - 基于图像识别的铁路车站站场网络拓扑模型建模方法 - Google Patents
基于图像识别的铁路车站站场网络拓扑模型建模方法 Download PDFInfo
- Publication number
- CN103345538A CN103345538A CN2013101873829A CN201310187382A CN103345538A CN 103345538 A CN103345538 A CN 103345538A CN 2013101873829 A CN2013101873829 A CN 2013101873829A CN 201310187382 A CN201310187382 A CN 201310187382A CN 103345538 A CN103345538 A CN 103345538A
- Authority
- CN
- China
- Prior art keywords
- node
- arc
- search
- point
- circle
- 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
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于图像识别的铁路车站站场网络拓扑模型建模方法,包括如下步骤:第一步,使用图像采集设备对纸上铁路车站站场设计图进行采集,将纸质网络图的图纸转化为可以由图像处理设备读取、保存的数据文件,并暂存于图像处理设备中;第二步,对采集的图像文件进行预处理;第三步,使用弧搜索算子和节点识别算子交替运算,识别出图像中的所有节点与弧的几何方程及特性并存储;第四步,采用拓扑关系统计算子对节点与弧的几何方程及特性进行处理,第五步,将节点与弧的几何特性、节点与弧的拓扑关系保存为规范的数据文件,形成模型文件以供相关科学研究中使用。
Description
技术领域
本发明涉及的是一种基于图像识别的铁路车站站场网络拓扑模型建模方法。
背景技术
图像采集技术,通过捕获图像并将之转换成计算机可以显示、编辑、存储和输出的数字化文件的技术,已经有成熟的技术设备可以使用,如扫描仪、摄像机、照相机等
铁路车站站场设计图,铁路车站是铁路运输系统与社会经济生活联系的纽带,是供铁路列车停靠的地方,用以搬运货物或让乘客乘车,由站场及车站附属设施组成,站场是铁路车站运营组织的基本设备,包括了站线、道岔、线路连接设备等
网络拓扑结构模型,图论是应用非常广泛的运筹学分支,广泛的应用在物理学、化学、控制论、交通运输等各个领域。使用网络拓扑结构模型描述铁路站场布置图是进行铁路车站工作组织研究的前提与基础。
邻接多重链表,是描述图论模型(包括本发明中的网络拓扑结构模型)指数据的逻辑结构在计算机存储空间的存放形式,数据结构是指相互之间存在一种或多种特定关系的数据元素的集合。通常情况下,精心选择的数据结构可以带来更高的运行效率,本发明为提高模型存取与运行效率,使用了邻接多重链表的数据结构
XML语言:可扩展标记语言(extensible markup language;XML)是用于标记电子文件使其具有结构性的标记语言,可以用来标记数据、定义数据类型,是一种允许用户对自己的标记语言进行定义的源语言。本发明为便于所形成模型数据能为不同研究、设计工作者使用,采用了这种通用性语言作为其存储基础并设计了适于铁路站场网络拓扑结构模型的数据格式。
在既有铁路与高速铁路车站工作组织的研究、设计过程中经常会碰到需要将车站站场图转化为网络拓扑结构模型(运筹学,图论)的问题,尤其是在科学研究中建立铁路车站站场的网络拓扑结构模型是进行下一步研究的基础与前提,现有方法是使用专门的建模工具手工建模,建模过程繁琐、效率低。
发明内容
本发明所要解决的技术问题是针对现有技术的不足提供一种基于图像识别的铁路车站站场网络拓扑模型建模方法。
本发明的技术方案如下:
一种基于图像识别的铁路车站站场网络拓扑模型建模方法,包括如下步骤:
第一步,使用图像采集设备对纸上铁路车站站场设计图进行采集,将纸质网络图的图纸转化为可以由图像处理设备读取、保存的数据文件,并暂存于图像处理设备中;当已有模型的计算机图像文件时,直接进行第二步;
第二步,对采集的图像文件进行预处理,将图像文件进行二值化以及降噪处理,为拓扑结构识别做准备;
第三步,使用弧搜索算子和节点识别算子交替运算,识别出图像中的所有节点与弧的几何方程及特性并存储;
第四步,对于节点与弧的几何方程及特性,采用拓扑关系统计算子对节点与弧的几何方程及特性进行处理,得到网络拓扑结构关系,形成铁路车站站场的网络拓扑结构模型;
第五步,将节点与弧的几何特性、节点与弧的拓扑关系保存为规范的数据文件,形成模型文件以供相关科学研究中使用。
所述的方法,所述第三步中,所述的弧搜索算子:设任意初始点为(x0,y0),令其为当前搜索点Pc(xc,yc),令当前标准点Ps(xs,yx),xs=x0,ys=y0,搜索步长为γ:
Step1:以(xc,yc)为圆心,γ为半径作圆,对圆(x-xc)2+(y-yc)2=γ2周长上的点进行逐象素搜索,对每一点进行色彩信息判断,则必定会有至少一个点被判断为属于图;若当前搜索圆与弧的交点数量n≠2,进入节点识别算子,获得节点坐标信息;将该圆上所有判断为图上点记入到坐标集合P{Pi,i=1、2、3.......};
Step2:任取集合P中一点坐标Pi,检查其是否与标准点重合;若xi=xs,yi=ys,转Step3,若xi≠xs或yi≠ys,则转Step4;
Step3:此方向已经被搜索过,无需进行重复搜索,将该点从坐标集合中删除,转Step2;
Step4:此方向未被搜索,线段(xc,yc)→(xi,yi)为网络图某弧的一部分,将该线段存入弧线路信息库,标准点Ps更新为当前搜索点坐标,即xs=xc,ys=yc,再刷新当前搜索点Pc(xc=xi,yc=yi),在集合P中删除Pi,i=i+1,转Step1;
弧搜索算子终结条件:当搜索圆与站场图的交点数量n≠2时,中止当前弧信息搜索,开始当前搜索点的节点识别过程。
所述的方法,所述第三步中,所述节点识别算子:设节点识别算子搜索步长γ′=γ,步长迭代增量为Δr,当前搜索点搜索到的交点数为n,n≠2,则搜索点附近存在节点,开始节点识别;
Step1:以当前搜索点为圆心,将步长放大为γ*,γ*=γ+Δr,对圆(x-xc)2+(y-yc)2=γ* 2周长上的点进行逐象素搜索,计算当前交点数量n′,若n′=n,转Step2;n′≠n,转Step3;
Step2:以当前搜索点为圆心,将步长缩小为γ′=γ′-Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,减小搜索半径,重复本步骤;若n′≠n,γ′=γ′+Δr,转Step4;
Step3:以当前搜索点为圆心,将步长放大为γ′=γ′+Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,重复本步骤;若n′≠n,γ′=γ′-Δr,转Step4;
Step4:节点为圆(x-xc)2+(y-yc)2=γ′2与站场图n个交点中的一个;令可得与搜索点所在处切线垂直的直线计算η1=y′-y,再将每一个交点的x值代入公式计算其y值,求出η1,η2,η3......,有且仅有一个ηi与η1的正负号相反,此点即为节点,得到此节点位置坐标,将相关信息存入节点信息数据库,算法结束。
所述的方法,所述第四步中,所述拓扑关系统计算子:对于节点集合V与弧集合E:
Step1:对于弧集合E中所有弧e,取出弧e的两端点坐标p1,p2,遍历节点集合V,将与p1、p2重合的节点v1,v2取出,则v1、v2为弧e所连接的两个端点,判断重合方法如下:
if(ε<a)→重合
else→不重合
即两点间距离公式,当两点间距离小于误差值a时,判断为重合,否则判断为不重合,a值根据图像质量而定,一般0.5<a<3;
Step2:对于节点集合V中每一个节点v,在弧集合E中统计以v为顶点的弧的数量c,不同的c表示了节点v的类型,c=1时,节点v为线路尽端,c=2时,节点v为一般通路节点,c=3时,节点v为道岔节点,c=4时,节点v为交叉渡线节点;
Step3:建立节点与弧之间拓扑关系,按照邻接多重链表的数据格式规范构造无向图模型,对于边的集合E和顶点集合V,ek[l1]、ek[l2]表示弧k左右端点所连接下一条边的编号,ek[v1]、ek[v2]为弧k的左右端顶点编号,vi[f]表示顶点i连接的第一条边的编号,则可通过如下算法建立拓扑结构模型:
对于每一条边k:
循环执行上式即可得到拓扑结构模型的邻接多重链表的数据结构。
本发明为解决铁路车站站场网络拓扑结构模型建模问题提出了使用手绘纸质图纸或打印图纸作为模型来源进行建模的便捷、高效的专门解决方案。直接使用图纸进行图像采集,并进行识别建模,无需人工进行绘制,效率很高。从图纸到计算机数据文件,使用图纸中的信息做为坐标参考,信息准确。
附图说明
图1为弧搜索算法示意图;
图2为弧搜索算法基本推进机制示意图;
图3至图7为弧搜索算子中搜索圆与网络拓扑图交点的几种情况:图3只有1个交点;图4有2个交点;图5和图6有3个交点;图7有4个交点;
图8为本发明方法的流程图。
具体实施方式
以下结合具体实施例,对本发明进行详细说明。
总体技术方案为将手绘纸质的铁路车站站场网络拓扑图或打印纸质网络拓扑图通过图像采集、图像处理、图像识别、数据结构建模等工艺流程转化为能描述几何特性及网路拓扑关系的网络拓扑结构模型数据格式,并保存为网络拓扑结构模型文件。
为实现对已有的图片或手工在纸上绘制的网络图的智能建模并输出模型文件,本发明采用如下步骤实现目标:
第一步,使用图像采集设备(扫描仪)对纸上铁路车站站场设计图进行采集,将纸质网络图的图纸转化为可以由图像处理设备读取、保存的数据文件,并暂存于图像处理设备中;
第二步,对采集的图像文件进行预处理,将图像文件进行二值化以及降噪处理,为拓扑结构识别做准备;
第三步,使用弧搜索算子和节点识别算子交替运算,识别出图像中的所有节点与弧的几何方程及特性并存储;
弧搜索算子:描述网络拓扑图中弧所需要的信息包括弧的起点、走向、转角、终点等,一条弧起点到终点可以以它所经过的坐标近似确定,在搜索过程中可以在图像中按一定的步长搜索线路所经过的一系列的点,再将这些点连接起来便形成了该条弧的近似弧,再通过线性回归分析可得其弧的方程,线性回归方法是已经成熟的数学方法,本发明中不对其进行描述,仅针对其基础坐标序列进行识别。
以下以图1为例描述弧搜索算子算法如下:由于初始点必然是网络拓扑图某弧上一点或某节点,则从此点开始,向各个方向进行搜索,以扩散的形式逐步确定出整个网络图位置及信息。以差值法判定该点属性,设任意初始点为(x0,y0),令其为当前搜索点Pc(xc,yc),令当前标准点Ps(xs,ys),xs=x0,ys=y0,搜索步长为γ:
Step1:以(xc,yc)为圆心,γ为半径作圆,对圆(x-xc)2+(y-yc)2=γ2周长上的点进行逐象素搜索,对每一点进行色彩信息判断,则必定会有至少一个点被判断为属于图。若当前搜索圆与弧的交点数量n≠2,进入节点识别算子,获得节点坐标信息。将该圆上所有判断为图上点记入到坐标集合P{Pi,i=1、2、3.......};
Step2:任取集合P中一点坐标Pi,检查其是否与标准点重合。若xi=xs,yi=ys,转Step3,若xi≠xs或yi≠ys,则转Step4;
Step3:此方向已经被搜索过,无需进行重复搜索,将该点从坐标集合中删除,转Step2;
Step4:此方向未被搜索,线段(xc,yc)→(xi,yi)为网络图某弧的一部分,将该线段存入弧线路信息库,标准点Ps更新为当前搜索点坐标,即xs=xc,ys=yc,再刷新当前搜索点Pc(xc=xi,yc=yi),在集合P中删除Pi,i=i+1,转Step1;
上述算法步骤即为弧信息搜索的基本推进机制,可由图2表示。步长γ可根据要求选择不同值,当步长小到一定程度或精度满足要求时便可将其结果作为最终弧,也可先搜索一定步长下的线段信息,然后将得到的一系列坐标进行线性回归计算,得到线路的精确曲线信息。另外,可以利用一维搜索方法如变尺度法、步长加速法等加快弧搜索算法的计算速度。
弧搜索算子终结条件:当搜索圆与站场图的交点数量n≠2时,中止当前弧信息搜索,开始当前搜索点的节点识别过程。
节点识别算子:弧搜索算子中搜索圆与网络拓扑图交点可以概括为以下几种情况:只有1个交点,如图3;有2个交点,如图4;有3个交点,如图5和图6;有4个交点,如图7;
在铁路站场图识别中搜索到的交点数量在不同情况下各不相同,在算法搜索过程中应尽量使用一种机制来对所有情况进行判断,通过总结各种情况特点,将节点识别算法步骤归纳如下:
设节点识别算子搜索步长γ′=γ,步长迭代增量为Δr,设搜索圆的圆心坐标为(xc,yc),搜索圆半径r为搜索步长γ,则搜索圆的方程为(x-xc)2+(y-yc)2=γ2,当前搜索点搜索到的交点数为n,n≠2,则搜索点附近存在节点,开始节点识别。
Step1:以当前搜索点为圆心,将步长放大为γ*,γ*=γ+Δr,对圆(x-xc)2+(y-yc)2=γ* 2周长上的点进行逐象素搜索,计算当前交点数量n′,若n′=n,转Step2;n′≠n,转Step3;
Step2:以当前搜索点为圆心,将步长缩小为γ′=γ′-Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,减小搜索半径,重复本步骤;若n′≠n,γ′=γ′+Δr,转Step4;
Step3:以当前搜索点为圆心,将步长放大为γ′=γ′+Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,重复本步骤;若n′≠n,γ′=γ′-Δr,转Step4;
Step4:节点为圆(x-xc)2+(y-yc)2=γ′2与站场图n个交点中的一个。令可得与搜索点所在处切线垂直的直线计算η1=y′-y,再将每一个交点的x值代入公式计算其y值,求出η1,η2,η3......,有且仅有一个ηi与η1的正负号相反,此点即为节点,(也可以x作为比较标准,方法类似)得到此节点位置坐标,将相关信息存入节点信息数据库,算法结束。
第四步,对于节点与弧的几何方程及特性,采用拓扑关系统计算子对节点与弧的几何方程及特性进行处理,得到网络拓扑结构关系,形成铁路车站站场的网络拓扑结构模型;
拓扑关系统计算子:识别出的节点集合与弧的几何信息需要经过必要处理才能反映出节点与弧之间的真实关系,因此使用拓扑关系统计算子实现该功能。
对于节点集合V与弧集合E:
Step1:对于弧集合E中所有弧e,取出弧e的两端点坐标p1、p2,遍历节点集合V,将与p1、p2重合的节点v1、v2找出,找出的v1、v2即为弧e所连接的两个节点,判断弧连接节点的方法如下:
对于弧e的端点pi,坐标(xpi,ypi),遍历节点集合V中的节点v,若坐标为(xvj,yvj)的节点xj,与端点pi的距离满足下式,则可认为节点vj是弧e所连接的节点之一。注意每条弧应有两个连接节点。
if(ε<a)→重合
else→不重合
即两点间距离公式,当两点间距离小于误差值a时,判断为重合,否则判断为不重合,a值根据图像质量而定,一般0.5<a<3;
Step2:对于节点集合V中每一个节点v,在弧集合E中统计以v为顶点的弧的数量c,不同的c表示了节点v的类型,c=1时,节点v为线路尽端,c=2时,节点v为一般通路节点,c=3时,节点v为道岔节点,c=4时,节点v为交叉渡线节点;
Step3:建立节点与弧之间拓扑关系,按照邻接多重链表的数据格式规范构造无向图模型,对于边的集合E和顶点集合V,ek[l1]、ek[l2]表示弧k左右端点所连接下一条边的编号,ek[v1]、ek[v2]为弧k的左右端顶点编号,vi[f]表示顶点i连接的第一条边的编号,则可通过如下算法建立拓扑结构模型:
对于每一条边k:
循环执行上式即可得到拓扑结构模型的邻接多重链表的数据结构。
第五步,将节点与弧的几何特性、节点与弧的拓扑关系按照设计的数据结构(见模型存储数据格式)保存为规范的数据文件,形成模型文件以供相关科学研究中使用。
模型存储数据格式
为使模型能够为不同科学家使用,使用了XML数据规则建立了如下数据结构存储铁路车站站场图模型:
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,例如,本发明使用了扫描仪作为图像采集设备,如果使用照相机、摄像机等同样能够进行信息采集,只是采集的信息识别后精确度可能受到影响;如果本来拥有模型的计算机图像文件,则可能绕过本发明的第一步,不通过图像信息采集,直接进行图像预处理,亦是替代方案;而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (4)
1.一种基于图像识别的铁路车站站场网络拓扑模型建模方法,其特征在于,包括如下步骤:
第一步,使用图像采集设备对纸上铁路车站站场设计图进行采集,将纸质网络图的图纸转化为可以由图像处理设备读取、保存的数据文件,并暂存于图像处理设备中;当已有模型的计算机图像文件时,直接进行第二步;
第二步,对采集的图像文件进行预处理,将图像文件进行二值化以及降噪处理,为拓扑结构识别做准备;
第三步,使用弧搜索算子和节点识别算子交替运算,识别出图像中的所有节点与弧的几何方程及特性并存储;
第四步,对于节点与弧的几何方程及特性,采用拓扑关系统计算子对节点与弧的几何方程及特性进行处理,得到网络拓扑结构关系,形成铁路车站站场的网络拓扑结构模型;
第五步,将节点与弧的几何特性、节点与弧的拓扑关系保存为规范的数据文件,形成模型文件以供相关科学研究中使用。
2.根据权利要求1所述的方法,其特征在于,所述第三步中,所述的弧搜索算子:设任意初始点为(x0,y0),令其为当前搜索点Pc(xc,yc),令当前标准点Ps(xs,ys),xs=x0,ys=y0,搜索步长为γ:
Step1:以(xc,yc)为圆心,γ为半径作圆,对圆(x-xc)2+(y-yc)2=γ2周长上的点进行逐象素搜索,对每一点进行色彩信息判断,则必定会有至少一个点被判断为属于图;若当前搜索圆与弧的交点数量n≠2,进入节点识别算子,获得节点坐标信息;将该圆上所有判断为图上点记入到坐标集合P{Pi,i=1、2、3.......};
Step2:任取集合P中一点坐标Pi,检查其是否与标准点重合;若xi=xs,yi=ys,转Step3,若xi≠xs或yi≠ys,则转Step4;
Step3:此方向已经被搜索过,无需进行重复搜索,将该点从坐标集合中删除,转Step2;
Step4:此方向未被搜索,线段(xc,yc)→(xi,yi)为网络图某弧的一部分,将该线段存入弧线路信息库,标准点Ps更新为当前搜索点坐标,即xs=xc,ys=yc,再刷新当前搜索点Pc(xc=xi,yc=yi),在集合P中删除Pi,i=i+1,转Step1;
弧搜索算子终结条件:当搜索圆与站场图的交点数量n≠2时,中止当前弧信息搜索,开始当前搜索点的节点识别过程。
3.根据权利要求1所述的方法,其特征在于,所述第三步中,所述节点识别算子:设节点识别算子搜索步长γ′=γ,步长迭代增量为Δr,当前搜索点搜索到的交点数为n,n≠2,则搜索点附近存在节点,开始节点识别;
Step1:以当前搜索点为圆心,将步长放大为γ*,γ*=γ+Δr,对圆(x-xc)2+(y-yc)2=γ* 2周长上的点进行逐象素搜索,计算当前交点数量n′,若n′=n,转Step2;n′≠n,转Step3;
Step2:以当前搜索点为圆心,将步长缩小为γv=γ′-Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,减小搜索半径,重复本步骤;若n′≠n,γ′=γ′+Δr,转Step4;
Step3:以当前搜索点为圆心,将步长放大为γ′=γ′+Δr,对圆(x-xc)2+(y-yc)2=γ′2圆周进行逐象素搜索,计算当前交点数量n′,若n′=n,重复本步骤;若n′≠n,γ′=γ′-Δr,转Step4;
4.根据权利要求1所述的方法,其特征在于,所述第四步中,所述拓扑关系统计算子:对于节点集合V与弧集合E:
Step1:对于弧集合E中所有弧e,取出弧e的两端点坐标p1,p2,遍历节点集合V,将与p1、p2重合的节点v1,v2取出,则v1、v2为弧e所连接的两个端点,判断重合方法如下:
if(ε<a)→重合
else→不重合
即两点间距离公式,当两点间距离小于误差值a时,判断为重合,否则判断为不重合,a值根据图像质量而定,一般0.5<a<3;
Step2:对于节点集合V中每一个节点v,在弧集合E中统计以v为顶点的弧的数量c,不同的c表示了节点v的类型,c=1时,节点v为线路尽端,c=2时,节点v为一般通路节点,c=3时,节点v为道岔节点,c=4时,节点v为交叉渡线节点;
Step3:建立节点与弧之间拓扑关系,按照邻接多重链表的数据格式规范构造无向图模型,对于边的集合E和顶点集合V,ek[l1]、ek[l2]表示弧k左右端点所连接下一条边的编号,ek[v1]、ek[v2]为弧k的左右端顶点编号,vi[f]表示顶点i连接的第一条边的编号,则可通过如下算法建立拓扑结构模型:
对于每一条边k:
循环执行上式即可得到拓扑结构模型的邻接多重链表的数据结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310187382.9A CN103345538B (zh) | 2013-05-20 | 2013-05-20 | 基于图像识别的铁路车站站场网络拓扑模型建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310187382.9A CN103345538B (zh) | 2013-05-20 | 2013-05-20 | 基于图像识别的铁路车站站场网络拓扑模型建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103345538A true CN103345538A (zh) | 2013-10-09 |
CN103345538B CN103345538B (zh) | 2016-04-27 |
Family
ID=49280333
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310187382.9A Expired - Fee Related CN103345538B (zh) | 2013-05-20 | 2013-05-20 | 基于图像识别的铁路车站站场网络拓扑模型建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103345538B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063485A (zh) * | 2014-07-03 | 2014-09-24 | 上海自仪泰雷兹交通自动化系统有限公司 | 轨旁线路设备数据的集成维护系统 |
CN108564517A (zh) * | 2018-04-20 | 2018-09-21 | 西南交通大学 | 一种铁路车站咽喉区列车最小进路冲突的计算方法 |
CN109993064A (zh) * | 2019-03-06 | 2019-07-09 | 东南大学 | 一种提取图片中道路网络节点间的连接路径的方法 |
CN110059760A (zh) * | 2019-04-25 | 2019-07-26 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110502775A (zh) * | 2019-06-25 | 2019-11-26 | 安徽建筑大学 | 建筑智能化平台空间节点网络拓扑生成方法及系统 |
CN110598634A (zh) * | 2019-09-12 | 2019-12-20 | 山东文多网络科技有限公司 | 一种基于图例库的机房草图识别方法及其装置 |
CN111652957A (zh) * | 2020-06-03 | 2020-09-11 | 中铁二院工程集团有限责任公司 | 一种线性工程设计图生成方法 |
CN112172877A (zh) * | 2020-09-23 | 2021-01-05 | 中国铁道科学研究院集团有限公司通信信号研究所 | 基于视频图像的站场表示信息识别方法 |
CN116502318A (zh) * | 2023-06-27 | 2023-07-28 | 中南大学 | 一种提取铁路站场相交设备空间信息的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040229706A1 (en) * | 2003-05-15 | 2004-11-18 | Mckeen Hugh B. | Outdoor bulls-eye target golf course and game |
CN103092755A (zh) * | 2013-01-08 | 2013-05-08 | 北京交通大学 | 一种列控系统测试序列的自动生成方法 |
-
2013
- 2013-05-20 CN CN201310187382.9A patent/CN103345538B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040229706A1 (en) * | 2003-05-15 | 2004-11-18 | Mckeen Hugh B. | Outdoor bulls-eye target golf course and game |
CN103092755A (zh) * | 2013-01-08 | 2013-05-08 | 北京交通大学 | 一种列控系统测试序列的自动生成方法 |
Non-Patent Citations (2)
Title |
---|
虞翊 等: "铁路信号站场拓扑性数据的计算机辅助生成", 《计算机工程》, vol. 23, 31 December 1997 (1997-12-31) * |
赵雁 等: "铁路站场拓扑数据生成方法研究与实现", 《交通运输系统工程与信息》, vol. 7, no. 5, 31 October 2007 (2007-10-31) * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104063485A (zh) * | 2014-07-03 | 2014-09-24 | 上海自仪泰雷兹交通自动化系统有限公司 | 轨旁线路设备数据的集成维护系统 |
CN108564517A (zh) * | 2018-04-20 | 2018-09-21 | 西南交通大学 | 一种铁路车站咽喉区列车最小进路冲突的计算方法 |
CN109993064A (zh) * | 2019-03-06 | 2019-07-09 | 东南大学 | 一种提取图片中道路网络节点间的连接路径的方法 |
CN109993064B (zh) * | 2019-03-06 | 2022-04-29 | 东南大学 | 一种提取图片中道路网络节点间的连接路径的方法 |
CN110059760B (zh) * | 2019-04-25 | 2021-04-30 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110059760A (zh) * | 2019-04-25 | 2019-07-26 | 北京工业大学 | 基于拓扑结构和cnn的几何图形识别方法 |
CN110502775A (zh) * | 2019-06-25 | 2019-11-26 | 安徽建筑大学 | 建筑智能化平台空间节点网络拓扑生成方法及系统 |
CN110598634A (zh) * | 2019-09-12 | 2019-12-20 | 山东文多网络科技有限公司 | 一种基于图例库的机房草图识别方法及其装置 |
CN110598634B (zh) * | 2019-09-12 | 2020-08-07 | 山东文多网络科技有限公司 | 一种基于图例库的机房草图识别方法及其装置 |
CN111652957A (zh) * | 2020-06-03 | 2020-09-11 | 中铁二院工程集团有限责任公司 | 一种线性工程设计图生成方法 |
CN111652957B (zh) * | 2020-06-03 | 2023-04-11 | 中铁二院工程集团有限责任公司 | 一种线性工程设计图生成方法 |
CN112172877A (zh) * | 2020-09-23 | 2021-01-05 | 中国铁道科学研究院集团有限公司通信信号研究所 | 基于视频图像的站场表示信息识别方法 |
CN116502318A (zh) * | 2023-06-27 | 2023-07-28 | 中南大学 | 一种提取铁路站场相交设备空间信息的方法 |
CN116502318B (zh) * | 2023-06-27 | 2023-09-05 | 中南大学 | 一种提取铁路站场相交设备空间信息的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103345538B (zh) | 2016-04-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103345538A (zh) | 基于图像识别的铁路车站站场网络拓扑模型建模方法 | |
Barnhart et al. | Railroad blocking: A network design application | |
CN106323301B (zh) | 一种道路情报的获取方法及装置 | |
CN104376624A (zh) | 一种基于afc客票数据的城市轨道交通客流分析方法 | |
CN106840175A (zh) | 一种车辆行驶轨迹匹配路网的方法及装置 | |
CN103761229B (zh) | 数据处理方法及装置 | |
CN110555569B (zh) | 一种路径还原方法、装置、设备和存储介质 | |
CN110472797B (zh) | 一种基于web的城市公交复杂网络自动化生成方法 | |
CN105335795A (zh) | 一种基于ic卡数据的地铁公交换乘问题自动诊断方法 | |
CN105574524A (zh) | 基于对白和分镜联合识别的漫画图像版面识别方法和系统 | |
CN107305736A (zh) | 一种基于车牌规则和时空可达性的车牌识别智能查错方法和系统 | |
CN106568456A (zh) | 基于gps/北斗定位和云计算平台的不停车收费方法 | |
CN101446999B (zh) | 工程图尺寸线标注错误的自动检查方法 | |
CN110750607B (zh) | 一种基于gnss车行轨迹数据的路网匹配方法 | |
CN103065319B (zh) | 一种空间多连通域的封闭面自动搜索方法 | |
CN105956542B (zh) | 一种结构线束统计匹配的高分遥感影像道路提取方法 | |
CN111309945B (zh) | 一种无人机巡检图片精确分类方法及系统 | |
CN107909187A (zh) | 一种快速匹配电子地图中公交站点与路段的方法 | |
CN109035783A (zh) | 一种基于公交gps轨迹的虚拟路网缺失路段自动识别方法 | |
CN112747755A (zh) | 道路线确定方法、装置、可读存储介质及地图更新系统 | |
CN111445186A (zh) | 一种基于Petri网理论的带时间窗的车辆路径优化方法 | |
CN106408058A (zh) | 轨道交通网络客流追踪系统 | |
CN102194312A (zh) | 一种道路合并方法及道路合并装置 | |
Holmberg | The (over) zealous snow remover problem | |
CN105761507A (zh) | 一种基于三维轨迹聚类的车辆计数方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160427 Termination date: 20190520 |
|
CF01 | Termination of patent right due to non-payment of annual fee |