CN106114558A - 适用于地铁隧道弯曲段的前车尾灯探测方法 - Google Patents

Abstract

本发明公开了一种适用于地铁隧道弯曲段的前车尾灯探测方法，通过检测检测最远处隧道壁是否有前车尾灯的反射红光来判断前车以防追尾，当检测到的红光满足渐变条件时，给出报警信息，否则接收下一帧图像进行检测，该技术能够提高地铁运行的安全性，有望推动无人驾驶技术的发展，具有显著的社会效益。

Description

适用于地铁隧道弯曲段的前车尾灯探测方法

技术领域

本发明涉及一种异物侵限探测方法，具体涉及适用于地铁隧道弯曲段的前车尾灯探测方法，属于轨道交通技术领域。

背景技术

自动驾驶是轨道交通的重要发展方向。传统意义上，轨道交通是基于信号灯、传感器等控制下的统一集中调度系统。基于视频处理的控制系统由于处理数据量很大，在很长时间内计算机的处理能力不足以支撑。但随着计算机技术的发展，视频处理的速度和成本已经到了经济、可靠的程度，所以目前可以采用视频处理的方式为轨道交通的控制、乃至自动化提供支撑。

国内城市轨道交通线路在运营组织的过程中，在切除ATP后如何预防列车追尾对现有技术来说是一个严峻的挑战，尤其是当司机驾驶时遇到特殊情况时缺乏追尾提醒。为了在司机驾驶列车的过程中能够得到及时提醒，目前有了多种辅助预警的方法，其中一种行之有效的方法是：改造现有信号机，对信号机进行电子可寻址编码，基于现有信号机之间的距离为800--1300米，需在2个信号机之间加装列车探测器，每个信号机带30个列车探测器，在每个信号机前后各安装15个列车探测器顺轨道方向对称分布，即每个信号机所带的列车探测器之间距离约30米，每个列车探测器通过对轨道上方1米左右高度不停进行扫描确认是否有列车通过，把扫描到的信息同步传输到信号机。当信号机收到所带列车探测器扫描到轨道上有列车时候，通过可寻址编码信号机实时通知其后的10个信号机：本信号机扫描到有列车通过，其后的各个信号机根据本机的自身可寻址编码与发现列车的信号机可寻址编码计算得出距离，由近到远依次给出红、黄红、黄、绿的信号灯，给本次列车与下次列车之间留出安全的区间。当信号机收到所带列车探测器扫描到轨道上没有列车时候，通过可寻址编码信号机通知其后的10个信号机：本信号机扫描到没有列车通过。其后的各个信号机根据本机的自身可寻址编码与发现有列车的信号机可寻址编码计算距离，由近到远依次给出红、黄红、黄、绿的信号灯，确保给本次列车与下次列车之间留出安全的区间。信号机同时把扫描到的信息同步传送到调度中心。在列车的头和尾加装信号发生和应答器，向前、后列车报告本车的车次编码信息、位置信息、司机联络对讲机频率信息，并通过车载计算机根据信号发生应答器的数据信息算出本车与前、后车之间的距离，显示相关信息给司机，并同步传送到自动驾驶系统、调度中心。但是，这种探测方法施工量很大，需全线列车统一装配方能起效，缺乏实际可行性。如何灵活便捷地防追尾、尤其是特殊路段防追尾仍是实际应用中需要解决的一大难题。

发明内容

为解决现有技术的不足，本发明的目的在于提供一种适用于地铁隧道弯曲段的前车尾灯探测方法，能够防止列车在视线不佳的特殊路段追尾。

为了实现上述目标，本发明采用如下的技术方案：

本发明的前车尾灯探测方法的基本原理是：对于隧道弯曲段前方轨道不可见的路段，检测最远处隧道壁是否有前车尾灯的反射红光来判断前车以防追尾。

本发明的探测方法包括如下步骤：

(1)、当出现弯道时，视频采集模块对轨道路径最远端两侧各取一小块图像作为检测图像，拆分RGB通道，用R通道值减去G、B通道值的总和，计算结果小于0时取值为0；

(2)、对检测区域进行二值化处理，过滤掉小于30的值，此时图像上白色区域即RGB图像中的红色区域，对白色区进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接彼此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

(3)、创建一个与检测图像相同大小的单通道图像T，对检测图像中所有像素筛选h∈[0，13]或[323，359]，s∈[0.63，1]，v∈[0.33，1]，如果像素值在筛选条件内，则在T图像对应位置赋值1，否则赋值0；对T图像进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接比此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

(4)、将步骤(3)的轮廓位置与步骤(2)的RGB图像检测的轮廓位置比较，判断出有重叠的轮廓，取重叠部分产生新的轮廓S，进行渐变检测，符合渐变条件的则认为是前车尾灯反射的红光，给出报警信息，否则接收下一帧图像进行检测。

由于RGB相近的颜色有时值相差很大，因此，本发明中我们将RGB图像转换于HSV下，计算公式：

$s=\left\{\begin{array}{cc}0& if\max =0\\ \frac{\max -\min }{\max }=1-\frac{\min }{\max }& otherwise\end{array}\right.$

v＝max

其中，min为R、G、B中最小值，max为R、G、B中最大值。

渐变检测的具体方法为：寻找垂直方向上红色亮度最高的一条线，h值经过筛选，均认为是红色，将X_i(i＝0，1，2...n)(即为经过x＝0,x＝1,x＝2…垂直的各条线)垂直线上的所有像素的s、v值进行平均值计算得到G_i(i＝0，1，2...n)，最大的G值处红色亮度最高，令亮度最高i值为I，计算反射红光在隧道壁上是否符合渐变条件。

根据弯曲段尾灯红光反射的实际现象可知，反射的红光在隧道壁上应呈渐变状态，对轮廓S在HSV图像中沿水平方向渐变检测，当隧道向左弯曲时，沿水平方向由左向右进行渐变检测，渐变条件应满足G₁≥G_l+1≥G_l+2…≥G_l+n，n为设定反射红光的渐变长度；当隧道向右弯曲时，沿水平方向由右向左进行渐变检测，渐变条件应满足G_l≥G_l-1≥G_l-2...≥G_l-n。

此外，本发明的方法应最好在轨道上无异物侵限的条件下进行应用，或者还可以联合轨道异物侵限探测系统同时实现其他异物侵限探测。

本发明的有益之处在于：本发明的探测方法基于渐变检测原理，能够在地铁隧道的弯曲段对前车尾灯红光进行探测，从而起到防止追尾的作用，该技术能够提高地铁运行的安全性，有望推动无人驾驶技术的发展，具有显著的社会效益。

附图说明

图1是本发明的适用于地铁隧道弯曲段的前车尾灯探测方法的流程图。

具体实施方式

以下结合附图和具体实施例对本发明作具体的介绍。

在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性。

本发明适用于隧道弯曲段前方轨道不可见的路段，通过探测前车尾灯来判断前方是否有列车，以防止追尾。

具体包括如下步骤：

(1)、当出现弯道时，视频采集模块对轨道路径最远端两侧各取一小块图像作为检测图像，拆分RGB通道，用R通道值减去G、B通道值的总和，计算结果小于0时取值为0；

(2)、对检测区域进行二值化处理，过滤掉小于30的值，此时图像上白色区域即RGB图像中的红色区域，对白色区进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接彼此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

(3)、创建一个与检测图像相同大小的单通道图像T，对检测图像中所有像素筛选h∈[0，13]或[323，359]，s∈[0.63，1]，v∈[0.33，1]，如果像素值在筛选条件内，则在T图像对应位置赋值255，否则赋值0；对T图像进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接比此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

由于RGB相近的颜色有时值相差很大，因此，本发明中我们将RGB图像转换于HSV下，计算公式：

$s=\left\{\begin{array}{cc}0& if\max =0\\ \frac{\max -\min }{\max }=1-\frac{\min }{\max }& otherwise\end{array}\right.$

v＝max

其中，min为R、G、B中最小值，max为R、G、B中最大值。

单通道图像T是灰度图像，非彩色图像，只是用来记录HSV彩色图像中红色像素位置，HSV中红色像素，在图像T对应位置记录为白色，其它颜色则记为黑色，并不直接修改HSV图像。

(4)、将步骤(3)的轮廓位置与步骤(2)的RGB图像检测的轮廓位置比较，判断出有重叠的轮廓，取重叠部分产生新的轮廓S，进行渐变检测，具体方法为：寻找垂直方向上红色亮度最高的一条线，h值经过筛选，均认为是红色，将X_i(i＝0，1，2...n)(即为经过x＝0,x＝1,x＝2…垂直的各条线)垂直线上的所有像素的s、v值进行平均值计算得到G_i(i＝0，1，2...n)，最大的G值处红色亮度最高，令亮度最高i值为I，计算反射红光在隧道壁上是否符合渐变条件。

根据弯曲段尾灯红光反射的实际现象可知，反射的红光在隧道壁上应呈渐变状态，对轮廓S在HSV图像中沿水平方向渐变检测，当隧道向左弯曲时，沿水平方向由左向右进行渐变检测，渐变条件应满足G_l≥G_l+1≥G_l+2...≥G_l+n，n为设定反射红光的渐变长度；当隧道向右弯曲时，沿水平方向由右向左进行渐变检测，渐变条件应满足G_l≥G_l-1≥G_l-2...≥G_l-n。

经检测，符合渐变条件的则认为是前车尾灯反射的红光，给出报警信息，否则接收下一帧图像进行检测。

综上，本发明的探测方法基于渐变检测原理，能够在地铁隧道的弯曲段对前车尾灯红光进行探测，从而起到防止追尾的作用，是安全驾驶和自动无人驾驶中必不可少的新技术。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (7)

1.适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，包括如下步骤：

(1)、当出现弯道时，视频采集模块对轨道路径最远端两侧各取一小块图像作为检测图像，拆分RGB通道，用R通道值减去G、B通道值的总和，计算结果小于0时取值为0；

(2)、对检测区域进行二值化处理，过滤掉小于30的值，此时图像上白色区域即RGB图像中的红色区域，对白色区进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接彼此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

(3)、创建一个与检测图像相同大小的单通道图像T，对检测图像中所有像素筛选h∈[0，13]或[323，359]，s∈[0.63，1]，v∈[0.33，1]，如果像素值在筛选条件内，则在T图像对应位置赋值1，否则赋值0；对T图像进行3次核为3*3的图像形态学的膨胀与腐蚀操作，连接比此相邻的白色区域，消除孤立的白色干扰点，再进行轮廓查找，记录各个相连区域轮廓面积和轮廓位置；

(4)、将步骤(3)的轮廓位置与步骤(2)的RGB图像检测的轮廓位置比较，判断出有重叠的轮廓，取重叠部分产生新的轮廓S，进行渐变检测，符合渐变条件的则认为是前车尾灯反射的红光，给出报警信息，否则接收下一帧图像进行检测。

2.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，将RGB图像转换于HSV下，计算公式为：

$s=\left\{\begin{array}{cc}0& if\max =0\\ \frac{\max -\min }{\max }=1-\frac{\min }{\max }& otherwise\end{array}\right.$

v＝max

其中，min为R、G、B中最小值，max为R、G、B中最大值。

3.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，渐变检测的具体方法为：寻找垂直方向上红色亮度最高的一条线，h值经过筛选，均认为是红色，将X_i(i＝0，1，2，...n)垂直线上的所有像素的s、v值进行平均值计算得到G_i(i＝0，1，2，...n)，最大的G值处红色亮度最高，令亮度最高i值为I，计算反射红光在隧道壁上是否符合渐变条件。

4.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，渐变条件为：当隧道向左弯曲时，沿水平方向由左向右进行渐变检测，渐变条件应满足G_l≥G_l+1≥G_l+2...≥G_l+n，n为设定反射红光的渐变长；当隧道向右弯曲时，沿水平方向由右向左进行渐变检测，渐变条件应满足G_l≥G_l-1≥G_l-2...≥G_l-n。

5.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，本方法适用于轨道上无异物侵限的隧道。

6.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，所述视频采集模块包括两个高清摄像机。

7.根据权利要求1所述的适用于地铁隧道弯曲段的前车尾灯探测方法，其特征在于，所述高清摄像机安装于列车头部的挡风玻璃内，且靠近顶部。