CN108528474B - 地铁车辆限界检测方法和系统 - Google Patents

地铁车辆限界检测方法和系统 Download PDF

Info

Publication number
CN108528474B
CN108528474B CN201810281908.2A CN201810281908A CN108528474B CN 108528474 B CN108528474 B CN 108528474B CN 201810281908 A CN201810281908 A CN 201810281908A CN 108528474 B CN108528474 B CN 108528474B
Authority
CN
China
Prior art keywords
vehicle
laser radar
dimensional
complete
dimensional laser
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
Application number
CN201810281908.2A
Other languages
English (en)
Other versions
CN108528474A (zh
Inventor
郜春海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Traffic Control Technology TCT Co Ltd
Original Assignee
Traffic Control Technology TCT Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Traffic Control Technology TCT Co Ltd filed Critical Traffic Control Technology TCT Co Ltd
Priority to CN201810281908.2A priority Critical patent/CN108528474B/zh
Priority to US16/004,999 priority patent/US10563976B2/en
Publication of CN108528474A publication Critical patent/CN108528474A/zh
Application granted granted Critical
Publication of CN108528474B publication Critical patent/CN108528474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61K—AUXILIARY EQUIPMENT SPECIALLY ADAPTED FOR RAILWAYS, NOT OTHERWISE PROVIDED FOR
    • B61K9/00—Railway vehicle profile gauges; Detecting or indicating overheating of components; Apparatus on locomotives or cars to indicate bad track sections; General design of track recording vehicles
    • B61K9/02—Profile gauges, e.g. loading gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L1/00—Devices along the route controlled by interaction with the vehicle or train
    • B61L1/20—Safety arrangements for preventing or indicating malfunction of the device, e.g. by leakage current, by lightning
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/53—Trackside diagnosis or maintenance, e.g. software upgrades for trackside elements or systems, e.g. trackside supervision of trackside control system conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
    • B61L27/00—Central railway traffic control systems; Trackside control; Communication systems specially adapted therefor
    • B61L27/50—Trackside diagnosis or maintenance, e.g. software upgrades
    • B61L27/57—Trackside diagnosis or maintenance, e.g. software upgrades for vehicles or trains, e.g. trackside supervision of train conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B61—RAILWAYS
    • B61D—BODY DETAILS OR KINDS OF RAILWAY VEHICLES
    • B61D15/00—Other railway vehicles, e.g. scaffold cars; Adaptations of vehicles for use on railways
    • B61D15/08—Railway inspection trolleys
    • B61D15/12—Railway inspection trolleys power propelled

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种地铁车辆限界检测方法和系统。该方法包括：在车辆通过转换轨的过程中，获取所述车辆的多个局部的三维轮廓图像和所述车辆的第一标识信息；对所述车辆的多个局部的三维轮廓图像进行处理，得到所述车辆的完整三维轮廓图像；按照所述车辆的第一标识信息、预设的限界标准图像库和所述车辆的完整三维轮廓图像，确定所述车辆的限界判断结果；将所述车辆的限界判断结果发送至自动列车监控ATS模块。本发明提供的地铁车辆限界检测方法和系统，提高了地铁车辆限界检测的效率，且实现了车辆限界检测的自动化。

Description

地铁车辆限界检测方法和系统
技术领域
本发明涉及轨道交通技术领域，尤其涉及一种地铁车辆限界检测方法和系统。
背景技术
限界是指为了确保机车车辆在轨道线路上运行的安全，防止机车车辆撞击邻近线路的建筑物和设备，而对机车车辆和接近线路的建筑物、设备所规定的不允许超越的轮廓尺寸线。轨道交通列车在线路上长期运行过程中，有可能会出现车外体突出变形或车顶线缆垂落的情况。由于列车在此种情况下运行，侵限部分易与周围物体发生碰撞、勾连，给列车的运行带来隐患。其中，侵限部分为由于车体突出变形或车顶线缆垂落等因素导致的超出车辆限界的区域。因此需要在地铁车辆出库和入库时对车辆进行限界检测，确保车辆不带有安全隐患。
目前绝大部分地铁车辆在完成行驶运营任务之后，均需要进行车辆回段操作，即调度员将车辆依次调回车辆段。目前基于通信的列车自动控制系统(Communication BasedTrain Control System，CBTC)不具备侵限检测的能力，大多在车辆回段后通过驾驶员或者地面检修人员人工对每辆车的每个细节进行确认。由于车辆回段后，巡检员巡检的实际过程中极易因为工作环境恶劣、工作时间等原因，造成巡检员出现精神不集中、易困、对于细微差错难以辨别等问题，从而使得车辆巡检工作会因为巡检员自身的水平不同而不稳定。因此利用巡检人员对需要出库和入库的车辆进行侵限检测的检测效率较低。
发明内容
为了克服现有技术的缺陷，本发明实施例提供了一种地铁车辆限界检测方法和系统，其提升了对地铁车辆限界检测的效率，保障了地铁车辆的运行安全。
根据本发明实施例的一方面，提供一种地铁车辆限界检测方法，该方法包括：
在车辆通过转换轨的过程中，获取车辆的多个局部的三维轮廓图像和车辆的第一标识信息；
对车辆的多个局部的三维轮廓图像进行处理，得到车辆的完整三维轮廓图像；
按照车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果；
将车辆的限界判断结果发送至自动列车监控ATS模块。
在一个实施例中，在车辆通过转换轨的过程中，获取车辆的多个局部的三维轮廓图像和车辆的第一标识信息，包括：
在车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的车辆的多个局部的三维轮廓图像；
接收ATS模块发送的车辆的第一标识信息，车辆的第一标识信息包括车辆的型号。
在一个实施例中，在车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的车辆的多个局部的三维轮廓图像之前，还包括：
接收ATS模块发送的车辆进入转换轨的信号，并将信号发送至三维激光雷达。
在一个实施例中，对车辆的多个局部的三维轮廓图像进行处理，得到车辆的完整三维轮廓图像，包括：
对车辆的多个局部的三维轮廓图像进行图像拼接，得到车辆的完整三维轮廓图像。
在一个实施例中，按照车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果，包括：
按照车辆的第一标识信息，从限界标准图像库中获取车辆对应的限界标准图像；
将车辆的完整三维轮廓图像和车辆对应的限界标准图像进行对比，并确定车辆的完整三维轮廓图像和车辆的限界标准图像的差异区域；
根据差异区域的表面积和/或体积，确定车辆的限界判断结果；
或，
根据差异区域的尺寸，确定车辆的限界判断结果。
在一个实施例中，车辆的限界判断结果为正常，ATS模块控制车辆通过转换轨；
车辆的限界判断结果为异常，ATS模块控制车辆停止通过转换轨。
在一个实施例中，车辆的限界判断结果为异常，ATS模块控制车辆停止通过转换轨，包括：
ATS模块控制车辆停止通过转换轨，并控制车辆进入车辆段进行维修；
或，
ATS模块控制车辆停止通过转换轨，以使车辆在转换轨上进行维修后再次进行限界检测。
在一个实施例中，在得到车辆的完整三维轮廓图像之后，还包括：
利用图像识别技术对车辆的完整三维轮廓图像进行识别，并根据识别结果对车辆分配身份标识信息。
在一个实施例中，根据识别结果对车辆分配身份标识信息之后，还包括：
获取车辆的车次号；
根据车辆的车次号和车辆的身份标识信息，将车辆的完整三维轮廓图像存储于数据库，数据库包括所有被检测的车辆的完整三维轮廓图像。
在一个实施例中，若车辆的限界判断结果为正常，在将车辆的完整三维轮廓图像存储于数据库之后，还包括：
根据数据库和大数据分析技术，对车辆进行故障预测，并将故障预测结果发送至ATS模块。
在一个实施例中，限界标准图像库包括具有不同第一标识信息的正常车辆，在以预设速度匀速行驶的情况下的完整三维轮廓图像。
在一个实施例中，限界标准图像库包括第一限界标准图像子库和第二限界标准图像子库；
其中，第一限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第一预设速度匀速行驶的情况下的完整三维轮廓图像；
第二限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第二预设速度匀速行驶的情况下的完整三维轮廓图像。
根据本发明实施例的另一方面，提供一种地铁车辆限界检测系统，该系统包括：三维激光雷达、服务器和ATS模块；
三维激光雷达，用于在车辆通过转换轨的过程中，利用发射的激光扫描面检测车辆的多个局部的三维轮廓图像，并将车辆的多个局部的三维轮廓图像发送至服务器；
服务器，用于在车辆通过转换轨的过程中，获取车辆的多个局部的三维轮廓图像和车辆的第一标识信息，对车辆的多个局部的三维轮廓图像进行处理，得到车辆的完整三维轮廓图像，按照车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果，将车辆的限界判断结果发送至自动列车监控ATS模块；
ATS模块，用于接收车辆的限界判断结果，并发送车辆的第一标识信息至服务器。
在一个实施例中，系统包括第一组三维激光雷达和第二组三维激光雷达，转换轨包括上行转换轨和下行转换轨；
其中，第一组三维激光雷达，用于在车辆通过上行转换轨的过程中，检测车辆的多个局部的三维轮廓图像；第二组三维激光雷达，用于在车辆通过下行转换轨的过程中，检测车辆的多个局部的三维轮廓图像；
第一组三维激光雷达和第二组三维激光雷达均与服务器连接。
在一个实施例中，第一组三维激光雷达包括第一三维激光雷达、第二三维激光雷达和第三三维激光雷达；
其中，第一三维激光雷达，设置于上行转换轨的上方；
第二三维激光雷达和第三三维激光雷达，分别设置于上行转换轨的两侧；
第二组三维激光雷达包括第四三维激光雷达、第五三维激光雷达和第六三维激光雷达；
其中，第四三维激光雷达设置于下行转换轨的上方；
第五三维激光雷达和第六三维激光雷达，分别设置于下行转换轨的两侧。
本发明实施例提供的地铁车辆限界检测方法和系统，在车辆通过转换轨的过程中，将获取的车辆的多个局部的三维轮廓图像进行处理后得到车辆的完整三维轮廓图像，然后按照获取的车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果，并将车辆的限界判断结果发送至ATS模块，从而实现了地铁车辆限界检测的自动化，提升了车辆限界检测的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1示出本发明一实施例提供的地铁车辆限界检测方法的流程示意图；
图2示出本发明一实施例提供的地铁车辆限界检测系统的系统架构示意图；
图3示出本发明另一实施例提供的地铁车辆限界检测系统的系统架构示意图；
图4示出图3中的三维激光雷达的安装位置的示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
由于地铁车辆在线路上长期运行过程中，会出现车外体突出变形或车顶线缆垂落等情况。列车在上述情况下运行，侵限部分易与周围物体发生碰撞、勾连，给列车的运行带来隐患。
基于此，本发明实施例提供一种地铁车辆限界检测方法和系统，在车辆通过转换轨的过程中，将获取的车辆的多个局部的三维轮廓图像处理成车辆的完整三维轮廓图像，并将该车辆的完整三维轮廓图像与该车辆对应的限界标准图像进行对比，以确定车辆的限界判断结果，并将该限界判断结果发送至自动列车监控(Automatic Train Supervision，ATS)模块，以使ATS模块根据车辆的限界判断结果确定该车辆是否能够正常通过转换轨，也就是判断该车辆能否正常出库或入库。
本发明实施例提供的地铁车辆限界检测系统和方法，避免了车辆带有安全隐患出库，提升了地铁车辆运行的安全性和车辆限界检测的效率，同时实现了车辆限界检测的自动化。
图1示出根据本发明实施例提供的地铁车辆限界检测方法的流程示意图。如图1所示，本实施例中的地铁车辆限界检测方法100包括以下步骤：
S110，在车辆通过转换轨的过程中，获取车辆的多个局部的三维轮廓图像和车辆的第一标识信息。
在本发明的实施例中，步骤S110包括以下步骤：
S1101，在车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的车辆的多个局部的三维轮廓图像。
在本发明的实施例中，转换轨是正线与车辆段之间的过渡区段。其中，正线指连接车站并贯穿或直股伸入车站的线路。车辆段是指车辆停放，检查，整备，运用和修理的管理中心所在地。转换轨设置于正线与车辆段之间，用于列车控制模式的转换，实现出库(即出车辆段)时非列车自动控制系统(Communication Based Train Control System，CBTC)模式向CBTC模式转换，以及回库时CBTC模式向非CBTC模式转换。
在本发明的实施例中，三维激光雷达可以在预设平面上沿不同角度发射多条激光脉冲束，从而在该预设平面内形成扇形的激光区域，即激光扫描面。通过控制激光扫描面进行旋转扫描，并将目标反射回来的信号与发射信号对比，以获取三维激光雷达与目标的距离，以及目标的三维轮廓图像。
在本发明的实施例中，由于三维激光雷达的扫面张角和探测距离等因素，三维激光雷达检测的是车辆的多个局部的三维轮廓图像。在车辆通过转换轨的过程中，三维激光雷达发射激光扫描面，并不断旋转激光扫描面对正在运行的车辆进行三维扫描检测，从而获取该车辆的多个局部的三维轮廓图像。
本发明实施例提供的地铁车辆限界检测方法，应用了三维激光雷达成像技术，在人机交互方面有明显优势，当检测到车辆的侵限事件发生时，工作人员可以更直观、高效地对侵限事件进行二次确认，提高了人工确认的时效及准确性。
对于获取车辆的多个局部的三维轮廓图像的器件，不限于三维激光雷达，能够获取车辆的三维轮廓图像即可。
S1102，接收ATS模块发送的车辆的第一标识信息，车辆的第一标识信息包括车辆的型号。
在本发明的实施例中，不同类型的车辆的限界标准不同，因此为了判断不同车辆是否超出限界，需要将测量的车辆的完整三维轮廓图像与该车辆对应的限界标准图像进行对比。因此，需要从ATS模块获取该车辆的第一标识信息，以实现根据该车辆的第一标识信息确定该车辆对应的限界标准图像。
在本发明的实施例中，车辆的第一标识信息包括车辆的型号，对于车辆的第一标识信息，本发明实施例不做具体限制，能够实现对不同车辆之间的限界标准图像进行区分即可。
S120，对车辆的多个局部的三维轮廓图像进行处理，得到车辆的完整三维轮廓图像。
在本发明的实施例中，步骤S120包括以下步骤：
对车辆的多个局部的三维轮廓图像进行图像拼接，得到车辆的完整三维轮廓图像。
在本发明的实施例中，图像拼接是将多张具有重叠部分的图像拼成一幅无缝图像。其中，图像拼接技术包括图像匹配和图像融合两个关键技术。
首先，利用图像匹配技术确定待拼接图像之间的对应关系。图像匹配即通过一定的匹配算法在两幅或多幅影像之间识别同名点的过程。图像匹配一般包括与特征无关的相关性匹配和局部特征匹配。
相关性匹配主要采用某种相似性度量，判定待拼接图像之间的平移或缩放参数，并根据该参数进行图像拼接操作。其中，相关性匹配包括灰度模板匹配。
局部特征匹配通过提取两个或多个图像的特征信息，然后识别出两幅图像或多幅图像中对应的特征信息，以进行图像之间的匹配，进而推测出整张图片。其中，特征信息包括特征轮廓、特征曲线、特征点等信息。作为一个示例，提取待拼接图像的特征点信息后，根据待拼接图像之间匹配的特征点来估算单应矩阵。其中，单应矩阵表示待拼接图像之间的相互关系。根据单应矩阵，可以将待拼接图像的任意像素点坐标转化为新坐标点，转化后的图像为适合拼接的图像。
然后，根据待拼接图像之间的对应关系，建立待拼接图像之间的数学变换模型，并完成统一坐标变换。
最后，利用图像融合技术，将待拼接图像的重合区域进行融合得到拼接重构的完整图像。其中，图像融合常用的方法包括平均叠加法、线性法、加权法和多段融合法等方法。图像融合技术决定了最终图像合成质量。
可选地，图像匹配中特征点检测算法采用尺度不变特征变换(Scale InvariantFeature Transform，SIFT)、基于加速分割测试的特征(Features from AcceleratedSegment Test，FAST)或加速稳健特征点(Speeded Up Robust Features，SURF)等算法，对于图像匹配的方法本发明实施例不做具体限制。
为了提高图像融合的速度，可选地，图像融合技术采用平均叠加法，对于图像融合的方法本发明实施例不做具体限制，能够实现对待拼接图像的融合即可。
在本发明的实施例中，通过利用图像拼接技术，可以将车辆的多个局部的三维轮廓图像拼接成该车辆的完整三维轮廓图像。对于将车辆的多个局部的三维轮廓图像处理成该车辆的完整三维轮廓图像的方法，本发明实施例不做限制，可视具体应用场景而定。
S130，按照车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果。
在本发明的实施例中，步骤S130包括以下步骤:
S1301，按照车辆的第一标识信息，从限界标准图像库中获取车辆对应的限界标准图像。
在本发明的实施例中，限界标准图像库包括具有不同第一标识信息的正常车辆，在以预设速度匀速行驶的情况下的完整三维轮廓图像。作为一个示例，第一标识信息为车辆的型号，限界标准图像库将按照车辆型号的不同，将预先测量的不同车型的正常车辆在以预设速度匀速行驶的情况下的完整三维轮廓图像进行存储。
根据获取的车辆的第一标识信息，可以从预设的限界标准图像库中找到该车辆对应的限界标准图像，以对该车辆是否超出限界进行判断。
其中，对于预设的限界标准图像库的采集，需要首先将车辆段内的不同型号的车辆进行分类，然后将不同型号的正常车辆沿转换轨由远及近依次匀速通过三维激光雷达所覆盖的图像采集区域。
进一步的，为了提高对车辆限界检测的准确性，限界标准图像库包括第一限界标准图像子库和第二限界标准图像子库。其中，第一限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第一预设速度匀速行驶的情况下的完整三维轮廓图像。第二限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第二预设速度匀速行驶的情况下的完整三维轮廓图像。
作为一个示例，第一预设速度为标准速度，该标准速度与列车进入转换轨的速度保持一致。其中，第二预设速度为第一预设速度的二分之一。相对于标准速度而言，第二预设速度为慢速，标准速度为快速。即根据车辆的行驶速度的不同，将限界标准图像库分为快速限界标准图像子库和慢速限界标准图像子库。
对于包括第一限界标准图像子库和第二限界标准图像子库的限界标准图像库的采集，需要将车辆按型号分类后，将不同车型的正常车辆以不同的速度通过转换轨，以采集限界标准图像库。
对于预设速度，本发明实施例不做具体限制，可视具体应用场景而定。
S1302，将车辆的完整三维轮廓图像和车辆对应的限界标准图像进行对比，并确定车辆的完整三维轮廓图像和车辆的限界标准图像的差异区域。
在本发明的实施例中，将车辆的完整三维轮廓图像与该车辆的限界标准图像进行对比后，判断车辆的完整三维轮廓图像与该车辆的限界标准图像是否存在差异区域，并利用差异区域判断该车辆的限界判断结果。
对于车辆的完整三维轮廓图像与该车辆的限界标准图像的对比方式，本发明实施例不做具体限制，能够找出两者的差异即可。
S1303，根据差异区域的表面积和/或体积，确定车辆的限界判断结果；或，根据差异区域的尺寸，确定车辆的限界判断结果。
在本发明的实施例中，若车辆的完整三维轮廓图像与该车辆对应的限界标准图像相一致，不存在差异区域，则代表该车辆没有超出限界，即该车辆的限界判断结果为正常。
若车辆的完整三维轮廓图像与该车辆对应的限界标准图像存在差异区域，即该车辆的限界判断结果为异常。其中，当车辆的限界判断结果为异常时，包括侵限事件和可疑事件。因此需要进一步根据差异区域，确定车辆的具体限界判断结果。具体地，可以根据差异区域的表面积和/或体积，或者差异区域的尺寸进行确定车辆的限界判断结果。
为了提高车辆限界检测的准确性，可以利用包括第一限界标准图像子库和第二限界标准图像子库的限界标准图像库确定车辆的限界判断结果。其中，第一预设速度是第二预设速度的2倍。以第一预设速度在转换轨上行驶的车辆对应的第一限界标准图像在第一限界标准图像子库中。以第二预设速度在转换轨上行驶的车辆对应的第二限界标准图像在第二限界标准图像子库中。
下面结合一示例对车辆的限界判断结果的确定进行介绍。首先将以第一预设速度行驶的车辆的完整三维轮廓图像与第一限界标准图像字库中对应的第一限界标准图像进行对比，确定第一差异区域。
若第一差异区域的表面积与第一限界标准图像中车辆的表面积的比例，大于等于第一预设阈值，或第一差异区域的体积与第一限界标准图像中车辆的体积的比例，大于等于第二预设阈值时，则判定该车辆超出限界，即发生侵限事件。
若第一差异区域的表面积与第一限界标准图像中车辆的表面积的比例，小于第一预设阈值，或第一差异区域的体积与第一限界标准图像中车辆的体积的比例，小于第二预设阈值时，判定该车辆发生可疑事件。
作为一个具体示例，第一预设阈值为和第二预设阈值均为1％。可选的，也可以根据差异区域的表面积和体积共同决定车辆的限界判断结果。
另外，也可以根据第一差异区域的尺寸进行确定车辆的限界判断结果，例如，若第一差异区域沿预设方向上的长度大于等于第三预设阈值，则判定该车辆超出限界，即该车辆发生侵限事件。否则，判定该车辆发生可疑事件。作为一个具体示例，第三预设阈值为2cm。对于第三预设阈值和第一差异区域尺寸的选择，本发明实施例不做具体限制。
若利用车辆对应的第一限界标准图像确定该车辆发生侵限事件，则将该限界判断结果发送至ATS模块。若确定该车辆发生可疑事件，则将该车辆以第二预设速度再次通过转换轨，即进一步地将车辆的完整三维轮廓图像与第二限界标准图像字库中对应的第二限界标准图像进行对比，确定第二差异区域。然后根据第二差异区域进一步判断车辆的限界判断结果。
具体地，若第二差异区域的表面积与第二限界标准图像中车辆的表面积的比例，大于等于第四预设阈值，则判定该车辆超出限界，即该车辆发生侵限事件。若第二差异区域的表面积与第二限界标准图像中车辆的表面积的比例，小于第四预设阈值，判定该车辆发生可疑事件。其中，第四预设阈值小于第一预设阈值。作为一个具体示例，第四预设阈值为第一预设阈值的一半，即0.05％。
可选的，也可以根据第二差异区域的体积和第五预设阈值，或第二差异区域的尺寸和第六预设阈值决定车辆的限界判断结果。其中，第五预设阈值小于第二预设阈值，且第六预设阈值小于第三预设阈值。也就是说，通过进一步限制判断条件，提高了车辆限界检测的准确性。
对于第一预设阈值、第二预设阈值、第三预设阈值、第四预设阈值、第五预设阈值和第六预设阈值，本发明实施例不做具体限制，可视具体应用场景而定。
在本发明的实施例中，也可以利用限界标准图像库中车辆对应的唯一限界标准图像，确定该车辆的限界判断结果，不影响本发明实施例的实现。
S140，将车辆的限界判断结果发送至ATS模块。
在本发明的实施例中，当确定车辆的限界判断结果后，将该车辆的限界判断结果发送至ATS模块。
若车辆的限界判断结果为正常，ATS模块控制车辆通过转换轨，即该车辆正常出库或入库。
若车辆的限界判断结果为异常，ATS模块控制车辆停止通过转换轨。
具体地，若车辆发生侵限事件，且侵限事件比较严重，无法在短时间内进行修复，例如列车外形发生了很大程度的形变，则ATS模块控制该车辆停止通过转换轨，并控制车辆进入车辆段进行维修，即不允许该车辆入库或出库。
若车辆发生侵限事件，但是侵限事件不严重，可以快速修复，比如车顶线缆垂落的情况，ATS模块控制车辆在转换轨停止运行，以使该车辆在转换轨上被维修。车辆被维修后，ATS模块控制该车辆再次重新驶入转换轨进行限界检测。
同样地，若车辆发生可疑事件，则根据可疑事件的严重程度，ATS模块控制该车辆进入车辆段或停止在转换轨上维修后再次进行限界检测。
对于侵限事件或可疑事件的严重程度的设定可视具体应用场景而定，本发明实施例不做具体限制。
本发明实施例提供的地铁限界检测的方法，根据车辆的限界判断结果的不同给予不同的处理措施，提高了车辆限界检测的效率。
本发明实施例提供的地铁限界检测的方法，充分考虑了现场实际应用的环境恶劣程度，采用了单端即可完成车辆侵限检测的三维激光雷达传感器，有效的避免了因传统双端传感器通信、交互时引起的故障，且降低了成本、提升了可靠性和便于后期维护。
在本发明的实施例中，在步骤S110之前，还包括以下步骤：
S100，接收ATS模块发送的车辆进入转换轨的信号，并将信号发送至三维激光雷达。
在本发明的实施例中，为了提升资源的利用率和降低成本，三维激光雷达在接收到ATS模块发送的车辆进入转换轨的信号后，再启动对车辆的三维轮廓的检测。
在本发明的一些实施例中，在得到车辆的完整三维轮廓图像之后，还包括以下步骤：
S150，利用图像识别技术对车辆的完整三维轮廓图像进行识别，并根据识别结果对车辆分配身份标识信息。
在本发明的实施例中，图像识别是指对图像进行对象识别，以识别各种不同模式的目标和对象的技术。通过从车辆的完整三维轮廓图像中提取车辆的特征信息，以实现对每个不同的车辆的识别。
在本发明的实施例中，对于所有被检测的车辆的完整三维轮廓图像均会存储在服务器中，形成数据库。为了在数据库中对每个车辆进行区分，利用图像识别技术识别出一个车辆时，则对该车辆分配身份标识信息，以实现对不同车辆的标注。
具体地，身份标识信息包括数字编号，即利用不同的数字编号对不同的车辆进行区分。对于身份标识信息的形式，本发明实施例不做具体限制，能够实现在数据库中对每一辆不同的车辆进行区分即可。
在本发明的实施例中，利用图像识别技术对车辆的完整三维轮廓图像进行识别后，需要将该车辆的识别结果与数据库中存储的所有车辆的识别结果进行比较，以对该车辆进行分配身份标识信息。
若该车辆的识别结果与数据库中记录的所有车辆的识别结果均不相同，则代表该车辆从来没有进行过车辆限界检测，则为该车辆分配一个与数据库中记录的所有车辆均不相同的身份标识信息。
若该车辆的识别结果与数据库中具有第一身份标识信息的第一车辆的识别结果相同，则代表该车辆为第一车辆，则将数据库中第一车辆的第一身份标识信息分配给该车辆。
在本发明的一些实施例中，在步骤S150之后，还包括以下步骤：
获取车辆的车次号；
根据车辆的车次号和车辆的身份标识信息，将车辆的完整三维轮廓图像存储于数据库，数据库包括所有被检测的车辆的完整三维轮廓图像。
在本发明的实施例中，车辆进入转换轨时，可以从ATS模块中获取该车辆的车次号。通过车辆的车次号也可以实现对车辆的标注。根据车辆的车次号和身份标识信息，可以从两个不同的方面实现对车辆的标注，以实现当车辆更换车次号后，仍可以根据车辆的身份标识信息对每个车辆进行区分。
在本发明的实施例中，数据库不仅包括所有被检测的车辆的完整三维轮廓图像，还包括该车辆的身份标识信息、该车辆的车次号、该车辆的限界判断结果等信息。
在本发明的一些实施例中，若车辆的限界判断结果为正常，在将车辆的完整三维轮廓图像存储于数据库之后，还包括：
根据数据库和大数据分析技术，对车辆进行故障预测，并将故障预测结果发送至ATS模块。
在本发明的实施例中，若车辆的限界判断结果为正常，即该车辆的限界判断结果出现异常之前，可以利用大数据分析技术和大数据挖掘技术从数据库中的大量数据中抽取潜在的有用信息、模式和趋势，并加以修正和分析，以实现对车辆进行故障预测，并显示车辆出现故障的可能性。其中，三维激光雷达对车辆进行检测的同时，服务器会根据车辆的形变情况做出相应分析，并记录分析结果。
为了实现在车辆的限界判断结果出现异常之前对车辆进行故障预测，需要进行以下步骤：
A，对数据库中的数据进行预处理。
在本发明的实施例中，预处理主要包括数据筛选和数据采集。数据采集和数据筛选是指从数据库中提取有效的用于车辆故障预测的特征信息，并处理噪声数据和删除冗余数据。其中，车辆的特征信息包括车辆在不同阶段的侵限结果、同一时间段内车辆的故障率和车辆发生故障的次数等信息。上述故障指车辆的限界判断结果为异常，侵限结果包括车辆的侵限区域(差异区域)、侵限区域的参数和侵限程度等信息。其中，结合车次号和ATS模块中的车辆运行计划，可以知道每个车辆的运行时刻，由此可以分析车辆在运行过程中的哪个阶段容易出现侵限事件。
对于用于车辆故障预测的特征信息的形式和数目，本发明实施例不做具体限制，可根据具体的应用场景而定。
B，对用于车辆故障预测的特征信息进行存储。
在本发明的实施例中，将步骤A中提取的具有不同车次号或具有不同身份标识信息的车辆的特征信息在数据库中的特定空间中进行存储。
C，建立预测模型。
在本发明的实施例中，利用从数据库中提取的用于故障预测的特征信息，运用合适的挖掘算法，建立故障预测模型。其中，对于建立故障预测模型的算法包括回归分析法、神经网络法和web数据挖掘等方法。回归分析方法用来反映事务数据库中属性值在时间上的特征，并产生将数据项映射到实值的变量预测函数，最终发现变量或属性间的依赖关系。
对于挖掘算法的选择，本发明实施例不做具体限制，能够根据数据库中的信息得出故障预测模型即可。
进一步地，为了提高故障预测的准确性，可以利用不同挖掘算法对从数据库中提取的特征信息，建立不同的预测模型，并利用不同的预测模型共同确定车辆的故障预测结果。
D，对故障预测结果进行可视化处理。
在本发明的实施例中，可以利用可视化技术实现对车辆的运行状态和车辆的故障预测结果进行快速的直观显示。通过对利用可视化技术显示故障预测结果，提升了车辆限界检测的直观性和智能性，并提升了车辆运行的安全性。
在本发明的实施例中，根据车辆的车次号和车辆的身份标识信息可以从不同的维度获取用于车辆故障预测的特征信息，提升了故障预测的准确性。
本发明的实施例车辆限界检测方法，可以将故障检测结果发送至ATS模块，通过ATS模块向现场的员工和运行人员发送通知，而不必安排专门人员来跟踪车辆细微的变化。并且，可以直观地显示车辆发生形变的程度、车辆的侵限原因和车辆的当前状态，以及在侵限事件发生前应当进行哪些特定的维护工作，从而提升了车辆限界检测的智能性和安全性。
通过对车辆的故障预测，可以有效降低设备全生命周期维修成本，提升检测的直观性、智能性，又可实现车辆故障的预测性。并且，车辆限界检测方法对车辆的故障预测，可以为地铁的运营带来显著的收益，并降低人工、设施运营成本和提高竞争优势。
图2示出本发明一实施例的地铁车辆限界检测系统200的结构示意图，该系统包括：三维激光雷达210、服务器220和ATS模块230。
三维激光雷达210，用于在车辆通过转换轨的过程中，利用发射的激光扫描面检测车辆的多个局部的三维轮廓图像，并将车辆的多个局部的三维轮廓图像发送至服务器220。
服务器220，用于在车辆通过转换轨的过程中，获取车辆的多个局部的三维轮廓图像和车辆的第一标识信息，对车辆的多个局部的三维轮廓图像进行处理，得到车辆的完整三维轮廓图像，按照车辆的第一标识信息、预设的限界标准图像库和车辆的完整三维轮廓图像，确定车辆的限界判断结果，将车辆的限界判断结果发送至ATS模块230。
ATS模块230，用于接收车辆的限界判断结果，并发送车辆的第一标识信息至服务器220。
在本发明的实施例中，服务器220，具体用于：
在车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的车辆的多个局部的三维轮廓图像；
接收ATS模块发送的车辆的第一标识信息，车辆的第一标识信息包括车辆的型号。
在本发明的实施例中，服务器220，还用于接收ATS模块发送的车辆进入转换轨的信号，并将信号发送至三维激光雷达。
在本发明的实施例中，服务器220，具体用于：
对车辆的多个局部的三维轮廓图像进行图像拼接，得到车辆的完整三维轮廓图像。
在本发明的实施例中，服务器220，具体用于：
按照车辆的第一标识信息，从限界标准图像库中获取车辆对应的限界标准图像；
将车辆的完整三维轮廓图像和车辆对应的限界标准图像进行对比，并确定车辆的完整三维轮廓图像和车辆的限界标准图像的差异区域；
根据差异区域的表面积和/或体积，确定车辆的限界判断结果；
或，
根据差异区域的尺寸，确定车辆的限界判断结果。
在本发明的实施例中，车辆的限界判断结果为正常，ATS模块230，用于控制车辆通过转换轨；
车辆的限界判断结果为异常，ATS模块230，用于控制车辆停止通过转换轨。
在本发明的实施例中，ATS模块230具体用于：
控制车辆停止通过转换轨，并控制车辆进入车辆段进行维修；
或，
控制车辆停止通过转换轨，以使车辆在转换轨上进行维修后再次进行限界检测。
在本发明的实施例中，服务器220，还用于：
利用图像识别技术对车辆的完整三维轮廓图像进行识别，并根据识别结果对车辆分配身份标识信息。
在本发明的实施例中，服务器220，还用于：
获取车辆的车次号；
根据车辆的车次号和车辆的身份标识信息，将车辆的完整三维轮廓图像存储于数据库，数据库包括所有被检测的车辆的完整三维轮廓图像。
在本发明的实施例中，若车辆的限界判断结果为正常，服务器220，还用于：
根据数据库和大数据分析技术，对车辆进行故障预测，并将故障预测结果发送至ATS模块。
本发明实施例提供的地铁车辆限界检测系统，通过对限界判断结果正常的车辆进行故障预测，进一步为系统的安全性提供了一份保障。
在本发明的实施例中，限界标准图像库包括具有不同第一标识信息的正常车辆，在以预设速度匀速行驶的情况下的完整三维轮廓图像。
在本发明的实施例中，限界标准图像库包括第一限界标准图像子库和第二限界标准图像子库；
其中，第一限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第一预设速度匀速行驶的情况下的完整三维轮廓图像；
第二限界标准图像子库包括具有不同第一标识信息的正常车辆，在以第二预设速度匀速行驶的情况下的完整三维轮廓图像。
本发明实施例提供的系统，实现了对需要入库和出库的车辆进行自动化限界检测，提升了地铁车辆限界检测的效率以及车辆运行的安全性。
下面结合一具体示例对本发明实施例提供的地铁车辆限界检测系统进行说明，如图3所示，图3示出了根据本发明另一实施例提供的地铁车辆限界检测系统的结构示意图，该系统包括第一组三维激光雷达301和第二组三维激光雷达302，服务器303和ATS模块304。
在本发明的实施例中，转换轨包括上行转换轨和下行转换轨，分别用于上行车辆和下行车辆的运行。
第一组三维激光雷达301包括第一三维激光雷达3011、第二三维激光雷达3012和第三三维激光雷达3013；第一组三维激光雷达301，用于在车辆通过上行转换轨的过程中，检测车辆的多个局部的三维轮廓图像。
第二组三维激光雷达302包括第四三维激光雷达3021、第五三维激光雷达3022和第六三维激光雷达3023；第二组三维激光雷达302，用于在车辆通过下行转换轨的过程中，检测车辆的多个局部的三维轮廓图像。
第一组三维激光雷达301中的三个三维激光雷达和第二组三维激光雷达302中的三个三维激光雷达均通过光纤与服务器303连接。
服务器303，用于接收第一组三维激光雷达301和第二组三维激光雷达302发送的车辆的多个局部的三维轮廓图像，并对车辆的多个局部的三维轮廓图像进行处理和判断，得出车辆在上行转换轨运行时的限界判断结果或车辆在下行转换轨运行时的限界判断结果，并将车辆的限界判断结果发生至ATS模块304。
ATS模块304，通过以太网与服务器303连接，用于接收车辆的限界判断结果，并根据限界判断结果控制车辆的运行状态。
图4示出本发明实施例中第一组三维激光雷达的安装位置的示意图。图4示出与地平面垂直且与上行转换轨3014的运行方向垂直的平面图，第一三维激光雷达3011，设置于上行转换轨3014的上方。具体地，第一三维激光雷达距离车辆3015的顶部上方预设距离d1处，并且第一三维激光雷达位于上行转换轨中心的正上方。第一三维激光雷达3011主要用于检测列车顶部的三维轮廓图像。
第二三维激光雷达3012和第三三维激光雷达3013，分别设置于上行转换轨的两侧。具体地，第二三维激光雷达31012和第三三维激光雷达3013相对转换轨的中心轴对称设置，且第二三维激光雷达3012和第三三维激光雷达3013均与车辆3015的外侧具有第二距离d2。
其中，第二三维激光雷达3012和第三三维激光雷达3013，主要用于检测车辆的两个外壁的三维轮廓图像。
第二三维激光雷达3012和第三三维激光雷达3013与地面之间均有第三预设距离d3。其中，第一三维激光雷达3011、第二三维激光雷达3012和第三三维激光雷达3013均安装在支架3016上。
可选的，d1的取值范围为2m～3m；d2的取值范围为1m～1.2m；d3的取值范围为1m～1.2m。对于d1、d2和d3的取值范围，本发明实施例不做具体限制，只要第一三维激光雷达、第二三维激光雷达和第三三维激光雷达能够实现对车辆完整轮廓的检测即可。
在本发明的实施例中，所有三维激光雷达的激光扫描面的张角为96°，且所有的三维激光雷达的最大探测距离为50m。对于三维激光雷达的参数，本发明实施例不做具体限制。
可选的，三维激光雷达的发射器件面向车辆沿转换轨道驶来的方向，且三维激光雷达的光轴方向与轨道方向之间的锐角为45°。通过设置三维激光雷达的安装角度，既兼顾了三维激光雷达的扫描范围与采集的三维轮廓图像的面积大小，同时又可保证采样的清晰度和易分辨性。
在本发明的实施例中，服务器303安装在车辆段的设备室内，通过光纤与第一组三维激光雷达301和第二组三维激光雷达302相连接。
对于安装于下行转换轨的第二组三维激光雷达302的具体安装位置可参照图4，与上行转换轨中的第一组三维激光雷达301的位置相对保持一致即可，在此不再赘述。也就是说，第四三维激光雷达设置于下行转换轨的上方；第五三维激光雷达和第六三维激光雷达，分别设置于下行转换轨的两侧。
对于三维激光雷达的安装个数和安装位置，本发明实施例不做具体限制，能够实现对车辆的完整三维轮廓的检测即可。
根据本发明实施例的地铁车辆限界检测系统的其他细节与以上结合图1描述的根据本发明实施例的地铁车辆限界检测方法类似，在此不再赘述。
本发明可以以其他的具体形式实现，而不脱离其精神和本质特征。本领域的普通技术人员应当理解，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。

Claims (13)

1.一种地铁车辆限界检测方法，其特征在于，所述方法包括：
在车辆通过转换轨的过程中，获取所述车辆的多个局部的三维轮廓图像和所述车辆的第一标识信息；
对所述车辆的多个局部的三维轮廓图像进行处理，得到所述车辆的完整三维轮廓图像；
按照所述车辆的第一标识信息、预设的限界标准图像库和所述车辆的完整三维轮廓图像，确定所述车辆的限界判断结果；
将所述车辆的限界判断结果发送至自动列车监控ATS模块；
所述限界标准图像库包括具有不同所述第一标识信息的正常车辆，在以预设速度匀速行驶的情况下的完整三维轮廓图像；
所述限界标准图像库包括第一限界标准图像子库和第二限界标准图像子库；
其中，所述第一限界标准图像子库包括具有不同所述第一标识信息的正常车辆，在以第一预设速度匀速行驶的情况下的完整三维轮廓图像；
所述第二限界标准图像子库包括具有不同所述第一标识信息的正常车辆，在以第二预设速度匀速行驶的情况下的完整三维轮廓图像。
2.根据权利要求1所述的方法，其特征在于，所述在车辆通过转换轨的过程中，获取所述车辆的多个局部的三维轮廓图像和所述车辆的第一标识信息，包括：
在所述车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的所述车辆的多个局部的三维轮廓图像；
接收所述ATS模块发送的所述车辆的第一标识信息，所述车辆的第一标识信息包括所述车辆的型号。
3.根据权利要求2所述的方法，其特征在于，所述在所述车辆通过转换轨的过程中，获取利用三维激光雷达发射的激光扫描面所检测的所述车辆的多个局部的三维轮廓图像之前，还包括：
接收所述ATS模块发送的所述车辆进入所述转换轨的信号，并将所述信号发送至所述三维激光雷达。
4.根据权利要求1所述的方法，其特征在于，所述对所述车辆的多个局部的三维轮廓图像进行处理，得到所述车辆的完整三维轮廓图像，包括：
对所述车辆的多个局部的三维轮廓图像进行图像拼接，得到所述车辆的完整三维轮廓图像。
5.根据权利要求1所述的方法，其特征在于，所述按照所述车辆的第一标识信息、预设的限界标准图像库和所述车辆的完整三维轮廓图像，确定所述车辆的限界判断结果，包括：
按照所述车辆的第一标识信息，从所述限界标准图像库中获取所述车辆对应的限界标准图像；
将所述车辆的完整三维轮廓图像和所述车辆对应的限界标准图像进行对比，并确定所述车辆的完整三维轮廓图像和所述车辆的限界标准图像的差异区域；
根据所述差异区域的表面积和/或体积，确定所述车辆的限界判断结果；
或，
根据所述差异区域的尺寸，确定所述车辆的限界判断结果。
6.根据权利要求1所述的方法，其特征在于，所述车辆的限界判断结果为正常，所述ATS模块控制所述车辆通过所述转换轨；
所述车辆的限界判断结果为异常，所述ATS模块控制所述车辆停止通过所述转换轨。
7.根据权利要求6所述的方法，其特征在于，所述车辆的限界判断结果为异常，所述ATS模块控制所述车辆停止通过所述转换轨，包括：
所述ATS模块控制所述车辆停止通过所述转换轨，并控制所述车辆进入车辆段进行维修；
或，
所述ATS模块控制所述车辆停止通过所述转换轨，以使所述车辆在所述转换轨上进行维修后再次进行限界检测。
8.根据权利要求1所述的方法，其特征在于，在得到所述车辆的完整三维轮廓图像之后，还包括：
利用图像识别技术对所述车辆的完整三维轮廓图像进行识别，并根据识别结果对所述车辆分配身份标识信息。
9.根据权利要求8所述的方法，其特征在于，所述根据识别结果对所述车辆分配身份标识信息之后，还包括：
获取所述车辆的车次号；
根据所述车辆的车次号和所述车辆的身份标识信息，将所述车辆的完整三维轮廓图像存储于数据库，所述数据库包括所有被检测的车辆的完整三维轮廓图像。
10.根据权利要求9所述的方法，其特征在于，若所述车辆的限界判断结果为正常，在所述将所述车辆的完整三维轮廓图像存储于数据库之后，还包括：
根据所述数据库和大数据分析技术，对所述车辆进行故障预测，并将故障预测结果发送至所述ATS模块。
11.一种地铁车辆限界检测系统，其特征在于，所述系统包括：三维激光雷达、服务器和ATS模块；
所述三维激光雷达，用于在车辆通过转换轨的过程中，利用发射的激光扫描面检测所述车辆的多个局部的三维轮廓图像，并将所述车辆的多个局部的三维轮廓图像发送至所述服务器；
所述服务器，用于在车辆通过转换轨的过程中，获取所述车辆的多个局部的三维轮廓图像和所述车辆的第一标识信息，对所述车辆的多个局部的三维轮廓图像进行处理，得到所述车辆的完整三维轮廓图像，按照所述车辆的第一标识信息、预设的限界标准图像库和所述车辆的完整三维轮廓图像，确定所述车辆的限界判断结果，将所述车辆的限界判断结果发送至自动列车监控ATS模块；
所述ATS模块，用于接收所述车辆的限界判断结果，并发送所述车辆的第一标识信息至所述服务器；
所述限界标准图像库包括具有不同所述第一标识信息的正常车辆，在以预设速度匀速行驶的情况下的完整三维轮廓图像；
所述限界标准图像库包括第一限界标准图像子库和第二限界标准图像子库；
其中，所述第一限界标准图像子库包括具有不同所述第一标识信息的正常车辆，在以第一预设速度匀速行驶的情况下的完整三维轮廓图像；
所述第二限界标准图像子库包括具有不同所述第一标识信息的正常车辆，在以第二预设速度匀速行驶的情况下的完整三维轮廓图像。
12.根据权利要求11所述的系统，其特征在于，所述系统包括第一组三维激光雷达和第二组三维激光雷达，所述转换轨包括上行转换轨和下行转换轨；
其中，所述第一组三维激光雷达，用于在所述车辆通过上行转换轨的过程中，检测所述车辆的多个局部的三维轮廓图像；所述第二组三维激光雷达，用于在所述车辆通过下行转换轨的过程中，检测所述车辆的多个局部的三维轮廓图像；
所述第一组三维激光雷达和所述第二组三维激光雷达均与所述服务器连接。
13.根据权利要求12所述的系统，其特征在于，所述第一组三维激光雷达包括第一三维激光雷达、第二三维激光雷达和第三三维激光雷达；
其中，所述第一三维激光雷达，设置于所述上行转换轨的上方；
所述第二三维激光雷达和所述第三三维激光雷达，分别设置于所述上行转换轨的两侧；
所述第二组三维激光雷达包括第四三维激光雷达、第五三维激光雷达和第六三维激光雷达；
其中，所述第四三维激光雷达设置于所述下行转换轨的上方；
所述第五三维激光雷达和所述第六三维激光雷达，分别设置于所述下行转换轨的两侧。
CN201810281908.2A 2018-04-02 2018-04-02 地铁车辆限界检测方法和系统 Active CN108528474B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810281908.2A CN108528474B (zh) 2018-04-02 2018-04-02 地铁车辆限界检测方法和系统
US16/004,999 US10563976B2 (en) 2018-04-02 2018-06-11 Method and system for detecting a gauge of a metro vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810281908.2A CN108528474B (zh) 2018-04-02 2018-04-02 地铁车辆限界检测方法和系统

Publications (2)

Publication Number Publication Date
CN108528474A CN108528474A (zh) 2018-09-14
CN108528474B true CN108528474B (zh) 2019-09-13

Family

ID=63482181

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810281908.2A Active CN108528474B (zh) 2018-04-02 2018-04-02 地铁车辆限界检测方法和系统

Country Status (2)

Country Link
US (1) US10563976B2 (zh)
CN (1) CN108528474B (zh)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109919027A (zh) * 2019-01-30 2019-06-21 合肥特尔卡机器人科技股份有限公司 一种道路交通车辆的特征提取系统
CN112441075A (zh) * 2019-08-30 2021-03-05 比亚迪股份有限公司 轨道交通外部环境感知系统、方法和轨道交通设备
CN112758130A (zh) * 2019-11-01 2021-05-07 中车株洲电力机车研究所有限公司 一种铰接式列车的限界测试方法及其装置
CN111207687B (zh) * 2020-01-15 2022-04-08 中车株洲电力机车有限公司 一种轨道车辆的限界检测方法、装置及系统
CN111652245B (zh) * 2020-04-28 2024-04-30 中国平安财产保险股份有限公司 车辆轮廓检测方法、装置、计算机设备及存储介质
CN111626187B (zh) * 2020-05-25 2023-08-08 京东科技信息技术有限公司 一种身份标注方法、装置、电子设备及存储介质
CN111551122A (zh) * 2020-06-30 2020-08-18 上海振华重工(集团)股份有限公司 一种基于激光雷达的火车车皮数量和长度测量系统及方法
CN112465684A (zh) * 2020-11-09 2021-03-09 覃强 一种轨道全生命周期管理系统
CN112488995B (zh) * 2020-11-18 2023-12-12 成都主导软件技术有限公司 列车自动化检修的智能判伤方法及系统
CN112731434A (zh) * 2020-12-15 2021-04-30 武汉万集信息技术有限公司 基于激光雷达和标识物的定位方法、系统
CN113819856B (zh) * 2021-09-08 2024-04-19 中车青岛四方机车车辆股份有限公司 轨道车辆的车下设备安装检测方法及装置
CN114359003A (zh) * 2021-12-16 2022-04-15 深圳大学 一种基于云计算的轨道交通网信息化运营管理系统
CN115416732B (zh) * 2022-08-19 2024-04-23 交控科技股份有限公司 列车前端隐藏车辆的筛选方法、装置及电子设备
CN115468510A (zh) * 2022-09-26 2022-12-13 中车长春轨道客车股份有限公司 轨道交通车辆横断面轮廓的检测系统、检测方法和装置
CN116985872B (zh) * 2023-09-25 2024-03-26 今创集团股份有限公司 高铁停靠位置检测方法、站台屏蔽门控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527237A (zh) * 2003-03-06 2004-09-08 铁道科学研究院铁道建筑研究所 检测铁路货物车辆装载超限的二维激光扫描方法
CN102941864A (zh) * 2012-11-09 2013-02-27 武汉翔翼科技有限公司 一种列车装载状态高清监控及超限检测方法
CN104374335A (zh) * 2014-11-20 2015-02-25 南车青岛四方机车车辆股份有限公司 轨道车辆限界检测系统
CN104463235A (zh) * 2014-11-18 2015-03-25 中国铁道科学研究院电子计算技术研究所 基于动车组运行图像的故障识别方法及装置
CN104477216A (zh) * 2014-11-07 2015-04-01 北京交控科技有限公司 基于轨道交通全自动驾驶系统的车辆火灾联动方法与装置
CN206537290U (zh) * 2017-02-24 2017-10-03 广东至合交通科技有限公司 一种扫描式轨道交通车辆限界检测装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6474489B2 (en) * 1999-03-12 2002-11-05 Thomas S. Payne Collision attenuator
FR2831126B1 (fr) * 2001-10-23 2004-05-28 Alstom Procede de controle securitaire de la pendulation d'un vehicule ferroviaire
CN103162639B (zh) 2011-12-12 2015-06-10 无锡物联网产业研究院 一种获取车辆三维轮廓的方法、装置及系统
US20140142868A1 (en) * 2012-11-18 2014-05-22 Andian Technologies Ltd. Apparatus and method for inspecting track in railroad
CN103854320B (zh) 2012-12-05 2016-06-22 上海海事大学 基于激光雷达的车型自动识别方法
CN107300358A (zh) 2017-07-07 2017-10-27 岳小林 一种静态式激光扫描车辆外轮廓尺寸的测量方法
US11465659B2 (en) * 2018-02-19 2022-10-11 Claudio Filippone Autonomous scouting rail vehicle

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1527237A (zh) * 2003-03-06 2004-09-08 铁道科学研究院铁道建筑研究所 检测铁路货物车辆装载超限的二维激光扫描方法
CN102941864A (zh) * 2012-11-09 2013-02-27 武汉翔翼科技有限公司 一种列车装载状态高清监控及超限检测方法
CN104477216A (zh) * 2014-11-07 2015-04-01 北京交控科技有限公司 基于轨道交通全自动驾驶系统的车辆火灾联动方法与装置
CN104463235A (zh) * 2014-11-18 2015-03-25 中国铁道科学研究院电子计算技术研究所 基于动车组运行图像的故障识别方法及装置
CN104374335A (zh) * 2014-11-20 2015-02-25 南车青岛四方机车车辆股份有限公司 轨道车辆限界检测系统
CN206537290U (zh) * 2017-02-24 2017-10-03 广东至合交通科技有限公司 一种扫描式轨道交通车辆限界检测装置

Also Published As

Publication number Publication date
US10563976B2 (en) 2020-02-18
US20190301856A1 (en) 2019-10-03
CN108528474A (zh) 2018-09-14

Similar Documents

Publication Publication Date Title
CN108528474B (zh) 地铁车辆限界检测方法和系统
Liu et al. A review of applications of visual inspection technology based on image processing in the railway industry
US9875414B2 (en) Route damage prediction system and method
CN103186982B (zh) 一种治安智能卡口系统
CN102323070B (zh) 列车异常检测方法和系统
CN110533912A (zh) 基于区块链的驾驶行为检测方法及装置
CN107301777A (zh) 基于视频检测技术的车辆违章变道检测方法
CN105424330A (zh) 一种货车轴端螺栓故障检测方法及装置
US20210269077A1 (en) Smart sensor data transmission in railway infrastructure
CN105096593A (zh) 位置有关的具有交通路径识别的交通分析
CN115527364B (zh) 一种基于雷视数据融合的交通事故溯源方法及系统
CN101424510B (zh) 列车超限的检测方法及系统
CN112441075A (zh) 轨道交通外部环境感知系统、方法和轨道交通设备
CN115600124A (zh) 地铁隧道巡检系统及巡检方法
CN114179866A (zh) 轨道道岔开向安全检测系统及检测方法
CN209395825U (zh) 列车识别系统以及列车安全检查系统
CN108760239A (zh) 车辆识别装置检测方法及系统
Vatakov et al. Recent advances in artificial intelligence for improving railway operations
Sacchi et al. PAVISYS: A computer vision system for the inspection of locomotive pantographs
Di Summa et al. A review on deep learning techniques for railway infrastructure monitoring
CN112268515B (zh) 基于多传感融合技术的站台门间隙防夹检测方法及系统
CN104504713A (zh) 一种动车组运行状态图像监控故障自动识别方法
Burchenkov Decision making based on the results of automatic diagnostics of parts and assemblies of rolling stock
CN113297940A (zh) 一种高铁受电弓工作状态检测方法
CN117360589B (zh) 一种基于站内轨道铁路的正线电码化监控系统及检测方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant