CN108583622A - 轨道交通状况的识别方法、装置、设备和介质 - Google Patents
轨道交通状况的识别方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN108583622A CN108583622A CN201810282530.8A CN201810282530A CN108583622A CN 108583622 A CN108583622 A CN 108583622A CN 201810282530 A CN201810282530 A CN 201810282530A CN 108583622 A CN108583622 A CN 108583622A
- Authority
- CN
- China
- Prior art keywords
- information
- image information
- distance
- signal
- short
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000004927 fusion Effects 0.000 claims abstract description 49
- 230000002159 abnormal effect Effects 0.000 claims description 73
- 238000004891 communication Methods 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 230000004888 barrier function Effects 0.000 abstract description 11
- 230000000694 effects Effects 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 239000000571 coke Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000035484 reaction time Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle detection
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- 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
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种轨道交通状况的识别方法、装置、设备和介质。该方法包括:获取由短焦相机拍摄的多张第一图像信息,和获取由长焦相机拍摄的多张第二图像信息;基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析,根据分析结果识别出车辆行驶前方在所述预定距离内最终的异常状况,同时根据分析结果做出对应的操作;其中,异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种,预设逻辑融合规则包括当第一图像信息和第二图像信息均出现异常状况时,取第一图像信息中出现的异常状况为识别出的车辆行驶前方在短焦可视距离内的异常状况。本发明公开的技术方案,能够提高防护效果,大大减少测距误差,提高了识别的精度。
Description
技术领域
本发明属于城市交通的领域,尤其涉及一种轨道交通状况的识别方法、装置、设备和计算机存储介质。
背景技术
随着城市轨道交通的迅捷发展,城市轨道交通系统的安全可靠、运营高效尤其关键。但目前人工驾驶效率比较底,其原因是多方面的,有驾驶员经验不足、驾驶过度疲劳等,这些因素导致了安全和效率都比较低,因此在列车自主环境感知的研究有必要的。但是,目前国内的列车自主环境感知尤其是防撞系统中还存在比较多的缺点,有待改善,比如:防护效率较低等。
发明内容
本发明实施例提供了一种轨道交通状况的识别方法,能够提高防护效果。
第一方面,提供一种轨道交通状况的识别方法,包括以下步骤:
获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的所述车辆行驶前方预定距离内的多张第二图像信息,其中所述短焦可见度距离是指短焦相机识别出轨道轮廓线的距离,所述预定距离大于所述短焦可见度距离;
基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析,根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况;
其中,所述异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种,所述预设逻辑融合规则包括当所述第一图像信息和所述第二图像信息均出现所述异常状况时,取所述第一图像信息中出现的所述异常状况为识别出的所述车辆行驶前方在所述短焦可见度距离内的所述异常状况。
在第一种可能的实现方式中,在基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析之前,还包括:
分别对每张所述第一图像信息和每张所述第二图像信息进行预处理分析,确定每张所述第一图像信息中的所述异常状况和每张所述第二图像信息的所述异常状况。
结合上述可能的实现方式,在第二种可能的实现方式中,所述分别对每张所述第一图像信息和每张所述第二图像信息进行预处理分析,包括:
分析每张所述第一图像信息和每张所述第二图像信息是否出现异常信息,所述异常信息包括障碍物信息、轨道道岔信息或信号机信息中的一种或几种;
当出现所述信号机信息时,则记录当前信号机信息,直至下一信号机的颜色与所述当前信号机的颜色不同时更换所述当前信号机信息。
结合上述可能的实现方式,在第三种可能的实现方式中,所述根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况,包括:
当所述第一图像信息存在所述障碍物信息时,识别出所述车辆行驶前方在所述短焦可见度距离内存在障碍物;
或者,
当所述第一图像信息正常时,而所述第二图像信息存在所述障碍物信息时,识别出所述车辆行驶前方在所述短焦可见度距离内不存在障碍物,而在所述预定距离之内存在障碍物;
或者,
当所述第一图像信息和所述第二图像信息均正常时,识别出所述车辆行驶前方在所述预定距离内不存在障碍物。
结合上述可能的实现方式,在第四种可能的实现方式中,
所述根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况,包括:
当所述第一图像信息和所述第二图像信息均仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息正常时,而所述第二图像信息仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述预定距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息仅存在信号机信息,而所述第二图像信息正常时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且存在信号机;
或者,
当所述第一图像信息正常,而所述第二图像信息仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且不存在信号机,而在所述车辆行驶前方在所述预定距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息正常,而所述第二图像信息仅存在所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且不存在信号机,而在所述车辆行驶前方在所述预定距离内单轨道且存在信号机;
或者,
当所述第一图像信息和所述第二图像信息均正常时,识别出所述车辆行驶前方在所述预定距离内存在单轨道且不存在信号机。
结合上述可能的实现方式,在第五种可能的实现方式中,所述识别方法,还包括:
当所述第一图像信息和/或所述第二图像信息仅存在所述信号机信息,且所述信号机信息中存在颜色异常信息时,确定所述信号机与所述车辆之间的距离为第一安全防护MA距离,并基于所述第一安全防护MA距离和所述颜色异常信息发出对应的第一安全提醒信号。
结合上述可能的实现方式,在第六种可能的实现方式中,所述识别方法,还包括:
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息中存在颜色异常信息时,确定所述短焦可见度距离为轨道道岔反位方向上的第二安全防护MA距离,并根据所述颜色异常信息中第一颜色异常信息和所述第二安全防护MA距离发出对应的第二安全提醒信号;
或者,
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息中不存在颜色异常信息时,确定所述预定距离为轨道道岔定位方向上的第三安全防护MA距离,并根据所述第三安全防护MA距离发出对应的第三安全提醒信号。
结合上述可能的实现方式,在第七种可能的实现方式中,所述识别方法,还包括:
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息正常时,确定所述短焦可见度距离为第四安全防护MA距离或者确定轨道道岔的岔心距离为第四安全防护MA距离,并根据所述第四安全防护MA距离发出对应的第四安全提醒信号。
结合上述可能的实现方式,在第八种可能的实现方式中,所述障碍物信息包括以下至少一种信息:图像中的轨道轮廓线长度小于所述可见度距离的信息和所述轨道轮廓线长度小于所述预定距离的信息。
第二方面,提供一种轨道交通状况的识别装置,所述识别装置包括:获取模块、融合识别处理模块;
所述获取模块,用于获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的所述车辆行驶前方预定距离内的多张第二图像信息,其中所述短焦可见度距离是指短焦相机识别出轨道轮廓线的距离,所述预定距离大于所述短焦可见度距离;
所述融合识别处理模块,用于基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析,根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况;
其中,所述异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种,所述预设逻辑融合规则包括当所述第一图像信息和所述第二图像信息均出现所述异常状况时,取所述第一图像信息中出现的所述异常状况为识别出的所述车辆行驶前方在所述短焦可见度距离内的所述异常状况。
第三方面,提供一种终端设备,包括:
存储器、处理器、通信接口和总线;
所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器用于存储程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1至9任一项的识别方法。
第四方面,一种计算机存储介质,包括指令,当所述指令在计算机上运行时,使所述计算机执行根据第一方面所述的识别方法。
与现有技术相比,本申请实施例提供一种轨道交通状况的识别方法,使用了长短焦相机结合的方式,通过长焦拍摄的长距离图像和短焦拍摄的短距离图像相结合,不但可以根据长焦图像提前提醒驾驶人员,及时给驾驶人员对前方的反应时间,大大减少了发生反应不及时的风险,提高安全防护效果,还可以根据短焦图像,更加清晰地放映给驾驶人员前方的路况,并进行提前预警和制动等,提高了前方道路的精度。
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,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,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是本发明实施例的一种轨道交通状况的识别方法的示意性流程图。
图2是本发明另一个实施例的障碍物逻辑判断的示意性流程图。
图3是本发明另一个实施例的车辆正反位走向的示意性框图。
图4是本发明另一个实施例的轨道岔道和信号机的逻辑判断的示意性流程图。
图5是本发明障碍物信息识别的示意性框图。
图6是本发明另一个实施例的一种轨道交通状况的识别装置的结构示意图。
图7示出了可以实现根据本发明实施例的识别方法和装置的计算设备的示例性硬件架构的结构图。
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。在下面的详细描述中,提出了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说很明显的是,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的更好的理解。
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
图1示出了本发明实施例的一种轨道交通状况的识别方法100的示意性流程图。该方法包括以下步骤:
S110,获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的车辆行驶前方预定距离内的多张第二图像信息,其中短焦可见度距离是指短焦相机识别出轨道轮廓线的距离,预定距离大于短焦可见度距离;
S120,基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析,根据分析结果识别出车辆行驶前方在预定距离内的异常状况;其中,异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种;预设逻辑融合规则包括当第一图像信息和第二图像信息均出现异常状况时,取所述第一图像信息中出现的异常状况为识别出的车辆行驶前方短焦可见度距离内的异常状况。
在步骤S110中,短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,比如:短焦拍摄的是前方100米内的图像信息,在每张图像中出现的轨道,会通过轨道轮廓线识别出来,该轨道的轮廓线是使用了一些深度学习方法提前训练出来的,因此只要图像中有轨道,就可以通过轨道轮廓线识别出来,无论是单轨道或者是轨道道岔,因此当图像中出现了单轨道轮廓线或者轨道道岔轮廓线,就会自动识别出来。而长焦相机拍摄的车辆行驶前方预定距离内的多张第二图像信息,比如:长焦拍摄的是前方300米内的图像信息,长焦相机拍摄的图像比较远,精度比较低,而短焦拍摄的是比较近的,精度比较高。在本发明实施例中还需要说明的是,由于通常情况下,长焦可见度距离的长度比较长,例如在单轨道的情况下可以达到300-350米,但是在进行列车防护时,并不需要这么长的距离,例如:在80km/小时的列车速度下,根据列车的通用制动性能,大概270米内即可实现安全防护,所以在采用长焦相机的图片信息时,并不需要使用长焦可见度距离内的所有图片信息,只需要采用预定距离内的信息即可,比如:长焦图像拍摄的是350米的距离图像,而本实施例中只需要拍摄300米的距离图像,这样可以减少图片量信息的处理,提高后续融合的精度。因此,本发明中的预定距离是指在列车能够完全进行安全防护的距离,例如在80km/小时的列车速度下,根据列车的通用制动性能,其为270米。
在步骤S120中,基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析。比如:在短焦拍摄的图像信息中会出现有障碍物、信号机或者轨道道岔,长焦拍摄的图像信息中也会出现有障碍物、信号机或者轨道道岔,那么会优先根据短焦拍摄的图像信息进行确定。例如:短焦拍摄的图像信息是前方100米,图像中在前方50米出现障碍物,而长焦拍摄的图像信息是前方300米,图像中在前方55米出现障碍物,融合逻辑规则就会根据短焦拍摄的确定是前方50米出现障碍物。再例如:当短焦拍摄的图像中出现有信号机,长焦拍摄的图像中也出现有信号机,就会确定前方确实有信号机。
再例如:若是短焦拍摄的图像信息中没有出现障碍物,而长焦拍摄的图像信息中是有障碍物的,比如:短焦图像中前方100米正常,而长焦图像中前方200米有障碍物,那么融合逻辑规则就会根据长焦拍摄的确定是前方200米出现障碍物,在前方100米内没有障碍物。
再例如:短焦拍摄有障碍物,没有信号机,长焦拍摄的有障碍物,也有信号机,比如:短焦图像中前方50米有障碍物,在前方100米内没有信号机,长焦图像中前方55米有障碍物,前方150米有信号机,那么根据融合规则,可以确定的是前方50米有障碍物,前方150米有信号。同理,轨道道岔的确认也是基于先判断短焦图像中是否有岔道,再结合长焦图像进行判断。
正如上述采用的融合规则,本实施例中使用长短焦结合的方式,可以利用出长焦拍摄的距离比较远,短焦拍摄精度比较高的优点,不但可以提前提醒驾驶员前方出现的状况,同时由于长焦的距离远,可以提供足够的时间进行各种操作反应,比如:减速、匀速等等,短焦的精度高,可以准确地知道前方是障碍物,还是车辆或者是红灯等等。
因此,根据本发明实施例的一种轨道交通状况的识别方法,通过采用长短焦结合的方式,不但可以根据长焦图像提前提醒驾驶人员,及时给驾驶人员对前方的反应时间,大大减少了发生反应不及时的风险,提高安全防护效果,还可以根据短焦图像,更加清晰地放映给驾驶人员前方的路况,提高了前方道路的精度。
根据本发明另一实施例的一种轨道交通状况的识别方法200的示意性流程图。
该方法200包括以下步骤:
S210,获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的车辆行驶前方预定距离内的多张第二图像信息,其中短焦可见度距离是指相机识别出轨道轮廓线的距离,预定距离大于短焦可见度距离;
S220,分别对每张第一图像信息和每张第二图像信息进行预处理分析,确定每张第一图像信息中的异常状况和每张第二图像信息的异常状况;
S230,基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析,根据分析结果识别出车辆行驶前方在预定距离内的异常状况;其中,异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种;预设逻辑融合规则包括当第一图像信息和第二图像信息均出现异常状况时,取所述第一图像信息中出现的异常状况为识别出的车辆行驶前方在短焦可视度距离内的异常状况。
在上述的实施例中已经介绍了关于短焦和长焦拍摄的图像信息,而本实施例主要是在基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析之前,还需要进行预处理的。
在本实施例中预处理主要是将短焦拍摄的图像信息和长焦拍摄的图像信息分别进行分析处理,具体是将短焦拍摄的图像信息分析出里面是否包含有障碍物信息、信号机信息或者轨道道岔信息,先将这些异常的信息记录下来,同样也将长焦里面的图像信息分析出里面是否包含有障碍物信息、信号机信息或者轨道道岔信息,先将这些异常的信息也记录下来。然后对图像信息进行预处理主要是信号机方向锁定和可见度的处理。
下面是的实施例是对信号机方向锁定和可见度的预处理,
作为一个可选实施例,步骤S220,包括以下步骤:
S221,分析每张第一图像信息和每张第二图像信息是否出现异常信息,异常信息包括障碍物信息、轨道道岔信息或信号机信息中的一种或几种;
S222,当出现信号机信息时,则记录当前信号机信息,直至下一信号机的颜色与当前信号机的颜色不同时更换当前信号机信息。
在本实施例中主要是进行信号机方向锁定的预处理,当出现信号机信息时,还需要进行一下信号机方向的锁定,主要是在经过当前信号机的时候,会锁定为当前信号机的颜色,比如当前信号机的颜色是绿色,那么就会记住当前信号机颜色为绿色的信息,保持一段时间,这是为了避免由于图像拍摄时不稳定或者是在列车经过道岔时,信号机在道岔前方,会先比道岔从图像中消失,例如列车在经过道岔时信号机先进入图像拍摄的盲区,导致拍摄时并没有将这部分的图像拍摄进,但是此时列车并没有经过信号机和道岔的,而列车还需要根据信号机的颜色选择道岔方位或者定位距离的,所以需要将当前的信息机信息记录,保持当前信号机的颜色,等到经过了道岔后,且遇到下一个信号机时,下一个信号机的颜色不是绿色,而是其他的黄色或者红色,就会改变当前记录的信号机的颜色信息。或者说当前的相机中拍摄的图片中出现信号机之后,过一段时间所拍摄的图片中没有信号机,在这些没有出现信号机的图片中也默认该图片中有信号机且其颜色为之前出现的信号机的颜色,比如:当前信号机是红色,一段时间后没有出现信号机,那么就会保持记录信号灯红色的信息,直到新拍摄的图片中再次出现了新的信号机且该信号灯的颜色不是红色时,才采用新的信号机的颜色。
因此,通过本实施例的方向锁定,可以避免拍摄的盲区,识别出所有的路况。
可见度的预处理是对安全防护距离的预处理,主要是根据信号机的颜色取安全防护距离MA,比如:短焦拍摄的图像出现信号机,而且信号机是红色,就需要确定短焦当前状态的安全防护距离。在确定安全防护距离时也是分别对短焦拍摄的图像信息和长焦拍摄的图像信息进行预处理的。
比如:当前是单轨道且信号机是绿色,那么就说明了前方是安全,可以直行,短焦的安全防护距离MA就是短焦的可见度距离,若短焦的可见度距离是100米,那么短焦的安全防护距离MA就是100米,长焦的安全的防护距离就是预定距离300米。
比如:若是当前是单轨道且信号机是红色,那么短焦拍摄的图像信息的安全防护距离就是车辆到信号机的距离,如短焦前方100米信号机是红色,短焦的安全防护距离MA就是100米,而长焦前方250米是红色,长焦的安全的防护距离就是250米,但是若当前是轨道岔道,那么就需要根据该轨道岔道旁边信号灯的颜色进行确定,当信号灯的颜色是黄色时,说明是取反位,绿色时是定位,若是绿色那么就可以根据不同的轨道岔道取该岔道的岔心距离或者取短焦的可见度距离为安全的防护距离MA。
下面将基于融合逻辑规则进行融合逻辑分析进行详细的描述。
在本实施例中当第一图像信息存在障碍物信息时,识别出车辆行驶前方在短焦可见度距离内存在障碍物;
或者,
当第一图像信息正常时,而第二图像信息存在障碍物信息时,识别出车辆行驶前方在短焦可见度距离内不存在障碍物,而在预定距离之内存在障碍物;
或者,
当第一图像信息和第二图像信息均正常时,识别出车辆行驶前方在预定距离内不存在障碍物
比如:短焦拍摄的图像信息中是存在障碍物信息的,而长焦拍摄的图像也是存在障碍物信息,那么会以短焦拍摄的图像信息中的障碍物信息为最终的状况,说明前方是出现障碍物的。
若是短焦的图像信息中没有障碍物信息,但是长焦的图像信息中是有障碍物信息,那么最终的状况是在短焦的可见度范围中是没有障碍物的,或者是短焦的前方100米内没有障碍物,而长焦的前方200米内有障碍物,所以可以确定的是前方100米内是没有障碍物的,或者在200米处有障碍物的。
另外对于在轨道岔道上有障碍物,且该障碍物是车辆时,需要确定是在定位或者反位方向。如图3所示,当在反位方向上有车辆时,车辆从下行T2位置沿着定位走入上行T4位置,最后到上行T3的位置,从上行T3位置走定位方向返回到T1位置。
可选地,如图4所示,作为另一实施例,S230,根据分析结果识别出车辆行驶前方在预定距离内的异常状况,包括:
当第一图像信息和第二图像信息均仅存在轨道道岔信息和信号机信息时,识别出车辆行驶前方在短焦可见度距离内存在轨道道岔和信号机;
或者,
当第一图像信息正常时,而第二图像信息仅存在轨道道岔信息和信号机信息时,识别出车辆行驶前方在预定距离内存在轨道道岔和信号机;
或者,
当第一图像信息仅存在信号机信息,而第二图像信息正常时,识别出车辆行驶前方在短焦可见度距离内单轨道且存在信号机;
或者,
当第一图像信息正常,而第二图像信息仅存在轨道道岔信息和信号机信息时,识别出车辆行驶前方在短焦可见度距离内单轨道且不存在信号机,而在车辆行驶前方在预定距离内存在轨道道岔和信号机;
或者,
当第一图像信息正常,而第二图像信息仅存在信号机信息时,识别出车辆行驶前方在短焦可见度距离内单轨道且不存在信号机,而在车辆行驶前方在预定距离内单轨道且存在信号机;
或者,
当第一图像信息和第二图像信息均正常时,识别出车辆行驶前方在预定距离内存在单轨道且不存在信号机。
在本实施例中根据预处理分析后得到的短焦和长焦的图像信息进行融合处理,在短焦和长焦拍摄的图像都有异常时,不管长焦拍摄的图像信息包含哪些信息,都是先考虑短焦拍摄的图像信息,当短焦拍摄的图像信息是存在轨道道岔信息和信号机信息,没有障碍物信息,可以识别出车辆行驶前方在短焦可见度距离内单轨道且存在信号机,比如:短焦拍摄的图像信息是前方50米有轨道道岔且有信号灯,那么就可以确定当前车辆前方50米有轨道道岔且有信号灯。
或者,
短焦的图像信息是仅存在信号机信息的,而长焦的图像信息正常时,比如:前方50米有信号机,则不管长焦拍摄的图像信息是正常的,也就是车辆当前前方50米处有信号机,50米之后的距离是没有信号机的等等。
或者,
短焦的图像信息是正常的,里面既没有信号机信息、障碍物信息或者轨道岔道信息,比如“短焦前方100米内正常,没有信号机信息、障碍物信息或者轨道岔道信息”,但是长焦300米也许是存在“信号机信息、障碍物信息或者轨道岔道信息”,那么可以确定的是车辆当前前方100米单轨道且也没有信号机,在100-300米内可能是存在信号机和轨道道岔的。
或者,
短焦的图像信息是正常,而长焦的图像里面仅有信号机,比如:短焦前方100内正常,没有“信号机信息、障碍物信息或者轨道岔道信息”,但是长焦300米存在“信号机息”,那么可以确定的是车辆当前前方100米单轨道且也没有信号机,在100-300米内可能是存在信号机的。
或者,
当短焦和长焦的图像信息均正常,那么车辆行驶前方在300米内没有道岔,是单轨道且不存在信号机。
通过使用短焦和长焦结合的识别方式,当在短焦中出现障碍物或者红灯时,可以及时减速,若是在长焦图像中出现障碍物或者红灯时,可以在有效的距离范围内进行减速,驾驶员可以根据实际的情况进行实际性的调节,提高了安全的防护性。
下面在识别出异常状况后还进行了以下操作,主要是确定安全防护距离。
在本实施例中是将当第一图像信息和/或所述第二图像信息仅存在信号机信息,且信号机信息中存在颜色异常信息时,确定信号机与车辆之间的距离为第一安全防护MA距离,并基于第一安全防护MA距离和颜色异常信息发出对应的第一安全提醒信号,其中信号机信息是指距离车辆最近的一个信号机信息。
需要说明的是,在本实施例中颜色异常信息时是指信号灯的颜色为红色或者黄色。
比如:短焦前方100米是红色信号,说明是存在颜色异常信息的,那么短焦的安全防护距离MA就是100米,而长焦前方250米是红色,长焦的安全的防护距离就是250米。
可选地,作为另一实施例,所述识别方法,还包括:
当第一图像信息和/或述第二图像信息仅存在轨道道岔信息和信号机信息,且信号机信息中存在颜色异常信息时,确定所述短焦可见度距离为轨道道岔反位方向上的第二安全防护MA距离,并根据颜色异常信息中第一颜色异常信息和第二安全防护MA距离发出对应的第二安全提醒信号;
或者,
当第一图像信息和/或第二图像信息仅存在轨道道岔信息和信号机信息,且信号机信息中不存在颜色异常信息时,确定所述预定距离为轨道道岔定位方向上的第三安全防护MA距离,并第三安全防护MA距离发出对应的第三安全提醒信号。
在本实施例中当前是轨道岔道,那么就需要根据该轨道岔道旁边信号灯的颜色进行确定,本实施例中第一颜色异常信息是指信号机为黄色或/和红色时,当信号灯的颜色是黄色时,说明是取反位,那么反位上的安全防护距离是可见度距离。
比如:短焦前方100米是轨道岔道,信号机是黄色,那么100米就是轨道道岔定位方向上的安全防护MA距离。
若短焦前方100米是轨道岔道,信号机是绿色,那么定位方向是安全防护距离就是预定距离300米。
可选地,作为另一实施例,所述识别方法,还包括:
当第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和信号机信息,且信号机信息正常时,确定短焦可见度距离或者确定轨道道岔的岔心距离为第四安全防护MA距离,并根据第四安全防护MA距离发出对应的第四安全提醒信号;
在本实施例中短焦的图像信息是有轨道岔道信息和信号机信息,但是信号机是绿色,那么说明当前车辆前方是定位方向,确定短焦的可见度距离就是安全防护距离MA,或者轨道道岔的岔心距离为安全防护MA距离。比如:短焦的图像中是前方50米有轨道岔道,但是为定位方向,就直接确定短焦的可见度100米距离为安全防护距离MA,或者是当前轨道道岔的岔心距离为安全防护MA距离。
对于上述所有的实施例,如图5所示,还需要说明的是障碍物信息包括以下至少一种信息:图像中的轨道轮廓线长度小于可见度距离的信息和轨道轮廓线长度小于预定距离的信息。
可以理解的是,当障碍物是车辆时,通过深度学习的方法可以直接确定为车辆,但是若是其他的障碍物的时候,就需要根据在图像中的轮廓线进行确定,比如:短焦图像是100米的可见度,若是没有障碍物,轨道的轮廓线连续就是100米,但是若是轨道上有障碍物,那么图像中轨道的轮廓线就会被阻挡,会小于100米。如图5中全程的轨道轮廓线300,障碍物的轮廓线301。
通过上述的实施例,采用长短焦结合的方式,不但可以根据长焦图像提前提醒驾驶人员,及时给驾驶人员对前方的反应时间,大大减少了发生反应不及时的风险,提高安全防护效果,还可以根据短焦图像,更加清晰地放映给驾驶人员前方的路况,提高了前方道路的精度。
上文中详细描述了根据本发明实施例的一种轨道交通状况的识别方法,下面将结合图6,详细描述根据本发明实施例一种轨道交通状况的识别装置,所述识别装置400包括:
获取模块410、融合识别处理模块420;
获取模块410,用于获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的车辆行驶前方预定距离内的多张第二图像信息,其中短焦可见度距离是指相机识别出轨道轮廓线的距离,预定距离大于短焦可见度距离;
融合识别处理模块420,用于基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析,根据分析结果识别出车辆行驶前方在预定距离内的异常状况;
其中,异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种;预设逻辑融合规则包括当第一图像信息和第二图像信息均出现异常状况时,取第一图像信息中出现的异常状况为识别出的车辆行驶前方在预定距离内的异常状况。
在本实施例中短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,比如:短焦拍摄的是前方100米内的图像信息,在每张图像中出现的轨道,会通过轨道轮廓线识别出来,该轨道的轮廓线是使用了一些深度学习方法提前训练出来的,因此只要图像中有轨道,就可以通过轨道轮廓线识别出来,无论是单轨道或者是轨道道岔,因此当图像中出现了单轨道轮廓线或者轨道道岔轮廓线,就会自动识别出来。而长焦相机拍摄的车辆行驶前方预定距离内的多张第二图像信息,比如:长焦拍摄的是前方300米内的图像信息,长焦相机拍摄的图像比较远,精度比较低,而短焦拍摄的是比较近的,精度比较高。
基于预设逻辑融合规则对每张第一图像信息和每张第二图像信息进行融合逻辑分析。比如:在短焦拍摄的图像信息中会出现有障碍物、信号机或者轨道道岔,长焦拍摄的图像信息中也会出现有障碍物、信号机或者轨道道岔,那么会优先根据短焦拍摄的图像信息进行确定。例如:短焦拍摄的图像信息是前方100米,图像中在前方50米出现障碍物,而长焦拍摄的图像信息是前方300米,图像中在前方55米出现障碍物,融合逻辑规则就会根据短焦拍摄的确定是前方50米出现障碍物。再例如:当短焦拍摄的图像中出现有信号机,长焦拍摄的图像中也出现有信号机,就会确定前方确实有信号机。
再例如:若是短焦拍摄的图像信息中没有出现障碍物,而长焦拍摄的图像信息中是有障碍物的,比如:短焦图像中前方100米正常,而长焦图像中前方200米有障碍物,那么融合逻辑规则就会根据长焦拍摄的确定是前方200米出现障碍物,在前方100米内没有障碍物。
再例如:短焦拍摄有障碍物,没有信号机,长焦拍摄的有障碍物,也有信号机,比如:短焦图像中前方50米有障碍物,在前方100米内没有信号机,长焦图像中前方55米有障碍物,前方150米有信号机,那么根据融合规则,可以确定的是前方50米有障碍物,前方150米有信号。同理,轨道道岔的确认也是基于先判断短焦图像中是否有岔道,再结合长焦图像进行判断。
正如上述采用的融合规则,本实施例中使用长短焦结合的方式,可以利用出长焦拍摄的距离比较远,短焦拍摄精度比较高的优点,不但可以提前提醒驾驶员前方出现的状况,同时由于长焦的距离远,可以提供足够的时间进行各种操作反应,比如:减速、匀速等等,短焦的精度高,可以准确地知道前方是障碍物,还是车辆或者是红灯等等。
因此,根据本发明实施例的识别装置,通过采用长短焦结合的方式,不但可以根据长焦图像提前提醒驾驶人员,及时给驾驶人员对前方的反应时间,大大减少了发生反应不及时的风险,提高安全防护效果,还可以根据短焦图像,更加清晰地放映给驾驶人员前方的路况,提高了前方道路的精度。
本发明实施例还提供一种终端设备,包括:
存储器、处理器、通信接口和总线;
所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器用于存储程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行上述任一实施例的识别方法。
根据本发明实施例的定位装置的其他细节与以上结合图1至图5描述的根据本发明实施例的方法类似,在此不再赘述。
结合图1至图6描述的根据本发明实施例的定位方法和装置可以由可拆卸地或者固定地安装在网络设备上的计算设备实现。图7是示出能够实现根据本发明实施例的识别方法和装置的计算设备的示例性硬件架构的结构图。如图7所示,计算设备500包括输入设备501、输入接口502、中央处理器503、存储器504、输出接口505、以及输出设备506。其中,输入接口502、中央处理器503、存储器504、以及输出接口505通过总线510相互连接,输入设备501和输出设备506分别通过输入接口502和输出接口505与总线510连接,进而与计算设备500的其他组件连接。具体地,输入设备501接收来自外部的输入信息,并通过输入接口502将输入信息传送到中央处理器503;中央处理器503基于存储器504中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器504中,然后通过输出接口505将输出信息传送到输出设备506;输出设备506将输出信息输出到计算设备500的外部供用户使用。
也就是说,图7所示的计算设备也可以被实现为包括:存储有计算机可执行指令的存储器;以及处理器,该处理器在执行计算机可执行指令时可以实现结合图1至图6描述的识别方法和装置。这里,处理器可以执行计算机可执行指令,从而实现结合图1至图6描述的识别方法和装置。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
本发明一种计算机存储介质,包括指令,当所述指令在计算机上运行时,使所述计算机执行根据上述任一实施例的识别方法。
下面是对上述所有实施例中提及到的信号机信息、轨道道岔信息进行解析,信号机信息里面包括有:
1、信号机颜色(0:无灯,01:绿灯,02:黄灯,03:红灯);
2、信号机编号id(数字序号);
3、信号机位置信息(01表示在轨道左侧,02表示在轨道右侧);轨道道岔信息包括有:
4、道岔岔心(指分叉点)距离;
5、道岔编号id(数字序号);
6、轨道线为单轨(1:无道岔单轨类型)、定位路(3:道岔直向)、反位路(2:道岔反向)
7、轨道线路的终点是否是列车障碍物(0X55:有车,0XAA:表示无车)。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是,本发明中提及的示例性实施例,基于一系列的步骤或者装置描述一些方法或系统。但是,本发明不局限于上述步骤的顺序,也就是说,可以按照实施例中提及的顺序执行步骤,也可以不同于实施例中的顺序,或者若干步骤同时执行。
以上所述,仅为本发明的具体实施方式,所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,上述描述的系统、模块和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。应理解,本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (12)
1.一种轨道交通状况的识别方法,其特征在于,所述识别方法包括:
获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的所述车辆行驶前方预定距离内的多张第二图像信息,其中所述短焦可见度距离是指所述短焦相机识别出轨道轮廓线的距离,所述预定距离大于所述短焦可见度距离;
基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析,根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况;
其中,所述异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种,所述预设逻辑融合规则包括:当所述第一图像信息和所述第二图像信息均出现所述异常状况时,取所述第一图像信息中出现的所述异常状况为识别出的所述车辆行驶前方在所述短焦可见度距离内的所述异常状况。
2.根据权利要求1所述的识别方法,其特征在于,在基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析之前,还包括:
分别对每张所述第一图像信息和每张所述第二图像信息进行预处理分析,确定每张所述第一图像信息中的所述异常状况和每张所述第二图像信息中的所述异常状况。
3.根据权利要求2所述的识别方法,其特征在于,所述分别对每张所述第一图像信息和每张所述第二图像信息进行预处理分析,包括:
分析每张所述第一图像信息和每张所述第二图像信息是否出现异常信息,所述异常信息包括障碍物信息、轨道道岔信息或信号机信息中的一种或几种;
当出现所述信号机信息时,则记录当前信号机信息,直至下一信号机的颜色与所述当前信号机的颜色不同时更换所述当前信号机信息。
4.根据权利要求3所述的识别方法,其特征在于,所述根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况,包括:
当所述第一图像信息存在所述障碍物信息时,识别出所述车辆行驶前方在所述短焦可见度距离内存在障碍物;
或者,
当所述第一图像信息正常,而所述第二图像信息存在所述障碍物信息时,识别出所述车辆行驶前方在所述短焦可见度距离内不存在障碍物,而在所述预定距离之内存在障碍物;
或者,
当所述第一图像信息和所述第二图像信息均正常时,识别出所述车辆行驶前方在所述预定距离内不存在障碍物。
5.根据权利要求3所述的识别方法,其特征在于,所述根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况,包括:
当所述第一图像信息和所述第二图像信息均仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息正常,而所述第二图像信息仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述预定距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息仅存在信号机信息,而所述第二图像信息正常时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且存在信号机;
或者,
当所述第一图像信息正常,而所述第二图像信息仅存在所述轨道道岔信息和所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且不存在信号机,而在所述车辆行驶前方在所述预定距离内存在轨道道岔和信号机;
或者,
当所述第一图像信息正常,而所述第二图像信息仅存在所述信号机信息时,识别出所述车辆行驶前方在所述短焦可见度距离内单轨道且不存在信号机,而在所述车辆行驶前方在所述预定距离内单轨道且存在信号机;
或者,
当所述第一图像信息和所述第二图像信息均正常时,识别出所述车辆行驶前方在所述预定距离内存在单轨道且不存在信号机。
6.根据权利要求5所述的识别方法,其特征在于,所述识别方法,还包括:
当所述第一图像信息和/或所述第二图像信息仅存在所述信号机信息,且所述信号机信息中存在颜色异常信息时,确定所述信号机与所述车辆之间的距离为第一安全防护MA距离,并基于所述第一安全防护MA距离和所述颜色异常信息发出对应的第一安全提醒信号,其中所述信号机信息是指距离所述车辆最近的一个信号机信息。
7.根据权利要求5所述的识别方法,其特征在于,所述识别方法,还包括
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息中存在颜色异常信息时,确定所述短信号机与所述车辆之间的距离为轨道道岔反位方向上的第二安全防护MA距离,并根据所述颜色异常信息中第一颜色异常信息和所述第二安全防护MA距离发出对应的第二安全提醒信号;
或者,
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息中不存在颜色异常信息时,确定所述预定距离为轨道道岔正位方向上的第三安全防护MA距离,并根据所述第三安全防护MA距离发出对应的第三安全提醒信号。
8.根据权利要求5所述的识别方法,其特征在于,所述识别方法,还包括:
当所述第一图像信息和/或所述第二图像信息仅存在轨道道岔信息和所述信号机信息,且所述信号机信息正常时,确定所述短焦可见度距离为第四安全防护MA距离或者确定轨道道岔的岔心距离为第四安全防护MA距离,并根据所述第四安全防护MA距离发出对应的第四安全提醒信号。
9.根据权利要求3所述的识别方法,其特征在于,所述障碍物信息包括以下至少一种信息:图像中的轨道轮廓线长度小于所述可见度距离的信息和所述轨道轮廓线长度小于所述预定距离的信息。
10.一种轨道交通状况的识别装置,其特征在于,所述识别装置包括:获取模块、融合识别处理模块;
所述获取模块,用于获取由短焦相机拍摄的车辆行驶前方短焦可见度距离内的多张第一图像信息,和获取由长焦相机拍摄的所述车辆行驶前方预定距离内的多张第二图像信息,其中所述短焦可见度距离是指所述短焦相机识别出轨道轮廓线的距离,所述预定距离大于所述短焦可见度距离;
所述融合识别处理模块,用于基于预设逻辑融合规则对每张所述第一图像信息和每张所述第二图像信息进行融合逻辑分析,根据分析结果识别出所述车辆行驶前方在所述预定距离内的异常状况;
其中,所述异常状况指出现信号机、障碍物或者轨道道岔中的一种或多种,所述预设逻辑融合规则包括当所述第一图像信息和所述第二图像信息均出现所述异常状况时,取所述第一图像信息中出现的所述异常状况为识别出的所述车辆行驶前方在所述短焦可见距离内的所述异常状况。
11.一种终端设备,其特征在于,包括:
存储器、处理器、通信接口和总线;
所述存储器、所述处理器和所述通信接口通过所述总线连接并完成相互间的通信;
所述存储器用于存储程序代码;
所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序,以用于执行如权利要求1至9任一项的识别方法。
12.一种计算机存储介质,包括指令,当所述指令在计算机上运行时,使所述计算机执行根据权利要求1至9任一项所述的识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810282530.8A CN108583622B (zh) | 2018-04-02 | 2018-04-02 | 轨道交通状况的识别方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810282530.8A CN108583622B (zh) | 2018-04-02 | 2018-04-02 | 轨道交通状况的识别方法、装置、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108583622A true CN108583622A (zh) | 2018-09-28 |
CN108583622B CN108583622B (zh) | 2020-12-25 |
Family
ID=63625144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810282530.8A Active CN108583622B (zh) | 2018-04-02 | 2018-04-02 | 轨道交通状况的识别方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108583622B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110217271A (zh) * | 2019-05-30 | 2019-09-10 | 成都希格玛光电科技有限公司 | 基于图像视觉的快速轨道侵限识别监测系统及方法 |
CN110297252A (zh) * | 2019-07-17 | 2019-10-01 | 哈尔滨理工大学 | 一种基于激光传感器阵列的列车前方障碍物检测系统及其检测方法 |
CN110329316A (zh) * | 2019-07-29 | 2019-10-15 | 江苏必得科技股份有限公司 | 一种城市轨道障碍物检测装置及检测方法 |
CN110481601A (zh) * | 2019-09-04 | 2019-11-22 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN111824213A (zh) * | 2019-04-18 | 2020-10-27 | 中车株洲电力机车研究所有限公司 | 一种重载机车自动驾驶方法及系统 |
CN113486783A (zh) * | 2021-07-02 | 2021-10-08 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 轨道交通车辆的障碍物检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102092408A (zh) * | 2010-12-15 | 2011-06-15 | 河北汉光重工有限责任公司 | 铁路机车辅助驾驶装置 |
CN103370224A (zh) * | 2011-02-10 | 2013-10-23 | 戴姆勒股份公司 | 具有用于监控车辆周边环境的装置的车辆 |
CN104386092A (zh) * | 2014-10-21 | 2015-03-04 | 卡斯柯信号有限公司 | 基于图像识别和多感知融合的列车自动防护系统及方法 |
CN105083326A (zh) * | 2015-07-28 | 2015-11-25 | 陕西西北铁道电子有限公司 | 利用光学探测机构追踪钢轨轨迹的机车防撞方法及装置 |
CN105438147A (zh) * | 2015-12-08 | 2016-03-30 | 陕西西北铁道电子有限公司 | 车载光学探测结合点对点通讯的机车防撞方法 |
CN106394406A (zh) * | 2015-07-29 | 2017-02-15 | 株式会社万都 | 用于车辆的摄像机装置 |
CN107107933A (zh) * | 2014-11-10 | 2017-08-29 | 庞巴迪运输有限公司 | 具有图像产生系统的轨道车辆的运行 |
-
2018
- 2018-04-02 CN CN201810282530.8A patent/CN108583622B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102092408A (zh) * | 2010-12-15 | 2011-06-15 | 河北汉光重工有限责任公司 | 铁路机车辅助驾驶装置 |
CN103370224A (zh) * | 2011-02-10 | 2013-10-23 | 戴姆勒股份公司 | 具有用于监控车辆周边环境的装置的车辆 |
CN104386092A (zh) * | 2014-10-21 | 2015-03-04 | 卡斯柯信号有限公司 | 基于图像识别和多感知融合的列车自动防护系统及方法 |
CN107107933A (zh) * | 2014-11-10 | 2017-08-29 | 庞巴迪运输有限公司 | 具有图像产生系统的轨道车辆的运行 |
CN105083326A (zh) * | 2015-07-28 | 2015-11-25 | 陕西西北铁道电子有限公司 | 利用光学探测机构追踪钢轨轨迹的机车防撞方法及装置 |
CN106394406A (zh) * | 2015-07-29 | 2017-02-15 | 株式会社万都 | 用于车辆的摄像机装置 |
CN105438147A (zh) * | 2015-12-08 | 2016-03-30 | 陕西西北铁道电子有限公司 | 车载光学探测结合点对点通讯的机车防撞方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111824213A (zh) * | 2019-04-18 | 2020-10-27 | 中车株洲电力机车研究所有限公司 | 一种重载机车自动驾驶方法及系统 |
CN110217271A (zh) * | 2019-05-30 | 2019-09-10 | 成都希格玛光电科技有限公司 | 基于图像视觉的快速轨道侵限识别监测系统及方法 |
CN110297252A (zh) * | 2019-07-17 | 2019-10-01 | 哈尔滨理工大学 | 一种基于激光传感器阵列的列车前方障碍物检测系统及其检测方法 |
CN110329316A (zh) * | 2019-07-29 | 2019-10-15 | 江苏必得科技股份有限公司 | 一种城市轨道障碍物检测装置及检测方法 |
CN110481601A (zh) * | 2019-09-04 | 2019-11-22 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN113486783A (zh) * | 2021-07-02 | 2021-10-08 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 轨道交通车辆的障碍物检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108583622B (zh) | 2020-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108583622B (zh) | 轨道交通状况的识别方法、装置、设备和介质 | |
CN108528478B (zh) | 轨道交通状况的识别方法和装置 | |
CN108583620B (zh) | 列车辅助追踪预警的处理器和预警系统 | |
CN109484435B (zh) | 一种适用于轨道交通智能检测系统的列车定位方法和装置 | |
CN108569295B (zh) | 用于环境检测的方法和系统 | |
EP3104284B1 (en) | Automatic labeling and learning of driver yield intention | |
CN112665590B (zh) | 车辆的轨迹确定方法、装置、电子设备及计算机存储介质 | |
CN104658290A (zh) | 用于路口驾驶建议的处理单元、系统和方法 | |
CN105973245A (zh) | 利用无人驾驶车辆更新在线地图的方法和装置 | |
CN111047870A (zh) | 交通违规车辆识别系统、服务器及存储有车辆控制程序的非易失性存储介质 | |
CN108369774A (zh) | 用于在即将进行的超车动作方面辅助机动车的驾驶员的方法以及机动车 | |
CN111524378B (zh) | 交通管理系统、控制方法、以及车辆 | |
CN102707299A (zh) | 浮动车数据地图匹配的方法和装置 | |
CN112550375B (zh) | 一种基于卫星定位的列车车长识别方法及系统 | |
CN112580460A (zh) | 一种交通信号灯的识别方法、装置、设备及存储介质 | |
CN115699104A (zh) | 交通灯分类系统的无标记性能评估器 | |
CN109887321B (zh) | 无人车变道安全判别方法、装置及存储介质 | |
CN113895481B (zh) | 基于图形识别的列车定位与追踪管理方法、设备及介质 | |
KR20120014095A (ko) | 선로 영상을 이용한 열차 운행 종합 제어 시스템 및 그 제어방법 | |
CN110363982B (zh) | 基于路边无线单元的车型识别方法、终端设备及存储介质 | |
CN103935293A (zh) | 车道偏离警示系统与车道辨识装置以及相关方法 | |
JP5957182B2 (ja) | 路面上パターン認識方法および車両用情報記録装置 | |
KR20170045061A (ko) | 차량데이터를 이용한 경로 안내 장치 및 그 방법 | |
US12115981B2 (en) | Vehicle driving assistance system, base point side driving assistance device | |
CN109737979A (zh) | 一种用于无人驾驶车航线的储存方法和系统 |
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 |