CN111207687A

CN111207687A - 一种轨道车辆的限界检测方法、装置及系统

Info

Publication number: CN111207687A
Application number: CN202010040197.7A
Authority: CN
Inventors: 聂文斌; 李杨; 王虎高; 陈中杰; 李科; 杨迪辉
Original assignee: CRRC Zhuzhou Locomotive Co Ltd
Current assignee: CRRC Zhuzhou Locomotive Co Ltd
Priority date: 2020-01-15
Filing date: 2020-01-15
Publication date: 2020-05-29
Anticipated expiration: 2040-01-15
Also published as: CN111207687B

Abstract

本申请公开了一种轨道车辆的限界检测方法，包括获取待测轨道车辆在运行时多个截面的第一深度图像；根据第一深度图像构建待测轨道车辆的运行偏移状态模型，得到待测轨道车辆的动态包络线；获取待测轨道车辆所在轨道的车辆限界；融合动态包络线和车辆限界，并确定动态包络线是否侵入车辆限界。该检测方法通过将轨道车辆的动态包络线与车辆限界融合，进而确定出动态包络线是否侵入车辆限界，完成对车辆限界的检测，动态包络线是根据第一深度图像构建的运行偏移状态模型得到的，更能反映轨道车辆的偏移状况，进而提升限界检测的准确度，并且无需使用聚苯乙烯，成本降低。此外，本申请还提供一种具有上述优点的限界检测装置及系统。

Description

一种轨道车辆的限界检测方法、装置及系统

技术领域

本申请涉及轨道交通车辆技术领域，特别是涉及一种轨道车辆的限界检测方法、装置及系统。

背景技术

轨道车辆在运行过程中，需要一定的安全空间，以保证轨道车辆的安全运行，这个安全空间称为限界。因此，限界检测对轨道车辆安全运行十分重要。

利用动态检测方法对限界进行检测是指通过捕捉车辆的动态运动状态进行检测，从而保证车辆在运行过程中不超过车辆限界，故障工况下不超过设备限界。现有的动态检测方法是运用速度传感器和粘贴聚苯乙烯的方法对车辆动态运动状态进行检测，但是，运用速度传感器检测时误差较大，在记录每次运动状态的时候容易产生较大误差，而且粘贴聚苯乙烯的价格极其昂贵，一般难以满足长时间，长距离的检测，同时对于线路条件要求较高。

因此，如何解决上述技术问题应是本领域技术人员重点关注的。

发明内容

本申请的目的是提供一种轨道车辆的限界检测方法、装置及系统，以提升车辆限界动态检测时的检测精度，降低检测成本。

为解决上述技术问题，本申请提供一种轨道车辆的限界检测方法，包括：

获取待测轨道车辆在运行时多个截面的第一深度图像；

根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线；

获取所述待测轨道车辆所在轨道的车辆限界；

融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

可选的，还包括：

获取所述待测轨道车辆所在所述轨道的设备限界；

融合所述动态包络线和所述设备限界，并确定所述动态包络线是否侵入所述设备限界。

可选的，在所述根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型之前，还包括：

获取所述待测轨道车辆的预设表面的第二深度图像；

相应的，所述根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线包括：

根据所述第一深度图像和所述第二深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线。

可选的，所述融合所述动态包络线和所述车辆限界包括：

利用空间域变换和变换域算法，将所述动态包络线和所述车辆限界融合至一张图像中。

可选的，在所述将所述动态包络线和所述车辆限界融合至一张图像中之后，还包括：

利用融合算法对所述图像进行边缘匹配。

可选的，在所述利用融合算法对所述图像进行边缘匹配之后，还包括：

利用梯度法或者小波分析法对所述图像进行边缘检测。

可选的，所述获取所述待测轨道车辆所在轨道的车辆限界包括：

根据所述第一深度图像获取轨道特征；

根据所述轨道特征确定所述车辆限界。

本申请还提供一种轨道车辆的限界检测装置，包括：

第一获取模块，用于获取待测轨道车辆在运行时多个截面的第一深度图像；

动态包络线获得模块，用于根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线；

第二获取模块，用于获取所述待测轨道车辆所在轨道的车辆限界；

检测模块，用于融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

本申请还提供一种轨道车辆的限界检测系统，包括：

多目摄像头和/或雷达，用于获取待测轨道车辆在运行时截面的第一深度图像，并发送所述第一深度图像至限界检测设备；

所述限界检测设备，用于实现上述任一种所述轨道车辆的限界检测方法的步骤。

可选的，还包括：

位于轨道旁边的摄像头或具有摄像功能的无人机。

本申请所提供的一种轨道车辆的限界检测方法，包括获取待测轨道车辆在运行时多个截面的第一深度图像；根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线；获取所述待测轨道车辆所在轨道的车辆限界；融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

可见，本申请中的检测方法通过获取轨道车辆在运行时多个截面的第一深度图像和轨道车辆行驶轨道的车辆限界，根据第一深度图像得到轨道车辆的运行偏移状态模型，根据运行偏移状态模型即可得到轨道车辆的动态包络线，再将动态包络线与车辆限界融合，就能确定出动态包络线是否侵入车辆限界，完成对轨道车辆限界的动态检测，动态包络线是根据第一深度图像构建的运行偏移状态模型得到的，更能反映轨道车辆的偏移状况，进而提升限界检测的准确度，并且无需使用聚苯乙烯，成本降低。此外，本申请还提供一种具有上述优点的限界检测装置及系统。

附图说明

为了更清楚的说明本申请实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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为本申请实施例所提的一种轨道车辆的限界检测方法的流程图；

图2为三角形原理示意图；

图3为本申请实施例所提的一种获取待测轨道车辆所在轨道的车辆限界的方法流程图；

图4为待测轨道车辆截面结构示意图；

图5为本申请实施例所提供的另一种轨道车辆的限界检测方法流程图；

图6为本申请实施例所提供的另一种轨道车辆的限界检测方法流程图；

图7为多目成像原理示意图；

图8为本申请实施例提供的一种轨道车辆的限界检测装置的结构框图；

图9为本申请实施例提供的一种轨道车辆的限界检测系统的结构示意图；

图10为本申请实施例提供的另一种轨道车辆的限界检测系统的结构示意图；

图中，1.多目摄像头，2.雷达，3.限界检测设备，4.待测轨道车辆，5.检测轨道车辆，6.轨道，7.无人机，8.轨道旁边的摄像头，9.轨旁设备。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面结合附图和具体实施方式对本申请作进一步的详细说明。显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

正如背景技术部分所述，现有的动态检测方法是运用速度传感器和粘贴聚苯乙烯的方法对车辆动态运动状态进行检测，速度传感器检测误差较大，而且粘贴聚苯乙烯的价格极其昂贵，一般难以满足长时间，长距离的检测，同时对于线路条件要求较高。

有鉴于此，本申请提供一种轨道车辆的限界检测方法，请参考图1，图1为本申请实施例所提的一种轨道车辆的限界检测方法的流程图，该方法包括：

步骤S101：获取待测轨道车辆在运行时多个截面的第一深度图像。

需要说明的是，本实施例中对第一深度图像的获得方式不做具体限定，可以通过以下方式获得。

第一种，通过多目摄像头得到第一深度图像。

选择多目摄像头对待测轨道车辆的某一个位置进行识别，从而对该点的深度进行计算，其识别方法遵循三角形方法和立体匹配原则，其算法如下，并请参考图2。

根据相似三角形以及图像成像原理，可以得出：

D-F/D＝P_lP_r/B (1)

其中，目标位置距离多目摄像头的距离是D，P_lP_r的长度可以通过多目摄像头的摄像图来计算，F是焦距，B是两个摄像头之间的距离。

因为：

D＝P_lP_r+W_lP_l+W_rP_r (2)

W_lP_l＝K_lP_l-W_lK_l (3)

W_rP_r＝W_rk_r-k_rP_r (4)

所以，

D＝P_lP_r+K_lP_l-W_lK_l+W_rk_r-k_rP_r＝P_lP_r+L_l-L_r (5)

B*(D-F)＝D*(B-L_l+L_r) (6)

BF＝DL_l-DL_r (7)

D＝BF/(L_l-L_r) (8)

其中，P_l是目标位置在左侧图像上的位置，P_r是目标位置在右侧图像上的位置。

第二种，通过激光雷达向待测轨道车辆发射探测信号(激光束)，然后将接收到的从待测轨道车辆反射回来的信号(目标回波)与发射的探测信号进行比较，根据反射时间得到第一深度图像。具体过程已为本领域技术人员所熟知，此处不再详细阐述。

第三种，激光雷达和多目摄像头相结合，将利用反射时间的方法作为一个校正的过程，提高冗余性。

需要指出的是，本实施例中对截面在轨道车辆的位置和数量不做具体限定，视轨道车辆在运行时发生左右晃动的情况以及可能超限的位置而定。同理，本实施例中对第一深度图像的数量不做具体限定，第一深度图像的数量与截面的数量相等。

步骤S102：根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线。

需要说明的是，本实施例中对动态包络线的表现形式不做具体限定，视情况而定。例如，动态包络线的表现形式可以是线型轮廓的形式或者图像的形式。

步骤S103：获取所述待测轨道车辆所在轨道的车辆限界。

可以理解的是，当动态包络线的表现形式为线型轮廓形式时，车辆限界的表现形式也为线型轮廓形式；当动态包络线的表现形式为图像形式时，车辆限界的表现形式也为图像形式。

步骤S104：融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

可选的，在本申请的一个实施例中，融合所述动态包络线和所述车辆限界包括：

动态包络线和车辆限界的表现形式分为图像形式和线型轮廓形式两种，不同的表现形式均采用空间域变换和变换域算法进行融合，只是融合的预处理过程不同。具体的过程已为本领域技术人员所熟知，不再详细赘述，此处简单说明一下不同表现形式的区别之处。当表现形式为图像形式时，则整个过程中轨道车辆所有的截面的动态状态都反馈出来，其信息量更多，但是占用内存，而且处理计算量大，而线性轮廓则是直接提取了所选取截面的外轮廓以判断是否超限。

需要指出的是，本实施例中的限界检测方法更加适用于轨道车辆在直线行驶时的动态检测。因为轨道车辆在直线运行的过程中，轨道车辆偏移最大的位置一定在车端，因此通过激光雷达和/或多目摄像头拍摄车辆截面的第一深度图像，获得整个车辆的偏移状况。

本实施例中的检测方法通过获取轨道车辆在运行时多个截面的第一深度图像和轨道车辆行驶轨道的车辆限界，根据第一深度图像得到轨道车辆的运行偏移状态模型，根据运行偏移状态模型即可得到轨道车辆的动态包络线，再将动态包络线与车辆限界融合，就能确定出动态包络线是否侵入车辆限界，完成对轨道车辆限界的动态检测，动态包络线是根据第一深度图像构建的运行偏移状态模型得到的，更能反映轨道车辆的偏移状况，进而提升限界检测的准确度，并且无需使用聚苯乙烯，成本降低。

优选地，在所述将所述动态包络线和所述车辆限界融合至一张图像中之后，还包括：

利用融合算法对所述图像进行边缘匹配，从而完成动态包络线和车辆限界的深度融合，保证融合匹配的准确性。

进一步地，在所述利用融合算法对所述图像进行边缘匹配之后，还包括：

利用梯度法或者小波分析法对所述图像进行边缘检测，找到边缘特征比对，从而进一步完成深度融合匹配，提升融合精度。

可选的，在本申请的一个实施例中，对获取所述待测轨道车辆所在轨道的车辆限界的过程进行进一步阐述，请参考图3，该过程包括：

步骤S1031：根据所述第一深度图像获取轨道特征。

步骤S1032：根据所述轨道特征确定所述车辆限界。

具体的，将第一深度图像转化为RGB模型，根据不同的路线条件，提取某一个颜色特征分量，或直接将图像转化为二值图，结合图像色差算法与滤波，将完整的轨道提取出来。将轨道提取后得到轨道特征，根据轨距轨道特征选取某个截面，请参考图4。由于每个轨道都与车辆限界唯一对应，所以可以根据轨道截面得到车辆限界。

其中，颜色特征分量的提取取决于光照条件，比如地下线和地面线不同，往往在地下线，灯光偏向于黄光，所以绿色的权重会更大一些，所以会使用绿色的分量，而在白天地面线，则直接可以考虑蓝色的分量权重，具体得看不同的线路条件。

在本申请的其他实施例中，车辆限界的获得方式还可以为根据存储的全路段轨道数据得到车辆限界。

请参考图5，图5为本申请实施例所提供的另一种轨道车辆的限界检测方法流程图。在上述任一实施例的基础上，该方法包括：

步骤S201：获取待测轨道车辆在运行时多个截面的第一深度图像。

步骤S202：根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线。

步骤S203：获取所述待测轨道车辆所在轨道的车辆限界。

步骤S204：融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

步骤S205：获取所述待测轨道车辆所在所述轨道的设备限界。

需要说明的是，本实施例中对设备限界的获得方式不做具体限定，可视情况而定。每个轨道与设备限界唯一对应，设备限界可以根据存储的全路段轨道数据得到车辆限界，或者根据第一深度图像获取轨道特征，进而根据轨道特征确定设备限界。

步骤S206：融合所述动态包络线和所述设备限界，并确定所述动态包络线是否侵入所述设备限界。

具体的，利用空间域变换和变换域算法，将动态包络线和设备限界融合至一张图像中，进而确定动态包络线是否侵入设备限界。

需要指出的是，本实施例中对车辆限界和设备限界的检测顺序不做具体限定，还可以按照步骤S205、步骤S206、步骤S201、步骤S202、步骤S203、步骤S204的顺序进行。

本实施例中对车辆限界和设备限界均进行检测，进一步地，当动态包络线侵入车辆限界和设备限界时，则需要先检测侵入位置的线路是否存在设备侵入设备限界，如果侵入位置线路没有侵入设备限界，则需要查找原因并重新试验，并判断是否是因为轨道车辆或轨道线路的某些参数出现偏差，更加清楚的了解轨道车辆的运行状态。

请参考图6，图6为本申请实施例所提供的另一种轨道车辆的限界检测方法流程图。在上述实施例的基础上，该方法包括：

步骤S301：获取待测轨道车辆在运行时多个截面的第一深度图像。

步骤S302：获取所述待测轨道车辆的预设表面的第二深度图像。

需要说明的是，本实施例中对预设表面不做具体限定，视情况而定。例如，预设表面可以为轨道车辆的侧面和/或上表面。

步骤S303：根据所述第一深度图像和所述第二深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线。

步骤S304：获取所述待测轨道车辆所在轨道的车辆限界。

步骤S305：融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

步骤S306：获取所述待测轨道车辆所在所述轨道的设备限界。

步骤S307：融合所述动态包络线和所述设备限界，并确定所述动态包络线是否侵入所述设备限界。

轨道车辆在曲线轨道上行驶时，往往是车端和车辆正中心的位置偏移较大，但是考虑到曲线轨道区间往往存在遮挡，单纯地依靠截面的第一深度图像无法满足轨道车辆动态状态的检测，因此，本实施例中构建待测轨道车辆的运行偏移状态模型时，是根据截面的第一深度图像和预设表面的第二深度图像获得的，可以准确获得轨道车辆的动态偏移状况，以及准确的动态包络线，进而限界检测的结果更加准确。

在上述任一实施例的基础上，在本申请的一个实施例中，在构建待测轨道车辆的运行偏移状态模型之后，还包括：

获取轨道车辆的速度；

构建轨道车辆运行偏移状态模型与速度的对应关系。

可选的，轨道车辆的速度可由轨旁设备测得。

下面对多目成像原理进行介绍，具体请参考图7。

多目成像原理是基于双目摄像头的原理，获取空间三维信息的一项技术，通过多个摄像头所拍摄的图像，完成对不同范围场景的覆盖，并对图像中的信息两两匹配，减小不同距离下的清晰度问题，从而得到完整的立体信息。由于多目相机具备更广阔的视角，可以弥补双目摄像头在视角上存在的遮挡，噪音抑制不完全等问题，从而完整的匹配整个立体空间图，对整个图像扫描，找到每一点对应的深度特征，实现空间立体的匹配并显示深度。所以可以根据多个摄像头共同匹配得到立体的待测轨道车辆状态从而完成对整个车辆的动态状态重构，从而得到完整的车辆动态运行状态。

下面对本申请实施例提供的轨道车辆的限界检测装置进行介绍，下文描述的轨道车辆的限界检测装置与上文描述的轨道车辆的限界检测方法可相互对应参照。

图8为本申请实施例提供的轨道车辆的限界检测装置的结构框图，包括：

第一获取模块100，用于获取待测轨道车辆在运行时多个截面的第一深度图像；

动态包络线获得模块200，用于根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线；

第二获取模块300，用于获取所述待测轨道车辆所在轨道的车辆限界；

检测模块400，用于融合所述动态包络线和所述车辆限界，并确定所述动态包络线是否侵入所述车辆限界。

本实施例的轨道车辆的限界检测装置用于实现前述的轨道车辆的限界检测方法，因此轨道车辆的限界检测装置中的具体实施方式可见前文中的轨道车辆的限界检测方法的实施例部分，例如，第一获取模块100，动态包络线获得模块200，第二获取模块300，检测模块400，分别用于实现上述轨道车辆的限界检测方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。

可选的，轨道车辆的限界检测装置还包括：

第三获取模块，用于获取所述待测轨道车辆所在所述轨道的设备限界；

设备限界检测模块，用于融合所述动态包络线和所述设备限界，并确定所述动态包络线是否侵入所述设备限界。

可选的，轨道车辆的限界检测装置还包括：

第四获取模块，用于获取所述待测轨道车辆的预设表面的第二深度图像；

相应的，动态包络线获得模块200具体用于根据所述第一深度图像和所述第二深度图像构建所述待测轨道车辆的运行偏移状态模型，得到所述待测轨道车辆的动态包络线。

可选的，检测模块400具体用于利用空间域变换和变换域算法，将所述动态包络线和所述车辆限界融合至一张图像中，并确定所述动态包络线是否侵入所述车辆限界。

可选的，轨道车辆的限界检测装置还包括：

边缘匹配模块，用于利用融合算法对所述图像进行边缘匹配。

可选的，轨道车辆的限界检测装置还包括：

边缘检测模块，用于利用梯度法或者小波分析法对所述图像进行边缘检测。

可选的，第二获取模块300具体包括：

获取单元，用于根据所述第一深度图像获取轨道特征；

确定单元，用于根据所述轨道特征确定所述车辆限界。

下面对本申请实施例提供的轨道车辆的限界检测系统进行介绍，下文描述的轨道车辆的限界检测系统与上文描述的轨道车辆的限界检测方法可相互对应参照。

请参考图9，图9为本申请实施例所提供的一种轨道车辆的限界检测系统的结构示意图，该系统包括：

多目摄像头1和/或雷达2，用于获取待测轨道车辆4在运行时截面的第一深度图像，并发送所述第一深度图像至限界检测设备3，

所述限界检测设备3，用于实现上述任一种所述轨道车辆的限界检测方法的步骤

具体的，由于待测轨道车辆4处于运行状态，可将多目摄像头1、雷达2设置在一辆检测轨道车辆5上。

优选地，在检测轨道车辆5的前部安装多目摄像头1，在轨道车辆轮廓到车辆限界留有的最大余量处安装雷达2，根据鼓型车和V型车分别进行分析。

请参考图10，图10为本申请实施例所提供的另一种轨道车辆的限界检测系统的结构示意图。在上述实施例的基础上，该系统还包括：

位于轨道旁边的摄像头8或具有摄像功能的无人机7。

当车辆在弯道上运行时，考虑到曲线轨道区间往往存在遮挡，采用位于轨道旁边的摄像头8或具有摄像功能的无人机7获取待测轨道车辆4预设表面的第二深度图像。当待测轨道车辆4的速度在80公里/小时以下时，无人机7和轨道旁边的摄像头8均可，对于速度较快的情况，考虑到当前无人机7的发展情况的限制，采用位于轨道旁边的摄像头8，当然，也可以带轨旁设置雷达2。预设表面可以为轨道车辆的侧面和/或上表面，其中，摄像头8采集轨道车辆的侧面的深度图像，无人机7采集轨道车辆的侧面和上表面的深度图像。

可选的，轨道车辆的限界检测系统还包括：轨旁设备9，用于检测待测轨道车辆4的速度。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

以上对本申请所提供的轨道车辆的限界检测方法、装置以及系统进行了详细介绍。本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以对本申请进行若干改进和修饰，这些改进和修饰也落入本申请权利要求的保护范围内。

Claims

1.一种轨道车辆的限界检测方法，其特征在于，包括：

获取待测轨道车辆在运行时多个截面的第一深度图像；

获取所述待测轨道车辆所在轨道的车辆限界；

2.如权利要求1所述的轨道车辆的限界检测方法，其特征在于，还包括：

获取所述待测轨道车辆所在所述轨道的设备限界；

3.如权利要求2所述的轨道车辆的限界检测方法，其特征在于，在所述根据所述第一深度图像构建所述待测轨道车辆的运行偏移状态模型之前，还包括：

获取所述待测轨道车辆的预设表面的第二深度图像；

4.如权利要求1所述的轨道车辆的限界检测方法，其特征在于，所述融合所述动态包络线和所述车辆限界包括：

5.如权利要求4所述的轨道车辆的限界检测方法，其特征在于，在所述将所述动态包络线和所述车辆限界融合至一张图像中之后，还包括：

利用融合算法对所述图像进行边缘匹配。

6.如权利要求5所述的轨道车辆的限界检测方法，其特征在于，在所述利用融合算法对所述图像进行边缘匹配之后，还包括：

利用梯度法或者小波分析法对所述图像进行边缘检测。

7.如权利要求1所述的轨道车辆的限界检测方法，其特征在于，所述获取所述待测轨道车辆所在轨道的车辆限界包括：

根据所述第一深度图像获取轨道特征；

根据所述轨道特征确定所述车辆限界。

8.一种轨道车辆的限界检测装置，其特征在于，包括：

9.一种轨道车辆的限界检测系统，其特征在于，包括：

所述限界检测设备，用于实现如权利要求1至7任一项所述轨道车辆的限界检测方法的步骤。

10.如权利要求9所述的轨道车辆的限界检测系统，其特征在于，还包括：

位于轨道旁边的摄像头或具有摄像功能的无人机。