CN111526352B - 铁路异物防侵三维智能识别机器人设备 - Google Patents

铁路异物防侵三维智能识别机器人设备 Download PDF

Info

Publication number
CN111526352B
CN111526352B CN202010623633.3A CN202010623633A CN111526352B CN 111526352 B CN111526352 B CN 111526352B CN 202010623633 A CN202010623633 A CN 202010623633A CN 111526352 B CN111526352 B CN 111526352B
Authority
CN
China
Prior art keywords
image
range
time
image acquisition
acquisition circuit
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
CN202010623633.3A
Other languages
English (en)
Other versions
CN111526352A (zh
Inventor
蒋梦
张怀
钟雯清
王鹤
高玉亮
高飞
董建华
丁海友
康秋静
黄玉君
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.)
Beijing Dacheng Guoce Technology Co ltd
Beijing Dacheng Guoce Vision Technology Co ltd
Original Assignee
Beijing Dacheng Guoce Vision Technology Co ltd
Beijing Dacheng Guoce Science And Technology 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 Beijing Dacheng Guoce Vision Technology Co ltd, Beijing Dacheng Guoce Science And Technology Co ltd filed Critical Beijing Dacheng Guoce Vision Technology Co ltd
Priority to CN202010623633.3A priority Critical patent/CN111526352B/zh
Publication of CN111526352A publication Critical patent/CN111526352A/zh
Application granted granted Critical
Publication of CN111526352B publication Critical patent/CN111526352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/20—Image signal generators
    • H04N13/204—Image signal generators using stereoscopic image cameras
    • H04N13/239—Image signal generators using stereoscopic image cameras using two 2D image sensors having a relative position equal to or related to the interocular distance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B13/00—Burglar, theft or intruder alarms
    • G08B13/18—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength
    • G08B13/189—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems
    • G08B13/194—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems
    • G08B13/196—Actuation by interference with heat, light, or radiation of shorter wavelength; Actuation by intruding sources of heat, light, or radiation of shorter wavelength using passive radiation detection systems using image scanning and comparing systems using television cameras

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

一种铁路异物防侵三维智能识别机器人设备，该设备包括：近景双目采集相机，所述近景双目采集相机包括第一图像采集电路；远景双目采集相机，所述远景双目采集相机包括第二图像采集电路；激光雷达，所述激光雷达分别在第一时刻t1对远景视野内的物体进行扫描、在第二时刻t2对近景视野内的物体进行扫描，得到远景扫描图像和近景扫描图像；数据处理模块，确定所述目标对象是否为侵入的铁路异物。通过本公开的处理方案，能够快速准确的对多环境下的铁路异物进行检测，提高了铁路交通的安全性。

Description

铁路异物防侵三维智能识别机器人设备
技术领域
本公开涉及智能设备技术领域，尤其涉及一种铁路异物防侵三维智能识别机器人设备。
背景技术
随着中国经济的飞速发展和城市化进程的加速，铁路交通已经成为重要交通工具，与城市居民通勤、旅游、商务人士的日常出行息息相关。
由于铁路运行环境的复杂性，存在铁路异物侵入铁路铁轨的情况，从而导致铁路上的车辆不能有效的运作。
传统的方式是通过人工巡检铁路的方式来进行，但是人工巡检的方式一方面消耗较多的人力资源，同时也会导致效率较低，影响了铁路异物检测的及时性和成本。
现有技术中还存在通过摄像头对铁路进行巡检的方案，但是通过摄像头摄像的方式，仍然需要人工对获取的摄像图像进行辨认，由于人工经验的差异，会导致图像辨认的效率较低。
发明内容
有鉴于此，本公开实施例提供铁路异物防侵三维智能识别机器人设备，至少部分解决现有技术中存在的问题。
本公开实施例提供了一种铁路异物防侵三维智能识别机器人设备，包括：
近景双目采集相机，所述近景双目采集相机包括第一图像采集电路，通过所述第一图像采集电路，获取第一时刻t1的近景视野范围内的第一左目图像和第一右目图像；
远景双目采集相机，所述远景双目采集相机包括第二图像采集电路，通过所述第二图像采集电路，获取与所述第二时刻t2远景视野范围内的第二左目图像和第二右目图像，所述第二时刻t2大于所述第一时刻t1，所述第二时刻t2与所述第一时刻t1具有预设的时间间隔△t；
激光雷达，所述激光雷达分别在第一时刻t1对远景视野内的物体进行扫描、在第二时刻t2对近景视野内的物体进行扫描，得到远景扫描图像和近景扫描图像；
数据处理模块，所述数据处理模块基于所述第一左目图像、所述第一右目图像确定第一时刻t1的第一深度图像，基于所述第二左目图像、所述第二右目图像确定第二时刻t2的第二深度图像；通过所述近景扫描图像和所述第一深度图像，确定目标对象在第一时刻t1的第一空间运动矢量，通过所述远景扫描图像和所述第二深度图像，确定目标对象在第二时刻t2的第二空间运动矢量；基于第二空间运动矢量和第一空间运动矢量的差值，确定所述目标对象是否为侵入的铁路异物。
根据本公开实施例的一种具体实现方式，所述第一图像采集电路，包括：
光感应模块，用于检测近景双目采集相机附件的光照强度，以便于生成光照强度信号；
激活模块，所述激活模块与所述光感应模块连接，用于在在所述光照强度信号的满足预定条件时，生成激活信号；
第一触发模块，所述触发模块在接收到所述激活模块的激活信号后，获取当前的第一时刻t1，并在第一时刻触发第一图像采集电路的近景图像拍摄操作，并在图像拍摄操作完成之后，生成触发信息并将所述第一时刻t1传送给所述第二图像采集电路。
根据本公开实施例的一种具体实现方式，所述近景双目采集相机，还包括：
第一图像处理模块，所述第一图像处理模块用于对获取到的第一左目图像和第一右目图像进行图像预处理操作。
根据本公开实施例的一种具体实现方式，所述第二图像采集电路，包括：
信号接收模块，用于接收所述第一图像采集电路发送的触发信息以及第一时刻t1；
第二触发模块，所述触发模块在接收到所述信息接收模块获取到的触发信息之后，基于预设的时间间隔△t，确定第二时刻t2，并在第二时刻t2控制所述第二图像采集电路进行远景图像拍摄。
根据本公开实施例的一种具体实现方式，所述远景双目采集相机还包括：
第二图像处理模块，所述第二图像处理模块用于对获取到的第二左目图像和第二右目图像进行图像预处理操作。
根据本公开实施例的一种具体实现方式，所述激光雷达，包括：
激光感应器，用于将激光反射信号转换为电信号；
激光供电电源，用于为所述激光感应器提供供电电压；
比较器，所述比较器具有第一输入端、第二输入端和输出端，所述第一输入端耦接到所述激光供电电源，所述第一输入端并通过所述电容耦接到所述跨阻放大器的输入端；
所述第二输入端耦接阈值电压；
开关器件，所述开关器件具有控制端、第一端和第二端，所述控制端耦接到所述比较器的输出端，所述第一端耦接到第二电压源，所述第二端耦接到所述跨阻放大器的输入端或输出端。
根据本公开实施例的一种具体实现方式，所述激光雷达，还包括：
数据采集模块，所述数据采集模块用于采集和存储激光雷达获得的采样数据；
分割模块，用于根据采集到的激光传感器数据进行像素分割，形成包含不同目标对象的图像。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
针对目标对象在二维相平面中的坐标(X, Y)，基于在第一深度图像对应的深度缓存中搜索该坐标的深度值Z；
将(X, Y, Z) 作为第一空间运动矢量。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
获取所述近景视角的第一空间坐标；
基于所述第一空间坐标，计算所述近景视角的空间旋转矩阵及平移矩阵；
将所述空间旋转矩阵及所述平移矩阵的乘积，作为所述近景视角的第一变换矩阵。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
判断第二空间运动矢量和第一空间运动矢量的差值是否大于预定值；
若是，则将大于预定值的目标对象确定为侵入的铁路异物；
基于所述第一空间坐标，确定所述侵入的铁路异物的实际坐标位置；
基于所述实际坐标位置，对所述铁路异物进行提醒操作。
本公开实施例中的基于乘客出行轨迹的轨道交通疫情防控方案，包括近景双目采集相机，所述近景双目采集相机包括第一图像采集电路，通过所述第一图像采集电路，获取第一时刻t1的近景视野范围内的第一左目图像和第一右目图像；远景双目采集相机，所述远景双目采集相机包括第二图像采集电路，通过所述第二图像采集电路，获取与所述第二时刻t2远景视野范围内的第二左目图像和第二右目图像，所述第二时刻t2大于所述第一时刻t1，所述第二时刻t2与所述第一时刻t1具有预设的时间间隔△t；激光雷达，所述激光雷达分别在第一时刻t1对远景视野内的物体进行扫描、在第二时刻t2对近景视野内的物体进行扫描，得到远景扫描图像和近景扫描图像；数据处理模块，所述数据处理模块基于所述第一左目图像、所述第一右目图像确定第一时刻t1的第一深度图像，基于所述第二左目图像、所述第二右目图像确定第二时刻t2的第二深度图像；通过所述近景扫描图像和所述第一深度图像，确定目标对象在第一时刻t1的第一空间运动矢量，通过所述远景扫描图像和所述第二深度图像，确定目标对象在第二时刻t2的第二空间运动矢量；基于第二空间运动矢量和第一空间运动矢量的差值，确定所述目标对象是否为侵入的铁路异物。通过本公开的处理方案，能够快速准确的对铁路异物侵入进行检测和预警。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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它的附图。
图1为本公开实施例提供的一种铁路异物防侵三维智能识别机器人设备的结构示意图；
图2为本公开实施例提供的一种第一图像采集电路的结构示意图；
图3为本公开实施例提供的一种近景双目采集相机的结构示意图；
图4为本公开实施例提供的一种激光雷达的结构示意图；
图5为本公开实施例提供的另一种激光雷达的结构示意图。
具体实施方式
下面结合附图对本公开实施例进行详细描述。
以下通过特定的具体实例说明本公开的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本公开的其他优点与功效。显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。本公开还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本公开的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本公开保护的范围。
需要说明的是，下文描述在所附权利要求书的范围内的实施例的各种方面。应显而易见，本文中所描述的方面可体现于广泛多种形式中，且本文中所描述的任何特定结构及/或功能仅为说明性的。基于本公开，所属领域的技术人员应了解，本文中所描述的一个方面可与任何其它方面独立地实施，且可以各种方式组合这些方面中的两者或两者以上。举例来说，可使用本文中所阐述的任何数目个方面来实施设备及/或实践方法。另外，可使用除了本文中所阐述的方面中的一或多者之外的其它结构及/或功能性实施此设备及/或实践此方法。
还需要说明的是，以下实施例中所提供的图示仅以示意方式说明本公开的基本构想，图式中仅显示与本公开中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
另外，在以下描述中，提供具体细节是为了便于透彻理解实例。然而，所属领域的技术人员将理解，可在没有这些特定细节的情况下实践所述方面。
参见图1，本公开实施例中的铁路异物防侵三维智能识别机器人设备，包括近景双目采集相机、远景双目采集相机、激光雷达和数据处理模块
近景双目采集相机包括第一图像采集电路，通过所述第一图像采集电路，获取第一时刻t1的近景视野范围内的第一左目图像和第一右目图像。近景双目相机具有两个摄像屏幕，通过近景双目采集相机，能够对近景视野范围内的物体进行图像采集，通过采集到的第一左目图像和第一右目图像，能够确定近景视野内目标对象的深度信息，从而进一步的确定目标对象中是否存在异物。
所述远景双目采集相机包括第二图像采集电路，通过所述第二图像采集电路，获取与所述第二时刻t2远景视野范围内的第二左目图像和第二右目图像，所述第二时刻t2大于所述第一时刻t1，所述第二时刻t2与所述第一时刻t1具有预设的时间间隔△t。远景双目相机具有两个摄像屏幕，通过远景双目采集相机，能够对近景视野范围内的物体进行图像采集，通过采集到的第二左目图像和第二右目图像，能够确定远景视野内目标对象的深度信息，从而进一步的确定目标对象中是否存在异物。
第一图像采集电路和第二图像采集电路能够配合近景双目采集相机和远景双目采集相机，对采集到的图像进行预设的图像处理。
为了进一步的提高对异物检测的精确度，特别是对于比较恶劣的天气中，成像容易受到雨雪等客观因素的影响，该设备还设置有激光雷达，通过激光雷达来进一步的进行视野内的图像扫描，从而获得更多的图像。具体的，所述激光雷达分别在第一时刻t1对远景视野内的物体进行扫描、在第二时刻t2对近景视野内的物体进行扫描，得到远景扫描图像和近景扫描图像，通过这种方式，能获得更加准确的远景和近景视野内的图像。
数据处理模块分别与近景双目采集相机、远景双目采集相机和激光雷达进行通信连接，数据处理模块具有专门的硬件处理装置（例如，GPU或CPU），用以进一步的获取近景双目采集相机、远景双目采集相机、激光雷达拍摄的图像，并基于近景双目采集相机、远景双目采集相机、激光雷达拍摄的图像进行图像处理。
由于第一左目图像和第一右目图像具有固定的距离间隔，为此，数据处理模块基于所述第一左目图像、所述第一右目图像中的像素以及预先设定的距离间隔，来确定第一时刻t1的第一深度图像，第一深度图像能够显示近景视野内不同目标对象的深度信息，基于这些深度信息，能够进一步的确定目标对象在深度方向上的位置。目标对象可以是视野内所有的能够成像的物体。
与第一深度图像类似，数据处理模块还可以基于所述第二左目图像、所述第二右目图像确定第二时刻t2的第二深度图像，第二深度图像能够显示远景视野内不同目标对象的深度信息，基于这些深度信息，能够进一步的确定目标对象在深度方向上的位置。
近景扫描图像能够在平面二维空间内标识目标对象的位置，通过所述近景扫描图像和所述第一深度图像，确定目标对象在第一时刻t1的第一空间运动矢量，也就是形成三维空间向量。类似的，通过所述远景扫描图像和所述第二深度图像，确定目标对象在第二时刻t2的第二空间运动矢量，第二空间向量描述了远景视野范围内目标对象的空间位置关系。
在通过坐标变换之后，将第一空间运动矢量和第二空间运动矢量调整到同样的空间坐标系下，对视野范围内每个目标对象的第二空间运动矢量和第一空间运动矢量进行差值运算，可以判断出在△t时间范围内，是否目标对象是否存在运动的情况，如果是，则将存在短暂运动的所述目标对象确定为侵入的铁路异物。从而能够自动化的检测铁路异物。
参见图2，根据本公开实施例的一种具体实现方式，所述第一图像采集电路，包括：
光感应模块，用于检测近景双目采集相机附件的光照强度，以便于生成光照强度信号；
激活模块，所述激活模块与所述光感应模块连接，用于在在所述光照强度信号的满足预定条件时，生成激活信号；
第一触发模块，所述触发模块在接收到所述激活模块的激活信号后，获取当前的第一时刻t1，并在第一时刻触发第一图像采集电路的近景图像拍摄操作，并在图像拍摄操作完成之后，生成触发信息并将所述第一时刻t1传送给所述第二图像采集电路。
根据本公开实施例的一种具体实现方式，所述近景双目采集相机，还包括：
第一图像处理模块，所述第一图像处理模块用于对获取到的第一左目图像和第一右目图像进行图像预处理操作。
参见图3，根据本公开实施例的一种具体实现方式，所述第二图像采集电路，包括：
信号接收模块，用于接收所述第一图像采集电路发送的触发信息以及第一时刻t1；
第二触发模块，所述触发模块在接收到所述信息接收模块获取到的触发信息之后，基于预设的时间间隔△t，确定第二时刻t2，并在第二时刻t2控制所述第二图像采集电路进行远景图像拍摄。
根据本公开实施例的一种具体实现方式，所述远景双目采集相机还包括：
第二图像处理模块，所述第二图像处理模块用于对获取到的第二左目图像和第二右目图像进行图像预处理操作。
参见图4，根据本公开实施例的一种具体实现方式，所述激光雷达，包括：
激光感应器，用于将激光反射信号转换为电信号；
激光供电电源，用于为所述激光感应器提供供电电压；
比较器，所述比较器具有第一输入端、第二输入端和输出端，所述第一输入端耦接到所述激光供电电源，所述第一输入端并通过所述电容耦接到所述跨阻放大器的输入端；
所述第二输入端耦接阈值电压；
开关器件，所述开关器件具有控制端、第一端和第二端，所述控制端耦接到所述比较器的输出端，所述第一端耦接到第二电压源，所述第二端耦接到所述跨阻放大器的输入端或输出端。
参见图5，根据本公开实施例的一种具体实现方式，所述激光雷达，还包括：
数据采集模块，所述数据采集模块用于采集和存储激光雷达获得的采样数据；
分割模块，用于根据采集到的激光传感器数据进行像素分割，形成包含不同目标对象的图像。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
针对目标对象在二维相平面中的坐标(X, Y)，基于在第一深度图像对应的深度缓存中搜索该坐标的深度值Z；
将(X, Y, Z) 作为第一空间运动矢量。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
获取所述近景视角的第一空间坐标；
基于所述第一空间坐标，计算所述近景视角的空间旋转矩阵及平移矩阵；
将所述空间旋转矩阵及所述平移矩阵的乘积，作为所述近景视角的第一变换矩阵。
根据本公开实施例的一种具体实现方式，所述数据处理模块还用于：
判断第二空间运动矢量和第一空间运动矢量的差值是否大于预定值；
若是，则将大于预定值的目标对象确定为侵入的铁路异物；
基于所述第一空间坐标，确定所述侵入的铁路异物的实际坐标位置；
基于所述实际坐标位置，对所述铁路异物进行提醒操作。
以上所述，仅为本公开的具体实施方式，但本公开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公开揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种铁路异物防侵三维智能识别机器人设备，其特征在于，包括：
近景双目采集相机，所述近景双目采集相机包括第一图像采集电路，通过所述第一图像采集电路，获取第一时刻t1的近景视野范围内的第一左目图像和第一右目图像；
远景双目采集相机，所述远景双目采集相机包括第二图像采集电路，通过所述第二图像采集电路，获取与第二时刻t2远景视野范围内的第二左目图像和第二右目图像，所述第二时刻t2大于所述第一时刻t1，所述第二时刻t2与所述第一时刻t1具有预设的时间间隔△t；
激光雷达，所述激光雷达分别在第一时刻t1对远景视野内的物体进行扫描、在第二时刻t2对近景视野内的物体进行扫描，得到远景扫描图像和近景扫描图像；
数据处理模块，所述数据处理模块基于所述第一左目图像、所述第一右目图像确定第一时刻t1的第一深度图像，基于所述第二左目图像、所述第二右目图像确定第二时刻t2的第二深度图像；通过所述近景扫描图像和所述第一深度图像，确定目标对象在第一时刻t1的第一空间运动矢量，通过所述远景扫描图像和所述第二深度图像，确定目标对象在第二时刻t2的第二空间运动矢量；基于第二空间运动矢量和第一空间运动矢量的差值，确定所述目标对象是否为侵入的铁路异物。
2.根据权利要求1所述的设备，其特征在于，所述第一图像采集电路，包括：
光感应模块，用于检测近景双目采集相机附近的光照强度，以便于生成光照强度信号；
激活模块，所述激活模块与所述光感应模块连接，用于在所述光照强度信号的满足预定条件时，生成激活信号；
第一触发模块，所述第一触发模块在接收到所述激活模块的激活信号后，获取当前的第一时刻t1，并在第一时刻触发第一图像采集电路的近景图像拍摄操作，并在图像拍摄操作完成之后，生成触发信息并将所述第一时刻t1传送给所述第二图像采集电路。
3.根据权利要求2所述的设备，其特征在于，所述近景双目采集相机，还包括：
第一图像处理模块，所述第一图像处理模块用于对获取到的第一左目图像和第一右目图像进行图像预处理操作。
4.根据权利要求2所述的设备，其特征在于，所述第二图像采集电路，包括：
信号接收模块，用于接收所述第一图像采集电路发送的触发信息以及第一时刻t1；
第二触发模块，所述第二触发模块在接收到所述信号接收模块获取到的触发信息之后，基于预设的时间间隔△t，确定第二时刻t2，并在第二时刻t2控制所述第二图像采集电路进行远景图像拍摄。
5.根据权利要求4所述的设备，其特征在于，所述远景双目采集相机还包括：
第二图像处理模块，所述第二图像处理模块用于对获取到的第二左目图像和第二右目图像进行图像预处理操作。
6.根据权利要求1所述的设备，其特征在于，所述激光雷达，包括：
激光感应器，用于将激光反射信号转换为电信号；
激光供电电源，用于为所述激光感应器提供供电电压；
比较器，所述比较器具有第一输入端、第二输入端和输出端，所述第一输入端耦接到所述激光供电电源，所述第一输入端通过电容耦接到跨阻放大器的输入端；
所述第二输入端耦接阈值电压；
开关器件，所述开关器件具有控制端、第一端和第二端，所述控制端耦接到所述比较器的输出端，所述第一端耦接到第二电压源，所述第二端耦接到所述跨阻放大器的输入端或输出端。
7.根据权利要求6所述的设备，其特征在于，所述激光雷达，还包括：
数据采集模块，所述数据采集模块用于采集和存储激光雷达获得的采样数据；
分割模块，用于根据采集到的激光传感器数据进行像素分割，形成包含不同目标对象的图像。
8.根据权利要求1所述的设备，其特征在于，所述数据处理模块还用于：
针对目标对象在二维相平面中的坐标(X,Y)，基于在第一深度图像对应的深度缓存中搜索该坐标的深度值Z；
将(X,Y,Z)作为第一空间运动矢量。
9.根据权利要求1所述的设备，其特征在于，所述数据处理模块还用于：
获取近景视角的第一空间坐标；
基于所述第一空间坐标，计算所述近景视角的空间旋转矩阵及平移矩阵；
将所述空间旋转矩阵及所述平移矩阵的乘积，作为所述近景视角的第一变换矩阵。
10.根据权利要求9所述的设备，其特征在于，所述数据处理模块还用于：
判断第二空间运动矢量和第一空间运动矢量的差值是否大于预定值；
若是，则将大于预定值的目标对象确定为侵入的铁路异物；
基于所述第一空间坐标，确定所述侵入的铁路异物的实际坐标位置；
基于所述实际坐标位置，对所述铁路异物进行提醒操作。
CN202010623633.3A 2020-07-02 2020-07-02 铁路异物防侵三维智能识别机器人设备 Active CN111526352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010623633.3A CN111526352B (zh) 2020-07-02 2020-07-02 铁路异物防侵三维智能识别机器人设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010623633.3A CN111526352B (zh) 2020-07-02 2020-07-02 铁路异物防侵三维智能识别机器人设备

Publications (2)

Publication Number Publication Date
CN111526352A CN111526352A (zh) 2020-08-11
CN111526352B true CN111526352B (zh) 2020-10-23

Family

ID=71911943

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010623633.3A Active CN111526352B (zh) 2020-07-02 2020-07-02 铁路异物防侵三维智能识别机器人设备

Country Status (1)

Country Link
CN (1) CN111526352B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112596072A (zh) * 2021-03-02 2021-04-02 北京大成国测科技有限公司 无人机视觉智能检测系统
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

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107697102A (zh) * 2017-09-01 2018-02-16 南京理工大学 高速铁路异物侵限的信息采集、识别及警示系统
CN108594245A (zh) * 2018-07-04 2018-09-28 北京国泰星云科技有限公司 一种目标物运动监测系统及方法
CN109164443A (zh) * 2018-08-27 2019-01-08 南京微达电子科技有限公司 基于雷达及图像分析的铁路线路异物检测方法及系统
CN110842940A (zh) * 2019-11-19 2020-02-28 广东博智林机器人有限公司 一种建筑测量机器人多传感器融合三维建模方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI471825B (zh) * 2010-07-27 2015-02-01 Hon Hai Prec Ind Co Ltd 天台安全監控系統及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107697102A (zh) * 2017-09-01 2018-02-16 南京理工大学 高速铁路异物侵限的信息采集、识别及警示系统
CN108594245A (zh) * 2018-07-04 2018-09-28 北京国泰星云科技有限公司 一种目标物运动监测系统及方法
CN109164443A (zh) * 2018-08-27 2019-01-08 南京微达电子科技有限公司 基于雷达及图像分析的铁路线路异物检测方法及系统
CN110842940A (zh) * 2019-11-19 2020-02-28 广东博智林机器人有限公司 一种建筑测量机器人多传感器融合三维建模方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
北京地铁异物侵限探测系统研发与实践;徐田坤 等;《都市快轨交通》;20191031;第32卷(第5期);56-61 *
立体视觉和三维激光系统的联合标定方法;董方新 等;《仪器仪表学报》;20171031;第38卷(第10期);2689-2595 *

Also Published As

Publication number Publication date
CN111526352A (zh) 2020-08-11

Similar Documents

Publication Publication Date Title
CN110163904B (zh) 对象标注方法、移动控制方法、装置、设备及存储介质
JP4612635B2 (ja) 低照度の深度に適応可能なコンピュータ視覚を用いた移動物体検出
JP5145986B2 (ja) 物体検出装置及び測距方法
CN111045000A (zh) 监测系统和方法
CN111369541A (zh) 一种智能汽车恶劣天气条件下车辆检测方法
CN111526352B (zh) 铁路异物防侵三维智能识别机器人设备
CN114639115B (zh) 一种人体关键点与激光雷达融合的3d行人检测方法
CN116978009A (zh) 基于4d毫米波雷达的动态物体滤除方法
CN115083088A (zh) 铁路周界入侵预警方法
Steinbaeck et al. Occupancy grid fusion of low-level radar and time-of-flight sensor data
CN111899242B (zh) 基于多源信号的侵限检测方法和装置
Suganuma et al. An obstacle extraction method using virtual disparity image
CN117471463A (zh) 一种基于4d雷达和图像识别融合的障碍物检测方法
JP3465531B2 (ja) 物体認識方法およびその装置
Atiq et al. Vehicle detection and shape recognition using optical sensors: a review
CN116129553A (zh) 一种基于多源车载设备的融合感知方法及系统
Hautière et al. Detection of visibility conditions through use of onboard cameras
CN114581889A (zh) 一种融合方法、装置、设备、介质及产品
Mori et al. Classification of pole-like objects using point clouds and images captured by mobile mapping systems
CN111046765B (zh) 一种用于高铁的危险预警方法和系统
Huang et al. An efficient multi-threshold selection method for lane detection based on lidar
Hu High-precision indoor robot dynamic obstacle detection with laser and camera
Jin et al. A pedestrian detection method using 3D laser scanner
CN216783393U (zh) 一种智能车辆的视觉系统
Pan et al. Obstacle recognition for intelligent vehicle based on Dadar and vision fusion

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Jiang Meng

Inventor after: Zhang Huai

Inventor after: Wang He

Inventor after: Gao Yuliang

Inventor after: Gao Fei

Inventor after: Dong Jianhua

Inventor after: Ding Haiyou

Inventor after: Kang Qiujing

Inventor after: Huang Yujun

Inventor before: Jiang Meng

Inventor before: Huang Yujun

Inventor before: Zhang Huai

Inventor before: Zhong Wenqing

Inventor before: Wang He

Inventor before: Gao Yuliang

Inventor before: Gao Fei

Inventor before: Dong Jianhua

Inventor before: Ding Haiyou

Inventor before: Kang Qiujing

CP03 Change of name, title or address
CP03 Change of name, title or address

Address after: B713 (Changping Demonstration Park), Building 8, No. 97, Changping Road, Shahe Town, Changping District, Beijing, 102206

Patentee after: Beijing Dacheng Guoce Technology Co.,Ltd.

Patentee after: Beijing Dacheng guoce Vision Technology Co.,Ltd.

Address before: 102206 room 503, building 6, No.97, Changping Road, Changping District, Beijing

Patentee before: BEIJING DACHENG GUOCE SCIENCE AND TECHNOLOGY CO.,LTD.

Patentee before: Beijing Dacheng guoce Vision Technology Co.,Ltd.