CN111717244A - 一种列车自动驾驶感知方法和系统 - Google Patents
一种列车自动驾驶感知方法和系统 Download PDFInfo
- Publication number
- CN111717244A CN111717244A CN201911310634.6A CN201911310634A CN111717244A CN 111717244 A CN111717244 A CN 111717244A CN 201911310634 A CN201911310634 A CN 201911310634A CN 111717244 A CN111717244 A CN 111717244A
- Authority
- CN
- China
- Prior art keywords
- train
- data
- steps
- following
- vehicle
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 229910000831 Steel Inorganic materials 0.000 claims abstract description 48
- 239000010959 steel Substances 0.000 claims abstract description 48
- 238000006243 chemical reaction Methods 0.000 claims abstract description 13
- 230000008447 perception Effects 0.000 claims description 18
- 238000001514 detection method Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L25/00—Recording or indicating positions or identities of vehicles or trains or setting of track apparatus
- B61L25/02—Indicating or recording positions or identities of vehicles or trains
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61C—LOCOMOTIVES; MOTOR RAILCARS
- B61C17/00—Arrangement or disposition of parts; Details or accessories not otherwise provided for; Use of control gear and control systems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种列车自动驾驶感知方法和系统,方法为,采集铁路线数据点构建高精度地图并存入车载主机;并启动激光雷达设备,车载主机校正列车的初始位置与高精度地图的初始位置相一致;在高精度地图中提取列车前方的多个数据点作为界限区域中心点集,并根据界限区域中心点集绘制列车前方轨道在地图中的平面区域;车载主机将采集的激光雷达点云数据与轨道平面区域在水平面内做交集得到第二点云数据集;将第二点云数据集进行深度图像转换并采用轮廓匹配算法进行障碍物识别分类,分类结果发送到外部车控系统,系统为,括防联锁信号系统、磁钢定位装置、速度传感器、激光雷达和车载主机,具有界限区域稳定、定位精度高和识别计算速度快的优点。
Description
技术领域
本发明属于轨道交通技术领域,具体涉及一种列车自动驾驶感知方法和系统。
背景技术
铁路运输为钢铁、煤炭等各领域提供了重要的货物运送保障,是一种重要的运输方式。列车的高效、安全运行直接影响着各个行业的发展,而在铁路运输过程中铁路线会有侵入物或障碍物出现的现象,影响了铁路运输的安全性和高效性。为避免重大事故的发生,需要对列车前方侵入物或障碍物进行检测。列车运行前方轨道上侵入物或障碍物的检测具有距离长、岔道多和区域复杂的难点。
传统的入侵物或障碍物检测手段是在列车运行时采用瞭望员进行侵入物或障碍物的发现和报警,但这样的方式检测具有可靠性低、报警不及时,也不符合铁路运输无人化的发展要求。
相对于传统的检测方式,现今铁路线路入侵物或障碍物检测采用铁路轨道识别方式,轨道识别方式的识别区域限定在两根铁轨区域内,识别方式通常采用相机采集图像,运用图像处理方法对轨道进行提取。这样的检测方式对于多路岔道时,无法确定出列车行进方向的轨道区域,且相机成像受天气和光线的影响,造成区域限界不稳定、成像不高或无法成像的问题。
此外,列车运行前方侵入物或障碍物识别目前采用平面分割及聚类算法,将限界内的点云进行高度筛选及聚类分割,这样只能判断侵入物或障碍物的有无及大小,难以进行侵入物的分类,并且由于点云属于三维空间数据,不具备拓扑关系,处理速度相对较慢。
发明内容
为解决上述技术问题,本发明提供一种列车自动驾驶感知方法和系统,具有界限区域稳定获取、线路定位精度高和障碍物识别计算速度快的优点。
一种列车自动驾驶感知方法,包括如下步骤,
步骤一:采集铁路线数据点构建高精度地图并存入车载主机;
步骤二:车载主机启动列车上的激光雷达设备;
步骤三:车载主机校正列车的初始位置与高精度地图的初始位置相一致;
步骤四:车载主机在高精度地图中提取列车前方的多个数据点作为界限区域中心点集,并根据界限区域中心点集绘制列车前方轨道在地图中的平面区域;所述界限区域中心点集为列车运行前方待感知区域的中心数据点集合;
步骤五:激光雷达开始进行数据采集,将采集数据形成激光雷达点云数据,车载主机将采集的激光雷达点云数据与轨道平面区域在水平面内做交集得到第二点云数据集;
步骤六:将第二点云数据集进行深度图像转换并采用轮廓匹配算法进行障碍物识别分类,并将分类结果发送到外部车控系统。
步骤一中,构建高精度地图包括如下步骤:
a1):将采集的铁路线数据点根据列车联锁信号,划分为不同的线路数据点子集,所述线路数据点子集为轨道线路中各岔道上的数据点,所述列车联锁信号包括信号机编号和岔道号;
a2):设置线路数据点子集各数据点之间的距离,所述数据点之间的距离满足列车速度传感器每输出两个脉冲信号,列车驶过地图上的一个数据点;
a3):将设置好的各线路数据点子集进行存储。
步骤一中,所述铁路线数据点为先验数据,所述先验数据利用RTK差分系统和IMU惯性测量单元进行采集,所述先验数据包含信标位置编号、经纬度、海拔高度、航向角、俯仰角和横滚角,所述信标位置编号与铁路轨道上间隔设置的磁钢位置相对应。
步骤三中,车载主机校正列车的初始位置和地图初始位置相一致包括如下步骤:
b1):车载主机检测列车联锁信号中是否接收有轨道中任一磁钢输出的脉冲信号;若有,则转入步骤b2),否则,继续检测;所述磁钢为间隔设置在轨道上的列车传感设备,所述磁钢均按一定次序进行编号,且所述磁钢在列车车轮经过时输出脉冲信号;
b2):车载主机根据磁钢所在轨道的线路确定当前列车所在的岔道号,并根据岔道号读取高精度地图中与所述岔道号所对应的线路数据点子集;
b3):车载主机获取所述磁钢的编号,并根据所述磁钢的编号在线路数据点子集中确定与磁钢编号对应的信标位置,完成校正。
步骤四中,在高精度地图中提取列车前方多个数据点的方法为,以列车运行时任意时刻的位置在高精度地图中对应的位置点为基准点,以列车运行方向为方向,在高精度地图中提取前方多个数据点;提取的数据点数量由激光雷达的覆盖范围决定。
步骤四中,根据界限区域中心点集绘制列车前方轨道在地图中的平面区域包括如下步骤:
c1):对界限区域中心点集进行坐标转换,将世界坐标系数据点位置转化为激光雷达坐标系位置,得到转换后的数据点集;
c2):对转换后的数据点集进行线性拟合,以拟合后的线段为中心线,以轨道宽度为轮廓线,进行列车前方轨道在地图中平面区域的绘制。
步骤六中,将第二点云数据集进行深度转换包括如下步骤:
d1):将第二点云数据集进行平面分割得到分割后的点云数据集;
d2):将分割后的点云数据集向垂直面内做投影,转换为32位深度图像;
d3):对32位深度图像进行图像灰度开方运算,以填补图像中的数据空洞。
步骤六中,采用轮廓匹配算法进行障碍物的分类识别包括如下步骤:
e1):分别以行人图像数据、行人多种形态图像数据、行人多种动作图像数据、车辆图像数据和不同车辆图像数据为样本模板,提取模板的亚像素轮廓,并将提供的亚像素轮廓存入模板库;
e2):将激光雷达实时获取的第二点云数据与模板库的数据进行识别和分类。
一种列车自动驾驶感知系统,所述系统包括站防联锁信号系统、磁钢定位装置、速度传感器、激光雷达和车载主机,所述激光雷达、速度传感器和站防联锁信号系统均与车载主机通信连接,磁钢定位装置与站防联锁信号系统通信连接。
所述速度传感器为轮轴脉冲转速传感器,所述轮轴脉冲转速传感器与列车车轮同轴安装。
本发明公开了一种列车自动感知方法和系统,采用列车联锁信号、有源磁钢和高精度地图进行列车的精准定位,列车经过轨道上的有源磁钢时,有源磁钢发出脉冲信号至列车联锁信号,根据列车联锁信号从而确定列车在轨道上的位置,并根据有源磁钢的位置信息从高精度地图中调取相应的线路子数据集,车速传感器检测列车车轮转速,速度传感器每发出2个脉冲,列车经过地图上的一个数据点,实现了列车位置与地图数据的精准匹配,定位的精度高、可靠性强。
根据激光雷达的覆盖范围,根据列车运行方向在地图中提取一定量的数据点构成界限区域点集,将界限区域点集与激光雷达采集的数据在水平方向上做交集并进行平面分割得到界限分割后的点云,进行深度图像转换,将三维空间的点云进行平面投影形成深度图像,将复杂三位空间点云处理,转化为简单的二维图像处理,减少了计算量,提高计算精度。
附图说明
图1是列车自动驾驶感知方法流程图。
图2是轨道上磁钢位置示意图。
具体实施方式
下面将结合本发明中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明一部分实施,而不是全部的实施,基于本发明的实施例,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它实施例,都属于本发明保护的范围。
如图1所示,一种列车自动驾驶感知方法,包括如下步骤,
步骤一:采集铁路线数据点构建高精度地图并存入车载主机;
步骤二:车载主机启动列车上的激光雷达设备;
步骤三:车载主机校正列车的初始位置与高精度地图的初始位置相一致;
步骤四:车载主机在高精度地图中提取列车前方的多个数据点作为界限区域中心点集,并根据界限区域中心点集绘制列车前方轨道在地图中的平面区域;所述界限区域中心点集为列车运行前方待感知区域的中心数据点集合;
步骤五:激光雷达开始进行数据采集,将采集数据形成激光雷达点云数据,车载主机将采集的激光雷达点云数据与轨道平面区域在水平面内做交集得到第二点云数据集;
步骤六:将第二点云数据集进行深度图像转换并采用轮廓匹配算法进行障碍物识别分类,并将分类结果发送到外部车控系统。
步骤一中,构建高精度地图包括如下步骤:
a1):将采集的铁路线数据点根据列车联锁信号,划分为不同的线路数据点子集,所述线路数据点子集为轨道线路中各岔道上的数据点,所述列车联锁信号包括信号机编号和岔道号;
a2):设置线路数据点子集各数据点之间的距离,所述数据点之间的距离满足列车速度传感器每输出两个脉冲信号,列车驶过地图上的一个数据点;
a3):将设置好的各线路数据点子集进行存储。
所述列车自动驾驶感知方法中优选为速度传感器发出1个脉冲,列车行进5CM,速度传感器每发出2个脉冲,列车行进10CM,此时会经过地图上的一个数据点,高精度地图中各铁路线路数据点之间的距离优选设置为10CM。
步骤一中,所述铁路线数据点为先验数据,所述先验数据利用RTK差分系统和IMU惯性测量单元进行采集,所述先验数据包含信标位置编号、经纬度、海拔高度、航向角、俯仰角和横滚角,所述信标位置编号与铁路轨道上间隔设置的磁钢1位置相对应,如图2所示。
步骤三中,车载主机校正列车的初始位置和地图初始位置相一致包括如下步骤:
b1):车载主机检测列车联锁信号中是否接收有轨道中任一磁钢1输出的脉冲信号;若有,则转入步骤b2),否则,继续检测;所述磁钢1为间隔设置在轨道上的列车传感设备,所述磁钢1均按一定次序进行编号,且所述磁钢1在列车车轮经过时输出脉冲信号;
b2):车载主机根据磁钢1所在轨道的线路确定当前列车所在的岔道号,并根据岔道号读取高精度地图中与所述岔道号所对应的线路数据点子集;
b3):车载主机获取所述磁钢1的编号,并根据所述磁钢1的编号在线路数据点子集中确定与磁钢1编号对应的信标位置,完成校正。
步骤四中,在高精度地图中提取列车前方多个数据点的方法为,以列车运行时任意时刻的位置在高精度地图中对应的位置点为基准点,以列车运行方向为方向,在高精度地图中提取前方多个数据点;提取的数据点数量由激光雷达的覆盖范围决定。
所述自动驾驶感知系统中的激光雷达的垂直视场角为8度,水平视场角为50度,水平分辨率为0.1度,垂直分辨率为0.08度,激光雷达的覆盖范围为10-110米,优选雷达的覆盖范围为110米,由于地图中每个数据点之间的距离为10cm,所以本方法中优选在高精度地图中提取前方1100个数据点作为界限区域中心点集,这样界限区域中心点集与激光雷达的最大覆盖区域相一致。
步骤四中,根据界限区域中心点集绘制列车前方轨道在地图中的平面区域包括如下步骤:
c1):对界限区域中心点集进行坐标转换,将世界坐标系数据点位置转化为激光雷达坐标系位置,得到转换后的数据点集;
c2):对转换后的数据点集进行线性拟合,以拟合后的线段为中心线,以轨道宽度为轮廓线,进行列车前方轨道在地图中平面区域的绘制。
步骤六中,将第二点云数据集进行深度转换包括如下步骤:
d1):将第二点云数据集进行平面分割得到分割后的点云数据集;
d2):将分割后的点云数据集向垂直面内做投影,转换为32位深度图像;
d3):对32位深度图像进行图像灰度开方运算,以填补图像中的数据空洞。
步骤六中,采用轮廓匹配算法进行障碍物的分类识别包括如下步骤:
e1):分别以行人图像数据、行人多种形态图像数据、行人多种动作图像数据、车辆图像数据和不同车辆图像数据为样本模板,提取模板的亚像素轮廓,并将提供的亚像素轮廓存入模板库;
e2):将激光雷达实时获取的第二点云数据与模板库的数据进行识别和分类。
一种列车自动驾驶感知系统,包括站防联锁信号系统、磁钢定位装置、速度传感器、激光雷达和车载主机,所述激光雷达、速度传感器和站防联锁信号系统均与车载主机通信连接,磁钢定位装置与站防联锁信号系统通信连接。
所述速度传感器为轮轴脉冲转速传感器,所述轮轴脉冲转速传感器与列车车轮同轴安装。
所述列车自动驾驶感知系统的工作过程如下:
所述磁钢定位装置为有源磁钢,当列车车轮接近有源磁钢是,有源磁钢输出正脉冲信号,到列车车轮从接近位置远离有源磁钢时,有源磁钢输出电压为0V。
所述列车自动驾驶感知系统的工作过程如下:
列车经过有源磁钢时,有源磁钢输出脉冲信号至站防联锁信号系统,根据站防联锁信号确定列车的位置,并根据站防联锁信号调取此时列车位置所在的地图的线路数据点子集。由于列车速度传感器每输出两个脉冲,列车前进10cm,与地图数据中的数据点之间的距离相一致,即列车在轨道上运行位置与地图中所在数据点的位置实时相一致。
以列车在地图数据点的位置为基准点,以列车运行方向为方向,提取1100个数据点构成界限区域中心点集,将界限中心点集进行坐标转换,将转换后的界限中心点集进行线性拟合,以拟合后的线段为中心线,以轨道宽度为轮廓线,绘制列车运行前方在地图中的平面区域。
将激光雷达采集到的点云数据在水平方向上与地图平面区域做交集,得到第二点云数据集,将第二点云数据集进行平面分割并在垂直方向上进行投影转换为32位深度图像,将转换后的深度图像采用轮廓匹配算法进行障碍物识别分类,并将分类结果发送到外部车控系统,实现障碍物或入侵物的感知。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段,还包括由以上技术特征任意组合所组成的技术方案。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种列车自动驾驶感知方法,其特征在于:包括如下步骤,
步骤一:采集铁路线数据点构建高精度地图并存入车载主机;
步骤二:车载主机启动列车上的激光雷达设备;
步骤三:车载主机校正列车的初始位置与高精度地图的初始位置相一致 ;
步骤四:车载主机在高精度地图中提取列车前方的多个数据点作为界限区域中心点集,并根据界限区域中心点集绘制列车前方轨道在地图中的平面区域;所述界限区域中心点集为列车运行前方待感知区域的中心数据点集合;
步骤五:激光雷达开始进行数据采集,将采集数据形成激光雷达点云数据,车载主机将采集的激光雷达点云数据与轨道平面区域在水平面内做交集得到第二点云数据集;
步骤六:将第二点云数据集进行深度图像转换并采用轮廓匹配算法进行障碍物识别分类,并将分类结果发送到外部车控系统。
2.根据权利要求1所述的列车自动驾驶感知方法,其特征在于:步骤一中,构建高精度地图包括如下步骤:
a1):将采集的铁路线数据点根据列车联锁信号,划分为不同的线路数据点子集,所述线路数据点子集为轨道线路中各岔道上的数据点,所述列车联锁信号包括信号机编号和岔道号;
a2):设置线路数据点子集各数据点之间的距离,所述数据点之间的距离满足列车速度传感器每输出两个脉冲信号,列车驶过地图上的一个数据点;
a3):将设置好的各线路数据点子集进行存储。
3.根据权利要求2所述的列车自动驾驶感知方法,其特征在于:步骤一中,所述铁路线数据点为先验数据,所述先验数据利用RTK差分系统和IMU惯性测量单元进行采集,所述先验数据包含信标位置编号、经纬度、海拔高度、航向角、俯仰角和横滚角,所述信标位置编号与铁路轨道上间隔设置的磁钢位置相对应。
4.根据权利要求2所述的列车自动驾驶感知方法,其特征在于:步骤三中,车载主机校正列车的初始位置和地图初始位置相一致包括如下步骤:
b1):车载主机检测列车联锁信号中是否接收有轨道中任一磁钢输出的脉冲信号;若有,则转入步骤b2),否则,继续检测;所述磁钢为间隔设置在轨道上的列车传感设备,所述磁钢均按一定次序进行编号,且所述磁钢在列车车轮经过时输出脉冲信号;
b2):车载主机根据磁钢所在轨道的线路确定当前列车所在的岔道号,并根据岔道号读取高精度地图中与所述岔道号所对应的线路数据点子集;
b3):车载主机获取所述磁钢的编号,并根据所述磁钢的编号在线路数据点子集中确定与磁钢编号对应的信标位置,完成校正。
5.根据权利要求1所述的列车自动驾驶感知方法,其特征在于:步骤四中,在高精度地图中提取列车前方多个数据点的方法为,以列车运行时任意时刻的位置在高精度地图中对应的位置点为基准点,以列车运行方向为方向,在高精度地图中提取前方多个数据点;提取的数据点数量由激光雷达的覆盖范围决定。
6.根据权利要求1所述的列车自动驾驶感知方法,其特征在于:步骤四中,根据界限区域中心点集绘制列车前方轨道在地图中的平面区域包括如下步骤:
c1):对界限区域中心点集进行坐标转换,将世界坐标系数据点位置转化为激光雷达坐标系位置,得到转换后的数据点集;
c2):对转换后的数据点集进行线性拟合,以拟合后的线段为中心线,以轨道宽度为轮廓线,进行列车前方轨道在地图中平面区域的绘制。
7.根据权利要求1所述的列车自动驾驶感知方法,其特征在于:步骤六中,将第二点云数据集进行深度转换包括如下步骤:
d1):将第二点云数据集进行平面分割得到分割后的点云数据集;
d2):将分割后的点云数据集向垂直面内做投影,转换为32位深度图像;
d3):对32位深度图像进行图像灰度开方运算,以填补图像中的数据空洞。
8.根据权利要求1所述的列车自动驾驶感知方法,其特征在于:步骤六中,采用轮廓匹配算法进行障碍物的分类识别包括如下步骤:
e1):分别以行人图像数据、行人多种形态图像数据、行人多种动作图像数据、车辆图像数据和不同车辆图像数据为样本模板,提取模板的亚像素轮廓,并将提供的亚像素轮廓存入模板库;
e2):将激光雷达实时获取的第二点云数据与模板库的数据进行识别和分类。
9.一种如权利要求1-8任一权利要求所述方法的列车自动驾驶感知系统,其特征在于:所述系统包括站防联锁信号系统、磁钢定位装置、速度传感器、激光雷达和车载主机,所述激光雷达、速度传感器和站防联锁信号系统均与车载主机通信连接,磁钢定位装置与站防联锁信号系统通信连接。
10.根据权利要求9所述的列车自动驾驶感知系统,其特征在于:所述速度传感器为轮轴脉冲转速传感器,所述轮轴脉冲转速传感器与列车车轮同轴安装。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310634.6A CN111717244A (zh) | 2019-12-18 | 2019-12-18 | 一种列车自动驾驶感知方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911310634.6A CN111717244A (zh) | 2019-12-18 | 2019-12-18 | 一种列车自动驾驶感知方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111717244A true CN111717244A (zh) | 2020-09-29 |
Family
ID=72563972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911310634.6A Pending CN111717244A (zh) | 2019-12-18 | 2019-12-18 | 一种列车自动驾驶感知方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111717244A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977541A (zh) * | 2021-03-17 | 2021-06-18 | 上海电气泰雷兹交通自动化系统有限公司 | 一种基于多技术融合的列车防护预警系统 |
CN113466829A (zh) * | 2021-05-14 | 2021-10-01 | 图达通智能科技(苏州)有限公司 | 一种通过外置反射镜灵活配置现有激光雷达视场角的方法 |
CN113895482A (zh) * | 2021-10-29 | 2022-01-07 | 北京埃福瑞科技有限公司 | 基于轨旁设备的列车测速方法及装置 |
CN113911174A (zh) * | 2021-11-04 | 2022-01-11 | 北京埃福瑞科技有限公司 | 列车的测速方法及装置 |
CN115123342A (zh) * | 2022-06-20 | 2022-09-30 | 西南交通大学 | 一种铁路专用线推送调车安全预警方法、装置及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104401368A (zh) * | 2014-12-02 | 2015-03-11 | 合肥工大高科信息科技股份有限公司 | 基于轨道电路与dgps的机车定位系统及其定位方法 |
CN104919471A (zh) * | 2013-01-14 | 2015-09-16 | 罗伯特·博世有限公司 | 障碍物地图的构建 |
CN107097813A (zh) * | 2017-06-12 | 2017-08-29 | 武汉黎赛科技有限责任公司 | 一种整备场机车定位系统 |
CN107330925A (zh) * | 2017-05-11 | 2017-11-07 | 北京交通大学 | 一种基于激光雷达深度图像的多障碍物检测和跟踪方法 |
CN109239748A (zh) * | 2017-07-10 | 2019-01-18 | 比亚迪股份有限公司 | 基于gnss的列车运行信息获取方法和装置 |
CN109334711A (zh) * | 2018-08-23 | 2019-02-15 | 浙江浙大列车智能化工程技术研究中心有限公司 | 一种列车精确定位系统 |
CN109484435A (zh) * | 2018-11-28 | 2019-03-19 | 交控科技股份有限公司 | 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 |
CN109649442A (zh) * | 2018-11-12 | 2019-04-19 | 浙江众合科技股份有限公司 | 一种基于虚拟信标的轨交信号产品车辆定位校准系统 |
CN109840448A (zh) * | 2017-11-24 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的信息输出方法和装置 |
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
-
2019
- 2019-12-18 CN CN201911310634.6A patent/CN111717244A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104919471A (zh) * | 2013-01-14 | 2015-09-16 | 罗伯特·博世有限公司 | 障碍物地图的构建 |
CN104401368A (zh) * | 2014-12-02 | 2015-03-11 | 合肥工大高科信息科技股份有限公司 | 基于轨道电路与dgps的机车定位系统及其定位方法 |
CN107330925A (zh) * | 2017-05-11 | 2017-11-07 | 北京交通大学 | 一种基于激光雷达深度图像的多障碍物检测和跟踪方法 |
CN107097813A (zh) * | 2017-06-12 | 2017-08-29 | 武汉黎赛科技有限责任公司 | 一种整备场机车定位系统 |
CN109239748A (zh) * | 2017-07-10 | 2019-01-18 | 比亚迪股份有限公司 | 基于gnss的列车运行信息获取方法和装置 |
CN109840448A (zh) * | 2017-11-24 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的信息输出方法和装置 |
US20190171212A1 (en) * | 2017-11-24 | 2019-06-06 | Baidu Online Network Technology (Beijing) Co., Ltd | Method and apparatus for outputting information of autonomous vehicle |
CN109334711A (zh) * | 2018-08-23 | 2019-02-15 | 浙江浙大列车智能化工程技术研究中心有限公司 | 一种列车精确定位系统 |
CN109649442A (zh) * | 2018-11-12 | 2019-04-19 | 浙江众合科技股份有限公司 | 一种基于虚拟信标的轨交信号产品车辆定位校准系统 |
CN109484435A (zh) * | 2018-11-28 | 2019-03-19 | 交控科技股份有限公司 | 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 |
CN110501719A (zh) * | 2019-08-27 | 2019-11-26 | 王玉娇 | 一种基于激光雷达的列车障碍物探测方法 |
Non-Patent Citations (2)
Title |
---|
汪涛: "智能行驶车辆定位技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
郭华真 等: "卫星定位技术在轻量化列车控制系统中的应用研究", 《第十届中国卫星导航年会》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112977541A (zh) * | 2021-03-17 | 2021-06-18 | 上海电气泰雷兹交通自动化系统有限公司 | 一种基于多技术融合的列车防护预警系统 |
CN113466829A (zh) * | 2021-05-14 | 2021-10-01 | 图达通智能科技(苏州)有限公司 | 一种通过外置反射镜灵活配置现有激光雷达视场角的方法 |
CN113895482A (zh) * | 2021-10-29 | 2022-01-07 | 北京埃福瑞科技有限公司 | 基于轨旁设备的列车测速方法及装置 |
CN113895482B (zh) * | 2021-10-29 | 2024-03-15 | 北京埃福瑞科技有限公司 | 基于轨旁设备的列车测速方法及装置 |
CN113911174A (zh) * | 2021-11-04 | 2022-01-11 | 北京埃福瑞科技有限公司 | 列车的测速方法及装置 |
CN113911174B (zh) * | 2021-11-04 | 2024-04-12 | 北京埃福瑞科技有限公司 | 列车的测速方法及装置 |
CN115123342A (zh) * | 2022-06-20 | 2022-09-30 | 西南交通大学 | 一种铁路专用线推送调车安全预警方法、装置及系统 |
CN115123342B (zh) * | 2022-06-20 | 2024-02-13 | 西南交通大学 | 一种铁路专用线推送调车安全预警方法、装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111717244A (zh) | 一种列车自动驾驶感知方法和系统 | |
CN107161141B (zh) | 无人驾驶汽车系统及汽车 | |
CN111551958B (zh) | 一种面向矿区无人驾驶的高精地图制作方法 | |
WO2018133851A1 (zh) | 一种点云数据处理方法、装置及计算机存储介质 | |
CN110146910B (zh) | 一种基于gps与激光雷达数据融合的定位方法及装置 | |
CN104573733B (zh) | 一种基于高清正射影像图的高精细地图生成系统及方法 | |
CN107422730A (zh) | 基于视觉导引的agv运输系统及其驾驶控制方法 | |
CN113468941B (zh) | 障碍物检测方法、装置、设备及计算机存储介质 | |
CN103065151B (zh) | 一种基于深度信息的车辆识别方法 | |
CN109556615A (zh) | 基于自动驾驶的多传感器融合认知的驾驶地图生成方法 | |
Ma et al. | Generation of horizontally curved driving lines in HD maps using mobile laser scanning point clouds | |
CN103499343B (zh) | 基于三维激光反射强度的道路标线点云自动分类识别方法 | |
CN112132896B (zh) | 一种轨旁设备状态检测方法及系统 | |
CN106225789A (zh) | 一种具有高安全性的车载导航系统及其引导方法 | |
KR101446546B1 (ko) | 위치기반 실시간 차량정보 표시시스템 | |
CN105718860A (zh) | 基于驾驶安全地图及双目交通标志识别的定位方法及系统 | |
CN104637059A (zh) | 基于毫米波雷达和机器视觉的夜间前方车辆检测方法 | |
CN111308499A (zh) | 一种基于多线激光雷达的障碍物检测方法 | |
CN103287372A (zh) | 一种基于图像处理的汽车防撞安全保护方法 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
Brenner | Vehicle localization using landmarks obtained by a lidar mobile mapping system | |
CN106494611B (zh) | 一种空轨两用巡检无人机 | |
Tschopp et al. | Hough $^ 2$ Map–Iterative Event-Based Hough Transform for High-Speed Railway Mapping | |
CN112455502A (zh) | 基于激光雷达的列车定位方法及装置 | |
CN114396958A (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200929 |