CN112249089A - 一种轨道交通应急定位系统及方法 - Google Patents
一种轨道交通应急定位系统及方法 Download PDFInfo
- Publication number
- CN112249089A CN112249089A CN202011031680.5A CN202011031680A CN112249089A CN 112249089 A CN112249089 A CN 112249089A CN 202011031680 A CN202011031680 A CN 202011031680A CN 112249089 A CN112249089 A CN 112249089A
- Authority
- CN
- China
- Prior art keywords
- imu
- vehicle
- train
- camera
- module
- 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 25
- 238000006073 displacement reaction Methods 0.000 claims abstract description 33
- 230000001133 acceleration Effects 0.000 claims abstract description 26
- 238000004891 communication Methods 0.000 claims abstract description 17
- 238000005259 measurement Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000003062 neural network model Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000009434 installation Methods 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L15/00—Indicators provided on the vehicle or train for signalling purposes
- B61L15/0018—Communication with or on the vehicle or train
- B61L15/0027—Radio-based, e.g. using GSM-R
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Machines For Laying And Maintaining Railways (AREA)
Abstract
本发明涉及一种轨道交通应急定位系统及方法,用于地铁沿线及隧道中的地铁车辆的应急定位,所述的应急定位系统包括摄像机、IMU、显示器和视频识别主机,所述的视频识别主机分别与摄像机、IMU和显示器连接,所述的摄像机用于拍摄隧道壁上的公里标,所述的IMU用于采集车辆的加速度,计算车辆位移,所述的视频识别主机将公里标与位移结合,定位车辆的位置信息,并通过无线车地通信通道,把车辆位置信息发往调度中心。与现有技术相比,本发明具有以下优点:不依赖外部系统,不增加轨旁设备,严格控制成本,可在原有信号设备故障情况下提供列车位置辅助显示信息等。
Description
技术领域
本发明涉及轨道交通车辆定位领域,尤其是涉及一种基于视频识别和惯性测量单元IMU的轨道交通应急定位系统及方法。
背景技术
轨道交通的调度指挥和车辆控制,需要明确每一辆车在线路上的位置,传统的车辆定位一般是基于“轮速传感器+信标”方案,通过记录车轮转过的角度和车轮的周长,计算车辆沿钢轨移动的距离,再通过“信标”系统,获得绝对位置,来对轮速传感器的累积误差进行修正。
当上述定位方案出现故障时,需要一种独立于现有的“轮速传感器+信标”方案的定位方式来进行应急情况下的车辆定位,并且,要求这种方案必须对车辆改动较少,成本较低。如何进行应急情况下的紧急定位成为当下需要解决的技术问题。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种轨道交通应急定位系统及方法。
本发明的目的可以通过以下技术方案来实现:
根据本发明的一个方面,提供了一种轨道交通应急定位系统,用于地铁沿线及隧道中的地铁车辆的应急定位,所述应急定位系统包括摄像机、IMU、显示器和视频识别主机,所述的视频识别主机分别与摄像机、IMU和显示器连接;
其中所述的摄像机用于拍摄隧道壁上的公里标;
所述的IMU用于采集车辆的加速度并计算车辆位移;
所述的视频识别主机将公里标与车辆位移进行结合,来定位车辆的位置信息,并通过无线车地通信通道把车辆位置信息发往调度中心。
优选地,所述的摄像机安装于列车车头的侧面位置,所述的摄像机的安装角度垂直于隧道壁上的公里标,所述的摄像机为高速摄像机。
优选地,所述的IMU水平安装于列车司机室内。
优选地,所述的视频识别主机安装于列车内,为适合边缘计算的工业级主机。
优选地,所述的无线车地通信通道包括车载交换机和原有信号系统通信网络或其它自建的不与信号系统共用的无线车地通信通道,所述的视频识别主机依次通过车载交换机和车地无线通信通道连接调度中心系统。
优选地,所述的视频识别主机包括初始化模块、数据采集模块、判断模块、IMU数据处理模块、视频识别模块和校准模块,所述的初始化模块通过数据采集模块连接判断模块,所述的判断模块分别通过IMU数据处理模块和视频识别模块连接校准模块;
所述的IMU数据处理模块用来计算列车移动的距离;
所述的视频识别模块用来判断图像中是否存在公里标并且获取公里标的识别结果;
所述的校准模块利用视频识别模块识别到的公里标的数据,来校准IMU累计的位移值。
优选地,每隔一段距离识别到一个公里标,即每隔一段距离校准一次IMU的累计位移值。
根据本发明的另一个方面,提供了一种采用所述的轨道交通应急定位系统的方法,该方法包括以下步骤:
步骤1、初始化摄像机和IMU,给定当前车辆位置信息的初始值“公里标数+IMU累计位移值”;
步骤2、IMU获取当前车辆的运动姿态,同时,摄像机将捕获的图像传输给视频识别主机;
步骤3、视频识别主机对当前图片做分析处理,判断目前是停车还是行进的状态,如果是停车状态,则校正IMU的加速度值为0,当前速度也为0,即移动的距离不再累加变化,如果是行进状态,则执行步骤4;
步骤4、通过IMU检测列车的加速度信息,并计算得到列车的加速度、速度,以及当前位移信息;
步骤5、视频识别主机对图片做预处理,判断列车经过公里标识牌的时机;同时,视频识别主机对预处理过的图像进行识别,若在图像中能识别到公里标数据,则执行步骤6,否则返回步骤3;
步骤6、校正列车位置信息,IMU累计位移值清零,更新位置信息里的公里标数据。
优选地,所述的步骤4具体包括以下步骤:
步骤4.1、根据IMU输出的当前时刻的加速度信息计算当前时刻与上一时刻之间的速度增量;
Δv=a×t
步骤4.2、根据上一时刻列车的速度信息、计算得到的速度增量,计算列车的当前时刻速度信息;
v=Δv+v0
步骤4.3、根据上一时刻定位到的位置信息、计算得到的所述列车的当前时刻速度信息,计算得到列车的当前时刻位移信息;
s=s0+v0t+(at^2)/2。
优选地,所述的步骤5具体包括以下步骤:
步骤5.1、根据设定的坐标值,裁剪采集到的图片数据;
步骤5.2、采用神经网络模型对输入的裁剪后的图片数据处理;
步骤5.3、识别率大于阈值,得到公里标的检测结果。
与现有技术相比,本发明具有以下优点:
1、采用了视频识别和惯性测量单元(IMU)的结合,形成一种独立性较强的应急定位方式,安装部署具有良好的灵活性,适应现场需求,能够将车辆的具体定位精确到米,并且通过视频识别公里标的方式,不断修正IMU产生的累积误差,提高了车辆位置信息的准确度。
2、可独立于车辆的信号系统,在发生信号故障时提供应急定位信息,不依赖任何原有的车载传感器,无需与其它的系统做接口。轨旁的公里标号牌是地铁线路的标准配置,在建设竣工时即全线布设完毕,因此,本系统并无新增的改造工作量,极大的减少了现场实施的难度和阻力。
3、分析IMU的工作原量和误差引入模型可知,IMU由于温度漂移和内部器件加工精度等原因引入的误差是其主要的误差来源。本发明的步骤3中采用对视频数据的帧间比较的方式,来对载具本身是否静止进行识别,并用这一数据来对IMU进行修正。当识别到车辆处于停车状态时,及时对IMU的加速度、速度进行清零,纠正IMU的“零飘”误差。
4、根据IMU误差引入原因进行分析,采用“滑动窗口”法,对最近20次的IMU采样数据求平均值,平抑由于温度漂移和MEMS制作精度引起的微量数值波动误差。滑动窗口大小可以根据IMU数据波动情况调整,一般在3~40之间即可。当前系统中,该值取20。
附图说明
图1为本发明的系统结构示意图;
图2为本发明的视频识别主机的结构示意图;
图3为本发明方法的工作流程图;
图4为本发明的识别公里标的具体过程。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
本发明设计的“应急定位”方案,是在现有定位系统“不可用”时的一种弥补方案,主要目的是使调度中心快速恢复正常的调度秩序,缩短启用电话闭塞等特殊行车组织方式所需的时间,提高故障处理效率。需要明确每一辆车在线路区段中的大致位置,对定位精度要求不高,可容忍5~10米的误差范围。
受限于车辆出厂后的加装系统,不可以对车辆进行大的改动,尽可能不在车上打孔,因此,本方案必须保证足够的独立性,不得使用原有系统的传感器,新安装的设备必须足够小,安装方式尽可能简便易行,而不需要对车辆进行改动。
由于地铁车辆大部分时间运行在隧道中,因此,卫星定位方案不可用。尽量不依赖外部系统,不增加轨旁设备,严格控制成本,因此UWB(超宽带)无线定位方案被排除。
本发明的工作原理:
在地铁沿线及隧道中,每间隔一段距离(典型值为100米),有一个公里标号牌,这个号牌上的编号是全线唯一的,因此,这个公里标号牌与信标一样,可以标定一个准确的绝对位置。再利用IMU惯性测量单元,测量车辆本身的加速度和位姿,通过时间积分,可以得到车辆的速度及一段时间内的位移。通过这种方式,可以确定车辆所在的位置为“某公里标牌+位移量”处,这一定位的格式,可以与原有信号系统中的车辆定位数据准确对应,从而达到“应急定位”的目的,再通过不与原信号系统共用的无线车地通信通道,把车辆位置信息发往调度中心,在调度指挥中心的ATS或GIS系统上显示列车的实时位置。
如图1所示,一种轨道交通应急定位系统,用于地铁沿线及隧道中的地铁车辆的应急定位,该系统包括摄像机、IMU、显示器和视频识别主机,所述的视频识别主机分别与摄像机、IMU和显示器连接,所述的摄像机用于拍摄隧道壁上的公里标,所述的IMU用于采集车辆的加速度,计算车辆位移,所述的视频识别主机将公里标与位移结合,定位车辆的位置信息,并通过无线车地通信通道,把车辆位置信息发往调度中心。
所述的摄像机安装于列车车头的侧面位置,所述的摄像机的安装角度垂直于隧道壁上的公里标。所述的摄像机为高速摄像机。所述的IMU水平安装于列车司机室内。所述的视频识别主机安装于列车内,为适合边缘计算的工业级主机。
所述的无线车地通信通道包括车载交换机和原有信号系统通信网络或其它自建的不与信号系统共用的无线车地通信通道,所述的视频识别主机依次通过车载交换机和车地无线通信通道连接调度中心系统。
如图2所示,所述的的视频识别主机包括初始化模块、数据采集模块、判断模块、IMU数据处理模块、视频识别模块和校准模块,所述的初始化模块通过数据采集模块连接判断模块,所述的判断模块分别通过IMU数据处理模块和视频识别模块连接校准模块,所述的IMU数据处理模块用来计算列车移动的距离,所述的视频识别模块用来判断图像中是否存在公里标并且获取公里标的识别结果;所述的校准模块利用视频识别模块识别到的公里标的数据,来校准IMU累计的位移值。
每一百米识别到一个公里标,即每一百米校准一次IMU的累计位移值。
IMU数据处理模块,首先从串口采集IMU数据,不同的IMU器件,其刷新频率也有所不同。然后,根据测得的Pitch俯仰角,Roll横滚角,Yaw航向角,对X,Y,Z三个轴向的加速度值进行去除重力加速度影响的修正计算。根据修正后的三个方向的加速度,获取与车辆运行正方向一致的轴的加速度(具体需根据IMU的安装方式来确定,如X轴),将该值放入“滑动窗口缓冲区”末尾,滑动窗口缓冲区的头部最早入列的一个值被抛弃。对滑动窗口缓中区内的加速度值求平均,以这个平均值为本周期实际参与积分运算的加速度值a。
视频识别模块包括图像的预处理和公里标的识别,用来判断图像中是否存在公里标并且获取公里标的识别结果。
如图3所示,一种采用所述的轨道交通应急定位系统的方法,该方法包括以下步骤:
步骤1、初始化摄像机和IMU,给定当前车辆位置信息的初始值“公里标数+IMU累计位移值”;
步骤2、IMU获取当前车辆的运动姿态,同时,摄像机将捕获的图像传输给运算主机;
步骤3、摄像机将捕获的图像传输给视频识别主机,系统对当前图片做分析处理,判断目前是停车还是行进的状态,如果是停车状态,则校正IMU的加速度值为0,当前速度也为0,即移动的距离不再累加变化,如果是行进状态,则执行步骤4;
步骤4、通过惯性测量单元(IMU)检测列车的加速度信息,结合连续20次IMU采样数据求平均,以平抑IMU的数据波动,计算得到列车的加速度、速度,以及当前位移信息;
步骤5、视频识别主机对图片做预处理,判断列车经过公里标识牌的时机;同时,视频识别主机对预处理过的图像进行识别,若在图像中能识别到公里标数据,则执行步骤6,否则返回步骤3;
步骤6、校正列车位置信息,IMU累计位移值清零,更新位置信息里的公里标数据。
所述的步骤4具体包括以下步骤:
步骤4.1、根据IMU输出的当前时刻的加速度信息计算当前时刻与上一时刻之间的速度增量;
Δv=a×t
步骤4.2、根据所述上一时刻列车的速度信息、计算得到的所述速度增量,计算列车的当前时刻速度信息;
v=Δv+v0
步骤4.3、根据上一时刻定位到的位置信息、计算得到的所述列车的当前时刻速度信息,计算得到列车的当前时刻位移信息。
s=s0+v0t+(at^2)/2
如图4所示,所述的步骤5具体包括以下步骤:
步骤5.1、根据设定的坐标值,裁剪采集到的图片数据;
步骤5.2、神经网络模型对输入的裁剪后的图片数据处理;
步骤5.3、识别率大于阈值,得到公里标的检测结果。
本发明的实施例:
步骤S1、打开并初始化相机和IMU设备,初始化车辆的位置信息,设为0km+0m(“公里标数+IMU累计位移值”);
步骤S2、IMU获取当前车辆的运动姿态,同时,摄像机将捕获的图像传输给运算主机;
步骤S3、系统对当前图片做分析处理,判断目前是停车还是行进的状态,如果是停车状态,则校正IMU的加速度值为0,即移动的距离不再累加变化(IMU累计位移值不变),如果是行进状态,则执行步骤S4,
步骤S4、通过惯性测量单元(IMU)获取到的当前列车运动姿态和加速度值,计算并更新列车的当前位移信息,例如IMU累识位移值为80,当前车辆信息为“0km+80m”;
步骤S5、运算主机对图片做预处理,判断列车经过公里标识牌的时机;同时,运算主机对预处理过的图像进行识别,若在图像中能识别到公里标数据,则执行步骤S6,否则返回步骤S4;
步骤S6、校正列车位置信息,IMU累计位移值清零,更新位置信息里的公里标数据,例如公里标数据为“998”,则当前车辆的位置信息为“998km+0m”;
识别公里标的具体过程如下:
步骤S51、预处理图片:设置矩形的左上角和右下角的坐标值,该矩形应在采集的图片的最右侧,以表示列车头经过公里标识牌,且该矩形的大小为公里标牌六倍左右;例如:相机采集到的图片大小为960*540,则可设定捕获矩形的左上角与右下角的坐标值为(800,300),(960,500)。
步骤S52、检测公里标:利用神经网络模型检测经捕获矩形剪裁后的图片中是否存在公里标牌,并识别出公里标牌上的数据信息,只有模型识别率超过一定的阈值才判断识别成功。将剪裁后的图片作为输入数据,将输入图片划分为S×S个网格,经过卷积、池化等操作,输出的结果为10类(0,1,2,…9)。
具体的模型训练过程如下:
在实际的场景下,用相机采集了300张图片,并模拟实际场景的光线变化,采用了高斯变换方法为图片增加噪声、模糊、倾斜,生成了300张公里标识牌数据集,合成一共600张训练集。在服务器上训练了1万步左右,模型收敛,最终loss达到0.3。
以上所述,仅为本发明的具体实施方式,但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。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种轨道交通应急定位系统,用于地铁沿线及隧道中的地铁车辆的应急定位,其特征在于,所述应急定位系统包括摄像机、IMU、显示器和视频识别主机,所述的视频识别主机分别与摄像机、IMU和显示器连接;
其中所述的摄像机用于拍摄隧道壁上的公里标;
所述的IMU用于采集车辆的加速度并计算车辆位移;
所述的视频识别主机将公里标与车辆位移进行结合,来定位车辆的位置信息,并通过无线车地通信通道把车辆位置信息发往调度中心。
2.根据权利要求1所述的一种轨道交通应急定位系统,其特征在于,所述的摄像机安装于列车车头的侧面位置,所述的摄像机的安装角度垂直于隧道壁上的公里标,所述的摄像机为高速摄像机。
3.根据权利要求1所述的一种轨道交通应急定位系统,其特征在于,所述的IMU水平安装于列车司机室内。
4.根据权利要求1所述的一种轨道交通应急定位系统,其特征在于,所述的视频识别主机安装于列车内,为适合边缘计算的工业级主机。
5.根据权利要求1所述的一种轨道交通应急定位系统,其特征在于,所述的无线车地通信通道包括车载交换机和原有信号系统通信网络或其它自建的不与信号系统共用的无线车地通信通道,所述的视频识别主机依次通过车载交换机和车地无线通信通道连接调度中心系统。
6.根据权利要求1所述的一种轨道交通应急定位系统,其特征在于,所述的视频识别主机包括初始化模块、数据采集模块、判断模块、IMU数据处理模块、视频识别模块和校准模块,所述的初始化模块通过数据采集模块连接判断模块,所述的判断模块分别通过IMU数据处理模块和视频识别模块连接校准模块;
所述的IMU数据处理模块用来计算列车移动的距离;
所述的视频识别模块用来判断图像中是否存在公里标并且获取公里标的识别结果;
所述的校准模块利用视频识别模块识别到的公里标的数据,来校准IMU累计的位移值。
7.根据权利要求6所述的一种轨道交通应急定位系统,其特征在于,每隔一段距离识别到一个公里标,即每隔一段距离校准一次IMU的累计位移值。
8.一种采用权利要求1所述的轨道交通应急定位系统的方法,其特征在于,该方法包括以下步骤:
步骤1、初始化摄像机和IMU,给定当前车辆位置信息的初始值“公里标数+IMU累计位移值”;
步骤2、IMU获取当前车辆的运动姿态,同时,摄像机将捕获的图像传输给视频识别主机;
步骤3、视频识别主机对当前图片做分析处理,判断目前是停车还是行进的状态,如果是停车状态,则校正IMU的加速度值为0,当前速度也为0,即移动的距离不再累加变化,如果是行进状态,则执行步骤4;
步骤4、通过IMU检测列车的加速度信息,并计算得到列车的加速度、速度,以及当前位移信息;
步骤5、视频识别主机对图片做预处理,判断列车经过公里标识牌的时机;同时,视频识别主机对预处理过的图像进行识别,若在图像中能识别到公里标数据,则执行步骤6,否则返回步骤3;
步骤6、校正列车位置信息,IMU累计位移值清零,更新位置信息里的公里标数据。
9.根据权利要求8所述的方法,其特征在于,所述的步骤4具体包括以下步骤:
步骤4.1、根据IMU输出的当前时刻的加速度信息计算当前时刻与上一时刻之间的速度增量;
Δv=a×t
步骤4.2、根据上一时刻列车的速度信息、计算得到的速度增量,计算列车的当前时刻速度信息;
v=Δv+v0
步骤4.3、根据上一时刻定位到的位置信息、计算得到的所述列车的当前时刻速度信息,计算得到列车的当前时刻位移信息;
s=s0+v0t+(at^2)/2。
10.根据权利要求8所述的方法,其特征在于,所述的步骤5具体包括以下步骤:
步骤5.1、根据设定的坐标值,裁剪采集到的图片数据;
步骤5.2、采用神经网络模型对输入的裁剪后的图片数据处理;
步骤5.3、识别率大于阈值,得到公里标的检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031680.5A CN112249089A (zh) | 2020-09-27 | 2020-09-27 | 一种轨道交通应急定位系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011031680.5A CN112249089A (zh) | 2020-09-27 | 2020-09-27 | 一种轨道交通应急定位系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112249089A true CN112249089A (zh) | 2021-01-22 |
Family
ID=74234292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011031680.5A Pending CN112249089A (zh) | 2020-09-27 | 2020-09-27 | 一种轨道交通应急定位系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112249089A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112550377A (zh) * | 2020-12-18 | 2021-03-26 | 卡斯柯信号有限公司 | 基于视频识别和imu设备的轨道交通应急定位方法和系统 |
CN113895481A (zh) * | 2021-10-26 | 2022-01-07 | 卡斯柯信号有限公司 | 基于图形识别的列车定位与追踪管理方法、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103192852A (zh) * | 2013-04-18 | 2013-07-10 | 南京理工大学 | 一种地铁列车防撞预警装置及其方法 |
KR20160000031A (ko) * | 2014-06-23 | 2016-01-04 | 현대로템 주식회사 | 운행기록을 이용한 철도차량과 선로 감시시스템 및 방법 |
CN108454652A (zh) * | 2017-02-22 | 2018-08-28 | 中车株洲电力机车研究所有限公司 | 一种安全可靠的实时测速和连续定位的方法、装置及系统 |
CN108778889A (zh) * | 2016-04-15 | 2018-11-09 | 普拉塞-陶依尔铁路出口股份有限公司 | 用于检测轨道旁的固定点的方法和测量系统 |
CN109631887A (zh) * | 2018-12-29 | 2019-04-16 | 重庆邮电大学 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
CN109747681A (zh) * | 2019-01-14 | 2019-05-14 | 卡斯柯信号有限公司 | 一种列车定位装置及方法 |
CN110864690A (zh) * | 2019-10-31 | 2020-03-06 | 北京无线电计量测试研究所 | 一种适用于车辆图像识别的室内定位系统和方法 |
CN111114593A (zh) * | 2019-12-18 | 2020-05-08 | 中铁电气化局集团有限公司 | 基于多元信息融合的地铁列车自主定位装置、系统及方法 |
-
2020
- 2020-09-27 CN CN202011031680.5A patent/CN112249089A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103192852A (zh) * | 2013-04-18 | 2013-07-10 | 南京理工大学 | 一种地铁列车防撞预警装置及其方法 |
KR20160000031A (ko) * | 2014-06-23 | 2016-01-04 | 현대로템 주식회사 | 운행기록을 이용한 철도차량과 선로 감시시스템 및 방법 |
CN108778889A (zh) * | 2016-04-15 | 2018-11-09 | 普拉塞-陶依尔铁路出口股份有限公司 | 用于检测轨道旁的固定点的方法和测量系统 |
CN108454652A (zh) * | 2017-02-22 | 2018-08-28 | 中车株洲电力机车研究所有限公司 | 一种安全可靠的实时测速和连续定位的方法、装置及系统 |
CN109631887A (zh) * | 2018-12-29 | 2019-04-16 | 重庆邮电大学 | 基于双目、加速度与陀螺仪的惯性导航高精度定位方法 |
CN109747681A (zh) * | 2019-01-14 | 2019-05-14 | 卡斯柯信号有限公司 | 一种列车定位装置及方法 |
CN110864690A (zh) * | 2019-10-31 | 2020-03-06 | 北京无线电计量测试研究所 | 一种适用于车辆图像识别的室内定位系统和方法 |
CN111114593A (zh) * | 2019-12-18 | 2020-05-08 | 中铁电气化局集团有限公司 | 基于多元信息融合的地铁列车自主定位装置、系统及方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112550377A (zh) * | 2020-12-18 | 2021-03-26 | 卡斯柯信号有限公司 | 基于视频识别和imu设备的轨道交通应急定位方法和系统 |
CN113895481A (zh) * | 2021-10-26 | 2022-01-07 | 卡斯柯信号有限公司 | 基于图形识别的列车定位与追踪管理方法、设备及介质 |
CN113895481B (zh) * | 2021-10-26 | 2024-01-23 | 卡斯柯信号有限公司 | 基于图形识别的列车定位与追踪管理方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101339354B1 (ko) | 영상을 이용한 철도차량의 위치검지 시스템 및 위치검지방법 | |
CN109583407B (zh) | 一种基于nfc技术和机器视觉相结合的轨道检测定位系统 | |
AU2022204351B2 (en) | Systems and methods for locating objects | |
CN112249089A (zh) | 一种轨道交通应急定位系统及方法 | |
CN109334711A (zh) | 一种列车精确定位系统 | |
CN109509223A (zh) | 基于深度学习的前方车辆测距方法 | |
US11475679B2 (en) | Road map generation system and road map generation method | |
CN107818685A (zh) | 一种基于车载视频获取车辆运动状态的方法 | |
CN109747681A (zh) | 一种列车定位装置及方法 | |
CN103837087A (zh) | 基于主动形状模型的受电弓自动检测方法 | |
CN108469262A (zh) | 轨道交通列车的定位系统及方法 | |
CN112550377A (zh) | 基于视频识别和imu设备的轨道交通应急定位方法和系统 | |
CN115761007A (zh) | 一种实时的双目相机自校准方法 | |
CN111183464B (zh) | 基于车辆轨迹数据估计信号交叉路口的饱和流量的系统和方法 | |
CN114841188A (zh) | 一种基于二维码的车辆融合定位方法及装置 | |
CN117309903B (zh) | 一种隧道内缺陷定位方法及装置 | |
CN113591643A (zh) | 一种基于计算机视觉的地下交通工具进出站检测系统及方法 | |
CN109637289A (zh) | 曲线行驶科目的自动评分装置及方法 | |
CN116582926A (zh) | 一种基于uwb、imu的井下胶轮车融合定位方法 | |
CN115366942A (zh) | 一种基于双传感器感知时延的地铁里程定位方法 | |
KR102672693B1 (ko) | 철도 차량용 위치 인식 및 발생 이벤트 기록 시스템 | |
JP7301802B2 (ja) | 車載センサデータへの位置情報付与方法、システム及びプログラム | |
Wang et al. | Simultaneous Location of Rail Vehicles and Mapping of Environment with Multiple LiDARs | |
JP7475312B2 (ja) | 波形データの位置補正方法及び位置補正システム | |
CN112050828B (zh) | 一种基于深度学习的视觉里程计及里程方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210122 |
|
RJ01 | Rejection of invention patent application after publication |