CN112406960A - 一种地铁用多传感器融合的主动防撞系统和方法 - Google Patents

Abstract

本发明公开一种地铁用多传感器融合的主动防撞系统和方法，主动防撞系统包括防撞主机、近距离主动感知传感器模块和远距离主动感知传感器模块，射频板卡与二次雷达处理板卡构成远距离主动防撞模块，近距离主动感知传感器模块包括激光雷达、毫米波雷达、工业长焦摄像头和工业短焦摄像头，主动防撞方法包括通过基于机器学习和灰度投影算法的轨道识别、采集轨道上障碍物图像并传输至列车调度系统、图像和激光雷达的数据融合，获取结果层的探测目标，然后进行探测目标的主动防撞监测。本发明能够检测较远距离危险等级高的列车目标，同时具备主动障碍物检测的功能，扩大检测范围，提高检测准确度和稳定性，保证列车行驶安全。

Description

一种地铁用多传感器融合的主动防撞系统和方法

技术领域

本发明涉及轨道交通安全防护技术领域，尤其涉及一种地铁用多传感器融合的主动防撞系统和方法。

背景技术

在地铁列车正线运行时，要求列车防撞系统最大测距距离不低于950m，以最大程度保证列车行驶的安全性。目前，轨道交通领域涉及的地铁用主动防撞系统主要包括以下几种：

(1)上海锐明轨交设备有限公司基于视觉感知的列车障碍物探测系统：

基于视觉感知的列车障碍物探测系统通过视觉感知技术判定列车行进包络，并对行进包络内的障碍物进行探测，可探测300m可视范围内不小于35*35cm的物体，为列车或控制中心提供障碍物预警，适用于地铁列车及无人驾驶列车。该检测系统探测距离有限，无法满足地铁防撞设备要求。

(2)中车南京铺镇公司的地铁列车障碍物检测系统：

基于激光雷达、红外摄像机、3D摄像机、无线电雷达、超声波传感器等设计。该系统存在算法复杂、检测距离短、误报率高等诸多问题，且存在很多工程化问题，尚未获得大规模推广应用。

(3)南京信源通智能科技开发的主动式列车障碍物检测装置：

基于红外相机、可见光相机与毫米波雷达等传感器，可实时探测到直线距离250米范围内、尺寸不小于50cm*50cm的物体。该检测系统探测距离有限，无法满足地铁防撞设备要求。

上述几种主流防撞系统均存在检测距离有限等诸多缺陷，无法满足当前列车主动防撞的安全性能要求。其中，主动防撞系统检测装置最早应用于与城市交通线路混跑的有轨电车，主要通过雷达及视频成像等技术对前方固定范围内的障碍物进行分析、处理，起到辅助司机驾驶的功能，在车辆存在冲撞风险时施加相应的安全保护措施，从而避免对人员和车辆造成伤害。为了跟随主动防撞领域的发展趋势，主动防撞检测装置在稳定性和安全性上都需要满足更高的要求。

发明内容

本发明的目的是提供一种地铁用多传感器融合的主动防撞系统和方法，具备二次雷达辅助防护的功能，能够检测较远距离危险等级高的列车目标，同时具备主动障碍物检测的功能，扩大检测范围，提高检测准确度和稳定性，保证列车行驶安全。

本发明采用的技术方案为：

一种地铁用多传感器融合的主动防撞系统，其特征在于：包括防撞主机、近距离主动感知传感器模块和远距离主动感知传感器模块，防撞主机通讯端分别连接近距离主动感知传感器模块和远距离主动感知传感器模块；

防撞主机包括CPU板卡、GPU板卡、网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、射频板卡、IO接口板卡、毫米波雷达接口板卡和电源板卡；

CPU板卡与GPU板卡通过高速总线进行通信，CPU板卡通过高速互联接口分别与网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、IO接口板卡、毫米波雷达接口板卡及电源板卡进行互联，IO接口板卡与列车系统进行通讯；

MVB通信板卡实现MVB通信功能并作为外部接口与列车进行组网和数据交互；

TRDP板卡实现TRDP通信功能并作为外部接口与列车进行组网和数据交互；

射频板卡实现天线信号的发送和接收，射频板卡与二次雷达处理板卡构成远距离主动防撞模块；

毫米波雷达接口板卡用于完成接口转换，毫米波雷达接口板卡通过千兆网接口与CPU板卡进行互联并将毫米波雷达数据传输至CPU；

近距离主动感知传感器模块包括激光雷达、毫米波雷达、工业长焦摄像头和工业短焦摄像头。

进一步地，所述二次雷达处理板卡采用集成RF捷变收发器。

一种基于上述地铁用多传感器融合的主动防撞系统的主动防撞方法，包括

A、基于机器学习和灰度投影算法的轨道识别；

B、采集轨道上障碍物图像并传输至列车调度系统；

C、图像和激光雷达的数据融合，获取结果层的探测目标；

D、探测目标的主动防撞监测；具体为：

d1：采用图像识别和三维重建算法随近距离非合作目标进行主动探测，获取近距离目标的距离信息；

d2：采用二次雷达通过车车应答通信方式对远距离非合作目标进行主动探测，获取远距离目标的距离信息；

d3、采用卡尔曼滤波方法对获取的距离信息进行处理，获取障碍物的相对速度和加速度；

d4、根据预设车距阈值评估障碍物追尾风险，判定列车是否处于危险车距内，若是则将判定结果传输至系统终端；

d5、系统终端控制列车紧急制动。

进一步地，所述步骤A具体为：

a1：通过机器学习训练方式完成铁轨样本图像集合的分类训练；具体包括：

a1.1：左边铁轨的识别和列车轨道图像中弯道的判定：

当左边铁轨在图像平面的直线角度为锐角或左边铁轨的中心位置在图像视场右侧时，则样本分类结果为弯道；

当左边铁轨在图像平面的直线角度为钝角或者左边铁轨中心在图像视场左侧，则左边铁轨被识别，在相邻区域利用灰度投影算法检测提取右边铁轨，同时输出样本分类结果为直道；

a1.2：右边铁轨的识别和列车轨道图像中弯道的判定：

当右边铁轨在图像平面的直线角度为钝角或者右边铁轨中心位置在图像视场左侧时，则样本分类结果为弯道；

当右边铁轨在图像平面的直线角度为锐角或右边铁轨的中心位置在图像视场右侧，则右边铁轨被识别，则在相邻区域利用灰度投影算法检测提取左边铁轨，同时输出样本分类结果为直道。

a2：采集待测列车轨道图像，基于机器学习检测方法对铁轨状态进行分类。

进一步地，步骤C中所述图像和激光雷达的数据融合具体为：将主动防撞系统中传感器的数据信息进行直接融合，然后根据融合后的数据信息实现感知功能，最后输出结果层的探测目标。

进一步地，所述d1具体过程如下：

d1.1：目标检测、识别及方向角估计：采用人工神经网络从摄像头产生的视频流中检测目标并进行目标识别和分类，并将目标所在像素位置信息转化为方位和俯仰角信息；

d1.2：目标距离信息提取：根据目标方向角信息从激光雷达点云中匹配目标并提取该目标的距离信息，形成目标的三维位置信息；

d1.3：目标速度信息提取：根据目标的三维位置信息从微波雷达点云中匹配目标并提取目标的径向速度信息；

d1.4：目标跟踪：通过卡尔曼滤波器将检测到的目标位置和速度信息进行跟踪滤波，建立和维护目标的航迹信息；

d1.5：实时获取目标的距离信息。

进一步地，所述d2具体过程如下：

d2.1：主动端向被动端发送主动测距信号；

d2.2：被动端接收到主动测距信号后开始应答，发出被动端确认信号，并计算从接收主动测距信号到发出被动端确认信号之间的时延T2；

d2.3：主动端接收到被动端的应答，并计算从发出主动测距信号到接收被动端到确认信号之间的时延T1；

d2.4：被动端发出被动测距信号，被动测距信号的数据帧中包括T2；

d2.5：主动端接收含有T2的被动测距信号，并发出主动端确认信号，同时，主动端计算从接收被动测距信号到发出主动端确认信号之间的时延T3；

d2.6：被动端接收主动端确认信号，并计算从发送被动测距信号到接收到主动端确认信号之间的时延T4；

d2.7：被动端向主动端发出含有T4的二次测距信号；

d2.8：计算距离信息D，D＝(c[(T1-T2)+(T4-T3)])/4，c表示300000km/s。

本发明具有以下有益效果：

(1)通过主动防撞系统的使用，通过多传感器融合的方式实时监视列车信号系统故障，对列车运行前方轨道的障碍物(如车辆、人、机箱等)进行主动识别同时精准感知障碍物距离，并具备预警功能和施加制动采取主动防护措施的能力，辅助防护功能，分担司机的驾驶风险，提高人工驾驶速度，在提升故障情况下维持运营的效率，实现系统降级情况下的智能化辅助；同时，通过二次雷达辅助防护功能的添加，实现较远距离高危险等级列车目标的监测，满足地铁列车要求防撞系统最大测距距离不低于950m的要求；

(2)独立于信号系统工作，参与车辆组网且便于安装，在全线直道、弯道、道岔区域准确可靠识别运行前方障碍物，不受相邻轨道障碍物或轨旁设备(轨旁围墙、信号机等)的影响，作为防止列车发生撞击，保护行人的最后一道防线，满足功能安全等级SIL2要求，在满足主动防撞等级要求的同时，进一步提升了列车的行车安全性能；

(3)主动防撞方法采用激光雷达、毫米波雷达、视频检测融合，通过图像识别和三维重建算法对近距离非合作目标进行主动探测，发现障碍物，同时，为满足地铁列车远距离防撞检测要求，使用二次雷达通过车车应答通信方式，确保车辆之间安全距离，可靠性高，作用距离远；

(4)采用卡尔曼滤波方法对实时测量的距离信息进行处理，可得到前车的相对速度和加速度信息，并形成稳定的跟踪航迹，且能够同时对多目标进行跟踪。

附图说明

图1为本发明中主动防撞系统的结构框图；

图2为本发明中主动防撞方法的流程图；

图3为远距离目标的距离信息获取流程图。

具体实施方式

本发明公开了一种地铁用多传感器融合的主动防撞系统，包括防撞主机、近距离主动感知传感器模块和远距离主动感知传感器模块，防撞主机通讯端分别连接近距离主动感知传感器模块和远距离主动感知传感器模块；

防撞主机包括CPU板卡、GPU板卡、网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、射频板卡、IO接口板卡、毫米波雷达接口板卡和电源板卡；

CPU板卡与GPU板卡通过高速总线进行通信，CPU板卡通过高速互联接口分别与网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、IO接口板卡、毫米波雷达接口板卡及电源板卡进行互联，IO接口板卡与列车系统进行通讯；

MVB通信板卡实现MVB通信功能并作为外部接口与列车进行组网和数据交互；

TRDP板卡实现TRDP通信功能并作为外部接口与列车进行组网和数据交互；

射频板卡实现天线信号的发送和接收，射频板卡与二次雷达处理板卡构成远距离主动防撞模块；

毫米波雷达接口板卡用于完成接口转换，毫米波雷达接口板卡通过千兆网接口与CPU板卡进行互联并将毫米波雷达数据传输至CPU；

近距离主动感知传感器模块包括激光雷达、毫米波雷达、工业长焦摄像头和工业短焦摄像头。

本发明还公开了一种地铁用多传感器融合的主动防撞方法，包括

A、基于机器学习和灰度投影算法的轨道识别；

B、采集轨道上障碍物图像并传输至列车调度系统；

C、图像和激光雷达的数据融合，获取结果层的探测目标

D、探测目标的主动防撞监测；具体为：

d1：采用图像识别和三维重建算法随近距离非合作目标进行主动探测，获取近距离目标的距离信息；

d2：采用二次雷达通过车车应答通信方式对远距离非合作目标进行主动探测，获取远距离目标的距离信息；

d3、采用卡尔曼滤波方法对获取的距离信息进行处理，获取障碍物的相对速度和加速度；

d4、根据预设车距阈值评估障碍物追尾风险，判定列车是否处于危险车距内，若是则将判定结果传输至系统终端；

d5、系统终端控制列车紧急制动。

为了更好地理解本发明，下面结合具体实施例对本发明的技术方案做进一步说明。

如图1所示，本发明公开了一种地铁用多传感器融合的主动防撞系统，包括防撞主机、近距离主动感知传感器模块和远距离主动感知传感器模块，防撞主机通讯端分别连接近距离主动感知传感器模块和远距离主动感知传感器模块。

防撞主机包括CPU板卡、GPU板卡、网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、射频板卡、IO接口板卡、毫米波雷达接口板卡、电源板卡和数据存储卡。

CPU板卡与GPU板卡通过高速总线进行通信，CPU板卡通过高速互联接口分别与网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、IO接口板卡、毫米波雷达接口板卡及电源板卡进行互联，IO接口板卡与列车系统进行通讯。背板连接器均选用高可靠性连接器。

CPU板卡完成主动防撞系统控制流程，摄像头数据、激光雷达数据和毫米波雷达数据的采集、处理和运算。GPU和CPU相互配合，实现主动防撞检测算法，CPU将一些重复可快速运算的算法交给GPU运算，运算完成之后GPU返回运算结果。

网络交换板卡作为系统主机内部通信纽带，完成各功能板卡的接口转换功能，实现系统主机内部各板卡千兆网高速互联。本板卡使用STM32单片机配置管理千兆网交换芯片，千兆网交换芯片集成PHY收发器，外部通过网络变压器与各千兆网接口进行互联。

MVB通信板卡实现MVB通信功能并作为外部接口与列车进行组网和数据交互。

TRDP板卡实现TRDP通信功能并作为外部接口与列车进行组网和数据交互。TRDP控制接口采用100Mbps全双工，M12-D接口，支持MDI直连线以太网通信、Auto MDI/MDI-X自动翻转等功能，满足IEC61375列车网络通信系统的要求。基于Vxworks操作系统自主开发的TRDP实时以太网协议，可以保证大数据量传输时的实时性、可靠性。

TRDP控制协议内容与MVB控制协议内容相同，实现功能也相同，可通过子系统的更改配置或TCMS更改配置，实现控制模式的选择和切换。

本发明使用STM32MP153 MCU实现TRDP实时以太网协议；通过千兆网接口与CPU板卡互联，预留CAN-FD接口，RS232作为调试接口使用。

射频板卡实现天线信号的发送和接收，射频板卡与二次雷达处理板卡构成远距离主动防撞模块。二次雷达处理板卡采用集成RF捷变收发器，单芯片集成收发器功能的所有必要RF、混合信号和数字模块，降低了射频板卡硬件规模；使用MCU作为核心处理器，通过千兆网接口与CPU板卡进行互联；主处理器使用FPGA，具有强大的并行处理能力，控制集成RF捷变收发器，完成射频信号和基带信号的变换以及数字化，FPGA对数字基带信号进行线性调频、波束定心和恒虚警处理，完成SDS-TWR测距、动态测量补偿、同频抑制等算法，实现远距离高精度测量技术。

IO接口板卡主要完成车辆开关信号的采集和输出逻辑控制，使用MCU作为核心处理器，通过千兆网接口与CPU板卡进行互联，故障导向安全。输入采集用于输入数字信号采集。由于从司机控制器、按键开关组等来的信号及从主断路器、隔离开关、两位置转换开关和接触器等的辅助触点来的信号其输入信号为直流110V，因此必须经过电阻网络降压、稳压管限幅、电容滤波、光电隔离后再经过施密特触发器输入给主机板。这种电路可靠性很高，抗干扰能力强，能适应轨道车辆的恶劣工作环境。

防撞系统内工作电压为TTL等级，且其负载能力较低，为了与外部的110V直流工作电压一致，并具有足够的驱动能力必须有专门的输出模块。采用MOSFET作为功率放大元件来取代传统的中间继电器，利用隔离光伏MOSFET驱动集成芯片控制MOS管的通断，从而解决了多个串联触头间输出共地问题。

毫米波雷达接口板卡用于完成接口转换，毫米波雷达接口板卡通过千兆网接口与CPU板卡进行互联并将毫米波雷达数据传输至CPU。

数据存储卡，对TRDP数据、MVB数据、内部周期性数据、系统工作情况等进行存储，如危险距离预警、紧急制动控制、系统通信故障、系统解码异常等。

近距离主动感知传感器模块包括激光雷达、毫米波雷达和工业相机，工业相机包括工业长焦摄像头和工业短焦摄像头。系统主机同时接收长短焦摄像头视频，激光传感器点云数据，毫米波雷达反射回波信号，在系统主机中进行综合处理。

三种传感器的工作原理分别为：

(1)激光雷达在转子上安装64对发射接收装置，发出防差错编码的64条非均匀线束，通过内部高精度电机实现水平方向360度扫描。形成已激光雷达为中心的3D点云数据集，包含每个激光点的距离，反射率，方向等信息。通过坐标变换将3D点云数据转换到直接坐标系，经过高精地图ROI过滤和网格化，统计分离出多通道特征值，采用深度完全卷积神经网络，通过特征编码器、特征解码器、障碍物属性预测器获取目标关键属性。使用AI算法用于检测到跟踪关联，并采用鲁棒卡尔曼滤波器对目标动态跟踪。

(2)工业短焦摄像头可获取近距离图像，工业长焦可识别远距离图像，两个摄像头同时采集图像，数据标定融合后可以拓展摄像头探测距离到300米以上。对于摄像头的图像数据，首先构建机器学习算法级联的铁轨障碍物检测系统，包括：特征向量库构建模块、分类器训练模块、基于深度神经网络的列车、行人、小障碍物检测模块和支持向量机目标检测模块。然后通过采集铁轨附近列车、行人、小障碍图像，分别构建训练样本集合；采用深度神经网络算法完成特征向量库的训练，利用支持向量机对方向直方图特征向量库进行训练，再次，加载深度神经网络算法训练得到的分类器，在待检测图像中提取列车、行人、小障等目标的粗检测区域；最后，在行人目标的粗检测区域利用分类器完成行人目标的确认。

(3)毫米波雷达相对于前两种传感器具有很好的速度和距离感知特性，能很好适应极端恶劣天气和弱光环境，因此支撑了主动防撞系统在全天候任何天气条件下的稳定运行。雷达检测到目标时，计算目标距离雷达视轴的距离和角度，通过距离和角度测算目标是否在列车行驶的铁轨范围内。

如图2所示，本发明还公开了一种基于上述地铁用多传感器融合的主动防撞系统的主动防撞方法，包括：

A、基于机器学习和灰度投影算法的轨道识别。

TIDS系统(综合指挥调度系统)需要准确识别位于轨道上的障碍物，若其他位置的物体被认为是障碍物从而引起错误判断对列车安全运行造成极大损害，因此列车轨道识别至关重要，本发明采用基于机器学习和灰度投影算法相结合的铁轨识别方法。

列车在直道运行时，左边铁轨中心位置位于列车图像视场中心左侧，右边铁轨中心位置位于图像视场中心右侧，同时，左边铁轨的斜率为钝角，右边铁轨斜率为钝角；利用灰度投影算法，将图像像素沿图像平面的各个方向进行投影，计算像素投影值的最大的极大值，获得投影值最大的极大值的方向为检测直线所在方向，灰度投影算法同时实现对直线的检测和提取，机器学习则是通过统计学知识对原始数据进行训练，发现数据的知识规律，利用训练得到的知识规律对未知数据或情形进行预测或分类，传统机器学习算法的工作模式为训练方式和检测方式。

基于上述原理，基于机器学习和灰度投影算法的轨道识别的具体过程为：

a1：通过机器学习训练方式完成铁轨样本图像集合的分类训练；具体包括：

a1.1：左边铁轨的识别和列车轨道图像中弯道的判定：

当左边铁轨在图像平面的直线角度为锐角或左边铁轨的中心位置在图像视场右侧时，则样本分类结果为弯道；

当左边铁轨在图像平面的直线角度为钝角或者左边铁轨中心在图像视场左侧，则左边铁轨被识别，在相邻区域利用灰度投影算法检测提取右边铁轨，同时输出样本分类结果为直道；

a1.2：右边铁轨的识别和列车轨道图像中弯道的判定：

当右边铁轨在图像平面的直线角度为钝角或者右边铁轨中心位置在图像视场左侧时，则样本分类结果为弯道；

当右边铁轨在图像平面的直线角度为锐角或右边铁轨的中心位置在图像视场右侧，则右边铁轨被识别，则在相邻区域利用灰度投影算法检测提取左边铁轨，同时输出样本分类结果为直道。

a2：采集待测列车轨道图像，基于机器学习检测方法对铁轨状态进行分类。

B、采集轨道上障碍物图像并传输至列车调度系统。

C、图像和激光雷达的数据融合，获取结果层的探测目标。

图像和激光雷达的数据融合具体为：将主动防撞系统中传感器的数据信息进行直接融合，然后根据融合后的数据信息实现感知功能，最后输出结果层的探测目标。

图像和激光雷达的数据融合属于前融合技术，前融合技术是指在原始数据层面，把所有传感器的数据信息进行直接融合，然后再根据融合后的数据信息实现感知功能，最后输出一个结果层的探测目标。基于这种融合方式，仅需要设计一种感知算法来处理融合信息，这种融合信息包含着十分丰富的信息，如RGB信息、纹理特征、三维信息等，这样极大地提高了感知的精确度。

与后融合相比，前融合在很多场景的检测精度更高，有着更为广阔的发展前景。例如，针对同一个探测目标，激光雷达探测到了其中一部分，摄像头看到了另一部分，在这种情况下，如果使用后融合方法，由于每个传感器都只探测到其中一部分，而这一部分极有可能不能提供足够的信息让系统完成识别，最终就会被当做背景滤除。但使用前融合方法，融合是在原始数据层进行的，感知算法能获得此目标更多信息，相当于该目标的两个部分都被探测到了，这样识别结果会更加可靠。也就是说，在后融合过程中，低置信度信息会被过滤掉，产生原始数据丢失。而这些滤除掉的低置信度信息，往往能够通过对原始数据融合来提高置信度。

D、探测目标的主动防撞监测。具体为：

d1：采用图像识别和三维重建算法随近距离非合作目标进行主动探测，获取近距离目标的距离信息。具体过程如下：

d1.1：目标检测、识别及方向角估计：采用人工神经网络从摄像头产生的视频流中检测目标并进行目标识别和分类(列车，行人，行李箱或其他目标)，并将目标所在像素位置信息转化为方位和俯仰角信息；

d1.2：目标距离信息提取：根据目标方向角信息从激光雷达点云中匹配目标并提取该目标的距离信息，形成目标的三维位置信息；

d1.3：目标速度信息提取：根据目标的三维位置信息从微波雷达点云中匹配目标并提取目标的径向速度信息；

d1.4：目标跟踪：通过卡尔曼滤波器将检测到的目标位置和速度信息进行跟踪滤波，建立和维护目标的航迹信息；

d1.5：实时获取目标的距离信息。

d2：采用二次雷达通过车车应答通信方式对远距离非合作目标进行主动探测，获取远距离目标的距离信息。如图3所示，具体过程如下：

d2.1：主动端向被动端发送主动测距信号；

d2.2：被动端接收到主动测距信号后开始应答，发出被动端确认信号，并计算从接收主动测距信号到发出被动端确认信号之间的时延T2；

d2.3：主动端接收到被动端的应答，并计算从发出主动测距信号到接收被动端到确认信号之间的时延T1；

d2.4：被动端发出被动测距信号，被动测距信号的数据帧中包括T2；

d2.5：主动端接收含有T2的被动测距信号，并发出主动端确认信号，同时，主动端计算从接收被动测距信号到发出主动端确认信号之间的时延T3；

d2.6：被动端接收主动端确认信号，并计算从发送被动测距信号到接收到主动端确认信号之间的时延T4；

d2.7：被动端向主动端发出含有T4的二次测距信号；

d2.8：计算距离信息D，D＝(c[(T1-T2)+(T4-T3)])/4，c表示300000km/s。

远距离主动防撞技术采用基于CCS信号的无线测距技术和车车通信技术，采用SDS-TWR(对称双边双程测距)测距算法，该算法采用两次测量的方式，消除主动端和被动端时钟不同步和时钟漂移造成的测距误差，以提高测距精度；配合动态测量补偿技术，抗多径干扰技术，同频干扰抑制技术，天线背瓣的影响抑制技术，天线低旁瓣技术，实现对两车距离的测量，最大跟踪距离10KM。采用多等级预警的策略，分等级预警策略可以很好地减轻工作人员的劳动强度，提高工作人员的效率，防止由于工作人员的反应不及时造成的列车追尾事故。

d3、采用卡尔曼滤波方法对获取的距离信息进行处理，获取障碍物的相对速度和加速度；

d4、根据预设车距阈值评估障碍物追尾风险，判定列车是否处于危险车距内，若是则将判定结果传输至系统终端；

d5、系统终端控制列车紧急制动。

上文中参照优选的实施例详细描述了本发明的示范性实施方式，然而本领域技术人员可理解的是，在不背离本发明理念的前提下，可以对上述具体实施例做出多种变型和改型，且可以对本发明提出的各技术特征、结构进行多种组合，而不超出发明的保护范围。

Claims (7)

1.一种地铁用多传感器融合的主动防撞系统，其特征在于：包括防撞主机、近距离主动感知传感器模块和远距离主动感知传感器模块，防撞主机通讯端分别连接近距离主动感知传感器模块和远距离主动感知传感器模块；

防撞主机包括CPU板卡、GPU板卡、网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、射频板卡、IO接口板卡、毫米波雷达接口板卡和电源板卡；

CPU板卡与GPU板卡通过高速总线进行通信，CPU板卡通过高速互联接口分别与网络交换板卡、MVB通信板卡、TRDP通信板卡、二次雷达处理板卡、IO接口板卡、毫米波雷达接口板卡及电源板卡进行互联，IO接口板卡与列车系统进行通讯；

MVB通信板卡实现MVB通信功能并作为外部接口与列车进行组网和数据交互；

TRDP板卡实现TRDP通信功能并作为外部接口与列车进行组网和数据交互；

射频板卡实现天线信号的发送和接收，射频板卡与二次雷达处理板卡构成远距离主动防撞模块；

毫米波雷达接口板卡用于完成接口转换，毫米波雷达接口板卡通过千兆网接口与CPU板卡进行互联并将毫米波雷达数据传输至CPU；

近距离主动感知传感器模块包括激光雷达、毫米波雷达、工业长焦摄像头和工业短焦摄像头。

2.根据权利要求1所述的地铁用多传感器融合的主动防撞系统，其特征在于：所述二次雷达处理板卡采用集成RF捷变收发器。

3.一种基于权利要求1所述地铁用多传感器融合的主动防撞系统的主动防撞方法，其特征在于：包括

A、基于机器学习和灰度投影算法的轨道识别；

B、采集轨道上障碍物图像并传输至列车调度系统；

C、图像和激光雷达的数据融合，获取结果层的探测目标；

D、探测目标的主动防撞监测；具体为：

d1：采用图像识别和三维重建算法随近距离非合作目标进行主动探测，获取近距离目标的距离信息；

d2：采用二次雷达通过车车应答通信方式对远距离非合作目标进行主动探测，获取远距离目标的距离信息；

d3、采用卡尔曼滤波方法对获取的距离信息进行处理，获取障碍物的相对速度和加速度；

d4、根据预设车距阈值评估障碍物追尾风险，判定列车是否处于危险车距内，若是则将判定结果传输至系统终端；

d5、系统终端控制列车紧急制动。

4.根据权利要求3所述的地铁用多传感器融合的主动防撞系统的主动防撞方法，其特征在于：所述步骤A具体为：

a1：通过机器学习训练方式完成铁轨样本图像集合的分类训练；具体包括：

a1.1：左边铁轨的识别和列车轨道图像中弯道的判定：

当左边铁轨在图像平面的直线角度为锐角或左边铁轨的中心位置在图像视场右侧时，则样本分类结果为弯道；

当左边铁轨在图像平面的直线角度为钝角或者左边铁轨中心在图像视场左侧，则左边铁轨被识别，在相邻区域利用灰度投影算法检测提取右边铁轨，同时输出样本分类结果为直道；

a1.2：右边铁轨的识别和列车轨道图像中弯道的判定：

当右边铁轨在图像平面的直线角度为钝角或者右边铁轨中心位置在图像视场左侧时，则样本分类结果为弯道；

当右边铁轨在图像平面的直线角度为锐角或右边铁轨的中心位置在图像视场右侧，则右边铁轨被识别，则在相邻区域利用灰度投影算法检测提取左边铁轨，同时输出样本分类结果为直道。

a2：采集待测列车轨道图像，基于机器学习检测方法对铁轨状态进行分类。

5.根据权利要求3所述的地铁用多传感器融合的主动防撞系统的主动防撞方法，其特征在于：步骤C中所述图像和激光雷达的数据融合具体为：将主动防撞系统中传感器的数据信息进行直接融合，然后根据融合后的数据信息实现感知功能，最后输出结果层的探测目标。

6.根据权利要求3所述的地铁用多传感器融合的主动防撞系统的主动防撞方法，其特征在于：所述d1具体过程如下：

d1.1：目标检测、识别及方向角估计：采用人工神经网络从摄像头产生的视频流中检测目标并进行目标识别和分类，并将目标所在像素位置信息转化为方位和俯仰角信息；

d1.2：目标距离信息提取：根据目标方向角信息从激光雷达点云中匹配目标并提取该目标的距离信息，形成目标的三维位置信息；

d1.3：目标速度信息提取：根据目标的三维位置信息从微波雷达点云中匹配目标并提取目标的径向速度信息；

d1.4：目标跟踪：通过卡尔曼滤波器将检测到的目标位置和速度信息进行跟踪滤波，建立和维护目标的航迹信息；

d1.5：实时获取目标的距离信息。

7.根据权利要求3所述的地铁用多传感器融合的主动防撞系统的主动防撞方法，其特征在于：所述d2具体过程如下：

d2.1：主动端向被动端发送主动测距信号；

d2.2：被动端接收到主动测距信号后开始应答，发出被动端确认信号，并计算从接收主动测距信号到发出被动端确认信号之间的时延T2；

d2.3：主动端接收到被动端的应答，并计算从发出主动测距信号到接收被动端到确认信号之间的时延T1；

d2.4：被动端发出被动测距信号，被动测距信号的数据帧中包括T2；

d2.5：主动端接收含有T2的被动测距信号，并发出主动端确认信号，同时，主动端计算从接收被动测距信号到发出主动端确认信号之间的时延T3；

d2.6：被动端接收主动端确认信号，并计算从发送被动测距信号到接收到主动端确认信号之间的时延T4；

d2.7：被动端向主动端发出含有T4的二次测距信号；

d2.8：计算距离信息D，D＝(c[(T1-T2)+(T4-T3)])/4，c表示300000km/s。

Images