CN112729378B - 基于图像特征识别的驼峰测速及测长系统及方法 - Google Patents
基于图像特征识别的驼峰测速及测长系统及方法 Download PDFInfo
- Publication number
- CN112729378B CN112729378B CN202011409706.5A CN202011409706A CN112729378B CN 112729378 B CN112729378 B CN 112729378B CN 202011409706 A CN202011409706 A CN 202011409706A CN 112729378 B CN112729378 B CN 112729378B
- Authority
- CN
- China
- Prior art keywords
- vision
- length measurement
- length
- acquisition device
- measurement
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Multimedia (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于图像特征识别的驼峰测速及测长系统及方法,具有设备简单、易于安装、易于维护的特点,便于工程实现,具体来说:通过引入视觉标签及计算机视觉装置,在解决现有测速测长设备问题的同时,降低了设备的维护工作量及成本。同时,根据需要,可以与既有的驼峰测速及测长方法及系统并存和兼容。
Description
技术领域
本发明涉及铁路信号技术领域,尤其涉及一种基于图像特征识别的驼峰测速及测长系统及方法。
背景技术
编组站是铁路运输大动脉的心脏,是货物列车集结和分流的中心,编组站作业效率和运输能力对铁路的运输效率、车流组织、货车周转有着至关重要的影响。因此,全面加强编组站现代化建设、提高编组站技术装备水平对释放铁路运输潜力、优化货运产品供给、降低全社会物流成本有着重大意义。目前,大中型编组站均设有驼峰自动化系统以适应大量解编作业的需要。驼峰自动化系统综合运用软件工程、计算机控制、传感网络等多项核心技术,实现了溜放速度精准控制和溜放进路自动排列两大核心功能。其中,溜放速度、空线长度的实时精准测量为溜放速度精准的控制提供了重要保障。
目前的驼峰测速普遍依靠毫米波雷达实现,该设备应用8mm波段多普勒效应原理,可连续测量溜放车辆的实际速度。通过现场调研,驼峰测速雷达普遍存在的问题有以下几个方面:
1)容易受到外界环境干扰导致测速数据跳变现象,主要包括:温漂干扰、降雨干扰、各种杂散运动目标(如:道旁行人、飞鸟、杂草等)干扰等。
2)容易受到来自系统内部的干扰导致测速数据跳变现象,主要包括:邻道(停车)干扰、本道前车干扰、电源干扰、被测车辆转动零部件附加运动干扰、车辆上悬挂物体摆动干扰、路基振动和车轮通过钢轨接头时的冲击干扰、机内热噪声干扰等。
3)雷达电路的元器件性能故障发生频率较高,且部分故障无法通过自检发现。雷达检测维修人员需要每月对雷达进行检修,并对雷达方向进行测试调整。
目前的驼峰测长普遍依靠测长装置实现,测长装置包括室内智能模块和室外测长设备。室外测长设备获取反映空闲长度的电流值送至室内智能模块,室内模块对测长电流信息进行隔离、采样、A/D变换,并按数学模型分析、处理、判断,计算出轨道测长区段的满线、空闲长度、静长、动长等信息。通过现场调研,现有测长装置普遍存在的问题有以下几个方面:
1)易受牵引回流干扰。目前,编组场尾部有编发线且衔接区间有电力机车牵引的,接触网将覆盖至编组场尾部、深入测长区域,轨道电路会受牵引回流干扰影响,使测长数据不稳定。
2)易受雨天影响。轨道电力测长的基本原理为轨道电路电参数与调车线空闲长度具有一定拟合关系。雨后道床对地泄露阻抗等电参数将发生明显变化,使测长数据不准确。
3)受钢轨面锈蚀影响。编组站建设年代大多比较久远,基础设施设备条件及维护水平一般,钢轨轨面锈蚀现象较为普遍。轨面锈蚀将使轨道电路分路状态及电参数将发生变化,使测长数据不准确。
4)测量精度有限。目前在用的驼峰测长设备受原理、做工、安装等方面的限制,至多只能将误差控制在10m左右,制约着调速系统的控制精确度。
5)设备维护量较大。大型编组站调车场线束在60股左右,大量轨道电路测长设备的应用将加大电务、工务人员日常维护的工作量。
发明内容
本发明的目的是提供一种基于图像特征识别的驼峰测速及测长系统及方法,具有设备简单、易于安装、易于维护的特点,便于工程实现,具体来说:通过引入视觉标签及计算机视觉装置,在解决现有测速测长设备问题的同时,降低了设备的维护工作量及成本。同时,根据需要,可以与既有的驼峰测速及测长方法及系统并存和兼容。
本发明的目的是通过以下技术方案实现的:
一种基于图像特征识别的驼峰测速及测长系统,包括:计算机视觉处理单元、测速视觉采集装置、测长视觉采集装置,以及布设在调车线轨旁的测长视觉标签;其中:
所述测速视觉采集装置,用于车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
所述测长视觉采集装置,用于车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
所述计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算。
一种基于图像特征识别的驼峰测速及测长方法,包括:
利用测速视觉采集装置,在车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
利用测长视觉采集装置,在车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
利用计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算。
由上述本发明提供的技术方案可以看出,1)有效减少设备数量,目前应用的驼峰测速雷达及测长轨道电路只能测量一条调车线的车辆遛放速度及空闲长度,而基于图像处理技术的驼峰自动化测速测长设备图像采集单元可以同时采集视野内的多条调车线的图像信息,同时测量视野内所有车辆的实时速度,以及调车线的空闲长度从而显著降低设备数量及维护成本。2)抗干扰能力强,目前应用的驼峰测速测长设备易受到外界干扰而导致测量数据跳变,而通过机器学习开发的图像特征识别软件只会识别测速视觉标签的运动,及测长视觉标签的字符。相对不容易受到其他周围环境变化的影响,所以,相比于现有设备,基于图像处理技术的驼峰自动化测速测长设备,具有极强的抗干扰能力。3)测量精度高,现有的驼峰测速测长设备精度有待提高,测长轨道电路误差在10米以上,对于进一步提高自动化驼峰的作业效率形成了一定的制约。而基于图像处理技术的驼峰自动化测速测长设备,可进一步提高测速测长的精确度,从而进一步提高驼峰自动化系统的作业效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,对于本领域的普通技术人员来讲,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附图。
图1为本发明实施例提供的一种基于图像特征识别的驼峰测速及测长系统的示意图;
图2为本发明实施例提供的一种基于图像特征识别的驼峰测速及测长方法的流程图。
具体实施方式
下面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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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他实施例,都属于本发明的保护范围。
本发明实施例提供一种基于图像特征识别的驼峰测速及测长系统,如图1所示,其主要包括:计算机视觉处理单元、测速视觉采集装置、测长视觉采集装置,以及布设在调车线轨旁的测长视觉标签;其中:
所述测速视觉采集装置面向驼峰布设在视野开阔位置,用于车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
所述测长视觉采集装置布设于调车线侧方或上方视野开阔位置,用于车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
所述计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算。
本发明实施例中,测速视觉采集装置及测长视觉采集装置与计算机视觉处理单元通信连接。
本发明实施例中,所述测速视觉采集装置及测长视觉采集装置可以是高速相机或类似设备。
本发明实施例中,所述测长视觉标签应根据距调车线端头距离布设在轨旁,并显示距离信息。图1所示的测长视觉标签数目、及其距离信息仅为示例,实际应用中可根据情况自行设定。
本发明实施例中,计算机视觉处理单元安装于编组站室内机房,包括但不限于CPU单元、视觉处理单元、通信单元、电源装置、防雷装置及外壳。
本发明实施例中,所述计算机视觉处理单元接收到计算机视觉处理单元与测长视觉采集装置采集到的图像信息后先进行质量优化及预处理(图像均衡处理)后,再进行列车速度测算及测长数值的计算。
本发明实施例中,所述计算机视觉处理单元对测长视觉采集装置采集到图像信息进行图像特征识别,解析出测长视觉标签图像包含的长度数值,再将采集到的车辆正常连挂后末端位置与测长视觉标签位置进行比较,从而进行测长数值的计算。测长数值主要是根据车辆末端位置与相邻测长视觉标签位置关系,按照比例估计得到。计算精度与测长视觉标签的间隔有关系,因此,可根据实际情况自行设定测长视觉标签的间隔;考虑到编组站的测长达到米级以内就满足要求,因此,图1的示例中,测长视觉标签的间隔为5米。
本发明实施例中,图像特征识别包括图像信息提取及图像信息识别两个步骤。图像特征提取方法包括但不限于:全局模板匹配的目标定位方法、虚拟轨迹区域搜索方法、灰度投影有效图像判别方法等。图像信息识别方法包括但不限于:基于模板匹配的识别方法、基于神经网络的识别方法、基于字符特征的识别方法。
本领域技术人员可以理解,文中所述的“车辆”的类型包含各类在编组站办理编组作业的车辆。
本发明实施例提供一种基于图像特征识别的驼峰测速及测长方法,该方法基于前述实施例提供的系统实现,如图2所示,其主要包括:
利用测速视觉采集装置,在车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
利用测长视觉采集装置,在车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
利用计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算。
本发明实施例中,所述测速视觉采集装置面向驼峰布设,所述测长视觉采集装置布设于调车线侧方或上方。
本发明实施例中,所述计算机视觉处理单元接收到计算机视觉处理单元与测长视觉采集装置采集到的图像信息后先进行质量优化及预处理后,再进行列车速度测算及测长数值的计算。
本发明实施例中,所述计算机视觉处理单元对测长视觉采集装置采集到图像信息进行图像特征识别,解析出测长视觉标签图像包含的长度数值,再将采集到的车辆正常连挂后末端位置与测长视觉标签位置进行比较,从而进行测长数值的计算。
以上所述,仅为本发明较佳的具体实施方式,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披露的技术范围内,可轻易想到的变化或替换,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该以权利要求书的保护范围为准。
Claims (6)
1.一种基于图像特征识别的驼峰测速及测长系统,其特征在于,包括:计算机视觉处理单元、测速视觉采集装置、测长视觉采集装置,以及布设在调车线轨旁的测长视觉标签;其中:
所述测速视觉采集装置,用于车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
所述测长视觉采集装置,用于车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
所述计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算;其中,所述计算机视觉处理单元对测长视觉采集装置采集到图像信息进行图像特征识别,解析出测长视觉标签图像包含的长度数值,再将采集到的车辆正常连挂后末端位置与测长视觉标签位置进行比较,从而进行测长数值的计算。
2.根据权利要求1所述的一种基于图像特征识别的驼峰测速及测长系统,其特征在于,所述测速视觉采集装置面向驼峰布设,所述测长视觉采集装置布设于调车线侧方或上方。
3.根据权利要求1所述的一种基于图像特征识别的驼峰测速及测长系统,其特征在于,所述计算机视觉处理单元接收到计算机视觉处理单元与测长视觉采集装置采集到的图像信息后先进行质量优化及预处理后,再进行列车速度测算及测长数值的计算。
4.一种基于图像特征识别的驼峰测速及测长方法,其特征在于,包括:
利用测速视觉采集装置,在车辆遛放时,连续实时采集视野范围内调车线的图像信息,并发送给计算机视觉处理单元;
利用测长视觉采集装置,在车辆正常连挂后,实时采集视野范围内包含测长视觉标签的调车线的图像信息,并发送给计算机视觉处理单元;
利用计算机视觉处理单元,根据测速视觉采集装置采集到的视野内车辆头部大小变化速率测算列车速度,根据测长视觉采集装置采集到的车辆正常连挂后末端位置与测长视觉标签位置关系,进行测长数值的计算;其中,所述计算机视觉处理单元对测长视觉采集装置采集到图像信息进行图像特征识别,解析出测长视觉标签图像包含的长度数值,再将采集到的车辆正常连挂后末端位置与测长视觉标签位置进行比较,从而进行测长数值的计算。
5.根据权利要求4所述的一种基于图像特征识别的驼峰测速及测长方法,其特征在于,所述测速视觉采集装置面向驼峰布设,所述测长视觉采集装置布设于调车线侧方或上方。
6.根据权利要求4所述的一种基于图像特征识别的驼峰测速及测长方法,其特征在于,所述计算机视觉处理单元接收到计算机视觉处理单元与测长视觉采集装置采集到的图像信息后先进行质量优化及预处理后,再进行列车速度测算及测长数值的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011409706.5A CN112729378B (zh) | 2020-12-04 | 2020-12-04 | 基于图像特征识别的驼峰测速及测长系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011409706.5A CN112729378B (zh) | 2020-12-04 | 2020-12-04 | 基于图像特征识别的驼峰测速及测长系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112729378A CN112729378A (zh) | 2021-04-30 |
CN112729378B true CN112729378B (zh) | 2022-11-18 |
Family
ID=75598906
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011409706.5A Active CN112729378B (zh) | 2020-12-04 | 2020-12-04 | 基于图像特征识别的驼峰测速及测长系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112729378B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007091072A1 (en) * | 2006-02-07 | 2007-08-16 | Richard Shenton | System for measuring speed and/or position of a train |
CN107161180A (zh) * | 2017-06-20 | 2017-09-15 | 兰州交通大学 | 新型控制、监督、监测一体化的驼峰全电子自动化系统 |
CN108108680A (zh) * | 2017-12-13 | 2018-06-01 | 长安大学 | 一种基于双目视觉的后方车辆识别与测距方法 |
CN109664919A (zh) * | 2017-10-17 | 2019-04-23 | 株洲中车时代电气股份有限公司 | 一种列车定位方法及定位系统 |
CN110641522A (zh) * | 2019-09-30 | 2020-01-03 | 中铁第四勘察设计院集团有限公司 | 高速磁浮轨道交通的列车定位系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120192756A1 (en) * | 2011-01-31 | 2012-08-02 | Harsco Corporation | Rail vision system |
-
2020
- 2020-12-04 CN CN202011409706.5A patent/CN112729378B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2007091072A1 (en) * | 2006-02-07 | 2007-08-16 | Richard Shenton | System for measuring speed and/or position of a train |
CN107161180A (zh) * | 2017-06-20 | 2017-09-15 | 兰州交通大学 | 新型控制、监督、监测一体化的驼峰全电子自动化系统 |
CN109664919A (zh) * | 2017-10-17 | 2019-04-23 | 株洲中车时代电气股份有限公司 | 一种列车定位方法及定位系统 |
CN108108680A (zh) * | 2017-12-13 | 2018-06-01 | 长安大学 | 一种基于双目视觉的后方车辆识别与测距方法 |
CN110641522A (zh) * | 2019-09-30 | 2020-01-03 | 中铁第四勘察设计院集团有限公司 | 高速磁浮轨道交通的列车定位系统 |
Non-Patent Citations (3)
Title |
---|
图像识别在编组站驼峰作业过程控制中的应用;邢群雁等;《中国铁道科学》;20050828;第26卷(第04期);104-108,附图 1-2 * |
基于双目立体视觉技术的驼峰自动摘钩设备研究;何霄等;《科学技术与工程》;20130228;第13卷(第06期);1526-1531 * |
驼峰溜放视频系统设计;王建立等;《上海工程技术大学学报》;20081215;第22卷(第04期);303-306 * |
Also Published As
Publication number | Publication date |
---|---|
CN112729378A (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102139704A (zh) | 一种基于射频技术的高精度列车定位系统及其定位方法 | |
CN104442927B (zh) | 基于rfid的轨道交通列车定位方法 | |
CN102682620B (zh) | 集装箱港口车辆运行状态感知与定位系统以及方法 | |
CN201429413Y (zh) | 高速列车受电弓状态在线式自动检测系统 | |
CN101797927A (zh) | 基于轨枕检测的非接触式轨道交通测速定位方法及其装置 | |
CN112429042B (zh) | 一种基于rfid技术的列车完整性检测装置及方法 | |
CN105905134A (zh) | 一种轨道交通车辆精确测速系统和方法 | |
CN101692308A (zh) | 基于无线射频识别的机动车车速智能监测系统 | |
CN104200667A (zh) | 一种基于手机信号数据的交通拥堵分级检测方法 | |
CN108765974A (zh) | 一种交通情况监测设备、监测方法及系统 | |
CN108761477A (zh) | 一种采用数字激光技术的非接触式接触网参数采集装置、测量系统及其测量方法 | |
CN110674904B (zh) | 一种基于车号系统的列车定位系统及方法 | |
Xing et al. | Traffic volume estimation in multimodal urban networks using cell phone location data | |
CN202038325U (zh) | 一种基于射频技术的高精度列车定位系统 | |
CN106646563A (zh) | 一种基于北斗卫星定位系统的输电线路舞动在线监测方法 | |
CN104155568A (zh) | 一种雷击输电线路避雷线精确定位方法 | |
CN112729378B (zh) | 基于图像特征识别的驼峰测速及测长系统及方法 | |
CN106803348A (zh) | 一种基于卡口的高架道路车辆行程时间短时预测方法 | |
CN208384117U (zh) | 一种采用数字激光技术的非接触式接触网参数采集装置 | |
CN112987750B (zh) | 一种基于视觉分析的渠道多垂线测流自动避障方法 | |
CN110146308A (zh) | 用于诊断转向架故障的方法、服务器及故障诊断系统 | |
CN202421495U (zh) | 一种驼峰测速雷达的状态监测记录仪 | |
CN202274918U (zh) | 静态轨道衡上车辆位置自动检测装置 | |
CN101458872A (zh) | 一种机动车速度的监测方法及其系统 | |
CN106052640A (zh) | 基于阿里云的高铁桥梁沉降在线监测方法及系统 |
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 |