CN113436255A - 基于列车定位和视觉信息的轨道异常物体识别方法及系统 - Google Patents

Abstract

本发明公开了一种基于列车定位和视觉信息的轨道异常物体识别方法及系统，属于多源信息处理技术领域。本发明方法，包括：构建列车轨道的环境图像信息链；目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。本发明提高了列车运行过程中的轨道安全检测效率，降低了高速列车行驶过程中的安全风险。

Description

基于列车定位和视觉信息的轨道异常物体识别方法及系统

技术领域

本发明涉及多源信息处理技术领域，并且更具体地，涉及一种基于列车定位和视觉信息的轨道异常物体识别方法及系统。

背景技术

轨道高速列车与高速铁路近年来在我国迅猛发展，列车轨道必须保持清洁无杂物或者闲杂人员，但是，由于列车轨道是露天环境，穿插于大山、森林或者村庄城镇之间，这样列车轨道可能会有滚石、断木或者闲杂人员等危险障碍物，这些障碍物极大的威胁着高速列车行驶的安全性，因此，基于列车精确位置的轨道异常物体识别技术对保障高速列车行驶安全有着重大意义。

然而，如何将列车运行时检测的实时轨道图像信息与之前海量的轨道图像信息映射匹配起来是非常耗时的，无法实现高速列车对自己前方轨道实时检测识别的技术要求，如何解决这个技术难题是一个巨大的挑战。

发明内容

针对上述问题，本发明提出了一种基于列车定位和视觉信息的轨道异常物体识别方法，包括：

采集列车正常运行时列车的位置数据和列车轨道的图像数据，构建位置数据与图像数据的映射关系，生成列车轨道的环境图像信息链；

目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；

对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；

对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。

可选的，预处理包括：图像数据与图像信息中，图像的干扰物的去除处理，图像的加速分割算法处理及图像的加速稳健特征算法处理；

所述加速算法分割算法对图像数据及图像信息中的图像进行分割；

所述图像的加速稳健特征算法用于获取图像数据及图像信息的特征点。

可选的，图像的加速算法分割算法处理的公式如下：

其中，x(i)为图像中心点C的半径为l的边界点灰度值，xC为图像中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号；

可选的，获取相似度的值，包括：

对两组特征点进行匹配，构建最临近对及次临近对，匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为图像数据的特征点，z(j)为图像信息的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对；

根据构建的最临近对和次邻近对，计算两组特征点的相似度，计算公式为：

可选的，方法还包括：

对相似度的值进行判断；若相似度的值小于阈值，查找异常特征点的位置，并预测异常位置与列车之间的距离，预警并给出轨道异常的位置信息；若相似度的值大于阈值，使用图像信息更新图像数据。

本发明还提出了一种基于列车定位和视觉信息的轨道异常物体识别系统，包括：

信息链生成单元，采集列车正常运行时列车的位置数据和列车轨道的图像数据，构建位置数据与图像数据的映射关系，生成列车轨道的环境图像信息链；

信息采集单元，目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；

预处理单元，对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；

识别单元，对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。

可选的，预处理包括：图像数据与图像信息中，图像的干扰物的去除处理，图像的加速分割算法处理及图像的加速稳健特征算法处理；

所述加速算法分割算法对图像数据及图像信息中的图像进行分割；

所述图像的加速稳健特征算法用于获取图像数据及图像信息的特征点。

可选的，图像的加速算法分割算法处理的公式如下：

其中，x(i)为图像中心点C的半径为l的边界点灰度值，x_C为图像中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号；

可选的，获取相似度的值，包括：

对两组特征点进行匹配，构建最临近对及次临近对，匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为图像数据的特征点，z(j)为图像信息的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对；

根据构建的最临近对和次邻近对，计算两组特征点的相似度，计算公式为：

可选的，识别单元还用于：

对相似度的值进行判断；若相似度的值小于阈值，查找异常特征点的位置，并预测异常位置与列车之间的距离，预警并给出轨道异常的位置信息；若相似度的值大于阈值，使用图像信息更新图像数据。

本发明提高了列车运行过程中的轨道安全检测效率，降低了高速列车行驶过程中的安全风险。

附图说明

图1为本发明方法的信息链建立的流程图；

图2为本发明方法的流程图；

图3为本发明系统的结构图。

具体实施方式

现在参考附图介绍本发明的示例性实施方式，然而，本发明可以用许多不同的形式来实施，并且不局限于此处描述的实施例，提供这些实施例是为了详尽地且完全地公开本发明，并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中，相同的单元/元件使用相同的附图标记。

除非另有说明，此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外，可以理解的是，以通常使用的词典限定的术语，应当被理解为与其相关领域的语境具有一致的含义，而不应该被理解为理想化的或过于正式的意义。

下面结合实施例对本发明进行进一步的说明：

本发明提出了一种基于列车定位和视觉信息的轨道异常物体识别方法；

首先需要建立信息链，信息链的流程如图1所示，包括：

步骤1：设置数据采集周期T，在每周期内对高速行驶的列车进行精确定位。

步骤2：基于列车当前时刻的精确定位位置，使用列车远程前置摄像头采集列车轨道图像信息。

步骤3：建立该时刻的精确定位和列车轨道图像信息的映射关系。

步骤4：当列车整条轨道行驶完成后，构建一条完整轨道周围正常环境信息与位置信息匹配的轨道环境图像信息链。

然后进行轨道异常物体识别，如图2所示，包括：

步骤1：设置周期为T或者T的倍数，在本周期内，基于北斗和捷联惯导对高速行驶的列车进行精确定位。

步骤2：基于当前列车的精确位置和构建的轨道环境图像信息链，使用临近数据关联算法计算提取信息链中与列车当前位置最近的轨道环境图像信息。

步骤4：触发列车前置远程摄像头采集列车前方轨道图像信息，获得当前时刻实时检测的轨道环境信息图像。

步骤5：同时对参考轨道环境信息图像和实时检测的轨道环境信息图像进行预处理，即去除图像中的干扰物。

步骤6：同时对参考轨道环境信息图像和实时检测的轨道环境信息图像进行加速分割算法处理，即使用公式：

其中，x(i)表示图像中心点C半径为l的边界点的灰度值，x_C为中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号，计算出两类图像中的特征点。

步骤7：加速稳健特征算法描述参考轨道环境信息图像以及实时检测的轨道环境信息图像中的轨道特征点。

步骤8：基于两组特征点，使用优化的最近邻查找算法对两组特征点进行匹配。匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为参考轨道环境信息图像中的特征点，z(j)为实时检测的轨道环境信息图像中的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对。

步骤9：基于构建的最临近对和次邻近对，计算两组特征点的相似度，其计算公式为：

步骤10：对相似度是否小于阈值进行判断，若是，执行下一步；若否，执行步骤13.

步骤11：查找异常特征点的位置，并估算异常位置与列车之间的距离。

步骤12：预警并给出轨道异常的位置信息。

步骤13：列车前方轨道正常，并对之前的列车轨道正常图像信息进行更新。

本发明使用的存储设备为普通的数据存储磁盘，可存轨道环境图像信息链，并支持更新和可扩展。

使用的计算设备为常用的计算模块(如：CPU)，用来完成方法中的各类计算。

本发明还提出了一种基于列车定位和视觉信息的轨道异常物体识别系统200，如图3所示，包括：

信息链生成单元201，采集列车正常运行时列车的位置数据和列车轨道的图像数据，构建位置数据与图像数据的映射关系，生成列车轨道的环境图像信息链；

信息采集单元202，目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；

预处理单元203，对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；

识别单元204，对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。

其中，预处理包括：图像数据与图像信息中，图像的干扰物的去除处理，图像的加速分割算法处理及图像的加速稳健特征算法处理；

所述加速算法分割算法对图像数据及图像信息中的图像进行分割；

所述图像的加速稳健特征算法用于获取图像数据及图像信息的特征点。

其中，图像的加速算法分割算法处理的公式如下：

其中，x(i)为图像中心点C的半径为l的边界点灰度值，x_C为图像中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号；

其中，获取相似度的值，包括：

对两组特征点进行匹配，构建最临近对及次临近对，匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为图像数据的特征点，z(j)为图像信息的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对；

根据构建的最临近对和次邻近对，计算两组特征点的相似度，计算公式为：

其中，识别单元还用于：

对相似度的值进行判断；若相似度的值小于阈值，查找异常特征点的位置，并预测异常位置与列车之间的距离，预警并给出轨道异常的位置信息；若相似度的值大于阈值，使用图像信息更新图像数据。

本发明提高了列车运行过程中的轨道安全检测效率，降低了高速列车行驶过程中的安全风险。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。本发明实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于列车定位和视觉信息的轨道异常物体识别方法，所述方法包括：

采集列车正常运行时列车的位置数据和列车轨道的图像数据，构建位置数据与图像数据的映射关系，生成列车轨道的环境图像信息链；

目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；

对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；

对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。

2.根据权利要求1所述的方法，所述预处理包括：图像数据与图像信息中，图像的干扰物的去除处理，图像的加速分割算法处理及图像的加速稳健特征算法处理；

所述加速算法分割算法对图像数据及图像信息中的图像进行分割；

所述图像的加速稳健特征算法用于获取图像数据及图像信息的特征点。

3.根据权利要求2所述的方法，所述图像的加速算法分割算法处理的公式如下：

其中，x(i)为图像中心点C的半径为l的边界点灰度值，x_C为图像中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号。

4.根据权利要求1所述的方法，所述获取相似度的值，包括：

对两组特征点进行匹配，构建最临近对及次临近对，匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为图像数据的特征点，z(j)为图像信息的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对；

根据构建的最临近对和次邻近对，计算两组特征点的相似度，计算公式为：

5.根据权利要求1所述的方法，所述方法还包括：

对相似度的值进行判断；若相似度的值小于阈值，查找异常特征点的位置，并预测异常位置与列车之间的距离，预警并给出轨道异常的位置信息；若相似度的值大于阈值，使用图像信息更新图像数据。

6.一种基于列车定位和视觉信息的轨道异常物体识别系统，所述系统包括：

信息链生成单元，采集列车正常运行时列车的位置数据和列车轨道的图像数据，构建位置数据与图像数据的映射关系，生成列车轨道的环境图像信息链；

信息采集单元，目标列车运行过程中，确定目标列车当前的位置数据，根据目标列车当前的位置数据，调用环境图像信息链中对应的轨道的图像数据，并采集目标列车当前位置轨道的图像信息；

预处理单元，对图像数据及图像进行预处理，确定图像数据及图像信息的两组轨道特征点；

识别单元，对图像数据及图像信息的两组轨道特征点进行相似度的匹配，获取相似度的值，根据相似度的值，对轨道异常物体进行识别。

7.根据权利要求6所述的系统，所述预处理包括：图像数据与图像信息中，图像的干扰物的去除处理，图像的加速分割算法处理及图像的加速稳健特征算法处理；

所述加速算法分割算法对图像数据及图像信息中的图像进行分割；

所述图像的加速稳健特征算法用于获取图像数据及图像信息的特征点。

8.根据权利要求7所述的系统，所述图像的加速算法分割算法处理的公式如下：

其中，x(i)为图像中心点C的半径为l的边界点灰度值，x_C为图像中心点的灰度值，γ是阈值参数，n为边界点总数，M为加速算法分割算法参数，用来判断是否切割点，i为边界点编号。

9.根据权利要求6所述的系统，所述获取相似度的值，包括：

对两组特征点进行匹配，构建最临近对及次临近对，匹配计算公式为：

[y(i),z(j)]＝min{y(i)-z(j)}

[y′(i),z′(j)]＝min₁{y(i)-z(j)}

其中，y(i)为图像数据的特征点，z(j)为图像信息的特征点，[y(i),z(j)]为构建的最临近对，[y′(i),z′(j)]为构建的次临近对；

根据构建的最临近对和次邻近对，计算两组特征点的相似度，计算公式为：

10.根据权利要求6所述的系统，所述识别单元还用于：

对相似度的值进行判断；若相似度的值小于阈值，查找异常特征点的位置，并预测异常位置与列车之间的距离，预警并给出轨道异常的位置信息；若相似度的值大于阈值，使用图像信息更新图像数据。

Images