CN113895482A - 基于轨旁设备的列车测速方法及装置 - Google Patents
基于轨旁设备的列车测速方法及装置 Download PDFInfo
- Publication number
- CN113895482A CN113895482A CN202111272591.4A CN202111272591A CN113895482A CN 113895482 A CN113895482 A CN 113895482A CN 202111272591 A CN202111272591 A CN 202111272591A CN 113895482 A CN113895482 A CN 113895482A
- Authority
- CN
- China
- Prior art keywords
- current
- train
- historical
- point cloud
- image
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004590 computer program Methods 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 230000001360 synchronised effect Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000001960 triggered effect Effects 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
- B61L25/021—Measuring and recording of train speed
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Train Traffic Observation, Control, And Security (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供一种基于轨旁设备的列车测速方法及装置。所述方法包括:从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;将通过轨旁设备的激光雷达获取到的轨道区的当前点云图像,投影至当前二维图像所处的二维平面,获取当前点云图像中投影至当前目标区域的各当前目标点;根据各当前目标点确定列车的当前位置信息;根据当前位置信息、由各历史目标点确定的列车的历史位置信息以及目标时间间隔,确定列车的运行速度。本申请实施例提供的基于轨旁设备的列车测速方法能够避免毫米波雷达对于低速基于轨旁设备的列车测速精度不高,并且容易受到其他运动物体干扰的问题,提高检测到的列车速度的准确性。
Description
技术领域
本申请涉及图像处理技术领域,具体涉及一种基于轨旁设备的列车测速方法及装置。
背景技术
目前,在列车进行行驶的过程中,为保证列车的行驶安全,需要通过轨旁设备对列车进行测速。
相关技术中,轨旁设备通常采用毫米波雷达或车地通信来获取列车速度。其中,毫米波雷达安装在列车轨道的轨道旁,用于面向轨道一侧来车方向发射并接收电磁波,然后通过普勒效应对来车进行测速。
然而,由于列车在低速运行时,毫米波雷达获取到的速度是列车在低速运行时某个最低速度的整倍数,即列车在低速运行时最低速度的阶跃量,不能输出连续变化的速度。当列车的真实速度介于相邻的两个阶跃量之间时,毫米波雷达输出的速度偏低或偏高。且,当场景中除了列车还有其他运动物体时,毫米波雷达的测速也容易受到干扰,导致获取到的列车速度不准确。
发明内容
本申请实施例提供一种基于轨旁设备的列车测速方法及装置,避免毫米波雷达对于低速基于轨旁设备的列车测速精度不高,并且容易受到其他运动物体干扰的问题,提高检测到的列车速度的准确性。
第一方面,本申请实施例提供一基于轨旁设备的列车测速方法,包括:
从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
根据各所述当前目标点确定所述列车的当前位置信息;
根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
在一个实施例中,从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域,包括:
将所述当前二维图像输入训练好的列车识别模型进行列车检测,获取当前二维图像中的列车图像;
根据所述列车图像在所述二维图像中的位置,确定所述列车在所述当前二维图像中所处的当前目标区域。
在一个实施例中,所述将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,包括:
将所述相机以及所述激光雷达进行联合标定,获取所述相机的内部参数和外部参数;
根据所述内部参数和外部参数,对所述当前点云图像进行坐标转换,将所述当前点云图像投影到所述当前二维图像所处的二维平面,以使所述当前点云图像与所述当前二维图像重合。
在一实施例中,所述根据各所述当前目标点确定所述列车的当前位置信息,包括:
将各所述当前目标点叠加至所述轨道区的预设地图上;
从各所述当前目标点中,提取位于所述预设地图的轨道区域的各指定特征点;
根据各所述指定特征点确定所述列车的当前位置信息;
其中,所述预设地图基于所述激光雷达的激光雷达坐标系建立。
在一实施例中,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步。
在一实施例中,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步,包括:
所述当前二维图像的时间戳与所述当前点云图像的时间戳的间隔不大于第一预设值;
所述历史二维图像的时间戳与所述历史点云图像的时间戳的间隔不大于第一预设值;
所述第一预设值根据用于获取所述当前二维图像的相机的帧率,以及用于获取所述当前点云图像的激光雷达的帧率确定。
在一实施例中,所述当前点云图像与所述历史点云图像之间间隔有N帧点云图像,N为正整数。
第二方面,本申请实施例提供一种基于轨旁设备的列车测速装置,包括:
区域确定模块,用于从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
图像投影模块,用于将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
位置确定模块,根据各所述当前目标点确定所述列车的当前位置信息;
列车测速模块,用于根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
第三方面,本申请实施例提供一种电子设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述程序时实现第一方面所述的基于轨旁设备的列车测速方法的步骤。
第四方面,本申请实施例提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现第一方面所述的基于轨旁设备的列车测速方法的步骤。
本申请实施例提供的基于轨旁设备的列车测速方法及装置,通过将轨道区的点云图像投影到轨道区的二维图像,以从点云图像中,获取投影至列车在二维图像所处的目标区域的各目标点后,通过各目标点确定列车在点云图像中的位置,并根据列车在两帧点云图像中的位置和两帧点云图像之间的时间间隔,得到列车的运行速度,使得列车在低速运行时,由于其在不同时刻的点云图像中位置会发生变化,因此可通过列车在不同点云图像中的位置变化,有效地检测到列车的速度。同时,由于仅对列车所在的目标区域的各目标点进行处理,因此可避免当场景中除了列车还有其他运动物体时,对列车进行测速会受到其他运动物体干扰的问题,提高检测到的列车速度的准确性。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,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的附图。
图1是本申请实施例提供的基于轨旁设备的列车测速方法的应用环境示意图;
图2是本申请实施例提供的基于轨旁设备的列车测速方法的流程示意图;
图3是本申请实施例提供的二维图像和点云图像之间的位置偏差示意图;
图4是本申请实施例提供的棋盘格示意图;
图5是本申请实施例提供的点云覆盖范围示意图;
图6是本申请实施例提供的基于轨旁设备的列车测速装置的结构示意图;
图7是本申请实施例提供的电子设备的结构示意图;
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
为了更好地理解方案,对本发明实施例涉及的专业术语进行解释。
激光雷达(LiDAR,LightLaser Detection and Ranging)是激光探测及测距系统的简称,是激光技术与雷达技术相结合的产物。激光雷达采用激光器作为辐射源的雷达,通常由发射机、天线、接收机、跟踪架以及信息处理等部分组成。发射机是各种形式的激光器;天线是光学望远镜;接收机采用各种形式的光点探测器;激光雷达采用脉冲或者连续波两种工作方式,探测方法分为直接探测与外差探测。LiDAR系统包括一个单束窄带激光器和一个接收系统。激光器产生并发射一束光脉冲,打在物体上并反射回来,最终被接收器所接收。接收器准确地测量光脉冲从发射到被反射回的传播时间。因为光脉冲以光速传播,所以接收器总会在下一个脉冲发出之前收到前一个被反射回的脉冲。鉴于光速是已知的,传播时间即可被转换为对距离的测量。结合激光器的高度,激光扫描角度,从GPS得到的激光器的位置和从INS得到的激光发射方向,就可以准确地计算出每一个地面光斑的坐标X,Y,Z。激光束发射的频率可以从每秒几个脉冲到每秒几万个脉冲。举例而言,一个频率为每秒一万次脉冲的系统,接收器将会在一分钟内记录六十万个点。一般而言,LiDAR系统的地面光斑间距在2-4m不等。激光雷达是一种工作在从红外到紫外光谱段的雷达系统,其原理和构造与激光测距仪极为相似。激光雷达的作用是能精确测量目标位置(距离和角度)、运动状态(速度、振动和姿态)和形状,探测、识别、分辨和跟踪目标。
点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合,在获取物体表面每个采样点的空间坐标后,得到的是点的集合,称之为“点云”(PointCloud)。主要是通过三维激光扫描仪进行数据采集来获取点云数据,而LiDAR,即激光雷达,获取的数据就是点云数据,同时也对点云数据进行处理加工及应用。
下面结合附图对本申请实施例进行详细的阐述。本申请实施例提供的基于轨旁设备的列车测速方法应用于如图1所示的包括列车轨道110和轨旁设备的应用环境中。其中,轨旁设备包括:相机120、激光雷达130和计算机设备140,相机120、激光雷达130和计算机设备140设置于列车轨道110旁。相机具体可以是数码相机、摄像机等具有摄像或录像功能的电子设备。计算机设备140可以为终端设备或服务器,其中,终端设备可以是台式终端或移动终端,移动终端可以是手机、平板电脑、笔记本电脑等任意移动终端中的一种;服务器可以是独立的服务器或者是多个服务器组成的服务器群,或者是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大数据和人工智能平台等基础云计算服务的云服务器。
其中,轨旁设备的相机用于获取列车轨道一侧来车方向的轨道区的当前二维图像,轨旁设备的激光雷达用于获取轨道区的当前点云图像。在获取当前二维图像和当前点云图像后,轨旁设备的处理设备从当前图像中确定列车所处的当前目标区域,然后将当前点云图像投影至当前二维图像所处的二维平面,获取当前点云图像中投影至当前目标区域的点云数据,即各当前目标点。在得到各当前目标点后,根据当前目标点确定列车的当前位置信息,然后基于当前位置信息、由历史目标点确定的列车的历史位置信息以及目标时间间隔,确定列车的运行速度。
其中,历史目标点的获取与当前目标点相同,是由轨旁设备的相机采集到的轨道区的历史二维图像,以及轨旁设备的激光雷达采集到的轨道区的历史点云图像后,通过轨旁设备的处理设备,从历史二维图像中确定列车所处的历史目标区域,然后将历史点云图像投影至历史二维图像所处的二维平面,获取历史点云图像中投影至历史目标区域的点云数据,即各历史目标点。
其中,历史二维图像为当前二维图像的前N帧二维图像,历史点云图像为当前点云图像的前N帧点云图像,N为正整数。
其中,目标时间间隔为当前点云图像的时间戳,与历史点云图像的时间戳之间的时间间隔。
通过将轨道区的点云图像投影到轨道区的二维图像,以从点云图像中,获取投影至列车在二维图像所处的目标区域的各目标点后,通过各目标点确定列车在点云图像中的位置,并根据列车在两帧点云图像中的位置和两帧点云图像之间的时间间隔,得到列车的运行速度,使得列车在低速运行时,由于其在不同时刻的点云图像中位置会发生变化,因此可通过列车在不同点云图像中的位置变化,有效地检测到列车的速度。同时,由于仅对列车所在的目标区域的各目标点进行处理,因此可避免当场景中除了列车还有其他运动物体时,对列车进行测速会受到其他运动物体干扰的问题,提高检测到的列车速度的准确性。
下面,将通过几个具体的实施例对本申请实施例提供的基于轨旁设备的列车测速方法进行详细介绍和说明。
参见图2,是本发明实施例提供的基于轨旁设备的列车测速方法的流程示意图,该方法应用于计算机设备中,用于对列车的速度进行检测。该计算机设备具体可以是图1中的计算机设备140。
如图2所示,本实施例提供的一种基于轨旁设备的列车测速方法包括:
步骤101,从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
步骤102,将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
步骤103,根据各所述当前目标点确定所述列车的当前位置信息;
步骤104,根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
通过将轨道区的点云图像投影到轨道区的二维图像,以从点云图像中,获取投影至列车在二维图像所处的目标区域的各目标点后,通过各目标点确定列车在点云图像中的位置,并根据列车在两帧点云图像中的位置和两帧点云图像之间的时间间隔,得到列车的运行速度,使得列车在低速运行时,由于其在不同时刻的点云图像中位置会发生变化,因此可通过列车在不同点云图像中的位置变化,有效地检测到列车的速度,提高检测到的列车速度的准确性,且无需毫米波雷达等专用测速设备,避免了额外安装毫米波雷达所导致的工程代价,降低了系统复杂度,降低了成本。同时,还可利用激光雷达和相机实现轨道区的侵限检测。
在步骤101中,当前二维图像为通过设置在轨道旁的相机获取到的二维图像。相机对轨道来车方向进行拍摄,获取轨道区的当前二维图像。其中,相机的帧率可根据实际情况进行设置,示例性的,可设置为25Hz左右。
由于通过相机采集后的二维图像中通常不单单存在列车,还会存在建筑物、行人等不需要处理的区域,因此轨旁设备在通过相机获取当前二维图像后,对当前二维图像进行预处理,确定列车在当前二维图像中所处的当前目标区域。具体的,可通过训练好的列车识别模型从当前二维图像中检测出列车的位置和尺寸,进而确定列车在当前二维图像中所处的当前目标区域。
为准确地确定列车所处的当前目标区域,在一实施例中,从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域,包括:
将所述当前二维图像输入训练好的列车识别模型进行列车检测,获取当前二维图像中的列车图像;
根据所述列车图像在所述二维图像中的位置,确定所述列车在所述当前二维图像中所处的当前目标区域。
在一实施例中,训练好的列车识别模型,可以是采用迁移学习的方法对用于识别车辆的模型进行参数训练,或者先通过海量的正负样本预先对多个传统的图像识别模型,如SSD、YOLOv3、YOLOv4或YOLOv5等进行训练,从而从中挑选出检测准确率最高且能达到预设准确率,如95%的图像识别模型作为训练好的列车识别模型。为确保训练样本的可信度,正负样本可采用海量的路测数据,即基于真实场景得到的未经过图像处理的原始数据,从而大大提高了数据的可信度。在获取海量的原始数据后,即可根据实际情况预先对原始数据进行标记,将海量的原始数据标记为正样本或者负样本。
为进一步提高模型检测的准确率,在一实施例中,还可以适当的调整列车识别模型直至其产生更多的准确检测后,根据调整的内容来辅以相关的规则性限制来对相机采集到的二维图像进行过滤。如在检测到列车的时候,其一定是在轨道上,否则便不是列车,可以筛掉。从而进一步提高模型检测的准确率。
在一实施例中,将当前二维图像输入训练好的车轮识别模型进行列车检测,即可得到二维图像中的列车图像。在得到该列车图像后,即可将该列车图像所有像素的坐标形成的区域作为列车在二维图像中的位置。如获取列车图像中各像素点的二维坐标(x1,y1)、(x2,y2)、(x3,y3)……(xn,ym)后,则将这些像素点作为列车在二维图像中的位置。或者,在得到该列车图像后,将该列车图像的外接二维框的顶点坐标,作为列车图像在二维图像中的位置。如二维框的顶点坐标分别为(x1,y1)、(x2,y2)、(x3,y3)和(x4,y4),此时四个顶点坐标围成的二维框的位置即为列车图像在二维图像中的位置。
在获取列车图像在二维图像中的位置后,根据该位置对二维图像进行裁剪,从二维图像中提取出该显示区域或该显示区域的外接二维框作为当前目标区域,从而能够筛选出列车所在的目标区域,使后续仅对目标区域内的图像进行处理,避免其他运动物体对后续的检测结果造成影响。
在步骤102中,在确定列车所处的当前目标区域后,将通过激光雷达获取到的轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面。其中,当前二维图像的时间戳,与所述当前点云图像的时间戳同步。时间戳同步,可是指当前点云图像和当前二维图像为同一时刻的图像,即当前二维图像的时间戳,与当前点云图像的时间戳相同。这样在将当前点云图像投影至当前二维图像所处的二维平面时,投影偏差最小。
但是,若需要当前点云图像和当前二维图像为同一时刻的图像,则相机需要支持线控触发拍摄,此时相机的图像帧与激光雷达点云帧在时间上才能完全对齐,从而能够得到同一时刻的当前点云图像和当前二维图像。若当相机不支持线控触发拍摄,则由于激光雷达和相机的帧率不同,因此激光雷达输出的点云和相机图像在时间上不可能完全相同,此时可能导致投影偏差较大,影响后续基于轨旁设备的列车测速的准确性。为此,在一实施例中,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,包括:
当前二维图像的时间戳与所述当前点云图像的时间戳的间隔不大于第一预设值。其中,第一预设值根据相机的帧率和激光雷达的帧率确定。
假定相机的帧率是25Hz,激光雷达的帧率是10Hz,则理论上第一预设值为二维图像和当前点云图像之间的最大时差是相机的图像帧周期的一半,即20ms。例如,若列车的最大速度为80千米/小时,那么20ms内列车的最大运行距离为0.44米。而相机和雷达面向列车来车的方向,如图3所示,因此在当前点云图像投影到当前二维图像上时,其位置偏差可以忽略不计。即从相机或雷达的视角来看,列车前进0.44米在图像上的水平位移是微乎其微的。因此,当前二维图像的时间戳与所述当前点云图像的时间戳的间隔不大于第一预设值时,可认为当前二维图像的时间戳与当前点云图像的时间戳同步。此时可获取与当前二维图像的时间戳的时间间隔不不大于第一预设值的当前点云图像映射到当前二维图像所在的二维平面中,从而避免投影偏差过大,进而避免影响后续基于轨旁设备的列车测速的准确性。优选的,当前点云图像可以是时间戳与当前二维图像最接近的点云图像。
在一实施例中,将当前点云图像,投影至当前二维图像所处的二维平面,可以是将所述相机以及所述激光雷达进行联合标定,获取所述相机的内部参数和外部参数;
根据所述内部参数和外部参数,对所述当前点云图像进行坐标转换,将所述当前点云图像投影到所述当前二维图像所处的二维平面,以使所述当前点云图像与所述当前二维图像重合。
在一实施例中,在投影之前,先对激光雷达和相机进行联合标定,获取相机的外参、内参等标定参数。然后在投影时,通过这些标定参数,将当前点云图像与当前二维图像进行配准,获得两者的空间位置关系,然后基于该空间位置关系将三维的当前点云图像转换为当前二维图像所处的二维坐标系中的二维散点,使当前点云图像与当前二维图像中表示同一个物体的区域完全重合。
在一实施例中,先通过外部参数将当前点云图像中的点从雷达坐标系(xw,yw,zw)变换成相机坐标系(xc,yc,zc):
其中,R为旋转矩阵,也可以用直角坐标系下三个方向的旋转(Pitch,Roll,Yaw)来表示。t是平移向量,即直角坐标系下三个方向的距离(tx,ty,tz),旋转加平移总共六个参数,构成外部参数。
然后,通过内部参数将相机坐标系中的点(xc,yc,zc)变成像素坐标(u,v):
其中fx和fy是相机在水平和垂直两个方向的焦距,u0和v0是相机中心的像素坐标,s是轴倾斜系数,总共五个参数,构成内部参数。
在一实施例中,内部参数只和相机相关。其中,内部参数的获取,可通过用相机拍摄拍摄若干帧不同姿态的棋盘格照片,然后将照片输入现有的标准检测算法即可确定内部参数。其中,棋盘格照片可如图4所示。
外部参数和激光雷达与相机的相对位置关系有关。通常需要根据测定好的内部参数和一组凭经验确定的外部参数估计值将通过激光雷达得到的点云图像,投影到通过相机得到的二维图像上,调整外部参数使同一个物体的点云图像与二维图像轮廓完全重合,然后获得最终的外部参数。
在一实施例中,在将当前点云图像,投影至当前二维图像所处的二维平面后,即可提取落在当前目标区域的点云数据,即各当前目标点。此时各当前目标点即为列车对应的点云数据。
由于从当前二维图像中确定的列车所处的当前目标区域有可能会偏大一些,导致各当前目标点中可能不全部都是表示列车的目标点,即当前目标点中可能会包含在列车后方背景上的点云数据。此外,还可能由于列车和激光雷达之间可能有其他遮挡,如电线杆或行人等,因此各当前目标点的覆盖范围可能包含落在遮挡物上的点云数据,如图5所示。因此直接利用各当前目标点确定列车的当前位置信息,会导致当前位置信息不够准确,进而影响后续检测到的列车速度的准确度。为此,在一实施例中,根据各所述当前目标点确定所述列车的当前位置信息,包括:
将各所述当前目标点叠加至所述轨道区的预设地图上;
从各所述当前目标点中,提取位于所述预设地图的轨道区域的各指定特征点;
根据各所述指定特征点确定所述列车的当前位置信息;
其中,所述预设地图基于所述激光雷达的激光雷达坐标系建立。
在一实施例中,预先建立基于激光雷达的激光雷达坐标系的轨道区的预设地图,其中预设地图可以为列车轨道的三维地图或俯视图,然后将各当前目标点叠加在该预设地图上,根据点云的分布,分割聚类成三个目标。由于只有列车才会位于轨道上,因此可从当前目标点中,提取位于预设地图的表示轨道的轨道区域的各指定特征点。此时提取到的各指定特征点即为表示列车的点云数据。
在提取到各指定特征点后,根据各指定特征点确定列车的当前位置信息。
示例性的,可根据各指定特征点在激光雷达坐标系中的坐标点,得到平均坐标点,然后将该平均坐标点作为列车的当前位置信息。
通过将各当前目标点叠加在预设地图上,已从各当前目标点中提取位于轨道区域的各指定特征点,从而能够提取到仅包含表示列车的点云数据,以提高获取到的当前位置信息的准确度,进而提高后续检测到的列车速度的准确度。
为使获取到的当前位置信息更为准确,对于当前位置信息的获取,在一实施例中,还可根据各所述指定特征点在激光雷达坐标系中的坐标信息,获取所述列车的质心;
将所述质心在激光雷达坐标系中的坐标信息,确定为所述列车的当前位置信息。
在步骤104中,在得到当前位置信息后,根据当前位置信息以及由各历史目标点确定的所述列车的历史位置信息,可得到在当前点云图像和具有各历史目标点的历史点云图像这两帧图像的间隔期间,列车的运行距离d。在根据当前点云图像和历史点云图像的时间戳,计算出目标时间间隔t,从而即可计算出列车的当前运行速度v=d/t。
其中,各历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点。历史二维图像的时间戳与历史点云图像的时间戳之间的间隔,和当前二维图像的时间戳与当前点云图像的时间戳之间的间隔相同,均为不大于第一预设值。
各历史目标点的获取方法,与上述的各当前目标点的获取方法相同,仅是将当前二维图像替换为历史二维图像,将当前点云图像替换为历史点云图像,在此不多赘述。
历史位置信息的获取方法,与上述当前位置信息的获取方法相同,仅是将各当前目标点替换为各历史目标点,在此不多赘述。
同理,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步。其中,时间戳同步,同样可以是指历史点云图像和历史二维图像为同一时刻的图像,即历史二维图像的时间戳,与历史点云图像的时间戳相同。这样在将历史点云图像投影至历史二维图像所处的二维平面时,投影偏差最小。也可以是指历史二维图像的时间戳与历史点云图像的时间戳的间隔不大于第一预设值。
考虑到若当前二维图像与历史二维图像之间间隔的帧数过少,如当前二维图像与历史二维图像为相邻的二维图像,那么若列车的车速非常慢,此时得到的列车的运行距离d会太小,例如<5cm。此时可能会由于列车的运行距离不明显,导致降低对极低车辆速度的测量准确度。为此,在一实施例中,所述当前点云图像与所述历史点云图像之间间隔有N帧点云图像,N为正整数。
示例性的,当前点云图像与历史点云图像之间可间隔1帧、5帧或10帧,从而使当前二维图像与历史二维图像也会存在帧数间隔,那么此时通过间隔多帧的图像来计算列车的行车距离,能够使得列车的行车距离d更加显著,同时间隔时间t也会同步增加,从而实现对极低车辆速度的精确测量。
通过利用激光雷达点云的跳帧测量,使得到的列车的特征参数更为明显,从而使得列车即使在极低车速下进行行驶,依旧可以准确地得到其行车距离和对应的行车时间,进而进一步提高了检测到的列车速度的准确性。
下面对本申请实施例提供的基于轨旁设备的列车测速装置进行描述,下文描述的基于轨旁设备的列车测速装置与上文描述的基于轨旁设备的列车测速方法可相互对应参照。
在一实施例中,如图6所示,提供了一种基于轨旁设备的列车测速装置,包括:
区域确定模块,用于从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
图像投影模块,用于将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
位置确定模块,根据各所述当前目标点确定所述列车的当前位置信息;
列车测速模块,用于根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
在一实施例中,区域确定模块210具体用于:将所述当前二维图像输入训练好的列车识别模型进行列车检测,获取当前二维图像中的列车图像;
根据所述列车图像在所述二维图像中的位置,确定所述列车在所述当前二维图像中所处的当前目标区域。
在一实施例中,图像投影模块220具体用于:
将所述相机以及所述激光雷达进行联合标定,获取所述相机的内部参数和外部参数;
根据所述内部参数和外部参数,对所述当前点云图像进行坐标转换,将所述当前点云图像投影到所述当前二维图像所处的二维平面,以使所述当前点云图像与所述当前二维图像重合。
在一实施例中,位置确定模块230具体用于:
将各所述当前目标点叠加至所述轨道区的预设地图上;
从各所述当前目标点中,提取位于所述预设地图的轨道区域的各指定特征点;
根据各所述指定特征点确定所述列车的当前位置信息;
其中,所述预设地图基于所述激光雷达的激光雷达坐标系建立。
在一实施例中,位置确定模块230具体用于:
根据各所述指定特征点在激光雷达坐标系中的坐标信息,获取所述列车的质心;
将所述质心在激光雷达坐标系中的坐标信息,确定为所述列车的当前位置信息。
在一实施例中,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步。
在一实施例中,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步,包括:
所述当前二维图像的时间戳与所述当前点云图像的时间戳的间隔不大于第一预设值;
所述历史二维图像的时间戳与所述历史点云图像的时间戳的间隔不大于第一预设值;
所述第一预设值根据所述相机的帧率以及所述激光雷达的帧率确定。
在一实施例中,所述当前点云图像与所述历史点云图像之间间隔有N帧点云图像,N为正整数。
通过将轨道区的点云图像投影到轨道区的二维图像,以从点云图像中,获取投影至列车在二维图像所处的目标区域的各目标点后,通过各目标点确定列车在点云图像中的位置,并根据列车在两帧点云图像中的位置和两帧点云图像之间的时间间隔,得到列车的运行速度,使得列车在低速运行时,由于其在不同时刻的点云图像中位置会发生变化,因此可通过列车在不同点云图像中的位置变化,有效地检测到列车的速度,提高检测到的列车速度的准确性,且无需毫米波雷达等专用测速设备,避免了额外安装毫米波雷达所导致的工程代价,降低了系统复杂度,降低了成本。同时,还可利用激光雷达和相机实现轨道区的侵限检测。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)810、通信接口(Communication Interface)820、存储器(memory)830和通信总线840,其中,处理器810,通信接口820,存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的计算机程序,以执行基于轨旁设备的列车测速方法的步骤,例如包括:
从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
根据各所述当前目标点确定所述列车的当前位置信息;
根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
此外,上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请实施例还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,所述计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各实施例所提供的基于轨旁设备的列车测速方法的步骤,例如包括:
从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
根据各所述当前目标点确定所述列车的当前位置信息;
根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
另一方面,本申请实施例还提供一种处理器可读存储介质,所述处理器可读存储介质存储有计算机程序,所述计算机程序用于使处理器执行上述各实施例提供的方法的步骤,例如包括:
从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
根据各所述当前目标点确定所述列车的当前位置信息;
根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备,包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(MO)等)、光学存储器(例如CD、DVD、BD、HVD等)、以及半导体存储器(例如ROM、EPROM、EEPROM、非易失性存储器(NANDFLASH)、固态硬盘(SSD))等。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种基于轨旁设备的列车测速方法,其特征在于,包括:
从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
根据各所述当前目标点确定所述列车的当前位置信息;
根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
2.根据权利要求1所述的基于轨旁设备的列车测速方法,其特征在于,从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域,包括:
将所述当前二维图像输入训练好的列车识别模型进行列车检测,获取当前二维图像中的列车图像;
根据所述列车图像在所述二维图像中的位置,确定所述列车在所述当前二维图像中所处的当前目标区域。
3.根据权利要求1所述的基于轨旁设备的列车测速方法,其特征在于,所述将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,包括:
将所述相机以及所述激光雷达进行联合标定,获取所述相机的内部参数和外部参数;
根据所述内部参数和外部参数,对所述当前点云图像进行坐标转换,将所述当前点云图像投影到所述当前二维图像所处的二维平面,以使所述当前点云图像与所述当前二维图像重合。
4.根据权利要求1所述的基于轨旁设备的列车测速方法,其特征在于,所述根据各所述当前目标点确定所述列车的当前位置信息,包括:
将各所述当前目标点叠加至所述轨道区的预设地图上;
从各所述当前目标点中,提取位于所述预设地图的轨道区域的各指定特征点;
根据各所述指定特征点确定所述列车的当前位置信息;
其中,所述预设地图基于所述激光雷达的激光雷达坐标系建立。
5.根据权利要求1-4任意一项所述的基于轨旁设备的列车测速方法,其特征在于,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步。
6.根据权利要求5所述的基于轨旁设备的列车测速方法,其特征在于,所述当前二维图像的时间戳,与所述当前点云图像的时间戳同步,所述历史二维图像的时间戳,与所述历史点云图像的时间戳同步,包括:
所述当前二维图像的时间戳与所述当前点云图像的时间戳的间隔不大于第一预设值;
所述历史二维图像的时间戳与所述历史点云图像的时间戳的间隔不大于第一预设值;
所述第一预设值根据所述相机的帧率以及所述激光雷达的帧率确定。
7.根据权利要求1-5任意一项所述的基于轨旁设备的列车测速方法,其特征在于,所述当前点云图像与所述历史点云图像之间间隔有N帧点云图像,N为正整数。
8.一种基于轨旁设备的列车测速装置,其特征在于,包括:
区域确定模块,用于从通过轨旁设备的相机获取到的轨道区的当前二维图像中,确定列车所处的当前目标区域;
图像投影模块,用于将通过轨旁设备的激光雷达获取到的所述轨道区的当前点云图像,投影至所述当前二维图像所处的二维平面,获取所述当前点云图像中投影至所述当前目标区域的各当前目标点;
位置确定模块,根据各所述当前目标点确定所述列车的当前位置信息;
列车测速模块,用于根据所述当前位置信息、由各历史目标点确定的所述列车的历史位置信息以及目标时间间隔,确定所述列车的运行速度;
其中,各所述历史目标点为所述轨道区的历史点云图像中,投影至所述轨道区的历史二维图像的历史目标区域的各目标点;
所述历史点云图像通过所述相机采集,所述历史二维图像通过所述激光雷达;
所述历史目标区域为历史二维图像中所述列车所处的区域;
所述目标时间间隔根据所述当前点云图像的时间戳,以及所述历史点云图像的时间戳确定。
9.一种电子设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于轨旁设备的列车测速方法的步骤。
10.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7任一项所述的基于轨旁设备的列车测速方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111272591.4A CN113895482B (zh) | 2021-10-29 | 2021-10-29 | 基于轨旁设备的列车测速方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111272591.4A CN113895482B (zh) | 2021-10-29 | 2021-10-29 | 基于轨旁设备的列车测速方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113895482A true CN113895482A (zh) | 2022-01-07 |
CN113895482B CN113895482B (zh) | 2024-03-15 |
Family
ID=79026823
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111272591.4A Active CN113895482B (zh) | 2021-10-29 | 2021-10-29 | 基于轨旁设备的列车测速方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113895482B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11891098B1 (en) * | 2023-03-22 | 2024-02-06 | Dan Smythe | Use of artificial intelligence to detect defects in trains and method to use |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3042824A1 (en) * | 2015-01-08 | 2016-07-13 | Bombardier Transportation GmbH | A system and a method for determining the travel speed of a rail 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 |
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN111717244A (zh) * | 2019-12-18 | 2020-09-29 | 河南思维轨道交通技术研究院有限公司 | 一种列车自动驾驶感知方法和系统 |
WO2020246890A1 (en) * | 2019-06-07 | 2020-12-10 | Fnv Ip B.V. | A track monitoring system |
CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112455502A (zh) * | 2019-09-09 | 2021-03-09 | 中车株洲电力机车研究所有限公司 | 基于激光雷达的列车定位方法及装置 |
CN112560972A (zh) * | 2020-12-21 | 2021-03-26 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
US20210109207A1 (en) * | 2019-10-10 | 2021-04-15 | Thales Canada Inc. | System and method to determine low-speed and stationary state of a rail vehicle |
CN112706805A (zh) * | 2021-03-26 | 2021-04-27 | 交控科技股份有限公司 | 轨旁设备、轨道星链系统及列车运行控制系统 |
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 |
CN113548094A (zh) * | 2021-07-28 | 2021-10-26 | 通号城市轨道交通技术有限公司 | 基于多传感器的列车定位、联挂方法及系统 |
-
2021
- 2021-10-29 CN CN202111272591.4A patent/CN113895482B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3042824A1 (en) * | 2015-01-08 | 2016-07-13 | Bombardier Transportation GmbH | A system and a method for determining the travel speed of a rail 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 |
WO2020246890A1 (en) * | 2019-06-07 | 2020-12-10 | Fnv Ip B.V. | A track monitoring system |
CN110471085A (zh) * | 2019-09-04 | 2019-11-19 | 深圳市镭神智能系统有限公司 | 一种轨道检测系统 |
CN112455502A (zh) * | 2019-09-09 | 2021-03-09 | 中车株洲电力机车研究所有限公司 | 基于激光雷达的列车定位方法及装置 |
US20210109207A1 (en) * | 2019-10-10 | 2021-04-15 | Thales Canada Inc. | System and method to determine low-speed and stationary state of a rail vehicle |
CN111717244A (zh) * | 2019-12-18 | 2020-09-29 | 河南思维轨道交通技术研究院有限公司 | 一种列车自动驾驶感知方法和系统 |
CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112560972A (zh) * | 2020-12-21 | 2021-03-26 | 北京航空航天大学 | 基于毫米波雷达先验定位和视觉特征融合的目标检测方法 |
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 |
CN112706805A (zh) * | 2021-03-26 | 2021-04-27 | 交控科技股份有限公司 | 轨旁设备、轨道星链系统及列车运行控制系统 |
CN113548094A (zh) * | 2021-07-28 | 2021-10-26 | 通号城市轨道交通技术有限公司 | 基于多传感器的列车定位、联挂方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11891098B1 (en) * | 2023-03-22 | 2024-02-06 | Dan Smythe | Use of artificial intelligence to detect defects in trains and method to use |
Also Published As
Publication number | Publication date |
---|---|
CN113895482B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10198004B2 (en) | Method and apparatus for obtaining range image with UAV, and UAV | |
CN108419446B (zh) | 用于激光深度图取样的系统及方法 | |
US9576375B1 (en) | Methods and systems for detecting moving objects in a sequence of image frames produced by sensors with inconsistent gain, offset, and dead pixels | |
CN111045000A (zh) | 监测系统和方法 | |
WO2018222889A1 (en) | Collision prediction system | |
CN109085570A (zh) | 基于数据融合的车辆检测跟踪算法 | |
CN113160327A (zh) | 一种点云补全的实现方法和系统 | |
EP3132283A1 (en) | Method and system for rendering a synthetic aperture radar image | |
CN112348882A (zh) | 一种基于多源探测器的低空目标跟踪信息融合方法和系统 | |
WO2022217988A1 (zh) | 传感器配置方案确定方法、装置、计算机设备、存储介质及程序 | |
CN116310679A (zh) | 多传感器融合目标检测方法、系统、介质、设备及终端 | |
CN111913177A (zh) | 对目标物探测方法、装置以及存储介质 | |
CN112784679A (zh) | 车辆避障方法和装置 | |
CN114280611A (zh) | 一种融合毫米波雷达与摄像头的路侧感知方法 | |
CN113895482B (zh) | 基于轨旁设备的列车测速方法及装置 | |
WO2022083529A1 (zh) | 一种数据处理方法及装置 | |
CN111753901B (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
CN117095038A (zh) | 用于激光扫描仪的点云滤波方法及系统 | |
CN114119465B (zh) | 一种点云数据处理方法及装置 | |
JPWO2019210360A5 (zh) | ||
CN114581889A (zh) | 一种融合方法、装置、设备、介质及产品 | |
CN113792645A (zh) | 一种融合图像和激光雷达的ai眼球 | |
CN117934636B (zh) | 一种多深度相机动态外参标定方法及其装置 | |
US10698111B2 (en) | Adaptive point cloud window selection | |
CN115824237B (zh) | 轨道路面识别方法及装置 |
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 |