CN116573017A - 城市轨道列车行驶限界异物感知方法、系统、装置和介质 - Google Patents
城市轨道列车行驶限界异物感知方法、系统、装置和介质 Download PDFInfo
- Publication number
- CN116573017A CN116573017A CN202310416656.0A CN202310416656A CN116573017A CN 116573017 A CN116573017 A CN 116573017A CN 202310416656 A CN202310416656 A CN 202310416656A CN 116573017 A CN116573017 A CN 116573017A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- train
- foreign matter
- point
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 103
- 230000004927 fusion Effects 0.000 claims abstract description 43
- 238000001514 detection method Methods 0.000 claims abstract description 25
- 230000002159 abnormal effect Effects 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 19
- 230000008447 perception Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 230000000877 morphologic effect Effects 0.000 claims description 6
- 230000004069 differentiation Effects 0.000 claims description 5
- 238000011897 real-time detection Methods 0.000 abstract description 4
- 238000004422 calculation algorithm Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 13
- 230000011218 segmentation Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 10
- 230000007613 environmental effect Effects 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000007797 corrosion Effects 0.000 description 4
- 238000005260 corrosion Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012876 topography Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/08—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only
- B61L23/14—Control, warning or like safety means along the route or between vehicles or trains for controlling traffic in one direction only automatically operated
-
- 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
- B61L15/0081—On-board diagnosis or maintenance
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B61—RAILWAYS
- B61L—GUIDING RAILWAY TRAFFIC; ENSURING THE SAFETY OF RAILWAY TRAFFIC
- B61L23/00—Control, warning or like safety means along the route or between vehicles or trains
- B61L23/04—Control, warning or like safety means along the route or between vehicles or trains for monitoring the mechanical state of the route
- B61L23/041—Obstacle detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种城市轨道列车行驶限界异物感知方法、系统、装置和介质,方法包括:使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;识别点云,以识别出列车行驶前方是否有异物;若有异物,则对点云中的异物进行信息识别,并根据预先标定的点云和图像的对应关系,将点云和图像进行信息融合,且识别融合了点云的图像,得到异物信息,并根据异物信息,调整列车按照预设的异常预案运行列车;若无异物,则按照列车的正常预案运行列车;解决了现有技术中城市轨道交通安全运行感知方案存在效率低,检测流程不可靠、无法实时进行列车运行安全的实时检测的技术问题。
Description
技术领域
本发明涉及交通感知技术领域,尤其涉及一种城市轨道列车行驶限界异物感知方法、系统、装置和介质。
背景技术
城市轨道交通作为一种公共交通运输方式,极大程度下可以解决城市交通拥堵、满足乘客出行需求。随着技术的发展,新型智能无人化城市轨道列车(“轻轨”、“云轨”、“云巴”等)的出现将会为人们带来更为便利、舒适的出行策略。新型的轨道交通运行环境相对于传统轨道交通更为开放,在城市范围内,在车辆行驶轨道的限界范围内经常出现各的异物,包括:石头、生活杂物、衣物、以及异常侵入限界范围内的其他不可预测的异物,这对列车运行安全带来了极大的挑战,所以迫切需要对一种能够对新型轨道交通的实时性运行环境进行检测的技术和方法。
然而,现有的城市轨道交通安全运行感知及检测方法无法满足新型城市轨道列车的需求,传统的轨道交通系统运行全系统已不满足新一代城市轨道列车对环境感知的要求。现有城市轨道列车对外部运行环境状态检测技术主要有两种,一种是通过车辆红外传感器来感知车辆前方是否正常,该方法感知能力存在局限性。另一种是通过地铁线网或者轨道线网进行预先信号提示,该方法在面向突发事件的时候无法及时的将信息反馈到车辆上,导致存在较大的安全风险。以上方案都需要依赖列车驾驶员或者安全员进行人工判断确认。对于新型智能无人化轨道列车以上方法均难以满足安全运行的需求。
通过上述分析,目前城市轨道交通安全运行感知方案存在效率低,检测流程不可靠、无法实时进行列车运行安全的实时检测,这些问题使得发展新型智能无人轨道列车带来了阻碍和技术瓶颈,给新型轨道交通的安全行驶带来极大的风险。
发明内容
本发明的主要目的在于提供一种城市轨道列车行驶限界异物感知方法、系统、装置和介质,旨在解决现有技术中城市轨道交通安全运行感知方案存在效率低,检测流程不可靠、无法实时进行列车运行安全的实时检测的技术问题。
为实现上述目的,本发明第一方面提供一种城市轨道列车行驶限界异物感知方法,包括:使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;识别所述点云,以识别出列车行驶前方是否有异物;若有异物,则根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合,且识别融合了点云的图像,得到异物信息,并根据异物信息,调整列车按照预设的异常预案运行列车;若无异物,则按照列车的正常预案运行列车。
进一步地,所述点云和图像的对应关系的获取方法包括:使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点;使用视觉传感器拍摄标定板,得到标定板图像;对所述标定板图像进行图像处理,得到标定板图像的平面角点;根据所述空间角点的三维坐标,求解所述空间角点对应的二维坐标;将所述空间角点的二维坐标和所述平面角点的二维坐标相对应,得到点云和图像的对应关系。
进一步地,所述使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点包括:使用直通滤波对点云进行截断滤波,提取标定板点云区域;使用统计滤波或形态学滤波对所述标定板点云区域的离群点进行剔除;若所述标定板有段差高度,则使用平面拟合的方法,得到标定板点云的空间角点;若所述标定板无段差高度,则将点云投影至XOY平面,并对所述点云进行聚合处理,且对聚合处理的点云使用平面拟合的方法,得到标定板点云的空间角点。
进一步地,所述识别所述点云包括:分割点云,得到待检测区域的点云;在分割后的点云内,将待检测区域内的列车轨道区域的点进行滤除,并对剩余的点云在X/Y/Z轴的方向上进行滤波;对滤波后的点云进行聚类分割,得到若干类簇的点云;检测每一类簇点云的点云数量,若数量大于预设值,则将该类簇点云设置为异物点云,若小于预设值,则将该类簇点云设置为噪声点云。
进一步地,所述对点云中的异物进行信息识别包括:对所述异物点云进行空间几何计算,得到异物点云的3D包围盒、异物距离列车的实际距离信息、异物尺寸信息;所述点云和所述图像进行信息融合包括:根据所述点云和图像的对应关系,将所述3D包围盒的顶点坐标转换到所述2D视觉传感器的坐标系下,得到异物点云在所述图像中的包围框;所述识别融合了点云的图像包括:使用预先构建的深度目标检测网络对所述包围框包围的所述图像的内容进行识别,得到异物的种类信息。
进一步地,所述分割点云,得到待检测区域的点云包括:获取列车的行驶轨迹路线图;根据所述行驶轨迹路线图将所述列车的行驶轨迹划分为预定数量个长方体,每个长方体均对应一段所述列车的行驶轨迹;在列车行驶到对应的长方体区域时,通过激光雷达获取该长方体区域的点云,以作为待检测区域的点云。
进一步地,所述分割点云,得到待检测区域的点云包括:使用激光雷达采集列车行驶轨迹的全部点云;根据列车轨迹的全部点云,构建运行轨迹地图;在所述轨迹地图上,提取列车的轨道的中心轮廓线,所述中心轮廓线为任意曲线;应用曲线微分方法,将所述中心轮廓线投影成一段直线;对所述直线进行等分,并将等分点映射到中心轮廓线上,以将所述中心轮廓线等分,每一段中心轮廓线均为一个检测区域;在列车行驶过程中,实时获取与列车运行方向垂直的一段中心轮廓线为待检测区域。
本发明第二方面提供一种城市轨道列车行驶限界异物感知系统,包括:数据获取模块,用于使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;异物识别模块,用于识别所述点云,以识别出列车行驶前方是否有异物;信息融合模块,用于若所述异物识别模块识别出有异物,则根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合;信息识别模块,用于识别所述信息融合模块融合了点云的图像,得到异物信息;列车控制模块,用于根据所述信息识别模块识别的异物信息,调整列车按照预设的异常预案运行列车;或根据所述异物识别模块识别出无异物时,按照列车的正常预案运行列车。
本发明第三方面提供一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述中的任意一项所述城市轨道列车行驶限界异物感知方法。
本发明第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述中的任意一项所述城市轨道列车行驶限界异物感知方法。
本发明提供一种城市轨道列车行驶限界异物感知方法、系统、装置和介质,有益效果在于:采用了激光雷达传感器和2D视觉传感器作为主要的数据来源,充分利用激光雷达数据的高精度、距离远的特点以及2D视觉传感器的采集图像对环境状态的丰富表达优势进行信息融合综合判定,从而可以高效、实时、精确的获取到列车行驶前方的环境信息,保证列车行驶过程中的安全。本发明第二方面提供一种城市轨道列车行驶限界异物感知系统,包括:数据获取模块,用于使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;异物识别模块,用于识别所述点云,以识别出列车行驶前方是否有异物;信息融合模块,用于若所述异物识别模块识别出有异物,则根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合;信息识别模块,用于识别所述信息融合模块融合了点云的图像,得到异物信息;列车控制模块,用于根据所述信息识别模块识别的异物信息,调整列车按照预设的异常预案运行列车;或根据所述异物识别模块识别出无异物时,按照列车的正常预案运行列车。
本发明第三方面提供一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现上述中的任意一项所述城市轨道列车行驶限界异物感知方法。
本发明第四方面提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现上述中的任意一项所述城市轨道列车行驶限界异物感知方法。
本发明提供一种城市轨道列车行驶限界异物感知方法、系统、装置和介质,有益效果在于:采用了激光雷达传感器和2D视觉传感器作为主要的数据来源,充分利用激光雷达数据的高精度、距离远的特点以及2D视觉传感器的采集图像对环境状态的丰富表达优势进行信息融合综合判定,从而可以高效、实时、精确的获取到列车行驶前方的环境信息,保证列车行驶过程中的安全。
附图说明
为了更清楚地说明本发明实施例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为本发明实施例城市轨道列车行驶限界异物感知方法的流程图;
图2为本发明实施例城市轨道列车行驶限界异物感知方法的激光雷达与视觉融合标定示意图;
图3为本发明实施例城市轨道列车行驶限界异物感知方法的DBSCAN密度聚类示意图;
图4为本发明实施例城市轨道列车行驶限界异物感知方法的轨道列车限界区域使用意图;
图5为本发明实施例城市轨道列车行驶限界异物感知方法的异物区域提取示意图;
图6为本发明实施例城市轨道列车行驶限界异物感知方法的激光雷达和视觉融合感知平台安装到轨道列车示意图;
图7为本发明实施例城市轨道列车行驶限界异物感知方法的第一个测试图;
图8为本发明实施例城市轨道列车行驶限界异物感知方法的第二个测试图;
图9为本发明实施例城市轨道列车行驶限界异物感知方法的第三个测试图;
图10为本发明实施例城市轨道列车行驶限界异物感知系统的框架图;
图11为本发明实施例电子装置的结构示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,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,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域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,都属于本发明保护的范围。
现有的列车主动环境感知方法主要采用物理传感器、超声波传感器或者以单一种类传感器进行感知的方法。
本发明采用激光雷达和视觉信息进行融合感知形成一种新型轨道交通融合感知方法。本发明能够弥补单一传感器存在的不足,通过激光雷达和视觉传感器可以实现对异物的距离、大小、类型进行识别和测量。比现有技术检测效率更快、精度更高。
现有激光雷达检测对异物的检测采用深度学习方法或ICP模版匹配方法进行检测,但这些方法运行条件和模型训练相对较为复杂,并且难以实现实时的在线运行。
本发明主要采用滤波和分割思想极大减少了点云计算量,并且融合了2D视觉图像信息,丰富了激光雷达的点云数据,也充分利用2D图像目标检测算法的优势,极大的提升实时多元信息融合感知算法运行速度和信息的准确度,为基于雷视融合算法提供了新的思路和解决方案。
具体如下:
请参阅图1,为一种城市轨道列车行驶限界异物感知方法,包括:
S101、使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;
S102、识别点云,以识别出列车行驶前方是否有异物;
S103、若有异物,则根据预先标定的点云和图像的对应关系,将点云和图像进行信息融合,且识别融合了点云的图像,得到异物信息,并根据异物信息,调整列车按照预设的异常预案运行列车;
S104、若无异物,则按照列车的正常预案运行列车。
在本实施例中,2D视觉传感器为2D相机,预设的异常预案可以是减速、停车等。
本实施例提供的城市轨道列车行驶限界异物感知方法,采用了激光雷达传感器和2D视觉传感器作为主要的数据来源,充分利用激光雷达数据的高精度、距离远的特点以及2D视觉传感器的采集图像对环境状态的丰富表达优势进行信息融合综合判定,从而可以高效、实时、精确的获取到列车行驶前方的环境信息,保证列车行驶过程中的安全。
在一个实施例中,点云和图像的对应关系的获取方法包括:
S1031、使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点;
S1032、使用视觉传感器拍摄标定板,得到标定板图像;
S1033、对标定板图像进行图像处理,得到标定板图像的平面角点;根据空间角点的三维坐标,求解空间角点对应的二维坐标;
S1034、将空间角点的二维坐标和平面角点的二维坐标相对应,得到点云和图像的对应关系。
激光视觉联合标定的目的是构建激光点云和视觉像素点之间的关系,通过标定得到的激光雷达和相机之间的外参,将三维的激光点投影到相机坐标系下,然后利用相机的模型把三维点投影到像素平面。由于标定的结果直接影响信息融合的效果,所以标定技术是多传感器之间信息融合交互中的关键。
在本实施例中,通过重复步骤S1031、S1032、S1033,可以获得若干个激光雷达的空间角点P(x,y,z)与图像平面角点P(x,y),PNP就是当已知若干个3D点坐标求取其对应的平面坐标的过程,PNP解算就是求解其中的Rt变换矩阵,求解方法采用DLT直接线性变换法求解。
将空间角点数据代入公式求解得到对应相机中的坐标点,并将其对应到图像图片中,由此可以判断变换矩阵Rt的正确性。
如图2所示,标定板由黑白相间的区域组成,在上述中,寻找角点的过程,就是寻找黑色区域和白色区域的角点,标定的关键是寻找场景中激光点云和图像平面的对应点,利用对应点求出相机和激光雷达之间的外参。对于2D的像素点和3D的激光点,所以这个问题可以构建为如公式所示:
公式“=”左边表示激光在图像坐标系中的像素的齐次坐标,“=”右边第一个矩阵为相机的内参矩阵,相机的针孔模型中的参数;“=”右边第二个矩阵表示激光雷达到相机的外参,主要是旋转矩阵R和平移向量t;最后一个向量表示激光点在激光坐标系下的齐次坐标。将激光雷达和视觉进行融合信息融合标定的目的就是求取第二个矩阵,激光雷达到相机外参的过程,通过采用棋盘格标定方法进行求解。
在一个实施例中,使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点包括:使用直通滤波对点云进行截断滤波,提取标定板点云区域;使用统计滤波或形态学滤波对标定板点云区域的离群点进行剔除;若标定板有段差高度,则使用平面拟合的方法,得到标定板点云的空间角点;若标定板无段差高度,则将点云投影至XOY平面,并对点云进行聚合处理,且对聚合处理的点云使用平面拟合的方法,得到标定板点云的空间角点。
在本实施例中,平面拟合的方法包括将原始点云投影到该拟合平面内,使得标定板点云在空间中处于同一个平面内。
激光雷达通过对标定板进行数据采集,首先,应用直通滤波可以初步对点云进行截断滤波,提取标定板点云区域。然后在通过统计滤波或形态学滤波方法可以将一些离群点进行剔除,得到数据质量较好的标定板点云。将滤波后的点云通过平面拟合方法,将原始点云投影到该拟合平面内,使得标定板点云在空间中处于同一个平面内。
针对于带有明显段差高度的标定板,可以通过平面拟合方法得到棋盘格标定板的对应交点方法直接求取标定板角点。对于无段差高度的标定板,可以将现将点云投影到XOY平面,在通过点云聚类、拟合,最终找到角点。本发明采用基于密度聚类的DBSCAN(Density-Based Spatial Clustering of Applications with Noise,基于密度的噪声应用空间聚类)聚类算法,点之间的距离是计算x方向的闵可夫斯基距离。
基于DBSCAN聚类方法实现步骤如下:
首先,确定聚类对象的ε-领域,给定对象在半径ε内的区域。
然后,给定区域点云数据集合,对过一个点云的ε-领域至少包含有m个点云,则成为该点云集合的核心对象。
最后,确定直接密度可达,给定一个点云对象集合D,如果p是在q的ε-领域内,而p是一个核心点云对象,则对象p从对象q触发是直接密度可达的。
在本实施例中,密度可达表示:如果存在一个对象链p1,p2,···,pn,p1=q,pn=p,对pi属于D,pi+1是从pi关于ε和m直接密度可达的,则对象p是从对象q关于ε和m密度可达的。密度相连表示:如果对象集合D中存在一个对象o,使得对象p和q是从o关于ε和m密度可达的,那么对象p和q是关于ε和m密度相连的。簇表示:一个基于密度的簇是最大的密度相连对象的集合。噪声表示:不包含在任何簇中的对象称为噪声。
如图3所示,为DBSCAN密度聚类示意图,DBSCAN通过检查数据集中的每个对象的ε-邻域来寻找聚类,如果一个点p的ε-邻域包含对于m个对象,则创建一个p作为核心对象的新簇。然后,DBSCAN反复地寻找这些核心对象直接密度可达的对象,这个过程可能涉及密度可达簇的合并。当没有新的点可以被添加到任何簇时,该过程结束。
距离表达公式采用为:
其中w为特征权重。
在一个实施例中,标定板图像的平面角点的获取方法包括:获取标定板的棋盘格数据并进行二值化处理;提取二值化处理的标定板的图形轮廓;对图形轮廓进行筛选,以确定每个棋盘格轮廓;根据每个棋盘格轮廓中,相邻的四个中心点求取得到亚像素的平面角点。
在本市实施例中,通过2D相机拍摄标定板图像,通过图像处理算法可以获取棋盘格标定板的黑白区域角点。
在一个实施例中,识别点云包括:分割点云,得到待检测区域的点云;在分割后的点云内,将待检测区域内的列车轨道区域的点进行滤除,并对剩余的点云在X/Y/Z轴的方向上进行滤波;对滤波后的点云进行聚类分割,得到若干类簇的点云;检测每一类簇点云的点云数量,若数量大于预设值,则将该类簇点云设置为异物点云,若小于预设值,则将该类簇点云设置为噪声点云。
由于激光雷达采集的范围广泛,点云空间存在许多杂点,由此需要对点云进行前期预处理,由于新型轨道列车大多是跨座式架设运行在轨道之上,激光雷达采集到的点云存在部分在轨道轨面之下,所以需要将轨道区域的点进行滤除,同时为了简化计算复杂度,可以对整个点云进行X/Y/Z三个方向进行粗滤波,由此减少计算量达到实时检测的效果。
轨道列车在行驶过程中存在行驶限界区域(列车外型尺寸的外接矩形,如图4所示),也是最为重要的安全检测区域,根据轨道列车的外型尺寸,即可得到需要获取到限界区域中的点云。根据实际需求可以通过扩大限界检测区域,得到异物检测区域,保证在列车行驶区域都能够覆盖全面。
在前述实施例中,分割出来的检测区域点云主要有包含有三类点云:轨道点云、异物点云、噪声离散点。在列车运行轨道上方和限界区范围内的区域出现的任何物体均会对列车行驶带来安全风险,应为列车轨道是相对较为规整的平面,由此本发明应用渐进式形态学点云分割算法,将轨道平面点云从检测区域中分割出来,通过平面拟合得到平面系数,在对图像滤波后得到轨道面之上的检测区域之内的点云,这部分即为异物点云和噪声离散点云。
渐进式就是通过不断增大窗口的迭代运算过程对非地面点加以滤除,形态学的基本操作指腐蚀和膨胀运算。膨胀运算是在结构元素窗口确定的区域内选取最大值,在点云数据滤波中常被用来在保留数字表面模型(DSM)基本形态下提升一些低点的高程值,消除局部低地势。而腐蚀运算是在结构元素窗口确定的区域内选取最小值,被用来在保留DSM基本形态下降低一些高点的高程值,消除局部凸起地势。主要公式如下所示:
以上两式分别为膨胀运算和腐蚀运算,f为DSM,g为结构元素,w为结构元素的窗口,Z(s,t)为DSM中坐标为(,t)的点云的高程值。腐蚀和膨胀经过一定次序组合得到开、闭运算,开运算是先腐蚀后膨胀,而闭运算则是先膨胀后腐蚀。
以上两个式分别为开、闭运算。开运算能有效滤去比结构元素窗口尺寸小的突出地形,因此用来对雷达点云数据进行滤波。
通过以上进行轨道面分割后,剩下的点云包括离散点云和异物点云,由于异物点云有明显的团簇现象,团簇内的点云之间的距离基本一致,由此通过聚类分割即可将异物分割出来,本发明采用基于K-Mean聚类算法实现将异物进行分割提取。
算法假设给定数据样本X,包含了n个对象X={X1,X2,X3,…,Xn},其中每个对象都具有m个维度的属性,算法通过将n个对象依据对象间的相似性聚集到指定的K个类簇中,每个对象属于且仅属于一个起到类簇中心距离最小的类簇中。该距离计算公式为欧式距离为:
上式中,Xi表示第i个对象1≤i≤n,Cj表示第j个聚类中的1≤j≤k,Xit表示第i个点云对象的第t个属性,1≤t≤m,Cjt表示第j个聚类中心的第t个属性。依次比较每一个对象得到每一个聚类中心的距离,将对象分配到距离最近的聚类中心的类簇中,得到k个类簇{S1,S2,S3,…,Sk}。
每个类簇的表达形式为:
式中,Cl表示第l个对象的聚类中心,也即是异物的中心坐标,1≤l≤k,|l|表示第l个异物中点云的个数,Xi表示第l个异物中第i个点云,1≤l≤|Sl|。
通过设置类簇中的点云数量可以将调整算法的敏感程度,低于设置数量的为噪声数据,忽略不计,高于该值的为异物点云,同时计算类簇AABB包围框来表达该异物的大小和位置如图5所示。
在一个实施例中,分割点云,得到待检测区域的点云包括:获取列车的行驶轨迹路线图;根据行驶轨迹路线图将列车的行驶轨迹划分为预定数量个长方体,每个长方体均对应一段列车的行驶轨迹;在列车行驶到对应的长方体区域时,通过激光雷达获取该长方体区域的点云,以作为待检测区域的点云。
本实施例是手动标记法,首先得到该区域的行驶轨迹线路图,将车辆行驶轨迹手动划分为若干个立方体,将划分后的信息与行驶的轨迹信息进行绑定,然后当列车运行到达一个区域时,则得到该区域的检测区域立方体,通过该立方体提取出待检测区域点云。
在另一个实施例中,分割点云,得到待检测区域的点云包括:使用激光雷达采集列车行驶轨迹的全部点云;根据列车轨迹的全部点云,构建运行轨迹地图;在轨迹地图上,提取列车的轨道的中心轮廓线,中心轮廓线为任意曲线;应用曲线微分方法,将中心轮廓线投影成一段直线;对直线进行等分,并将等分点映射到中心轮廓线上,以将中心轮廓线等分,每一段中心轮廓线均为一个检测区域;在列车行驶过程中,实时获取与列车运行方向垂直的一段中心轮廓线为待检测区域。
本实施例是自动实时提取轨道轮廓线法。首先通过激光雷达采集列车行驶轨迹的全部点云,通过这些点云应用SLAM(Simultaneous Localization And Mapping,同时定位和建图)方法进行地图构建,由此得到整个运行轨迹地图;然后通过该地图对轨道区域进行提取,提取轨道中心轮廓线,该轮廓线为任意曲线,应用曲线微分方法,将曲线投影成一段直线,再对该直线进行等分,将等分点映射到曲线上,由此实现了对曲线微分的过程。最后,通过IMU(Inertial Measurement Unit,惯性测量单元)系统实时调整待检测区域方向,保证其使用与运行方向垂直即可,该方法可以根据检测需求,将待检测区域长度根据需求进行自定义匹配。
在一个实施例中,对点云中的异物进行信息识别包括:对异物点云进行空间几何计算,得到异物点云的3D包围盒、异物距离列车的实际距离信息、异物尺寸信息;点云和图像进行信息融合包括:根据点云和图像的对应关系,将3D包围盒的顶点坐标转换到2D视觉传感器的坐标系下,得到异物点云在图像中的包围框;识别融合了点云的图像包括:使用预先构建的深度目标检测网络对包围框包围的图像的内容进行识别,得到异物的种类信息。
在上述实施例,对激光雷达数据进行异物分割后,对异物点云进行空间几何计算即可得到异物点云的AABB包围盒以及异物距离列车的实际距离,同时对异物实际大小进行估计,主要公式如下:
假设异物点云集合为:
D{p1=(x1,y1,z1),p2=(x2,y2,z2),…,pn=(xn,yn,zn)},点云数量为N,则3D包围框的左上角点和右下角点的空间坐标为:
LT=(xmin,ymin,zmin)
RB=(xmax,ymax,zmax)
异物距离列车的直线距离为:
异物长宽高大小应用OBB算法实现对异物长宽高尺寸进行实际大小估计,根据物体表面的顶点,通过PCA(主成分分析)获得特征向量,主要计算流程如下:
对异物点集的所有X、Y、Z三个分量计算求协方差矩阵:
对协方差矩阵应用SVD矩阵分解算法求解特征值与特征向量,特征向量构造列向量矩阵M;
将点集的集合中心平移至坐标系原点,并全部乘以M矩阵进行旋转变换;
将变换后的点坐标,求P′lt=(xmin,ymin,zmin)和P′rb=(xmax,ymax,zmax);
由此得到异物缺陷的长宽高尺寸
L=xmax-xmin
W=ymax-ymin
H=zmax-zmin
将AABB包围盒顶点坐标转换到2D视觉相机的坐标系下,由此得到异物在图像中的2D包围框,因为2D图像信息包含丰富颜色信息、轮廓信息,构建深度目标检测经网络模型既可以实现对异物的类型进行识别。将3D激光雷达数据的距离信息和2D视觉目标信息进行统一融合处理,即可实时检测前方异物距离列车的距离、异物种类、尺寸大小等信息,为列车运行决策提供实时、有效的信息。
在实施本发明提供的城市轨道列车行驶限界异物感知方法前,需要搭建激光雷达和视觉的融合感知硬件平台,搭建激光雷达和视觉融合感知平台,并将该稳定安装到列车前方位置,具体可参阅图6。
安装完成后需要对平台进行标定从而实现3D数据到2D数据的融合转换。在列车前方放置棋盘标定板,通过移动棋盘标定板拍摄若干帧点云和图像信息,执行标定程序,得到3D转2D的变换矩阵。
还需要将列车沿着轨道运行一圈,并实时采集激光雷达数据,将采集好的数据构建列车行驶轨道路径的三维地图,为后续障碍物主动环境感知提供基本地图信息。
列车实际运行时,激光雷达和相机实时获取每一帧点云和图像,将采集到的点云与图像信息融合到一个信息中,得到雷视信息融合的图像数据结构
ImgPt={x、y、z、Xp、Yp、R、G、B}
其中:x、y、z表示真实点的空间xyz坐标值,Xp、Yp表示该空间点对应的2D图像的像素坐标,RGB表示对一个空间点的图像RGB颜色信息特征。通过融合后的点云信息执行本发明提出的轨道面的异物分割算法及异物目标检测算法,由此实现基于雷视信息融合的新型轨道列车实施障碍物主动环境感知功能。
综上所述,本发明实施例提供的城市轨道列车行驶限界异物感知方法,在多元传感器数据在信息融合之前,需要得到各个传感器之间的转换关系,通过本发明提出融合标定方法可以对激光雷达和视觉传感器进行时空标定,解决多模式传感器在轨道列车过程中的实时采集的多元信息同步、标定以及信息融合问题,使得多元信息能够在同一时空坐标系下得到表达,为后面的异物分割与检测提供基础。
轨道列车运行过程中采集到的激光雷达数据包含了轨道数据、异物数据、噪声数据、周围建筑物等数据,其中最为关键的是需要能够准确、高效的判断是否存在异物,同时对噪声数据达到抑制作用,通过本发明提出的方法,能够解决异物数据的分割提取,主动判断轨道列车在运行过程中是否存在异物数据。
单一从激光雷达的异物数据难以区分物体的种类,根据激光雷达-视觉传感器的融合信息可以得到异物在图像中的位置,应用本发明方法可以将异物类型进行精确区分。
新型轨道列车在运行过程中,激光雷达和视觉采集雷视融合信息后,并实时运行障碍物主动环境感知算法,当前方运行轨道正常不存在障碍物时,列车正常运行,当前方突发障碍物时,算法实时监测到前方障碍物和种类,系统向列车主动发出异常提示,使得列车执行相关的运行异常预案,从而保证列车安全稳定运行。
为了验证本发明实施例提供的城市轨道列车行驶限界异物感知方法,本实施例还进行了测试,异物距离为40米时,检测到异物点数328,异物大小300mm*300mm,具体如图7所示;异物距离为80米时,检测到异物点数36,异物大小400mm*400mm,具体如图8所示;异物距离为90米时,检测到异物点数8,异物大小1000mm*1000mm,具体如图8所示;图7、8、9内的图,特别是方框是用彩色标注的,这里将其处理为灰度图。
因此,经测试本方法运行时间在300ms以内,基本可以满足列车运行实时检测需求。
请参阅图10,本发明实施例还提供一种城市轨道列车行驶限界异物感知系统,包括:数据获取模块1、异物识别模块2、信息融合模块3、信息识别模块4及列车控制模块5;数据获取模块1用于使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;异物识别模块2用于识别所述点云,以识别出列车行驶前方是否有异物;信息融合模块3用于若所述异物识别模块2识别出有异物,则根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合;信息识别模块4用于识别所述信息融合模块3融合了点云的图像,得到异物信息;列车控制模块5用于根据所述信息识别模块4识别的异物信息,调整列车按照预设的异常预案运行列车;或根据所述异物识别模块2识别出无异物时,按照列车的正常预案运行列车。
在一个实施例中,城市轨道列车行驶限界异物感知系统还包括:标定模块,用于计算点云和图像的对应关系;标定模块包括:空间角点获取单元、拍摄单元、平面角点获取单元、坐标转换单元及对应单元;空间角点获取单元用于使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点;拍摄单元,用于使用视觉传感器拍摄标定板,得到标定板图像;平面角点获取单元用于对所述标定板图像进行图像处理,得到标定板图像的平面角点;坐标转换单元用于根据所述空间角点的三维坐标,求解所述空间角点对应的二维坐标;对应单元用于将所述空间角点的二维坐标和所述平面角点的二维坐标相对应,得到点云和图像的对应关系。
在一个实施例中,空间角点获取单元包括:点云区域提取子单元、离群点剔除子单元、有段差高度标定板空间角点获取子单元、无段差高度标定板空间角点获取子单元;点云区域提取子单元用于使用直通滤波对点云进行截断滤波,提取标定板点云区域;离群点剔除子单元用于使用统计滤波或形态学滤波对所述标定板点云区域的离群点进行剔除;有段差高度标定板空间角点获取子单元用于若所述标定板有段差高度,则使用平面拟合的方法,得到标定板点云的空间角点;无段差高度标定板空间角点获取子单元用于若所述标定板无段差高度,则将点云投影至XOY平面,并对所述点云进行聚合处理,且对聚合处理的点云使用平面拟合的方法,得到标定板点云的空间角点。
在一个实施例中,异物识别模块2包括:点云分割单元、滤波单元、聚类分割单元和点云判断单元;点云分割单元用于分割点云,得到待检测区域的点云;滤波单元用于在分割后的点云内,将待检测区域内的列车轨道区域的点进行滤除,并对剩余的点云在X/Y/Z轴的方向上进行滤波;聚类分割单元用于对滤波后的点云进行聚类分割,得到若干类簇的点云;点云判断单元用于检测每一类簇点云的点云数量,若数量大于预设值,则将该类簇点云设置为异物点云,若小于预设值,则将该类簇点云设置为噪声点云。
在一个实施例中,异物识别模块2还包括:空间几何计算单元、包围框转换单元和种类信息识别单元;空间几何计算单元用于对所述异物点云进行空间几何计算,得到异物点云的3D包围盒、异物距离列车的实际距离信息、异物尺寸信息;包围框转换单元用于根据所述点云和图像的对应关系,将所述3D包围盒的顶点坐标转换到所述2D视觉传感器的坐标系下,得到异物点云在所述图像中的包围框;种类信息识别单元用于使用预先构建的深度目标检测网络对所述包围框包围的所述图像的内容进行识别,得到异物的种类信息。
在一个实施例中,点云分割单元包括:路线图获取子单元、轨迹划分子单元和区域确定子单元;路线图获取子单元用于获取列车的行驶轨迹路线图;轨迹划分子单元用于根据所述行驶轨迹路线图将所述列车的行驶轨迹划分为预定数量个长方体,每个长方体均对应一段所述列车的行驶轨迹;区域确定子单元用于在列车行驶到对应的长方体区域时,通过激光雷达获取该长方体区域的点云,以作为待检测区域的点云。
在另一个实施例中,点云分割单元包括:轨迹采集子单元、地图构建子单元、提取子单元、微分子单元、等分映射子单元及区域确定子单元;轨迹采集子单元用于使用激光雷达采集列车行驶轨迹的全部点云;地图构建子单元用于根据列车轨迹的全部点云,构建运行轨迹地图;提取子单元用于在所述轨迹地图上,提取列车的轨道的中心轮廓线,所述中心轮廓线为任意曲线;微分子单元用于应用曲线微分方法,将所述中心轮廓线投影成一段直线;等分映射子单元用于对所述直线进行等分,并将等分点映射到中心轮廓线上,以将所述中心轮廓线等分,每一段中心轮廓线均为一个检测区域;
区域确定子单元用于在列车行驶过程中,实时获取与列车运行方向垂直的一段中心轮廓线为待检测区域。
本申请实施例提供的城市轨道列车行驶限界异物感知系统,采用了激光雷达传感器和2D视觉传感器作为主要的数据来源,充分利用激光雷达数据的高精度、距离远的特点以及2D视觉传感器的采集图像对环境状态的丰富表达优势进行信息融合综合判定,从而可以高效、实时、精确的获取到列车行驶前方的环境信息,保证列车行驶过程中的安全。
本申请实施例提供一种电子装置,请参阅图11,该电子装置包括:存储器601、处理器602及存储在存储器601上并可在处理器602上运行的计算机程序,处理器602执行该计算机程序时,实现前述中描述的城市轨道列车行驶限界异物感知方法。
进一步的,该电子装置还包括:至少一个输入设备603以及至少一个输出设备604。
上述存储器601、处理器602、输入设备603以及输出设备604,通过总线605连接。
其中,输入设备603具体可为摄像头、触控面板、物理按键或者鼠标等等。输出设备604具体可为显示屏。
存储器601可以是高速随机存取记忆体(RAM,Random Access Memory)存储器,也可为非不稳定的存储器(non-volatile memory),例如磁盘存储器。存储器601用于存储一组可执行程序代码,处理器602与存储器601耦合。
进一步的,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质可以是设置于上述各实施例中的电子装置中,该计算机可读存储介质可以是前述中的存储器601。该计算机可读存储介质上存储有计算机程序,该程序被处理器602执行时实现前述实施例中描述的城市轨道列车行驶限界异物感知方法。
进一步的,该计算机可存储介质还可以是U盘、移动硬盘、只读存储器601(ROM,Read-Only Memory)、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。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。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块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,本发明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全部或部分可以以软件产品的形式体现出来。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的一种城市轨道列车行驶限界异物感知方法、系统、装置和介质的描述,对于本领域的技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种城市轨道列车行驶限界异物感知方法,其特征在于,包括:
使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;
识别所述点云,以识别出列车行驶前方是否有异物;
若有异物,则对点云中的异物进行信息识别,并根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合,且识别融合了点云的图像,得到异物信息,并根据异物信息,调整列车按照预设的异常预案运行列车;
若无异物,则按照列车的正常预案运行列车。
2.根据权利要求1所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述点云和图像的对应关系的获取方法包括:
使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点;
使用视觉传感器拍摄标定板,得到标定板图像;
对所述标定板图像进行图像处理,得到标定板图像的平面角点;
根据所述空间角点的三维坐标,求解所述空间角点对应的二维坐标;
将所述空间角点的二维坐标和所述平面角点的二维坐标相对应,得到点云和图像的对应关系。
3.根据权利要求2所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述使用激光雷达对标定板进行数据采集,得到标定板点云的空间角点包括:使用直通滤波对点云进行截断滤波,提取标定板点云区域;
使用统计滤波或形态学滤波对所述标定板点云区域的离群点进行剔除;
若所述标定板有段差高度,则使用平面拟合的方法,得到标定板点云的空间角点;
若所述标定板无段差高度,则将点云投影至XOY平面,并对所述点云进行聚合处理,且对聚合处理的点云使用平面拟合的方法,得到标定板点云的空间角点。
4.根据权利要求1所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述识别所述点云包括:
分割点云,得到待检测区域的点云;
在分割后的点云内,将待检测区域内的列车轨道区域的点进行滤除,并对剩余的点云在X/Y/Z轴的方向上进行滤波;
对滤波后的点云进行聚类分割,得到若干类簇的点云;
检测每一类簇点云的点云数量,若数量大于预设值,则将该类簇点云设置为异物点云,若小于预设值,则将该类簇点云设置为噪声点云。
5.根据权利要求4所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述对点云中的异物进行信息识别包括:
对所述异物点云进行空间几何计算,得到异物点云的3D包围盒、异物距离列车的实际距离信息、异物尺寸信息;
所述点云和所述图像进行信息融合包括:根据所述点云和图像的对应关系,将所述3D包围盒的顶点坐标转换到所述2D视觉传感器的坐标系下,得到异物点云在所述图像中的包围框;
所述识别融合了点云的图像包括:使用预先构建的深度目标检测网络对所述包围框包围的所述图像的内容进行识别,得到异物的种类信息。
6.根据权利要求4所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述分割点云,得到待检测区域的点云包括:
获取列车的行驶轨迹路线图;
根据所述行驶轨迹路线图将所述列车的行驶轨迹划分为预定数量个长方体,每个长方体均对应一段所述列车的行驶轨迹;
在列车行驶到对应的长方体区域时,通过激光雷达获取该长方体区域的点云,以作为待检测区域的点云。
7.根据权利要求4所述的城市轨道列车行驶限界异物感知方法,其特征在于,所述分割点云,得到待检测区域的点云包括:
使用激光雷达采集列车行驶轨迹的全部点云;
根据列车轨迹的全部点云,构建运行轨迹地图;
在所述轨迹地图上,提取列车的轨道的中心轮廓线,所述中心轮廓线为任意曲线;
应用曲线微分方法,将所述中心轮廓线投影成一段直线;
对所述直线进行等分,并将等分点映射到中心轮廓线上,以将所述中心轮廓线等分,每一段中心轮廓线均为一个检测区域;
在列车行驶过程中,实时获取与列车运行方向垂直的一段中心轮廓线为待检测区域。
8.一种城市轨道列车行驶限界异物感知系统,其特征在于,包括:
数据获取模块,用于使用激光雷达和2D视觉传感器获取列车行驶前方的点云和图像;
异物识别模块,用于识别所述点云,以识别出列车行驶前方是否有异物;
信息融合模块,用于若所述异物识别模块识别出有异物,则根据预先标定的点云和图像的对应关系,将所述点云和所述图像进行信息融合;
信息识别模块,用于识别所述信息融合模块融合了点云的图像,得到异物信息;
列车控制模块,用于根据所述信息识别模块识别的异物信息,调整列车按照预设的异常预案运行列车;或根据所述异物识别模块识别出无异物时,按照列车的正常预案运行列车。
9.一种电子装置,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,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中的任意一项所述方法。
10.一种计算机可读存储介质,其上存储有计算机程序,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中的任意一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416656.0A CN116573017A (zh) | 2023-04-19 | 2023-04-19 | 城市轨道列车行驶限界异物感知方法、系统、装置和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310416656.0A CN116573017A (zh) | 2023-04-19 | 2023-04-19 | 城市轨道列车行驶限界异物感知方法、系统、装置和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116573017A true CN116573017A (zh) | 2023-08-11 |
Family
ID=87533121
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310416656.0A Pending CN116573017A (zh) | 2023-04-19 | 2023-04-19 | 城市轨道列车行驶限界异物感知方法、系统、装置和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116573017A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218123A (zh) * | 2023-11-09 | 2023-12-12 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
CN117692279A (zh) * | 2024-02-01 | 2024-03-12 | 广东云百科技有限公司 | 一种物联网前端数据采集网关及数据处理方法 |
-
2023
- 2023-04-19 CN CN202310416656.0A patent/CN116573017A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117218123A (zh) * | 2023-11-09 | 2023-12-12 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
CN117218123B (zh) * | 2023-11-09 | 2024-02-02 | 上海擎刚智能科技有限公司 | 一种基于点云的冷轧带钢飞丝设备故障检测方法及系统 |
CN117692279A (zh) * | 2024-02-01 | 2024-03-12 | 广东云百科技有限公司 | 一种物联网前端数据采集网关及数据处理方法 |
CN117692279B (zh) * | 2024-02-01 | 2024-05-03 | 广东云百科技有限公司 | 一种物联网前端数据采集网关及数据处理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11971726B2 (en) | Method of constructing indoor two-dimensional semantic map with wall corner as critical feature based on robot platform | |
CN111563442B (zh) | 基于激光雷达的点云和相机图像数据融合的slam方法及系统 | |
CN108955702B (zh) | 基于三维激光和gps惯性导航系统的车道级地图创建系统 | |
CN113255481B (zh) | 一种基于无人巡逻车的人群状态检测方法 | |
Cui et al. | Automatic 3-D reconstruction of indoor environment with mobile laser scanning point clouds | |
CN111815776A (zh) | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 | |
CN109598794B (zh) | 三维gis动态模型的构建方法 | |
CN109460709A (zh) | 基于rgb和d信息融合的rtg视觉障碍物检测的方法 | |
CN116573017A (zh) | 城市轨道列车行驶限界异物感知方法、系统、装置和介质 | |
CN106199558A (zh) | 障碍物快速检测方法 | |
CN111612059A (zh) | 一种基于pointpillars的多平面编码点云特征深度学习模型的构建方法 | |
CN106326893A (zh) | 一种基于区域辨别的车辆颜色识别方法 | |
KR20180041176A (ko) | 고정밀 지도 데이터 처리 방법, 장치, 저장 매체 및 기기 | |
CN112883820B (zh) | 基于激光雷达点云的道路目标3d检测方法及系统 | |
CN110197173B (zh) | 一种基于双目视觉的路沿检测方法 | |
CN114359876B (zh) | 一种车辆目标识别方法及存储介质 | |
CN108645375B (zh) | 一种用于车载双目系统快速车辆测距优化方法 | |
CN116109601A (zh) | 一种基于三维激光雷达点云的实时目标检测方法 | |
Tarko et al. | Tscan: Stationary lidar for traffic and safety studies—object detection and tracking | |
CN111126363B (zh) | 自动驾驶车辆的物体识别方法及装置 | |
Wang et al. | DRR-LIO: A dynamic-region-removal-based LiDAR inertial odometry in dynamic environments | |
CN113920498B (zh) | 一种基于多层特征金字塔的点云3d物体检测方法 | |
CN115457130A (zh) | 一种基于深度关键点回归的电动汽车充电口检测定位方法 | |
Hu et al. | A novel lidar inertial odometry with moving object detection for dynamic scenes | |
CN113447953A (zh) | 一种基于道路交通点云数据的背景滤除方法 |
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 |