CN116853320A - 一种基于背景学习算法的轨道巡检系统 - Google Patents

一种基于背景学习算法的轨道巡检系统 Download PDF

Info

Publication number
CN116853320A
CN116853320A CN202311138621.1A CN202311138621A CN116853320A CN 116853320 A CN116853320 A CN 116853320A CN 202311138621 A CN202311138621 A CN 202311138621A CN 116853320 A CN116853320 A CN 116853320A
Authority
CN
China
Prior art keywords
module
background
track
learning algorithm
judging
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
Application number
CN202311138621.1A
Other languages
English (en)
Inventor
陆正武
吴晨
陆由洲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuhan Chord Technology Co ltd
Original Assignee
Wuhan Chord Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuhan Chord Technology Co ltd filed Critical Wuhan Chord Technology Co ltd
Priority to CN202311138621.1A priority Critical patent/CN116853320A/zh
Publication of CN116853320A publication Critical patent/CN116853320A/zh
Pending legal-status Critical Current

Links

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
    • B61L23/04—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
    • G06V10/20—Image preprocessing
    • G06V10/24—Aligning, centring, orientation detection or correction of the image
    • G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
    • G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Mechanical Engineering (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Train Traffic Observation, Control, And Security (AREA)

Abstract

本发明公开了一种基于背景学习算法的轨道巡检系统，包括中央控制系统，所述中央控制系统通过无线与背景学习系统实现双向连接，所述中央控制系统的输出端与判断单元的输入端电性连接，所述判断单元的输入端与噪点过滤模块的输出端电性连接，所述噪点过滤模块的输出端与聚类单元的输入端电性连接，本发明涉及轨道巡检技术领域。该基于背景学习算法的轨道巡检系统，通过背景学习系统对轨道所在区域进行空间网格划分，获取轨道的尺寸规格，在空间网格中进行轨道模拟，摄取轨道所在区域的景象，作为背景复合到带有轨道模拟的空间网格中，生成背景文件，为后续筛选识别异物提供了背景基础，加快了异物识别速度。

Description

一种基于背景学习算法的轨道巡检系统
技术领域
本发明涉及轨道巡检技术领域，具体为一种基于背景学习算法的轨道巡检系统。
背景技术
铁路轨道简称路轨、铁轨、轨道等，主要用于铁路上，并与转辙器合作，令火车无需转向便能行走，铁路轨道通常由两条平行的钢轨组成，钢轨固定放在轨枕上，轨枕之下为路碴，由轨撑、扣件、压轨器、道夹板、弹条、铁路道钉等铁路配件紧固，铁路路轨以钢铁制成的路轨，可以比其他物料承受更大的重量，轨枕亦称枕木、灰枕，或路枕，功用是将钢轨的重量及钢轨所受压力分开散布，和保持固定轨距，维持路轨的轨距，由原先木枕改为混凝土枕，随着铁路运量的增加，以及机车车辆轴重和行驶速度的提高，相继出现了许多新型轨道，如无缝线路、宽轨枕线路、整体道床线路和板式轨道等。
目前每一段轨道上需要设置轨道人员对轨道进行定期巡检，避免轨道上出现异物影响火车的正常运行，由于铁轨的长度较长，而人工巡检的方式强度较大，难以及时发现异物并进行去除，增加了工作难度。
发明内容
（一）解决的技术问题
针对现有技术的不足，本发明提供了一种基于背景学习算法的轨道巡检系统，解决了由于铁轨的长度较长，而人工巡检的方式强度较大，难以及时发现异物并进行去除，增加了工作难度的问题。
（二）技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种基于背景学习算法的轨道巡检系统，包括中央控制系统，所述中央控制系统通过无线与背景学习系统实现双向连接，所述中央控制系统的输出端与判断单元的输入端电性连接，所述判断单元的输入端与噪点过滤模块的输出端电性连接，所述噪点过滤模块的输出端与聚类单元的输入端电性连接，所述聚类单元的输出端与目标追踪模块的输入端电性连接，所述目标追踪模块的输出端与判别模块的输入端电性连接，所述判别模块通过无线与中央控制系统实现双向连接，所述中央控制系统通过无线与报警模块实现双向连接。
优选的，所述背景学习系统用于生成背景文件，为后续筛选识别异物提供了背景基础，所述背景学习系统包括微处理器。
优选的，所述微处理器通过无线与区域定位模块实现双向连接，所述区域定位模块的输出端与空间网格划分模块的输入端电性连接。
优选的，所述空间网格划分模块通过无线与微处理器实现双向连接，所述微处理器通过无线与坐标转换模块实现双向连接。
优选的，所述微处理器通过无线与区域判定模块实现双向连接，所述微处理器通过无线与背景文件生成模块实现双向连接。
优选的，所述判断单元包括背景点判断模块、铁轨高度判断模块和保存模块，所述判断单元用于判断摄取转换后的点云数据是否在背景文件的区域内，并将不在区域内的点保存为前景点。
优选的，所述聚类单元包括点数总和、投影间距计算模块、目标点聚类模块和物体识别模块。
优选的，所述聚类单元用于计算点数，并根据两点间距地距离对相同目标点聚类，进行物体识别。
（三）有益效果
本发明提供了一种基于背景学习算法的轨道巡检系统。具备以下有益效果：
（1）该基于背景学习算法的轨道巡检系统，通过对轨道所在区域进行空间网格划分，获取轨道的尺寸规格，在空间网格中进行轨道模拟，摄取轨道所在区域的景象，作为背景复合到带有轨道模拟的空间网格中，生成背景文件，为后续筛选识别异物提供了背景基础，加快了异物识别速度。
（2）该基于背景学习算法的轨道巡检系统，基于背景文件，剔除轨道所在区域背景，在轨道方向对背景进行小网格划分，对小网格背景进行技术分析，判断轨道上是否存在异物，无需人工定期巡检，降低了工作强度和难度，且能够及时发生轨道上的异物并通知工作人员，避免影响火车的正常运行。
（3）该基于背景学习算法的轨道巡检系统，通过噪点过滤模块过滤雨天、雾天产生的噪点，并在划分空间网格后，将400mm立方内小于四个点当噪点过滤掉，提升后续分析计算的速度。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明背景学习系统的结构原理框图；
图3为本发明判断单元的结构原理框图；
图4为本发明聚类单元的结构原理框图。
图中：1中央控制系统、2背景学习系统、21微处理器、22区域定位模块、23空间网格划分模块、24坐标转换模块、25区域判定模块、26背景文件生成模块、3判断单元、31背景点判断模块、32铁轨高度判断模块、33保存模块、4噪点过滤模块、5聚类单元、51点数总和、52投影间距计算模块、53目标点聚类模块、54物体识别模块、6目标追踪模块、7判别模块、8报警模块。
具体实施方式
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，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
请参阅图1-4，本发明实施例提供一种技术方案：一种基于背景学习算法的轨道巡检系统，包括中央控制系统1，中央控制系统1通过无线与背景学习系统2实现双向连接，中央控制系统1的输出端与判断单元3的输入端电性连接，判断单元3的输入端与噪点过滤模块4的输出端电性连接，噪点过滤模块4用于过滤雨天、雾天产生的噪点，并在前景点数据划分为400mm一个空间的立方网格后，将400mm立方内小于四个点的当噪点过滤掉，噪点过滤模块4的输出端与聚类单元5的输入端电性连接，聚类单元5的输出端与目标追踪模块6的输入端电性连接，目标追踪模块6的输出端与判别模块7的输入端电性连接，判别模块7通过无线与中央控制系统1实现双向连接，中央控制系统1通过无线与报警模块8实现双向连接，报警模块8用于报警通知工作人员铁轨上有异物。
本发明实施例中，背景学习系统2用于生成背景文件，为后续筛选识别异物提供了背景基础，背景学习系统2包括微处理器21。
本发明实施例中，微处理器21通过无线与区域定位模块22实现双向连接，区域定位模块22的输出端与空间网格划分模块23的输入端电性连接。
本发明实施例中，空间网格划分模块23通过无线与微处理器21实现双向连接，微处理器21通过无线与坐标转换模块24实现双向连接。
本发明实施例中，微处理器21通过无线与区域判定模块25实现双向连接，微处理器21通过无线与背景文件生成模块26实现双向连接。
本发明实施例中，判断单元3包括背景点判断模块31、铁轨高度判断模块32和保存模块33，判断单元3用于判断摄取转换后的点云数据是否在背景文件的区域内，并将不在区域内的点保存为前景点。
本发明实施例中，聚类单元5包括点数总和51、投影间距计算模块52、目标点聚类模块53和物体识别模块54，点数总和51用于计算点数总和，投影间距计算模块52用于计算两点投影间距，投影间距小于200mm和间距400mm的分别进行相同目标点聚类，目标点聚类模块53用于根据两点间距地距离对相同目标点聚类，物体识别模块54用于获取中心点，长宽高，物体盒子宽高，多个目标对比边界盒子，如果交叉则合并目标，然后更新合并目标中心点，长宽高，物体盒子宽高。
本发明实施例中，聚类单元5用于计算点数，并根据两点间距地距离对相同目标点聚类，进行物体识别。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
使用时，区域定位模块22用于以转换之后的坐标原点，划分矩形的铁轨区域，空间网格划分模块用于以原点开始，划分100mm一个空间的立方网格，坐标转换模块24用于将根据坐标转换算法，转换雷达坐标系转换成铁轨坐标系，区域判定模块25用于将在区域内的点，存入到网格立方节点，并记录实际高度，同时默认在空间中，最高的点都是铁轨上的点，用于筛选铁轨上的点，背景文件生成模块26用于根据区域判定模块25的结果生成背景点文件；
判断单元3中的背景点判断模块31用于判断摄取转换后的点云数据是否在背景文件的区域内，并判断其是否为背景点，铁轨高度判断模块32用于判断是否大于铁轨高度，若大于铁轨高度，保存模块33用于将其保存为前景点，然后前景点数据传输至噪点过滤模块4；
噪点过滤模块4用于过滤雨天、雾天产生的噪点，并在前景点数据划分为400mm一个空间的立方网格后，将400mm立方内小于四个点的噪点过滤掉，噪点处理后的数据上传至聚类单元5中，点数总和51用于计算点数总和，投影间距计算模块52用于计算两点投影间距，目标点聚类模块53用于根据两点间距地距离对相同目标点聚类，物体识别模块54用于获取中心点，长宽高，物体盒子宽高；
目标追踪模块6用于追踪物体目标，判别模块7用于根据目标追踪模块的结果判断物体是否在铁轨上，当物体在铁轨上时，中央控制系统1控制报警模块8进行报警通知工作人员。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”“包含”或者其任何其他变体意在涵盖非排他性地包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于背景学习算法的轨道巡检系统，包括中央控制系统（1），其特征在于：所述中央控制系统（1）通过无线与背景学习系统（2）实现双向连接，所述中央控制系统（1）的输出端与判断单元（3）的输入端电性连接，所述判断单元（3）的输入端与噪点过滤模块（4）的输出端电性连接，所述噪点过滤模块（4）的输出端与聚类单元（5）的输入端电性连接，所述聚类单元（5）的输出端与目标追踪模块（6）的输入端电性连接，所述目标追踪模块（6）的输出端与判别模块（7）的输入端电性连接，所述判别模块（7）通过无线与中央控制系统（1）实现双向连接，所述中央控制系统（1）通过无线与报警模块（8）实现双向连接。
2.根据权利要求1所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述背景学习系统（2）用于生成背景文件，为后续筛选识别异物提供了背景基础，所述背景学习系统（2）包括微处理器（21）。
3.根据权利要求2所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述微处理器（21）通过无线与区域定位模块（22）实现双向连接，所述区域定位模块（22）的输出端与空间网格划分模块（23）的输入端电性连接。
4.根据权利要求3所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述空间网格划分模块（23）通过无线与微处理器（21）实现双向连接，所述微处理器（21）通过无线与坐标转换模块（24）实现双向连接。
5.根据权利要求2所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述微处理器（21）通过无线与区域判定模块（25）实现双向连接，所述微处理器（21）通过无线与背景文件生成模块（26）实现双向连接。
6.根据权利要求1所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述判断单元（3）包括背景点判断模块（31）、铁轨高度判断模块（32）和保存模块（33），所述判断单元（3）用于判断摄取转换后的点云数据是否在背景文件的区域内，并将不在区域内的点保存为前景点。
7.根据权利要求1所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述聚类单元（5）包括点数总和（51）、投影间距计算模块（52）、目标点聚类模块（53）和物体识别模块（54）。
8.根据权利要求1所述的一种基于背景学习算法的轨道巡检系统，其特征在于：所述聚类单元（5）用于计算点数，并根据两点间距的距离对相同目标点聚类，进行物体识别。
CN202311138621.1A 2023-09-05 2023-09-05 一种基于背景学习算法的轨道巡检系统 Pending CN116853320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311138621.1A CN116853320A (zh) 2023-09-05 2023-09-05 一种基于背景学习算法的轨道巡检系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311138621.1A CN116853320A (zh) 2023-09-05 2023-09-05 一种基于背景学习算法的轨道巡检系统

Publications (1)

Publication Number Publication Date
CN116853320A true CN116853320A (zh) 2023-10-10

Family

ID=88230844

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311138621.1A Pending CN116853320A (zh) 2023-09-05 2023-09-05 一种基于背景学习算法的轨道巡检系统

Country Status (1)

Country Link
CN (1) CN116853320A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060098843A1 (en) * 2004-06-11 2006-05-11 Stratech Systems Limited Method and system for rail track scanning and foreign object detection
CN107985335A (zh) * 2016-10-26 2018-05-04 深圳金澜汉源科技有限公司 轨道交通安全检测方法
CN113989765A (zh) * 2020-07-10 2022-01-28 中科(徐州)人工智能研究院有限公司 一种轨道障碍物的检测方法、检测装置及可读存储介质
CN114879160A (zh) * 2022-07-12 2022-08-09 合肥派光感知信息技术有限公司 基于三维点云数据的铁轨异物入侵实时监测方法及系统
CN115761722A (zh) * 2021-09-02 2023-03-07 保定市天河电子技术有限公司 一种用于铁路运行线路的障碍物检测系统及方法
CN115984378A (zh) * 2022-12-22 2023-04-18 浙江大华技术股份有限公司 一种轨道异物检测方法、装置、设备及介质
CN116030289A (zh) * 2023-01-18 2023-04-28 四川西南交大铁路发展股份有限公司 基于激光雷达的铁路危情监测方法
CN116416589A (zh) * 2023-03-31 2023-07-11 上海工程技术大学 一种基于铁轨数据与几何性质的轨道点云提取方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060098843A1 (en) * 2004-06-11 2006-05-11 Stratech Systems Limited Method and system for rail track scanning and foreign object detection
CN107985335A (zh) * 2016-10-26 2018-05-04 深圳金澜汉源科技有限公司 轨道交通安全检测方法
CN113989765A (zh) * 2020-07-10 2022-01-28 中科(徐州)人工智能研究院有限公司 一种轨道障碍物的检测方法、检测装置及可读存储介质
CN115761722A (zh) * 2021-09-02 2023-03-07 保定市天河电子技术有限公司 一种用于铁路运行线路的障碍物检测系统及方法
CN114879160A (zh) * 2022-07-12 2022-08-09 合肥派光感知信息技术有限公司 基于三维点云数据的铁轨异物入侵实时监测方法及系统
CN115984378A (zh) * 2022-12-22 2023-04-18 浙江大华技术股份有限公司 一种轨道异物检测方法、装置、设备及介质
CN116030289A (zh) * 2023-01-18 2023-04-28 四川西南交大铁路发展股份有限公司 基于激光雷达的铁路危情监测方法
CN116416589A (zh) * 2023-03-31 2023-07-11 上海工程技术大学 一种基于铁轨数据与几何性质的轨道点云提取方法

Similar Documents

Publication Publication Date Title
US20200211374A1 (en) System, method, and apparatus for analyzing a traffic road condition
CN107433962B (zh) 一种用于轨道交通故障监控与智能预警的方法和系统
CN102887159B (zh) 铁路车辆跟踪和计划报点方法及装置
CN105488498A (zh) 一种基于激光点云的车道边线自动提取方法及系统
CN104778245A (zh) 基于海量车牌识别数据的相似轨迹挖掘方法及装置
CN102411846B (zh) 一种车辆行为预警分析方法
CN105702030B (zh) 基于车辆运行轨迹的城市安全监控摄像头部署方法
CN110926439A (zh) 一种基于bim技术的运营隧道结构健康监测系统
CN111223029B (zh) 一种智能环卫管理系统及方法
CN105973457A (zh) 动车组车载平稳性监控装置及方法
CN203165044U (zh) 一种车载智能轨道巡检系统
CN105374210A (zh) 基于浮动车数据的卡口检测率获取方法
CN114971371A (zh) 一种城市轨道交通基础设施全生命周期碳排放动态分析方法
Shahrour et al. Smart cities: System and tools used for the digital modelling of physical urban systems
CN116853320A (zh) 一种基于背景学习算法的轨道巡检系统
CN107665591A (zh) 一种重点营运车辆超速行驶监控方法和系统
CN111723793B (zh) 一种实时刚性接触网定位点识别方法
CN117892975A (zh) 一种基于无人机视觉的船舶分段场地管理方法及系统
CN108734333A (zh) 一种配网带电作业路径两阶段优化方法
CN117575073A (zh) 一种城市二氧化碳排放量监测系统及其运作方法
CN115689072B (zh) 基于交通运输周转量的公路货运碳排放量预测方法
CN114819423B (zh) 应用gis技术及数据信息融合系统的碳排治理系统
CN115915000A (zh) 一种基于环境信息的定位方法及系统
CN111723792B (zh) 适用于刚柔接触网的实时定位点识别方法
CN113516409A (zh) 一种高铁沿线地区降雨气象灾害易发区识别方法及系统

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