ES2377802A1 - Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. - Google Patents
Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. Download PDFInfo
- Publication number
- ES2377802A1 ES2377802A1 ES201000354A ES201000354A ES2377802A1 ES 2377802 A1 ES2377802 A1 ES 2377802A1 ES 201000354 A ES201000354 A ES 201000354A ES 201000354 A ES201000354 A ES 201000354A ES 2377802 A1 ES2377802 A1 ES 2377802A1
- Authority
- ES
- Spain
- Prior art keywords
- objects
- detection
- obstacles
- cameras
- sensor system
- 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
- 238000001514 detection method Methods 0.000 title claims description 25
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 title 1
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000008569 process Effects 0.000 claims description 13
- 230000004438 eyesight Effects 0.000 claims description 9
- 230000004297 night vision Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract description 6
- 241001465754 Metazoa Species 0.000 abstract description 3
- 238000004891 communication Methods 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 206010012411 Derailment Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 230000007727 signaling mechanism Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000001429 visible spectrum 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mechanical Engineering (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Dispositivo sensor y procedimiento para detectar la presencia de cualquier tipo de objetos (vehículos, personas, animales, etc.) en puntos de interés del trazado ferroviario (pasos a nivel, túneles, etc.) y envío al tren de información visual y señales de aviso ante la presencia de objetos en los puntos de interés. El dispositivo está constituido por un conjunto de cámaras (1-1) ubicadas en el entorno de cada punto de interés, sistema de iluminación infrarroja (1-2), módulo de procesamiento de imágenes (1-4) y sistema inalámbrico de comunicaciones con el tren (1-6). El sistema contribuye al aumento de seguridad en el transporte por ferrocarril, proporcionando a los maquinistas información visual (1-7) sobre el estado de los puntos conflictivos y notificando de la presencia de obstáculos (1-5) en el entorno (1-3) del punto conflictivo. El sistema es capaz de detectar la presencia de objetos en condiciones de luz diurna y nocturna.
Description
Sistema sensor para la detección de
objetos/obstáculos en puntos críticos de líneas férreas.
Esta invención tiene su aplicación dentro de la
industria dedicada a la fabricación de equipos de seguridad del
sistema de transporte ferroviario.
El transporte por ferrocarril está adquiriendo
cada día un mayor protagonismo a nivel mundial debido en gran medida
a la apuesta que los diferentes países están haciendo por este medio
de transporte. Entre las razones que justifican esta apuesta se
encuentra la contribución del ferrocarril a la política de
transporte sostenible, a la mejora de la competitividad y
estabilidad económica de la industria y del sector ferroviario. Todo
ello favorecido por la incorporación de nuevas tecnologías, que
permiten cada día aumentar las prestaciones (seguridad, fiabilidad,
etc.) de este tipo de transporte.
Ello hace que las empresas relacionadas con el
transporte ferroviario estén cada día más interesadas en desarrollar
tecnologías que permitan el incremento de la seguridad y
confiabilidad. Un aspecto importante, dentro de este objetivo
general, es la supervisión de puntos críticos dentro del trazado
ferroviario (pasos a nivel, zonas de tránsito de personas,
entradas/salidas de túneles, etc.) donde la presencia de objetos,
personas, animales, etc., puedan suponer un peligro para ellos
mismos y para los trenes en circulación.
Para cumplir con este objetivo se amplían los
elementos que intervienen en la seguridad que hasta la actualidad
han sido utilizados, principalmente, mecanismos de señalización y
protección en las zonas próximas a las vías, añadiendo también
información en tiempo real de la presencia de objetos en los pasos a
nivel o similares a los maquinistas y con la suficiente antelación
como para que éste pueda reaccionar a tiempo, aumentando con ello la
seguridad del tráfico ferroviario.
Para que el maquinista pueda influir en la
seguridad de una manera efectiva, necesita tener con suficiente
antelación, debido a las grandes distancias de frenado que necesitan
los trenes para su completa detención, información de los posibles
riesgos o peligros que pueden generar un accidente, siendo posible
entonces realizar las acciones correctoras pertinentes para que el
accidente no llegue a producirse.
La combinación de cámaras de visión junto a los
sistemas de procesamiento digital de imágenes constituye una de las
configuraciones más ampliamente utilizadas en sistemas de
vigilancia, ya que puede aportar una información amplia sobre los
objetos captados e incluso puede avisar, de forma automática, de la
presencia de nuevos objetos dentro de la escena. En añadido, una
cámara es un sensor de los denominados pasivos (excepto que se use
iluminación adicional), no generando ninguna emisión para realizar
la detección de un objeto. El uso de cámaras puede destinarse
exclusivamente para suministrar información visual a un operador,
que ante la imagen determinará la existencia o no del objeto, sin
usarse ningún tipo de procesamiento. Sistemas más desarrollados
informan al operador del riesgo de existencia de objeto, y los más
sofisticados funcionan autónomamente, generando alarmas cuando se
detecta la presencia de un objeto, sin necesidad de una
corroboración humana.
Una de las ventajas de esta propuesta frente a
los sistemas basados en radar, es la posibilidad de detectar objetos
de pequeño tamaño. Aunque la cámara es el sensor más parecido al ojo
humano, presenta algunos problemas que a veces hacen descartar su
uso. Uno de ellos es el gran volumen de datos que se maneja, lo cual
genera en ocasiones tiempos de proceso elevados, perdiéndose
eficiencia si se desea una respuesta inmediata del sistema de
vigilancia. Otro problema vinculado a este sensor es la necesidad de
iluminación adecuada. Por otra parte, se ve bastante afectado por la
meteorología (lluvia, nieve, etc.), sobre todo si ésta no permite
ver adecuadamente.
Dentro de los sistemas de visión artificial
destinados a la detección de la presencia de objetos en puntos
críticos de entornos ferroviarios, existen diversos proyectos y
propuestas.
En [Vázquez et al., 2004] se propone el
uso de dos cámaras, y mediante el análisis de componentes
principales (PCA) se detectan objetos en movimiento. Aplicando la
técnica PCA se crea un modelo de lo que es considerado fondo o
escena sin obstáculos, de manera que las nuevas imágenes captadas de
la escena se comparan con dicho modelo, pudiendo detectar por tanto
la presencia de nuevos objetos en movimiento en el área
analizada.
En [Masaru, 2004] se propone el uso de dos
cámaras para la detección de objetos en pasos a nivel, y mediante
técnicas estéreo detectar todo tipo de objetos.
El uso de geometrías estereoscópicas se hace
necesario para determinar parámetros de distancia y altura respecto
al plano de referencia (las vías del tren en este caso), esto
incorpora en la medida del sistema un dato de ubicación 3D del
objeto lo que puede resultar de interés si, por ejemplo, se desea
tener una idea aproximada de la altura de los objetos.
La propuesta más actual viene marcada por el
proyecto italo-israelí REOST (Railway Electro
Optical System for Safe Transportation) [REOST, 2004], cofinanciado
por la Unión Europea, y algunas empresas privadas del sector
ferroviario. Según un informe de la propia Unión Europea [Bon et
al., 2004], REOST ofrece un nuevo concepto en la seguridad en el
ferrocarril, basado en la observación, niveles de alarma y decisión;
proporcionando un sistema embarcado en tren para prevenir
descarrilamientos u otro tipo de accidentes. En la misma línea que
el anterior se enmarca el proyecto KOMPAS, financiado por el
Fraunhofer Institute for Transportation Systems and Infrastructure
Controls Engineering (IVI) [Ruder et al., 2003]. En este caso
ubican tres cámaras en la cabina del tren: dos funcionando en
estéreo para campo cercano, y otra cámara la usan para analizar el
campo lejano. Además incorporan un radar infrarrojo (LADAR) capaz de
detectar en un rango de 150 metros. Así mismo utilizan un GPS para
informar de la ubicación y velocidad del tren. Según los autores
pueden detectar objetos de 0.4 x 0.4 m de sección a 250 metros de
distancia. En [Mockel et al., 2003] proponen la detección de
obstáculos mediante cámaras y un LADAR embarcados. Según la
información publicada, pueden detectar objetos a 400 metros del
tren, y a una velocidad del mismo de 120 km/h. Mediante una cámara
teleobjetivo, en [Ukai, 2004] pueden detectar objetos a una
distancia de 600 metros del tren. En [Krishnaswami et al,
1998] se propone exclusivamente el uso de un LADAR para la detección
de objetos. Este es un sistema medio-embarcado, ya
que el emisor láser va en el tren, pero usa prolongaciones del láser
mediante fibra óptica, a 5 km. de la posición del tren.
En lo concerniente específicamente a la
detección de obstáculos en vía, actualmente, los pasos a nivel son
las zonas sometidas a los más minuciosos estudios [HLGRS, 2003]
[Shimazoe et al., 2001], y las técnicas de detección usadas
en los mismos se trasladan al resto de áreas. Por otro lado,
diversas compañías nacionales e internacionales aportan algunas
soluciones, casi siempre basadas en un único tipo de sensores. Así,
la compañía General Electric Transportation Rail [General Electric,
2005], propone un sistema radar para detectar objetos en pasos a
nivel, basado en varias balizas emisoras y receptoras.
La empresa española LOGYTEL propone un sistema
basado en mallas de fibras ópticas [LOGYTEL, 2005], instaladas en la
parte superior y lateral de los pasos elevados y los túneles. La
rotura de un módulo de la malla provoca la rotura del cable de fibra
óptica, y el corte de la continuidad óptica provoca la generación de
alarma. Su principio de funcionamiento es similar a la detección
basada en hilos conductores. Una de las principales ventajas de este
sistema es su inmunidad a la climatología y a las interferencias
electromagnéticas. Debido a que el principio de detección se debe a
la rotura de la malla, cada vez que se detecta la caída de un objeto
se necesita realizar la reparación del sistema sensorial. Por otra
parte, permite detectar que ha caído un objeto, pero no que el mismo
se encuentra sobre las vías.
De los sistemas de detección de objetos en vías
férreas vistos anteriormente, los que mejores prestaciones tienen
son los basados en visión artificial, aunque presentan algunas
limitaciones, entre las que se encuentran las falsas alarmas
provocadas por los cambios en las condiciones ambientales, los
cambios de iluminación y la presencia de sombras. Estas limitaciones
quedan solventadas con la solución descrita en esta memoria.
Por parte del solicitante de esta patente no se
tiene conocimiento de la existencia en la actualidad de una
invención que tenga características similares a las que se describen
en esta memoria.
La presente memoria descriptiva se refiere a un
sistema sensor y de comunicaciones desarrollados, que permiten que
el maquinista pueda tener información visual sobre el punto
conflictivo. Dicha información consta de:
- 1.
- Imágenes en tiempo real, y de manera continua, de lo que esté ocurriendo en dicho punto, por lo que podrá comprobar si existe una situación de riesgo o no.
- 2.
- De manera adicional, con el objetivo de añadir más seguridad a la circulación, el sistema implementa un módulo de tratamiento inteligente de vídeo, cuya misión es la detección automática de posibles elementos que pueden provocar un accidente (con peligro tanto para el personal en tierra, como puede ser un atropello, como en el tren, como puede ser un descarrilamiento). En el caso de que se produzca una alarma (presencia de objeto en la zona a vigilar) se avisará también al maquinista. Esta funcionalidad permitirá simplificar las acciones que deba de realizar el maquinista, así como eliminar posibles errores humanos debido a la no identificación del riesgo en la imagen, despistes, etc.
\vskip1.000000\baselineskip
Dicho sistema estará instalado en las zonas
donde exista riesgo potencial para la circulación ferroviaria y para
las personas. Las cámaras y el sistema de procesamiento de imágenes
cumplen dos objetivos básicos:
- \bullet
- Transmisión de imagen del área de riesgo al tren que se acerque a la zona.
- \bullet
- Detección de objetos anómalos en dicha área y transmisión de la correspondiente alarma al tren.
\vskip1.000000\baselineskip
Los tres módulos básicos de los que se compone
el sistema propuesto son los siguientes:
- \bullet
- Sistema sensorial: Cámaras.
- \bullet
- Algoritmos de procesamiento de imágenes para la detección de objetos que supongan un peligro para la circulación.
- \bullet
- Sistema de comunicación al tren para el envío de imágenes y los resultados de la detección de objetos.
\vskip1.000000\baselineskip
La esencia de la invención que aquí se propone
está basada en supervisar puntos críticos dentro del trazado
ferroviario (pasos a nivel, zonas de tránsito de personas,
entradas/salidas de túneles, etc.) donde la presencia de objetos,
personas, animales, etc., puedan suponer un peligro para ellos
mismos y para los trenes en circulación. Para ello se utilizarán
cámaras de vídeo (1-1) con características que
permitan la visión día/noche, junto con un sistema de iluminación en
longitudes de onda del infrarrojo (1-2), que
permiten obtener información visual (tanto de día como de noche) de
la zona a vigilar (1-3), un sistema de procesamiento
de imágenes (1-4) para, a partir de la información
proporcionada por las cámaras, detectar la presencia de obstáculos
(1-5) (en circunstancias cambiantes de las
condiciones climatológicas, cambios de iluminación, presencia de
sombras, etc.), y activar el sistema de iluminación infrarroja
(1-2) cuando las condiciones de iluminación
ambiental lo requieran. Las imágenes captadas serán enviadas vía
radio (1-6) al tren, junto con la información que,
mediante un sistema de visualización de imágenes a bordo del tren
(1-7) avise al conductor, en forma de alarma
(1-7.1), de la presencia de objetos en la zona a
vigilar.
El uso de cuatro cámaras (1-1),
dos de visión diurna (cámaras de color) (1-1.1) y
dos de visión nocturna (monocromas) (1-1.2),
permite, junto con los focos de iluminación infrarroja
(1-2), obtener información visual precisa de la zona
a vigilar (1-3), y garantizan la detección de
obstáculos (1-5) en condiciones diurnas y nocturnas,
incluso en condiciones extremas de iluminación ambiental y con
presencia de sombras originadas por las condiciones climatológicas y
posibles elementos presentes en el entorno de la zona a vigilar
(postes, árboles, etc.). También hay que tener en cuenta que, por
normativas de seguridad europeas en la estructura ferroviaria, no se
puede iluminar en el espectro visible, ya que puede tender a
confusión con el sistema de señalización vial.
Para completar la descripción que se está
realizando y con objeto de ayudar a una mejor comprensión de las
características del invento, se acompaña a la presente memoria
descriptiva, como parte integrante de la misma, una hoja de planos
en la cual, con carácter ilustrativo y no limitativo, se ha
representado lo siguiente:
En la figura 1 se muestra un esquema ilustrativo
donde se representa la ubicación de los componentes del sistema
(cuatro cámaras de área (1-1), sistema de
iluminación infrarroja (1-2), sistema de
procesamiento (1-4), enlace radio
(1-6) y sistema de visualización a bordo del tren
(1-7)), respecto a la zona (1-3)
donde se pueden encontrar objetos a detectar
(1-5).
En la figura 2 se muestra un diagrama de flujo
del procedimiento utilizado para determinar la presencia de objetos
en las zonas a vigilar. En dicho diagrama se distinguen tres
procesos claramente diferenciados: un proceso de inicialización
supervisado (2-1), un proceso de inicialización
automático (2-2) y el bucle de segmentación del
fondo de la escena (2-3), el cual realiza la labor
de detectar los objetos presentes en la escena. Se distingue un
último proceso encargado de realizar la conmutación
día-noche (2-4) y que será el
encargado de activar la iluminación infrarroja y producir el cambio
de las cámaras en color a las cámaras monocromo.
A la vista de la figura 1, puede observarse que
el sistema sensor para la detección de objetos (1-5)
en la zona a vigilar (1-3) está constituido por
cuatro cámaras (1-1), dos para visión diurna en
color (1-1.1) y dos para visión nocturna en escala
de grises o monocromo (1-1.2), un sistema de
iluminación infrarroja (1-2) y un sistema de
procesamiento de imágenes (1-4). Las cámaras se
deben ubicar de tal forma que la zona a vigilar
(1-3), donde se pueden encontrar los objetos a
detectar (1-5), sea vista por las dos cámaras
(1-1) (en condiciones de visión diurna por las
cámaras de color (1-1.1), y en condiciones de visión
nocturna por las cámaras monocromo (1-1.2)).
El sistema de procesamiento de imágenes tiene
como objetivo la detección de obstáculos/objetos en los puntos de
interés. Dichos puntos de interés se caracterizan por la
variabilidad de sus condiciones ambientales, pudiéndose presentar en
la escena cambios de iluminación, proyección de sombras por parte de
objetos no presentes en la región de interés, aparición de brillos y
ruido, etc. Para dar una respuesta satisfactoria a la detección de
objetos bajo estas condiciones de funcionamiento, se propone un
método de segmentación (discriminación en las imágenes entre el
fondo de la escena y los obstáculos) en tiempo real que tiene en
cuenta todas estas circunstancias. En la figura 2 se muestra un
esquema de bloques de la solución propuesta.
Se distinguen tres procesos en función del
estado en el que se encuentre el sistema:
- 1.
- Proceso de Inicialización Asistido (2-1): esta fase requiere de la intervención de un operario para marcar, en las imágenes de cada una de las cámaras, la región de interés que se pretende vigilar. Se deben seleccionar aproximadamente los mismos puntos para las dos cámaras que están activas en cada momento (dos cámaras monocromas para visión nocturna (2-1.1) y dos cámaras en color para visión diurna (2-1.2). Dentro de esta fase se debe realizar el equilibrado del color de ambas cámaras de color (2-1.3) (por posible disparidad en la configuración de las cámaras, se realiza una etapa de igualación de parámetros de manera que las imágenes capturadas por ambas cámaras tengan una media de color aproximada). Además, en esta fase se debe realizar el cálculo de la matriz de homografía (2-1.4), mediante la cual se relaciona geométricamente la proyección de puntos pertenecientes al suelo de la escena en pares de imágenes (en color o monocromas): a partir de cuatro puntos capturados en el proceso de inicialización asistido, se ejecuta un algoritmo de registro de imágenes de manera que se minimiza la discrepancia entre la imagen del plano del suelo visto por una cámara y la transformación geométrica de su correspondiente proyección en la otra cámara, dando como resultado una matriz de homografía correcta.
- 2.
- Proceso de Inicialización no asistido (2-2): Todas las acciones incluidas en esta fase son ejecutadas de manera automática. Se trata de una fase de inicialización de parámetros y modelos previos. El modelo de segmentación propuesto está basado en el algoritmo "k-medias adaptativo" y se requiere de una etapa de inicialización en la que se obtiene, píxel a píxel, el modelo probabilístico del fondo de la escena como una distribución estadística caracterizada por sus "k" clusters (caracterizados estadísticamente cada uno mediante la media, covarianza y probabilidad a priori), pudiendo así identificar si la imagen de entrada pertenece o no al fondo (2-2.1). En la solución que se plantea patentar no se parte de un número fijo de clusters, sino que se van creando dinámicamente en función de las exigencias de cada píxel de la imagen; consiguiéndose una convergencia más rápida.
- 3.
- Bucle de Segmentación (2-3): esta fase se encarga de realizar el proceso de segmentación de objetos en la región de interés. Dada la complejidad de los entornos exteriores, se implementan cuatro etapas:
- 3.1.
- Proceso de segmentación mediante distancia de "Mahalanobis Modificada" (2-3.1): Permite comprobar, de manera fiable, como de cerca o lejos se encuentra la observación del vector de medidas (valor del color en un píxel concreto de la imagen de una cámara) de cada una de las clases. Se emplea, por tanto, como criterio de decisión en la función de segmentación. Para eliminar posibles errores de carácter impulsivo se realiza una modificación de manera que los "clusters" designados con solo muestras de ruido, y consecuentemente con valores de probabilidad a priori reducidos, se fuerzan a situarse en zonas de fondo, no siendo interpretados como objeto. A partir de la distancia del color de un píxel a los diferentes "cluster", asociados con el fondo de la escena, se obtiene para cada cámara una imagen binaria, en la que el valor "1" coincide con aquellos píxeles pertenecientes a objetos presentes en la escena y un valor "0" para aquellos píxeles pertenecientes al fondo.
- 3.2.
- Eliminación de sombras. Técnicas de visión estéreo (2-3.2): la eliminación de sombras se realiza utilizando una transformación geométrica (a partir de la matriz de homografía) a una de las imágenes binarias, de manera que píxeles resultado de la proyección de puntos del suelo de la escena en dicha imagen sean coincidentes con los correspondientes en la imagen segmentada de la otra cámara. A partir de ambas imágenes segmentadas (imagen transformada de una cámara e imagen de la otra cámara) se realiza un proceso de supresión de sombras y efectos debidos a cambios de iluminación. Es decir, se eliminan los píxeles etiquetados como objetos que en realidad pertenecen al plano del suelo de la escena, eliminando posibles sombras proyectadas sobre el mismo.
- 3.3.
- Generación del mapa para la actualización (2-3.3): elaboración de un mapa de disparidad que permita decidir que píxeles de la imagen deben ser candidatos a ser incorporados al modelo de fondo y cuales no han de ser añadidos. Este mapa es obtenido a partir de la diferencia en niveles de color o monocromo entre la imagen de una cámara, transformada utilizando la homografía, y la imagen obtenida por la otra cámara.
- 3.4.
- Actualización del modelo de fondo (2-3.4): a partir del mapa de actualización anterior, se implementa un sistema de actualización del modelo estadístico de fondo de manera que vaya adaptándose a las variaciones sufridas en el mismo.
La conmutación día noche (2-4)
se realiza a partir del análisis de la intensidad media de las
imágenes. En "modo diurno" se captura de las cámaras a color
(2-1.1) y se procesa con imágenes en color. En modo
nocturno, se envía una señal de encendido (2-4.1)
al hardware de control (2-4.3) del sistema de
iluminación infrarroja (2-4.2) y se conmuta la
captura de las cámaras de color (2-1.1) a las
monocromas (2-1.2).
Claims (3)
1. Sistema sensor para la detección de
objetos/obstáculos (1-5) en puntos críticos de
líneas férreas compuesto por cuatro cámaras (1-1)
(dos cámara en color para visión diurna (1-1.1) y
dos en escala de grises con sensibilidad en el infrarrojo para
visión nocturna (1-1.2)) y un sistema de iluminación
infrarroja (1-2), en el que la detección se realiza
a partir de algoritmos de procesamiento de imágenes.
2. Sistema sensor para la detección de
objetos/obstáculos (1-5) en puntos críticos de
líneas férreas según la reivindicación 1, que comprende medios para
procesar las imágenes de cada par de cámaras de tal modo que la
detección de obstáculos es posible ante cambios de iluminación en la
escena, incorporando el conocimiento de la matriz de homografía
correspondiente al plano del suelo de la escena, lo que permite
evitar falsas alarmas debidas a la presencia de sombras originadas
por las condiciones climatológicas y posibles elementos presentes en
el entorno de la zona a vigilar (postes, árboles, etc.).
3. Sistema sensor para la detección de
objetos/obstáculos (1-5) en puntos críticos de
líneas férreas según la reivindicaciones 1 y 2, caracterizado
por el envío de alarmas y posición de los obstáculos dentro de la
zona a vigilar, a los trenes que circulen por las proximidades,
mediante una red inalámbrica de transmisión de datos.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201000354A ES2377802B1 (es) | 2010-03-17 | 2010-03-17 | Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ES201000354A ES2377802B1 (es) | 2010-03-17 | 2010-03-17 | Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| ES2377802A1 true ES2377802A1 (es) | 2012-04-02 |
| ES2377802B1 ES2377802B1 (es) | 2013-02-13 |
Family
ID=45840672
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES201000354A Active ES2377802B1 (es) | 2010-03-17 | 2010-03-17 | Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. |
Country Status (1)
| Country | Link |
|---|---|
| ES (1) | ES2377802B1 (es) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05139313A (ja) * | 1991-11-25 | 1993-06-08 | Hitachi Ltd | 踏切監視システム |
| JP2001260885A (ja) * | 2000-03-17 | 2001-09-26 | Toshiba Corp | 障害物検知システム及び障害物検知方法 |
| US20040258279A1 (en) * | 2003-06-13 | 2004-12-23 | Sarnoff Corporation | Method and apparatus for pedestrian detection |
| KR20070065480A (ko) * | 2005-12-20 | 2007-06-25 | 한국철도기술연구원 | 스테레오비디오 카메라를 이용한 지하철 승강장 모니터링시스템 |
| US20070170315A1 (en) * | 2006-01-20 | 2007-07-26 | Gedalyahu Manor | Method of detecting obstacles on railways and preventing train accidents |
-
2010
- 2010-03-17 ES ES201000354A patent/ES2377802B1/es active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05139313A (ja) * | 1991-11-25 | 1993-06-08 | Hitachi Ltd | 踏切監視システム |
| JP2001260885A (ja) * | 2000-03-17 | 2001-09-26 | Toshiba Corp | 障害物検知システム及び障害物検知方法 |
| US20040258279A1 (en) * | 2003-06-13 | 2004-12-23 | Sarnoff Corporation | Method and apparatus for pedestrian detection |
| KR20070065480A (ko) * | 2005-12-20 | 2007-06-25 | 한국철도기술연구원 | 스테레오비디오 카메라를 이용한 지하철 승강장 모니터링시스템 |
| US20070170315A1 (en) * | 2006-01-20 | 2007-07-26 | Gedalyahu Manor | Method of detecting obstacles on railways and preventing train accidents |
Non-Patent Citations (3)
| Title |
|---|
| Fascioli, A.; Fedriga, R.I.; Ghidoni, S.; Vision-based monitoring of pedestrian crossings, 14th International Conference on Image Analysis and Processing, ICIAP 2007, Septiembre 2007, páginas 566-574, ISBN 978-0-7695-2877-9; ISBN 0-7695-2877-5. * |
| Garibotto, G.; Corvi, M.; Cibei, C.; Sciarrino, S.; 3DMODS: 3D moving obstacle detection system, Proceedings 12th International Conference on Image Analysis and Processing, Septiembre 2003, páginas 618- 623, ISBN 978-0-7695-1948-7; ISBN 0-7695-1948-2. * |
| Krotosky, S.J.; Trivedi, M.M.; A Comparison of Color and Infrared Stereo Approaches to Pedestrian Detection, Intelligent Vehicles Symposium, 2007 IEEE , páginas 81-86, Junio 2007. * |
Also Published As
| Publication number | Publication date |
|---|---|
| ES2377802B1 (es) | 2013-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10970851B2 (en) | Operations monitoring in an area | |
| US10597053B2 (en) | Operations monitoring in an area | |
| ES2928945T3 (es) | Sistema y método para seguir vehículos en estructuras de estacionamiento e intersecciones | |
| ES2704503T3 (es) | Procedimiento de control de un sistema de vigilancia de tráfico | |
| ES2945310T3 (es) | Método y sistema para determinar la disponibilidad de una vía para un vehículo guiado | |
| ES2860824T3 (es) | Preferencia de la señal de tráfico adaptativa | |
| US10807591B1 (en) | Vehicle disaster detection and response | |
| US9875653B2 (en) | Electronic traffic alert system | |
| CN106537900B (zh) | 用于数据通信的视频系统和方法 | |
| RU2716936C1 (ru) | Система навигационного освещения парка ветроэнергетических установок, а также парк ветроэнергетических установок с такой системой и способ сигнального освещения парка ветроэнергетических установок | |
| CN101430383B (zh) | 障碍物的监测方法及其系统 | |
| US20210208282A1 (en) | Detection device and detection system | |
| ES2705431T3 (es) | Método y dispositivo para detectar un cable elevado desde una aeronave | |
| KR102565227B1 (ko) | 위험도 예측 안내를 제공하는 교통 안전 장치 및 이를 포함하는 교통 안전 시스템 | |
| KR20210009610A (ko) | 역주행 방지 방법 및 장치 | |
| CN108639108B (zh) | 一种机车作业安全防护系统 | |
| KR102226533B1 (ko) | 일체형 가로등주로 구성된 스마트 도로 조명 시스템 및 그 제어 방법 | |
| ES2377802B1 (es) | Sistema sensor para la detección de objetos/obstáculos en puntos críticos de líneas férreas. | |
| ES2930674T3 (es) | Método y sistema para detectar una señal ferroviaria | |
| US11205345B1 (en) | Systems, methods, devices, and apparatuses for intelligent traffic signaling | |
| CN115968489A (zh) | 路边检测和警报系统及方法 | |
| KR102148826B1 (ko) | 속도 감응 도로횡단자 경고 장치 | |
| ES2555630B2 (es) | Sistema de visión artificial y procedimiento para la detección de objetos anómalos (peatones o animales) en autovías o autopistas | |
| US20220242465A1 (en) | Intrusion Detection | |
| KR101127434B1 (ko) | 철도 건널목 지장물에 대한 입체영상제공장치 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FG2A | Definitive protection |
Ref document number: 2377802 Country of ref document: ES Kind code of ref document: B1 Effective date: 20130213 |