基于点云数据的轨道结构与隧道空间限界一体化自动检测方法研究

为了保证列车运营安全,需要在日常运营过程中进行隧道限界检测,但现有检测方法存在测量干扰大、效率低、断面非连续性、与轨道结构相互独立等不足。为此,提出一种基于点云数据的轨道结构与隧道空间限界一体化自动检测方法。在通过中轴线拟合提取隧道任意位置断面的基础上,建立基于钢轨顶面的隧道限界检测坐标系,引入不同类型的隧道限界框,采用改进射线算法实现多种隧道类型的限界自动检测分析。对既有铁路隧道进行现场实验表明,采用该方法可实现侵限位置和侵限尺寸值的准确获取,并给出侵限断面图,满足隧道检测精度要求,在隧道日常运营维护中能够发挥重要作用。     

高速铁路Ⅲ型轨道板尺寸快速检测技术研究

提出一种基于激光跟踪和手持激光扫描组合技术的轨道板外观尺寸快速检测方法。手持类激光扫描仪可以快速、高精度地获取轨道板表面激光点云数据,绝对激光跟踪仪可为手持扫描仪提供高频、高精度位置和姿态信息,这些信息将用于手持扫描仪实时定位定姿。利用扫描获取的轨道板激光点云数据,通过点云分类与采样一致性算法,可实现轨道模型参数的自动提取,将自动提取的模型参数与设计模型进行比较,可实现轨道板外观尺寸的检测。     

智轨列车基于稀疏点云和图像的车辆识别技术

针对识别智轨列车的前方车辆三维信息来保证其行车安全的问题,提出一种面向智轨列车基于稀疏点云和图像的车辆识别技术.首先采用基于角度阈值的算法分割地面并提取障碍物点云,然后提出距离角度约束算法遍历障碍物点云求解聚类点集,通过二次求解优化聚类结果获取预融合聚类点集,最后采用YOLOv3网络模型进行车辆检测,构建基于几何模型的图像点云映射关系,将车辆图像识别信息与预融合聚类点集进行匹配,实现了车辆三维信息识别.研究结果表明:在16线激光雷达稀疏点云条件下,所提方法在多障碍物共存的开放式场景中具有较高的识别率和实时性,满足智轨列车动态检测需求.     

基于帧间差分累积的铁路限界异物检测提取算法

为满足轨道交通全自动运行系统对铁路限界内异物检测提取的需求,改进帧间差分法,提出一种以帧间差分累积为基础的铁路限界内异物检测提取算法。算法针对图像序列帧匹配提取的轨道线为依据标定限界区域,通过多帧隔帧帧差法得到差分结果,根据铁路限界内道床纹理特征,通过数学形态学实现背景纹理的重构来降低背景噪声影响。最后,以侧向差分灰度的累积投影值来动态确定不同环境下的异物前景范围,并通过最大类间方差法提取得到前景目标。通过对47个路轨场景进行测试,算法对有前景目标场景的目标检测率为96.87%,定位提取过程的平均耗时为137 ms。实验结果表明:算法可完成对运动背景下的轨道限界内前景目标的定位和提取,具有较好的实时性和准确性。     

基于多传感器融合的轨道识别方法探究

随着地铁列车无人驾驶技术的发展,有必要增加线路障碍物监测系统功能,对列车运行前方障碍物进行主动探测、识别和预警。列车前方轨道识别及构建限界空间是列车车前障碍物监测的关键技术之一,只有在准确识别出轨道限界的条件下才能够判断列车前方检测到的目标的危险性。为解决单个传感器进行轨道识别存在的缺陷,提出一种融合可见光相机和激光雷达传感器,并借助深度卷积神经网络和点云特征,实现轨道识别的新方法。     

基于视觉的地铁列车前向目标识别系统研究

为解决地铁列车前向运行环境中障碍物判断问题,提出基于视觉的地铁列车前向目标识别系统。该系统利用语义分割算法提取行驶轨道区域,结合轨道区域识别,基于SSD算法提取前向运行环境中轨道限界范围内的列车、行人等目标。针对上述场景,建立列车前向运行环境样本库,并基于该样本库完成模型训练。实验结果证明所得模型可有效识别列车前向行驶多目标。     

基于雷达的列车直轨运行前方障碍物检测方法研究

针对视觉传感器检测列车运行前方障碍物时存在环境适应能力差及对距离判别能力弱的缺陷,提出一种基于雷达的列车直轨运行前方障碍物检测判别方法。通过最小二乘法进行雷达测量数据误差矫正得到较准确的目标位置信息。结合铁路机车车辆限界、雷达方位角及雷达测量量程,构建检测区模型。将预处理后的目标点位置信息代入构建的检测区模型中进行障碍物检测判别。现场测试结果显示,利用该方法检测不仅具有较高的准确性,而且克服了环境因素的影响。     

铁路入侵运动目标实时检测技术

针对铁路场景下入侵异物的特点,采用智能视频技术,对监控视频图像序列中入侵运动目标检测方法进行研究．提出基于参考点的“相对背景差分法”、基于目标特征的跟踪算法和基于透视规律的目标分类方法,实现对多目标场景运动目标的实时检测识别。典型场景实验结果表明：上述算法实现了铁路入侵运动目标的高效检测,与基础背景差分法相比,误检率和漏检率分别减小了24．56％和54．17％;与基于区域的传统目标跟踪方法相比,误匹配率和漏匹配率分别减小了64．78％和22．58％,且算法具有较强的实时性和鲁棒性。     

基于分段曲线模型的铁路轨道检测算法

针对现有铁路轨道检测识别算法的准确性和鲁棒性不高的问题,提出一种基于直线和双曲线相结合的分段曲线模型实现轨道线的检测、跟踪与验证。本算法首先依据轨道图像的边缘信息,通过多约束条件下的Hough变换初步检测轨道位置,确定轨道线消隐边界并标定近远景区域。然后,在近景区域,采用直线模型实现前方直轨拟合;在远景区域,融合轨间距离、轨道方向和像素灰度等先验知识构造边界置信度函数,设定可漂移窗口搜索算法完成特征点提取,以最小二乘法进行双曲线模型拟合。最后,依据模型切换及窗口搜索策略完成轨道线的跟踪。测试结果表明:该算法不仅较好地解决了弯轨描述问题,而且提高了检测的准确性和鲁棒性。     

基于点集配准的非接触式地铁限界检测系统标定方法研究

地铁限界是保证地铁车辆安全运行的重要数据,目前使用较多的接触式地铁限界检测存在效率低、无法准确获知超限尺寸的缺点,本文基于激光扫描测距原理开发了一种断面检测密度高、误差小的非接触式地铁限界检测系统。针对非接触式检测系统标定困难影响测量精度的问题,提出了应用机器视觉领域的点集配准迭代最近点(Iterative Closest Point)算法进行系统标定,将2个180°二维激光扫描传感器采集到的数据点拼接成一个完整的基于轨道基准坐标系的测量断面。北京地铁8号线、15号线的现场实验证明,经过该方法标定的限界检测系统可准确获知超限位置和超限尺寸,推行速度为6km/h时采样断面间距密度为0.02m,多次反复测量时系统精度可达±4mm。     

铁路限界检测系统中三维位置与姿态信息的测量方法

为了满足铁路限界检测系统中三维位置和姿态信息精确、连续、可靠和经济的测量需要,采用捷联式惯性导航系统(SINS)和全球定位系统(GPS)组成高精度三维定位与姿态测量系统,通过捷联式惯性导航系统自主初始对准获取初始姿态角信息,并通过惯性/卫星深组合滤波方法在线实时估计惯性导航姿态角误差,进行闭环修正,从而获得连续的高精度三维位置和姿态信息。铁路实车动态试验表明该方法测量的姿态信息满足现有铁路限界检测中激光扫描平台三维位置与姿态信息的需求。     

基于射线跟踪与离开角空间聚类的5G-R网络优化技术研究

当前反复“路测-调整”的传统无线网络优化方式难以满足铁路5G专用移动通信系统（5G-R）的网络优化需求。面向京沈铁路干线场景，在确定了射线跟踪传播机理模型后，进行了5G-R无线信道建模仿真，提出一种基于射线跟踪与离开角空间聚类的网络优化算法。该算法以全向天线仿真结果为基础，使用K-means++算法对射线跟踪仿真的角度-能量域数据进行聚类，将水平离开角的空间聚类中心作为扇区方位角；结合水平离开角的聚类中心与高铁行车路径的空间位置关系，计算相应扇区的下倾角；以上述基于射线跟踪与离开角空间聚类的结果为初值，基于粒子群算法进行优化迭代，高效地完成铁路干线场景下的5G-R网络优化。结果表明，在相同的计算资源和仿真条件下，基于射线跟踪与离开角空间聚类的5G-R网络优化算法对比直接使用粒子群算法，在收敛速度方面提升了约10%，在优化效果方面提升了约30%。该方法针对铁路干线场景能够实现在迭代计算次数更少的情况下，给出更好的网络优化方案，为未来建设高质量5G-R通信系统提供技术积累和参考。     

轨道状态确认车检测系统的研制

根据高速旅客列车安全运行的要求,研制用于轨道状态确认车上的轨道几何检测系统、环境监视系统、限界检测系统及车载局域网系统。轨道几何检测系统采用惯性基准原理、陀螺平台和计算机实时处理等技术,通过专用的数字滤波数学模型计算水平、超高、高低、轨向、曲率,解决不同运行速度和不同运行方向检测结果的准确性和一致性问题;通过最新研制的车载局域网,实现计算机实时显示轨道几何波形、网络打印机打印波形图的功能。实时显示叠加轨道几何波形的线路周边环境图像。构架式光电伺服轨距测量装置,采用构架与轴箱间的侧滚和垂向位移量修正的技术,保证跟踪轨距点的稳定性,消除轴箱式轨距测量的不安全隐患。     

基于YOLOv3算法的轨道扣件自动定位与检测

针对目前轨道扣件人工检测效率低、准确率低等问题,提出了基于YOLOv3算法的轨道扣件自动定位及检测方法。采集有砟轨道和无砟轨道的扣件图像并进行标注,通过K-means聚类确定预设边界框大小;为了更好地检测到细粒度特征,采用4个不同尺度的特征图来进行对象检测;对Darknet-53网络进行改进,有利于解决深层次网络的梯度问题,增加轨道扣件目标识别模型的识别效果。试验结果表明,该方法对轨道扣件目标识别效果较好,检测准确率较高。     

基于轻量级卷积神经网络的地铁轨道线路状态检测系统

轨道作为承载车辆运行的重要部件，其工作状态对地铁运营的安全性有重要影响。传统人工巡检或者采用轨检车的检测模式只能在正线停运后进行作业，工作效率低。针对该问题，提出一种基于地铁运营列车的轨道线路状态检测系统，该系统采用高速线扫相机对轨道线路进行实时图像采集，并将采集数据送入轻量级RegNet骨干神经网络提取图像深层特征。在此基础上，加入双向特征金字塔网络进行多层次特征融合。最后将融合特征输入目标检测头实现轨道线路状态的实时检测。结合基于云边协同的困难样本挖掘以及模型部署加速技术，算法可实现高准确率、高实时性的检测性能。试验表明，该系统针对11类钢轨伤损及扣件状态的检测平均准确率（mAP）达到0.951，推理速度大于20 f/s,满足地铁在载客运营同时对轨道线路状态进行实时检测的需求。     

基于3D相机的轨道扣件部件丢失与松动智能检测

轨道扣件在运营过程中会出现松动甚至掉落、断裂等异常情况,不利于列车行驶稳定和安全,需要进行定期、及时的检查与维修。传统的人工巡检效率低,难以匹配我国轨道交通的快速发展,且对于部件松动等不易察觉的问题检测效果差。利用计算机视觉形成自动化的检测设备逐渐成为发展趋势,其中基于三角测量原理的线结构光技术因其成本低、精度高、速度快等优点得到广泛应用,且适合轨道检测场景。该技术核心设备为可以采集并分析线结构光进行三维重建的3D相机,基于成像原理设计可搭载于轨道检测车的扣件检测系统并进行现场试验,经过数据分析和处理可以分别得到高质量的图像数据和三维模型。针对图像数据利用目标检测的方法,构建数据集,搭载YOLO(You Only Look Once)v5深度学习模型,实现挡肩及扣件部件的快速识别,进行部件丢失检测;针对三维模型利用轨道扣件相对位置固定的特点,根据阈值筛选扣件数据并进一步得到弹条及螺栓等部件的坐标信息,通过边缘提取、平面拟合等方法计算位移量,进行部件松动检测。研究结果表明,检测系统可以采集高质量的扣件数据,扣件部件识别平均精准度达到99.0%,速度满足现场实时检测的要求,同时对于弹条和螺...     

基于机器视觉测量技术的地铁站台限界检测仪设计

为确保运营期间地铁车辆运行、停靠与旅客乘降的安全,需要定期对地铁站台限界进行检测。目前使用较多的接触式检测存在检测效率低,人为影响因素较大等缺点。基于机器视觉技术研究了一种非接触式站台限界检测仪。采用三角测量原理,提出基于基准点匹配的标定方法,解决近景斜角大范围摄影测量问题。通过现场测试数据分析,检测仪满足了地铁站台限界侵限检测需求。     

轨道交通智能限界检测技术研发及应用

传统的限界检测仪存在检测时间长、安全性低、数据采集效率不高等缺点。本文介绍一种集激光扫描设备、高清影像设备、里程计等多类传感器于一体的轨道小车多传感器动态精密测量装置,阐述基于高清影像数据的轨道断面高精度、高密度数据采集方法,针对不同的应用场景采集不同的空间信息,实现超限位置里程、影像、侵限数据同步记录,并支持数据导出形成数据报告,为提升铁路客运专线的安全性提供技术支持。     

基于图像处理的单轨交通PC轨道梁边缘检测

本文结合跨座式单轨交通系统PC轨道梁自身的特性,提出一种基于图像处理技术的PC轨道梁边缘检测方法.首先对轨道梁实景图进行同态滤波,增强图像对比度,突出边缘信息;其次利用canny算子进行边缘粗提取;最后,利用边缘跟踪自适应去除背景干扰信息,提取单一PC轨道梁边缘,同时结合Hough变换进行断线连接优化轨道边缘.仿真结果表明该算法能够准确提取PC轨道梁边缘信息,为后续的单轨线路诊断工作奠定了基础.     

机车车辆静态限界非接触式自动测量系统

针对接触式铁路机车车辆静态限界规存在测量精度控制较难、操作复杂、效率低等问题,基于激光测距传感器和以PLC为主控单元,并结合测量计算机,研制机车车辆非接触式静态限界自动测量系统。在车辆的4个侧面分别布置激光测距传感器,传感器以电机传动的方式实现对机车车辆整个横截面的自动扫描测量;借助激光跟踪仪测量精密靶标,建立轨道中心坐标系;通过系统校准,消除误差,融合所有传感器的测量数据,求出截面各部分到限界的尺寸,完成静态限界测量。经现场实验验证,系统的测量精度达到0.5mm,实现了测量的高度自动化,很好地满足了机车车辆静态限界测量的要求。