面向地铁场景的激光雷达目标检测研究

针对列车运行前方限界难以实时构建、非结构化轨道道路环境目标聚类检测复杂等问题,提出一种基于激光雷达的目标检测及前方界限实时构建系统。首先,采用了空间换时间的策略提升轨道提取效率,利用轨道局部高程信息、全局几何平行信息并融合多帧信息实现轨道稳定提取,从而基于提取的轨道位置实时构建列车通行的前方限界;其次,基于点云深度图、梯度与距离特征解决了非平铺路场景下的障碍物聚类问题,采用航迹信息进行多目标跟踪提高目标跟踪的稳定性。通过在地铁场景实车测试验证,结果表明该方法能够准确可靠地提取轨道位置和进行目标检测与跟踪。     

基于车载激光测距仪的城市轨道交通障碍物检测方案探讨

提出一种基于车载激光测距仪的铁路障碍物检测方案,该方案通过在列车头部安装激光发射及接收装置对列车前方障碍物进行检测。检测系统实时发射激光光束,当列车前方存在障碍物时激光发生反射,返回激光被接收装置接收,再通过测量激光的飞行时间推算出目标距离。该方案不仅能够发现线路障碍物,还能获取障碍物与列车之间的距离信息及移动障碍物的速度信息,为车载安全计算机生成列车自动防护曲线提供数据支持。     

新型配砟车避障系统的研发与应用

研究发了一种新型的配砟车辅助避障系统,该系统可实现作业时对前方障碍物加以规避及作业后对道床轮廓予以检测,其采用了传感器测量技术、AD采集技术、非接触测量技术及可视化人机界面,既能实时采集障碍物信息,又可结合侧犁外伸参数对车辆前方的障碍物进行智能判断并记录相关信息。现场应用表明该系统精度高,性能稳定,简单易用。     

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.     

基于单目视觉三维重建的货运列车超限检测方法研究

针对基于雷达和激光等技术的货运列车超限检测系统存在检测区域不完整及只能在列车移动状态下进行测量的缺陷,提出一种基于单目视觉三维重建的货运列车超限检测方法.通过单目视觉三维重建算法对获取的序列图像进行建模处理得到目标货运列车的三维点云模型.对三维点云模型进行全局坐标系转换与切片投影,得到目标货运列车若干横截面二维点云图形.结合铁路货运列车超限检测标准,构建标准界限图形.将获得的二维点云图形代入标准界限图形中进行超限检测判别.实验结果显示,该方法具有较高的检测精度和检测效率,能够满足铁路货运列车超限检测作业要求.     

地铁列车障碍物视频识别系统设计

基于视频图像识别技术的列车障碍物识别系统,可以实现无人驾驶列车前进方向轨道内障碍物的自动检测。该系统通过采用2台独立的高清摄像机采集图像数据,经软件的智能计算分析,可识别列车前方是否存在障碍物,并实现障碍物与车辆之间的距离测量。该技术在业内属首次开发,可实现列车前方障碍物的检测,有效替代司机进行线路瞭望。目前本系统已通过功能仿真验证测试,拟在实际运行线路的列车上进一步进行功能验证。     

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。     

障碍物检测装置碰撞过程动力学仿真研究

城市轨道交通无人驾驶列车车载障碍物检测设备可以在列车与前方障碍物发生接触碰撞时,及时检测到障碍物并触发列车紧急制动,从而保证列车运行安全。文章通过数值仿真方法,模拟障碍物与检测设备碰撞过程,得到碰撞过程中的冲击力、弹簧变形、检测横梁位移等相关动力学数据,完成不同材质与不同质量的障碍物触发报警临界速度归纳分析,对障碍物检测设备优化设计,避免误报、漏报具有重要意义。     

基于多传感器融合的视觉感知困难样本挖掘方法

视觉感知困难样本能有效提升自动驾驶场景中目标检测算法的性能,但是这些样本通常稀少且难以通过简单手段获取.针对该问题,文章提出一种基于多传感器融合的视觉感知困难样本挖掘方法.该方法利用雷达点云分割出来的障碍物目标对图像检测目标进行交叉复核,基于实际障碍物在多传感器间的映射关系挖掘图像目标检测算法难以识别或者未加入模型训练的样本,并将这些困难样本通过云边协同机制用于图像目标检测模型的重训练和远程部署,实现模型的优化迭代更新.试验表明,该方法可以有效挖掘矿用卡车自动驾驶场景的困难样本,通过增量迁移学习显著提升图像目标检测算法性能.同时,该算法对轨道交通等领域自动驾驶场景也具有重要的指导意义.     

基于雷达与视频分析技术的铁路崩塌落石自动监测报警系统设计与实现

提出一种基于雷达与视频分析综合报警评判的铁路崩塌落石自动监测报警系统。系统实时分析高于轨道70 mm的平面雷达扫描数据,结合目标识别、入侵监测、滞留检测等视频分析技术,对监测区域的障碍物情况进行综合分析,及时、准确地发出预警和报警信息,并启动紧急处置预案,避免线路障碍物对行车安全造成影响。     

基于轮轴和雷达传感器的列车测速测距系统设计与仿真

设计了一种轮轴速度传感器和雷达速度传感器相结合的列车测速测距系统。该系统针对测速轮对空转/滑行造成的轮轴速度传感器测速测距误差问题,建立了空转/滑行检测判断模型和空转/滑行过程中的列车速度和走行距离误差校正模型。在实验室环境下搭建了该测速测距仿真系统,通过仿真试验验证了模型的有效性。该系统提高了列车测速测距的精度和可靠性。     

多技术融合的大流量智能测温系统设计与实现

针对传统非接触式测温技术存在的测温效率低、测温数据不准、漏检率高等问题,提出了一种基于人像检测、人员跟踪、红外热成像等多技术融合的大流量智能测温系统。该系统通过人像检测技术获取人脸信息;通过人员跟踪技术连续跟踪人体并准确定位人脸及额头位置;通过红外热成像技术获取人脸温度,将测温数据与人脸信息关联,实现精准测温。     

基于Faster R-CNN的铁路扣件定位方法研究

准确的扣件定位是进行扣件状态检测、保障轨道交通车辆安全运行的基础,传统的基于图像处理的方法难以满足快速准确智能检测的需要。针对这一情况,提出一种基于改进FasterR-CNN的深度学习理论方法,进行扣件定位。首先,建立检测图像数据集并进行图像标注,然后根据实际扣件图像特点建立FasterR-CNN检测模型,利用标注数据优化模型中区域候选网络边框信息以提高检测的召回效率及精度。通过实际检测数据分析验证,本文提出方法提高了检测效率和定位效果,与其他目标检测方法相比,具有更高的召回率和识别准确度,能够快速准确进行扣件定位。     

探地雷达在隧道基床病害探测中应用

探地雷达是浅部勘探的一种有效的仪器设备,简要叙述了探地雷达的工作原理及其应用于隧道基床病害检测的可行性,通过对朔黄铁路水泉湾隧道隧底下部地下水、软化层、脱空等病害检测的应用实例分析,有针对性地阐述了如何应用探地雷达进行隧道病害检测。该方法不但方便可行,而且快速、准确、无损。     

基于声发射检测的钢轨断裂实时监测及定位方法研究

基于钢轨断裂实时监测技术对有效保障列车运行安全的重要性,以铁路常用的60 kg轨道为研究对象,以声发射检测技术为基础,经试验分析轨道断裂的声发射信号特征,有效区分列车运行引入的声发射信号。搭建监测系统,通过断轨检测模拟试验,验证该方法的有效性和准确性,并通过TDOA算法实现对断裂的定位。研究结果表明:轨道断裂会产生明显的声发射信号,且断裂声发射信号特征主频在100~160 kHz,声压幅值高,且在时域上存在明显的突发性;其特征与列车运行特征存在明显区别,可有效实现实时断轨监测;利用TDOA方法实现轨道断裂位置的确定,定位精度优于±20cm。研究结果为轨道断轨检测提供了有效的参考依据,对轨道交通运行安全的技术发展具有十分重要的意义。     

跨坐式单轨交通轨道梁定位测量及线形检测方法探讨

为了提高跨坐式单轨交通轨道梁安装定位精度,提升轨道梁线形平顺性,提出一种基于轨道梁基础控制网的轨道梁定位测量及线形检测的新方法。介绍了该方法下的轨道梁基础控制网点位设置、测量方法和精度指标分析,以及轨道梁线形检测断面设置、检测点测量、检测数据处理及线形分析的方法。给出了轨道梁定位测量时全站仪的定向方法及精度指标;研发了精密测量基座。实际案例表明,轨道梁基础控制网相对点位精度为±1.5 mm,轨道梁平面定位精度为±3 mm,高程定位精度为±2 mm,验证了该作业方法的可行性,定位安装后的轨道梁符合相关规范的验收要求。     

基于线特征跟踪的铁路桥梁支座振动位移测量方法

针对现有基于结构物表面纹理特征跟踪的支座振动位移测量算法易受光照、背景杂波、运动模糊等因素干扰的问题,提出一种基于线特征跟踪的铁路桥梁支座振动位移测量方法.利用大津法与连通体分析法获取感兴趣目标,并基于感兴趣目标确定线跟踪区域,提高支座位移计算效率;利用一种直线鲁棒检测算子,快速提取桥梁支座振动过程中线跟踪区域中的线目...     

基于PCA和随机Hough变换的调车信号灯检测

针对传统信号灯检测方法中存在的弊端,提出了一种主成分分析(Principal Component Analysis,PCA)和圆拟合与分段随机Hough变换(Randomized Hough Transform,RHT)圆检测相结合的信号灯检测方法。该方法利用主成分分析结合圆拟合来简化图像的复杂背景,然后通过随机Hough变换进行分段圆检测,得到信号灯的准确位置,最后结合线路特征及信号灯的颜色特点,确定本股道有显示的调车信号灯。对调车信号灯图像进行仿真实验,结果表明,该方法检测准确度高,实时性好,并对有颜色信号灯的检测具有良好的检测效果,适合于对复杂环境中调车信号灯的准确检测和定位。     

探地雷达数值模拟及其在隧道检测中的应用

利用时域有限差分(FDTD)方法,对隧道工程检测中常见检测目标进行数值模拟,分析脱空、单层钢筋、双层钢筋等目标体的探地雷达反射信号图像特征,并对隧道检测中的雷达信号图像采用遗传算法进行反演,引入目标相关系数用于反演结果全局寻优,实现对多次反射的压制,降低浅部钢筋反射信号对识别深部目标体的影响。通过对数值模拟结果进行反演,证明该方法理论上的有效性,并结合工程实践中的应用效果,说明该方法的优点与局限性。     

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。