基于贝叶斯建模的轨道占用识别方法

识别列车所在轨道，是列车运行控制系统必不可少的功能. 提出一种数字轨道地图辅助的基于贝叶斯建模的轨道占用识别方法. 首先，在考虑全球导航卫星系统(Global Navigation Satellite System, GNSS)与方向相关测量误差的基础上进行地图匹配，采用卡尔曼滤波算法处理速度测量值，通过加权求和的方式对GNSS与速度信息进行融合，获得列车沿轨道方向的一维位置；其次，对列车位置假设进行贝叶斯建模，计算在给定GNSS与速度测量的前提下所有可能的位置假设的概率；最后，与设置的假设概率阈值进行比较，对不同的识别结果进行分类. 实验结果表明，基于贝叶斯建模的轨道占用识别法能够减少剔除小概率假设所需的距离，与垂直投影法相比，该方法可以对列车所在轨道做出更确定的判断.     

基于深度数据的车辆目标检测与跟踪方法

现有基于几何特征的目标检测与跟踪方法误检率较高,目标跟踪过程中的漏检易导致错误的目标关联.针对这些问题,本文提出了一种基于激光雷达(LiDAR)深度数据的车辆目标检测与跟踪方法.根据激光雷达深度数据特性,采用一种基于栅格的参数自动化聚类(PAG) 算法对原始数据进行处理,并在每个聚类中提取目标线段,获取目标特征.在此基础上对车辆目标进行识别,并计算得到目标的位置信息.采用卡尔曼滤波算法,制定滤波器管理策略,完成目标关联及状态估计.最后利用装备有一个前向激光雷达的实验车辆对提出的方法进行验证. 实验结果表明,本文提出的方法可准确识别并跟踪多个车辆目标,避免错误的目标关联.