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.     

机车司机室安全压力试验装置

主要从试验装备、控制方式、检测试验等方面对一种独特的机车司机室安全压力试验装置进行介绍,并对机车司机室安全压力试验的方法及内容进行简单说明。     

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。     

基于无靶标图像的轨道交通隧道内积水检测技术

轨道交通隧道区段轨行区积水影响行车安全甚至引发严重安全事件。本文介绍一种应用于轨道交通隧道内、基于计算机光谱图像的轨行区积水检测系统。通过对积水检测现状的介绍和光谱反射特点的分析,针对轨行区单点式图像积水检测识别范围窄、无法区域化识别的局限性,提出了利用特定激光补光及图像采集分析判别系统实现区域式无靶标积水的有效检测并阐述了该检测系统的工作原理、系统架构和算法构成。在厦门轨道交通1号线试车线隧道区段搭建模拟轨行区积水的场景进行现场测试,结果表明该系统对轨行区积水检测具有良好的识别效果。     

DC1500V接触轨系统轨行区的人身安全保护——深圳地铁3号线存车线侧线开关设计及应用

通过对深圳地铁3号线存车线接触轨侧线开关的设计电路分析与使用过程的详细描述,阐明了侧线开关系统对于列车进入存车线或安全线在取车时,如何通过车站计算机联锁系统（CBI）做到相关DC1500V接触轨区域失电,保证相关轨行区进路解锁,最终使司机在经过轨行区时受到人身安全防护的。接触轨侧线开关的应用,为地铁的安全运营提供了保障。     

基于自适应更新背景的机车司机工作状态检测

提出用追踪机车司机头部运动轨迹判别其工作状态.以改进的自适应混合高斯模型实现更新.一种光照下各个像素的模型均值构成一个均值矩阵.构建与每个均值矩阵相对应的固定背景宏块的高斯分布模型.对机车司机工作中的二值差分图像进行形态学处理,计算得到司机头部图像重心.在检测窗内跟踪机车司机头部图像重心的运动轨迹.用司机工作时的头部图像重心间的欧式距离辨识其工作状态.试验证明,此方法对机车司机工作中出现的疲劳发呆、反应迟钝或睡觉等非正常状态检测很有效.     

列车智能障碍物检测系统在北京新机场线全自动运行中应用的研究

全自动运行系统对提高列车运行安全以及提升列车运输效率具有重要意义,现阶段全自动运行系统列车主要依赖于信号系统,缺乏主动环境感知功能。本文提出了一种基于视觉与雷达融合的列车智能障碍物检测系统,该系统主要包含有轨道区域识别模块、列车检测模块以及视觉与雷达融合模块。其中轨道区域识别模块应用语义分割算法实现前向轨道区域的精准识别,列车检测模块通过卷积神经网络算法实现当前轨道内前向列车识别。视觉与激光雷达融合模块通过融合激光雷达数据与视觉数据,实现全天候的环境感知。实验结果表现本文的系统具有较强的鲁棒性,将对提升新机场线的列车运行安全以及运输效率具有重要意义。     

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。     

基于优化YOLOv3网络的在途列车障碍物检测方法

卷积神经网络检测算法自提出以来,日益受到人们的关注,广泛应用于各行各业。然而,在城市轨道交通障碍物检测方面,由于列车制动距离长、响应度不够、突发状况多等问题,卷积神经网络尚未有过多的应用。针对城市轨道交通行车的特点,提出一种基于 YOLOv3 网络的在途列车障碍物检测方法,通过对该网络结构及训练方式的优化,提高网络对于微小目标的识别准确率,留给列车更多的响应时间,以提升该方法的实用性。经实验验证,该方法对于远距离目标识别有较高的准确率,检测速率约为 31 帧/s,是一种有效的列车在途障碍物检测方法。     

基于光纤光栅压力传感器的轨道区段占用检测方法研究

轨道电路是用于检测列车是否占用轨道区段的设备,正确判断其分路状态对行车安全十分重要。当出现轨面生锈或积污等问题时,由于分路电阻过高导致轨道电路分路不良,这将影响分路状态的可靠判定,轨道区段占用检测方法仍存在瓶颈。对此,利用光纤光栅(Fiber Bragg Grating, FBG)压力传感技术的优势,结合轨道电路的工作原理和轨道动力学分析结果,设计轨道占用检测的系统结构;监测FBG的中心波长漂移量,统计列车进出轨道区段的轮对轴数,通过轴数比较解决轨道电路分路不良时的轨道区段占用检测问题。对光纤Bragg光栅纵向应力特性进行仿真实验,结果表明:FBG的中心波长漂移量和纵向应力的改变成正比,即和钢轨受力形变所产生的弯矩变化成正比,这种应力特性可有效应用于轨道区段的检测问题。     

轮轨力测量在高速铁路轨道检测中的应用研究

随着世界高速铁路的快速发展,高速铁路轨道检测技术已突破传统的轨道几何检测,朝着综合检测的方向发展。结合安装在我国新一代高速综合检测列车CRH380B-002的轮轨力检测系统在高速铁路轨道检测中的实际应用情况,介绍了我国在高速铁路轨道综合检测领域的最新研究进展———基于轮轨力测量的高速铁路轨道检测技术,并提出了一种基于轮轨力测量的高速铁路轨道状态评判方法。基于轮轨力测量的轨道检测技术通过安装在固定车辆(一般为轨道检查车)的连续测量测力轮对测量轮轨之间的相互作用力,从对车辆运行安全性和轨道疲劳寿命影响的角度对轨道状态进行检测,指导轨道日常养护。该技术是高速铁路轨道综合检测的重要组成部分,是对传统轨道几何检测的有效补充和完善,它的投入运用将更好的保障高速铁路的安全运营。     

一种基于计算机视觉的地铁站台异物检测算法

地铁已成为大型城市的主要交通工具，如何保障乘客的安全成为地铁运营的热点问题。文章在现有的车门与屏蔽门之间人工检测技术的基础上提出一种基于计算机视觉的空间异物检测算法。该算法通过对车尾处灯带的完整性进行检测，判断车门与屏蔽门间是否存在异物，进而辅助司机进行开车前的安全检查，保障列车的运行安全。实地采集视频数据进行实验分析，结果表明，文章所提方法可以准确检测出空隙中异物。     

基于机器视觉的无砟轨道层间结构位移测量方法研究

为实现板式无砟轨道层间离缝的全天候监测,提出一种基于机器视觉的非接触式层间结构位移测量方法。针对传统Canny边缘检测算法自适应性较差的问题,对其进行改进。利用自适应中值滤波器代替高斯滤波器;提出一种基于分块迭代的局部阈值分割法自适应地选取阈值,并通过高斯拟合算法检测改进算法的优越性。通过室内试验对标记点大小、光源强度、拍摄距离和拍摄角度4个方面进行对比分析,选择最适测量参数。试验结果表明,在标记点运动的状态下,最大测量误差为2.6%,在误差的允许范围之内。通过现场测试验证,该测量方法可有效地对板式无砟轨道层间结构位移进行精确测量,为我国高速铁路的运行安全监测提供技术支持。     

地铁曲线站台空隙异物自动检测预警系统研究

针对地铁司机在开车前无法独自完成曲线站台车门与屏蔽门间空隙异物检测而存在运营安全的隐患,提出一套地铁曲线站台空隙异物自动检测预警系统。通过在站台每扇屏蔽门上方安装微型摄像机来拍摄站台屏蔽门与车门间空隙图像,利用图像处理算法对所拍摄的图像进行车门检测并确定车门在图像中的区域（即感兴趣区域）,在乘客上下车完成后对感兴趣区域进行异物检测,并在存在异物的情况下发出预警,提醒司机延迟开车。实验证明,该系统能准确检测出空隙中存在的异物,可以辅助列车司机完成开车前对地铁曲线站台空隙异物的检测。     

多源数据融合的列车-轨道状态检测技术

轨道状态的快速检测技术是保障轨道交通运维安全的重要基础。传统的检测方法主要依赖高精密、高成本的测量设备,这些测量设备测量数据质量高但体量小。随着大数据技术的快速发展,通过易获取、质量低但体量大的多源数据融合技术以及 5G 通信与云服务技术,以多车厢加速度、轮轨噪声数据为基础,实现多源数据融合的列车-轨道状态检测技术。实践表明,多源数据融合的列车-轨道状态检测技术是实现轨道设备质量状态智能辨识和预测的有效途径。     

基于主动表观模型及PERCLOS的疲劳检测研究

针对城市轨道交通电客车司机长时间驾驶产生的疲劳问题，目前主要是通过规章制度及警惕按钮来解决，这样既增加司机的劳动强度，也对司机疲劳驾驶检测效果有限。文章针对电客车司机现场工作环境，提出了一种主动在线实时检测方法，该方法通过视频序列分析人脸信息，采用主动表观模型完成对人眼的识别及定位，采用PERCLOS算法完成对司机疲劳检测。实验证明，该模型和算法能够很好地完成对司机的疲劳检测。     

基于曲率变化特征的既有线路整正算法设计

铁路曲线运营过程不可避免会产生几何形位变化,运行速度的提升需要现代化的检测手段,相应的曲线整正算法设计是列车安全、舒适运营的重要保障。采用某线路轨检小车实测5 m间隔数据,以现场实测数据为基础,从曲率和曲率变化率的角度分析不同间隔条件下的轨道几何形位特征,采用基于正交最小二乘和三次样条的平面拟合方法,利用线路的曲率特征进行线路初始参数获取,设计相应的平面曲线线形优化重构算法。编程实现算法在具体线路的应用,以拨道量改正数最小为目标函数,采用5、10 m不同测点间隔的计算结果分析并结合现场实际,取得了较好的计算结果。通过现场实例表明,该方法具有理论简单、计算准确,与现代高速行车检测方法适应好等特点。     

基于改进GM(1,1)与WOA-LSSVM组合预测模型的轨道不平顺预测

在保障列车行车安全的前提下对轨道不平顺的发展趋势进行预测,可以提高线路维护效率。根据轨检车的历史轨检TQI数值进行分析,提出一种基于非等时距近似非齐次的GM(1,1)模型与鲸鱼算法优化的最小二乘支持向量机的组合预测模型。对非等时距GM(1,1)模型的灰作用量进行优化,并设置加权矩阵,对不同检测时间的数据赋予不同权值,建立非等时距近似非齐次的GM(1,1)模型,得到初步预测值。在此基础上,利用鲸鱼算法优化的最小二乘支持向量机(WOA-LSSVM)对残差进行修正,得到最终预测值。分别对某线上行两段线路的轨道不平顺TQI值进行预测,结果表明:该预测方法相对误差平均值分别为2. 316%和1. 67%,后验差分别为0. 093和0. 068,精度等级达到1级,实现了轨道不平顺较高精度的预测。