基于深度学习的铁路限界快速检测算法

列车行驶环境快速、可靠、精准感知是列车安全、高效运行的前提和关键支撑技术。列车若无法提前感知非法侵入铁路限界范围内的异物，并在短时间内有效制动，将会导致严重的安全事故。为解决列车运行环境内影响运行安全的异物侵限问题，基于深度学习算法，提出一种铁路轨道限界快速检测算法。该方法首先采用预设行锚框的方式对图像进行划分，将传统分割算法的逐像素预测，转变为对每个行锚框进行逐网格预测，以达到显著降低算法计算量，并提高检测速度的目的。同时，通过快速识别图像中属于轨道部分的像素，结合轨道线的连续特征进行追踪，达到铁路轨道坐标的智能快速识别。最后根据标准轨距下限界的定义，对识别出的轨道线坐标和侵限区域进行扩充，以确定铁路异物入侵限界的范围。通过在真实轨道数据集上的对比实验，验证所提算法能以172FPS的速度快速检测铁路限界，且轨道线和限界区域的识别精度分别达到98.96%和98.12%,F1值分别达到99.68%和98.95%，限界区域检测的平均交并比MIoU达到96.88%，各类指标均取得当前最好的准确率和性能，满足高速列车对环境感知精度和速度要求，可以为异物侵限检测、目标跟踪和列车控制等环境感知及运...