[發(fā)明專利]基于軌旁電網(wǎng)線桿計數(shù)的列車定位方法

有效

• 申請?zhí)枺?/td>: 201911057378.4
• 申請日: 2019-11-01
• 公開（公告）號: CN110827354B
• 公開（公告）日: 2022-07-22
• 發(fā)明（設(shè)計）人: 戴勝華;鄭子緣;李潔;梁瑤;曹景銘;謝旭旭;李正交;周興;盧建成;習(xí)家寧;王宇琦;李紫玉;鄭碩;胡泓景;時曉杰;曹梓恒
• 申請（專利權(quán)）人: 北京交通大學(xué)
• 主分類號: G06T7/73
• 分類號: G06T7/73;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京市商泰律師事務(wù)所 11255
• 代理人: 麻吉鳳

本發(fā)明提供了一種基于軌旁電網(wǎng)線桿計數(shù)的列車定位方法，包括：針對軌旁電網(wǎng)線桿，采用基于卷積神經(jīng)網(wǎng)絡(luò)的視覺幾何組神經(jīng)網(wǎng)絡(luò)分類器算法訓(xùn)練出分類器；通過安裝在列車車頭中部的高速攝像機采集列車的運行視頻；采用圖像識別算法識別出所述運行視頻的軌道線和消失點；根據(jù)所述訓(xùn)練好的分類器，識別出所述消失點右側(cè)的電網(wǎng)線桿，并采用電網(wǎng)線桿計數(shù)算法記錄當前識別到的電網(wǎng)線桿的總數(shù)量；根據(jù)當前電網(wǎng)線桿的總數(shù)量確定列車的當前位置。本方法可以改善現(xiàn)有列車定位方法成本高昂并且需要定期維護的情況，減輕鐵路運輸行業(yè)的經(jīng)濟負擔。

技術(shù)領(lǐng)域

本發(fā)明涉及軌道交通控制技術(shù)領(lǐng)域，尤其涉及一種基于軌旁電網(wǎng)線桿計數(shù)的列車定位方法。

背景技術(shù)

隨著現(xiàn)代鐵路運輸行業(yè)的發(fā)展，鐵路運行壓力日益增長，高速鐵路飛速發(fā)展，為保證鐵路行車安全，列車控制系統(tǒng)中的列車定位技術(shù)是必不可少的?，F(xiàn)有列車定位方式主要是以測速定位，應(yīng)答器定位為主，軌道電路定位為輔助。其中應(yīng)答器定位方式定位精度最高，可以修正測速定位過程中列車的累計誤差，但應(yīng)答器成本高昂，且需要定期維護，耗費了大量的人力物力，給鐵路運輸行業(yè)帶來了嚴重的經(jīng)濟負擔和維護工作量。當前有學(xué)者正在研究幾類新型的列車定位方式，如衛(wèi)星定位，感應(yīng)環(huán)線定位，無線信號強度定位，多定位方式融合定位等，但容易受到外界環(huán)境干擾，定位精度并不高。在這種情況下，探索新一代低成本，高可靠性的列車定位技術(shù)，具有很大的實際意義。

發(fā)明內(nèi)容

本發(fā)明提供了一種基于軌旁電網(wǎng)線桿計數(shù)的列車定位方法，以改善現(xiàn)有列車定位方法成本高昂并且需要定期維護的情況，減輕鐵路運輸行業(yè)的經(jīng)濟負擔。

為了實現(xiàn)上述目的，本發(fā)明采取了如下技術(shù)方案。

本發(fā)明提供了一種基于軌旁電網(wǎng)線桿計數(shù)的列車定位方法，包括：

針對軌旁電網(wǎng)線桿，采用基于卷積神經(jīng)網(wǎng)絡(luò)的視覺幾何組神經(jīng)網(wǎng)絡(luò)分類器算法訓(xùn)練出分類器；

通過安裝在列車車頭的高速攝像機采集列車的運行視頻；

采用圖像識別算法識別出所述運行視頻的軌道線和消失點；

根據(jù)所述訓(xùn)練好的分類器，識別出所述消失點右側(cè)的電網(wǎng)線桿，并采用電網(wǎng)線桿計數(shù)算法記錄當前識別到的電網(wǎng)線桿的總數(shù)量；

根據(jù)當前電網(wǎng)線桿的總數(shù)量確定列車的當前位置。

優(yōu)選地，基于卷積神經(jīng)網(wǎng)絡(luò)的視覺幾何組神經(jīng)網(wǎng)絡(luò)分類器由5層卷積層、3層全連接層和歸一化指數(shù)輸出層組成，其中卷積層使用3*3的卷積核，層與層之間使用2*2最大池化層分開，所有隱含層的激活單元都采用線性整流函數(shù)。

優(yōu)選地，針對軌旁電網(wǎng)線桿，采用基于卷積神經(jīng)網(wǎng)絡(luò)的視覺幾何組神經(jīng)網(wǎng)絡(luò)分類器算法訓(xùn)練出分類器，包括：正樣本為前景為軌旁電網(wǎng)線桿的圖片，負樣本指僅包含軌旁電網(wǎng)線桿局部信息或不包含軌旁電網(wǎng)線桿的圖片，將正樣本圖片歸入訓(xùn)練集和正例測試集，負樣本圖片歸入反例測試集。

通過安裝在列車車頭的高速攝像機采集列車的運行視頻，包括：所述的高速攝像機安裝于列車車頭中部。

優(yōu)選地，采用圖像識別算法識別出所述運行視頻的軌道線和消失點，包括：

將采集到的圖像通過高斯濾波器濾除高頻成分；

利用Canny算法進行邊緣檢測，對檢測結(jié)果加一個梯形窗，濾出前景；

對前景進行霍夫變換，找到直線，其中越長的直線在計算斜率均值時賦予越高的權(quán)重；

對找到的直線根據(jù)斜率正負區(qū)分左右道軌；

分別迭代計算各條所述直線的斜率與斜率均值的差，移除差值大于預(yù)定值的直線；

分別對剩余左右軌道線的直線集合做線性回歸得到最終左右軌道線，最終左右軌道線的交點即為消失點。