[發(fā)明專利]鐵路道岔間距檢測方法、裝置及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202110326115.X
• 申請日: 2021-03-26
• 公開（公告）號: CN115131377A
• 公開（公告）日: 2022-09-30
• 發(fā)明（設計）人: 劉少麗;何森;戚慧志;樊思哲
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T7/13;G06T7/181;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;姜精斌

1.一種鐵路道岔間距檢測方法，其特征在于，包括：

獲取鐵路軌道的3D圖像數據；

基于預先訓練的道岔場景識別網絡，識別所述3D圖像數據中的道岔場景；

提取所述道岔場景的道岔鋼軌的邊緣像素點；

根據所述邊緣像素點，檢測道岔間距。

2.根據權利要求1所述的方法，其特征在于，獲取鐵路軌道的3D圖像數據之后，所述方法還包括：

對所述3D圖像數據進行直方圖均衡化處理。

3.根據權利要求1所述的方法，其特征在于，所述道岔場景識別網絡的訓練過程包括：

基于卷積神經網絡建立所述道岔場景識別網絡；

將預設訓練樣本輸入至所述道岔場景識別網絡，輸出預測概率；

將所述預測概率輸入至預先設置的損失函數，計算所述道岔場景識別網絡的損失值；

根據所述損失值，采用預先設置的優(yōu)化算法，對所述道岔場景識別網絡的參數進行優(yōu)化。

4.根據權利要求1所述的方法，其特征在于，所述3D圖像數據包括強度圖像數據；

基于預先訓練的道岔場景識別網絡，識別所述3D圖像數據中的道岔場景，包括：

將所述強度圖像數據輸入至所述道岔場景識別網絡；

提取所述強度圖像數據中的特征信息；

根據所述特征信息，計算表征所述道岔場景的概率，以識別所述3D圖像數據中的道岔場景。

5.根據權利要求1所述的方法，其特征在于，所述3D圖像數據包括深度圖像數據；

提取所述道岔場景的道岔鋼軌的邊緣像素點，包括：

對所述深度圖像數據進行軌面區(qū)域分割處理；

根據區(qū)域分割處理后的所述深度圖像數據，獲得道岔二值化圖像；

利用邊緣檢測算子，檢測所述道岔二值化圖像的邊緣像素點。

6.根據權利要求1所述的方法，其特征在于，根據所述邊緣像素點，檢測道岔間距，包括：

基于霍夫變換特征檢測算法和所述邊緣像素點確定道岔鋼軌的多條邊緣直線段；

基于最小二乘法分別對多條所述邊緣直線段進行擬合；

根據擬合后的邊緣直線，檢測所述道岔間距。

7.根據權利要求6所述的方法，其特征在于，根據擬合后的邊緣直線，檢測所述道岔間距，包括：

根據擬合后的邊緣直線與參數空間的原點之間的距離，選取用于計算道岔間距的第一邊緣直線和第二邊緣直線；

接收用戶輸入的位置參數；

根據所述位置參數、所述第一邊緣直線和所述第二邊緣直線，確定與用戶輸入的位置參數相對應的位置的道岔間距。

8.一種鐵路道岔間距檢測裝置，其特征在于，包括：

獲取模塊，用于獲取鐵路軌道的3D圖像數據；

識別模塊，用于基于預先訓練的道岔場景識別網絡，識別所述3D圖像數據中的道岔場景；

提取模塊，用于提取所述道岔場景的道岔鋼軌的邊緣像素點；

檢測模塊，用于根據所述邊緣像素點，檢測道岔間距。

9.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

處理模塊，用于對所述3D圖像數據進行直方圖均衡化處理。

10.根據權利要求8所述的裝置，其特征在于，所述裝置還包括：

訓練模塊，用于訓練所述道岔場景識別網絡；其中，所述訓練模塊包括：

建立子模塊，用于基于卷積神經網絡建立所述道岔場景識別網絡；

輸出子模塊，用于將預設訓練樣本輸入至所述道岔場景識別網絡，輸出預測概率；

計算子模塊，用于將所述預測概率輸入至預先設置的損失函數，計算所述道岔場景識別網絡的損失值；

優(yōu)化子模塊，用于根據所述損失值，采用預先設置的優(yōu)化算法，對所述道岔場景識別網絡的參數進行優(yōu)化。