[发明专利]一种基于视觉场景识别的轨道列车精准停车系统

说明书

本申请公开了一种基于视觉场景识别的轨道列车精准停车系统，该系统包括：环境感知系统，自主决策系统和执行系统；环境感知系统用于获取列车运行前方的图像信息，利用深度学习模型，识别图像信息中的停车标，并确定停车标在图像信息中的位置信息和长度信息，并根据位置信息和长度信息，计算列车与轨道旁停车标之间的距离；自主决策系统用于根据距离和列车驾驶信息，利用列车运动模型，计算列车的速度曲线，确定列车的档位信息；执行系统用于根据速度曲线和档位信息，对列车进行停车制动。通过本申请中的技术方案，计算单个像素点对应的真实轨道长度，累计求和获得机车距离前方停车标的长度，实现机车档位制定，达到精准停车的目的。

技术领域

本申请涉及列车自动驾驶的技术领域，具体而言，涉及一种基于视觉场景识别的轨道列车精准停车系统。

背景技术

近年来，随着自动化的发展，列车自动驾驶(Automatic Train Operation,ATO)系统逐渐成为轨道列车准确、平稳停车的重要保障。ATO系统可以完成列车驾驶员的工作，这些工作包括列车平稳运行、速度调整，在站台的适当停车位置平稳停车。ATO辅助列车自动保护装置(Automatic Train Protection,ATP)工作、接收来自ATP的信息。ATO通过牵引/制动线控制列车，使其维持在一个参考速度上运行，并实现准确停车。

列车上有类似于汽车导航的一个一维地图，叫做电子地图，其将线路中的所有信号设备进行标注，需要列车车载设备在运行过程中不断读取。列车线路上的应答器可以实现定位以使得列车获得线路中的具体位置；运行中的列车通过不断经过多个应答器持续地实现位置校正，减少行驶过程中的累计误差，提高列车的测速测距精度，从而计算自己在线路中的精确位置。列车进入站台后，经过第一个应答器开始校正，计算自己的位置和当前速度，同时计算列车应该输出的牵引力和制动力，通过ATO输出给列车，使列车通过调整档位来调整速度。一般来说，列车经过3-4次速度调整之后，最终可以计算出一个比较准确的制动力，保证列车正好停在停车点的位置，从而实现精确自动停车。

而现有技术中，还存在列车停站不准的情况，其因素主要包括信号轨旁ATO设备、车载ATO设备和车辆闸瓦性能。轨旁ATO系统提供给列车轨道电路ID和轨道电路边界以及站台区域的环线来实现精确停车，当轨旁系统发生故障时，列车在该站台无法精准停车。同样，车载ATO系统通过接收轨旁发来的信息生成停车制动曲线来控制列车到站精确停车，车载ATO系统故障将导致列车在多站停站不准。

发明内容

本申请的目的在于：利用基于深度学习的场景识别技术对视频中的停车标进行识别，通过计算单个像素点对应的真实轨道长度，累计求和获得机车距离前方停车标的长度，实现机车档位制定，达到精准停车的目的。

本申请的技术方案是：提供了一种基于视觉场景识别的轨道列车精准停车系统，该系统包括：环境感知系统，自主决策系统和执行系统；环境感知系统用于获取列车运行前方的图像信息，利用深度学习模型，识别图像信息中的停车标，并确定停车标在图像信息中的位置信息和长度信息，并根据位置信息和长度信息，计算列车与轨道旁停车标之间的距离；自主决策系统用于根据距离和列车驾驶信息，利用列车运动模型，计算列车的速度曲线，确定列车的档位信息；执行系统用于根据速度曲线和档位信息，对列车进行停车制动。

上述任一项技术方案中，进一步地，深度学习模型由编码函数、解码函数和分类器函数构成，环境感知系统包括：稀疏自编码器，分类器和计算模块；稀疏自编码器由多层神经元组成，稀疏自编码器用于根据列车驾驶信息数据库中的测试集，确定编码函数和解码函数的训练参数，并根据确定好的训练参数，提取图像信息中的特征数据；分类器用于根据测试集，利用反馈式学习算法，确定分类器函数的分类精确率和召回率，并根据分类精确率和召回率，识别特征数据，确定图像信息中的停车标；计算模块用于根据图像信息和图像信息中的停车标，确定位置信息和长度信息，并计算距离。

上述任一项技术方案中，进一步地，编码函数f(·)的计算公式为：