[发明专利]一种基于多传感器融合的列车车皮识别与测距方法在审
申请号: | 201910689859.0 | 申请日: | 2019-07-29 |
公开(公告)号: | CN110412564A | 公开(公告)日: | 2019-11-05 |
发明(设计)人: | 刘兆庆;乔立岩;宋星元;黄杰 | 申请(专利权)人: | 哈尔滨工业大学 |
主分类号: | G01S13/86 | 分类号: | G01S13/86;G01S13/08;G01S7/41;G01C11/00 |
代理公司: | 哈尔滨市阳光惠远知识产权代理有限公司 23211 | 代理人: | 刘景祥 |
地址: | 150001 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 有效目标 列车 多传感器融合 测距 标准数据 距离信息 机车司机 距离参数 目标区域 实时传递 数据融合 双传感器 车尾部 自动地 挂车 机车 测量 采集 检测 | ||
1.一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,所述方法包括以下步骤:
S1双传感器对目标区域数据进行采集与处理,得到各自的标准数据;
S2根据各自的标准数据,搭建数据融合平台,并得到有效目标区域;
S3根据有效目标区域对目标进行识别与检测;
S4在有效目标区域中提取目标车皮的距离信息,将得到的是否目标车皮的信息和对应的距离信息实时传递至远程终端控制器。
2.根据权利要求1所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,步骤S1中包括:
S11第一传感器实时采集前方区域图像数据,并输出图像原始数据,同时,第二传感器实时采集前方区域雷达数据,并输出雷达原始数据;
S12对所述图像原始数据和所述雷达原始数据进行标准化处理,分别得到图像标准数据和雷达标准数据,执行步骤S2。
3.根据权利要求2所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,步骤S12中包括:
S121对图像原始数据进行畸变矫正;
S122对畸变矫正后的图像原始数据进行编码处理;
S123对进行过编码处理后的图像原始数据进行像素处理,而后生成图像标准数据,执行步骤S2。
4.根据权利要求2所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,步骤S12中还包括:
S124对雷达原始数据进行阈值滤波;
S125对经过阈值滤波的雷达原始数据进行卡尔曼状态估计,而后生成雷达标准数据,执行步骤S2。
5.根据权利要求2所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,包括:第一传感器安装标定模块、第二传感器安装标定模块、联合标定模块和时间同步模块,其中,
所述第一传感器安装标定模块,用于对所述第一传感器进行安装与标定;
所述第二传感器安装标定模块,用于对所述第二传感器进行安装与标定;
所述联合标定模块,用于对所述第一传感器和第二传感器进行联合标定;
所述时间同步模块,用于对所述第一传感器和第二传感器进行时间同步,
步骤S2中包括:
S21对第一传感器进行安装与标定;
S22对第二传感器进行安装与标定;
S23对第一传感器和第二传感器进行联合标定和时间同步,得到有效目标区域。
6.根据权利要求5所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,所述第一传感器为摄像机传感器。
7.根据权利要求5所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,所述第二传感器为雷达传感器。
8.根据权利要求7所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,所述雷达传感器为毫米波雷达。
9.根据权利要求1所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,步骤S3中包括:
S31训练得到深度神经网络目标检测器;
S32将有效目标区域通过深度神经网络目标检测器检测前方区域铁轨,裁减得到含有目标车皮的有效测量区域。
10.根据权利要求1所述的一种基于多传感器融合的列车车皮识别与测距方法,其特征在于,步骤S4中,具体的,对步骤S1-S3进行封装与整合,在图像识别所得到的有效测量区域中提取完成目标车皮的距离信息,将得到的是否目标车皮的信息与对应的距离信息实时传递至远程终端控制器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学,未经哈尔滨工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910689859.0/1.html,转载请声明来源钻瓜专利网。