[发明专利]基于旋翼无人飞行器和YOLOv3的轨道异物检测方法

说明书

本发明公开了一种基于旋翼无人飞行器和YOLOv3的轨道异物检测方法。方法为：首先制作轨道异物检测数据集，利用数据集训练YOLOv3，得到异物检测模型和模型参数，将异物检测模型和模型参数加载到基于YOLOv3的系统中；然后利用旋翼无人飞行器获得轨道的视频数据并进行预处理，利用基于多智能体的轨道特征识别算法获得轨道特征；接着利用两侧轨道特征计算轨道中心线，基于轨道中心线设定安全检测阈值，划分安全检测区域；最后利用异物检测模型和模型参数在安全检测区域进行异物检测，若检测到存在已知的异物，则发出异常报警，并返回异物的类别和位置，否则返回进行下一轮视频获取。本发明提高了轨道异物检测的精确度和实时性。

技术领域

本发明涉及轨道异物检测领域，特别是一种基于旋翼无人飞行器和YOLOv3的轨道异物检测方法。

背景技术

随着我国铁路技术高速发展，铁路网络的扩张，人们越来越追求物质与精神层面的享受，继而增加了人们的出行频率。作为轨道交通安全问题的重大隐患，铁路异物侵限问题也受到了人们的广泛关注。为了切实保障人民生命和公共财产安全，对沿线铁路的检测防范至关重要。铁路异物侵限指的是在铁轨上会造成列车行驶安全隐患的障碍物，如轨道上树木的残枝、因工作滞留在轨道上的工作人员，以及非法进入轨道的人员、车辆等障碍物。由铁路异物侵限而导致的人民生命财产安全损失事故屡见不鲜。因此，加强对轨道异物侵限的实时监测，保障人民生命财产安全意义重大。

现有的轨道异物检测方法大致分为接触式检测和非接触式检测两种。接触式检测技术属于主动检测方法，主要利用电网电缆光缆等技术，维护成本较高。而非接触式检测技术主要有激光雷达技术、视频分析、机器视觉等，这些方法大都无法检测出异物的大小和形状，给后期的处理造成很大的难度。机器视觉方法虽然精度较高，但容易受外界干扰；超声波、雷达等方法虽然优势明显，但是仍处于起步阶段；采用红外线检测方式虽然容易实现且灵敏度较好，但受天气等外界因素影响较大，适用范围小，设备安装流程较为复杂。

发明内容

本发明的目的在于提供一种实时性好、检测精度高的基于旋翼无人飞行器和YOLOv3的轨道异物检测方法。

实现本发明目的的技术解决方案为：一种基于旋翼无人飞行器和YOLOv3的轨道异物检测方法，包括以下步骤：

步骤1：制作轨道异物检测数据集，数据集中包括人、车辆、树、石头、箱子5类轨道中常见的异物，并且每张图片中的异物均有对应的xml标注信息；

步骤2：构建基于YOLOv3神经网络的轨道异物检测模型，利用轨道异物检测数据集对轨道异物检测模型进行离线训练，获得训练好的轨道异物检测模型及对应模型参数；

步骤3：将训练好的轨道异物检测模型以及模型参数，加载到基于YOLOv3神经网络的系统中；

步骤4：利用旋翼无人飞行器的机载视频传感器获得轨道的视频数据并进行预处理，将预处理后的视频数据利用多智能体的轨道特征识别算法进行处理，获得轨道特征；

步骤5：利用获得的轨道特征计算轨道中心线，基于轨道中心线设定自定义宽度值作为安全检测阈值，划分轨道异物侵限安全检测区域；

步骤6：利用轨道异物检测模型和模型参数，在轨道异物侵限安全检测区域对所采集的轨道视频进行异物检测；

步骤7：若检测到轨道视频中存在已知的异物，则发出异常报警，并返回异物的类别和位置；否则返回步骤4。

进一步地，步骤2中所述的YOLOv3神经网络的基础框架Darknet-53包含52个卷积层和1个最大池化层。

进一步地，步骤2中所述的基于YOLOv3神经网络的轨道异物检测模型，在YOLOv3神经网络基础框架Darknet-53上增加了三个检测器，尺寸分别为13×13，26×26，52×52单位为像素数。