[发明专利]基于轨旁电网线杆计数的列车定位方法

权利要求书

1.一种基于轨旁电网线杆计数的列车定位方法，其特征在于，包括：

针对轨旁电网线杆，采用基于卷积神经网络的视觉几何组神经网络分类器算法训练出分类器；

通过安装在列车车头的高速摄像机采集列车的运行视频；

采用图像识别算法识别出所述运行视频的轨道线和消失点，包括：

将采集到的图像通过高斯滤波器滤除高频成分；

利用Canny算法进行边缘检测，对检测结果加一个梯形窗，滤出前景；

对前景进行霍夫变换，找到直线，其中越长的直线在计算斜率均值时赋予越高的权重；

对找到的直线根据斜率正负区分左右道轨；

分别迭代计算各条所述直线的斜率与斜率均值的差，移除差值大于预定值的直线；

分别对剩余左右轨道线的直线集合做线性回归得到最终左右轨道线，最终左右轨道线的交点即为消失点；

根据训练好的分类器，识别出所述消失点右侧的电网线杆，并采用电网线杆计数算法记录当前识别到的电网线杆的总数量；

根据当前电网线杆的总数量确定列车的当前位置。

2.根据权利要求1所述的方法，其特征在于，所述的基于卷积神经网络的视觉几何组神经网络分类器由5层卷积层、3层全连接层和归一化指数输出层组成，其中卷积层使用3*3的卷积核，层与层之间使用2*2最大池化层分开，所有隐含层的激活单元都采用线性整流函数。

3.根据权利要求1所述的方法，其特征在于，所述的针对轨旁电网线杆，采用基于卷积神经网络的视觉几何组神经网络分类器算法训练出分类器，包括：正样本为前景为轨旁电网线杆的图片，负样本指仅包含轨旁电网线杆局部信息或不包含轨旁电网线杆的图片，将正样本图片归入训练集和正例测试集，负样本图片归入反例测试集。

4.根据权利要求1所述的方法，其特征在于，所述的通过安装在列车车头的高速摄像机采集列车的运行视频，包括：所述的高速摄像机安装于列车车头中部。

5.根据权利要求1所述的方法，其特征在于，所述的根据训练好的分类器，识别出所述消失点右侧的电网线杆，并记录当前识别到的电网线杆的总数量，包括以下步骤：

对当前采集到的图片从右往左，从上往下，依次用112×112×3的窗取出包含完整线杆的图片，将所述包含完整线杆的图片，经64个3×3的卷积核作两次卷积加线性整流，卷积后的尺寸变为112×112×64；采用尺寸为2×2的池化单元作最大化池化，池化后的尺寸变为64×64×64；经128个3×3的卷积核作两次卷积加线性整流，尺寸变为64×64×128；作2×2的最大池化，尺寸变为32×32×128；经256个3×3的卷积核作三次卷积加线性整流，尺寸变为32×32×256；作2×2的最大池化，尺寸变为16×16×256；经512个3×3的卷积核作三次卷积加线性整流，尺寸变为16×16×512；作2×2的最大池化，尺寸变为8×8×512；经512个3×3的卷积核作三次卷积加线性整流，尺寸变为8×8×512；作2×2的最大池化，尺寸变为4×4×512；与两层1×1×4096，一层1×1×1000进行全连接线性整流；通过归一化指数函数输出1000个预测结果；所述预测结果中第一个是电网线杆且概率大于98％，则认为识别到电网线杆；将识别到 的电网线杆的区域在原图用经过长宽调整的矩形框标出，并记录矩形框左上角横纵坐标以及宽高；将窗的位置按顺序移动一定区域。

6.根据权利要求1所述的方法，其特征在于，所述的记录当前识别到的电网线杆的总数量，包括：

对每一帧图像，分类器将以从右至左，从上至下的顺序在原始图像查找电网线杆；

每找到一个电网线杆时，分类器返回当前电网线杆左上角的横纵坐标以及宽高信息；

当找到的电网线杆个数达到三个或者已经扫描到消失点的横坐标时结束查找；

如果当前帧最右侧的电网线杆在下一帧仍然在图像采集范围内时，扫描到的最大横坐标将比前一帧大；当最右侧电网线杆已经在摄像头视野中消失时，最大的横坐标值将会发生跳变,变为原本第二大的横坐标值，如果连续5帧这个跳变过程都没有发生反复，则认为一个电网线杆已经离开了摄像头视野，此时电网线杆计数值增加1。

7.根据权利要求1所述的方法，其特征在于，所述的根据当前电网线杆的总数量确定列车的当前位置，包括：

通过数据库存储电网线杆数量-运行位置对应关系，根据数据库存储的电网线杆数量-运行位置对应关系查询当前电网线杆的总数量确定列车的当前位置。