[发明专利]一种轨旁物体侵限检测方法及系统在审
申请号: | 201911193653.5 | 申请日: | 2019-11-28 |
公开(公告)号: | CN111062268A | 公开(公告)日: | 2020-04-24 |
发明(设计)人: | 钟昊;宗孝鹏;宋鑫;马广元 | 申请(专利权)人: | 佳讯飞鸿(北京)智能科技研究院有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06N3/04;G06N3/08;G01S17/04;G01S17/06;G01S19/42 |
代理公司: | 北京汲智翼成知识产权代理事务所(普通合伙) 11381 | 代理人: | 陈曦;任佳 |
地址: | 100044 北京市海淀*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 物体 检测 方法 系统 | ||
1.一种轨旁物体侵限检测方法,其特征在于包括如下步骤:
步骤S1:确认轨道两侧是否有侵限物体;
步骤S2:如果有侵限物体,则对所述侵限物体进行定位并获得侵限物体种类;否则继续执行步骤S1或结束检测。
2.如权利要求1所述的轨旁物体侵限检测方法,其特征在于:
在确认所述轨道两侧是否有侵限物体时,采用激光雷达不间断地进行扫描,以获得所扫取的物体到所述激光雷达的距离;根据所述距离和预先设定的侵限阈值,确认所述轨道两侧是否有侵限物体。
3.如权利要求1所述的轨旁物体侵限检测方法,其特征在于:
对所述侵限物体进行定位时,采用卫星定位系统对侵限物体进行定位,以获得所述侵限物体的位置信息。
4.如权利要求1所述的轨旁物体侵限检测方法,其特征在于:
获得所述侵限物体的种类的方法,包括如下子步骤:
步骤S21:获得所述侵限物体的图像;
步骤S22:将所述侵限物体的图像输入到预先训练的卷积神经网络进行图像识别,得到所述侵限物体的种类。
5.如权利要求4所述的轨旁物体侵限检测方法,其特征在于:
获得所述侵限物体的图像时,采用线阵相机实现。
6.如权利要求4所述的轨旁物体侵限检测方法,其特征在于:
预先训练的所述卷积神经网络通过如下子步骤训练得到:
步骤S220:建立卷积神经网络;所述卷积神经网络,包括输入层、多层卷积层、多层池化层、全连接层、输出层;
步骤S221:对建立的所述卷积神经网络进行训练,得到卷积神经网络模型;
步骤S222:验证训练后的所述卷积神经网络的图像识别精度。
7.一种轨旁物体侵限检测系统,其特征在于包括激光雷达、卫星定位系统、线阵相机和处理装置;所述激光雷达、所述卫星定位系统、所述线阵相机分别连接所述处理装置连接;
所述处理装置,用于接收所述激光雷达所扫取的物体到所述激光雷达的距离,以确认轨道两侧是否有侵限物体,如果有所述侵限物体,则控制所述卫星定位系统得到所述侵限物体的位置信息,并接收所述线阵相机采集的所述侵限物体的图像进行图像识别,以得到所述侵限物体的种类。
8.如权利要求7所述的轨旁物体侵限检测系统,其特征在于:
所述卫星定位系统采用GPS定位模块或北斗卫星定位模块实现。
9.一种终端,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述程序时实现如下步骤:
步骤S1:确认轨道两侧是否有侵限物体;
步骤S2:如果有侵限物体,则对所述侵限物体进行定位并获得侵限物体种类;否则继续执行步骤S1或结束检测。
10.一种机器可读介质,其上存储有计算机程序,其特征在于:该程序被处理器执行时实现如下步骤:
步骤S1:确认轨道两侧是否有侵限物体;
步骤S2:如果有侵限物体,则对所述侵限物体进行定位并获得侵限物体种类;否则继续执行步骤S1或结束检测。
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佳讯飞鸿(北京)智能科技研究院有限公司,未经佳讯飞鸿(北京)智能科技研究院有限公司许可,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/201911193653.5/1.html,转载请声明来源钻瓜专利网。