[发明专利]一种列车定位方法

权利要求书

1.一种列车定位方法，其特征在于，包括以下步骤：

S1、采集轨道定位点图像数据集；

S2、在图像数据集中画出目标框，框出定位标志，得到轨道定位点图像训练数据集；

S3、将训练数据集输入YOLO V3神经网络进行训练，得到轨道定位点图像检测模型；

S4、采集列车运行时轨道位置图像，并将其输入轨道定位点图像检测模型中，得到具备目标检测框的轨道位置图像；

S5、对具有目标检测框的轨道位置图像进行特征提取，得到目标检测框的特征数据；

S6、通过主成分分析法对特征数据进行数据降维处理，得到主成分变量；

S7、采用层次聚类法对主成分变量进行聚类，得到轨道位置图像的正确分类结果；

S8、对轨道位置图像的正确分类结果进行筛选，得到准确的轨道定位点图像，获取该图像的位置信息，实现列车定位；

所述步骤S4包括以下分步骤：

S41、将轨道位置图像缩放，并划分成S*S个相同的单元格；

S42、在包含目标中心点的单元格生成B个边界框，通过B个边界框对该目标进行检测，得到多个预测边界框的置信度分数；

S＝P(C_i|Object)*P(Object)*IOU

其中，S为置信度分数，P(C_c|Object)为包含目标的单元格预测c类的类别概率，P(Object)为预测目标框中包含目标的概率，IOU为预测目标框与真实目标框的交并比；

S43、采用轨道定位点图像检测模型将多个预测边界框的置信度分数按大到小进行排序，并采用非极大值抑制算法处理排序后置信度分数，得到具备目标检测框的轨道位置图像；

所述步骤S6包括以下分步骤：

S61、根据目标检测框的特征数据，得到样本初始矩阵；

S62、根据样本初始矩阵，计算其相关系数矩阵；

S63、采用雅克比迭代法计算相关系数矩阵的特征值；

S64、根据特征值，计算各成分的累计贡献率；

S65、筛选出各成分的累计贡献率超过贡献率阈值的成分，得到主成分变量；

所述步骤S61中样本初始矩阵为：

其中，X为样本初始矩阵，p为特征数据的维度，n为具备目标检测框的轨道位置图像的数量，x_li为样本初始矩阵中的元素，1≤l≤n，1≤i≤p，x_i为第i个特征数据向量；

所述步骤S62中相关系数矩阵为：

其中，R为样本初始矩阵的相关系数矩阵，ρ_ij为x_i与x_j的相关系数，cov(x_i,x_j)为x_i与x_j的协方差，D(x_i)为x_i的方差，D(x_j)为x_j的方差，x_i为第i个特征数据向量，x_j为第j个特征数据向量，1≤i≤p，1≤j≤p，p为特征数据的维度；

所述步骤S64中各成分的累计贡献率的计算公式为：

其中，A_g为前g个成分的累计贡献率，λ_k为相关系数矩阵的第k个特征值，1≤k≤p，1≤g≤p，p为特征数据的维度；

所述步骤S7包括以下分步骤：

S71、将主成分变量构建成N个类；

S72、采用欧式距离计算两个类之间的相似度；

S73、根据相似度从强到弱连接相应节点对，形成树状图；

S74、横切树状图，得到轨道位置图像的正确分类结果；

所述步骤S72中欧式距离的计算公式为：

其中，D为相似度，x₁为其中一个类的横坐标，y₁为其中一个类的纵坐标，x₂为其中另一个类的横坐标，y₂为其中另一个类的纵坐标。