[发明专利]一种基于机器视觉的城轨列车定位与测速方法在审
申请号: | 202011083845.3 | 申请日: | 2020-10-12 |
公开(公告)号: | CN112380902A | 公开(公告)日: | 2021-02-19 |
发明(设计)人: | 黄涛;吕红强;张军贤;王维;周杨;单奇;宋兴国;饶鑫;蔡正凯 | 申请(专利权)人: | 中车南京浦镇车辆有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T7/73;H04N5/225 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 陆烨 |
地址: | 210031 江苏省南京市浦口*** | 国省代码: | 江苏;32 |
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 基于 机器 视觉 列车 定位 测速 方法 | ||
1.一种基于机器视觉的城轨列车定位与测速方法,其特征在于,具体包括如下步骤:
步骤1,在靠近地铁车站的轨道线路上设置视觉信标,并对每个视觉信标进行图形编码,每个图形编码中包括对应的视觉信标的准确位置信息;
步骤2:将图像采集一体机安装在列车底部,所述图像采集一体机实时采集列车行驶时的轨道图像,并将其传输到车内视觉处理系统;
步骤3:列车在线路上试运行,图像采集一体机实时采集列车运行时的轨道线路图像;车内视觉处理系统对收到的图像进行预处理,并将处理后的图像作为训练样本,采用改进的YOLO算法进行训练,得到轨枕目标检测的权重文件;
步骤4:列车正式运行,图像采集一体机实时采集轨道线路图像,车内视觉处理系统对收到的图像进行预处理,并采用改进的YOLO算法和步骤3中的权重文件,对图像进行实时处理,识别图像中的轨枕和列车行驶方向,并对轨枕进行计数;
步骤5:根据识别出的连续的轨枕数量和相邻轨枕之间的间距,通过插值计算出列车的位置和速度;当采集到的图像中包含视觉信标,计算通过轨枕得到的当前列车的位置信息与视觉信标的图形编码中的准确位置信息之间的偏差,并对此时列车的位置进行校正,从而消除系统的累积误差。
2.根据权利要求1所述的一种基于机器视觉的城轨列车定位与测速方法,其特征在于,所述视觉信标为无源的视觉信标,该视觉信标采用铝合金面板喷绘条码,该信标通过重物基座安装在靠近地铁车站的轨道线路上。
3.根据权利要求1所述的一种基于机器视觉的城轨列车定位与测速方法,其特征在于,所述图像采集一体机包括:上L形板,下L形板,连接板,LED光源支架;所述上L形板固定安装在列车底部,下L形板的一端与上L形板固定连接,另外一端与连接板的一面固定连接,连接板的另外一面的中心处设置高速工业相机,LED光源支架设置在高速工业相机的四周,且与连接板固定连接。
4.根据权利要求3所述的一种基于机器视觉的城轨列车定位与测速方法,其特征在于,所述图像采集一体机还包括防护罩,该防护罩具备相机遮挡报警功能;该防护罩为圆柱形防护罩,圆柱形防护罩的柱身采用铝合金,底部设有防尘玻璃,该防护罩将高速工业相机和LED光源支架包裹住,且与连接板固定连接;该防护罩通过相机拍摄的图像,判断是否有异物或尘雾遮挡在防尘玻璃上,若有,则发出警报。
5.根据权利要求1所述的一种基于机器视觉的城轨列车定位与测速方法,其特征在于,所述改进的YOLO算法网络结构为21层,包括卷积层、最大池化层、直通层和输出层;所述输出层输出轨枕中心位置的偏移,高宽偏移,置信度和类别概率;所述卷积层包括卷积、批量归一化和激活函数,激活函数采用Leaky-ReLU函数,其表达式f(x)为:
f(x)=max(ax,x)
其中:a为常数,x为输入量,max(.)为取最大值函数。
6.根据权利要求1所述的一种基于机器视觉的城轨列车定位与测速方法,其特征在于,所述步骤3中改进的YOLO算法在进行训练时采用的损失函数L(O,o,C,c,l,g)包括目标定位偏移量损失函数Lloc(l,g)、目标置信度损失函数Lconf(o,c)以及目标分类损失函数Lcla(O,C);
L(O,o,C,c,l,g)=λ1Lconf(o,c)+λ2Lcla(O,C)+λ3Lloc(l,g)
其中λ1,λ2和λ3均为平衡系数,目标定位偏移量损失函数Lloc(l,g)采用的是真实值与预测值之间差的平方和,表达式为:
其中pos为所有的真实框,分别为第i个真实框的中心横纵坐标和宽高值;分别为第i个预测框的中心横纵坐标和宽高值,tx、ty、tw、th分别为中心横纵坐标预测偏移量和宽高预测偏移量,分别为第i个真实框的中心横纵坐标和宽高值,xi、yi、wi、hi分别为第i个预测框中心横纵坐标和宽高值,σ为Sigmiod函数;
目标置信度损失函数Lconf(o,c)的表达式为:
oi∈{0,1}表示预测目标边界框i中是否真实存在目标,0表示不存在,1表示存在,通过Sigmiod函数得到,表示预测目标矩形框i内是否存在目标的概率;
目标分类损失函数Lcla(O,C)的表达式为:
其中Pos为所有的预测目标边界框,cla为所有目标类的Sigmoid概率,Oij∈{0,1},表示预测目标边界框i中是否真实存在第j类目标,0表示不存在,1表示存在,为通过Sigmoid函数得到网络预测目标边界框i内存在第j类目标的概率。
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中车南京浦镇车辆有限公司,未经中车南京浦镇车辆有限公司许可,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/202011083845.3/1.html,转载请声明来源钻瓜专利网。