一种轨距检测方法及装置制造方法及图纸

本申请提供了一种轨距检测方法及装置，包括：获取轨道图像；然后将轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中，预测过程包括：首先提取轨道图像的特征信息，得到轨道图像的特征图像；再根据特征图像确定轨道图像的语义分割图像、以及特征图像中每个像素点的特征向量；进一步地，基于特征图像、特征图像中每个像素点的特征向量、以及语义分割图像，确定实例分割图像；最后，基于实例分割图像以及预先设置的参数矩阵，确定属于同一轨道区域的两条轨道边缘线之间的轨距。通过这种方法，可以降低轨距检测的成本，提高轨距检测的准确率。

A Method and Device for Measuring Rail Gauge

【技术实现步骤摘要】
一种轨距检测方法及装置
本申请涉及检测
，尤其是涉及一种轨距检测方法及装置。
技术介绍
为保证轨道车辆行驶安全，需定期对轨道进行检测，而轨距检测是轨道检测的一项必不可少的检测项。现有技术中,主要通过激光雷达传感器或双目相机对轨道进行图像获取，然后通过获取的图像进行轨距检测。然而采用激光雷达传感器进行检测或者通过双目相机进行检测的方式成本较高；并且，对于轨道接口处的检测，由于现有技术中只能区分轨道，而并不能区分是哪条轨道，因此可能会导致对包含多条轨道的图像的检测失误，进而导致轨距检测时准确率较低。
技术实现思路
有鉴于此，本申请的目的在于提供一种轨距检测方法及装置，以降低轨距检测的成本，提高轨距检测的准确率。第一方面，本申请实施例提供了一种轨距检测方法，包括：获取轨道图像；将所述轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中，所述预测过程包括：提取所述轨道图像的特征信息，得到所述轨道图像的特征图像；根据所述特征图像确定所述轨道图像的语义分割图像、以及所述特征图像中每个像素点的特征向量；其中，所述语义分割图像标记有所述轨道图像中的轨道区域以及背景区域；基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，其中，所述实例分割图像标记有所述特征图像中属于同一轨道的轨道边缘线；基于所述实例分割图像以及预先设置的参数矩阵，确定属于同一轨道区域的两条轨道边缘线之间的轨距。结合第一方面，本申请实施例提供了第一方面的第一种可能的实施方式，其中，根据所述特征图像确定所述轨道图像的语义分割图像，包括：将所述轨道图像的特征图像转换为标记有轨道区域以及背景区域的轨道图像；将所述轨道图像中轨道区域对应的每个像素点的像素值调整为第一数值，以及将所述轨道图像中背景区域对应的每个像素点的像素值调整为第二数值之后，得到所述轨道图像的语义分割图像。结合第一方面的第一种可能的实施方式，本申请实施例提供了第一方面的第二种可能的实施方式，其中，所述基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，包括：确定所述语义分割图像中像素值为第一数值的像素点所构成的第一选定区域图像；确定所述轨道图像的特征图像中与所述第一选定区域图像相匹配的第二选定区域图像；将所述特征图像中除第二选定区域图像外的其他区域图像的像素点的像素值调整为所述第二数值；根据调整后的特征图像，确定所述实例分割图像。结合第一方面的第二种可能的实施方式，本申请实施例提供了第一方面的第三种可能的实施方式，其中，所述根据调整后的特征图像，确定所述实例分割图像，包括：对所述特征图像中的每个像素值不为所述第二数值的像素点进行聚类；根据聚类结果，确定所述特征图像中的每个像素值不为所述第二数值的像素点的聚类标签；基于带有所述聚类标签的像素点，确定所述实例分割图像。结合第一方面，本申请实施例提供了第一方面的第四种可能的实施方式，其中，根据以下方式训练得到实例分割图像预测模型：获取轨道样本图像集合，其中，所述轨道样本图像集合中包括多张轨道样本图像、以及每张轨道样本图像对应的已标注好的实例分割参考图像；从所述轨道样本图像集合中选择至少一张轨道样本图像输入至待训练的实例分割图像预测模型，得到每张轨道样本图像对应的实例分割预测图像；基于每张轨道样本图像对应的实例分割预测图像和实例分割参考图像，计算本轮训练过程的损失值；当计算的损失值大于设定阈值时，调整所述待训练的实例分割图像预测模型的模型参数，从所述轨道样本图像集合中继续选择至少一张轨道样本图像并进行下一轮训练，直至计算的损失值小于或等于所述设定阈值时，确定训练完成。第二方面，本申请实施例还提供一种轨距检测装置，包括：获取模块，用于获取轨道图像；提取模块，用于提取所述轨道图像的特征信息，得到所述轨道图像的特征图像；预测模块，用于将所述轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中预测模块包括：第一确定单元，用于根据所述特征图像确定所述轨道图像的语义分割图像、以及所述特征图像中每个像素点的特征向量；其中，所述语义分割图像标记有所述轨道图像中的轨道区域以及背景区域；第二确定单元，用于基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，其中，所述实例分割图像标记有所述特征图像中属于同一轨道的轨道边缘线；轨距确定模块，用于基于所述实例分割图像以及预先设置的参数矩阵，确定属于同一轨道区域的两条轨道边缘线之间的轨距。结合第二方面，本申请实施例提供了第二方面的第一种可能的实施方式，其中，所述第一确定单元，在根据所述特征图像确定所述轨道图像的语义分割图像时，具体用于：将所述轨道图像的特征图像转换为标记有轨道区域以及背景区域的轨道图像；将所述轨道图像中轨道区域对应的每个像素点的像素值调整为第一数值，以及将所述轨道图像中背景区域对应的每个像素点的像素值调整为第二数值之后，得到所述轨道图像的语义分割图像。结合第二方面的第一种可能的实施方式，本申请实施例提供了第二方面的第二种可能的实施方式，其中，所述第二确定单元，在基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像时，具体用于：确定所述语义分割图像中像素值为第一数值的像素点所构成的第一选定区域图像；确定所述轨道图像的特征图像中与所述第一选定区域图像相匹配的第二选定区域图像；将所述特征图像中除第二选定区域图像外的其他区域图像的像素点的像素值调整为所述第二数值；根据调整后的特征图像，确定所述实例分割图像。结合第二方面的第二种可能的实施方式，本申请实施例提供了第二方面的第三种可能的实施方式，其中，所述第二确定单元，在根据调整后的特征图像，确定所述实例分割图像时，具体用于：对所述特征图像中的每个像素值不为所述第二数值的像素点进行聚类；根据聚类结果，确定所述特征图像中的每个像素值不为所述第二数值的像素点的聚类标签；基于带有所述聚类标签的像素点，确定所述实例分割图像。结合第二方面，本申请实施例提供了第二方面的第四种可能的实施方式，其中，所述装置还包括：模型训练模块，用于根据以下方式训练得到实例分割图像预测模型：获取轨道样本图像集合，其中，所述轨道样本图像集合中包括多张轨道样本图像、以及每张轨道样本图像对应的已标注好的实例分割参考图像；从所述轨道样本图像集合中选择至少一张轨道样本图像输入至待训练的实例分割图像预测模型，得到每张轨道样本图像对应的实例分割预测图像；基于每张轨道样本图像对应的实例分割预测图像和实例分割参考图像，计算本轮训练过程的损失值；当计算的损失值大于设定阈值时，调整所述待训练的实例分割图像预测模型的模型参数，从所述轨道样本图像集合中继续选择至少一张轨道样本图像并进行下一轮训练，直至计算的损失值小于或等于所述设定阈值时，确定训练完成。第三方面，本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行上述第一方面，或第一方面的任一种可能的实施方式中的步骤。第四方面本文档来自技高网...

【技术保护点】
1.一种轨距检测方法，其特征在于，包括：获取轨道图像；将所述轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中，所述预测过程包括：提取所述轨道图像的特征信息，得到所述轨道图像的特征图像；根据所述特征图像确定所述轨道图像的语义分割图像、以及所述特征图像中每个像素点的特征向量；其中，所述语义分割图像标记有所述轨道图像中的轨道区域以及背景区域；基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，其中，所述实例分割图像标记有所述特征图像中属于同一轨道的轨道边缘线；基于所述实例分割图像以及预先设置的参数矩阵，确定属于同一轨道区域的两条轨道边缘线之间的轨距。

【技术特征摘要】
1.一种轨距检测方法，其特征在于，包括：获取轨道图像；将所述轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中，所述预测过程包括：提取所述轨道图像的特征信息，得到所述轨道图像的特征图像；根据所述特征图像确定所述轨道图像的语义分割图像、以及所述特征图像中每个像素点的特征向量；其中，所述语义分割图像标记有所述轨道图像中的轨道区域以及背景区域；基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，其中，所述实例分割图像标记有所述特征图像中属于同一轨道的轨道边缘线；基于所述实例分割图像以及预先设置的参数矩阵，确定属于同一轨道区域的两条轨道边缘线之间的轨距。2.根据权利要求1所述的方法，其特征在于，根据所述特征图像确定所述轨道图像的语义分割图像，包括：将所述轨道图像的特征图像转换为标记有轨道区域以及背景区域的轨道图像；将所述轨道图像中轨道区域对应的每个像素点的像素值调整为第一数值，以及将所述轨道图像中背景区域对应的每个像素点的像素值调整为第二数值之后，得到所述轨道图像的语义分割图像。3.根据权利要求2所述的方法，其特征在于，所述基于所述特征图像、所述特征图像中每个像素点的特征向量、以及所述语义分割图像，确定实例分割图像，包括：确定所述语义分割图像中像素值为第一数值的像素点所构成的第一选定区域图像；确定所述轨道图像的特征图像中与所述第一选定区域图像相匹配的第二选定区域图像；将所述特征图像中除第二选定区域图像外的其他区域图像的像素点的像素值调整为所述第二数值；根据调整后的特征图像，确定所述实例分割图像。4.根据权利要求3所述的方法，其特征在于，所述根据调整后的特征图像，确定所述实例分割图像，包括：对所述特征图像中的每个像素值不为所述第二数值的像素点进行聚类；根据聚类结果，确定所述特征图像中的每个像素值不为所述第二数值的像素点的聚类标签；基于带有所述聚类标签的像素点，确定所述实例分割图像。5.根据权利要求1所述的方法，其特征在于，根据以下方式训练得到实例分割图像预测模型：获取轨道样本图像集合，其中，所述轨道样本图像集合中包括多张轨道样本图像、以及每张轨道样本图像对应的已标注好的实例分割参考图像；从所述轨道样本图像集合中选择至少一张轨道样本图像输入至待训练的实例分割图像预测模型，得到每张轨道样本图像对应的实例分割预测图像；基于每张轨道样本图像对应的实例分割预测图像和实例分割参考图像，计算本轮训练过程的损失值；当计算的损失值大于设定阈值时，调整所述待训练的实例分割图像预测模型的模型参数，从所述轨道样本图像集合中继续选择至少一张轨道样本图像并进行下一轮训练，直至计算的损失值小于或等于所述设定阈值时，确定训练完成。6.一种轨距检测装置，其特征在于，包括：获取模块，用于获取轨道图像；预测模块，用于将所述轨道图像输入至预先训练好的实例分割图像预测模型中，执行预测过程；其中预测模块包括：提取单元，用于提取所述轨道图像的特征信息，得到所述轨道图像的特征图像；以及，第一确定单元，用于根据所述特征图像确定所述轨道图像的语义分割图...

【专利技术属性】
技术研发人员：黄永祯，童仁玲，王洋，
申请(专利权)人：银河水滴科技北京有限公司，
类型：发明
国别省市：北京,11