一种基于视觉的轨道道岔识别方法技术

本发明专利技术属于自动驾驶及计算机视觉领域，涉及一种基于视觉的轨道道岔识别方法，包括如下步骤：构建道岔分类网络模型；构建单轨分割网络模型；利用道岔分类网络模型判断当前帧轨道场景是否为道岔场景；利用单轨分割网络模型对道岔场景进行分割，得到具有分叉点的单轨区域图像；利用岔心点检测算法对单轨区域图像进行轨道岔心点识别，并输出岔心点坐标。本发明专利技术利用纯视觉来进行轨道道岔识别，可以获取到颜色信息和图像分布情况，易于直观的场景理解，可以提前对轨道分岔口在图像上进行定位。

【技术实现步骤摘要】
一种基于视觉的轨道道岔识别方法
本专利技术属于自动驾驶及计算机视觉领域，特别涉及一种基于视觉的轨道道岔识别方法。
技术介绍
近年来，在列车行驶场景下的安全感知逐渐受到人们的重视，列车轨道在道岔处与列车的位置关系是其中的一项必要的场景信息理解。在列车行驶过程中，由调度中心联系铁路工控制叉道，不需要由列车对分岔口进行方向的控制。目前基于轨道道岔识别技术，可以提前对可能发生的安全风险进行评估，或是对列车的行驶轨迹进行记录，这对列车的安全行驶具有极大的价值。然而列车行驶的轨道环境中，光照差异变化大、轨道交叉复杂、结合方式多等种种问题使得采用传统轨道道岔识别技术对轨道道岔识别具有一定的困难。随着深度学习的发展，道岔检测中的一些子问题可以与深度学习相结合，用以提高鲁棒性和检测精度，同时针对列车的高速场景，高精度、实时性是进行场景信息理解的目标，对于轨道道岔识别方法同样必不可少。由于列车行驶环境复杂，基于摄像头的感知是列车行驶过程中受到最小干扰的传感方法，因此研究基于视觉的轨道道岔识别方法至关重要。
技术实现思路
r>针对列车场景中的本文档来自技高网...

【技术保护点】
1.一种基于视觉的轨道道岔识别方法，其特征在于，包括如下步骤：/nS1：读取相机图像构建样本集，对所述样本集中的轨道场景按是否存在轨道道岔进行分类标注，并将标注后的样本集划分为训练集和测试集，以构建道岔分类网络模型；/nS2：对所述样本集中的轨道场景以像素为单位进行标注，每个像素划分为轨道和背景两个类别，并将标注后的样本集划分为训练集和测试集，以构建单轨分割网络模型；/nS3：持续读取相机图像，获取实时轨道场景；/nS4：利用步骤S1中构建的道岔分类网络模型对获取的当前帧轨道场景进行分类，若当前帧轨道场景不为道岔场景，则返回步骤S3读取下一帧轨道场景，若为道岔场景，则继续步骤S5；/nS5：利...

【技术特征摘要】
1.一种基于视觉的轨道道岔识别方法，其特征在于，包括如下步骤：
S1：读取相机图像构建样本集，对所述样本集中的轨道场景按是否存在轨道道岔进行分类标注，并将标注后的样本集划分为训练集和测试集，以构建道岔分类网络模型；
S2：对所述样本集中的轨道场景以像素为单位进行标注，每个像素划分为轨道和背景两个类别，并将标注后的样本集划分为训练集和测试集，以构建单轨分割网络模型；
S3：持续读取相机图像，获取实时轨道场景；
S4：利用步骤S1中构建的道岔分类网络模型对获取的当前帧轨道场景进行分类，若当前帧轨道场景不为道岔场景，则返回步骤S3读取下一帧轨道场景，若为道岔场景，则继续步骤S5；
S5：利用步骤S2中构建的单轨分割网络模型对道岔场景进行分割，得到具有分叉点的单轨区域图像；
S6：利用岔心点检测算法对步骤S5中得到的单轨区域图像进行轨道岔心点识别，并输出岔心点坐标；
S7：当前帧轨道场景的轨道道岔识别结束，返回步骤S3读取下一帧轨道场景。


2.根据权利要求1所述的方法，其特征在于，步骤S5具体过程为：对道岔场景进行预处理后输入到步骤S2中构建的单轨分割网络模型中，输出道岔场景原始图像大小的单轨掩码图，所述单轨掩码图是二通道的灰度图像，对道岔场景图像的每个像素的两个通道取较大概率数的通道作为像素的类别，得到单轨区域图像。


3.根据权利要求2所述的方法，其特征在于，步骤S6包括如下子步骤：
S61：图像数据预处理
将步骤S5中得到的单轨区域图像的单轨掩码图缩放到道岔场景原始图像大小，并利用高斯滤波去除噪点；
S62：搜索岔心点
1)对预处理后的单轨区域图像的连通域进行层级分析，根据连通域的位置关系划分出三种场景：
场景1：单轨出现道岔并延伸出两条不同的轨道；
场景2：单轨出现道岔但延伸出的两条轨道在一段距离后合并；
场景3：存在两个非连通并且成并列关系的轨道；
2)保留所述场景1和所述场景2，并对两种场景进行角点检测以提取连通...

【专利技术属性】
技术研发人员：余贵珍，付子昂，王章宇，王朋成，周彬，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11