一种基于激光雷达的隧道内列车主动障碍物检测系统及方法技术方案

本发明专利技术涉及一种基于激光雷达的隧道内列车主动障碍物检测系统及方法，该系统包括激光雷达、车载主机、网络交换机、显示设备、告警装置和制动装置；所述的车载主机通过网络交换机分别连接车头前置的激光雷达和显示设备，所述的车载主机通过数字输出接口分别连接告警装置和制动装置；所述的车载主机通过对激光雷达点云数据的处理分析，提取列车前方的轨行区空间特征，并根据识别到的轨行区对列车前方障碍物进行检测。与现有技术相比，本发明专利技术具有部署简单，结构轻量化，成本低，实时性好，检测结果稳定、准确，安全可靠等优点。

【技术实现步骤摘要】
一种基于激光雷达的隧道内列车主动障碍物检测系统及方法
本专利技术涉及轨道交通自主检测与防护领域，尤其是涉及一种基于激光雷达的隧道内列车主动障碍物检测系统及方法。
技术介绍
随着地铁技术的快速发展以及城市地铁交通网的越来越密集、复杂，地铁的运行速度越来越快，自动化程度越来越高，对于信号系统的安全、可靠以及效率提出了更高的要求。当前对于地铁信号系统来说，从传统的司机驾驶，到目前的自动驾驶，主要是听指令行车，列车从调度中心获取移动授权然后动车，并控制运行速度，这可以满足绝大多数运营的需求，但是对于一些意外的特殊场景，仍然会存在一定的安全隐患。近年来，也发生了一些事故案例，譬如，因为外部施工单位私自打桩击穿隧道导致列车车头撞击受损；地铁车辆撞上轨道旁未关闭到位的人防门事故；以及多起地铁车辆追尾事故。这些意外出现在轨道上的障碍物，未来必将成为自动驾驶的最大挑战。因此，地铁自动驾驶不仅应具有听令行车的耳朵，同时应具备自主防护的眼睛，用于处理一些可能的障碍物侵限事件，从而提高列车的运行安全与效率。经过多年的发展，汽车领域的自动驾驶技术，已经逐步走向成熟。很多自动驾驶领域的技术，也逐渐扩展到其它领域，譬如多传感器技术的融合，深度学习以及大数据处理技术，这也给轨道交通带来了新的机遇，它可以为轨道交通提供自主检测与防护的眼睛。目前激光点云在轨道交通领域的使用与研究尚处于早期阶段，加之地铁隧道内独特的空间结构特性，隧道与地面道路环境差异较大，为激光雷达在地铁内的使用也带来了挑战。在地铁内要实现防撞预警功能，首要任务是识别出地铁的安全运行空间，即地铁轨道的轨行区，当前方轨行区的空间确定后，才能够对前方探测到的物体进行障碍物判别。目前地面道路针对前方道路的行驶区域判别，综合了雷达SLAM与GNSS定位系统，能够做到非常精确的车辆定位，从而根据构建好的点云地图来区分行驶区域。但地铁隧道绝大部分位于地下，无法通过卫星信号进行定位，且隧道一般都是长管道，从激光点云数据中可识别的空间特征非常少，利用SLAM技术在地铁隧道内实时定位也难以实现。
技术实现思路
本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于激光雷达的隧道内列车主动障碍物检测系统及方法。本专利技术的目的可以通过以下技术方案来实现：根据本专利技术的一个方面，提供了一种基于激光雷达的隧道内列车主动障碍物检测系统，该系统包括激光雷达、车载主机、网络交换机、显示设备、告警装置和制动装置；所述的车载主机通过网络交换机分别连接车头前置的激光雷达和显示设备，所述的车载主机通过数字输出接口分别连接告警装置和制动装置；所述的车载主机通过对激光雷达点云数据的处理分析，提取列车前方的轨行区空间特征，并根据识别到的轨行区对列车前方障碍物进行检测。作为优选的技术方案，所述的制动装置包括车辆常规制动和车辆紧急制动；所述的车载主机为实时接收并处理激光雷达采集到的点云数据，并将处理识别的结果进行对外输出，并控制告警设备、列车常规制动、列车紧急制动；所述的激光雷达为采集点云数据的传感器，并实时向车载主机输出采集到的点云数据；所述的网络交换机用于实时传输点云数据与处理结果。作为优选的技术方案，所述的系统有效识别列车前方的行驶安全区域的三维空间，实现主动障碍物检测与防撞，通过告警信息辅助司机进行安全驾驶，接入列车制动系统，控制常规制动与紧急制动。根据本专利技术的另一个方面，提供了一种采用所述的基于激光雷达的隧道内列车主动障碍物检测系统的方法，该方法包括以下步骤：步骤1、实时采集雷达点云数据，完成数据清洗与预处理；步骤2、在激光点云的坐标系中根据实时采集的隧道点云提取特征点；步骤3、对特征点进行拟合与修正，建立列车前方轨行区的三维空间数学模型；步骤4、根据轨行区内的点云进行聚类，检测障碍物，计算障碍物的大小与距离；步骤5、输出告警信息，并根据危险等级触发常规制动或紧急制动。作为优选的技术方案，所述的步骤1中的数据清洗与预处理具体包括以下步骤：步骤1.1、筛除掉点云数据中数值为异常值的点，确保收到的数据能够保持同一种数据格式；步骤1.2、筛除隧道空间外部的异常点，由于隧道是一个相对封闭的空间，落在隧道空间外的点都要滤除；步骤1.3、点云降采样，在保留点云特征的基础上，滤除部分点云，实施降采样处理；步骤1.4、降采样处理后的点云再进行隧道纵断面的提取，在沿隧道走向相对短的一段距离内，隧道的形态近似视为直线段，以该直线段内点云沿隧道方向的坐标轴为方向，对该轴上的点云坐标进行分段处理，从而得到多个反应隧道特征额纵断面点云；步骤1.5、断面点云分类，针对二维的断面点云，采用二维坐标系下的数学方法对其进行拟合处理，以区分不同类型的断面，并通过点云与拟合曲线之间的平均距离作为点云形态是否匹配的标准。作为优选的技术方案，所述的步骤1.1中数值为异常值的点，包括数据为Nan或是空值的点。作为优选的技术方案，所述的步骤1.2中筛除隧道空间外部的异常点的方式包括半径滤波和直通滤波。作为优选的技术方案，所述的步骤1.3中降采样的方式包括体素滤波和随机降采样。作为优选的技术方案，所述的步骤1.5中不同类型的点云断面区域包括隧道区、站台区、折返区和防淹门。作为优选的技术方案，所述的步骤2具体包括：根据地铁隧道内的空间特性以及不同的断面类型，搭建基于激光点云的隧道临界点提取模型，并对每个断面提取隧道的特征点，所述的断面类型包括管状隧道的点云断面、站台的点云断面和轨面断面。作为优选的技术方案，，对于所述管状隧道的点云断面轨行区提取方法具体包括：通过在二维的点云中查找断面两侧距离中心最远的点，为隧道壁上的特征点；隧道断面点云山两侧特征点在断面横坐标上的均值，为当前断面的轨道中心特征点；根据轨道中心与列车车辆的安全边界，推导出隧道内的轨行区安全边界特征点。作为优选的技术方案，对所述站台的轨行区提取方法具体包括：将满足竖直线形态的散点过滤出来，根据提取的竖直线点云的长度以及其点云是否连续，作为判断站台区边界的标准，选取最长且连续的竖直线形态的点云作为站台的边界特征点；根据列车车辆的安全边界，推导出站台区域的轨行区安全边界特征点。作为优选的技术方案，对所述轨面特征点的提取方法具体包括：通过已获取的轨道中心特征点，根据已知钢轨的轨距，采用直通滤波方式，得到轨道范围内的断面点云子集，对该子集中的点进行Z轴上的排序，并对该子集的点以Z轴的值为参照进行聚类，选取聚类后Z轴均值最低的点作为轨道轨面区域。作为优选的技术方案，当无法获取到隧道完整断面点云导致断面上的特征点缺失或错判时，对这类干扰点根据该断面前连续多个断面的特征点进行滤波处理。作为优选的技术方案，所述无法获取到隧道完整断面点云的情况包括：1)由于雷达视角问题，隧道弯道处只能采集到的隧道单侧的点云；2)由于远处物体反射率不足，断面点云本文档来自技高网...

【技术保护点】
1.一种基于激光雷达的隧道内列车主动障碍物检测系统，其特征在于，该系统包括激光雷达、车载主机、网络交换机、显示设备、告警装置和制动装置；/n所述的车载主机通过网络交换机分别连接车头前置的激光雷达和显示设备，所述的车载主机通过数字输出接口分别连接告警装置和制动装置；/n所述的车载主机通过对激光雷达点云数据的处理分析，提取列车前方的轨行区空间特征，并根据识别到的轨行区对列车前方障碍物进行检测。/n

【技术特征摘要】
1.一种基于激光雷达的隧道内列车主动障碍物检测系统，其特征在于，该系统包括激光雷达、车载主机、网络交换机、显示设备、告警装置和制动装置；
所述的车载主机通过网络交换机分别连接车头前置的激光雷达和显示设备，所述的车载主机通过数字输出接口分别连接告警装置和制动装置；
所述的车载主机通过对激光雷达点云数据的处理分析，提取列车前方的轨行区空间特征，并根据识别到的轨行区对列车前方障碍物进行检测。


2.根据权利要求1所述的系统，其特征在于，所述的制动装置包括车辆常规制动和车辆紧急制动；
所述的车载主机为实时接收并处理激光雷达采集到的点云数据，并将处理识别的结果进行对外输出，并控制告警设备、列车常规制动、列车紧急制动；
所述的激光雷达为采集点云数据的传感器，并实时向车载主机输出采集到的点云数据；
所述的网络交换机用于实时传输点云数据与处理结果。


3.根据权利要求1所述的系统，其特征在于，所述的系统有效识别列车前方的行驶安全区域的三维空间，实现主动障碍物检测与防撞，通过告警信息辅助司机进行安全驾驶，接入列车制动系统，控制常规制动与紧急制动。


4.一种采用权利要求1所述的基于激光雷达的隧道内列车主动障碍物检测系统的方法，其特征在于，该方法包括以下步骤：
步骤1、实时采集雷达点云数据，完成数据清洗与预处理；
步骤2、在激光点云的坐标系中根据实时采集的隧道点云提取特征点；
步骤3、对特征点进行拟合与修正，建立列车前方轨行区的三维空间数学模型；
步骤4、根据轨行区内的点云进行聚类，检测障碍物，计算障碍物的大小与距离；
步骤5、输出告警信息，并根据危险等级触发常规制动或紧急制动。


5.根据权利要求4所述的方法，其特征在于，所述的步骤1中的数据清洗与预处理具体包括以下步骤：
步骤1.1、筛除掉点云数据中数值为异常值的点，确保收到的数据能够保持同一种数据格式；
步骤1.2、筛除隧道空间外部的异常点，由于隧道是一个相对封闭的空间，落在隧道空间外的点都要滤除；
步骤1.3、点云降采样，在保留点云特征的基础上，滤除部分点云，实施降采样处理；
步骤1.4、降采样处理后的点云再进行隧道纵断面的提取，在沿隧道走向相对短的一段距离内，隧道的形态近似视为直线段，以该直线段内点云沿隧道方向的坐标轴为方向，对该轴上的点云坐标进行分段处理，从而得到多个反应隧道特征额纵断面点云；
步骤1.5、断面点云分类，针对二维的断面点云，采用二维坐标系下的数学方法对其进行拟合处理，以区分不同类型的断面，并通过点云与拟合曲线之间的平均距离作为点云形态是否匹配的标准。


6.根据权利要求5所述的方法，其特征在于，所述的步骤1.1中数值为异常值的点，包括数据为Nan或是空值的点。


7.根据权利要求5所述的方法，其特征在于，所述的步骤1.2中筛除隧道空间外部的异常点的方式包括半径滤波和直通滤波。


8.根据权利要求5所述的方法，其特征在于，所述的步骤1.3中降采样的方式包括体素滤波和随机降采样。


9.根据权利要求5所述的方法，其特征在于，所述的步骤1.5中不同类型的点云断面区域包括隧道区、站台区、折返区和防淹门。


10.根据权利要求4所述的方法，其特征在于，所述的步骤2具体包括：
根据地铁隧道内的空间特性以及不同的断面类型，搭建基于激光点云的隧道临界点提取模型，并对每个断面提取隧道的特征点，所述的断面类型包括管状隧道的点云断面、站台的点云断面和轨面断面。


11.根据权利要求10所述的方法，其特征在于，对于所述管状隧道的点云断面轨行区提取方法具体包括：
通过在二维的点云中查找断面两侧距离中心最远的点，为隧道壁上的特征点；隧道断面点云两侧特征点在断面横坐标上的均值，为当前断面的轨道中心特征点；根据轨道中心与列车车辆的安全边界，推导出隧道内的轨行区安全边界特征点。


12.根据权利...

【专利技术属性】
技术研发人员：阳扬，孙军峰，蒋耀东，崔洪州，李云，刘涛，
申请(专利权)人：卡斯柯信号有限公司，
类型：发明
国别省市：上海;31