【技术实现步骤摘要】
一种基于视觉传感器的轨行区识别方法及装置
[0001]本专利技术涉及列车轨道线实时识别的领域,尤其涉及一种基于视觉传感器的轨行区识别方法及装置。
技术介绍
[0002]现代有轨电车是采用模块化车辆、具有多种路权、与地面交通方式以平交为主的中低运量、节能环保的新型智能交通系统。由于线路轨道铺设在城市中间,不可避免的与社会车辆共享路权,同时地面场景复杂,如车辆、行人、标识牌、建筑物以及信号灯等,目前只能依靠列车驾驶员来判断列车运行前方是否存在障碍物,列车驾驶员在列车运行过程中要时刻注意运行路段的状况,一旦发现对列车运行安全有威胁的障碍物就立即紧急制动,保障列车的安全运行;对于这种情况的紧急制动全部依赖列车驾驶员对危险情况的判断以及其对危险状况的反应时间,若列车驾驶员长时间驾驶产生疲劳时,就会造成注意力不集中、精神状态差的情况,当运行前方出现障碍物时,可能会导致延迟紧急制动的时间,造成运行事故。因此,障碍物检测技术是辅助驾驶员行驶的有效手段,而列车的轨行区域是判断列车运行前方障碍物的关键技术之一。
[0003]现有技术中, ...
【技术保护点】
【技术特征摘要】
1.一种基于视觉传感器的轨行区识别方法,其特征在于,包括:根据网络摄像头获取视频流数据;对所述视频流数据进行预处理,得到第一数据集,并根据所述第一数据集建立直角坐标系,再根据平均值算法对所述坐标系中数据进行均值计算,得到第二数据集,所述第二数据集为所述轨行区的原始左右轨道数据集;根据最小二乘法对所述第二数据集进行二次曲线拟合,得到第三数据集,根据所述第三数据集建立两条曲线,并将Y轴方向不大于所述曲线交点的数据去除,得到第四数据集;根据预设轨行安全区域计算公式对所述第四数据集进行循环计算,得到第五数据集并按照左右区域分别进行数据连接,得到轨行安全区域。2.根据权利要求1所述的一种基于视觉传感器的轨行区识别方法,其特征在于,所述对所述视频流数据进行预处理,得到第一数据集,包括:将所述视频流数据输入神经网络中进行图像分割,并进行二值化处理,得到第一图像;根据Canny边缘检测算法对所述第一图像进行边缘检测,得到第二图像,根据形态学运算对所述第二图像进行腐蚀处理,得到所述第一数据集,所述第一数据集为所述腐蚀处理后面积最大的数据集。3.根据权利要求2所述的一种基于视觉传感器的轨行区识别方法,其特征在于,所述得到第一数据集,并根据所述第一数据集建立直角坐标系之后的操作,包括:根据所述直角坐标系获取Y轴方向数据最小值,并以所述最小值向下偏移一定像素点的部分为顶部去除,并获取X轴方向数据最大值和最小值所对应的Y轴方向数据并以较小值向上偏移所述一定像素点的部分为底部去除,对所述第一数据集进行所述顶部去除和所述底部去除,得到数据处理后的第一数据集。4.根据权利要求1所述的一种基于视觉传感器的轨行区识别方法,其特征在于,所述根据最小二乘法对所述第二数据集进行二次曲线拟合,得到第三数据集,包括:根据二次曲线公式Y=a1*X2+a2*X+a3对所述第二数据集进行计算,将所述X数值分别带入所述曲线公式中,计算得到对应的Y数值,汇总得到所述第三数据集,其中a1,a2,a3为获取的参数,X为所述第二数据集中数据的横坐标,Y为所述第二数据集中数据的纵坐标。5.根据权利要求1所述的一种基于视觉传感器的轨行区识别方法,其特征在于,所述根据预设轨行安全区域计算公式对所述第四数据集进行循环计算,得到第五数据集,包括:步骤S51、根据公式track_p=fabs(left_track_x
‑
rigth_track_x)对所述第四数据集进行计算,得到列车车身像素点,其中track_p为所述列车车身像素点,fabs为一个求绝对值的函数,left_track_x为左铁轨的横坐标,rigth_track_x为右轨道的横坐标;步骤S52、将所述列车车身像素点输入公式train_p=(train_width*track_p)/track_width进行计算,得到列车宽度像素点,其中train_p为所述列车宽度像素点,train_width为所述列车车身宽度,track_width为所述轨道宽度;步骤S53、将所述列车车身像素点和所述列车宽度像素点输入公式left_trian_x=left_track_x
–
(train_p
–
track_p)/2或公式right_trian_x=right_track_x+(train_p
–
track_p)/2中进行计算,分别得到左安全X轴坐标和右安全X轴坐标,其中left_trian_x为所述左安全X轴坐标,right_trian_x为所述右安全X轴坐标;步骤...
【专利技术属性】
技术研发人员:黄仁欢,王忠卫,聂超,
申请(专利权)人:通号万全信号设备有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。