【技术实现步骤摘要】
一种轨道交通线自适应标记方法、计算机设备及存储介质
[0001]本专利技术属于轨道交通
，具体涉及轨道交通线标记方法。
技术介绍
[0002]随着人工智能、智能交通、5G通信技术的深入发展和城市规模的逐渐扩大，越来越多的视觉和深度学习技术被运用在轨道交通和无人驾驶产业中。传统的视觉检测和激光雷达等技术都被广泛应用在各类场合，例如轨道交通障碍物检测、进出站的行人检测或受电弓安全检测或行车安全监测等。其中，交通轨道线的准确定位识别往往是整个行车安全检测的前提和基础，在轨道交通的安全监测和智能驾驶等方面具有极其重要意义。
[0003]在轨道识别检测方面，国内外研究比较多，算法主要集中各类边缘提取算子方面，如利用Sobel算子及其改进型来提取轨道的边缘信息,然后通过直线拟合的方法来检测轨道，但该方法仅仅适合直线方法，对于弯曲轨道检测存在较大的误差。部分学者提出利用图像匹配技术、Hog特征或数学形态学等方法来识别轨道，算法较以往单纯的边缘检测算法更为复杂，且都取得了不错的检测效果，但此类算法往往易受图像的质量影响。
【技术保护点】
【技术特征摘要】
1.一种轨道交通线自适应标记方法，其特征在于，包括如下步骤：步骤S1：标记第一帧图像，设轨道线沿着图像的Y方向延伸，与Y方向垂直的方向为X方向，沿着轨道线延伸方向，标记轨道线两侧轨道，设轨道线数据在Y方向两侧为左右两侧，用点阵表示，分别为EdegL和EdgeR；步骤S2：依据步骤S1的标记信息提取相机的投影变换规律，轨道线随着Y变化，用一维数组EdgeW描述，如公式(1)，EdgeW＝EdgeR(X)
‑
EdgeL(X)
ꢀꢀꢀꢀꢀꢀꢀ
(1)用轨道线的右侧的值减去左侧的X坐标，记录图像中每个Y值对应的轨道宽度；接着，按次序逐次提取图像帧数据，进行以下处理：步骤S3:提取边缘信息；步骤S4:将边缘信息沿X方向自适应拓展；步骤S5:初步hough变换，提取轨道中心线的低阶参数；步骤S6：二次hough变换,提取轨道中心线的高阶参数；步骤S7：计算得到轨道中心线；步骤S8：依据投影映射规律，计算轨道中心两侧的轨道，实现轨道交通的语义分割。2.根据权利要求1所述的一种轨道交通线自适应标记方法，其特征在于，步骤S3包括如下步骤：3.1：假设当前帧的图像为G1,依据Canny边缘检测算法提取边缘信息，此时得到的图像为G2，如公式(2)，G2＝Canny(G1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)；3.2：对于图像G2，通过预设定的ROI区域过滤掉无关的边缘点，此时生成有效的图像G3；3.3：对于图像G3，假定所有的边缘点集合为E1(P)，进一步通过约束机制过滤无关点；对于E1(P)的所有点，如果其存在邻居边缘点，其X方向的间距接近EdgeW，此时提取的点集合为E2(P)，剩余点集合为E3(P)；3.4：对于点集E3(P)的任意点，若与点集E2(P)某些点的水平距离和垂直距离不超过设定的范围，则这些点可看作潜在的轨道边缘点，与初步筛选的点集E2(P)，合并生成新的有效轨道点集合E4(P)。3.根据权利要求2所述的一种轨道交通线自适应标记方法，其特征在于，步骤S4包括如下步骤：对于E4(P)中的任意一个点数据Pi，分别沿着X的方向左右拓展，拓展的宽度为该点所在区域的轨道宽度的1/2，PLi＝(Pi.X
‑
Wi/2,Pi.Y)PRi＝(Pi.X
‑
Wi/2,Pi.Y)其中，PLi和PRi分别是Pi往左右方向拓展的边缘点，其Y值保持不变，而X值与Pi的X值相差Wi/2，而Wi该点所对应的轨道投射宽度，即是EW数据中，当y＝Pi.Y的对应的宽度值；以点PLi和PRi为中心，左右再自适应拓展1
‑
3个像素，这样单个点拓展成3到7个点，此时，所有的拓展点都可能位于轨道的中心线上，这些拓展点可记为新的点集合E5(P)。4.根据权利要求3所述的一种轨道交通线自适应标记方法，其特征在于，步骤S5中，图
像中的轨道中心线用不超过...
【专利技术属性】
技术研发人员：袁锦辉，
申请(专利权)人：浙江网新智能技术有限公司，
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。