一种基于分割图像的轨道线路检测方法技术

本发明专利技术提供了一种基于分割图像的轨道线路检测方法。该方法包括：利用无人机俯拍的轨道线路的视频图像得到分割掩模，将分割掩膜表示为离散化的梯形块；建立梯形块节点的有向图，过滤低置信度的梯形块区域；根据梯形块节点的有向图将过滤后得到的离散化的梯形块重构为连续曲线，利用所述连续曲线表示轨道线路。本发明专利技术针对轨道目标的连续性、线性和自身结构的相似性特征，对分割结果进行了离散化表示，有利于精准识别轨道线。考虑复杂场景中的轨道，包括光线变换与遮挡问题，对分割结果进行了过滤，提高了识别的准确性。提高了识别的准确性。提高了识别的准确性。

【技术实现步骤摘要】
一种基于分割图像的轨道线路检测方法


[0001]本专利技术涉及轨道巡线
，尤其涉及一种基于分割图像的轨道线路检测方法。

技术介绍

[0002]与人工巡检相比，基于无人机的轨道自主巡线方案在效率与安全性方面都有极大的优势，因此无人机自主巡检方案是轨道运营环境巡检的发展趋势。在无人机自主沿轨道线路导航过程中，实时、高精度的轨道目标检测是需要解决的首要挑战之一。
[0003]目前，现有技术中的轨道线路检测方法主要有人工构造特征和启发式算法，特征包括颜色、梯度、结构张量和脊状特征等，启发式算法包括霍夫变换、K
‑
均值滤波器和卡尔曼滤波器等。
[0004]随着深度学习的发展，轨道目标检测可被设计成端到端的训练任务，主要包括两个步骤：通过深度神经网络来识别轨道目标在图像中的位置，然后利用评分网络来判断目标是否存在缺陷。
[0005]目前，现有技术中的轨道线路检测方法仍缺乏针对无人机平台进行轨道线路检测的系统方法。启发式算法经常无法处理复杂场景中的轨道(如光照条件变化和背景噪声)，深度学习方法会忽略轨道线路的内在特征(如线性形状和独特的结构)。

技术实现思路

[0006]本专利技术的实施例提供了一种基于分割图像的轨道线路检测方法，以实现有效地利用无人机检测轨道线路。
[0007]为了实现上述目的，本专利技术采取了如下技术方案。
[0008]一种基于分割图像的轨道线路检测方法，包括：
[0009]利用无人机俯拍的轨道线路的视频图像得到分割掩模，将分割掩膜表示为离散化的梯形块；
[0010]建立梯形块节点的有向图并聚类，过滤低置信度的梯形块区域；
[0011]根据梯形块节点的有向图将过滤后得到的离散化的梯形块重构为连续曲线，利用所述连续曲线表示轨道线路。
[0012]优选地，所述的利用无人机俯拍的轨道线路的视频图像得到分割掩模，将分割掩膜表示为离散化的梯形块，包括：
[0013]通过无人机连续俯拍轨道线路的视频数据，将视频数据分割成连续的多帧轨道线路图像，基于轨道线路图像采用基于轻量神经网络的铁路轨道时实分割方法得到分割掩模M，分割掩模M表示图像中的铁路轨道；
[0014]将分割掩模M划分为一组沿铁轨方向的等间隔的小连接域，根据连接域的凸轮廓计算将每个连接域表示为一个梯形块，得到一组梯形块的中心点和四个顶点坐标，每一个梯形块表示为t＝{U0,U1,U2,U3,U4}，U0为梯形块的中心，U1～U4为梯形块的四个顶点。
[0015]优选地，所述的根据连接域的凸轮廓计算将每个连接域表示为一个梯形块，包括：
[0016]设多边形U1U2U4U3为目标连接域，v
t
是目标连接域轮廓的顶部，v
b
是目标连接域轮廓的底部，Δv
th
＝|v
b
‑
v
t
|/10表示缓冲区阈值，分别通过从x
t
到v
t
‑
Δv
th
和从v
b
到v
b
+Δv
th
确定最左和最右的顶点，计算得到四个候选顶点将四个候选顶点延伸至梯形左右腰轮廓间的顶边和底边，得到梯形的四个顶点U1～U4，实现将所述目标连接域表示为梯形块。
[0017]优选地，所述的建立梯形块节点的有向图并聚类，过滤低置信度的梯形块区域，包括：
[0018]对分割得到的梯形块进行过滤处理的过程表示为式(2)：
[0019]S＝Filter(T)(2)
[0020]式中，S＝{s1,s2,
…
,s
m
}表示过滤得到的轨道线，s
i
＝{t
i1
,t
i2
,
…
,t
ik
}表示一组梯形块；
[0021]将梯形块作为节点，建立有向图，利用聚类算法将离散的梯形块T聚集为链状结构，经过过滤处理，根据链状结构长度和强节点数目保留具有高置信度的链状结构作为真实的轨道线，低置信度的链状结构作为背景被过滤。
[0022]优选地，所述的建立梯形块节点有向图并聚类为链状结构，根据链状结构长度和强节点数目保留具有高置信度的链状结构作为真实的轨道线，低置信度的链状结构作为背景被过滤，包括：
[0023]对于任何一对梯形块t
i
,t
j
∈T，中心点分别为和两个梯形块节点之间的距离表示为式(3)：
[0024][0025]式中，h
th
表示节点之间关联的高度最大阈值，如果t
i
和t
j
之间的高度差大于h
th
，则距离d
ij
为无穷大，则判定t
i
和t
j
之间没有直接的关联，两个节点之间的距离是单向的，当d
ij
存在时，d
ji
为无穷大，将边界节点作为聚类簇，利用凝聚聚类算法将所有节点划分为轨道候选节点；
[0026]如果梯形块节点包含一对轨道并被道渣包围，则该梯形块节点构成强节点，否则构成弱节点；过滤长度小于图像高度一半的候选轨道线或者强节点数目少于所有节点数一半的候选轨道线，其余的被视为轨道线路。
[0027]优选地，所述的根据梯形块节点的有向图将过滤后得到的离散化的梯形块重构为连续曲线，利用所述连续曲线表示轨道线路，包括：
[0028]分别利用二次多项式和线性函数表示轨道中心线和轨道宽度，将过滤得到的分割区域离散的节点重构为连续曲线来表示轨道线，表示为式(4)：
[0029]L＝Reconstruct(S)(4)
[0030]式中，S表示过滤后得到的轨道线路，L＝{l1,l2,
…
,l
m
}表示重构后的轨道区域，l
i
＝(CL(u,v),W(w,v))表示一条重构后的轨道线，CL表示轨道中线表达，Ws表示轨道宽度表达，(u,v)表示中线上点的图像坐标，w表示图像纵坐标v处轨道宽度；
[0031]分别采用二次多项式曲线和以v为自变量的线性函数来近似轨道中心线和宽度，如式(5)(6)：
[0032]CL(u,v|a1,b1,c1):u＝a1v2+b1v+c1(5)
[0033]W(w,v|a2,b2):w＝a2v+b2(6)
[0034]式中a1,b1,c1为CL的多项式系数，a2,b2为W的多项式系数。
[0035]由上述本专利技术的实施例提供的技术方案可以看出，本专利技术提出了一种创新的基于离散过滤重构的方法来构建具有高度置信度的局部识别结果，为轨道线检测中的错误分割、背景噪声和遮挡问题提供了系统的解决方案。
[0036]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分割图像的轨道线路检测方法，其特征在于，包括：利用无人机俯拍的轨道线路的视频图像得到分割掩模，将分割掩膜表示为离散化的梯形块；建立梯形块节点的有向图并聚类，过滤低置信度的梯形块区域；根据梯形块节点的有向图将过滤后得到的离散化的梯形块重构为连续曲线，利用所述连续曲线表示轨道线路。2.根据权利要求1所述的方法，其特征在于，所述的利用无人机俯拍的轨道线路的视频图像得到分割掩模，将分割掩膜表示为离散化的梯形块，包括：通过无人机连续俯拍轨道线路的视频数据，将视频数据分割成连续的多帧轨道线路图像，基于轨道线路图像采用基于轻量神经网络的铁路轨道时实分割方法得到分割掩模M，分割掩模M表示图像中的铁路轨道；将分割掩模M划分为一组沿铁轨方向的等间隔的小连接域，根据连接域的凸轮廓计算将每个连接域表示为一个梯形块，得到一组梯形块的中心点和四个顶点坐标，每一个梯形块表示为t＝{U0，U1，U2，U3，U4}，U0为梯形块的中心，U1～U4为梯形块的四个顶点。3.根据权利要求2所述的方法，其特征在于，所述的根据连接域的凸轮廓计算将每个连接域表示为一个梯形块，包括：设多边形U1U2U4U3为目标连接域，v
t
是目标连接域轮廓的顶部，v
b
是目标连接域轮廓的底部，Δv
th
＝|v
b
‑
v
t
|/10表示缓冲区阈值，分别通过从v
t
到v
t
‑
Δv
th
和从v
b
到v
b
+Δv
th
确定最左和最右的顶点，计算得到四个候选顶点将四个候选顶点延伸至梯形左右腰轮廓间的顶边和底边，得到梯形的四个顶点U1～U4，实现将所述目标连接域表示为梯形块。4.根据权利要求1所述的方法，其特征在于，所述的建立梯形块节点的有向图并聚类，过滤低置信度的梯形块区域，包括：对分割得到的梯形块进行过滤处理的过程表示为式(2)：S＝Filter(T)
ꢀꢀꢀ
(2)式中，S＝{s1，s2，
…
，s
m
}表示过滤得到的轨道线，s
i
＝{t
i1
，t
i2
，
…
，t
ik
}表示一组梯形块；将梯形块作为节点，建立有向...

【专利技术属性】
技术研发人员：李晓峰，杨晗，郭玉新，张浩然，陶震林，贾利民，
申请(专利权)人：北京交通大学，
类型：发明
国别省市：