轨道车辆定位方法及其装置制造方法及图纸

本发明专利技术涉及一种轨道车辆定位方法，包括以下步骤：轨道车辆通过图像采集设备采集关于百米标的图像，对图像进行特征提取，获取百米标的序号n和第一位置；其中，n为三位数的自然数，第一位置为轨道车辆与第n百米标(前方百米标)的相对距离；轨道车辆采用毫米波雷达测量相对于第n

【技术实现步骤摘要】
轨道车辆定位方法及其装置


[0001]本专利技术属于交通领域，涉及一种轨道车辆的定位方法及其装置。

技术介绍

[0002]轨道车辆在线路上行驶过程中，定位信息是涉及行车安全的关键数据，用于监督列车行驶速度不超过线路限制值，或在线路特定位置点完成减速、鸣笛等动作。通常，轨道车辆的定位可用自线路起点起若干米来表示，例如城市轨道交通领域使用的百米标位置表示方法。若某台轨道车辆定位数据为百米标123+67，则表示车辆位于线路123百米标+67米处。
[0003]轨道车辆配备ATP(列车自动防护)等信号控制系统时，通过应答器和编码里程计联合确定车辆的定位，定位数据只在信号控制系统内部传递，一般不对外提供接口。当车辆新增设备需要获取列车定位数据，如果想从信号控制系统获取，需要该系统增加通信接口。由于信号控制系统属于功能安全产品，增加通信接口等修改可能超出信号控制系统原有的产品安全认证范围，直接涉及行车安全，此方法在工程上往往难以实现。
[0004]此外，通过在线路全线铺设定位信标，当轨道车辆越过线路上的信标时，通过无线电读取信标存储的位置数据，可确定车辆当前的定位数据。此种方法需要在地面线路全线铺设大量信标，工程量较高，后期检修和维护工作量也较高。轨道车辆行驶过程中，线路电磁干扰的影响，还存在漏读信标的可能性。
[0005]某些区段可以通过卫星定位确定轨道车辆的位置，但是对于地下隧道等区域，由于卫星信号被遮挡，轨道车辆无法实现不间断的定位。

技术实现思路

[0006]基于此，针对现有技术的不足，本专利技术第一个目的在于提供一种轨道车辆定位方法，实现轨道车辆在相邻的百米标之间的精确定位。
[0007]为了达到上述目的，本专利技术的解决方案是：
[0008]一种轨道车辆定位方法，包括以下步骤：轨道车辆通过图像采集设备采集关于百米标的图像，对图像进行特征提取，获取百米标的序号n和第一位置数据；其中，n为三位数的自然数，第一位置为图像采集设备与第n百米标的相对距离；轨道车辆采用毫米波雷达测量相对于第n
‑
1百米标的位移，将测量的位移转化为相对于第n百米标的位移，得到第二位置数据；计算所述第一位置数据与所述第二位置数据的平均值，得到当前位置，该当前位置即为轨道车辆距第n百米标的实际距离。
[0009]较佳地，所述轨道车辆通过图像采集设备采集的关于百米标的图像，对图像进行特征提取，获取百米标的序号n和第一位置；其中，第一位置为轨道车辆与第n百米标的相对距离；包括以下步骤：对关于百米标的图像进行预处理；将预处理后的图像进行轮廓提取；对提取的轮廓进行数字识别，得到百米标的序号n；计算图像中百米标轮廓的像素点个数，根据预存的像素点与拍摄距离的相对应关系，确定第一位置数据。
[0010]进一步地，所述预处理包括：
[0011]S11、图像校准：将原始帧图像I校准并裁剪为感兴趣区域的图像I
’
，以提高后续检测的准确性，其具体步骤为：
[0012]首先将原始帧图像I中每一像素点坐标通过所述变换计算公式变换为在校准图像I
’
中对应的坐标，所述变换计算公式如下：
[0013][0014][0015]其中，(x,y)为像素点在原始图像中坐标，(x',y')为变换后对应坐标，a
i
变换系数，T表示矩阵的转置；
[0016]通过人工提取方式得到原始帧图像I中的四个顶点的坐标(x
i
,y
i
)
i＝1,2,3,4
，设感兴趣区域的图像I
’
中所述四个顶点对应坐标为(x
i
',y
i
')
i＝1,2,3,4
，将变换前后四组顶点的坐标上式，得到矩阵方程：
[0017][0018]通过求解上述矩阵，得到变换所需参数a
i
(i＝1,2,...,8)；
[0019]S12、感兴趣区域的图像提取：在校准图像I
’
中，对感兴趣区域进行提取，其矩形区域参数即为步骤S11中的四个顶点坐标(x
i
',y
i
')
i＝1,2,3,4
；从图像I
’
中截取该区域，并将坐标为(x1',y1')的像素点置为坐标原点；将顶点坐标(x
i
',y
i
')
i＝1,2,3,4
进行存储；
[0020]S13、将图像进行灰度化，具体计算公式为，
[0021][0022]其中，I
gray
为图像转换后的灰度图，矩阵为对应的彩色图像，I
mn
为该彩色图像中第m行、第n列对应的像素点，R、G和B分别代表该图像在RGB三个色彩通道上的分量，参数D1、D2、D3为各色彩分量对应的权重系数，根据经验确定权重系数使该图像与背景具有更大的灰度差。
[0023]较佳地，所述将预处理后的图像进行轮廓提取，包括：
[0024]采用自适应梯度阈值边缘化方法进行图像边缘提取，形成边缘图，具体步骤为：
[0025]计算图像I
gray
的梯度图，并根据每个像素点相邻8个方向上的像素点的梯度值，判断当前像素点的梯度值是否为最大值，如果是则判为候选边缘点；否则，则为非边缘点。由此得到候选边缘图I
pb
，建立图I
pb
的幅度直方图，并计算累计直方图，即梯度矩阵，对梯度矩阵中的每一个数值做直方图统计和累计直方图统计，得到最大梯度值S
max
，设感兴趣梯度区间宽度为S
step
，其变换区间为[S
max
/4,S
max
]，设感兴趣边缘集中区域的起点和终点为S
b
和S
e
，设累计直方图S
step
区间的斜率为k
t
，求解：
[0026]maxk
t
,
[0027]s.t.S
step
∈[S
max
/4,S
max
],S
b
≤S
max
‑
S
step
≤S
e
≤S
max
[0028]得到目标感兴趣边缘集中区域[S
b
,S
e
]。设阈值S
t
，将这个区域分为两类，即[S
b
,S
t
]和[S
t
,S
e
]。在这两类中分别统计梯度为i的像素点个数p
i
，这两类最大梯度分别为t1和t2，求解：
[0029][0030]s.t.S
t
∈[S
b
,S
e
][0031]根据梯度S...

【技术保护点】

【技术特征摘要】
1.一种轨道车辆定位方法，其特征在于，包括以下步骤：轨道车辆通过车载图像采集设备采集关于百米标的图像，对图像进行特征提取，获取百米标的序号n和第一位置数据；其中，n为三位数的自然数，第一位置为车辆图像采集设备与第n百米标的相对距离；轨道车辆采用毫米波雷达测量相对于第n
‑
1百米标的位移，将测量的位移转化为相对于第n百米标的位移，得到第二位置数据；计算所述第一位置数据与所述第二位置数据的平均值，得到当前位置数据，即为轨道车辆距第n百米标的实际距离。2.根据权利要求1所述的轨道车辆定位方法，其特征在于，所述轨道车辆通过图像采集设备采集百米标的图像，对图像进行特征提取，获取百米标的序号n和第一位置；其中，第一位置为轨道车辆与第n百米标的相对距离；包括以下步骤：S10、对百米标的图像进行预处理；S20、将预处理后的图像进行轮廓提取；S30、对提取的轮廓进行数字识别，得到百米标的序号n；S40、计算图像中百米标轮廓的像素点个数，根据预存的像素点与拍摄距离的对应关系表达式，确定第一位置数据。3.根据权利要求2所述的轨道车辆定位方法，其特征在于，所述对百米标图像进行预处理，包括：S11、图像校准：将原始帧图像I中每一像素点坐标通过变换计算公式变换为在校准图像I
’
中对应的坐标，所述变换计算公式如下：中对应的坐标，所述变换计算公式如下：其中，(x,y)为像素点在原始图像中坐标，(x',y')为变换后对应坐标，a
i
变换系数；通过人工提取方式得到原始帧图像I中的四个顶点的坐标(x
i
,y
i
)
i＝1,2,3,4
，设感兴趣区域的图像I
’
中所述四个顶点对应坐标为(x
i
',y
i
')
i＝1,2,3,4
，将变换前后四组顶点的坐标代入上式，得到矩阵方程：通过求解上述矩阵，得到变换所需参数a
i
(i＝1,2,...,8)；
S12、感兴趣区域的图像提取：在校准图像I
’
中，感兴趣区域(矩形)参数为步骤S11得出四个顶点坐标(x
i
',y
i
')
i＝1,2,3,4
；从图像I
’
中截取该区域，并将坐标为(x1',y1')的像素点置为坐标原点；将顶点坐标(x
i
',y
i
')
i＝1,2,3,4
进行存储；S13、将S12步骤截取出的图像进行灰度化，具体计算公式为：其中，I
gray
为转换后的灰度图，矩阵为对应的彩色图像，I
mn
为该彩色图像中第m行、第n列对应的像素点，R、G和B分别代表该图像在RGB三个色彩通道上的分量，参数D1、D2、D3为各色彩分量对应的权重系数，根据经验确定权重系数，使该图像与背景具有更大的灰度差。4.根据权利要求3所述的轨道车辆定位方法，其特征在于，所述将预处理后的图像进行轮廓提取，包括：S21、采用自适应梯度阈值边缘化方法进行图像边缘提取，形成边缘图，具体步骤为：计算图像I
gray
的梯度图，并根据每个像素点相邻的8个方向的像素点梯度值，判断当前像素点的梯度值是否为最大值，如果是则判为候选边缘点；否则为非边缘点，由此得到候选边缘图I
pb
，建立图I
pb
的幅度直方图，并计算累加直方图，得到最大梯度值S
max
,设感兴趣梯度区间宽度为S
step
，其变换区间为[S
max
/4,S
max
]，设感兴趣边缘集中区域的起点和终点为S
b
和S
e
，设直方图S
step
区间的斜率为k
t
，求解：max k
t
,s.t.S
step
∈[S
max
/4,S
max
],S
b
∈[S
max
‑
S
step
,1]得到目标感兴趣边缘集中区域[S
b
,S
e
]，设阈值S
t
，将这个区域分为两类，即[S
b
,S
t
]和[S
t
,S
e
]，在这两类中分别统计梯度为i的像素点个数p
i
，这两类最大梯度分别为t1和t2，求解：s.t.S
...

【专利技术属性】
技术研发人员：沈阳，邓辰鑫，薛腾辉，李柏松，张国光，惠青文，
申请(专利权)人：上海泽高电子工程技术股份有限公司，
类型：发明
国别省市：